interpret-nmr-spectrum
정보
이 스킬은 화학적 이동, 짝지음 패턴, 다차원 상관관계를 분석하여 NMR 스펙트럼(1H, 13C, DEPT, 2D)을 해석하고 분자 구조를 결정합니다. 미지 화합물 규명, 합성 생성물 검증, 복잡한 신호 중첩 해소에 활용됩니다. 개발자는 이를 통합하여 스펙트럼 데이터를 처리하고, 종합된 실험 결과로부터 일관된 구조 제안을 생성할 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 NMR 譜
析一維與二維 NMR→賦峰、定偶合、提與諸觀察數據合之結構片。
用
- 由 NMR 定未知有機化合物之結構
- 證合成物之身與純
- 疊信號之複譜賦峰
- 合多 NMR 實驗(1H、13C、DEPT、COSY、HSQC、HMBC)為統一結構圖
- 辨區域、立體、構象異構
入
- 必:NMR 譜(至少 1H 譜附化學位移、多重性、積分)
- 必:分子式或分子量(由 MS 或元素析)
- 可:13C 與 DEPT(化學位移與多重性)
- 可:2D 譜(COSY、HSQC、HMBC、NOESY/ROESY 相關表)
- 可:溶劑與場強
- 可:已知結構約(如反應起原料、IR 證官能團)
行
一:評譜型與採參
析前立可用數據及其質:
- 識實驗型:列可用譜(1H、13C、DEPT-135、DEPT-90、COSY、HSQC、HMBC、NOESY、ROESY、TOCSY)。記觀察核與維數
- 記採參:譜儀頻(如 400 MHz、600 MHz)、溶劑、溫、參標
- 識溶劑與參峰:以下表尋並排溶劑信號:
| 溶劑 | 1H 殘(ppm) | 13C 信(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 |
- 評譜質:察基線平度、多重峰解析度、信噪比。標偽影(旋轉邊帶、13C 衛星、溶劑雜峰如 CDCl3 中 ~1.56 ppm H2O)
得:可用實驗清單全,溶劑/參峰已排,質評備。
敗:若信噪差或基線嚴重扭曲→記限並謹行。標不可靠辨於噪之諸峰。
二:析 1H 化學位移
以特徵位移範賦各 1H 信號:
- 列諸信號:各峰記位移(ppm)、多重性、J(Hz)、相對積分
- 按位移區歸:
| 範(ppm) | 環境 | 例 |
|---|---|---|
| 0.0-0.5 | 屏蔽(環丙、M-H) | 環丙 H、金屬氫化 |
| 0.5-2.0 | 烷(CH3、CH2、CH) | 飽和脂鏈 |
| 2.0-4.5 | α 雜原子/不飽和 | -OCH3、-NCH2、烯丙、苄位 |
| 4.5-6.5 | 乙烯/烯 | =CH-、=CH2 |
| 6.5-8.5 | 芳 | ArH |
| 9.0-10.0 | 醛 | -CHO |
| 10.0-12.0 | 羧酸 | -COOH |
| 0.5-5.0(寬、可交換) | OH、NH | 醇、胺、酰胺 |
- 計氫:以相對分子式之積分比賦每信號之質子數。歸至最簡整數比
- 記可交換質子:D2O 搖動時消失(OH、NH、COOH)為可交換。記其存與約位移
得:諸 1H 信號表(位移、多重性、J、積分(H 數)、初環境歸)。
敗:若積分比不合預期總質子數→察疊信號、基線中隱寬峰、或分子式誤。
三:定偶合式與 J 值
由裂式提連接信息:
- 識多重性:各信號賦為單(s)、雙(d)、三(t)、四(q)、雙之雙(dd)等。複多重峰(m)估偶合伙伴數
- 量偶合常數:提 J 值(Hz)。匹互偶(若 H_A 對 H_B 之 J = 7.2 Hz→H_B 對 H_A 當示同 J)
- 按型歸 J:
| J 範(Hz) | 偶合型 |
|---|---|
| 0-3 | 同碳(2J)或遠程(4J、5J) |
| 6-8 | 鄰位脂(3J) |
| 8-10 | 鄰位有限旋轉 |
| 10-17 | 鄰位烯順(6-12)或反(12-18) |
| 0-3 | 芳間 |
| 6-9 | 芳鄰 |
- 圖偶合網:分互偶質子為自旋系。各自旋系代表分子之連接片
- 察屋頂效:AB 型式中雙峰內線較外線強→化學位移近
得:諸偶合常數量並互匹,自旋系識,偶合型歸。
敗:若多重峰過複不可以一階律析→記高階式。考疊信號或強偶核(delta-nu/J < 10)→生非一階式需模擬。
四:析 13C 與 DEPT 數據
由 13C 實驗定碳型與計數:
