
Transformez et collationnez des enregistrements tabulaires en dictionnaires JSON structurés à l'aide du mappage de champs, du filtrage et du regroupement pour les métadonnées scientifiques.
Cette compétence fournit une approche systématique pour nettoyer et restructurer les métadonnées expérimentales brutes. Elle transforme des données tabulaires d'une forme JSON intermédiaire en dictionnaires conformes au schéma en mappant les champs sources vers des en-têtes de sortie spécifiques et en collationnant plusieurs enregistrements sous des champs de regroupement.
Appliquez cette compétence lors de la préparation de données de feuilles de calcul brutes pour soumission à des répertoires tels que le Metabolomics Workbench (mwTab). Elle est idéale pour les scénarios nécessitant une logique de transformation de type matrice, comme le filtrage par règles d'exclusion ou l'application de transformations Python personnalisées.
Agents IA scientifiques, spécifiquement ceux intégrés à l'écosystème AgenticScienceBuilder ou capables d'exécuter des scripts Python pour la transformation de données.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Inspecteur de Workflow GitHub Actions
Vérifiez et reproduisez localement les workflows CI de GitHub Actions pour valider le statut des badges et l'intégrité du build.
Annotation de Séquence d'Injection
Identifie et valide l'espacement des échantillons QCpool dans les exports de métabolomique/lipidomique Sciex Multiquant.
Chargeur de poids pré-entraînés PyTorch
Chargez des checkpoints de modèles PyTorch pré-entraînés pour classer des molécules candidates ou analyser des spectres en métabolomique sans réentraînement.
Codage Positionnel pour Séquences Spectrales
Intègre des informations séquentielles dans les paires m/z-intensité du spectre de masse pour l'interprétation MS/MS basée sur les transformeurs dans IDSL_MINT.