13c-metabolic-flux
Estima fluxos metabólicos usando dados de rastreamento de isótopos de carbono-13. É útil para analisar o metabolismo celular e vias bioquímicas.
O que ela faz
Esta ferramenta estima o fluxo de substâncias químicas dentro de células vivas. Ela usa dados de experimentos com carbono-13 para entender como as moléculas se movem e se transformam.
Quando usar
- ✓Para entender como as células produzem energia.
- ✓Para rastrear o caminho de nutrientes em processos biológicos.
- ✓Para estudar o metabolismo de microrganismos.
Exemplo do que pedir para a IA
“Analise os dados de rastreamento de carbono-13 para estimar os fluxos metabólicos na minha amostra.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta compara os resultados esperados de um modelo de como as células funcionam com os dados reais do experimento. Ela ajusta os fluxos até que o modelo se encaixe nos dados, fornecendo uma estimativa de como as substâncias se movem.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add K-Dense-AI/scientific-agent-skills --skill 13c-metabolic-fluxOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/13c-metabolic-flux/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Inferência de fluxo metabólico com Carbono-13
Transforme mapas de carbono revisados, misturas explícitas de traçadores e medições de marcação corrigidas em estimativas de fluxo viáveis e evidências sobre quais fluxos o experimento restringe. Use o solver agrupado em vez de reconstruir balanços de isótopos ou ajustar cada reação independentemente. Ele executa o simulador direto EMU do mfapy e ajusta os fluxos no espaço viável com balanço de massa usando SciPy. Ele não usa um objetivo FBA.
Escopo e evidências necessárias
Esta implementação suporta estado metabólico e isotópico em estado estacionário, um único estado de fluxo compartilhado entre um ou mais experimentos com traçadores, fluxos de reação unidirecionais não negativos e distribuições de massa de subconjuntos de carbono. Reações reversíveis são duas direções mapeadas separadamente. O erro de medição é Gaussiano com uma covariância fornecida ou uma aproximação diagonal divulgada.
Antes do ajuste, obtenha:
- A rede de carbono e a origem de cada atribuição de átomo. A estequiometria sozinha não especifica para onde os átomos marcados vão. Registre compartimentos como IDs de metabólitos separados.
- Evidências para ambas as suposições de estado estacionário. Abundância de metabólito estável não estabelece estado isotópico estacionário. Marcação em série temporal requer INST-MFA com tamanhos de pool e marcação inicial; não o medie neste solver.
- A distribuição isotopomérica posicional de cada entrada de carbono, incluindo suplementos não marcados, bicarbonato/CO2 quando assimilados e impureza do traçador.
- Atribuições de fragmentos de carbono, histórico de correção de abundância natural e incerteza do média reportada. Intensidades de pico brutas, espectros derivados e transições MS/MS requerem pré-processamento validado antes que essas entradas possam ser construídas.
- Unidades de fluxo, medições de taxa extracelular ou uma referência de fluxo relativo declarada, e limites biologicamente justificados. Frações de marcação sozinhas não podem definir uma taxa absoluta.
Se a informação necessária estiver faltando, nomeie-a e prepare o modelo de entrada; não invente uma atribuição de fragmento, mapa de átomos, correção de isótopos ou erro de medição. Leia references/input-contract.md ao preparar as entradas. Leia references/inference.md antes de interpretar um ajuste real.
Instale o motor testado
Execute no diretório de análise do usuário. Defina SKILL_DIR para o diretório instalado desta habilidade,
usando o caminho resolvido real. Mantenha ambientes e resultados gerados fora da habilidade.
uv venv --python 3.12 .venv-mfa
uv pip install --python .venv-mfa/bin/python -r "$SKILL_DIR/assets/requirements.txt"
Os seguintes comandos usam .venv-mfa/bin/python; no Windows, use o ambiente
Scripts/python.exe. O mfapy é instalado a partir de uma revisão Git imutável porque não é
distribuído no PyPI. A instalação executa o código de compilação de dependências; as entradas do modelo
são dados, não Python fornecido pelo usuário. O adaptador restringe identificadores e sintaxe de mapa de átomos
antes que eles cheguem às funções numéricas geradas internamente do mfapy.
