Compétence de bibliothèque Python pour l'importation, le filtrage et la comparaison de spectres de masse (mzML/MGF/MSP) ; construit des pipelines de prétraitement reproductibles et calcule la similitude spectrale
Ajoute des capacités de traitement de données de spectrométrie de masse : import/export mzML, MGF, MSP, JSON ; harmonisation des métadonnées ; application de filtres et de contrôle qualité (QC) ; calcul de la similitude spectrale (cosinus, cosinus modifié, basé sur les empreintes) ; et construction de pipelines de traitement reproductibles. Utile pour la métabolomique, l'appariement de bibliothèques et les comparaisons spectrales à grande échelle.
Utilisez cette compétence lorsque vous devez prétraiter des ensembles de données de spectrométrie de masse, nettoyer et harmoniser les métadonnées, filtrer les pics bruités, faire correspondre des spectres inconnus à des bibliothèques de référence ou calculer des scores de similitude spectrale pour l'annotation et le clustering. Elle s'intègre aux flux de travail qui ingèrent des fichiers mzML/MGF/MSP, exécutent des filtres standardisés et produisent des bibliothèques traitées pour l'analyse en aval.
Principalement utile pour les agents capables de coder qui peuvent exécuter ou rédiger du Python : agents de type Copilot/Codex/GPT-code, Claude Code et d'autres agents capables de produire/exécuter des flux de travail de science des données en Python.
La compétence Matchms fournit la documentation pour la bibliothèque Python open-source pour le traitement des données de spectrométrie de masse. Aucun script inclus — purement une compétence de référence/documentée. Le SKILL.md est bien organisé avec des sections claires, des exemples de code et une divulgation progressive vers references/. Aucune préoccupation de sécurité. L'audience très spécialisée (chercheurs en métabolomique/MS) limite l'utilité globale.
Compétence de documentation propre. Pas de code exécutable, pas de problèmes de sécurité. Bien structurée selon les conventions de spécification des compétences avec references/ pour des docs plus approfondies. Le faible score d'utilité reflète le domaine de niche, pas des problèmes de qualité.
