MCP HubMCP Hub
Retour aux compétences

interpret-nmr-spectrum

pjt222
Mis à jour 2 days ago
6 vues
17
2
17
Voir sur GitHub
Autregeneral

À propos

Cette compétence interprète les spectres RMN 1D et 2D (tels que 1H, 13C, COSY, HSQC) pour déduire la structure de molécules organiques. Les développeurs peuvent l'utiliser pour identifier des composés inconnus, vérifier des produits de synthèse ou comparer des données avec la littérature. Elle analyse les déplacements chimiques, les constantes de couplage et l'intégration pour fournir des informations structurales.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/interpret-nmr-spectrum

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation


name: interpret-nmr-spectrum locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 解读一维和二维核磁共振谱(1H、13C、DEPT、COSY、HSQC、HMBC),以推断 有机分子的结构。用于鉴定未知化合物、验证合成产物的结构,或对比 文献谱数据。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: advanced language: natural tags: spectroscopy, nmr, structure-elucidation, chemical-shift, coupling-constant

解读核磁共振谱

通过分析化学位移、偶合常数、积分面积和多维相关信息,系统解读核磁共振谱,推断有机分子的结构。

适用场景

  • 鉴定未知化合物或天然产物
  • 验证合成中间体或最终产物的结构
  • 区分区域异构体或立体异构体
  • 对比文献谱数据以确认化合物身份
  • 指导下一步合成或纯化决策

输入

  • 必填:一维或二维核磁共振谱数据(图像、峰表或原始自由感应衰减文件)
  • 必填:所用溶剂及测试频率(例如 400 MHz,DMSO-d6)
  • 必填:分子式(若已知)或质谱数据(用于推算不饱和度)
  • 可选:碳氢比及其他元素分析数据
  • 可选:已知的官能团信息(来自 IR 或 UV 数据)

步骤

第 1 步:计算不饱和度(DoU)并确定可能的结构骨架

在分析峰之前,先通过分子式确定结构约束:

  1. 计算不饱和度(DoU),也称为双键当量(DBE): DoU = (2C + 2 + N - H - X) / 2 其中 C、N、H、X 分别为碳、氮、氢、卤素的数目。
  2. 根据 DoU 推断结构特征:
    • DoU = 0:仅含单键(烷烃、醚、醇)
    • DoU = 1:含一个环或双键(烯烃、羰基)
    • DoU = 4:可能含苯环
    • DoU ≥ 8:多环或含炔键体系
  3. 与谱图进行比较:δ 7–8 ppm 的峰表明存在芳香氢;δ 2.0–2.5 ppm 的峰表明存在 α-羰基氢;δ 4–5 ppm 的峰表明存在烯烃氢或 α-杂原子氢。
## 初步分析
- 分子式:[CxHyNzOw]
- 不饱和度:[值]
- 可能结构特征:[环、烯烃、芳香族、羰基]
- 分子量:[值](可选)

预期结果: 不饱和度可将分子骨架类型缩小到 2–3 种,并确定苯环的存在与否。

失败处理: 若分子式未知,则先从 1H 峰的积分(推算氢的相对数目)和 13C 峰的数目出发,再结合 MS 数据确认分子量。

第 2 步:解读 1H 核磁共振谱

分析化学位移、裂分和积分以确定氢环境:

  1. 化学位移分配(参考典型值):
氢类型化学位移范围(ppm)
TMS(参考)0.00
烷基(-CH3、-CH2-、-CH-)0.5–2.0
α-羰基(-CO-CH2-)2.0–2.5
α-杂原子(N、O 邻位)2.5–4.5
烯烃(=CH-)4.5–6.5
芳香(Ar-H)6.5–8.5
醛(-CHO)9–10
羧酸、酚(-OH)10–12
  1. 积分分析:各峰面积对应该位置质子的相对数目。若分子式已知,可换算为绝对数目。
  2. 偶合常数(J 值)
    • 邻位偶合(3J):烷烃约 6–8 Hz,烯烃顺式约 8–12 Hz,反式约 12–17 Hz
    • 苯环上邻位偶合(3J)约 7–8 Hz,间位偶合(4J)约 1–3 Hz
    • 较大的 J 值(> 8 Hz)表明反式或对位关系
  3. 裂分形式
    • 单峰(s)= 无相邻偶合质子
    • 双重峰(d)= 1 个相邻质子
    • 三重峰(t)= 2 个相邻质子,符合 n+1 规律
    • 宽峰可能表明化学交换(OH、NH)或四极矩弛豫

