MCP HubMCP Hub
Volver a habilidades

interpret-mass-spectrum

pjt222
Actualizado 2 days ago
9 vistas
17
2
17
Ver en GitHub
Otrogeneral

Acerca de

Esta habilidad interpreta sistemáticamente espectros de masas para determinar fórmulas moleculares, identificar rutas de fragmentación y proponer estructuras moleculares. Analiza métodos de ionización, iones moleculares, patrones de isótopos y pérdidas de fragmentación comunes. Úsala cuando necesites derivar información estructural a partir de datos de espectrometría de masas, confirmar la identidad de un compuesto o identificar impurezas.

Instalación rápida

Claude Code

Recomendado
Principal
npx skills add pjt222/agent-almanac -a claude-code
Comando PluginAlternativo
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativo
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-mass-spectrum

Copia y pega este comando en Claude Code para instalar esta habilidad

Documentación

解質譜

析任一常見離子化法之質譜,以定分子離子、分子式、碎裂路徑、及分析物之結構特徵。

用時

  • 定未知化合之分子量與分子式
  • 以分子離子與碎裂證合成物之同
  • 辨樣品中之雜質或降解物
  • 自特徵碎裂損失提結構特徵
  • 析同位素型以察鹵、硫、金屬

  • 必要:質譜數據(m/z 值及相對強度,至少全掃描光譜)
  • 必要:所用離子化法(EI、ESI、MALDI、CI、APCI、APPI)
  • 可選:高解析質譜數據(精確質量,實測對理論)
  • 可選:他源所得分子式(元素分析、NMR)
  • 可選:串聯 MS/MS 數據(所選前驅離子之碎裂)
  • 可選:層析脈絡(LC-MS 或 GC-MS 保留時間、純度)

第一步:辨離子化法與預期離子型

指諸峰前,定光譜所含之離子種:

  1. 分類離子化法
主離子碎裂常用
EI (70 eV)M+.(自由基陽離子)小揮發分子、GC-MS
CI[M+H]+、[M+NH4]+分子量之證
ESI[M+H]+、[M+Na]+、[M-H]-極性、生物分子、LC-MS
MALDI[M+H]+、[M+Na]+、[M+K]+大分子、聚合物、蛋白
APCI[M+H]+、[M-H]-中極性、LC-MS
  1. 記極性模式:正模生陽離子;負模生陰離子。ESI 常兼用
  2. 察加成物與簇:軟離子化常生 [M+Na]+(M+23)、[M+K]+(M+39)、[2M+H]+、[2M+Na]+,與 [M+H]+ 並現。指分子離子前先辨此
  3. 辨多電荷離子:ESI 中,多電荷離子現於 m/z = (M + nH) / n。尋以分數 m/z 隔之峰(如 0.5 Da 隔示 z=2)

**得:**離子化法有記,預期離子型列之,加成物與簇有辨,真分子離子可定。

**敗則:**若離子化法未知,察光譜之兆:繁碎裂暗 EI,加成型暗 ESI,基質峰暗 MALDI。儀器日誌可得則閱之。

第二步:定分子離子與分子式

辨分子離子峰並導分子式:

  1. 尋分子離子 (M):EI 中,M+. 乃最高 m/z 峰而具合理同位素型(易降解物或弱或闕)。軟離子化中,辨 [M+H]+ 或 [M+Na]+ 並減加成以得 M
  2. 用氮律:奇分子量示奇數氮原子;偶分子量示無或偶數氮原子
  3. 算不飽和度 (DBE):DBE = (2C + 2 + N - H - X) / 2,X 為鹵。每環或 π 鍵貢獻一 DBE。苯 = 4 DBE,羰基 = 1 DBE
  4. 用高解析數據:若精確質量可得,以質量虧損算分子式。比實測質量於質量準確度窗內(現代儀器常 < 5 ppm)之諸候選式
  5. 以同位素型交叉驗:觀測同位素型須配所提分子式(見第三步)

**得:**分子離子已辨,分子量已定,氮律已用,分子式有提(HRMS 可得則證之)。

**敗則:**若 EI 中無分子離子可見(熱敏或高分支化合常見),試較軟之離子化法。若分子離子曖,察最高 m/z 峰之常見小碎片損失(如 M-1、M-15、M-18 可助辨 M)。

第三步:析同位素型

以同位素特徵察特定元素:

  1. 單同位素元素:H、C、N、O、F、P、I 有特徵自然豐度型。唯含 C、H、N、O 者,M+1 峰約每碳 1.1%
  2. 鹵素型
元素同位素M : M+2 比視覺型
35Cl / 37Cl35、373 : 1雙峰,隔 2 Da
79Br / 81Br79、811 : 1等雙峰,隔 2 Da
2 Cl--9 : 6 : 1三峰
2 Br--1 : 2 : 1三峰
1 Cl + 1 Br--3 : 4 : 1特徵似四峰
  1. 硫之檢測:34S 於 M+2 貢獻 4.4%。M+2 峰相對 M 約 4--5%(校 13C2 貢獻後)示一硫原子
  2. 矽之檢測:29Si (5.1%) 與 30Si (3.4%) 生特徵 M+1 與 M+2 貢獻
  3. 比理論型:以所提分子式算理論同位素型。疊於觀測型以證或駁式

