interpret-nmr-spectrum
정보
이 스킬은 NMR 스펙트럼(1H, 13C, DEPT, 2D)을 분석하여 화학적 이동을 배정하고, 커플링 패턴을 해석하며, 다차원 데이터를 상호 연관시켜 분자 구조를 결정합니다. 미지 화합물의 구조 규명, 합성 생성물의 검증, 복잡한 스펙트럼 분석에 사용됩니다. 개발자들은 이를 통합하여 스펙트럼 입력으로부터 구조 제안을 자동화할 수 있습니다.
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-nmr-spectrumClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
解讀 NMR 光譜
分析一維與二維 NMR 光譜以指派峰、定耦合關係,並擬議與所有所觀數據一致之分子結構片段。
適用時機
- 自 NMR 數據定未知有機化合物之結構
- 確合成產物之同一與純度
- 指派重疊信號之複雜光譜中之峰
- 關多 NMR 實驗(1H、13C、DEPT、COSY、HSQC、HMBC)為統一結構畫面
- 別區域異構、立體異構或構象異構
輸入
- 必要:NMR 光譜數據(至少 1H 光譜附化學位移、多重性與積分)
- 必要:分子式或分子量(自質譜或元素分析)
- 選擇性:13C 與 DEPT 光譜(化學位移與多重性)
- 選擇性:2D 光譜(COSY、HSQC、HMBC、NOESY/ROESY 相關表)
- 選擇性:獲取所用溶劑與場強
- 選擇性:已知結構約束(如反應起始物、IR 確之官能團)
步驟
步驟一:評實驗類型與獲取參數
解讀之前,立可得數據及其品質:
- 識實驗類型:錄可得光譜(1H、13C、DEPT-135、DEPT-90、COSY、HSQC、HMBC、NOESY、ROESY、TOCSY)。記觀之核與維度
- 記獲取參數:記譜儀頻率(如 400 MHz、600 MHz)、溶劑、溫度與參考標準
- 識溶劑與參考峰:用下表定位並排除溶劑信號
| Solvent | 1H Residual (ppm) | 13C Signal (ppm) |
|---|---|---|
| CDCl3 | 7.26 | 77.16 |
| DMSO-d6 | 2.50 | 39.52 |
| D2O | 4.79 | -- |
| CD3OD | 3.31 | 49.00 |
| Acetone-d6 | 2.05 | 29.84, 206.26 |
| C6D6 | 7.16 | 128.06 |
- 評光譜品質:查基線平度、多重峰分辨,與信噪比。標任何偽影(自旋邊帶、13C 衛星、CDCl3 中 ~1.56 ppm 之水等溶劑雜質峰)
預期: 可得實驗之完整清單,已確溶劑/參考峰已排,並有品質評估。
失敗時: 若光譜信噪差或基線嚴重失真,記此限並謹慎行之。標不能可靠與噪別之峰。
步驟二:分析 1H 化學位移
以特徵位移範圍指派每 1H 信號於化學環境:
- 列所有信號:對每峰記化學位移(ppm)、多重性、耦合常數 J(Hz),與相對積分
- 以化學位移區分類:
| Range (ppm) | Environment | Examples |
|---|---|---|
| 0.0--0.5 | Shielded (cyclopropane, M-H) | Cyclopropyl H, metal hydrides |
| 0.5--2.0 | Alkyl (CH3, CH2, CH) | Saturated aliphatic chains |
| 2.0--4.5 | Alpha to heteroatom/unsaturation | -OCH3, -NCH2, allylic, benzylic |
| 4.5--6.5 | Vinyl / olefinic | =CH-, =CH2 |
| 6.5--8.5 | Aromatic | ArH |
| 9.0--10.0 | Aldehyde | -CHO |
| 10.0--12.0 | Carboxylic acid | -COOH |
| 0.5--5.0 (broad, exchangeable) | OH, NH | Alcohols, amines, amides |
- 數氫:用積分比相對分子式以指派每信號之質子數。歸一於最簡整數比
- 記可交換質子:於 D2O 搖中失之信號(OH、NH、COOH)為可交換。記其存與約位移
預期: 所有 1H 信號之表:位移、多重性、J 值、積分(H 數),與初步環境指派。
失敗時: 若積分比不加為預期之總質子數,查重疊信號、藏於基線之寬峰,或錯分子式。
步驟三:定耦合模式與 J 值
自裂分模式抽連接性信息:
- 識多重性:指派每信號為單峰(s)、雙峰(d)、三峰(t)、四峰(q)、雙雙峰(dd)等。對複雜多重峰(m),估耦合夥伴數
- 測耦合常數:抽 Hz 之 J 值。匹配互耦合(若 H_A 與 H_B 以 J = 7.2 Hz 耦合,H_B 必對 H_A 示同 J)
- 以類分 J 值:
| J Range (Hz) | Coupling Type |
|---|---|
| 0--3 | Geminal (2J) or long-range (4J, 5J) |
| 6--8 | Vicinal aliphatic (3J) |
| 8--10 | Vicinal with restricted rotation |
| 10--17 | Vicinal olefinic cis (6--12) or trans (12--18) |
| 0--3 | Aromatic meta |
| 6--9 | Aromatic ortho |
