Skills Agentes

Matchms

Procesa, limpia, compara y busca espectros de masas en tándem (MS/MS) con matchms: I/O de archivos, armonización de metadatos, filtrado de picos, similitud espectral, búsqueda en librerías y redes de similitud molecular.

Reemplaza a: pyopenms (para LC-MS y proteómica)

Solicitaread write edit bash
Estrellas
34.8k

en todo el repo

Actividad
56

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
2

últimos 90 días

Contexto
2.6k tok

74 tok en reposo

Paquete
8 archivos

87 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add K-Dense-AI/scientific-agent-skills --skill matchms --agent claude-code

Se instala solo en este repositorio.

Qué hace

  • Carga y limpia espectros MS/MS en formatos MGF, MSP, mzML, mzXML, JSON, mzSpecLib y metabolomics-USI
  • Armoniza metadatos, filtra picos y aplica el mismo preprocesado a espectros de consulta y referencia
  • Calcula similitud espectral con CosineGreedy, ModifiedCosine, NeutralLossesCosine, FlashSimilarity, entre otros
  • Genera matrices de puntuación, extrae los mejores hits y construye redes de similitud molecular
  • Incluye un script de búsqueda en librería reproducible (library_search.py) con salida CSV

Úsalo cuando

  • Buscar en una librería de espectros MS/MS y puntuar consultas frente a referencias
  • Armonizar metadatos, aductos/precursores y filtrar picos de espectros de masas
  • Elegir y aplicar un método de puntuación espectral (coseno, pérdida neutra, entropía)
  • Construir matrices de puntuación estructuradas o redes espectrales

No lo uses cuando

  • Para detección de features LC-MS, alineación cromatográfica o cuantificación de proteínas — usa pyopenms
  • Para convertir archivos raw de instrumentos — conviértelos primero a mzML/mzXML

Qué lo activa

Di cualquiera de estas frases y el agente debería cargar este skill.

  • Busca estos espectros de consulta contra mi librería MSP
  • Calcula la similitud coseno modificada entre estos espectros
  • Construye una red de similitud molecular con estos espectros MS/MS
  • Filtra estos espectros por número mínimo de picos

SKILL.md

En inglés

Matchms

Purpose and Scope

Matchms is a Python package for importing, cleaning, processing, and comparing tandem mass spectra. This skill targets matchms 0.33.1, released 2026-06-08, and corrects several breaking API changes that older tutorials do not reflect.

Use matchms for:

  • MS/MS library search and query-versus-reference scoring
  • Metadata harmonization, adduct/precursor handling, and peak filtering
  • Cosine, modified-cosine, neutral-loss, approximate, and entropy scoring
  • Structured score matrices, top-hit extraction, and spectral networks
  • MGF, MSP, mzML, mzXML, JSON, mzSpecLib, and metabolomics-USI workflows

Do not use matchms as a replacement for:

  • LC-MS feature detection, chromatographic alignment, peptide identification, or protein quantification — use pyopenms
  • Vendor raw-file conversion — convert to mzML/mzXML first
  • A validated compound-identification protocol — similarity is evidence, not proof of identity

Install the Verified Release

Create or activate an environment, then install the release used by this skill:

uv pip install "matchms==0.33.1"

Verify the runtime:

uv run python -c "import matchms; print(matchms.__version__)"

Matchms 0.33.1 supports Python 3.10-3.14 and installs RDKit as a regular dependency. The old matchms[chemistry] extra is not part of the current package metadata.

Operating Workflow

  1. Inspect the inputs. Record format, spectrum count, MS level, precursor coverage, ion mode, peak counts, and identifier fields.
  2. Load with metadata harmonization enabled unless preserving source keys is a deliberate requirement.
  3. Apply the same peak-processing steps to query and reference spectra. Keep metadata enrichment separate when reference annotations are richer.
  4. Drop invalid spectra explicitly. Many require_* filters return None.
  5. Choose the score from the scientific question, not from convenience. Modified and neutral-loss scores require valid precursor_mz.
  6. Estimate len(references) * len(queries) before scoring. A sparse result container does not automatically avoid computing every requested pair.
  7. Report score settings and evidence. Include tolerance, preprocessing, score name, number of matched peaks when available, and candidate metadata.
  8. Validate top hits visually and chemically. Use mirror plots, precursor agreement, ion/adduct compatibility, and orthogonal evidence.

Current API Guardrails

These points prevent the most common failures from pre-0.33 examples:

  • Use ModifiedCosineGreedy or ModifiedCosineHungarian; ModifiedCosine was removed in 0.32.0.
  • Do not call add_losses(). It was removed in 0.27.0; use spectrum.losses, spectrum.compute_losses(...), or NeutralLossesCosine directly.
  • SpectrumProcessor is not callable. Use process_spectrum() or process_spectra().
  • process_spectra() returns (processed_spectra, processing_report).
  • Scores.scores is a StackedSparseArray, often with separate structured fields such as CosineGreedy_score and CosineGreedy_matches.
  • scores_by_query() returns (reference_spectrum, score_record) pairs, not reference indices.
  • Prefer spectra in parameter names. The legacy spelling spectrums is deprecated.
  • Never load pickle files from an untrusted source; unpickling can execute code.

