pyopenms
Massenspektrometrie-Daten analysieren
Auch verfügbar von: davila7
Verarbeiten Sie Proteomik- und Metabolomik-Daten mit umfassenden Massenspektrometrie-Tools. Dieser Skill bietet Zugang zu OpenMS-Algorithmen für Dateiformatverarbeitung, Spektrenverarbeitung, Merkmalserkennung und Peptididentifizierungs-Workflows.
Die Skill-ZIP herunterladen
In Claude hochladen
Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen
Einschalten und loslegen
Teste es
Verwendung von "pyopenms". Laden Sie eine mzML-Datei und zeigen Sie mir das erste Spektrum
Erwartetes Ergebnis:
- Verwenden Sie MSExperiment, um die Daten zu halten, und MzMLFile, um sie zu laden
- Greifen Sie über Iteration oder die getSpectrum(index)-Methode auf Spektren zu
- Extrahieren Sie m/z- und Intensitätswerte mit get_peaks(), das numpy-Arrays zurückgibt
- Erhalten Sie Metadaten wie MS-Level und Retentionszeit mit getMSLevel() und getRT()
Verwendung von "pyopenms". Wie wende ich Signalverarbeitung auf meine Spektren an?
Erwartetes Ergebnis:
- Verwenden Sie GaussFilter oder SavitzkyGolayFilter für Glättung
- Legen Sie Parameter mit getParameters() und setValue() fest
- Wenden Sie mit der filterExperiment()-Methode an
- Erwägen Sie Normalisierung mit LinearNormalizer vor der Verarbeitung
Sicherheitsaudit
SicherThis 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.
Risikofaktoren
⚡ Enthält Skripte
🌐 Netzwerkzugriff (1)
📁 Dateisystemzugriff
🔑 Umgebungsvariablen
Qualitätsbewertung
Was du bauen kannst
Quantitative Proteomik
Verarbeiten Sie LC-MS/MS-Datensätze, um Proteine über mehrere Proben hinweg zu identifizieren und zu quantifizieren
Pipeline-Entwicklung
Erstellen Sie automatisierte Massenspektrometrie-Datenverarbeitungs-Pipelines mit Python
Metabolitanalyse
Führen Sie unbeabsichtigte Metabolomik-Vorverarbeitung und Merkmalsannotation durch
Probiere diese Prompts
Wie lade ich eine mzML-Datei und greife auf die Spektren und Chromatogramme mit pyopenms zu?
Zeigen Sie mir, wie ich Merkmale in zentrierten Massenspektrometrie-Daten mit dem FeatureFinder in pyopenms erkennen kann.
Wie lade ich Identifizierungsergebnisse aus einer idXML-Datei und wende die False Discovery Rate-Filterung in pyopenms an?
Erstellen Sie einen vollständigen pyopenms-Workflow, der mzML-Daten lädt, Spektren verarbeitet, Merkmale erkennt und Ergebnisse in ein pandas DataFrame exportiert.
Bewährte Verfahren
- Verwenden Sie IndexedMzMLFileLoader für große Dateien, um nicht den gesamten Datensatz in den Speicher zu laden
- Wenden Sie geeignete Signalverarbeitung (Glättung, Filterung) vor der Merkmalserkennung an
- Validieren Sie die Dateiexistenz mit os.path.exists() vor dem Laden der Daten
Vermeiden
- Das vollständige Laden sehr großer mzML-Dateien in den Speicher ohne Streaming oder indizierten Zugriff
- Überspringen von Qualitätskontrollschritten vor nachgelagerter Analyse
- Ignorieren von Instrumentenmetadaten, die die Dateninterpretation beeinflussen können
Häufig gestellte Fragen
Welche Dateiformate unterstützt pyopenms?
Wie installiere ich pyopenms?
Kann pyopenms ohne installiertes OpenMS ausgeführt werden?
Enthält pyopenms Suchmaschinen?
Wie exportiere ich Daten nach pandas?
Was ist der Unterschied zwischen pyopenms und matchms?
Entwicklerdetails
Autor
K-Dense-AILizenz
3 clause BSD license
Repository
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/pyopenmsRef
main
Dateistruktur