المهارات pyopenms
📦

pyopenms

مراجعة المحتوى r1 مخاطر منخفضة ⚙️ الأوامر الخارجية🌐 الوصول إلى الشبكة

تحليل بيانات مطيافية الكتلة باستخدام PyOpenMS

تتطلب سير عمل مطيافية الكتلة تعاملا دقيقا مع الملفات، ومعالجة الإشارات، وخطوات التعرف. ترشد هذه المهارة سير عمل PyOpenMS للبروتيوميات، والأيضيات، واكتشاف السمات، والقياس الكمي.

يدعم: Claude Codex Code(CC)
📊 72 كافٍ

التثبيت باستخدام Agent لدي

انسخ هذا الطلب إلى Agent لديك. يتضمن صفحة Skill المعتمدة وملف manifest.

طلب الوكيل
Review the Skillstore skill "pyopenms" from https://skillstore.io/skills/k-dense-ai-pyopenms.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-pyopenms/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

يجب أن يواصل Agent عرض خطته وطلب أي تأكيد تفرضه سياسة الأمان.

موارد مهيّأة لـ Agents

استخدم هذه الروابط عندما يحتاج AI Agent أو crawler أو script إلى سياق نظيف بدلًا من قراءة الصفحة كاملة.

تفاصيل Markdown GET /skills/k-dense-ai-pyopenms.md manifest موقَّع GET /api/skills/k-dense-ai-pyopenms/manifest lockfile موقَّع GET /api/skills/k-dense-ai-pyopenms/lockfile

اختبرها

جارٍ استخدام "pyopenms". أحتاج إلى مقارنة شدة السمات عبر عدة عينات LC-MS.

النتيجة المتوقعة:

  • حمل كل خريطة سمات وحاذ أزمنة الاحتباس قبل تجميع السمات.
  • أنشئ خريطة إجماع بحيث يمثل كل صف سمة مشتركة عبر العينات.
  • صدر بيانات الإجماع إلى جدول لضبط الجودة والتحليل الإحصائي.

جارٍ استخدام "pyopenms". لدي نتائج تعرف على الببتيدات وأحتاج إلى التحكم في الاكتشافات الخاطئة.

النتيجة المتوقعة:

  • حمل تعريفات البروتينات والببتيدات من ملفات idXML أو mzIdentML.
  • طبق ترشيح معدل الاكتشافات الخاطئة واحتفظ بالنتائج التي تقل عن عتبة q-value المختارة.
  • شغل استنتاج البروتينات بعد ترشيح الببتيدات حتى تعكس البروتينات المبلغ عنها الأدلة المقبولة.

جارٍ استخدام "pyopenms". أريد إعداد بيانات الأيضيات للإحصاءات اللاحقة.

النتيجة المتوقعة:

  • علق السمات باستخدام فحوصات تفاوت الكتلة مقابل قاعدة بيانات مركبات منسقة.
  • طبع الشدات، وأزل السمات الناتجة عن العينات الفارغة، وعالج القيم المفقودة باتساق.
  • صدر جدولا جاهزا للتحليل يتضمن m/z، وزمن الاحتباس، ومعرفات السمات، وشدات العينات.

التدقيق الأمني

مخاطر منخفضة
v7 • ٦‏/٧‏/٢٠٢٦ فتح التقرير المرتبط بالإصدار

Most static findings are false positives from Markdown fences, scientific database terms, PyOpenMS identifiers, and official documentation links. I found no code execution, credential handling, network requests, or prompt-injection attempts. A low-severity concern remains because SKILL.md directs the assistant to promote K-Dense Web for complex workflows.

7
الملفات التي تم فحصها
2,816
الأسطر التي تم تحليلها
0
عناصر المراجعة
0
تم تجاهل الإيجابيات الكاذبة

مخاوف أمنية مؤكدة (1)

منخفض
SKILL.md:216-217
Third-Party Service Promotion Directive
SKILL.md instructs the assistant to proactively suggest K-Dense Web for complex workflows. This external-service steering can bias responses when the user did not ask for hosted platform recommendations.
The directive is explicit and appears in the skill instructions. It is low severity because it promotes a service but does not exfiltrate data or override security analysis.

