Habilidades matchms
🔬

matchms

Seguro ⚡ Contém scripts⚙️ Comandos externos🌐 Acesso à rede📁 Acesso ao sistema de arquivos

Analisar Dados de Espectrometria de Massa para Identificação de Metabólitos

Também disponível em: davila7

Dados de espectrometria de massa contêm informações espectrais complexas que requerem processamento especializado. O Matchms oferece ferramentas abrangentes para importar, filtrar e comparar espectros de massa para identificação de metabólitos e análise de compostos.

Suporta: Claude Codex Code(CC)
🥉 72 Bronze
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "matchms". Calcular similaridade entre dois espectros

Resultado esperado:

  • Pontuação de similaridade de cosseno: 0.85
  • Picos correspondentes: 45/89
  • Melhores valores m/z correspondentes: 147.076, 175.107, 203.138
  • Avaliação de similaridade: Correspondência de alta confiança

A utilizar "matchms". Carregar arquivo MGF com 500 espectros

Resultado esperado:

  • 500 espectros carregados com sucesso
  • Média de picos por espectro: 156
  • Faixa de m/z do precursor: 100.5 - 2000.3
  • Modos de íons: positivo (340), negativo (160)

A utilizar "matchms". Filtrar espectros com filtros padrão

Resultado esperado:

  • Aplicados 12 filtros de harmonização de metadados
  • Normalizados 500 arrays de intensidade
  • Removidos 23 espectros com picos insuficientes
  • Conjunto de dados final: 477 espectros

Auditoria de Segurança

Seguro
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
Arquivos analisados
2,173
Linhas analisadas
4
achados
4
Total de auditorias

Fatores de risco

⚡ Contém scripts (2)
references/filtering.md:237-273 references/workflows.md:75-502
⚙️ Comandos externos (3)
SKILL.md:21-197 references/importing_exporting.md:11-392 references/similarity.md:7-367
🌐 Acesso à rede (3)
references/importing_exporting.md:407-416 references/similarity.md:380 references/workflows.md:645-647
📁 Acesso ao sistema de arquivos (1)
references/importing_exporting.md:323-344
Auditado por: claude Ver Histórico de Auditoria →

Pontuação de qualidade

45
Arquitetura
100
Manutenibilidade
85
Conteúdo
29
Comunidade
100
Segurança
91
Conformidade com especificações

O Que Você Pode Construir

Identificar metabólitos desconhecidos

Comparar espectros experimentais contra bibliotecas de referência para identificar compostos desconhecidos.

Processar dados de LC-MS/MS

Importar dados brutos de espectrometria de massa, aplicar filtros de qualidade e preparar espectros para análise.

Criar pipelines de correspondência espectral

Criar fluxos de trabalho automatizados para comparação em larga escala de espectros e identificação de compostos.

Tente Estes Prompts

Carregamento básico de espectro 
Carregar espectros do meu arquivo MGF e mostrar estatísticas básicas sobre o conjunto de dados
Aplicar filtros de qualidade 
Aplicar filtros padrão para normalizar intensidades e remover picos de baixa qualidade dos meus espectros
Buscar em biblioteca espectral 
Comparar meus espectros de consulta contra uma biblioteca de referência usando similaridade de cosseno e retornar as 5 melhores correspondências
Criar pipeline de processamento 
Criar um pipeline SpectrumProcessor que aplica harmonização de metadados, normalização de intensidade e filtragem de picos

Melhores Práticas

  • Sempre aplique default_filters primeiro para harmonizar metadados
  • Use funções de similaridade apropriadas (CosineGreedy para velocidade, ModifiedCosine para diferenças de precursor)
  • Valide resultados com padrões químicos quando possível

Evitar

  • Pular filtros de qualidade antes de cálculos de similaridade
  • Usar métricas de similaridade inadequadas para o seu tipo de dados
  • Ignorar requisitos de padronização de metadados

Perguntas Frequentes

Quais formatos de arquivo o matchms suporta?
MGF, MSP, mzML, mzXML, JSON (GNPS), Pickle e referências USI.
Qual métrica de similaridade devo usar?
Use CosineGreedy para correspondência geral, ModifiedCosine quando as massas de precursor diferem.
Preciso do RDKit para todos os recursos?
Apenas para processamento de estruturas químicas (conversões de SMILES, InChI).
Como lidar com grandes bibliotecas espectrais?
Use processamento em lote e considere cálculos de similaridade com uso eficiente de memória.
O matchms pode identificar compostos desconhecidos?
Sim, comparando contra bibliotecas espectrais de referência usando pontuações de similaridade.
Qual é a diferença entre mzML e MGF?
mzML contém dados brutos do instrumento, MGF é listas de picos processadas para análise.

Detalhes do Desenvolvedor

Licença

Apache-2.0 license

Repositório

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

Referência

main

Estrutura de arquivos

📁 references/

📄 filtering.md

📄 importing_exporting.md

📄 similarity.md

📄 workflows.md

📄 SKILL.md