技能 pyopenms

📦

pyopenms

内容修订 r1 低风险 ⚙️ 外部命令🌐 网络访问

使用 PyOpenMS 分析质谱数据

质谱工作流需要精确的文件处理、信号处理和鉴定步骤。此技能可指导用于蛋白质组学、代谢组学、特征检测和定量的 PyOpenMS 工作流。

支持: Claude Codex Code(CC)

使用我的智能体安装

将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。

智能体请求

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.

你的智能体仍应展示其计划，并按安全策略请求必要确认。

Agent 可读资源

当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。

Markdown 详情 GET /skills/k-dense-ai-pyopenms.md 已签名 manifest GET /api/skills/k-dense-ai-pyopenms/manifest 已签名 lockfile GET /api/skills/k-dense-ai-pyopenms/lockfile

测试它

正在使用“pyopenms”。我需要比较多个 LC-MS 样本之间的特征强度。

预期结果:

加载每个特征图，并在分组特征之前对齐保留时间。
创建共识图，使每一行表示多个样本共有的特征。
将共识数据导出为表格，用于质量控制和统计分析。

正在使用“pyopenms”。我有肽段鉴定结果，需要控制错误发现。

预期结果:

从 idXML 或 mzIdentML 文件加载蛋白质和肽段鉴定结果。
应用错误发现率过滤，并保留低于所选 q-value 阈值的命中结果。
在肽段过滤后运行蛋白质推断，使报告的蛋白质反映已接受的证据。

正在使用“pyopenms”。我想为下游统计准备代谢组学数据。

预期结果:

使用质量容差检查，将特征与经过整理的化合物数据库进行注释。
对强度进行归一化，移除由空白样本驱动的特征，并一致地处理缺失值。
导出可用于分析的表格，其中包含 m/z、保留时间、特征标识符和样本强度。

安全审计

低风险

v7 • 2026/7/6 打开版本化报告

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

已扫描文件

2,816

分析行数

0

复核项

0

已忽略误报

已确认安全问题 (1)

低

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.

审计者: codex 查看审计历史 →

分享与引用此报告

分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。

打开版本化报告

安全评估

复制报告链接

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

Markdown 徽章

[![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 徽章

<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>

嵌入卡片

<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>

学术引用 (APA · BibTeX · CFF)

APA 引用

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 引用

@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"

比较变体

2 个可安装变体

每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。

为什么此变体排名第一

Skillstore 评分最高

作者 / 来源 Skillstore 评分证据置信度 Skillstore 使用量已更新

davila7 推荐

davila7-pyopenms

Skillstore 评分 77

证据置信度高

Skillstore 使用量 8

已更新

2026-09-09

K-Dense-AI 当前

k-dense-ai-pyopenms

Skillstore 评分 72

证据置信度高

Skillstore 使用量 13

已更新

2026-09-09

Skillstore 评分

评分依据证据置信度: 高

45

架构

85

可维护性

87

内容

70

社区

83

规范符合性

你能构建什么

准备蛋白质组学工作流

使用 PyOpenMS 对象规划肽段鉴定、FDR 过滤、蛋白质推断和结果导出。

处理 LC-MS 数据

设计文件加载、平滑、质心化、特征检测、对齐和共识特征工作流。

构建代谢组学表格

构建特征注释、归一化、空白样本过滤、缺失值处理和分析表格导出流程。

试试这些提示

加载数据集

向我展示如何使用 PyOpenMS 加载 mzML 文件，并检查谱图、色谱图、保留时间和峰数量。

检测特征

帮助我为质心化 LC-MS 数据设计 PyOpenMS 特征检测工作流，包括关键参数和输出文件。

审查鉴定结果

指导我在 PyOpenMS 中完成肽段和蛋白质鉴定审查、FDR 过滤、q-value 处理和蛋白质推断。

设计流水线

创建一个 PyOpenMS LC-MS/MS 流水线计划，涵盖从原始文件到特征检测、对齐、注释、定量和导出的全过程。

最佳实践

在选择 PyOpenMS 算法之前，确认文件格式和质心化状态。
记录关键参数，例如容差、酶、修饰和 FDR 阈值。
使用质量控制图和特定领域审查验证导出的表格。

避免

不要在未检查仪器分辨率和数据类型的情况下运行默认特征检测参数。
在对齐、分组和归一化之前，不要比较样本之间的原始强度。
在没有数据库来源和不确定性检查的情况下，不要报告蛋白质或代谢物结果。

