MCP HubMCP Hub
Вернуться к навыкам

plan-spectroscopic-analysis

pjt222
Обновлено 2 days ago
7 просмотров
17
2
17
Посмотреть на GitHub
Другоеgeneral

О программе

Этот навык помогает разработчикам планировать оптимальные последовательности спектроскопического анализа для органических или неорганических соединений. Он подбирает взаимодополняющие методики (ЯМР, ИК, масс-спектрометрия и т.д.) на основе целей анализа и ограничений образца для максимальной эффективности. Используйте его для установления структуры, верификации или при работе с ограниченными количествами образца.

Быстрая установка

Claude Code

Рекомендуется
Основной
npx skills add pjt222/agent-almanac -a claude-code
Команда плагинаАльтернативный
/plugin add https://github.com/pjt222/agent-almanac
Git клонированиеАльтернативный
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/plan-spectroscopic-analysis

Скопируйте и вставьте эту команду в Claude Code для установки этого навыка

Документация


name: plan-spectroscopic-analysis locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 为有机或无机化合物规划最优的谱学分析组合方案。通过明确分析目标、 评估可用样品量,以及选择互补性谱学技术(NMR、IR、MS、UV-Vis、拉曼) 的最优序列,提高鉴定效率。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: intermediate language: natural tags: spectroscopy, analytical-planning, technique-selection, structure-elucidation

规划谱学分析方案

通过明确分析目标、样品约束和可用技术,系统规划一套最优的谱学分析序列,以最小化样品消耗并最大化信息获取效率。

适用场景

  • 鉴定未知化合物,需要确定最优谱学组合
  • 验证合成产物的结构,确定所需实验的最少集合
  • 在有限样品量(< 1 mg)的约束下规划分析策略
  • 为多步合成项目设计高通量筛选流程
  • 将谱学分析工作优先级排序,以高效利用仪器时间

输入

  • 必填:分析目标(结构鉴定 / 身份确认 / 纯度检测 / 定量分析)
  • 必填:已知的化合物信息(合成路线、天然来源、元素分析等)
  • 必填:可用样品量(毫克数)
  • 可选:预期官能团(来自合成或文献知识)
  • 可选:仪器可用性(哪些技术在本实验室可以使用)
  • 可选:时间限制

步骤

第 1 步:明确分析目标类型

不同目标决定不同的分析策略:

目标类型典型问题推荐策略
结构鉴定(未知物)"这是什么化合物?"全套谱学:MS → IR → NMR(一维+二维)
结构确认(已知目标)"是否合成成功?"最小集:1H NMR + MS(或 IR)
纯度检测"是否含有杂质?"1H NMR + HPLC/GC-MS
定量分析"浓度是多少?"UV-Vis(若有发色团)或定量 NMR
官能团确认"羰基/羟基存在吗?"IR(首选快速筛查)

预期结果: 分析目标明确分类,避免采集不必要的谱图。

失败处理: 若目标不明确,先采集快速且样品消耗少的谱图(如 IR、MS),根据结果再决定进一步的 NMR 分析。

第 2 步:评估样品约束

样品量决定可行的技术选择:

样品量可用技术注意事项
> 50 mg全部技术无特殊限制
10–50 mgNMR、IR(ATR)、MSNMR 可进行二维实验
1–10 mgNMR(可能较长时间)、MS、IR-ATR13C 和 DEPT 可能需要较长累积时间
0.1–1 mgMS(ESI)、微量 NMR考虑微量管;IR 和二维 NMR 困难
< 0.1 mgMS(ESI)、毛细管 NMR仅 MS 实际可行

溶剂选择(NMR 分析):

  • D2O:水溶性化合物(氨基酸、糖、盐)
  • CDCl3:大多数有机化合物
  • DMSO-d6:难溶化合物、可观察 OH/NH 峰
  • CD3CN:中等极性化合物