预期结果: 每个峰均分配了化学位移、积分、裂分和偶合常数(Hz)。

失败处理: 若裂分形式复杂(如 dd、ddd),则测量各个 J 值并将其归属于具体的偶合路径。必要时使用强场仪器(600 MHz 以上)或改变溶剂,以区分重叠峰。

第 3 步:解读 13C 和 DEPT 谱

利用 13C 化学位移和 DEPT 确定碳的类型和氢化程度:

  1. 13C 化学位移区域

    • sp3 碳(C、CH、CH2、CH3):δ 0–80 ppm
    • α-杂原子碳(C-O、C-N、C-Cl):δ 40–90 ppm
    • 炔碳(sp):δ 60–90 ppm
    • 烯烃碳(sp2):δ 100–150 ppm
    • 芳香碳:δ 110–160 ppm
    • 羰基碳(酮、醛、酸、酯):δ 155–220 ppm
  2. DEPT-135

    • 向上相位(正相)= CH 和 CH3
    • 向下相位(负相)= CH2
    • 无信号 = 季碳(C)
  3. 对比 13C 谱峰与 DEPT-135 的相位,确定每个碳的取代程度:

| δ (ppm) | DEPT-135 相位 | 碳类型 | 可能归属 |
|---------|--------------|--------|---------|
| [δ1]   | [正/负/无]   | [CH3/CH2/CH/C] | [官能团] |

预期结果: 所有 13C 峰均被分配为 C、CH、CH2 或 CH3,季碳明确标识。

失败处理: 若 DEPT-135 峰数目少于 13C 峰数,则存在季碳或对称性导致峰重叠。可使用 DEPT-90(仅显示 CH)进一步区分。

第 4 步:解读二维相关谱(COSY、HSQC、HMBC)

通过二维相关确定连接关系:

  1. COSY(氢-氢相关):每个交叉峰代表两个相邻(3J 偶合)氢之间的联系。沿对角线两侧找到对应位置的交叉峰,追踪从一个 CH 到其邻位 CH 的连接。

  2. HSQC(氢-碳直接相关):每个交叉峰将一个 1H 化学位移与其直接连接的 13C 化学位移相关联。用于将每个碳上的质子信号与相应的碳信号对应起来。

  3. HMBC(氢-碳远程相关,2–4 键)

    • 在季碳周围建立连接框架(HSQC 不显示季碳)
    • 识别酯键或酰胺键两侧的连接
    • 确认环的连接方式
## HMBC 关键相关
| 1H (ppm) | 13C (ppm) | 距离(键数) | 结构含义 |
|----------|----------|------------|---------|
| [δH]    | [δC]     | [2/3]      | [连接关系] |

预期结果: HMBC 相关确定了季碳的位置,并揭示了环系或酯基的连接模式。

失败处理: 若 HMBC 相关不够,检查实验中设定的优化 J 值(通常为 8 Hz);可适当放宽以捕获较小的远程偶合。在相关信号较弱时,可重新采集延长混合时间的 HMBC 谱。

第 5 步:汇总结构并进行验证

将所有谱图证据汇总为拟定结构,并进行一致性检验:

  1. 从确定的官能团出发,逐步拼接结构片段,确保各片段通过 HMBC 和 COSY 相互连接。
  2. 验证以下方面的一致性:
    • 氢和碳的总数与分子式相符
    • 所有化学位移与拟定化学环境吻合
    • 所有 J 偶合常数与几何构型(顺/反、二面角)一致
    • 不饱和度与拟定的环和双键数目吻合
  3. 与文献或数据库(如 SDBS、Reaxys)中已知结构进行对比。
## 拟定结构
- 结构:[名称或化学式]
- 关键证据:
  - 1H δ [值] ppm [多重峰,J = x Hz] 归属于 [质子类型]
  - 13C δ [值] ppm 归属于 [碳类型]
  - HMBC 相关 H-[编号] 到 C-[编号] 确认 [连接关系]
- 置信度:[高/中/低]
- 需进一步确认:[NOESY?质谱?X 射线?]

