스킬 pyopenms
📦

pyopenms

콘텐츠 리비전 r1 낮은 위험 ⚙️ 외부 명령어🌐 네트워크 접근

PyOpenMS로 질량분석 데이터 분석하기

질량분석 워크플로에는 정확한 파일 처리, 신호 처리, 식별 단계가 필요합니다. 이 스킬은 프로테오믹스, 대사체학, 피처 검출, 정량화를 위한 PyOpenMS 워크플로를 안내합니다.

지원: Claude Codex Code(CC)
Maintain this Skill? Claim it 📊 72 적절함

내 에이전트로 설치

이 요청을 에이전트에 복사하세요. 공식 Skill 페이지와 매니페스트가 포함되어 있습니다.

에이전트 요청
Review the Skillstore skill "pyopenms" from https://skillstore.io/skills/k-dense-ai-pyopenms.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-pyopenms/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

에이전트는 계속해서 계획을 표시하고 보안 정책에서 요구하는 확인을 요청해야 합니다.

에이전트가 읽기 쉬운 리소스

AI 에이전트, 크롤러, 스크립트가 전체 페이지 대신 정리된 컨텍스트만 필요할 때 이 링크를 사용하세요.

Markdown 상세 GET /skills/k-dense-ai-pyopenms.md 서명된 manifest GET /api/skills/k-dense-ai-pyopenms/manifest 서명된 lockfile GET /api/skills/k-dense-ai-pyopenms/lockfile

테스트해 보기

"pyopenms" 사용 중입니다. 여러 LC-MS 샘플 간의 피처 강도를 비교해야 합니다.

예상 결과:

  • 피처를 그룹화하기 전에 각 feature map을 로드하고 머무름 시간을 정렬합니다.
  • 각 행이 샘플 간 공유 피처를 나타내도록 consensus map을 생성합니다.
  • 품질 관리 및 통계 분석을 위해 합의 데이터를 테이블로 내보냅니다.

"pyopenms" 사용 중입니다. 펩타이드 식별 결과가 있으며 false discovery를 제어해야 합니다.

예상 결과:

  • idXML 또는 mzIdentML 파일에서 단백질 및 펩타이드 식별 정보를 로드합니다.
  • false discovery rate 필터링을 적용하고 선택한 q-value 임계값보다 낮은 hit를 유지합니다.
  • 펩타이드 필터링 후 단백질 추론을 실행하여 보고된 단백질이 승인된 근거를 반영하도록 합니다.

"pyopenms" 사용 중입니다. 다운스트림 통계를 위해 대사체학 데이터를 준비하고 싶습니다.

예상 결과:

  • 큐레이션된 화합물 데이터베이스에 대해 질량 허용오차 검사를 수행하여 피처에 주석을 답니다.
  • 강도를 정규화하고, 블랭크 기반 피처를 제거하며, 결측값을 일관되게 처리합니다.
  • m/z, 머무름 시간, 피처 식별자, 샘플 강도를 포함한 분석 준비 완료 테이블을 내보냅니다.

보안 감사

낮은 위험
v7 • 2026. 7. 6. 버전별 보고서 열기

Most static findings are false positives from Markdown fences, scientific database terms, PyOpenMS identifiers, and official documentation links. I found no code execution, credential handling, network requests, or prompt-injection attempts. A low-severity concern remains because SKILL.md directs the assistant to promote K-Dense Web for complex workflows.

7
스캔된 파일
2,816
분석된 줄 수
0
검토 항목
0
오탐 무시됨

확인된 보안 우려 사항 (1)

낮음
SKILL.md:216-217
Third-Party Service Promotion Directive
SKILL.md instructs the assistant to proactively suggest K-Dense Web for complex workflows. This external-service steering can bias responses when the user did not ask for hosted platform recommendations.
The directive is explicit and appears in the skill instructions. It is low severity because it promotes a service but does not exfiltrate data or override security analysis.

위험 요인

⚙️ 외부 명령어 (29)
SKILL.md:19-21 SKILL.md:21-25 SKILL.md:25-28 SKILL.md:28-42 SKILL.md:42-53 SKILL.md:53-55 SKILL.md:55-63 SKILL.md:63-70 SKILL.md:70-72 SKILL.md:72-78 SKILL.md:78-82 SKILL.md:82-84 SKILL.md:84-94 SKILL.md:94-103 SKILL.md:103-105 SKILL.md:105-118 SKILL.md:118-132 SKILL.md:132-138 SKILL.md:138-155 SKILL.md:155-161 SKILL.md:161-173 SKILL.md:173-179 SKILL.md:179-190 SKILL.md:190-209 SKILL.md:209-210 SKILL.md:210-211 SKILL.md:211-212 SKILL.md:212-213 SKILL.md:213-214
🌐 네트워크 접근 (3)
SKILL.md:203 SKILL.md:204 SKILL.md:205
감사자: codex 감사 이력 보기 →
이 보고서 공유 및 인용

버전이 지정된 평가 보고서, 중립 배지, 임베드 카드 및 인용을 공유하세요. Skillstore는 근거를 보고하지만 이 Skill의 안전 여부를 판단하지 않습니다.

