nmrglue
Ajuda seu agente a processar dados de ressonância magnética nuclear (RMN) para obter espectros claros. É útil para químicos e cientistas que analisam estruturas moleculares.
O que ela faz
Esta ferramenta processa dados brutos de ressonância magnética nuclear (RMN) 1D para gerar espectros mais claros, identificar picos e calcular áreas de integração. Ela ajuda a verificar e ajustar o eixo de frequência (ppm), aplicar filtros e corrigir a linha de base.
Quando usar
- ✓Quando você tem dados brutos de RMN 1D e quer transformá-los em um espectro utilizável.
- ✓Para ajustar a fase e a linha de base de um espectro de RMN.
- ✓Para obter valores precisos da área de picos em um espectro de RMN.
Exemplo do que pedir para a IA
“Por favor, processe este arquivo de dados de RMN 1D (fid.npz) usando estas configurações (processing.json) e salve o resultado como 'meu_espectro'.”
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 lê seus dados brutos de RMN e um arquivo de configuração com seus parâmetros. Ela aplica transformações matemáticas, como a transformada de Fourier, e ajustes para melhorar a qualidade do espectro e extrair informações como picos e áreas.
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 nmrglueOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/nmrglue/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
nmrglue: processamento de FID 1D calibrado
Quando usar
Use para um FID 1D complexo amostrado uniformemente, cujos parâmetros de aquisição e convenção de frequência complexa estão disponíveis. O auxiliar produz um espectro em ppm decrescente, candidatos a picos positivos, integrais de região assinadas e um relatório de processamento reproduzível. Ele não identifica compostos nem atribui ressonâncias.
O executável aceita um NumPy .npz contendo exatamente um array complexo fid ou um arquivo NMRPipe canônico 1D de domínio de tempo complexo. A leitura de NMRPipe é testada com um ciclo de gravação/leitura sintético, recuperação de espectro conhecido e um pequeno arquivo binário gerado pelo NMRPipe. Importações experimentais de Bruker, Varian e JEOL não são verificadas por esta suíte. Para esses formatos, inspecione primeiro o leitor nmrglue relevante e os metadados de aquisição. Abrir um arquivo convertido não valida a decodificação da aquisição original.
Leia references/acquisition-and-validation.md para limites de conversão, calibração de eixo e limites quantitativos.
Fluxo de trabalho
- Preserve o FID bruto. Estabeleça a largura espectral em Hz, a frequência de observação positiva em MHz, o carrier em ppm, o núcleo observado e a convenção de sinal a partir da aquisição ou de uma referência conhecida. Determine se a remoção do filtro digital/atraso de grupo já ocorreu. Não infira isso do comprimento do array ou de padrões típicos do instrumento.
- Copie assets/processing.json e substitua seus valores de exemplo sintéticos pelos parâmetros medidos e escolhas de processamento explícitas. Seu sinal
-isignifica que uma ressonância com offsetf = (ppm - carrier_ppm) * observation_mhztem dependência temporalexp(-2*pi*i*f*t). Selecione+iapenas para a convenção oposta; o auxiliar o conjuga antes do processamento. Valide com um pico de referência conhecido. - Escolha um alargamento de linha exponencial não negativo (Hz), um tamanho par com preenchimento de zero pelo menos tão grande quanto o FID adquirido, escalonamento do primeiro ponto e ângulos de fase.
O preenchimento de zero melhora a interpolação, não a resolução espectral adquirida.
O escalonamento do primeiro ponto
0.5é adequado para o exemplo sintético causal fornecido; a aquisição e o pré-processamento anterior podem exigir outro valor. - Execute o auxiliar, inspecione os espectros real e imaginário e revise a fase manual, se necessário.
phase0_deg + phase1_deg * index / zero_fill_pointsé aplicado após a FT; o índice zero é a borda de ppm mais alta. Não há pivô implícito nem estimativa de fase automática. - Ajuste uma linha de base linear apenas quando regiões de ppm explicitamente fornecidas forem livres de sinal.
