📦

pyopenms

Name: pyopenms
Author: davila7

Revisão do conteúdo r2 Seguro ⚙️ Comandos externos🌐 Acesso à rede

Analisar Dados de Espectrometria de Massas com pyOpenMS

Fluxos de trabalho de espectrometria de massas exigem muitos objetos OpenMS, formatos de arquivo e algoritmos. Esta habilidade fornece a Claude, Codex e Claude Code orientação prática sobre pyOpenMS para análise proteômica e metabolômica.

Suporta: Claude Codex Code(CC)

🥉 77 Bronze

Instalar com meu Agente

Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.

Solicitação do agente

Review the Skillstore skill "pyopenms" from https://skillstore.io/skills/davila7-pyopenms.md and its manifest at https://skillstore.io/api/skills/davila7-pyopenms/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.

Recursos legíveis por agentes

Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.

Detalhe em Markdown GET /skills/davila7-pyopenms.md manifest assinado GET /api/skills/davila7-pyopenms/manifest lockfile assinado GET /api/skills/davila7-pyopenms/lockfile

Testar

Usando "pyopenms". Preciso inspecionar um novo arquivo mzML antes da análise.

Resultado esperado:

A habilidade pode delinear um fluxo de trabalho de inspeção com pyOpenMS que carrega o arquivo, conta espectros, verifica níveis de MS, revisa tempos de retenção e relata contagens de picos.

Usando "pyopenms". Tenho resultados de identificação de peptídeos e preciso de um filtro de FDR de um por cento.

Resultado esperado:

A habilidade pode descrever o fluxo de trabalho de FDR: carregar resultados idXML, aplicar FalseDiscoveryRate, manter hits com q-values iguais ou inferiores a 0.01 e armazenar os resultados filtrados.

Usando "pyopenms". Quero uma tabela de metabolômica pronta para análise a partir de um mapa de consenso.

Resultado esperado:

A habilidade pode orientar a criação de tabelas com m/z, tempo de retenção, identificadores de features, intensidades de amostras, etapas de normalização e verificações de controle de qualidade.

Auditoria de segurança

Seguro

v9 • 23/07/2026 Abrir o relatório versionado

All 55 static findings are false positives caused by Markdown syntax, scientific identifiers, parameter names, and documentation links. The skill contains instructional PyOpenMS examples without credential access, prompt injection, covert network activity, or executable scripts.

Arquivos analisados

2,811

Linhas analisadas

Itens de revisão

Falsos positivos ignorados

A auditoria estática e semântica concluída mais recente não detectou achados de segurança confirmados. Isso não comprova que a skill não tenha efeitos colaterais.

Auditado por: codex Ver histórico de auditoria →

Compartilhar e citar este relatório

Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.

Abrir o relatório versionado

Copiar link do relatório

https://skillstore.io/skills/davila7-pyopenms/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Badge Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/davila7-pyopenms/security.svg)](https://skillstore.io/skills/davila7-pyopenms?utm_source=security_passport_badge)

Badge HTML

<a href="https://skillstore.io/skills/davila7-pyopenms?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-pyopenms/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Cartão incorporável

<iframe src="https://skillstore.io/embed/skills/davila7-pyopenms.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Citações acadêmicas (APA · BibTeX · CFF)

Citação APA

davila7. (2026). pyopenms security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-pyopenms/audits/9

Citação BibTeX

@techreport{davila7-davila7-pyopenms-2026,
  author = {davila7},
  title = {pyopenms security audit report (audit version 9)},
  institution = {Skillstore},
  year = {2026},
  number = {9},
  url = {https://skillstore.io/skills/davila7-pyopenms/audits/9},
  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 9)"
version: "unspecified"
type: report
authors:
  - name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-pyopenms/audits/9"
identifiers:
  - type: other
    value: "skillstore:davila7-pyopenms:audit:9"
    description: "Skillstore immutable audit report identifier"

Comparar variantes

2 variantes instaláveis

Cada autor permanece como um skill instalável separado. A variante recomendada é classificada pelas evidências do Skillstore.

Por que esta variante está em primeiro

Maior pontuação do Skillstore

Autor / fonte Pontuação do Skillstore Confiança das evidências Uso no Skillstore Atualizado

davila7 Recomendado Atual

davila7-pyopenms

Pontuação do Skillstore 77

Confiança das evidências Alto

Uso no Skillstore 8

Atualizado

2026-09-09

K-Dense-AI

k-dense-ai-pyopenms

Pontuação do Skillstore 72

Confiança das evidências Alto

Uso no Skillstore 13

Atualizado

2026-09-09

Pontuação do Skillstore

Por que esta pontuação Confiança das evidências: Alto

Arquitetura

Manutenibilidade

Conteúdo

Comunidade

Conformidade com a especificação

O que você pode criar

Processar Resultados de Identificação

Aplique a orientação de pyOpenMS para carregar dados idXML, inspecionar hits de peptídeos, filtrar por FDR e salvar resultados revisados.