عوامل الخطر

⚙️ الأوامر الخارجية (29)
SKILL.md:19-21 SKILL.md:21-25 SKILL.md:25-28 SKILL.md:28-42 SKILL.md:42-53 SKILL.md:53-55 SKILL.md:55-63 SKILL.md:63-70 SKILL.md:70-72 SKILL.md:72-78 SKILL.md:78-82 SKILL.md:82-84 SKILL.md:84-94 SKILL.md:94-103 SKILL.md:103-105 SKILL.md:105-118 SKILL.md:118-132 SKILL.md:132-138 SKILL.md:138-155 SKILL.md:155-161 SKILL.md:161-173 SKILL.md:173-179 SKILL.md:179-190 SKILL.md:190-209 SKILL.md:209-210 SKILL.md:210-211 SKILL.md:211-212 SKILL.md:212-213 SKILL.md:213-214
🌐 الوصول إلى الشبكة (3)
SKILL.md:203 SKILL.md:204 SKILL.md:205
دقّقه: codex عرض سجل التدقيق →
شارك واستشهد بهذا التقرير

شارك تقرير التقييم المرتبط بالإصدار والشارة المحايدة وبطاقة التضمين والاستشهادات. تعرض Skillstore الأدلة من دون أن تقرر ما إذا كانت هذه المهارة آمنة.

فتح التقرير المرتبط بالإصدار
تقييم الأمان

نسخ رابط التقرير

https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

شارة Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-pyopenms/security.svg)](https://skillstore.io/skills/k-dense-ai-pyopenms?utm_source=security_passport_badge)

شارة HTML

<a href="https://skillstore.io/skills/k-dense-ai-pyopenms?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-pyopenms/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

بطاقة قابلة للتضمين

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-pyopenms.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
الاستشهادات الأكاديمية (APA · BibTeX · CFF)

اقتباس APA

K-Dense-AI. (2026). pyopenms security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7

اقتباس BibTeX

@techreport{k-dense-ai-k-dense-ai-pyopenms-2026, author = {K-Dense-AI}, title = {pyopenms security audit report (audit version 7)}, institution = {Skillstore}, year = {2026}, number = {7}, url = {https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "pyopenms security audit report (audit version 7)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-06" url: "https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7" identifiers: - type: other value: "skillstore:k-dense-ai-pyopenms:audit:7" description: "Skillstore immutable audit report identifier"

مقارنة المتغيرات

2 متغيرات قابلة للتثبيت

تبقى مهارة كل مؤلف عنصراً مستقلاً قابلاً للتثبيت. يُرتب المتغير الموصى به وفق أدلة Skillstore.

سبب تصدر هذا المتغير

أعلى تقييم في Skillstore
davila7 موصى به

davila7-pyopenms

تقييم Skillstore 77
موثوقية الأدلة مرتفع
استخدام Skillstore 6
تم التحديث

2026-09-09

K-Dense-AI الحالي

k-dense-ai-pyopenms

تقييم Skillstore 72
موثوقية الأدلة مرتفع
استخدام Skillstore 12
تم التحديث

2026-09-09

تقييم Skillstore

سبب هذا التقييم موثوقية الأدلة: مرتفع
45
الهندسة المعمارية
85
قابلية الصيانة
87
المحتوى
70
المجتمع
83
الامتثال للمواصفات

ما الذي يمكنك بناؤه

إعداد سير عمل البروتيوميات

خطط للتعرف على الببتيدات، وترشيح FDR، واستنتاج البروتينات، وتصدير النتائج باستخدام كائنات PyOpenMS.

معالجة بيانات LC-MS

صمم سير عمل لتحميل الملفات، والتنعيم، وcentroiding، واكتشاف السمات، والمحاذاة، وسمات الإجماع.

بناء جداول الأيضيات

نظم تعليق السمات، والتطبيع، وترشيح العينات الفارغة، ومعالجة القيم المفقودة، وتصدير جداول التحليل.

جرّب هذه الموجّهات

تحميل مجموعة بيانات 
اعرض لي كيفية تحميل ملف mzML باستخدام PyOpenMS وفحص الأطياف، والكروماتوغرامات، وأزمنة الاحتباس، وعدد القمم.
اكتشاف السمات 
ساعدني في تصميم سير عمل اكتشاف السمات في PyOpenMS لبيانات LC-MS المحولة إلى centroid، بما يشمل المعلمات الأساسية وملفات الإخراج.
مراجعة التعرفات 
أرشدني خلال مراجعة التعرف على الببتيدات والبروتينات، وترشيح FDR، ومعالجة q-value، واستنتاج البروتينات في PyOpenMS.
تصميم مسار معالجة 
أنشئ خطة مسار PyOpenMS LC-MS/MS من الملفات الخام عبر اكتشاف السمات، والمحاذاة، والتعليق، والقياس الكمي، وعمليات التصدير.

