跳转到正文

nmrglue Skill (K-Dense)

K-Dense Inc. / K-Dense Inc.

一个 K-Dense Skill,包含用于校准一维 NMR FID 处理的说明和 Python 辅助程序,可生成经过相位校正的谱图、正峰候选、带符号积分及可复现的处理报告。

条目更新 ·

概览

nmrglue Skill 属于 K-Dense scientific-agent-skills 集合。它将处理说明与一个基于上游 nmrglue 软件包构建的辅助程序结合起来;它既不是该软件包本身,也不是可自主运行的智能体。其用途是将均匀采样的复数一维 NMR 自由感应衰减(FID)转换为校准谱图,同时明确记录采集假设和处理选项。

辅助程序接受仅包含一个复数 fid 数组的 NumPy .npz 文件,或规范的复数一维时域 NMRPipe 文件。用户需另行提供采集参数和处理设置,包括谱宽、观测频率、载波位置、复数频率约定及手动相位角。工作流程涵盖指数加窗、零填充、傅里叶变换、手动相位校正、可选线性基线校正、峰候选检测,以及指定 ppm 区间的积分。输出包括 spectrum.csv(含降序 ppm 轴和谱图分量)和 report.json(含设置、输入哈希、软件包版本、峰候选及带符号面积)。

资料描述了合成数据恢复测试和 NMRPipe 测试样例检查,并未说明对实验仪器厂商数据导入进行了普遍验证。解析 Bruker、Varian 和 JEOL 的采集数据需要单独检查;文件转换成功并不能证明解析正确。多维处理、非均匀采样、自动归属和化合物鉴定均不在该辅助程序所述范围内。面积仍以任意的信号×ppm 单位表示:辅助程序既不计算浓度,也不校正弛豫差异。用户还必须检查相位、基线、峰重叠和参照对齐情况,然后再解释结果。

主要功能

  • 处理来自单数组 NumPy `.npz` 输入或规范时域 NMRPipe 文件的校准复数一维 FID。
  • 执行指数线宽展宽、显式零填充、傅里叶变换及用户指定的零阶和一阶相位校正;不自动估计相位。
  • 支持使用明确选定的无信号 ppm 区间进行可选线性实部基线校正。
  • 通过端点插值和梯形积分报告正峰候选及带符号区间积分;超出谱轴范围的区间将被拒绝。
  • 导出 `spectrum.csv` 和以来源记录为重点的 `report.json`,其中包含输入/设置的 SHA-256 哈希、软件包版本、处理设置和结果。
  • 将 NMRPipe 文件头校准信息与提供的设置进行核对;遇到已处理的频域文件或相互冲突的元数据时会拒绝处理,而不会静默重新校准。

使用场景

  • 建议的评估方式:处理一个具有参考表征信息的一维 FID,并在将工作流程用于研究谱图前检查 ppm 位置、复数符号约定和手动相位。
  • 建议的评估方式:对同一份保留的 FID 比较不同处理选项,并使用不同输出目录,以检查基线、峰候选和带符号积分的变化。
  • 建议的评估方式:在具备采集元数据的条件下评估规范 NMRPipe 时域数据的导入;不要将成功读取文件视为厂商格式转换正确的证明。
  • 为指定 ppm 区间生成可复现的谱图积分记录;保留峰重叠和负面积,并将其作为解释时的警示,而不是直接换算为浓度。

使用方式

  1. 阅读指定的 Skill及其链接的采集验证参考资料。确认输入是在辅助程序支持范围内均匀采样的复数一维 FID。
  2. 保留原始输入。根据采集记录或已知参照确定谱宽、正观测频率、载波、核种、复数符号约定,以及此前是否进行过数字滤波校正;不要依赖仪器默认值。
  3. 按照 Skill 的 assets/processing.json 模板操作,并以实测参数替换合成值。明确选择线宽展宽、零填充尺寸、首点缩放、手动相位角和积分区间。
  4. 按照文档从集合根目录调用辅助程序,并使用 Skill 列出的依赖项。选择新的输出目录;对于 NMRPipe 输入,核验文件头是否一致,并确认文件符合规范时域要求。
  5. 检查实部和虚部谱图、参照对齐、基线区间及峰伪影。查看处理函数文档以核对操作,同时留意 Skill 关于托管文档与软件包差异的警告。
  6. 保留 spectrum.csv 和 report.json。报告带符号面积和峰重叠;在进行任何定量 NMR 解释之前,先确认其他采集和参照条件。

相关资源

Matchms

开源工具

Matchms 是一个 Python 工具包,用于导入、清理和比较串联质谱,并提供可配置的处理流程、多种相似度度量以及稀疏分数存储。

开源Python

光谱学

MS2DeepScore 使用 Siamese 神经网络,根据成对的串联质谱预测分子结构相似性,并提供用于生成谱图嵌入、推理和自定义模型训练的工具。

开源Python

光谱学

Spec2Vec

模型

Spec2Vec 是一个用于 MS/MS 光谱相似度评分的 Python 包。它利用从质谱碎片和中性丢失中学习到的 Word2Vec 嵌入来比较查询光谱与参考光谱。

开源Python

光谱学

相关指南

技能

化学 AI Skills 是什么?科研 Agent 的能力模块详解

了解化学 AI Skills 如何作为可复用的流程模块:`SKILL.md` 包含什么内容,宿主如何加载指令,Skills 与 MCP 和智能体有何区别,以及如何选择、组合和评估它们,同时避免将操作指导误认为科学验证。