常见问题

PyOpenMS 用于什么？

PyOpenMS 提供对 OpenMS 算法的 Python 访问，用于计算质谱、蛋白质组学、代谢组学和 LC-MS/MS 工作流。

此技能会替我运行 PyOpenMS 吗？

不是。它指导工作流设计和代码模式，但执行取决于你的本地环境和数据。

它涵盖哪些文件格式？

它涵盖 mzML、mzXML、idXML、mzIdentML、featureXML、consensusXML、FASTA、pepXML、protXML 和 mzTab 等格式。

它能帮助进行肽段鉴定吗？

可以。它解释如何加载鉴定文件、应用 FDR 过滤、审查命中结果并执行蛋白质推断。

它能支持代谢组学工作流吗？

可以。它涵盖特征检测、注释、归一化、空白样本过滤、缺失值处理和表格导出。

我应该在提示中提供什么？

请提供文件格式、仪器类型、采集模式、分析目标、搜索引擎详细信息以及任何必需阈值。

开发者详情

作者

许可证

3 clause BSD license

Skillstore 修订

r1

版本提示

作者未声明版本。

仓库

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

引用

b8ca75d2c0a7e7102978993058777d82b8ab2610

维护新鲜度

2026/7/18

使用量

9 次下载 · 200 次浏览

文件结构

📁 references/

📄 data_structures.md

📄 feature_detection.md

📄 file_io.md

📄 identification.md

📄 metabolomics.md

📄 signal_processing.md

K-Dense-AI 的更多技能

venue-templates

准备学术投稿材料

学术投稿常常会因为不同投稿场所的格式规则不同而失败。此技能提供模板、要求和示例，帮助更快地准备材料。

研究与学习查看

iso-13485-certification

准备 ISO 13485 认证文档

医疗器械团队必须在认证审核前创建完整的 QMS 文档。此技能提供模板、检查清单和差距分析指导，帮助做好 ISO 13485 准备。

pytdc

使用 PyTDC 分析治疗领域 ML 数据集

药物发现团队需要可靠的数据集和公平的评估协议。此技能帮助 Claude 使用 PyTDC 获取经过整理的治疗领域 ML 数据、基准划分、指标和分子 oracle。

数据与分析查看

diffdock

运行 DiffDock 分子对接

蛋白质-配体对接需要仔细的设置、参数选择和结果解读。此技能可指导 DiffDock 工作流，用于处理构象、置信度评分和筛选。

研究与学习查看

hypothesis-generation

生成可检验的科学假设

研究人员需要将观察结果转化为清晰、可检验的解释。此技能会组织证据审查、竞争性假设、预测和实验计划。

研究与学习查看

statistical-analysis

在统计指导下分析研究数据

选择检验方法和报告结果可能耗时且容易出错。此技能可指导检验选择、假设条件、效应量、功效分析、贝叶斯选项以及 APA 报告。

数据与分析查看

metabolomics-workbench-database

查询 Metabolomics Workbench 数据

由 davila7

代谢组学研究人员需要快速访问公共研究、化合物记录和标准化名称。此技能指导 Claude、Codex 和 Claude Code 进行 REST API 查询和结果解读。

数据与分析查看

matchms

使用 matchms 分析质谱数据

由 davila7

质谱分析在导入、过滤和相似度评分过程中可能变得不一致。此技能为可重复的代谢组学工作流提供聚焦的 matchms 指导。

数据与分析查看

hmdb-database

搜索 HMDB 代谢物数据

由 davila7

代谢组学工作通常需要在大量记录中检查代谢物身份、谱图、通路和临床背景。此技能可指导 Claude、Codex 和 Claude Code 完成 HMDB 搜索、下载和解读工作流。

研究与学习查看

exploratory-data-analysis

分析科学数据文件

由 davila7

科学数据文件很难检查，因为每种格式存储结构和元数据的方式都不同。此技能可检测格式、分析数据质量，并创建实用的 Markdown EDA 报告。

数据与分析查看

scanpy

使用 Scanpy 分析单细胞 RNA-Seq

由 davila7

单细胞 RNA-seq 工作流需要仔细的 QC、归一化、聚类和文档记录。此技能提供 Scanpy 工作流、脚本、模板和参考资料，用于可复现分析。

数据与分析查看

scientific-visualization

创建可直接用于期刊投稿的科学图件

由 davila7

科学图件常常因尺寸、分辨率、颜色和标签问题无法通过期刊检查。此技能指导 Claude、Codex 和 Claude Code 创建无障碍且可用于发表的图件。

数据与分析查看