interpret-mass-spectrum
About
This skill interprets mass spectrometry data to determine molecular ion peaks, analyze isotope patterns, attribute fragment losses, and infer molecular formulas from EI, ESI, or APCI spectra. It's used to confirm compound identity, identify unknown breakdown products, or verify synthesis outcomes. Key capabilities include systematic analysis of fragmentation mechanisms and handling data from various ionization methods.
Quick Install
Claude Code
Recommendednpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-mass-spectrumCopy and paste this command in Claude Code to install this skill
Documentation
name: interpret-mass-spectrum locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 解读质谱数据,包括确定分子离子峰、分析同位素模式、归因碎片 丢失,以及从 EI、ESI 或 APCI 谱中推断分子式。用于确认化合物身份、 鉴定未知分解产物或验证合成产物。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: advanced language: natural tags: spectroscopy, mass-spectrometry, fragmentation, molecular-ion, isotope-pattern
解读质谱
通过分析分子离子峰、同位素模式和碎片离子,系统解读质谱数据,推断分子式并归因碎裂机制。
适用场景
- 确认合成化合物的分子量
- 从碎片模式鉴定未知化合物
- 区分共流出的同量异位素(通过高分辨 MS)
- 检测混合物中的化合物(通过 LC-MS 或 GC-MS)
- 通过 MS/MS 碎裂鉴定肽段或代谢物
输入
- 必填:质谱图(m/z 对强度,或峰表)
- 必填:所用电离方式(EI、ESI、APCI、MALDI 等)
- 必填:极性(正离子模式或负离子模式,适用于 ESI 和 APCI)
- 可选:分子式(若已知,用于验证)
- 可选:样品来源(合成反应混合物、天然提取物、代谢组学等)
步骤
第 1 步:确定电离方式及其影响
不同电离方式产生不同的离子类型和碎裂程度:
| 电离方式 | 代表离子 | 碎裂程度 | 适用范围 |
|---|---|---|---|
| EI(电子轰击) | M+•(奇电子) | 高 | 挥发性小分子(GC-MS) |
| ESI(电喷雾) | [M+H]+,[M+Na]+,[M-H]- | 低(软电离) | 极性、热不稳定化合物 |
| APCI(大气压化学电离) | [M+H]+ | 中等 | 中等极性化合物 |
| MALDI | [M+H]+,[M+Na]+ | 低(软电离) | 聚合物、蛋白质 |
| CI(化学电离) | [M+H]+,[M+NH4]+ | 低 | 软电离的分子量确认 |
ESI 加合物的 m/z 换算:
- [M+H]+:m/z = MW + 1
- [M+Na]+:m/z = MW + 23
- [M+K]+:m/z = MW + 39
- [M-H]-:m/z = MW - 1(负离子模式)
预期结果: 确定离子类型(M+• 或准分子离子),为后续分子量计算提供依据。
失败处理: 若电离方式未知,则根据 m/z 分布进行推断:高碎裂度(基峰远低于最大 m/z)提示 EI;最大 m/z 处存在强 [M+H]+ 峰提示 ESI。
第 2 步:确定分子离子峰并计算分子量
从谱图中找到分子离子峰:
- EI 谱中的分子离子(M+•):
- 通常为谱图中最高 m/z 处的离子(不一定是基峰)
- 必须是奇电子离子(通过氮规则检验)
- 通过丢失合理中性碎片(14–18 Da)加以确认
- 氮规则(适用于 EI 谱):
- 若 M+• 为偶数质量,则分子含偶数个氮(0、2、4……)
- 若 M+• 为奇数质量,则分子含奇数个氮
- 高分辨质谱(HRMS):利用精确质量(保留 4 位小数)和同位素模式计算精确的元素组成,分辨同量异位素。常用工具:ChemCalc、mzCloud。
## 分子离子分析
- 最高 m/z(分子离子候选):[值]
- 电离方式修正后的 MW:[值](减去 H、Na 等加合物)
- 氮规则结论:[含偶数个氮 / 含奇数个氮]
- 同位素模式:[与 Cl/Br 的预期模式是否吻合?]
