К основному содержанию
скилл CX Codex

tooluniverse-lipidomics — скилл для Claude Code

Скилл tooluniverse-lipidomics для Claude Code идентифицирует липиды, классифицирует их по LIPID MAPS и связывает с метаболическими путями и болезнями. Анализирует липидомику и ищет биомаркеры липидных нарушений.

Apache-2.0 238 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-lipidomics -a claude-code
Открыть на GitHub

Что делает tooluniverse-lipidomics

tooluniverse-lipidomics интегрирует несколько баз данных липидов и болезней для полного анализа липидных профилей. Скилл определяет липиды по названию, массе или сокращению; классифицирует их в 8-категорийную систему LIPID MAPS (жирные ацилы, гликеролипиды, гликерофосфолипиды, сфинголипиды, стеролипиды, пренол-липиды, сахаролипиды, полукетиды); находит причастные метаболические пути через KEGG и Reactome; связывает липиды с болезнями через CTD и DisGeNET.

Внутри скилла работают инструменты LipidMaps_search_by_name, LipidMaps_get_compound_by_id, SwissLipids_search, HMDB_search, kegg_search_pathway, CTD_get_gene_diseases, PubMed_search_articles и другие. Для сфинголипидов, эйкозаноидов, стероидов и жирных кислот скилл уже знает специализированные пути синтеза и деградации. Важно: скилл не угадывает липидные ID и не предполагает болезни — сначала запрашивает данные из баз.

Ограничение: для общей метаболомики (аминокислоты, сахара, органические кислоты) нужен другой скилл. Скилл требует сетевого доступа к LIPID MAPS, HMDB, KEGG, Reactome, PubChem, CTD и других источников — работает на платформах с API-клиентом.

Какие задачи решает

  • Определить вид липида из массы и времени удержания в масс-спектрометрии
  • Найти метаболические пути, в которые вовлечены сфинголипиды или керамиды
  • Собрать биомаркеры липидных нарушений для болезни Альцгеймера или сердечно-сосудистых заболеваний
  • Выявить гены и ферменты в путях липидного обмена, связанные с диабетом
  • Сравнить липидные профили между здоровыми и больными образцами

Примеры запросов агенту

  • Определи липид Cer(d18:1/16:0) по его структуре и найди пути его биосинтеза
  • Какие болезни связаны со сфинголипидным обменом? Найди гены и биомаркеры.
  • Поиск липидов-биомаркеров кардиоваскулярных заболеваний в HMDB и KEGG

Как установить tooluniverse-lipidomics

1Через Skills CLI (Vercel)

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

2Вручную: положить файлы

~/.claude/skills/tooluniverse-lipidomics/SKILL.md

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

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

Вопросы о tooluniverse-lipidomics

Как установить tooluniverse-lipidomics в Claude Code?

Выполни в терминале npx skills add mims-harvard/ToolUniverse --skill tooluniverse-lipidomics -a claude-code, затем открой файл ~/.claude/skills/tooluniverse-lipidomics/SKILL.md для проверки.

Что делает tooluniverse-lipidomics?

Скилл идентифицирует и классифицирует липиды по системе LIPID MAPS, находит причастные метаболические пути (синтез, деградация) и ищет связи липидов с болезнями через научные базы данных. Используй его для анализа липидомики, поиска биомаркеров и изучения липидного обмена.

Когда использовать tooluniverse-lipidomics вместо других навыков?

Используй этот скилл для анализа липидов и их болезней. Если нужен общий метаболомный анализ (аминокислоты, сахара, органические кислоты), возьми tooluniverse-metabolomics. Для предсказания ADMET свойств лекарств — tooluniverse-admet-prediction.