预期结果: 一个与全部谱图数据一致的结构方案,且不存在未解释的信号或矛盾。

失败处理: 若存在矛盾(例如化学位移异常),考虑互变异构体、构象异构体或存在多种化合物(不纯)的可能。若确认是混合物,则回到第 2 步,结合 13C 峰数目重新划分信号归属。

验证清单

  • 不饱和度与谱图特征相符(芳香峰、羰基峰等)
  • 1H 积分之和与氢原子总数一致
  • 所有 13C 峰均通过 DEPT 分配了碳类型
  • COSY 相关建立了相邻质子的连接网络
  • HSQC 完成了每个氢与其直接连接碳的配对
  • HMBC 相关连通了季碳并确认了关键连接位点
  • 所有化学位移与拟定的化学环境相符
  • J 值与分子几何构型一致
  • 分子式与所有化学位移和积分数据匹配
  • 结论已与文献或数据库数据核对

常见问题

  • 忽视溶剂效应:化学位移因溶剂而异,可相差 0.5 ppm 甚至更多。务必注明所用溶剂,并与相同溶剂条件下的文献数据对比。
  • 混淆 DEPT 相位:在 DEPT-135 中,CH 和 CH3 均为正相。切勿将 CH3 误认为仅是 CH;需结合 13C 的化学位移(CH3 通常在 δ < 30 ppm)加以区分。
  • 忽略化学等价性:若分子存在对称性,则化学等价的碳和氢合并为单峰。不对称引入(如手性)会使等价性消失,出现更多峰。
  • 错误解读 HMBC 中的两键与三键相关:HMBC 无法区分两键和三键相关。若有疑义,应结合结构合理性、化学位移规律进行判断,或采集 H2BC 谱进行区分。
  • 轻视溴/氯的同位素模式:若分子含溴或氯,则其 13C 谱中可见卫星峰。在 MS 数据中核实同位素模式。
  • 忽略可交换质子:OH、NH、SH 等可交换质子的化学位移随溶剂、温度和浓度而变化,且在 D2O 振荡后消失,不参与 COSY 偶合。

相关技能

  • interpret-ir-spectrum — 通过 IR 确认官能团信息(C=O、O-H、N-H 等),与 NMR 互为补充
  • interpret-mass-spectrum — 用质谱确认分子量及分子式
  • plan-spectroscopic-analysis — 在分析前规划最优的谱学组合方案
  • derive-theoretical-result — 推导 NMR 相关理论(如虚假偶合、二级谱效应)

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/zh-CN/skills/interpret-nmr-spectrum
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

llamaguard

Autre

LlamaGuard est le modèle de Meta, doté de 7 à 8 milliards de paramètres, conçu pour modérer les entrées et sorties des LLM selon six catégories de sécurité comme la violence et les discours haineux. Il offre une précision de 94 à 95 % et peut être déployé avec vLLM, Hugging Face ou Amazon SageMaker. Utilisez cette compétence pour intégrer facilement le filtrage de contenu et des garde-fous de sécurité dans vos applications d'IA.

Voir la compétence

cost-optimization

Autre

Cette compétence de Claude aide les développeurs à optimiser les coûts du cloud grâce au redimensionnement des ressources, aux stratégies d'étiquetage et à l'analyse des dépenses. Elle fournit un cadre pour réduire les dépenses cloud et mettre en œuvre une gouvernance des coûts sur AWS, Azure et GCP. Utilisez-la lorsque vous devez analyser les coûts d'infrastructure, redimensionner les ressources ou respecter des contraintes budgétaires.

Voir la compétence

quantizing-models-bitsandbytes

Autre

Cette compétence quantifie les LLMs en précision 8 bits ou 4 bits à l'aide de bitsandbytes, permettant une réduction de 50 à 75 % de la mémoire utilisée avec une perte de précision minime. Elle est idéale pour exécuter des modèles plus volumineux sur une mémoire GPU limitée ou pour accélérer l'inférence, prenant en charge des formats comme INT8, NF4 et FP4. La compétence s'intègre à HuggingFace Transformers et permet l'entraînement QLoRA ainsi que l'utilisation d'optimiseurs en 8 bits.

Voir la compétence

dispatching-parallel-agents

Autre

Cette compétence Claude déploie plusieurs agents pour enquêter et résoudre simultanément 3 problèmes indépendants ou plus. Elle est conçue pour des scénarios impliquant des défaillances non liées qui peuvent être résolues sans état partagé ni dépendances. La capacité fondamentale est la résolution de problèmes en parallèle, en assignant un agent par domaine problématique indépendant afin de maximiser l'efficacité.

Voir la compétence