metabolomics-workbench-database
Metabolomics Workbenchデータベースの検索
متاح أيضًا من: K-Dense-AI
NIHデータベースから数千件のメタボローム学研究と代謝物データを検索します。標準化された命名法、質量分析法データ、研究メタデータにアクセスし、バイオマーカー発見と代謝研究を行います。
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "metabolomics-workbench-database". Metabolomics Workbenchでグルコース測定を含む研究を検索
النتيجة المتوقعة:
- グルコース測定を含む847件の研究が見つかりました
- 上位研究: ST000001(糖尿病研究)、ST000002(メタボリックシンドローム)、ST000003(血糖調節)
- 最初の研究: LC-MS正モードを使用して156の代謝物を測定
- Metabolomics Workbenchでのグルコースレジストリ番号: 1590
استخدام "metabolomics-workbench-database". M+Hアドuctを使用してm/z値180.06の化合物を検索
النتيجة المتوقعة:
- 可能性のある化合物: グルコース(0.5 Da以内のm/z一致)
- フルクトース(0.5 Da以内のm/z一致)
- ガラクトース(0.5 Da以内のm/z一致)
- レジストリ番号: 1590、2313、2088
استخدام "metabolomics-workbench-database". LC-MSを使用した糖尿病に関する人間の血液研究を検索
النتيجة المتوقعة:
- 基準に一致する23件の研究が見つかりました
- 最近の研究: ST000001(糖尿病ベースライン)、ST000002(メタボリックシンドローム)、ST000045(2型糖尿病の進行)
- サンプルタイプ: 全血、血漿、血清
التدقيق الأمني
آمنDocumentation-only skill containing markdown files with API reference material. No executable Python code, scripts, network calls, file operations, or environment access. The static findings are false positives triggered by markdown code block syntax and scientific terminology misidentified as security patterns.
عوامل الخطر
⚙️ الأوامر الخارجية (190)
🌐 الوصول إلى الشبكة (105)
📁 الوصول إلى نظام الملفات (1)
درجة الجودة
ماذا يمكنك بناءه
MSデータからの代謝物の同定
m/z値で化合物データベースを検索して、質量分析法実験から未知の代謝物を同定します。
疾患バイオマーカー研究の検索
病タイプ、供給源、分析方法でメタボローム学研究をフィルターしてバイオマーカー研究を行います。
化合物名の標準化
RefMetを使用して、一般的な代謝物名を標準化された命名法に変換して、一貫した報告を行います。
جرّب هذه الموجهات
[metabolite_name]の測定を含むMetabolomics Workbenchの研究を検索
[adduct_type]アドuctと[tolerance]Daの許容値を使用して、[mz_value]のm/z値の化合物を検索
Metabolomics WorkbenchでLC-MS正モードを使用した[disease_name]に関する人間の血液研究を検索
[metabolite]という代謝物名を標準化し、関連するすべての研究を見つけ、最も関連性の高い研究から実験データを取得し、[mz_value]のm/zを持つMSデータから化合物を同定
أفضل الممارسات
- 一貫した命名を確保するために、検索前にRefMetを通じて代謝物名を常に標準化してください
- 分析方法に適切なイオンアドuctタイプを使用してください(正ESIではM+H、負ESIではM-H)
- 機器の解像度に基づいて適切な質量許容値を設定してください(低分解能MSでは0.5 Da、高分解能MSでは0.01 Da)
تجنب
- 標準化せずにクエリ間で一貫性のない代謝物名を使用する
- データセットを選択する際に研究メタデータを無視する
- 複数のデータベース間で代謝物識別子を相互参照しない