Исходный текст

SKILL.md · Apache-2.0
---
name: tooluniverse-lipidomics
description: Lipid analysis and lipid-disease associations using LIPID MAPS classification, HMDB metabolite data, KEGG/Reactome lipid pathways (sphingolipid, eicosanoid, steroid, fatty acid), and PubChem chemical info. Use for lipid identification, lipid metabolism pathway mapping, and lipid-associated disease analysis (cardiovascular, diabetes, NAFLD).
disable-model-invocation: true
---

# Lipidomics Analysis

Integrated pipeline for lipid identification, classification, pathway mapping, and disease association analysis. Distinct from general metabolomics because lipids have unique classification systems (LIPID MAPS), specialized pathways (sphingolipid, eicosanoid, steroid), and disease associations (cardiovascular, neurodegeneration, metabolic syndrome).

## Reasoning Strategy

Lipid identification starts with mass spectrometry: the lipid class is determined by the head group fragment mass (e.g., m/z 184 for phosphocholine in positive mode), total chain length and saturation from the precursor exact mass, and individual fatty acid chains from neutral loss or product ion scans. LIPID MAPS classification organizes lipids by chemical structure into 8 categories — knowing the category immediately tells you the likely biological context (sphingolipids → apoptosis/neurodegeneration; glycerophospholipids → membrane remodeling; eicosanoids → inflammation). Structural specificity matters biologically: Cer(d18:1/16:0) and Cer(d18:1/24:1) have different membrane properties and disease associations despite being the same lipid class. Always map changed lipids back to metabolic pathways because lipids are intermediates — an elevated ceramide could mean increased synthesis (CERS activity up), decreased degradation (ASAH1 down), or shunting from sphingomyelin (SMPD1 up).

**LOOK UP DON'T GUESS**: Do not assume a lipid's LIPID MAPS ID, exact mass, or pathway membership — query `LipidMaps_search_by_name` first. Do not guess which diseases are associated with a lipid class; retrieve them from HMDB or CTD.

**Key principles**:
1. **LIPID MAPS classification first** — use the 8-category system (fatty acyls, glycerolipids, glycerophospholipids, sphingolipids, sterol lipids, prenol lipids, saccharolipids, polyketides)
2. **Structural specificity matters** — chain length, unsaturation, and sn-position affect biological function
3. **Connect to pathways** — lipids are metabolic intermediates; always map to biosynthesis/degradation pathways
4. **Disease context** — many lipids are disease biomarkers (sphingolipids in neurodegeneration, oxidized lipids in CVD)
5. **Evidence grading** — T1: clinical biomarker studies, T2: mechanistic studies, T3: association data, T4: computational prediction

---

## When to Use

- "Identify this lipid species from m/z and retention time"
- "What pathways involve ceramide/sphingomyelin?"
- "Lipid biomarkers for Alzheimer's disease"
- "What diseases are associated with altered sphingolipid metabolism?"
- "Map my lipidomics results to KEGG pathways"
- "Compare lipid profiles between conditions"

**Not this skill**: For general metabolomics (amino acids, sugars, organic acids), use `tooluniverse-metabolomics`. For drug ADMET properties, use `tooluniverse-admet-prediction`.

---

## Core Tools

| Tool | Use For |
|------|---------|
| `LipidMaps_search_by_name` | Lipid identification by name, abbreviation, or mass |
| `LipidMaps_get_compound_by_id` | Detailed lipid info (structure, classification, pathways) |
| `SwissLipids_search` | Lipid identification by name/shorthand — SIB's complementary lipid database, use when LIPID MAPS misses a species (see below) |
| `SwissLipids_get_lipid` | Full SwissLipids entry: name, formula, monoisotopic mass, cross-refs |
| `SwissLipids_get_children` | Descend the SwissLipids classification tree (category → class → species) one level |
| `HMDB_search` / `HMDB_get_metabolite` | Lipid metabolite details, disease associations |
| `kegg_search_pathway` | Lipid metabolism pathways (keyword=`sphingolipid`, `glycerolipid`, etc.) |
| `KEGG_get_pathway_genes` | Enzymes in lipid pathways |
| `PubChem_get_compound_properties_by_CID` | Chemical properties (mass, formula, SMILES) |
| `CTD_get_gene_diseases` | Gene-disease links for lipid metabolism enzymes |
| `LipidMaps_get_gene` | Resolve a lipid-metabolism gene (symbol/NCBI ID/LMP ID) to its LIPID MAPS Proteome Database record — name, synonyms, chromosome location, species |
| `LipidMaps_get_protein` | Same lookup at the protein level — adds UniProt/RefSeq cross-references and amino-acid sequence |
| `DisGeNET_search_gene` | Disease associations for lipid genes |
| `PubMed_search_articles` | Published lipidomics studies |
| `OpenTargets_get_associated_drugs_by_target_ensemblID` | Drugs targeting lipid metabolism enzymes |

