К основному содержанию
скилл CX Codex

tooluniverse-enzyme-kinetics — скилл для Claude Code

Скилл tooluniverse-enzyme-kinetics рассчитывает параметры ферментативной кинетики Михаэлиса — Ментен по экспериментальным точкам и определяет тип ингибирования.

Apache-2.0 128 установок ★ 1 798 обновлён 2026-10-24

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add mims-harvard/ToolUniverse --skill tooluniverse-enzyme-kinetics -a claude-code
Открыть на GitHub

Что делает tooluniverse-enzyme-kinetics

Скилл подбирает параметры уравнения Михаэлиса — Ментен методом нелинейной регрессии. На входе нужны начальные скорости реакции и концентрации субстрата. Инструмент выдаёт константу Михаэлиса Km, максимальную скорость Vmax, показатели качества аппроксимации R² и SSE, а также график Лайнуивера — Берка для визуальной проверки.

Для расчёта истинного числа оборотов kcat и каталитической эффективности kcat/Km требуется отдельно задать молярную концентрацию фермента. В репозитории есть готовый скрипт scripts/fit_michaelis_menten.py, который читает CSV-файл и проводит этот пересчёт. Если переданы серии опытов с ингибитором и без него, скилл вычисляет константу Ki и классифицирует механизм: конкурентный, неконкурентный или бесконкурентный.

Модель строго рассчитана на начальные скорости односубстратной реакции. Если фермент проявляет аллостерию или субстратное ингибирование, классическое уравнение даст систематическую ошибку в остатках.

Какие задачи решает

  • рассчитать параметры Km и Vmax методом нелинейной регрессии
  • определить константу ингибирования Ki и тип ингибитора
  • пересчитать максимальную скорость реакции в число оборотов kcat
  • найти опубликованные константы реакций в базе данных SABIO-RK

Примеры запросов агенту

  • Рассчитай константы Михаэлиса и максимальную скорость по моим концентрациям субстрата и начальным скоростям.
  • Определи механизм действия ингибитора и вычисли константу Ki по двум сериям скоростей реакции.
  • Запусти скрипт scripts/fit_michaelis_menten.py для замеров в таблице и переведи Vmax в kcat с учётом молярности фермента.

Как установить tooluniverse-enzyme-kinetics

1Через Skills CLI (Vercel)

npx skills add mims-harvard/ToolUniverse --skill tooluniverse-enzyme-kinetics -a claude-code

2Вручную: положить файлы

~/.claude/skills/tooluniverse-enzyme-kinetics/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/tooluniverse-enzyme-kinetics/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о tooluniverse-enzyme-kinetics

Как установить tooluniverse-enzyme-kinetics в Claude Code?

Выполните команду npx skills add mims-harvard/ToolUniverse --skill tooluniverse-enzyme-kinetics -a claude-code. Файл навыка сохранится в каталоге ~/.claude/skills/tooluniverse-enzyme-kinetics/SKILL.md.

Зачем нужен tooluniverse-enzyme-kinetics?

Он помогает биохимикам автоматизировать нелинейную аппроксимацию кинетических кривых, рассчитать константы сродства и выявить механизм связывания ингибиторов.

Почему скилл рекомендует нелинейную регрессию вместо графика Лайнуивера — Берка?

Двойной обратный график Лайнуивера — Берка искажает погрешности эксперимента и завышает вес точек с низкой концентрацией. Скилл строит его только для наглядности, а кинетические константы берёт из нелинейной подгонки.

Исходный текст

SKILL.md · Apache-2.0
---
name: tooluniverse-enzyme-kinetics
description: Enzyme kinetics — Michaelis-Menten Km, Vmax, kcat (turnover), and kcat/Km (catalytic efficiency / specificity constant) from substrate-velocity data, plus inhibition-mechanism analysis (competitive / uncompetitive / non-competitive, Ki). Fits the MM equation by nonlinear regression (and reports Lineweaver-Burk for reference). Use when you have substrate concentrations and initial reaction velocities and need kinetic parameters or to classify an inhibitor. NOT for BRENDA database lookups of published constants (use the BRENDA tools).
disable-model-invocation: true
---

# Enzyme Kinetics (Michaelis-Menten)

Turn **substrate concentration vs initial velocity** data into Km, Vmax, kcat, and catalytic efficiency — and classify an inhibitor's mechanism.

The Michaelis-Menten model: `v = Vmax·[S] / (Km + [S])`.

## When to use this

- You measured initial reaction rates at several substrate concentrations.
- You need Km (substrate affinity), Vmax, kcat (turnover number), or kcat/Km.
- You have ±inhibitor velocity data and want to classify the inhibition mode + Ki.

For *published* kinetic constants (someone else's Km/kcat), use the BRENDA tools or `SABIO_RK_search_reactions` instead — this skill is for analyzing **your own measured** data.

