MCP App StoreMCP App Store
de bioskills899
Prétraitement headless MS-DIAL pour les flux LC/GC : peak picking, déconvolution MS2Dec, alignement et import honnête de tables de caractéristiques vers R ou Python.
Cette skill documente et automatise les flux de travail optimaux pour le prétraitement des données de spectrométrie de masse non ciblée avec MS-DIAL. Elle explique les exécutions headless (console) pour DDA/DIA et GC-EI, montre comment convertir les sorties en métadonnées de caractéristiques + matrices d'intensité, et recommande un filtrage honnête (Fill%, support MS/MS, seuils QC). Utilisez-la lorsque vous avez besoin d'un prétraitement par lots reproductible produisant une table prête pour l'analyse pour les statistiques ou l'annotation en aval.
MsdialConsoleApp et des extraits d'import R/Python sont fournis dans le corps du SKILL.md.skiprows=4 et les règles de filtrage honnête.Ce contenu est agnostique quant à l'auteur ; il est utile aux agents de type Claude Code / Copilot capables d'exécuter des commandes shell et d'assembler des exemples R/Python dans des flux de travail.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Enrichissement de voies KEGG (clusterProfiler)
Exécute l'enrichissement des voies et modules KEGG via clusterProfiler (enrichKEGG/enrichMKEGG) pour identifier les voies métaboliques et de signalisation sur-représentées dans une liste de gènes.
Génomique Comparative — Analyse de Synténie
Détecte les blocs de gènes synténiques et les réarrangements structurels entre génomes à l'aide de MCScanX, JCVI, GENESPACE, SyRI, AnchorWave et d'outils connexes ; conseils sur le pipeline.
MatchMS (mass spectrometry processing)
Mass spectrometry data processing: import/export mzML/MGF/MSP, filter and normalize spectra, compute spectral similarity (cosine/modified cosine), and build rep
matchms — Mass Spectrometry Processing
Python library skill for importing, filtering, and comparing mass spectra (mzML/MGF/MSP); builds reproducible preprocessing pipelines and computes spectral simi
MatchMS — Mass Spectrometry Utilities
Import, process and compare mass spectrometry spectra (mzML/MGF/MSP) with filters, similarity metrics and reproducible pipelines for metabolomics workflows.
Scikit-learn (Classical ML reference)
Comprehensive scikit-learn guidance for classification, regression, clustering, preprocessing, model evaluation, and production-ready ML pipelines.
CV Model Training
Review, run, validate and audit computer vision model training with checks for dataset quality, preprocessing consistency, augmentation, and deployment validati
MatchMS
Python library for mass spectrometry data processing: import/export mzML/MGF/MSP, filter and harmonize metadata, compute spectral similarity (cosine & modified
Data Import
Universal import pipeline to load CSV, JSON, or Google Sheets into CRMs and marketing platforms with field mapping, validation, deduplication, consent checks, a
Scikit-learn Reference
Comprehensive, practical reference for classical machine learning workflows using scikit-learn: preprocessing, pipelines, supervised and unsupervised algorithms