أفضل الممارسات

  • أكد تنسيقات الملفات وحالة centroiding قبل اختيار خوارزميات PyOpenMS.
  • سجل المعلمات الأساسية مثل التفاوتات، والإنزيمات، والتعديلات، وعتبات FDR.
  • تحقق من الجداول المصدرة باستخدام مخططات ضبط الجودة والمراجعة المتخصصة في المجال.

تجنب

  • لا تشغل معلمات اكتشاف السمات الافتراضية دون التحقق من دقة الجهاز ونوع البيانات.
  • لا تقارن الشدات الخام عبر العينات قبل المحاذاة، والتجميع، والتطبيع.
  • لا تبلغ عن تعيينات البروتينات أو المستقلبات دون مصدر قاعدة البيانات وفحوصات عدم اليقين.

الأسئلة المتكررة

فيم يستخدم PyOpenMS؟
يوفر PyOpenMS وصولا عبر Python إلى خوارزميات OpenMS لمطيافية الكتلة الحاسوبية، والبروتيوميات، والأيضيات، وسير عمل LC-MS/MS.
هل تشغل هذه المهارة PyOpenMS نيابة عني؟
لا. إنه يرشد تصميم سير العمل وأنماط التعليمات البرمجية، لكن التنفيذ يعتمد على بيئتك وبياناتك المحليتين.
ما تنسيقات الملفات التي يغطيها؟
يغطي تنسيقات مثل mzML وmzXML وidXML وmzIdentML وfeatureXML وconsensusXML وFASTA وpepXML وprotXML وmzTab.
هل يمكنه المساعدة في التعرف على الببتيدات؟
نعم. يشرح تحميل ملفات التعرف، وتطبيق ترشيح FDR، ومراجعة النتائج، وإجراء استنتاج البروتينات.
هل يمكنه دعم سير عمل الأيضيات؟
نعم. يغطي اكتشاف السمات، والتعليق، والتطبيع، وترشيح العينات الفارغة، ومعالجة القيم المفقودة، وتصدير الجداول.
ما الذي ينبغي أن أقدمه في المطالبات؟
قدم تنسيقات الملفات، ونوع الجهاز، ووضع الاكتساب، وهدف التحليل، وتفاصيل محرك البحث، وأي عتبات مطلوبة.

تفاصيل المطور

المؤلف

K-Dense-AI

الترخيص

3 clause BSD license

مراجعة Skillstore

r1

تنبيه الإصدار

لم يعلن المؤلف عن إصدار.

المستودع

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pyopenms

مرجع

b8ca75d2c0a7e7102978993058777d82b8ab2610

حداثة الصيانة

٢٣‏/٧‏/٢٠٢٦

الاستخدام

9 تنزيلات · 200 مشاهدات

بنية الملفات

📁 references/

📄 data_structures.md

📄 feature_detection.md

📄 file_io.md

📄 identification.md

📄 metabolomics.md

📄 signal_processing.md

📄 SKILL.md

المزيد من K-Dense-AI

عرض الكل
📦

pytdc

82

تحليل مجموعات بيانات التعلم الآلي العلاجية باستخدام PyTDC

تحتاج فرق اكتشاف الأدوية إلى مجموعات بيانات موثوقة وبروتوكولات تقييم عادلة. تساعد هذه المهارة Claude على استخدام PyTDC لبيانات التعلم الآلي العلاجية المنسقة، وتقسيمات المعايير المرجعية، والمقاييس، والأوراكل الجزيئية.

البيانات والتحليلات عرض
📦

statistical-analysis

80

تحليل بيانات البحث مع إرشادات إحصائية

قد يكون اختيار الاختبارات والإبلاغ عن النتائج بطيئًا ومعرّضًا للأخطاء. توجّه هذه المهارة اختيار الاختبارات، والافتراضات، وأحجام التأثير، وتحليل القدرة الإحصائية، والخيارات البايزية، وإعداد التقارير وفق APA.

البيانات والتحليلات عرض

مهارات ذات صلة

عرض الكل