Fähigkeiten matchms
🔬

matchms

Sicher ⚡ Enthält Skripte⚙️ Externe Befehle🌐 Netzwerkzugriff📁 Dateisystemzugriff

Massenspektrometrie-Datenanalyse für Metabolitidentifikation

Auch verfügbar von: davila7

Massenspektrometrie-Daten enthalten komplexe spektrale Informationen, die eine spezialisierte Verarbeitung erfordern. Matchms bietet umfassende Werkzeuge zum Importieren, Filtern und Vergleichen von Massenspektren für die Metabolitidentifikation und Verbindungsanalyse.

Unterstützt: Claude Codex Code(CC)
🥉 72 Bronze
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "matchms". Ähnlichkeit zwischen zwei Spektren berechnen

Erwartetes Ergebnis:

  • Kosinus-Ähnlichkeitsscore: 0.85
  • Übereinstimmende Peaks: 45/89
  • Am besten übereinstimmende m/z-Werte: 147.076, 175.107, 203.138
  • Ähnlichkeitsbewertung: Hohe Konfidenzübereinstimmung

Verwendung von "matchms". MGF-Datei mit 500 Spektren laden

Erwartetes Ergebnis:

  • 500 Spektren erfolgreich geladen
  • Durchschnittliche Peaks pro Spektrum: 156
  • Precursor m/z-Bereich: 100.5 - 2000.3
  • Ionisationsmodi: positiv (340), negativ (160)

Verwendung von "matchms". Spektren mit Standardfiltern filtern

Erwartetes Ergebnis:

  • 12 Metadata-Harmonisierungsfilter angewendet
  • 500 Intensitätsarrays normalisiert
  • 23 Spektren mit unzureichenden Peaks entfernt
  • Finaler Datensatz: 477 Spektren

Sicherheitsaudit

Sicher
v4 • 1/17/2026

All 268 static findings are false positives. The analyzer incorrectly flagged markdown code blocks (backticks) as shell execution, InChIKey descriptions as cryptographic algorithms, scientific database URLs as network reconnaissance, and legitimate Python code examples as malicious patterns. Matchms is a legitimate open-source mass spectrometry library for metabolomics research.

6
Gescannte Dateien
2,173
Analysierte Zeilen
4
befunde
4
Gesamtzahl Audits

Risikofaktoren

⚡ Enthält Skripte (2)
references/filtering.md:237-273 references/workflows.md:75-502
⚙️ Externe Befehle (3)
SKILL.md:21-197 references/importing_exporting.md:11-392 references/similarity.md:7-367
🌐 Netzwerkzugriff (3)
references/importing_exporting.md:407-416 references/similarity.md:380 references/workflows.md:645-647
📁 Dateisystemzugriff (1)
references/importing_exporting.md:323-344
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

45
Architektur
100
Wartbarkeit
85
Inhalt
29
Community
100
Sicherheit
91
Spezifikationskonformität

Was du bauen kannst

Unbekannte Metaboliten identifizieren

Vergleichen Sie experimentelle Spektren mit Referenzbibliotheken, um unbekannte Verbindungen zu identifizieren.

LC-MS/MS-Daten verarbeiten

Rohdaten der Massenspektrometrie importieren, Qualitätsfilter anwenden und Spektren für die Analyse vorbereiten.

Spektrenabgleich-Pipelines erstellen

Automatisierte Workflows für groß angelegte Spektrenvergleiche und Verbindungsidentifikation erstellen.

Probiere diese Prompts

Grundlegendes Spektrum laden 
Spektren aus meiner MGF-Datei laden und grundlegende Statistiken zum Datensatz anzeigen
Qualitätsfilter anwenden 
Standardfilter anwenden, um Intensitäten zu normalisieren und minderwertige Peaks aus meinen Spektren zu entfernen
Spektrenbibliothekssuche 
Meine Abfragespektren mit einer Referenzbibliothek unter Verwendung von Kosinus-Ähnlichkeit vergleichen und die 5 besten Übereinstimmungen zurückgeben
Verarbeitungspipeline erstellen 
Eine SpectrumProcessor-Pipeline erstellen, die Metadata-Harmonisierung, Intensitätsnormalisierung und Peak-Filterung anwendet

Bewährte Verfahren

  • Standardmäßig immer zuerst default_filters anwenden, um Metadaten zu harmonisieren
  • Geeignete Ähnlichkeitsfunktionen verwenden (CosineGreedy für Geschwindigkeit, ModifiedCosine bei Präkursor-Massenunterschieden)
  • Ergebnisse nach Möglichkeit mit chemischen Standards validieren

Vermeiden

  • Qualitätsfilter vor Ähnlichkeitsberechnungen überspringen
  • Ungeeignete Ähnlichkeitsmetriken für Ihren Datentyp verwenden
  • Anforderungen an die Metadatenstandardisierung ignorieren

Häufig gestellte Fragen

Welche Dateiformate unterstützt matchms?
MGF, MSP, mzML, mzXML, JSON (GNPS), Pickle und USI-Referenzen.
Welches Ähnlichkeitsmaß sollte ich verwenden?
CosineGreedy für allgemeinen Abgleich verwenden, ModifiedCosine wenn sich Präkursor-Massen unterscheiden.
Benötige ich RDKit für alle Funktionen?
Nur für chemische Strukturverarbeitung (SMILES, InChI-Konvertierungen).
Wie handhabe ich große Spektrenbibliotheken?
Stapelverarbeitung verwenden und speichereffiziente Ähnlichkeitsberechnungen in Betracht ziehen.
Kann matchms unbekannte Verbindungen identifizieren?
Ja, durch Vergleich mit Referenzspektrenbibliotheken unter Verwendung von Ähnlichkeitsscores.
Was ist der Unterschied zwischen mzML und MGF?
mzML enthält Rohdaten des Instruments, MGF ist eine verarbeitete Peakliste zur Analyse.

Entwicklerdetails

Lizenz

Apache-2.0 license

Repository

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

Ref

main

Dateistruktur

📁 references/

📄 filtering.md

📄 importing_exporting.md

📄 similarity.md

📄 workflows.md

📄 SKILL.md