interpret-nmr-spectrum
О программе
Этот навык интерпретирует спектры ЯМР (1H, 13C, DEPT, 2D) для определения молекулярных структур путем анализа химических сдвигов, паттернов спин-спинового взаимодействия и многомерных корреляций. Он используется для установления структуры неизвестных соединений, проверки продуктов синтеза и разрешения сложных перекрытий сигналов. Разработчики могут интегрировать его для обработки спектральных данных и генерации согласованных структурных предложений на основе совокупных экспериментальных результатов.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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-spectrumСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
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 репозиторий
Похожие навыки
llamaguard
ДругоеLlamaGuard — 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.
cost-optimization
ДругоеЭтот 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.
quantizing-models-bitsandbytes
ДругоеЭтот 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.
dispatching-parallel-agents
ДругоеЭтот 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.