预期结果: 根据样品量筛除不可行的技术,明确每种技术所需的最低样品量。

失败处理: 若样品量极少(< 1 mg),优先选择 MS 确认分子量,再用微量 NMR 管(1.7 mm 管)尝试 NMR。

第 3 步:选择互补性谱学技术

根据分析目标和样品约束,选择最优技术组合:

技术互补性矩阵

技术主要信息不能提供样品消耗
1H NMR氢环境、偶合、积分季碳、分子量2–5 mg
13C NMR碳骨架精确分子量5–50 mg
DEPT碳氢化程度同 13C同 13C
二维 NMR(COSY/HSQC/HMBC)连接性绝对构型5–20 mg
IR(ATR)官能团(快速)分子量、精确结构< 1 mg(固体/液体)
EI-MS分子量、碎片、分子式大分子、热不稳定物< 1 mg
ESI-MS分子量(软电离)详细碎片信息< 0.1 mg
UV-Vis共轭体系、浓度非共轭化合物< 0.1 mg(溶液)
拉曼对称振动(IR 互补)荧光性样品原位、无损

推荐的技术组合方案

  1. 未知有机小分子(5–20 mg 可用): 顺序:IR-ATR(10 min)→ ESI-MS 或 EI-MS(30 min)→ 1H NMR(30 min)→ 13C/DEPT(2–4 h)→ HSQC(2 h)→ HMBC(4 h)→ COSY(2 h)

  2. 合成产物的快速确认(1–5 mg 可用): 顺序:1H NMR(30 min)→ ESI-MS(10 min)

  3. 定量分析(含发色团): 顺序:UV-Vis 标准曲线(1 h)→ 样品测定(10 min/样)

预期结果: 已选择一套最优技术组合,按信息量/样品消耗比最优的顺序排列。

失败处理: 若推荐的技术在本实验室不可用,列出替代方案(如用 GC-MS 代替 EI-MS;用 FTIR 透射代替 ATR-IR)。

第 4 步:确定分析序列(信息效率最优)

将技术按"最大化早期信息获取,最小化样品消耗"的原则排序:

  1. 首先:无损或微量技术(IR-ATR、MS)
  2. 其次:快速一维 NMR(1H),指导后续实验
  3. 然后:根据一维结果决定是否需要 13C/DEPT
  4. 最后:按需采集二维谱(COSY → HSQC → HMBC)

决策树(NMR 层面)

1H NMR 是否足以完成鉴定?
├─ 是(纯化合物,已知目标)→ 结束
└─ 否 → 是否需要碳骨架信息?
    ├─ 是 → 采集 13C + DEPT
    │   └─ 是否有季碳或复杂连接?
    │       ├─ 是 → 采集 HMBC
    │       └─ 邻位连接是否不清?→ 采集 COSY
    └─ 否(仅需确认官能团)→ IR 已足够

预期结果: 一份有优先级的分析计划,说明每步决策依据。

失败处理: 若决策树无法适用(如完全未知的天然产物),则采用全套谱学方法,确保覆盖所有信息维度。

第 5 步:撰写分析计划报告

输出结构化的分析计划:

## 谱学分析计划

### 样品信息
- 编号:[样品 ID]
- 来源:[合成 / 天然 / 未知]
- 可用量:[mg]
- 已知信息:[分子式、合成路线等]

### 分析目标
[结构鉴定 / 身份确认 / 纯度 / 定量]

### 推荐技术序列
| 步骤 | 技术 | 预期获取信息 | 样品消耗 | 预计时间 |
|-----|-----|-----------|---------|---------|
| 1   | [技术] | [信息] | [mg] | [时间] |

