pyopenms
تحليل بيانات قياس الطيف الكتلي
متاح أيضًا من: davila7
معالجة بيانات البروتيوميات والميتابوليوميات باستخدام أدوات شاملة لقياس الطيف الكتلي. توفر هذه المهارة الوصول إلى خوارزميات OpenMS للتعامل مع تنسيقات الملفات ومعالجة الأطياف واكتشاف الميزات ومسارات تعريف الببتيدات.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "pyopenms". تحميل ملف mzML وإظهار أول طيف
النتيجة المتوقعة:
- استخدم MSExperiment للاحتفاظ بالبيانات و MzMLFile لتحميلها
- الوصول إلى الأطياف عبر التكرار أو طريقة getSpectrum(index)
- استخراج قيم m/z والشدة مع get_peaks() التي تُرجع مصفوفات numpy
- الحصول على البيانات الوصفية مثل مستوى MS ووقت الاحتفاظ مع getMSLevel() و getRT()
استخدام "pyopenms". كيف أقوم بتطبيق معالجة الإشارة على الأطياف الخاصة بي؟
النتيجة المتوقعة:
- استخدم GaussFilter أو SavitzkyGolayFilter للتمهيد
- ضبط المعلمات مع getParameters() و setValue()
- التطبيق مع طريقة filterExperiment()
- النظر في التطبيع مع LinearNormalizer قبل المعالجة
التدقيق الأمني
آمنThis skill contains only markdown documentation files with Python code examples. The static analyzer incorrectly flagged markdown syntax patterns as security threats. All 295 static findings are false positives. No executable code exists in this skill.
عوامل الخطر
⚡ يحتوي على سكربتات
🌐 الوصول إلى الشبكة (1)
📁 الوصول إلى نظام الملفات
🔑 متغيرات البيئة
درجة الجودة
ماذا يمكنك بناءه
البروتيوميات الكمية
معالجة مجموعات بيانات LC-MS/MS لتحديد وتكميم البروتينات عبر عينات متعددة
تطوير خطوط المعالجة
بناء خطوط معالجة آلية لبيانات قياس الطيف الكتلي باستخدام Python
تحليل المستقلبات
إجراء معالجة أولية للميتابوليوميات غير المستهدفة وتوصيف الميزات
جرّب هذه الموجهات
كيف أقوم بتحميل ملف mzML والوصول إلى الأطياف والكروماتوغرافات باستخدام pyopenms؟
أرني كيفية اكتشاف الميزات في بيانات قياس الطيف الكتلي باستخدام FeatureFinder في pyopenms.
كيف أقوم بتحميل نتائج التعريف من ملف idXML وتطبيق تصفية معدل الاكتشاف الخاطئ في pyopenms؟
إنشاء مسار عمل pyopenms كامل يقوم بتحميل بيانات mzML ومعالجة الأطياف واكتشاف الميزات وتصدير النتائج إلى DataFrame من pandas.
أفضل الممارسات
- استخدم IndexedMzMLFileLoader للملفات الكبيرة لتجنب تحميل مجموعة البيانات بالكامل في الذاكرة
- تطبيق معالجة الإشارة المناسبة (التمهيد والتصفية) قبل اكتشاف الميزات
- التحقق من وجود الملف مع os.path.exists() قبل تحميل البيانات
تجنب
- تحميل ملفات mzML الكبيرة جداً بالكامل في الذاكرة دون استخدام البث أو الوصول المفهرس
- تخطي خطوات التحكم في الجودة قبل التحليل اللاحق
- تجاهل البيانات الوصفية للجهاز التي قد تؤثر على تفسير البيانات
الأسئلة المتكررة
ما هي تنسيقات الملفات التي يدعمها pyopenms؟
كيف أقوم بتثبيت pyopenms؟
هل يمكن لـ pyopenms العمل بدون تثبيت OpenMS؟
هل يتضمن pyopenms محركات البحث؟
كيف أقوم بتصدير البيانات إلى pandas؟
ما هو الفرق بين pyopenms و matchms؟
تفاصيل المطور
المؤلف
K-Dense-AIالترخيص
3 clause BSD license
المستودع
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pyopenmsمرجع
main
بنية الملفات