🔬

pyopenms

Name: pyopenms
Author: K-Dense-AI

Sûr ⚡ Contient des scripts🌐 Accès réseau📁 Accès au système de fichiers🔑 Variables d’environnement⚙️ Commandes externes

Analyser des donnees de spectrometrie de masse

Également disponible depuis: davila7

Traitez les donnees de proteomique et de metabolomique avec des outils complets de spectrometrie de masse. Cette competence donne acces aux algorithmes OpenMS pour la gestion des formats de fichiers, le traitement spectral, la detection de caracteristiques et les flux de travail d’identification des peptides.

Prend en charge: Claude Codex Code(CC)

🥉 72 Bronze

Télécharger le ZIP du skill

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

Activez et commencez à utiliser

Tester

Utilisation de "pyopenms". Load an mzML file and show me the first spectrum

Résultat attendu:

Utilisez MSExperiment pour contenir les donnees et MzMLFile pour les charger
Accedez aux spectres par iteration ou via la methode getSpectrum(index)
Extrayez les valeurs m/z et d’intensite avec get_peaks() qui renvoie des tableaux numpy
Recuperez des metadonnees comme le niveau MS et le temps de retention avec getMSLevel() et getRT()

Utilisation de "pyopenms". How do I apply signal processing to my spectra?

Résultat attendu:

Utilisez GaussFilter ou SavitzkyGolayFilter pour le lissage
Definissez les parametres avec getParameters() et setValue()
Appliquez avec la methode filterExperiment()
Envisagez la normalisation avec LinearNormalizer avant le traitement

Audit de sécurité

Sûr

v4 • 1/17/2026

This 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.

Fichiers analysés

4,192

Lignes analysées

résultats

Total des audits

Facteurs de risque

⚡ Contient des scripts

Aucun emplacement spécifique enregistré

🌐 Accès réseau (1)

SKILL.md:203-205

📁 Accès au système de fichiers

Aucun emplacement spécifique enregistré

🔑 Variables d’environnement

Aucun emplacement spécifique enregistré

⚙️ Commandes externes (7)

SKILL.md:19-214 references/data_structures.md:13-497 references/feature_detection.md:22-410 references/file_io.md:39-349 references/identification.md:23-422 references/metabolomics.md:11-482 references/signal_processing.md:11-433

Audité par: claude Voir l’historique des audits →

Score de qualité

Architecture

100

Maintenabilité

Contenu

Communauté

100

Sécurité

Conformité aux spécifications

Ce que vous pouvez construire

Proteomique quantitative

Traiter des jeux de donnees LC-MS/MS pour identifier et quantifier des proteines sur plusieurs echantillons

Developpement de pipelines

Construire des pipelines automatises de traitement de donnees de spectrometrie de masse avec Python

Analyse de metabolites

Effectuer le pretraitement metabolomique non cible et l’annotation des caracteristiques

Essayez ces prompts

Chargement de fichier de base

Comment charger un fichier mzML et acceder aux spectres et chromatogrammes avec pyopenms ?

Detection de caracteristiques

Montre-moi comment detecter des caracteristiques dans des donnees de spectrometrie de masse centroides en utilisant FeatureFinder dans pyopenms.

Identification des peptides

Comment charger des resultats d’identification depuis un fichier idXML et appliquer un filtrage du taux de fausses decouvertes dans pyopenms ?

Flux de travail avances

Creer un flux de travail pyopenms complet qui charge des donnees mzML, traite les spectres, detecte des caracteristiques et exporte les resultats vers un DataFrame pandas.

Bonnes pratiques

Utilisez IndexedMzMLFileLoader pour les fichiers volumineux afin d’eviter de charger l’ensemble du jeu de donnees en memoire
Appliquez un traitement du signal approprie (lissage, filtrage) avant la detection des caracteristiques
Validez l’existence du fichier avec os.path.exists() avant de charger les donnees

Éviter

Charger entierement de tres gros fichiers mzML en memoire sans utiliser le streaming ou l’acces indexe
Sauter les etapes de controle qualite avant l’analyse en aval
Ignorer les metadonnees de l’instrument pouvant affecter l’interpretation des donnees

Foire aux questions

Quels formats de fichiers pyopenms prend-il en charge ?

mzML, mzXML, mzData, idXML, mzIdentML, pepXML, protXML, featureXML, consensusXML, mzTab, FASTA, et TraML.

Comment installer pyopenms ?

Utilisez uv: uv pip install pyopenms. Necessite Python 3.8+ et comporte des dependances C++.

pyopenms peut-il fonctionner sans OpenMS installe ?

Non, pyopenms est un wrapper Python autour de la bibliotheque C++ OpenMS qui doit etre disponible sur le systeme.

pyopenms inclut-il des moteurs de recherche ?

Non, pyopenms s’integre avec des moteurs de recherche mais vous devez les installer separement (Comet, Mascot, MSGFPlus, etc.).

Comment exporter des donnees vers pandas ?

Utilisez la methode get_df() sur FeatureMap, ConsensusMap ou d’autres conteneurs de donnees pour exporter directement vers des DataFrames.

Quelle est la difference entre pyopenms et matchms ?

pyopenms est complet pour les flux de travail en proteomique. Utilisez matchms pour une comparaison spectrale simple et l’identification des metabolites.