MCP HubMCP Hub
Вернуться к навыкам

interpret-mass-spectrum

pjt222
Обновлено 6 days ago
11 просмотров
17
2
17
Посмотреть на GitHub
Другоеgeneral

О программе

Этот навык анализирует масс-спектры для определения молекулярных формул и предложения структур путем идентификации молекулярных ионов, изотопных паттернов и путей фрагментации. Он полезен для проверки синтезированных соединений, идентификации примесей или установления структур неизвестных веществ по спектральным данным. Ключевые возможности включают оценку методов ионизации, определение чистоты и интерпретацию высокоразрешающих данных или данных МС/МС.

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/interpret-mass-spectrum

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

Документация

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。

  • 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

  • :質譜數據(m/z 與相對強,至少全掃譜)
  • :電離法(EI、ESI、MALDI、CI、APCI、APPI)
  • :高解析數據(精確質量,測 vs 算)
  • :他源之分子式(元素析、NMR)
  • :串聯 MS/MS 數據
  • :色譜脈(LC-MS 或 GC-MS 保留時、純度)

一:識電離法與預期離子

賦峰前定譜含何物種:

  1. 歸電離法
主離子裂片典用
EI (70 eV)M+.(自由基陽)小揮發,GC-MS
CI[M+H]+、[M+NH4]+分子量證
ESI[M+H]+、[M+Na]+、[M-H]-極性、生物分子、LC-MS
MALDI[M+H]+、[M+Na]+、[M+K]+大分子、聚合物、蛋白
APCI[M+H]+、[M-H]-若干中極性、LC-MS
  1. 記極性模:正→陽;負→陰。ESI 常用二者
  2. 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
  3. 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:

  1. 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
  2. 用氮規:分子量奇→氮原子奇數;偶→零或偶數
  3. 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
  4. 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)
  5. 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:

  1. 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%
  2. 鹵式
同位M : M+2 比目視式
35Cl / 37Cl35, 373 : 1雙峰,隔 2 Da
79Br / 81Br79, 811 : 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
  1. 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
  2. 矽察:29Si(5.1%)與 30Si(3.4%)貢獨特 M+1 與 M+2
  3. 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:

  1. 列主碎片:列相對強 5-10% 以上之諸峰及 m/z
  2. 算由分子離子之中性損
損(Da)中性結構含意
1H.易變氫
15CH3.甲基
17OH.羥基
18H2O醇、羧酸
27HCN氮雜環、胺
28CO 或 C2H4羰基或乙基
29CHO. 或 C2H5.醛或乙基
31OCH3. 或 CH2OH.甲氧或羥甲
32CH3OH甲酯
35/36Cl./HCl含氯物
44CO2羧酸、酯
45OC2H5.乙氧
46NO2.硝基物
  1. 識特徵碎片
m/z離子
77C6H5+苯基陽離子
91C7H7+卓鎓(苄重排)
105C6H5CO+苯甲酰陽離子
43CH3CO+ 或 C3H7+乙酰或丙基
57C4H9+ 或 C3H5O+叔丁或丙烯醛
149酞酸酯碎片增塑劑污染
  1. 圖裂片途徑:以連續損連碎片→由 M 至低質量片之裂片樹
  2. 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:

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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。

  • 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

  • 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

  • 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 репозиторий

pjt222/agent-almanac
Путь: i18n/wenyan-ultra/skills/interpret-mass-spectrum
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