Fähigkeiten matchms
🔬

matchms

Sicher ⚡ Enthält Skripte⚙️ Externe Befehle🌐 Netzwerkzugriff📁 Dateisystemzugriff

Analyser les données de spectrométrie de masse pour l'identification des métabolites

Auch verfügbar von: davila7

Les données de spectrométrie de masse contiennent des informations spectrales complexes qui nécessitent un traitement spécialisé. Matchms fournit des outils complets pour importer, filtrer et comparer les spectres de masse afin d'identifier les métabolites et analyser les composés.

Unterstützt: Claude Codex Code(CC)
📊 71 Angemessen
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". Calculer la similarité entre deux spectres

Erwartetes Ergebnis:

  • Score de similarité cosinus : 0,85
  • Pics correspondants : 45/89
  • Meilleures valeurs m/z correspondantes : 147,076, 175,107, 203,138
  • Évaluation de similarité : Correspondance haute confiance

Verwendung von "matchms". Charger un fichier MGF avec 500 spectres

Erwartetes Ergebnis:

  • 500 spectres chargés avec succès
  • Moyenne de pics par spectre : 156
  • Plage m/z du précurseur : 100,5 - 2000,3
  • Modes d'ionisation : positif (340), négatif (160)

Verwendung von "matchms". Filtrer les spectres avec les filtres par défaut

Erwartetes Ergebnis:

  • 12 filtres d'harmonisation des métadonnées appliqués
  • 500 tableaux d'intensité normalisés
  • 23 spectres supprimés pour pics insuffisants
  • Jeu de données final : 477 spectres

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
21
Community
100
Sicherheit
91
Spezifikationskonformität

Was du bauen kannst

Identifier les métabolites inconnus

Comparer les spectres expérimentaux avec les bibliothèques de référence pour identifier les composés inconnus.

Traiter les données LC-MS/MS

Importer les données brutes de spectro de masse, appliquer des filtres de qualité et préparer les spectres pour l'analyse.

Créer des pipelines de correspondance spectrale

Créer des flux de travail automatisés pour la comparaison spectrale à grande échelle et l'identification des composés.

Probiere diese Prompts

Chargement de base du spectre 
Charger les spectres depuis mon fichier MGF et afficher les statistiques de base sur le jeu de données
Appliquer des filtres de qualité 
Appliquer les filtres par défaut pour normaliser les intensités et supprimer les pics de faible qualité de mes spectres
Recherche dans la bibliothèque spectrale 
Comparer mes spectres de requête avec une bibliothèque de référence en utilisant la similarité cosinus et retourner les 5 meilleures correspondances
Créer un pipeline de traitement 
Créer un pipeline SpectrumProcessor qui applique l'harmonisation des métadonnées, la normalisation des intensités et le filtrage des pics

Bewährte Verfahren

  • Toujours appliquer default_filters en premier pour harmoniser les métadonnées
  • Utiliser les fonctions de similarité appropriées (CosineGreedy pour la vitesse, ModifiedCosine pour les différences de masses de précurseurs)
  • Valider les résultats avec des standards chimiques lorsque possible

Vermeiden

  • Sauter les filtres de qualité avant les calculs de similarité
  • Utiliser des métriques de similarité inappropriées pour votre type de données
  • Ignorer les exigences de standardisation des métadonnées

Häufig gestellte Fragen

Quels formats de fichiers matchms supporte-t-il ?
MGF, MSP, mzML, mzXML, JSON (GNPS), Pickle et références USI.
Quelle métrique de similarité dois-je utiliser ?
Utilisez CosineGreedy pour la correspondance générale, ModifiedCosine lorsque les masses de précurseurs diffèrent.
Ai-je besoin de RDKit pour toutes les fonctionnalités ?
Uniquement pour le traitement des structures chimiques (conversions SMILES, InChI).
Comment gérer les grandes bibliothèques spectrales ?
Utilisez le traitement par lots et可以考虑z des calculs de similarité économes en mémoire.
Matchms peut-il identifier les composés inconnus ?
Oui, en comparant avec les bibliothèques spectrales de référence utilisant les scores de similarité.
Quelle est la différence entre mzML et MGF ?
mzML contient les données brutes de l'instrument, MGF est la liste des pics traités pour l'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