정보
이 스킬은 질량 스펙트럼을 해석하여 분자식을 결정하고, 단편화 패턴을 식별하며, 구조적 특징을 제안합니다. 알려지지 않은 화합물 분석, 합성 생성물 검증, m/z 값 및 이온화 방법과 같은 데이터를 활용한 불순물 동정에 사용됩니다. 주요 기능으로는 이온화 기법 평가, 동위원소 패턴 분석, 일반적인 단편화 손실 평가 등이 포함됩니다.
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
解讀質譜
分析任何常用電離法之質譜以定分子離子、分子式、裂片路徑與分析物之結構特徵。
適用時機
- 定未知化合物之分子量與分子式
- 以分子離子與裂片確合成產物之同一
- 於樣品中識別雜質或降解產物
- 自特徵裂片損失擬議結構特徵
- 分析同位素模式以檢鹵素、硫或金屬
輸入
- 必要:質譜數據(m/z 值附相對強度,至少全掃光譜)
- 必要:所用電離法(EI、ESI、MALDI、CI、APCI、APPI)
- 選擇性:高分辨質量數據(精確質量,測 vs. 計)
- 選擇性:自他源得之分子式(元素分析、NMR)
- 選擇性:串級 MS/MS 數據(所選前驅離子之裂片)
- 選擇性:色譜上下文(LC-MS 或 GC-MS 保留時間、純度)
步驟
步驟一:識電離法與預期離子類型
指派峰之前定光譜所含物種:
- 分類電離法:
| Method | Energy | Primary Ion | Fragmentation | Typical Use |
|---|---|---|---|---|
| EI (70 eV) | Hard | M+. (radical cation) | Extensive | Small volatile molecules, GC-MS |
| CI | Soft | [M+H]+, [M+NH4]+ | Minimal | Molecular weight confirmation |
| ESI | Soft | [M+H]+, [M+Na]+, [M-H]- | Minimal | Polar, biomolecules, LC-MS |
| MALDI | Soft | [M+H]+, [M+Na]+, [M+K]+ | Minimal | Large molecules, polymers, proteins |
| APCI | Soft | [M+H]+, [M-H]- | Some | Medium polarity, LC-MS |
- 記極性模式:正模式產陽離子;負模式產陰離子。ESI 常兩用
- 查加合與簇:軟電離除 [M+H]+ 外常產 [M+Na]+(M+23)、[M+K]+(M+39)、[2M+H]+ 與 [2M+Na]+。指派分子離子之前識別此者
- 識多電荷離子:於 ESI,多電荷離子於 m/z = (M + nH) / n。尋分數 m/z 間距之峰(如 0.5 Da 間距示 z=2)
預期: 電離法已記錄,預期離子類型已列,加合/簇已識別,以便定真分子離子。
失敗時: 若電離法未知,察光譜尋線索:廣裂片示 EI,加合模式示 ESI,矩陣峰示 MALDI。可得則查儀器日誌。
步驟二:定分子離子與分子式
識分子離子峰並導分子式:
- 定分子離子(M):於 EI,M+. 為有合理同位素模式之最高 m/z 峰(於不穩化合物或弱或缺)。於軟電離,識 [M+H]+ 或 [M+Na]+ 並減加合得 M
- 用氮規則:奇分子量示奇數氮原子。偶分子量示零或偶數氮
- 算不飽和度(DBE):DBE = (2C + 2 + N - H - X) / 2,X = 鹵素。每環或 pi 鍵貢 1 DBE。苯 = 4 DBE,羰基 = 1 DBE
- 用高分辨數據:若精確質量可得,用質量缺陷算分子式。於質量精度窗內(今儀器常 < 5 ppm)比測量於所有候選式
- 以同位素模式交叉查:觀之同位素模式必合擬議分子式(見步驟三)
預期: 分子離子已識,分子量已定,氮規則已用,分子式已擬(若可得 HRMS 則已確)。
失敗時: 若 EI 中不見分子離子(熱不穩或高度支鏈化合物常如此),試較軟電離法。若分子離子模糊,查最高 m/z 峰之常小碎片損失(如 M-1、M-15、M-18 可助定 M)。
步驟三:分析同位素模式
用同位素特徵檢特定元素:
- 單同位素元素:H、C、N、O、F、P、I 有特徵自然豐度模式。僅含 C、H、N、O 者,M+1 峰約為每碳 1.1%
- 鹵素模式:
| Element | Isotopes | M : M+2 Ratio | Visual Pattern |
|---|---|---|---|
| 35Cl / 37Cl | 35, 37 | 3 : 1 | Doublet, 2 Da apart |
| 79Br / 81Br | 79, 81 | 1 : 1 | Equal doublet, 2 Da apart |
| 2 Cl | -- | 9 : 6 : 1 | Triplet |
| 2 Br | -- | 1 : 2 : 1 | Triplet |
| 1 Cl + 1 Br | -- | 3 : 4 : 1 | Characteristic quartet-like |
- 硫檢測:34S 於 M+2 貢 4.4%。相對 M 約 4--5%(校正 13C2 貢獻後)之 M+2 峰示一硫原子
- 矽檢測:29Si(5.1%)與 30Si(3.4%)產顯著 M+1 與 M+2 貢獻
- 比計算模式:用擬議分子式算理論同位素模式。疊於觀之模式以確或否分子式
預期: 同位素模式已分析,Cl、Br、S、Si 之存否已定,模式與擬議分子式一致。
失敗時: 若同位素分辨不足(低分辨儀器),M+2 模式或不可分。記此限並依精確質量與他光譜數據定元素組成。
步驟四:識裂片損失與關鍵碎片離子
繪裂片路徑以抽結構信息:
- 錄主要碎片:列所有相對強度 > 5--10% 之峰與其 m/z 值
- 自分子離子計中性損失:
| Loss (Da) | Neutral Lost | Structural Implication |
|---|---|---|
| 1 | H. | Labile hydrogen |
| 15 | CH3. | Methyl group |
| 17 | OH. | Hydroxyl |
| 18 | H2O | Alcohol, carboxylic acid |
| 27 | HCN | Nitrogen heterocycle, amine |