**得:**同位素型已析,Cl、Br、S、Si 有無已定,型合所提分子式。

**敗則:**若同位素解析不足(低解析儀器),M+2 型或不可解。記此限,依精確質量與他光譜數據定元素組成。

第四步:辨碎裂損失與關鍵碎片離子

圖碎裂路徑以提結構資訊:

  1. 錄諸大碎片:列相對強度 5--10% 以上之峰及其 m/z
  2. 自分子離子算中性損失
損失 (Da)所失中性結構暗示
1H.易脫氫
15CH3.甲基
17OH.羥基
18H2O醇、羧酸
27HCN氮雜環、胺
28CO 或 C2H4羰基或乙基
29CHO. 或 C2H5.醛或乙基
31OCH3. 或 CH2OH.甲氧或羥甲
32CH3OH甲酯
35/36Cl./HCl含氯化合
44CO2羧酸、酯
45OC2H5.乙氧
46NO2.硝基化合
  1. 辨特徵碎片離子
m/z離子
77C6H5+苯基陽離子
91C7H7+鎓離子(苄基重排)
105C6H5CO+苯甲醯陽離子
43CH3CO+ 或 C3H7+乙醯或丙基
57C4H9+ 或 C3H5O+叔丁基或丙烯醛
149鄰苯二甲酸酯片段塑化劑污染
  1. 圖碎裂路徑:以相繼損失連碎片離子,自 M 至低質量碎片建碎裂樹
  2. 辨重排離子:McLafferty 重排(γ-氫轉與 β-斷裂)自含羰基化合生偶電子離子。逆 Diels-Alder 碎裂乃環己烯系統之特徵

**得:**諸大碎片離子皆歸,中性損失算之並與結構特徵相關,碎裂樹已建。

**敗則:**若碎片不合自分子離子之簡單損失,慮重排過程。未歸碎片或示未預期之官能團、雜質、或基質/背景峰。

第五步:評純度並提結構

評全譜之純度兆並匯結構之提:

  1. 純度之察:GC-MS 或 LC-MS 中察層析圖有無餘峰。直接注入 MS 中察非主分析物之碎片或加成之意外離子
  2. 背景與污染峰:常見污染含鄰苯二甲酸酯塑化劑(m/z 149、167、279)、柱流失(GC-MS 中矽氧烷於 m/z 207、281、355、429)、溶劑簇
  3. 結構之提:合分子式(第二步)、同位素型(第三步)、碎裂(第四步)以提一結構或候選結構集
  4. 候選之序:以碎裂樹序結構候選。最善之結構以最少臨時假設釋最多碎片離子
  5. 交叉驗:比所提結構於他法(NMR、IR、UV-Vis)之數據。質譜獨鮮為新化合提無歧之結構

**得:**純度已評,污染若有則辨之,結構之提(或序之候選列)合諸 MS 數據,可則交叉驗。

**敗則:**若光譜似含多組分而未層析分離,標此混合並薦 LC-MS 或 GC-MS 重析。若無滿結構之提,辨何添數據(HRMS、MS/MS、NMR)可解曖。

  • 離子化法已辨,預期離子型有記
  • 分子離子已定,別於加成、碎片、簇
  • 氮律已用,合所提式
  • 不飽和度已算,於結構中有校
  • 同位素型合所提分子式
  • 諸大碎片離子有歸,附中性損失與結構理由
  • 碎裂樹自分子離子至低質量碎片已建
  • 常見污染與背景峰已辨並除
  • 結構之提與他光譜數據交叉驗

  • 誤辨分子離子:EI 中,基峰常為碎片非分子離子。分子離子乃最高 m/z 峰而具合理同位素型。ESI 中加成離子([M+Na]+、[2M+H]+)亦或誤為分子離子
  • 忽氮律:奇質量分子離子需奇數氮。忘此致不可能之分子式
  • 混同量損失:28 Da 之損或為 CO 或 C2H4;29 或為 CHO 或 C2H5。高解析 MS 或添碎裂數據乃可別
  • 略多電荷離子:ESI 中二或三電荷離子現於半或三分之一之預期 m/z。尋同位素峰間之非整數隔,為多電荷之診
  • 過度解讀低豐度峰:相對強度下 1--2% 者或為噪、同位素貢獻、或微污染,非有義之碎片
  • 假設純樣:現實多光譜乃混合。恆察層析純度,尋不合所提結構之離子

  • interpret-nmr-spectrum — 定連結與氫環境以證結構
  • interpret-ir-spectrum — 辨釋觀測碎裂之官能團
  • interpret-uv-vis-spectrum — 述分析物中之發色團
  • interpret-raman-spectrum — 互補振動析
  • plan-spectroscopic-analysis — 數據採集前擇並序分析技術
  • interpret-chromatogram — 析配 MS 之 GC 或 LC 層析數據

Repositorio GitHub

pjt222/agent-almanac
Ruta: i18n/wenyan/skills/interpret-mass-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Habilidades relacionadas

llamaguard

Otro

LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.

Ver habilidad

cost-optimization

Otro

Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.

Ver habilidad

quantizing-models-bitsandbytes

Otro

Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.

Ver habilidad

dispatching-parallel-agents

Otro

Esta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.

Ver habilidad