- 繪耦合網:將互耦合質子分於自旋系統。每自旋系統代分子之一連接片段
- 評屋頂效應:於 AB 型模式,雙峰之內線較外線強,示化學位移近
預期: 所有耦合常數已測並互匹配,自旋系統已識,耦合類型已分。
失敗時: 若多重峰過複而不能以一級規則析,記高級模式。思重疊信號或強耦合核(delta-nu/J < 10)產非一級模式需模擬。
步驟四:分析 13C 與 DEPT 數據
自 13C 實驗定碳類型與數:
- 數異 13C 信號:比 13C 峰數於分子式。較預期少示分子對稱
- 以化學位移分類:
| Range (ppm) | Carbon Type | Examples |
|---|---|---|
| 0--50 | sp3 Alkyl | CH3, CH2, CH, quaternary C |
| 50--100 | Alpha to O or N | -OCH3, -OCH2, anomeric C |
| 100--150 | Aromatic / vinyl | =CH-, ArC |
| 150--170 | Heteroaromatic / enol / imine | C=N, C-O aromatic |
| 170--185 | Carboxyl / ester / amide | -COOH, -COOR, -CONR2 |
| 185--220 | Aldehyde / ketone | -CHO, >C=O |
- 用 DEPT 編輯:用 DEPT-135(CH 與 CH3 向上,CH2 向下,季碳缺)與 DEPT-90(僅 CH)定每碳之附氫數
- 算不飽和度:DBE = (2C + 2 + N - H - X) / 2。比光譜所暗示之 pi 鍵與環數
預期: 每 13C 信號以類(CH3、CH2、CH、C)與化學環境分類,不飽和度已算並與所觀官能團一致。
失敗時: 若 DEPT 數據不可得,自 HSQC 相關(步驟五)推氫附。若碳數不合分子式,查重合信號或藏於噪之季碳。
步驟五:關聯 2D NMR 數據
用二維實驗建連接性:
- COSY(1H-1H 相關):識 2--3 鍵內之質子。繪交叉峰以確並擴步驟三之自旋系統
- HSQC(1H-13C 一鍵):指派每質子於其直連碳。此明確連 1H 與 13C 指派
- HMBC(1H-13C 長程):識 2--3 鍵 H-C 相關。HMBC 於跨季碳、雜原子與缺直 H-C 鍵之羰基連片段甚關鍵
- NOESY/ROESY(穿空間):識空間近(< 5 埃)之質子不論連接性。用於立體化學指派與構象分析
- 建片段連接性:用 HMBC 相關將 COSY 之自旋系統連為更大片段。每 HMBC 交叉峰代 H 至 C 之 2--3 鍵路徑
預期: 連接性圖連所有自旋系統為連貫分子骨架,並於可得處有 NOE 之立體化學信息。
失敗時: 若 2D 數據不全或模糊,記何連接暫定。或需多結構提議。優先以 HMBC 相關組片段,因其橋 COSY 不能之缺。
步驟六:擬並驗結構
合片段為完整結構提議:
- 合片段:用 HMBC 相關與不飽和度約束連步驟二至五之結構片段
- 查分子式:驗擬議結構恰合分子式(原子數、不飽和度)
- 反預測化學位移:對擬議結構預測 1H 與 13C 化學位移。比預測於觀值;偏差 > 0.3 ppm(1H)或 > 5 ppm(13C)當再審
- 驗所有相關:確每觀之 COSY、HSQC 與 HMBC 相關皆由擬議結構解。未解交叉峰示誤或雜質
- 思替代:若多結構合數據,列可解模糊之區別實驗或相關
- 指派立體化學:用 NOE 數據、J 值分析(Karplus 二面角關係),與已知構象偏好指派相對(可能處絕對)立體化學
預期: 單一最合結構提議,所有 NMR 數據已解,或候選排序清單並有區別之計劃。
失敗時: 若無單一結構解所有數據,查:化合物混合(非整數積分比之多峰)、動態過程(構象交換之寬峰),或順磁雜質(異常寬化)。若多結構同等可行,再審分子式。
驗證
- 所有溶劑與參考峰已識別並於解讀中排除
- 每 1H 信號已指派化學位移區、多重性、J 值與積分
- 耦合常數互等(耦合夥伴間匹配)
- 13C 信號已以 DEPT 多重性與化學位移區分類
- 不飽和度已算並與擬議結構一致
- 2D 相關(COSY、HSQC、HMBC)皆由結構提議解
- 擬議結構恰合分子式
- 反預測化學位移於容差內合觀值
- 於可用處以 NOE 與/或 J 值分析應對立體化學
常見陷阱
- 忽溶劑峰:常溶劑產可與分析物峰重之信號。解讀之前恒識並排溶劑殘、水與油脂峰
- 於二級模式強以一級分析:強耦合核(相對 J 之化學位移差小)產失真多重峰,不能以簡單 n+1 規則解。認屋頂效應與非二項強度模式為指示
- 忽可交換質子:OH 與 NH 信號可寬、因濃度/溫而移,或於質子溶劑中缺。D2O 搖實驗明何信號可交換
- 假所有 13C 峰可見:季碳有長弛豫時與低強度。於短獲取光譜中可缺。HMBC 相關常為檢之唯一途
- 誤解 HMBC 偽影:HMBC 光譜可示一鍵偽影(誤指派為長程相關)與弱四鍵相關。以 HSQC 交叉查以濾一鍵穿漏
- 忽對稱:若觀之 13C 峰數少於分子式所預,分子恐有對稱元素。於擬結構之前計此
相關技能
interpret-ir-spectrum— 識官能團以約 NMR 基之結構提議interpret-mass-spectrum— 定分子式與裂片以交叉驗證interpret-uv-vis-spectrum— 刻畫發色團與共軛程度interpret-raman-spectrum— 獲對稱模式之互補振動數據plan-spectroscopic-analysis— 於數據獲取前擇並排序光譜技術
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.
