MCP App StoreMCP App Store
de Agentic Science Builder Collections10
Convertit les paramètres de gradient LC en vecteurs numériques normalisés pour l'optimisation bayésienne et la régression GP.
Permet la transformation bidirectionnelle entre les paramètres de gradient de chromatographie liquide (LC) lisibles par l'homme (tels que le débit, la composition du solvant et la température) et des vecteurs numériques normalisés. Ceci est essentiel pour appliquer des techniques d'apprentissage automatique comme la régression par processus gaussiens (Gaussian Process) afin d'optimiser les séparations chimiques.
Utilisez cette compétence lorsque vous concevez un espace expérimental pour l'analyse LC-MS et que vous devez représenter les paramètres physiques de l'instrument sous forme de vecteurs d'entrée mis à l'échelle (plage 0-1) pour un cadre d'optimisation bayésienne (BO), ou lorsque vous devez décoder un vecteur optimal proposé pour le traduire en réglages d'instrument exploitables.
StandardScaler de scikit-learn pour normaliser les paramètres et un chemin d'intégration pour le framework BAGO.Agents IA scientifiques, assistants de science des données avec environnement Python (scikit-learn)
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
Inspecteur de Workflow GitHub Actions
Vérifiez et reproduisez localement les workflows CI de GitHub Actions pour valider le statut des badges et l'intégrité du build.
Annotation de Séquence d'Injection
Identifie et valide l'espacement des échantillons QCpool dans les exports de métabolomique/lipidomique Sciex Multiquant.
Chargeur de poids pré-entraînés PyTorch
Chargez des checkpoints de modèles PyTorch pré-entraînés pour classer des molécules candidates ou analyser des spectres en métabolomique sans réentraînement.
Codage Positionnel pour Séquences Spectrales
Intègre des informations séquentielles dans les paires m/z-intensité du spectre de masse pour l'interprétation MS/MS basée sur les transformeurs dans IDSL_MINT.
Transformation et Collation de Champs d'Enregistrement
Transformez et collationnez des enregistrements tabulaires en dictionnaires JSON structurés à l'aide du mappage de champs, du filtrage et du regroupement pour les métadonnées scientifiques.
Extraction du Spectre de Fragmentation
Extraire et déconvoluer des spectres de fragmentation individuels à partir de données de spectrométrie de masse composites pour l'annotation en métabolomique et exposomique.
Génération de rapports QC de métabolomique
Automatise l'exportation des résultats de contrôle qualité de métabolomique LC-MS vers des graphiques prêts pour la publication, des rapports HTML et des tableaux de données.
Assurance Qualité Spectrale en Protéomique
Validez les données de spectrométrie de masse Orbitrap en vérifiant les métadonnées de l'instrument et en quantifiant les rapports signal sur bruit des ions fragments.
Organisation des Métadonnées de Réseau Moléculaire GNPS
Récupère, extrait et standardise les archives de jobs de réseautage moléculaire GNPS pour l'intégration NPLinker.
Imputation de Table de Caractéristiques Métabolomiques
Remplace les valeurs zéro et manquantes dans les tables de caractéristiques métabolomiques LC-MS en utilisant une interpolation basée sur la valeur minimale.
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.
MatchMS
Python library for mass spectrometry data processing: import/export mzML/MGF/MSP, filter and harmonize metadata, compute spectral similarity (cosine & modified
ChEMBL Database Explorer
Query ChEMBL programmatically to retrieve bioactive molecule data, bioactivity measurements, targets, and perform similarity/substructure searches for drug disc
MS-DIAL metabolomics preprocessing
Headless MS-DIAL preprocessing for LC/GC workflows: peak picking, MS2Dec deconvolution, alignment and honest feature-table import into R or Python.
Injection Sequence Annotation
Identifies and validates QCpool sample spacing in Sciex Multiquant metabolomics/lipidomics exports.
PyTorch Pretrained Weight Loader
Load pretrained PyTorch model checkpoints to rank candidate molecules or score spectra in metabolomics without retraining.