AIKraft/Skills/pyopenms

pyopenms

Обрабатывает данные масс-спектрометрии для протеомики и метаболомики: поиск признаков, идентификация пептидов/белков, количественный анализ и аннотация. Подходит для сложных конвейеров LC-MS/MS и работы с широким набором форматов файлов.

KDK-Dense official Данные ★ 47.7k

Что делает навык

PyOpenMS предоставляет Python-биндинги к библиотеке OpenMS для анализа данных масс-спектрометрии в протеомике и метаболомике. Он позволяет читать/записывать форматы MS, обрабатывать сырые спектры, обнаруживать и количественно определять признаки, идентифицировать пептиды и белки, а также запускать конвейеры LC-MS/MS.

Когда применять

  • Инспекция и конвертация файлов масс-спектрометрии (mzML, mzXML, MGF) с фильтрацией по уровням MS, RT и интенсивности.
  • Обнаружение признаков в неконтролируемой метаболомике (untargeted metabolomics) с использованием MassTraceDetection и ElutionPeakDetection.
  • Многообразный количественный анализ: обнаружение признаков, выравнивание RT, консенсусное связывание и экспорт матрицы интенсивностей.
  • Постобработка результатов идентификации: оценка FDR/q-values, фильтрация по порогу и экспорт результатов в idXML/CSV.
  • Расчет молекулярных масс, генерация теоретических фрагментных спектров и ин-силько протеазная дигестия белков.

Как работает

  1. Установить окружение с помощью uv (Python 3.13) и пакетов pyopenms==3.6.0, pandas, numpy, matplotlib.
  2. Запустить готовые скрипты из директории scripts/ через CLI (например, python scripts/<name>.py --help для просмотра опций).
  3. Использовать скрипты для инспекции данных (inspect_ms_data.py), конвертации форматов или обработки сигналов (process_spectra.py).
  4. Применять скрипты обнаружения признаков (detect_features_metabo.py, detect_features_centroided.py) и количественного анализа (align_link_quantify.py, consensus_to_matrix.py).
  5. Выполнять идентификацию и аннотацию с помощью process_identifications.py, detect_adducts.py и accurate_mass_search.py.
  6. При необходимости обращаться к Python API (ms.*) для работы с объектами MSExperiment, FeatureMap, ConsensusMap и управления параметрами алгоритмов через Param.

Примеры запросов агенту

Запусти скрипт inspect_ms_data.py для файла sample.mzML и экспортируй сводку спектров в CSV.
Выполни полный конвейер количественного анализа для файлов s1.mzML, s2.mzML, s3.mzML с выравниванием RT и экспортом матрицы интенсивностей.
Посчитай мономерную и среднюю массу, а также паттерн изотопов для пептида PEPTIDEM(Oxidation)K с зарядами 1, 2, 3.

Что понадобится

  • Python 3.13, uv, pyopenms==3.6.0, pandas, numpy, matplotlib.
  • Локальные базы данных формул/структур в формате TSV для аннотации по точной массе.
  • Файлы данных в форматах mzML, mzXML, featureXML, consensusXML, idXML или FASTA.

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «pyopenms» из репозитория: # https://github.com/k-dense-ai/scientific-agent-skills
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r pyopenms/ ~/.claude/skills/pyopenms/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.