### Looking up published constants instead of fitting your own (SABIO-RK)

`SABIO_RK_search_reactions` searches >200,000 literature-curated kinetic entries (Km, kcat, Vmax, Ki) by EC number, enzyme name, substrate, organism, or product — no authentication required. A second source alongside BRENDA; check both if a value seems off, since coverage and curation differ.

```
tu run SABIO_RK_search_reactions '{"ec_number":"1.1.1.1"}'
tu run SABIO_RK_search_reactions '{"enzyme_name":"hexokinase","organism":"Homo sapiens","limit":5}'
tu run SABIO_RK_search_reactions '{"substrate":"ethanol","limit":10}'
```

Verified live: EC 1.1.1.1 (alcohol dehydrogenase), hexokinase/Homo sapiens, and ethanol-substrate queries all return real `kinetic_laws` entries with `substrates`, `products`, `parameters`, `mechanism_type`, and `pubmed_id`. **Gotcha (verified live)**: a returned entry can list its `parameter_types` (e.g. `["concentration","Hill coefficient","S_half","Vmax"]`) while the actual `parameters` array is empty — the entry documents *which* kinetic parameters were characterized for that reaction, not necessarily their numeric values in every record; check `parameters` is non-empty before citing a specific number, and if empty, look at a different entry_id for the same reaction/organism.

## Step 1 — Prepare the data

| Issue | What to do |
|---|---|
| **Initial velocities, not endpoints** | `v` must be the *initial* rate (linear phase, <10% substrate consumed). Endpoint or plateaued rates give a wrong Km/Vmax. |
| **Substrate range must span Km** | Include `[S]` both well below and well above Km (ideally ~0.2×Km to ~5×Km). Points only above Km can't define Km; only below can't define Vmax. |
| **Units — be consistent** | One `[S]` unit (mM, µM) → Km comes back in that unit. One velocity unit. Keep them fixed. |
| **For kcat you need [E]** | kcat = Vmax / [E]total. The tool's "catalytic_efficiency" is Vmax/Km on the velocity scale; to get true kcat (per-second turnover) and kcat/Km, divide Vmax by the molar enzyme concentration yourself. |
| **≥5–7 points** | Few points → unstable fit. Spread them across the range, not clustered. |

## Step 2 — Fit Michaelis-Menten

```bash
tu run EnzymeKinetics_calculate '{"operation":"michaelis_menten",
  "substrate_concs":[0.1,0.25,0.5,1,2,5,10],
  "velocities":[8.5,18,32,52,72,90,98]}'
```

Returns a `nonlinear_fit` block (`Vmax`, `Km`, `R2`, `SSE`) **— use these as the answer**, a `lineweaver_burk` block (for reference only), `catalytic_efficiency` (Vmax/Km), and `predicted_velocities` + `residuals`.

> **Prefer the nonlinear fit, not Lineweaver-Burk.** The double-reciprocal (Lineweaver-Burk) linearization distorts error (it over-weights low-`[S]` points) and is only for visualization/sanity — never report its Km/Vmax as the final values. The tool gives both; cite `nonlinear_fit`.

`scripts/fit_michaelis_menten.py` does the same nonlinear fit from a CSV and converts Vmax→kcat→kcat/Km when you supply the enzyme concentration.

## Step 3 — Interpret

| Parameter | Meaning | Notes |
|---|---|---|
| **Km** | Substrate concentration at ½Vmax — *apparent affinity* (lower Km = tighter binding / higher affinity). | In the same units as `[S]`. Must lie inside your tested range to be trustworthy. |
| **Vmax** | Maximum velocity at saturating substrate. | Depends on [E]; not an intrinsic enzyme property. |
| **kcat** | Turnover number = Vmax/[E] (per second). | Requires the molar enzyme concentration; intrinsic to the enzyme. |
| **kcat/Km** | Catalytic efficiency / specificity constant. | The best single metric to compare enzymes or substrates; near ~10⁸–10⁹ M⁻¹s⁻¹ is diffusion-limited ("catalytically perfect"). |
| **R² / SSE** | Fit quality. | R²≥0.98 good; check `residuals` for systematic curvature (a pattern, not random scatter, means MM is the wrong model). |

## Step 4 — Inhibition mechanism

Provide velocities ±inhibitor to classify the mode:

```bash
tu run EnzymeKinetics_calculate '{"operation":"inhibition",
  "substrate_concs":[...],
  "velocities_no_inhibitor":[...],
  "velocities_with_inhibitor":[...],
  "inhibitor_conc":5, "inhibition_type":"competitive"}'
```

| Mechanism | Effect on apparent Km | Effect on Vmax | Signature |
|---|---|---|---|
| **Competitive** | ↑ (increases) | unchanged | inhibitor competes at the active site; beatable by more substrate |
| **Uncompetitive** | ↓ (decreases) | ↓ | inhibitor binds only the ES complex |
| **Non-competitive (mixed)** | ~unchanged (pure) / changes (mixed) | ↓ | binds enzyme and ES; not relieved by substrate |

Ki is the inhibition constant (lower = more potent inhibitor). Decide the mechanism from how Km and Vmax shift, not from a single Lineweaver-Burk eyeball.

