interpret-mass-spectrum
정보
이 스킬은 질량 스펙트럼을 분석하여 분자 이온, 동위원소 패턴, 단편화 경로를 식별함으로써 분자식을 결정하고 구조를 제안합니다. 합성 화합물 검증, 불순물 동정, 또는 스펙트럼 데이터로부터 미지 구조를 규명하는 데 유용합니다. 주요 기능에는 이온화 방법 평가, 순도 평가, 고분해능 또는 MS/MS 데이터 해석이 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
解質譜
析常見電離法之質譜→定分子離子、分子式、裂片途徑、結構特徵。
用
- 定未知分子量與式
- 以分子離子與裂片證合成物之身
- 識雜質或降解物
- 由特徵裂片損推結構
- 析同位素式以察鹵、硫、金屬
入
- 必:質譜數據(m/z 與相對強,至少全掃譜)
- 必:電離法(EI、ESI、MALDI、CI、APCI、APPI)
- 可:高解析數據(精確質量,測 vs 算)
- 可:他源之分子式(元素析、NMR)
- 可:串聯 MS/MS 數據
- 可:色譜脈(LC-MS 或 GC-MS 保留時、純度)
行
一:識電離法與預期離子
賦峰前定譜含何物種:
- 歸電離法:
| 法 | 能 | 主離子 | 裂片 | 典用 |
|---|---|---|---|---|
| EI (70 eV) | 硬 | M+.(自由基陽) | 繁 | 小揮發,GC-MS |
| CI | 軟 | [M+H]+、[M+NH4]+ | 少 | 分子量證 |
| ESI | 軟 | [M+H]+、[M+Na]+、[M-H]- | 少 | 極性、生物分子、LC-MS |
| MALDI | 軟 | [M+H]+、[M+Na]+、[M+K]+ | 少 | 大分子、聚合物、蛋白 |
| APCI | 軟 | [M+H]+、[M-H]- | 若干 | 中極性、LC-MS |
- 記極性模:正→陽;負→陰。ESI 常用二者
- 察加合與簇:軟電離常生 [M+Na]+(M+23)、[M+K]+(M+39)、[2M+H]+、[2M+Na]+ 除 [M+H]+。賦分子離子前識此
- 識多電荷離子:ESI 中多電荷離子於 m/z = (M + nH) / n。察分數 m/z 隔(如 0.5 Da 示 z=2)
得:電離法記,預期離子列,加合/簇識→真分子離子可定。
敗:電離法未知→察譜求線索:繁裂片→EI;加合式→ESI;基質峰→MALDI。可查儀記。
二:定分子離子與分子式
識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,有合理同位素式(易變化合物或弱或缺)。軟電離中識 [M+H]+ 或 [M+Na]+ 減加合得 M
- 用氮規:分子量奇→氮原子奇數;偶→零或偶數
- 算不飽和度(DBE):DBE = (2C + 2 + N - H - X) / 2,X = 鹵。各環或 π 鍵貢一 DBE。苯 = 4 DBE,羰基 = 1 DBE
- 用高解析數據:若有精確質量→以質量缺損算分子式。測 vs 諸候選式於質量精窗內比(現代儀典 < 5 ppm)
- 交叉同位素式:觀察式須匹預設分子式(見步三)
得:分子離子識,分子量定,氮規用,分子式設(HRMS 在時證)。
敗:EI 無可見分子離子(熱易變或高分枝常見)→試更軟之法。模糊→察由最高 m/z 峰損常見小片(M-1、M-15、M-18 助識 M)。
三:析同位素式
以同位特徵察特定元素:
- 單同位元:H、C、N、O、F、P、I 有特徵自然豐度。僅 C、H、N、O 分子 M+1 峰約每碳 1.1%
- 鹵式:
| 元 | 同位 | M : M+2 比 | 目視式 |
|---|---|---|---|
| 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 | 特徵四峰狀 |
- 硫察:34S 貢獻 M+2 之 4.4%。M+2 相對 M 約 4-5%(校 13C2 貢獻後)→示一硫
- 矽察:29Si(5.1%)與 30Si(3.4%)貢獨特 M+1 與 M+2
- 比算式:以預設分子式算理論同位素式。疊於觀察以證或駁
