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.
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
- Установить окружение с помощью uv (Python 3.13) и пакетов pyopenms==3.6.0, pandas, numpy, matplotlib.
- Запустить готовые скрипты из директории scripts/ через CLI (например, python scripts/<name>.py --help для просмотра опций).
- Использовать скрипты для инспекции данных (inspect_ms_data.py), конвертации форматов или обработки сигналов (process_spectra.py).
- Применять скрипты обнаружения признаков (detect_features_metabo.py, detect_features_centroided.py) и количественного анализа (align_link_quantify.py, consensus_to_matrix.py).
- Выполнять идентификацию и аннотацию с помощью process_identifications.py, detect_adducts.py и accurate_mass_search.py.
- При необходимости обращаться к Python API (ms.*) для работы с объектами MSExperiment, FeatureMap, ConsensusMap и управления параметрами алгоритмов через Param.
Примеры запросов агенту
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
SKILL.md к навыкам ассистентаНавык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.