Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
 
← Về danh sách

Phân tích dòng trao đổi chất 13C (13C-MFA)

Ước lượng dòng trao đổi chất nội bào từ dữ liệu đánh dấu đồng vị carbon-13 ở trạng thái dừng, kèm chẩn đoán xem dòng nào thực sự được dữ liệu xác định.

Dữ liệu · Phân tíchNâng cao★ 47,481⑂ 4,292Điểm AI 8/10Cập nhật lần cuối: 1 thg 10, 2026

Nó làm được gì

  • Nhận atom map đã được kiểm duyệt, thành phần tracer và phân bố isotopomer khối lượng (MDV/MID) đã hiệu chỉnh, rồi mô phỏng tín hiệu đánh dấu bằng bộ mô phỏng EMU của mfapy.
  • Khớp dòng (flux) bằng SciPy trong không gian khả thi cân bằng khối lượng với multistart; không dùng hàm mục tiêu FBA nên khác hẳn phân tích cân bằng dòng kiểu COBRA.
  • Cung cấp CLI ba bước: check (kiểm tra hợp đồng đầu vào, bảo toàn carbon, tính khả thi trạng thái dừng), simulate (kiểm tra mô hình tiến), fit (khớp + profile likelihood).
  • Điểm mạnh nhất là chẩn đoán khả năng nhận dạng: báo khoảng tin cậy một chiều cho từng dòng, số lần khởi động thất bại, hạng độ nhạy cục bộ, và nêu rõ tổ hợp dòng mà dữ liệu không ràng buộc.
  • Tuyên bố rõ phạm vi: không hỗ trợ INST-MFA (dữ liệu theo thời gian), phân bố MS/MS kết hợp, hiệu chỉnh đa nguyên tố, hiệu ứng đồng vị lên tốc độ phản ứng.

Dành cho ai

  • Nhà nghiên cứu kỹ thuật trao đổi chất, sinh học hệ thống làm thí nghiệm truy vết carbon-13.
  • Người cần định lượng tỉ lệ phân nhánh đường chuyển hóa từ dữ liệu GC-MS/LC-MS.
  • Người phản biện/tái lập công bố, cần kiểm tra "dữ liệu đánh dấu này có thật sự xác định dòng đó không".
  • Không phù hợp nếu bạn chỉ muốn chạy FBA trên mô hình quy mô bộ gen mà không có dữ liệu đồng vị.

Ví dụ sử dụng

  1. Định lượng phân nhánh: với mô hình hai tuyến, nguồn carbon đánh dấu C1 80% và fragment C1 có M+1 = 0.56 cho ra tỉ lệ 70/30; --profile straight cho khoảng 95% khoảng 67.55–72.45.
  2. Phát hiện phép đo vô dụng: nếu chỉ có phân bố khối lượng toàn phân tử, hai tuyến không phân biệt được — kết quả trả về hạng cục bộ 0 và trạng thái unresolved_within_bounds.
  3. Tái lập mạng TCA đã công bố: mô phỏng lại MDV glutamate [0.3464, 0.2695, ...] và khớp dòng nhánh glutamate gần 50, đồng thời chỉ ra trao đổi fumarate/oxaloacetate không được dữ liệu xác định.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/13c-metabolic-flux/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/13c-metabolic-flux từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/13c-metabolic-flux/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/13c-metabolic-flux ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal và clone repo: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  2. Sao chép skill vào thư mục skill của Claude Code: mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/13c-metabolic-flux ~/.claude/skills/
  3. Kiểm tra bạn đã có Python 3.12, uv và Git (uv --version, python3.12 --version).
  4. Chuyển sang thư mục phân tích riêng (ngoài thư mục skill) và tạo môi trường ảo: uv venv --python 3.12 .venv-mfa
  5. Cài các phụ thuộc đã ghim phiên bản: uv pip install --python .venv-mfa/bin/python -r ~/.claude/skills/13c-metabolic-flux/assets/requirements.txt (mfapy được cài từ một commit Git cụ thể nên cần mạng; trên Windows dùng .venv-mfa/Scripts/python.exe).
  6. Chạy ví dụ kèm theo để xác nhận: .venv-mfa/bin/python ~/.claude/skills/13c-metabolic-flux/scripts/mfa.py fit --model ~/.claude/skills/13c-metabolic-flux/assets/branch-model.json --data ~/.claude/skills/13c-metabolic-flux/assets/branch-identifiable.json --profile straight --output branch-fit.json
  7. Khởi động lại Claude Code và yêu cầu ví dụ: "Dùng 13C-MFA ước lượng flux từ dữ liệu đánh dấu của tôi".
Xem mã nguồn trên GitHub ↗Giấy phép: MIT