## Step 5 — Gotchas (state these)

- **Substrate inhibition** (velocity rises then *falls* at high `[S]`) breaks MM — the fit will show systematic residuals; flag it instead of forcing one Km.
- **Km outside the tested range** → unreliable; widen `[S]`.
- **kcat without [E]** is impossible — don't report a turnover number if you only fit velocities.
- **Lineweaver-Burk for final numbers** is the classic error — it's for a quick plot, not the reported Km/Vmax.

## Honest limitations

- MM assumes a single substrate, initial-rate, steady-state, one active site. Allosteric (sigmoidal) enzymes need the Hill equation; multi-substrate enzymes need their own formalism.
- Parameters are only as good as the substrate range and the initial-rate measurement.

## Related skills
- `tooluniverse-dose-response` — IC50/EC50 (the Hill/4PL sibling for concentration-response).
- `tooluniverse-statistical-modeling` — general nonlinear regression and model comparison.
- BRENDA tools / `SABIO_RK_search_reactions` — look up *published* enzyme kinetic constants.

© mims-harvard · Apache-2.0 · mims-harvard/ToolUniverse

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
cantera K-Dense-AI Рассчитывает гомогенные реакторы в Cantera и определяет задержку воспламенения с проверкой баланса энергии. Моделирует кинетику горения идеального газа. CX Codex +1 465установок rhea-skill официальный OpenAI Отправляет точечные поисковые запросы к базе Rhea и возвращает краткие сводки биохимических реакций по их кодам или названиям веществ. CX Codex GP ChatGPT +1 14установок react18-enzyme-to-rtl официальный github Скилл react18-enzyme-to-rtl для GitHub Copilot переписывает тесты с Enzyme на React Testing Library при переходе на React 18. Заменяет shallow, mount и проверку стейта на поведенческие тесты. CX Codex +1 739установок Enzyme byenzyme MCP-сервер Enzyme для Claude Code и Codex. Строит локальный индекс по папке Markdown-заметок и находит связанные записи за месяцы переписки. CX Codex +1 ★ 160звёзд репо last30days mvanhorn Скилл last30days для Claude Code ищет свежие обсуждения темы за последние 30 дней и собирает публикации с данными о вовлечённости. Он также проверяет источники на сбои. CX Codex +1 64 200установок anysearch anysearch-ai Скилл anysearch для Claude Code подключает веб-поиск, тематические запросы, параллельный поиск и извлечение содержимого страниц. Даёт агенту свежие сведения и позволяет проверить утверждение. CX Codex +1 38 700установок academic-paper Imbad0202 Скилл academic-paper запускает конвейер из 12 субагентов для написания научных статей в Claude Code. CX Codex +1 11 600установок nature-figure Yuan1z0825 Скилл nature-figure для Claude Code создаёт, правит и проверяет научные рисунки на Python или R. Он подключается к задачам с графиками для рукописей, многочастными фигурами и схемами. CX Codex +1 20 700установок

Из того же набора136

Весь набор →
tooluniverse-mendelian-randomization Скилл tooluniverse-mendelian-randomization проверяет, вызывает ли один фактор другой (например, холестерин — болезнь сердца), используя генетические варианты как инструменты. CX Codex +1 137установок tooluniverse-primer-design Скилл tooluniverse-primer-design подбирает праймеры для PCR и qPCR, считает температуру плавления и проверяет олигонуклеотиды на димеры. CX Codex +1 131установок tooluniverse-diagnostic-test-evaluation Скилл tooluniverse-diagnostic-test-evaluation оценивает точность диагностических тестов и биомаркеров по таблице 2×2 или непрерывным шкалам. Рассчитывает чувствительность, специфичность, ROC AUC и байесовскую вероятность. CX Codex +1 129установок tooluniverse-dose-response Скилл tooluniverse-dose-response для Claude Code подбирает 4PL-кривую по концентрациям и ответам, оценивает IC50 или EC50 и качество подгонки. Сравнивает активность соединений в лабораторных анализах. CX Codex +1 128установок tooluniverse-drug-synergy Скилл tooluniverse-drug-synergy вычисляет, действуют ли два препарата синергично, аддитивно или антагонистично. CX Codex +1 127установок tooluniverse-clinical-risk-scoring Скилл tooluniverse-clinical-risk-scoring для Claude Code, Codex, Cursor и других агентов считает валидированные клинические шкалы риска по данным конкретного пациента. CX Codex +1 125установок tooluniverse-product-safety-surveillance Скилл tooluniverse-product-safety-surveillance для поиска данных об побочных эффектах, отзывах и отзывах медицинских устройств, пищевых добавок, косметики, ветеринарных препаратов и дефицитов лекарств через openFDA. CX Codex +1 123установок tooluniverse-natural-product-dereplication Скилл tooluniverse-natural-product-dereplication определяет, является ли соединение известным природным продуктом микробов, какой организм его производит и к какому химическому классу оно относится. CX Codex +1 120установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой