interpret-mass-spectrum
정보
이 스킬은 질량 스펙트럼을 체계적으로 해석하여 분자식을 결정하고, 단편화 경로를 식별하며, 분자 구조를 제안합니다. 이온화 방법, 분자 이온, 동위원소 패턴 및 일반적인 단편화 손실을 분석합니다. 질량 분석 데이터로부터 구조 정보를 도출하거나, 화합물의 정체성을 확인하거나, 불순물을 식별해야 할 때 사용하십시오.
빠른 설치
Claude Code
추천npx 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-spectrumClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
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
入
- 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)
法
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:
- 分類離子化法:
| 法 | 能 | 主離子 | 碎裂 | 常用 |
|---|---|---|---|---|
| EI (70 eV) | 硬 | M+.(自由基陽離子) | 繁 | 小揮發分子、GC-MS |
| CI | 軟 | [M+H]+、[M+NH4]+ | 微 | 分子量之證 |
| ESI | 軟 | [M+H]+、[M+Na]+、[M-H]- | 微 | 極性、生物分子、LC-MS |
| MALDI | 軟 | [M+H]+、[M+Na]+、[M+K]+ | 微 | 大分子、聚合物、蛋白 |
| APCI | 軟 | [M+H]+、[M-H]- | 有 | 中極性、LC-MS |
- 記極性模式:正模生陽離子;負模生陰離子。ESI 常兼用
- 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
- 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:
- 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
- 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
- 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
- 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
- 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:
- 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%
- 鹵素型:
| 元素 | 同位素 | M : M+2 比 | 視覺型 |
|---|---|---|---|
| 35Cl / 37Cl | 35、37 | 3 : 1 | 雙峰,隔 2 Da |
| 79Br / 81Br | 79、81 | 1 : 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 |
- 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
- 矽之檢測:29Si (5.1%) 與 30Si (3.4%) 生特徵 M+1 與 M+2 貢獻
- 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:
- 錄諸大碎片:列相對強度 5--10% 以上之峰及其 m/z
- 自分子離子算中性損失:
| 損失 (Da) | 所失中性 | 結構暗示 |
|---|---|---|
| 1 | H. | 易脫氫 |
| 15 | CH3. | 甲基 |
| 17 | OH. | 羥基 |
| 18 | H2O | 醇、羧酸 |
| 27 | HCN | 氮雜環、胺 |
| 28 | CO 或 C2H4 | 羰基或乙基 |
| 29 | CHO. 或 C2H5. | 醛或乙基 |
| 31 | OCH3. 或 CH2OH. | 甲氧或羥甲 |
| 32 | CH3OH | 甲酯 |
| 35/36 | Cl./HCl | 含氯化合 |
| 44 | CO2 | 羧酸、酯 |
| 45 | OC2H5. | 乙氧 |
| 46 | NO2. | 硝基化合 |
- 辨特徵碎片離子:
| m/z | 離子 | 源 |
|---|---|---|
| 77 | C6H5+ | 苯基陽離子 |
| 91 | C7H7+ | 鎓離子(苄基重排) |
| 105 | C6H5CO+ | 苯甲醯陽離子 |
| 43 | CH3CO+ 或 C3H7+ | 乙醯或丙基 |
| 57 | C4H9+ 或 C3H5O+ | 叔丁基或丙烯醛 |
| 149 | 鄰苯二甲酸酯片段 | 塑化劑污染 |
- 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
- 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:
- 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
- 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
- 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
- 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
- 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。
驗
- 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
陷
- 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
參
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
GitHub 저장소
연관 스킬
llamaguard
기타LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.
cost-optimization
기타이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.
quantizing-models-bitsandbytes
기타이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.
dispatching-parallel-agents
기타이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.