See references/migration.md for a complete old-to-current mapping.

Quick Start: Clean and Search a Library

from matchms import SpectrumProcessor, calculate_scores
from matchms.filtering import (
    default_filters,
    normalize_intensities,
    require_minimum_number_of_peaks,
    select_by_relative_intensity,
)
from matchms.importing import load_spectra
from matchms.similarity import ModifiedCosineGreedy


def load_and_process(path):
    spectra = [default_filters(spectrum) for spectrum in load_spectra(path)]
    processor = SpectrumProcessor(
        [
            normalize_intensities,
            (select_by_relative_intensity, {"intensity_from": 0.01}),
            (require_minimum_number_of_peaks, {"n_required": 5}),
        ]
    )
    processed, _ = processor.process_spectra(
        spectra,
        progress_bar=False,
        create_report=False,
    )
    return processed


references = load_and_process("library.msp")
queries = load_and_process("queries.mgf")

metric = ModifiedCosineGreedy(tolerance=0.02)
scores = calculate_scores(
    references=references,
    queries=queries,
    similarity_function=metric,
)

score_name = "ModifiedCosineGreedy_score"
matches_name = "ModifiedCosineGreedy_matches"
for query in queries:
    ranked = scores.scores_by_query(query, name=score_name, sort=True)
    for reference, values in ranked[:5]:
        print(
            query.get("spectrum_id", query.get("id")),
            reference.get("compound_name", reference.get("spectrum_id")),
            float(values[score_name]),
            int(values[matches_name]),
        )

SpectrumProcessor automatically orders built-in filters according to matchms's filter order. The aggregate default_filters callable is not in that registry, so run it first as above or expand its nine component filters. Inspect processor.processing_steps and preserve it with results.

Pair Scoring

Similarity classes expose pair() for one reference/query pair. Cosine-family results are structured NumPy scalars:

from matchms.similarity import CosineGreedy

result = CosineGreedy(tolerance=0.02).pair(reference, query)
similarity = float(result["score"])
matched_peaks = int(result["matches"])

Use calculate_scores() for matrix-oriented methods such as FlashSimilarity; its single-pair path is supported but intentionally not the optimized path.

Choose a Similarity Method

  • CosineGreedy — standard peak cosine with greedy peak assignment.
  • CosineHungarian — exact assignment; slower, useful for benchmarks.
  • CosineLinear — current linear-scaling cosine implementation.
  • ModifiedCosineGreedy — permits precursor-delta-shifted matches; common for analog search.
  • ModifiedCosineHungarian — exact modified-cosine assignment.
  • NeutralLossesCosine — compares losses computed from precursor and fragments.
  • BlinkCosine — fast BLINK-style cosine approximation for larger matrices.
  • FlashSimilarity — optimized matrix scoring using spectral entropy or cosine with fragment, neutral-loss, or hybrid matching.
  • BinnedEmbeddingSimilarity — binned spectral vectors and optional approximate nearest-neighbor indexing.
  • PrecursorMzMatch, ParentMassMatch, MetadataMatch — candidate masks or metadata constraints, not rich spectral scores.
  • FingerprintSimilarity — molecular-structure similarity; it is not spectral similarity and requires fingerprints prepared from valid structures.

Read references/similarity.md before choosing a fast method, combining scores, or interpreting structured outputs.

Large Comparisons

For all-vs-all scoring of one collection, set is_symmetric=True:

scores = calculate_scores(
    references=spectra,
    queries=spectra,
    similarity_function=CosineGreedy(tolerance=0.02),
    array_type="sparse",
    is_symmetric=True,
)

For a precursor-gated search, compute and filter PrecursorMzMatch first, then calculate the spectral metric only on retained coordinates through Pipeline or Scores.calculate(...). See references/workflows.md.

Do not choose a universal "identification threshold." Score distributions depend on preprocessing, mass accuracy, collision conditions, library quality, and metric. At minimum, retain both score and matched-peak count for cosine-family methods.

Bundled Library-Search CLI

scripts/library_search.py provides a reproducible query-versus-library search with current score extraction, pair-count limits, preprocessing, and CSV output:

uv run python scripts/library_search.py \
  queries.mgf library.msp hits.csv \
  --metric modified \
  --tolerance 0.02 \
  --top-k 10 \
  --min-score 0.6 \
  --min-matches 5

Run --help for fast metrics, preprocessing options, identifier fields, overwrite control, and the explicit large-matrix override.