| 28 | CO or C2H4 | Carbonyl or ethyl |
| 29 | CHO. or C2H5. | Aldehyde or ethyl |
| 31 | OCH3. or CH2OH. | Methoxy or hydroxymethyl |
| 32 | CH3OH | Methyl ester |
| 35/36 | Cl./HCl | Chlorinated compound |
| 44 | CO2 | Carboxylic acid, ester |
| 45 | OC2H5. | Ethoxy |
| 46 | NO2. | Nitro compound |
- 識特徵碎片離子:
| m/z | Ion | Origin |
|---|---|---|
| 77 | C6H5+ | Phenyl cation |
| 91 | C7H7+ | Tropylium (benzyl rearrangement) |
| 105 | C6H5CO+ | Benzoyl cation |
| 43 | CH3CO+ or C3H7+ | Acetyl or propyl |
| 57 | C4H9+ or C3H5O+ | tert-Butyl or acrolein |
| 149 | Phthalate fragment | Plasticizer contaminant |
- 繪裂片路徑:以連續損失連碎片離子,自 M 至低質量碎片構裂片樹
- 識重排離子:麥克拉弗蒂重排(γ 氫轉與 β 裂)自含羰化合物產偶電子離子。逆狄爾斯-阿爾德裂片為環己烯系之特徵
預期: 所有主要碎片離子已指派,中性損失已算並關於結構特徵,裂片樹已建。
失敗時: 若碎片不對應自分子離子之簡單損失,思重排過程。未指派之碎片或示意外官能團、雜質,或矩陣/背景峰。
步驟五:評純度並擬結構
評整體光譜以尋純度指標並合結構提議:
- 純度查:於 GC-MS 或 LC-MS 中察色譜尋附加峰。於直接進樣 MS 中尋非主分析物之碎片或加合之意外離子
- 背景與污染峰:常污染含酞酸酯增塑劑(m/z 149、167、279)、柱流失(GC-MS 之矽氧烷於 m/z 207、281、355、429),與溶劑簇
- 結構提議:合分子式(步驟二)、同位素模式(步驟三)與裂片(步驟四)以擬一結構或候選結構集
- 排候選:用裂片樹排結構候選。最佳結構以最少臨時假設釋最多碎片
- 交叉驗證:比擬議結構於他技術(NMR、IR、UV-Vis)之數據。質譜單獨鮮為新化合物供明確結構
預期: 純度已評,若存污染已識,結構提議(或已排之候選清單)與所有 MS 數據一致,可得處已交叉驗證。
失敗時: 若光譜似含多組分而未用色譜分離,標混合物並建議 LC-MS 或 GC-MS 再分析。若無令人滿意之結構提議現,識別何附加數據(HRMS、MS/MS、NMR)可解模糊。
驗證
- 電離法已識別並記錄預期離子類型
- 分子離子已定並與加合、碎片與簇別
- 氮規則已用並與擬議式一致
- 不飽和度已算並於結構中解
- 同位素模式合擬議分子式
- 主要碎片離子已指派附中性損失與結構理由
- 裂片樹已自分子離子建至低質量碎片
- 常污染與背景峰已識別並排除
- 結構提議已與他光譜數據交叉驗證
常見陷阱
- 誤識分子離子:於 EI,基峰常為碎片,非分子離子。分子離子為有化學合理同位素模式之最高 m/z 峰。ESI 之加合離子([M+Na]+、[2M+H]+)亦可誤作分子離子
- 忽氮規則:奇質量分子離子需奇數氮。忘之致不可能之分子式
- 混同質量損失:28 Da 損失可為 CO 或 C2H4;29 可為 CHO 或 C2H5。需高分辨 MS 或附加裂片數據別同質量損失
- 忽多電荷離子:於 ESI,雙或三電荷離子於預期 m/z 之半或三分之一。尋同位素峰間非整數間距為多電荷之診斷
- 過解低豐度峰:相對強度 < 1--2% 之峰或為噪音、同位素貢獻,或次污染,非有意義碎片
- 假純樣:多現實光譜為混合物。恒查色譜純度並尋與擬議結構不合之離子
相關技能
interpret-nmr-spectrum— 定連接性與氫環境供結構確認interpret-ir-spectrum— 識釋觀之裂片之官能團interpret-uv-vis-spectrum— 刻畫分析物中之發色團interpret-raman-spectrum— 互補振動分析plan-spectroscopic-analysis— 於數據獲取前擇並排序分析技術interpret-chromatogram— 分析與 MS 聯用之 GC 或 LC 色譜數據
GitHub 저장소
Frequently asked questions
What is the interpret-mass-spectrum skill?
interpret-mass-spectrum is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform interpret-mass-spectrum-related tasks without extra prompting.
How do I install interpret-mass-spectrum?
Use the install commands on this page: add interpret-mass-spectrum to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does interpret-mass-spectrum belong to?
interpret-mass-spectrum is in the Other category, tagged general.
Is interpret-mass-spectrum free to use?
Yes. interpret-mass-spectrum is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
LlamaGuard는 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.
이 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.
이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.
이 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.
