📦

pyopenms

Name: pyopenms
Author: davila7

Ревизия содержимого r2 Безопасно ⚙️ Внешние команды🌐 Доступ к сети

Анализ данных масс-спектрометрии с pyOpenMS

Рабочие процессы масс-спектрометрии требуют множества объектов OpenMS, файловых форматов и алгоритмов. Этот навык предоставляет Claude, Codex и Claude Code практические рекомендации по pyOpenMS для анализа протеомики и метаболомики.

Поддерживает: Claude Codex Code(CC)

🥉 77 Бронза

Maintain this Skill? Claim it 🥉 77 Бронза

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента

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.

Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Markdown-детали GET /skills/davila7-pyopenms.md Подписанный manifest GET /api/skills/davila7-pyopenms/manifest Подписанный lockfile GET /api/skills/davila7-pyopenms/lockfile

Протестировать

Использование «pyopenms». Мне нужно осмотреть новый файл mzML перед анализом.

Ожидаемый результат:

Навык может описать рабочий процесс проверки pyOpenMS, который загружает файл, подсчитывает спектры, проверяет уровни MS, просматривает времена удерживания и сообщает количество пиков.

Использование «pyopenms». У меня есть результаты идентификации пептидов, и мне нужен фильтр FDR на один процент.

Ожидаемый результат:

Навык может описать рабочий процесс FDR: загрузить результаты idXML, применить FalseDiscoveryRate, оставить совпадения с q-значениями не выше 0.01 и сохранить отфильтрованные результаты.

Использование «pyopenms». Мне нужна готовая к анализу таблица метаболомики из consensus map.

Ожидаемый результат:

Навык может направить создание таблицы с m/z, временем удерживания, идентификаторами признаков, интенсивностями образцов, шагами нормализации и проверками контроля качества.

Аудит безопасности

Безопасно

v9 • 23.07.2026 Открыть версионный отчет

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.

Просканировано файлов

2,811

Проанализировано строк

Пункты проверки

Ложные срабатывания проигнорированы

Факторы риска

Последний завершенный статический и семантический аудит не обнаружил подтвержденных проблем безопасности. Это не доказывает отсутствие побочных эффектов у навыка.

Аудитор:: codex Посмотреть историю аудитов →

Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет

Копировать ссылку на отчёт

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

Значок Markdown

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

Значок 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>

Встраиваемая карточка

<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>

Академические ссылки (APA · BibTeX · CFF)

Цитата APA

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

Цитата 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"

Сравнить варианты

2 устанавливаемых вариантов

Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.

Почему этот вариант первый

Самая высокая оценка Skillstore

Автор / источник Оценка Skillstore Достоверность доказательств Использование в Skillstore Обновлено

davila7 Рекомендуется Текущий

davila7-pyopenms

Оценка Skillstore 77

Достоверность доказательств Высокий

Использование в Skillstore 11

Обновлено

2026-09-09

K-Dense-AI

k-dense-ai-pyopenms

Оценка Skillstore 72

Достоверность доказательств Высокий

Использование в Skillstore 18

Обновлено

2026-09-09

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий

Архитектура

Сопровождаемость

Контент

Сообщество

Соответствие спецификации

Что вы можете построить

Обработка результатов идентификации

Применяйте рекомендации по pyOpenMS, чтобы загрузить данные idXML, просмотреть совпадения пептидов, отфильтровать по FDR и сохранить проверенные результаты.

Подготовка таблиц метаболомики

Создавайте рабочие процессы для аннотации признаков, фильтрации blank-проб, обработки пропущенных значений, нормализации и экспорта для статистики.

Прототипирование аналитических пайплайнов

Используйте задокументированные объекты pyOpenMS и файловые форматы, чтобы набросать воспроизводимые шаги обработки LC-MS/MS.

Попробуйте эти промпты

Загрузить файл mzML

Покажи, как загрузить файл mzML с помощью pyOpenMS и кратко описать спектры, хроматограммы, времена удерживания и количество пиков.

Фильтровать идентификации пептидов

Помоги мне загрузить результаты идентификации idXML, применить фильтр FDR на один процент, просмотреть совпадения пептидов и сохранить отфильтрованные результаты.

Построить рабочий процесс обнаружения признаков

Спроектируй рабочий процесс pyOpenMS для центроидных данных LC-MS, который выполняет сглаживание, обнаружение признаков, выравнивание времени удерживания и связывание признаков.

Спланировать анализ метаболомики

Создай полный рабочий процесс нецелевой метаболомики с pyOpenMS, включая обнаружение признаков, аннотацию, нормализацию, QC-фильтрацию, импутацию и экспорт таблиц.

Лучшие практики

Подтверждайте файловые форматы и статус центроидирования перед выбором алгоритмов обработки.
Записывайте значения параметров для сглаживания, выделения пиков, выравнивания и обнаружения признаков.
Используйте рабочие процессы target-decoy или q-value при сообщении идентификаций пептидов и белков.

Избегать

Не рассматривайте имена файлов из примеров как реальные пути проекта без проверки рабочего пространства.
Не сравнивайте оценки поисковых движков, не подтвердив направление оценки для каждого движка.
Не делайте биологические выводы по таблицам признаков без экспертной проверки предметной области и контроля качества.