O commit fixado corresponde ao upstream master em 30/09/2026. Seu README rotula a
última alteração "064", mas sua distribuição instalada ainda relata 0.6.3; mantenha
o commit Git ao lado da versão do pacote em um registro de análise. Os pinos atualizados
de NumPy/SciPy requerem Python 3.12 ou posterior; os comandos acima usam o ambiente testado 3.12.
Veja o contrato do modelo direto revisado em references/inference.md.
Fluxo de trabalho
Prepare as entradas explícitas. Copie um ativo de modelo relevante para o diretório de análise, então substitua seu conteúdo científico apenas por evidências revisadas. Os modelos agrupados são demonstrações, não reconstruções validadas específicas de organismos. Use um conjunto de dados separado para cada condição biológica; ajuste conjuntamente réplicas de traçadores apenas quando seu estado de fluxo biológico for defensivamente compartilhado.
Verifique o contrato e a viabilidade.
.venv-mfa/bin/python "$SKILL_DIR/scripts/mfa.py" check \ --model model.json --data measurements.json --output input-check.jsonIsso verifica contagens de átomos e conservação, fragmentos, somas de traçadores, matrizes de incerteza,
limites e viabilidade de balanço de massa em estado estacionário. Não pode verificar se um mapa de átomos quimicamente consistente é biologicamente correto ou se uma amostra atingiu o estado estacionário. 3. Execute o modelo direto. Forneça um vetor de fluxo com balanço de massa nas unidades declaradas. Compare a marcação prevista com uma referência ou limites derivados independentemente.
…
Perguntas frequentes
O que são 'fluxos metabólicos'?
São as taxas nas quais as substâncias químicas se movem e se transformam dentro de uma célula ou organismo.
O que é 'carbono-13'?
É uma versão um pouco mais pesada do elemento carbono, usada como um marcador em experimentos para rastrear o caminho de moléculas.
Preciso saber programar para usar isso?
Não, esta ferramenta é projetada para cientistas que podem não ser programadores. Você precisará fornecer dados científicos específicos no formato correto.
Detalhes
Descrição original do autor
Estimates intracellular metabolic fluxes from steady-state carbon-13 isotope-tracing measurements using validated atom maps, mfapy isotope simulation, constrained multistart fitting, and flux-profile diagnostics. Use for 13C-MFA, carbon tracing, mass isotopomer distributions (MDVs/MIDs), positional isotopomers, parallel tracer experiments, and determining whether labeling data constrain a pathway
Popularidade
- Estrelas no GitHub
- 51 mil
- Posição no ranking
- #1827
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
adaptyv
Projeta experimentos de caracterização de proteínas usando a API Adaptyv. Ele ajuda a estimar custos, enviar sequências e monitorar resultados de laboratório.
K-Dense-AI/scientific-agent-skills
aeon
Realiza tarefas de aprendizado de máquina em séries temporais. É útil para classificar, prever, detectar anomalias e encontrar padrões em dados sequenciais.
K-Dense-AI/scientific-agent-skills
alphagenome
Consulta efeitos genômicos pré-calculados para variantes genéticas. Ele fornece pontuações e explicações para entender o impacto das variantes no genoma.
K-Dense-AI/scientific-agent-skills
analytical-method-validation
Ajuda seu agente a validar métodos de análise científica. Isso garante que os testes e resultados sejam confiáveis e precisos para uso em laboratórios.
K-Dense-AI/scientific-agent-skills
Skills parecidas
agent-architecture-audit
Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.
affaan-m/ECC
agent-eval
Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.
affaan-m/ECC
agent-harness-construction
Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.
affaan-m/ECC