Defina
baselineparalineare adicionebaseline_regions_ppmcontendo pelo menos duas regiões. Inspecione os resíduos e picos largos; o ajuste através de sinais enviesa os integrais. - Compare as posições dos picos com referências, inspecione os candidatos a picos em busca de artefatos e integre as regiões especificadas. Relate picos sobrepostos como sobrepostos. Preserve áreas negativas como evidência diagnóstica de problemas de fase/linha de base em vez de usar valores absolutos.
Executar
Testado com Python 3.12, nmrglue 0.12, NumPy 2.5.3 e SciPy 1.18.1:
uv run --no-project --python 3.12 --with nmrglue==0.12 --with numpy==2.5.3 --with scipy==1.18.1 \
python skills/nmrglue/scripts/process_1d.py fid.npz processing.json nmr-result
Os caminhos assumem a raiz da coleção. Ajuste-os quando instalados em outro lugar. O diretório de saída deve ser novo, para que o processamento repetido mantenha os resultados anteriores revisáveis.
Para um FID NMRPipe 1D existente, adicione --input-format nmrpipe e forneça seu caminho no lugar de fid.npz. O auxiliar requer a dimensão direta FDF2 canônica, quadratura complexa, um sinalizador de domínio de tempo e acordo entre o cabeçalho e a largura espectral, frequência de observação e carrier do JSON. As configurações do JSON permanecem explícitas; uma incompatibilidade falha em vez de recalibrar silenciosamente. FDF2TDSIZE deve ser igual à contagem de pontos complexos armazenada, e FDF2CENTER / FDF2ORIG devem descrever um eixo centrado canônico. Arquivos previamente preenchidos com zero, truncados ou recentralizados precisam de um fluxo de trabalho separado ciente da aquisição. O sinal do núcleo/complexo e as correções anteriores do filtro digital ainda precisam de evidências de aquisição. Um sinalizador de domínio de tempo sozinho não estabelece um FID não processado.
Este exemplo sintético executável corresponde às configurações fornecidas, gera ressonâncias em 3 e 7 ppm em uma proporção de amplitude de 1:2 e não representa uma amostra experimental:
import numpy as np
t = np.arange(8192) / 4000.0
fid = sum(a * np.exp(-np.pi * 2.0 * t)
…
Perguntas frequentes
Esta ferramenta identifica compostos químicos?
Não, esta ferramenta não identifica compostos. Ela processa os dados brutos para que você possa analisá-los e interpretá-los.
Posso usar esta ferramenta com dados de RMN 2D ou 3D?
Não, esta ferramenta é especificamente para dados de RMN 1D.
O que são 'ppm' e 'FID'?
PPM (partes por milhão) é uma unidade usada para descrever a posição dos sinais em um espectro de RMN. FID (Free Induction Decay) é o sinal bruto medido pelo instrumento de RMN antes do processamento.
Detalhes
Descrição original do autor
Processes calibrated one-dimensional complex NMR free-induction decays with nmrglue into phased spectra, peak candidates, and signed integration regions. Use for raw 1D NMR processing, ppm-axis verification, apodization, Fourier transformation, manual phasing, baseline correction, or reproducible spectral integration.
Popularidade
- Estrelas no GitHub
- 51 mil
- Posição no ranking
- #1915
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
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.
K-Dense-AI/scientific-agent-skills
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
Skills parecidas
data-throughput-accelerator
Faz seu agente acelerar a movimentação de grandes volumes de dados. Ele encontra gargalos e garante que os dados sejam transferidos de forma rápida e correta.
affaan-m/ECC
inventory-demand-planning
Ajuda seu agente a prever a demanda de produtos em lojas. Ele otimiza o estoque e planeja quando fazer promoções para vender mais.
affaan-m/ECC
market-research
Ajuda seu agente a realizar pesquisas de mercado e análises competitivas. Fornece resumos com atribuição de fontes.
affaan-m/ECC