Preparar Tabelas de Metabolômica

Crie fluxos de trabalho para anotação de features, filtragem de brancos, tratamento de valores ausentes, normalização e exportação para estatística.

Prototipar Pipelines de Análise

Use objetos pyOpenMS e formatos de arquivo documentados para rascunhar etapas reprodutíveis de processamento LC-MS/MS.

Teste estes prompts

Carregar um Arquivo mzML

Mostre-me como carregar um arquivo mzML com pyOpenMS e resumir os espectros, cromatogramas, tempos de retenção e contagens de picos.

Filtrar Identificações de Peptídeos

Ajude-me a carregar resultados de identificação idXML, aplicar um filtro de FDR de um por cento, inspecionar hits de peptídeos e salvar os resultados filtrados.

Criar Fluxo de Trabalho de Detecção de Features

Projete um fluxo de trabalho pyOpenMS para dados LC-MS centroidados que realize suavização, detecção de features, alinhamento de tempo de retenção e vinculação de features.

Planejar Análise de Metabolômica

Crie um fluxo de trabalho completo de metabolômica não direcionada com pyOpenMS, incluindo detecção de features, anotação, normalização, filtragem de QC, imputação e exportação de tabelas.

Boas práticas

Confirme os formatos de arquivo e o status de centroidagem antes de escolher algoritmos de processamento.
Registre valores de parâmetros para suavização, detecção de picos, alinhamento e detecção de features.
Use fluxos de trabalho target-decoy ou q-value ao relatar identificações de peptídeos e proteínas.

Evitar

Não trate nomes de arquivos de exemplo como caminhos reais de projeto sem verificar seu workspace.
Não compare pontuações de mecanismos de busca sem confirmar a direção da pontuação de cada mecanismo.
Não tire conclusões biológicas a partir de tabelas de features sem revisão de domínio e controles de qualidade.

Perguntas frequentes

O que é pyOpenMS?

pyOpenMS é a interface Python para OpenMS em fluxos de trabalho computacionais de espectrometria de massas.

Quais formatos de dados esta habilidade cobre?

Ela cobre formatos comuns do OpenMS, como mzML, mzXML, idXML, mzTab, FASTA, featureXML e consensusXML.

Ela pode executar mecanismos de busca para identificação de peptídeos?

Ela explica padrões de integração, mas mecanismos de busca externos devem ser instalados e configurados separadamente.

Ela oferece suporte a fluxos de trabalho de metabolômica?

Sim. Ela inclui exemplos para anotação de features, normalização, filtragem de brancos, imputação e exportação de tabelas.

Claude, Codex e Claude Code podem usá-la?

Sim. A habilidade declara suporte para Claude, Codex e Claude Code.

Ela valida resultados científicos?

Não. Ela fornece orientação de implementação e exemplos, enquanto a validação científica continua sendo responsabilidade do usuário.

Detalhes do desenvolvedor

Autor

davila7

Licença

MIT

Revisão da Skillstore

Aviso de versão

O autor não declarou uma versão.

Repositório

https://github.com/davila7/claude-code-templates/tree/main/cli-tool/components/skills/scientific/pyopenms

Referência

c43861a65bb95efcae259cd161c9d6f4dc7eec6f

Atualidade da manutenção

26/07/2026

Uso

4 downloads · 427 visualizações

Estrutura de arquivos

📁 references/

📄 data_structures.md

📄 feature_detection.md

📄 file_io.md

📄 identification.md

📄 metabolomics.md

📄 signal_processing.md

📄 SKILL.md

pyopenms

Instalar com meu Agente

Recursos legíveis por agentes

Testar

Auditoria de segurança

Fatores de risco

Copiar link do relatório

Badge Markdown

Badge HTML

Cartão incorporável

Citação APA

Citação BibTeX

CITATION.cff

Comparar variantes

Pontuação do Skillstore

O que você pode criar

Processar Resultados de Identificação

Preparar Tabelas de Metabolômica

Prototipar Pipelines de Análise

Teste estes prompts

Boas práticas

Evitar

Perguntas frequentes

Detalhes do desenvolvedor