Spectrum Objects and Visualization

import numpy as np
from matchms import Spectrum

spectrum = Spectrum(
    mz=np.array([100.0, 150.0, 200.0]),
    intensities=np.array([0.2, 1.0, 0.4]),
    metadata={"spectrum_id": "query-1", "precursor_mz": 250.5},
)

print(spectrum.peaks.mz)
print(spectrum.get("precursor_mz"))
losses = spectrum.compute_losses(loss_mz_from=5.0, loss_mz_to=200.0)
spectrum.plot()
spectrum.plot_against(reference_spectrum)

References

Read only the reference needed for the task:

  • references/importing_exporting.md — formats, return types, generic I/O, mzSpecLib, score serialization, and pickle safety
  • references/filtering.md — current filter catalog, clone/None semantics, default filters, ordering, and SpectrumProcessor
  • references/similarity.md — all current similarity classes, outputs, candidate masking, performance, and interpretation
  • references/workflows.md — library search, sparse gating, Pipeline, networks, plotting, and provenance
  • references/migration.md — breaking changes and deprecated APIs
  • references/sources.md — authoritative docs, release notes, user guides, and scientific publications used for this refresh

Non-Negotiable Checks

  • Never compare raw queries against differently processed references.
  • Never use modified or neutral-loss scoring without valid precursor metadata.
  • Never assume a Scores value is a plain float; inspect score_names.
  • Never treat a high similarity score alone as confirmed identification.
  • Never deserialize untrusted pickle data.
  • Never launch an unbounded all-pairs comparison without estimating pair count.

Reproducido de K-Dense-AI/scientific-agent-skills bajo licencia Apache-2.0. Leer esta página en markdown.

Archivos

8 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

Antes de instalar

Necesita Python >=3.10,<3.15 y matchms 0.33.1; cargar espectros desde metabolomics-USI requiere acceso a red.

Detalles

Creador
K-Dense-AI
Licencia
Apache-2.0
Recursos incluidos
scripts en python + referencias
Código fuente
Ver SKILL.md

Etiquetas

Más de K-Dense-AI/scientific-agent-skills

Este repo incluye 163 skills. Si instalas uno, normalmente ya tienes los demás.

Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.

Costo de contexto al activarse
3.7k tok
Tamaño del paquete
21 archivos
Última actualización
hace 28 días
investigacion

Realiza revisiones bibliográficas sistemáticas y completas usando varias bases académicas (PubMed, arXiv, bioRxiv, Semantic Scholar). Genera markdown y PDF con citas verificadas en varios estilos (APA, Nature, Vancouver).

Costo de contexto al activarse
3.2k tok
Tamaño del paquete
12 archivos
Última actualización
hace 15 días
investigacion

Crea decks de diapositivas y presentaciones para charlas de investigación: PowerPoint, presentaciones de conferencia, seminarios, defensas de tesis. Da estructura, plantillas, guía de tiempos y validación visual.

Costo de contexto al activarse
5.1k tok
Tamaño del paquete
24 archivos
Última actualización
hace 15 días
documentos

Crea infografías profesionales con Nano Banana Pro AI y refinamiento iterativo inteligente. Usa Gemini 3.6 Flash para revisar la calidad e integra investigación con Perplexity Sonar. Soporta 10 tipos, 8 estilos y paletas para daltonismo.

Costo de contexto al activarse
2.7k tok
Tamaño del paquete
8 archivos
Última actualización
hace 15 días
diseno ui

Crea pósteres de investigación profesionales en LaTeX con beamerposter, tikzposter o baposter, para conferencias y comunicación científica: layout, colores, columnas múltiples e integración de figuras.

Costo de contexto al activarse
3.9k tok
Tamaño del paquete
17 archivos
Última actualización
hace 15 días
documentos

Crea diagramas científicos de calidad de publicación con la IA Nano Banana 2 y refinamiento iterativo inteligente. Gemini 3.6 Flash revisa la calidad y solo regenera si está por debajo del umbral de tu tipo de documento.

Costo de contexto al activarse
4.1k tok
Tamaño del paquete
6 archivos
Última actualización
hace 15 días
diseno ui

Skills relacionados

Aeon

34.8k

Para tareas de machine learning con series temporales: clasificación, regresión, clustering, forecasting, detección de anomalías, segmentación y búsqueda de similitud, con APIs compatibles con scikit-learn.

Costo de contexto al activarse
3.1k tok
Tamaño del paquete
12 archivos
Última actualización
el mes pasado
datos analitica

Anndata

34.8k

Estructura de datos para matrices anotadas en análisis de célula única. Úsala con archivos .h5ad o el ecosistema scverse; para análisis usa scanpy, para modelos probabilísticos scvi-tools, para escala poblacional cellxgene-census.

Costo de contexto al activarse
3k tok
Tamaño del paquete
6 archivos
Última actualización
el mes pasado
datos analitica

Infiere redes de regulación génica (GRN) a partir de datos de expresión génica con algoritmos escalables (GRNBoost2, GENIE3), para transcriptómica bulk o de célula única, con computación distribuida.

Costo de contexto al activarse
2.1k tok
Tamaño del paquete
5 archivos
Última actualización
el mes pasado
datos analitica