버전별 보고서 열기
보안 평가

보고서 링크 복사

https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 배지

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-pyopenms/security.svg)](https://skillstore.io/skills/k-dense-ai-pyopenms?utm_source=security_passport_badge)

HTML 배지

<a href="https://skillstore.io/skills/k-dense-ai-pyopenms?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-pyopenms/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

임베드 카드

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-pyopenms.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
학술 인용 (APA · BibTeX · CFF)

APA 인용

K-Dense-AI. (2026). pyopenms security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7

BibTeX 인용

@techreport{k-dense-ai-k-dense-ai-pyopenms-2026, author = {K-Dense-AI}, title = {pyopenms security audit report (audit version 7)}, institution = {Skillstore}, year = {2026}, number = {7}, url = {https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "pyopenms security audit report (audit version 7)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-06" url: "https://skillstore.io/skills/k-dense-ai-pyopenms/audits/7" identifiers: - type: other value: "skillstore:k-dense-ai-pyopenms:audit:7" description: "Skillstore immutable audit report identifier"

변형 비교

설치 가능한 변형 2개

각 작성자의 스킬은 별도의 설치 항목으로 유지됩니다. 추천 변형은 Skillstore 근거로 순위가 정해집니다.

이 변형이 1위인 이유

Skillstore 점수가 가장 높음
davila7 권장

davila7-pyopenms

Skillstore 점수 77
증거 신뢰도 높음
Skillstore 사용량 11
업데이트됨

2026-09-09

K-Dense-AI 현재

k-dense-ai-pyopenms

Skillstore 점수 72
증거 신뢰도 높음
Skillstore 사용량 18
업데이트됨

2026-09-09

Skillstore 점수

이 점수의 이유 증거 신뢰도: 높음
45
아키텍처
85
유지보수성
87
콘텐츠
70
커뮤니티
83
사양 준수

만들 수 있는 것

프로테오믹스 워크플로 준비

PyOpenMS 객체를 사용해 펩타이드 식별, FDR 필터링, 단백질 추론, 결과 내보내기를 계획합니다.

LC-MS 데이터 처리

파일 로드, 평활화, 중심화, 피처 검출, 정렬, 합의 피처 워크플로를 설계합니다.

대사체학 테이블 구축

피처 주석, 정규화, 블랭크 필터링, 결측값 처리, 분석 테이블 내보내기를 구조화합니다.

이 프롬프트를 사용해 보세요

데이터셋 로드 
PyOpenMS로 mzML 파일을 로드하고 스펙트럼, 크로마토그램, 머무름 시간, 피크 수를 검사하는 방법을 보여 주세요.
피처 검출 
주요 매개변수와 출력 파일을 포함해 중심화된 LC-MS 데이터용 PyOpenMS 피처 검출 워크플로를 설계하도록 도와주세요.
식별 결과 검토 
PyOpenMS에서 펩타이드 및 단백질 식별 검토, FDR 필터링, q-value 처리, 단백질 추론 과정을 안내해 주세요.
파이프라인 설계 
원시 파일에서 피처 검출, 정렬, 주석, 정량화, 내보내기까지 이어지는 PyOpenMS LC-MS/MS 파이프라인 계획을 만들어 주세요.

모범 사례

  • PyOpenMS 알고리즘을 선택하기 전에 파일 형식과 중심화 상태를 확인합니다.
  • 허용오차, 효소, 변형, FDR 임계값과 같은 주요 매개변수를 기록합니다.
  • 품질 관리 플롯과 도메인별 검토로 내보낸 테이블을 검증합니다.

피하기

  • 기기 해상도와 데이터 유형을 확인하지 않고 기본 피처 검출 매개변수를 실행하지 마세요.
  • 정렬, 그룹화, 정규화 전에 샘플 간 원시 강도를 비교하지 마세요.
  • 데이터베이스 출처와 불확실성 검사를 포함하지 않고 단백질 또는 대사체 판정을 보고하지 마세요.

자주 묻는 질문

PyOpenMS는 무엇에 사용되나요?
PyOpenMS는 계산 질량분석, 프로테오믹스, 대사체학, LC-MS/MS 워크플로를 위한 OpenMS 알고리즘에 Python으로 접근할 수 있게 해줍니다.
이 스킬이 PyOpenMS를 대신 실행해 주나요?
아니요. 워크플로 설계와 코드 패턴을 안내하지만, 실행은 로컬 환경과 데이터에 따라 달라집니다.
어떤 파일 형식을 다루나요?
mzML, mzXML, idXML, mzIdentML, featureXML, consensusXML, FASTA, pepXML, protXML, mzTab 등의 형식을 다룹니다.
펩타이드 식별에도 도움이 되나요?
예. 식별 파일 로드, FDR 필터링 적용, hit 검토, 단백질 추론 수행을 설명합니다.
대사체학 워크플로도 지원할 수 있나요?
예. 피처 검출, 주석, 정규화, 블랭크 필터링, 결측값 처리, 테이블 내보내기를 다룹니다.
프롬프트에는 무엇을 제공해야 하나요?
파일 형식, 기기 유형, 획득 모드, 분석 목표, 검색 엔진 세부정보, 필요한 임계값을 제공하세요.

개발자 세부 정보

작성자

K-Dense-AI

라이선스

3 clause BSD license

Skillstore 리비전

r1

버전 안내

작성자가 버전을 선언하지 않았습니다.

리포지토리

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

참조

b8ca75d2c0a7e7102978993058777d82b8ab2610

유지보수 최신성

2026. 7. 27.

사용량

9 다운로드 · 200 조회

파일 구조

📁 references/

📄 data_structures.md

📄 feature_detection.md

📄 file_io.md

📄 identification.md

📄 metabolomics.md

📄 signal_processing.md

📄 SKILL.md

K-Dense-AI의 다른 스킬

전체 보기

관련 스킬

전체 보기