### 决策节点
- 若步骤 1 显示 [结果],则进行步骤 2
- 若步骤 2 显示 [结果],则不需要步骤 3

### 总计
- 总样品消耗:[mg]
- 预计总时间:[小时]

预期结果: 一份完整的分析计划,可直接传达给仪器操作员或实验室记录。

失败处理: 若样品量不足以支持全套方案,在报告中注明所有假设,并列出可能无法完全鉴定时的备选策略。

验证清单

  • 分析目标已明确分类(鉴定/确认/纯度/定量)
  • 样品量约束已评估,排除了不可行的技术
  • 所选技术之间具有互补性(避免重复信息的冗余技术)
  • 技术序列按"无损先行、信息量优先"排列
  • 每步决策节点已明确(何时停止,何时追加实验)
  • 总样品消耗和时间在实际约束范围内
  • 计划已记录,可重现

常见问题

  • "全套谱学"思维陷阱:不加区分地采集所有谱图浪费样品和仪器时间。应先根据目标筛选,只采集必要的谱图。
  • 忽视样品稳定性:热不稳定或对光敏感的样品需避免高温电离(EI)或长时间光照(UV-Vis)。应在分析计划中注明样品的稳定性要求。
  • NMR 溶剂选择不当:在 CDCl3 中不溶的化合物强行溶解会导致谱图质量差。应先做溶解度筛查,选择合适的氘代溶剂。
  • 过早进行二维 NMR:若一维 NMR 已可完成鉴定,不必采集耗时的二维谱。先仔细分析一维谱,再决定是否需要二维实验。
  • 不记录分析计划:临时决定采集哪些谱图导致分析路径不可重现。应在开始前制定并记录完整计划。
  • 忽视仪器校准状态:使用未校准(锁场未正常/匀场差)的 NMR 仪器得到的数据质量差,导致错误结论。开始分析前确认仪器工作状态。

相关技能

  • interpret-nmr-spectrum — 执行 NMR 谱解读
  • interpret-ir-spectrum — 执行 IR 谱解读
  • interpret-mass-spectrum — 执行 MS 谱解读
  • interpret-uv-vis-spectrum — 执行 UV-Vis 谱解读
  • interpret-raman-spectrum — 执行拉曼谱解读

GitHub репозиторий

pjt222/agent-almanac
Путь: i18n/zh-CN/skills/plan-spectroscopic-analysis
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Похожие навыки

llamaguard

Другое

LlamaGuard — это модель от Meta с 7–8 миллиардами параметров для модерации входных и выходных данных больших языковых моделей по шести категориям безопасности, таким как насилие и разжигание ненависти. Она обеспечивает точность 94–95% и может быть развернута с помощью vLLM, Hugging Face или Amazon SageMaker. Используйте этот навык, чтобы легко интегрировать фильтрацию контента и защитные механизмы в ваши ИИ-приложения.

Просмотреть навык

cost-optimization

Другое

Этот навык Claude помогает разработчикам оптимизировать облачные расходы за счет правильного подбора ресурсов, стратегий тегирования и анализа затрат. Он предоставляет framework для сокращения облачных расходов и внедрения управления затратами в AWS, Azure и GCP. Используйте его, когда вам нужно проанализировать расходы на инфраструктуру, оптимизировать ресурсы или уложиться в бюджетные ограничения.

Просмотреть навык

quantizing-models-bitsandbytes

Другое

Этот навык выполняет квантизацию LLM до 8-битной или 4-битной точности с использованием библиотеки bitsandbytes, обеспечивая сокращение использования памяти на 50-75% при минимальной потере точности. Он идеально подходит для запуска больших моделей при ограниченной памяти GPU или для ускорения вывода, поддерживая форматы INT8, NF4 и FP4. Навык интегрируется с HuggingFace Transformers и позволяет использовать обучение QLoRA и 8-битные оптимизаторы.

Просмотреть навык

dispatching-parallel-agents

Другое

Этот навык Claude распределяет нескольких агентов для исследования и устранения трёх и более независимых проблем параллельно. Он предназначен для сценариев с несвязанными сбоями, которые можно устранить без общего состояния или зависимостей. Ключевая возможность — параллельное решение проблем, где за каждую независимую предметную область назначается отдельный агент для максимальной эффективности.

Просмотреть навык