预期结果: 明确确认分子离子峰,分子量计算无歧义。
失败处理: 若无明显分子离子峰(EI 谱中常见),考虑以下方法:使用 CI 或 ESI 重新测定;寻找丢失 15(CH3)、18(H2O)、28(CO)等小碎片的峰;若谱库检索存在匹配,则采用计算分子量。
第 3 步:分析同位素模式
同位素模式可揭示卤素和其他元素的存在:
| 元素 | A+1 比例(% A) | A+2 比例(% A) |
|---|---|---|
| 12C(大多数有机物) | 1.1% × C | — |
| 35Cl | 32.5% | 32.5%(1:1 比) |
| 79Br | 50% | 50%(1:1 比) |
| 32S | 0.8% | 4.2% |
| 28Si | — | 3.4% |
识别特征:
- 若 M 与 M+2 强度比约为 3:1(或 1:1),则含一个 Cl(或 Br)
- 若 M、M+2、M+4 比例约为 1:2:1,则含两个 Cl
- 若 M+2 强度约为 M 的 4%,则可能含一个 S
预期结果: 同位素模式确认卤素或其他特定元素的存在(或不存在),与分子式推断相吻合。
失败处理: 若同位素峰强度不足(低强度分子离子峰),可在放大模式下查看高 m/z 区域,或采用更软的电离方式获得更强的分子离子信号。
第 4 步:解读碎片离子并归因中性丢失
通过碎片模式推断子结构:
常见中性丢失(EI/ESI-MS/MS):
| 中性丢失(Da) | 对应丢失的碎片 | 提示的官能团 |
|---|---|---|
| 15 | CH3 | 甲基 |
| 17 | OH | 醇、羧酸 |
| 18 | H2O | 醇、羧酸 |
| 28 | CO 或 C2H4 | 醛、酮;乙基化合物 |
| 29 | CHO 或 C2H5 | 醛;乙基 |
| 31 | OCH3 | 甲酯 |
| 43 | CH3CO 或 C3H7 | 甲酮;丙基 |
| 44 | CO2 | 羧酸(McLafferty 重排) |
| 45 | OC2H5 | 乙酯 |
碎裂规律:
- 杂原子旁边的 α 裂解(α-cleavage):产生酰基阳离子(acylium ions)
- McLafferty 重排:六元环过渡态,γ 碳上有氢时发生
- 苄基裂解:产生 m/z 91(C7H7+,托品离子)
- 苄基碳旁边的裂解
## 主要碎片归因
| m/z | 相对强度(%) | 中性丢失(Da) | 丢失的碎片 | 结构意义 |
|-----|------------|-------------|-----------|---------|
| [值] | [值] | [值] | [碎片] | [官能团/连接关系] |
预期结果: 主要碎片峰均可通过合理的碎裂机制加以解释,并归属到具体的子结构。
失败处理: 若碎片归因不合理(丢失质量不合理),考虑以下情况:谱图含有多种化合物的混合信号(不纯);或高质量碎片来源于二聚体而非真正的分子离子。
第 5 步:综合鉴定并与数据库比对
将分子量、分子式和碎片信息整合,得出结构推断:
- 通过 NIST 质谱库、mzCloud 或 Metlin 等数据库进行谱库检索。
- 对匹配结果进行人工核查:检查分子离子匹配、碎片峰对应及同位素模式吻合。
- 结合 NMR 和 IR 数据,排除或确认候选结构。
- 报告置信度等级:
- 确认(Confirmed):精确质量 + 谱库匹配 + NMR 一致
- 推断(Probable):分子量 + 碎片模式 + 谱库得分高
- 初步(Tentative):分子量 + 部分碎片匹配
预期结果: 给出明确的化合物鉴定结论(或候选化合物列表),并标注置信度等级。
失败处理: 若谱库无匹配,则从精确质量推算分子式,结合同位素模式,利用碎片规律手动推断结构,并建议采集 MS/MS 谱进行进一步验证。
验证清单
- 电离方式已确认,分子离子类型已明确(M+• 或准分子离子)
- 分子量已从分子离子峰计算(需考虑电离方式的修正)
- 氮规则已用于 EI 谱的奇/偶质量检验
- 同位素模式分析已排除或确认卤素的存在
- 所有强度 > 10% 的主要碎片峰均已归因
- 中性丢失均在化学上合理
- 谱库检索已进行(若有匹配)
- 结论已与 NMR/IR 数据交叉验证(若有)
常见问题
- 将背景离子误识为分子离子:常见的背景离子包括 m/z 207(硅氧烷)、391(邻苯二甲酸酯)等,来源于色谱柱流失或溶剂杂质,切勿将其误认为样品的分子离子。
- 忽视 ESI 的多电荷离子:大分子(如蛋白质)在 ESI 中可产生多电荷离子,真实分子量 = (m/z × z) - z(z 为电荷数)。混淆电荷状态会导致分子量计算错误。
- 碎片离子误算中性丢失:中性丢失 = 分子离子 m/z 减去碎片离子 m/z。错误的参考点(如将非分子离子的峰用作参考)会导致归因错误。
- 忽略 McLafferty 重排:含 γ-氢的羰基化合物可发生 McLafferty 重排,产生特征性的偶电子碎片,不应将其归为随机碎裂。
- 仅凭一次精确质量测定确认结构:精确质量仅给出一组元素组成候选,不能唯一确认结构。需结合 NMR 和 IR 进行综合鉴定。
- 负离子模式下计算分子量:在负离子 ESI 模式下,[M-H]- 对应的分子量为 m/z + 1(而非 - 1)。
相关技能
interpret-nmr-spectrum— NMR 为 MS 的结构推断提供互补信息interpret-ir-spectrum— IR 用于官能团确认,与 MS 结果相辅相成plan-spectroscopic-analysis— 规划多谱联用分析策略
GitHub Repository
Related Skills
llamaguard
OtherLlamaGuard is Meta's 7-8B parameter model for moderating LLM inputs and outputs across six safety categories like violence and hate speech. It offers 94-95% accuracy and can be deployed using vLLM, Hugging Face, or Amazon SageMaker. Use this skill to easily integrate content filtering and safety guardrails into your AI applications.
cost-optimization
OtherThis Claude Skill helps developers optimize cloud costs through resource rightsizing, tagging strategies, and spending analysis. It provides a framework for reducing cloud expenses and implementing cost governance across AWS, Azure, and GCP. Use it when you need to analyze infrastructure costs, right-size resources, or meet budget constraints.
quantizing-models-bitsandbytes
OtherThis skill quantizes LLMs to 8-bit or 4-bit precision using bitsandbytes, achieving 50-75% memory reduction with minimal accuracy loss. It's ideal for running larger models on limited GPU memory or accelerating inference, supporting formats like INT8, NF4, and FP4. The skill integrates with HuggingFace Transformers and enables QLoRA training and 8-bit optimizers.
dispatching-parallel-agents
OtherThis Claude Skill dispatches multiple agents to investigate and fix 3+ independent problems concurrently. It is designed for scenarios involving unrelated failures that can be resolved without shared state or dependencies. The core capability is parallel problem-solving, assigning one agent per independent problem domain to maximize efficiency.