- 計不同 13C 信號:比 13C 峰數與分子式。少於預期→分子對稱
- 按位移歸:
| 範(ppm) | 碳型 | 例 |
|---|---|---|
| 0-50 | sp3 烷 | CH3、CH2、CH、季碳 |
| 50-100 | α O 或 N | -OCH3、-OCH2、異頭碳 |
| 100-150 | 芳/烯 | =CH-、ArC |
| 150-170 | 雜芳/烯醇/亞胺 | C=N、C-O 芳 |
| 170-185 | 羧基/酯/酰胺 | -COOH、-COOR、-CONR2 |
| 185-220 | 醛/酮 | -CHO、>C=O |
- 用 DEPT 編輯:DEPT-135(CH 與 CH3 上、CH2 下、季無)與 DEPT-90(僅 CH)定每碳之附氫數
- 算不飽和度:DBE = (2C + 2 + N - H - X) / 2。比譜含之 π 鍵與環數
得:各 13C 信號歸型(CH3、CH2、CH、C)與化學環境,不飽和度算並合觀察官能團。
敗:若無 DEPT 數據→由 HSQC 相關(步五)推氫附。若碳計不合分子式→察重合信號或噪中隱之季碳。
五:合 2D NMR 數據
以二維實驗構連接:
- COSY(1H-1H 相關):識 2-3 鍵間之質子。圖交叉峰以證並延自旋系
- HSQC(1H-13C 一鍵):各質子賦其直連之碳。此無歧鏈接 1H 與 13C 之賦
- HMBC(1H-13C 遠程):識 2-3 鍵 H-C 相關。HMBC 對連片跨季碳、雜原子、羰基(缺直 H-C 鍵)關鍵
- NOESY/ROESY(空間):識空間近(< 5 埃)之質子,不拘鍵連。用於立體化學賦與構象析
- 構片連接:以 HMBC 相關連 COSY 自旋系為大片。各 HMBC 交叉峰代 H 至 C 之 2-3 鍵路
得:連接圖鏈諸自旋系為一致分子框,NOE 在時附立體信息。
敗:若 2D 數據不全或模糊→記試定連接。或須多結構提案。優先 HMBC 以拼片,因其跨 COSY 不及之隙。
六:設並證結構
輯片為全結構提案:
- 輯片:以 HMBC 相關與不飽和度約連步二至五之結構片
- 察分子式:驗設結構正合分子式(原子數、不飽和度)
- 逆預化學位移:為設結構預測 1H、13C 位移。比預測 vs 觀察值;偏差 > 0.3 ppm(1H)或 > 5 ppm(13C)→須重審
- 驗諸相關:證諸觀察 COSY、HSQC、HMBC 相關皆由設結構釋。未釋交叉峰示錯或雜
- 考替代:若多結構合→列辨實驗或相關以解模糊
- 賦立體化學:用 NOE 數據、J 值析(Karplus 關係定二面角)、已知構象偏好以賦相對立體,可能時絕對立體
得:單最佳結構提案計諸 NMR 數據,或排候選列附辨計劃。
敗:若無單結構計諸數據→察:混物(非整積分比之額外峰)、動過程(構象交換之寬峰)、順磁雜(異常寬化)。若多結構仍等效→復察分子式。
驗
- 諸溶劑與參峰識並排
- 各 1H 信號賦位移區、多重性、J 值、積分
- 偶合常數互匹(於偶合伙伴間)
- 13C 信號按 DEPT 多重性與位移區歸
- 不飽和度算並合設結構
- 2D 相關(COSY、HSQC、HMBC)皆由結構提案釋
- 設結構正合分子式
- 逆預位移與觀察值於容差內合
- 適用處以 NOE 或 J 值析處立體化學
忌
- 忽溶劑峰:常溶劑生信號可疊分析物。必識並排溶劑殘、水、油脂峰
- 二階式強用一階析:強偶核(位移差小於 J)→扭曲多重峰不可以簡 n+1 律解。識屋頂效與非二項強度為指標
- 忽可交換質子:OH、NH 信號或寬、因濃/溫移、或於質子溶劑缺。D2O 搖清示哪信號可交換
- 假設諸 13C 峰可見:季碳弛長、強低。短採譜或缺。HMBC 相關常唯一察之方
- 誤解 HMBC 偽影:HMBC 可示一鍵偽影(誤歸遠程)與弱四鍵相關。以 HSQC 互查濾一鍵漏
- 忽對稱:若觀察 13C 峰數少於分子式預→分子當有對稱。設結構前計
參
interpret-ir-spectrum—— 識官能團以約 NMR 結構提案interpret-mass-spectrum—— 定分子式與裂片以交叉證interpret-uv-vis-spectrum—— 徵發色團與共軛度interpret-raman-spectrum—— 得稱模之互補振數據plan-spectroscopic-analysis—— 數據採前擇譜技序
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.