得:同位式析,Cl、Br、S、Si 存否定,式合預設分子式。
敗:若同位解析不足(低解析儀)→M+2 式或不可解→記限,賴精確質量與他譜數據定元素組成。
四:識裂片損與關鍵碎片離子
圖裂片途徑以提結構信息:
- 列主碎片:列相對強 5-10% 以上之諸峰及 m/z
- 算由分子離子之中性損:
| 損(Da) | 中性 | 結構含意 |
|---|---|---|
| 1 | H. | 易變氫 |
| 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 | 含氯物 |
| 44 | CO2 | 羧酸、酯 |
| 45 | OC2H5. | 乙氧 |
| 46 | NO2. | 硝基物 |
- 識特徵碎片:
| m/z | 離子 | 源 |
|---|---|---|
| 77 | C6H5+ | 苯基陽離子 |
| 91 | C7H7+ | 卓鎓(苄重排) |
| 105 | C6H5CO+ | 苯甲酰陽離子 |
| 43 | CH3CO+ 或 C3H7+ | 乙酰或丙基 |
| 57 | C4H9+ 或 C3H5O+ | 叔丁或丙烯醛 |
| 149 | 酞酸酯碎片 | 增塑劑污染 |
- 圖裂片途徑:以連續損連碎片→由 M 至低質量片之裂片樹
- 識重排離子:McLafferty 重排(γ-H 轉+β-裂)→含羰基化合物之偶電子離子。逆 Diels-Alder 裂為環己烯系統特徵
得:諸主碎片賦,中性損算並與結構特徵相關,裂片樹構。
敗:若碎片不對應由分子離子之簡損→考重排。未賦碎片或示意外官能團、雜質、或基質/背景峰。
五:評純度並設結構
評譜總體之純度指示並輯結構提案:
- 純度察:GC-MS 或 LC-MS 察譜中他峰。直注 MS 察主分析物非裂片非加合之意外離子
- 背景與污染峰:常見污染含酞酸酯增塑劑(m/z 149、167、279)、柱流失(GC-MS 矽氧烷 m/z 207、281、355、429)、溶劑簇
- 結構提案:合分子式(步二)、同位素式(步三)、裂片(步四)→設結構或候選集
- 排候選:以裂片樹排。最佳結構以最少臨時假設釋最多碎片離子
- 交叉驗:比他技(NMR、IR、UV-Vis)數據。質譜獨少為新物提供無歧結構
得:純度評,有污染時識,結構提案(或排候選列)合諸 MS 數據並交叉驗。
敗:譜似含多組分且未用色譜分→標混物並建 LC-MS 或 GC-MS 復析。無滿意結構提案→識何額外數據(HRMS、MS/MS、NMR)可解模糊。
驗
- 電離法識並記預期離子
- 分子離子定並辨於加合、碎片、簇
- 氮規用並合預設式
- 不飽和度算並於結構中計
- 同位素式匹預設分子式
- 主碎片離子賦附中性損與結構理
- 裂片樹由分子離子構至低質量片
- 常污染與背景峰識並排
- 結構提案與他譜數據交叉驗
忌
- 誤識分子離子:EI 中基峰常為碎片非分子離子。分子離子乃最高 m/z 峰附化學合理同位素式。ESI 加合離子([M+Na]+、[2M+H]+)亦可誤
- 忽氮規:奇質量分子離子需奇數氮。忘之→不可能分子式
- 混同質損:28 Da 損可為 CO 或 C2H4;29 可為 CHO 或 C2H5。須高解析 MS 或他裂片數據以辨
- 忽多電荷離子:ESI 中雙或三電荷離子於預期 m/z 之半或三分一。察同位素峰間非整隔為多電荷之診斷
- 過解低豐度峰:相對強 1-2% 以下或為噪、同位素貢獻、小污染,非有意碎片
- 假設純樣:諸多真實譜為混。必查色譜純並察不合預設結構之離子
參
interpret-nmr-spectrum—— 定連接與氫環境以證結構interpret-ir-spectrum—— 識官能團以釋觀察裂片interpret-uv-vis-spectrum—— 徵分析物發色團interpret-raman-spectrum—— 互補振析plan-spectroscopic-analysis—— 數據採前擇分析技序interpret-chromatogram—— 析與 MS 耦之 GC 或 LC 色譜數據
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.