---

## Workflow

```
Phase 0: Lipid Identity Resolution
  Name/mass/abbreviation → LIPID MAPS ID → classification
    |
Phase 1: Structural Classification
  LIPID MAPS 8-category system → subclass → molecular species
    |
Phase 2: Pathway Mapping
  KEGG lipid metabolism → biosynthesis/degradation enzymes
    |
Phase 3: Disease Associations
  CTD/DisGeNET/HMDB → lipid-disease links with evidence
    |
Phase 4: Interpretation & Report
  Biological significance → biomarker potential → recommendations
```

### Phase 0: Lipid Identity Resolution

```
LipidMaps_search_by_name(query="ceramide")  → LMSP ID, exact mass, classification
HMDB_search(compound_name="ceramide")       → HMDB ID, disease links
PubChem_get_CID_by_compound_name(name="ceramide") → CID, SMILES
```

**LIPID MAPS search tips**:
- Generic names work well: "ceramide", "sphingomyelin", "phosphatidylcholine"
- Species-level abbreviations like "Cer(d18:1/16:0)" may return 0 results — use the generic class name first, then filter by chain length from results
- For exact mass search: use `LipidMaps_search_by_formula` with molecular formula (e.g., "C34H67NO3")
- If name search fails, try PubChem: `PubChem_get_CID_by_compound_name(name="C16 Ceramide")` then cross-reference

**SwissLipids as a second lipid database** — when LIPID MAPS doesn't have a species
or you want its independent classification, SwissLipids (swisslipids.org, SIB)
covers the same ground with its own ID space and hierarchy:

```
SwissLipids_search(query="PC(16:0/18:1)")   → real hit: entity_id "SLM:000088148"
SwissLipids_get_lipid(entity_id="SLM:000000510") → real entry: "hexadecanoate"
  (palmitate), formula C16H31O2, mass 255.4167, charge -1, plus a full
  adduct_mz table ([M+H]+, [M+Na]+, [M-H]-, etc.) useful for matching
  observed MS peaks directly — LIPID MAPS entries don't include this table.
SwissLipids_get_children(entity_id="SLM:000000338") → descend one level in the
  classification tree (e.g. from a lipid category down to its member species)
```

Shorthand abbreviations like `PC(16:0/18:1)` work directly in `SwissLipids_search`
(unlike LIPID MAPS, which often needs the generic class name first). Note
`classification` can come back as an empty array `[]` for some entries — a real
data gap in SwissLipids, not a failed lookup; fall back to LIPID MAPS for that
lipid's category if classification is required.

### Phase 1: Structural Classification

Use `LipidMaps_get_compound_by_id` to retrieve the LIPID MAPS 8-category classification (FA, GL, GP, SP, ST, PR, SL, PK) for any lipid. The category immediately signals biological context: SP (sphingolipids) → apoptosis/neurodegeneration; GP (glycerophospholipids) → membrane remodeling; FA-derived eicosanoids → inflammation.

### Phase 2: Pathway Mapping

Key lipid metabolism pathways in KEGG:

| Pathway | KEGG ID | Key Enzymes | Disease Relevance |
|---------|---------|-------------|-------------------|
| Sphingolipid metabolism | hsa00600 | SMPD1, CERS1-6, ASAH1 | Niemann-Pick, Fabry, Gaucher |
| Glycerophospholipid metabolism | hsa00564 | PLA2, LPCAT, LPIN | Barth syndrome, atherosclerosis |
| Arachidonic acid metabolism | hsa00590 | COX1/2, LOX, CYP450 | Inflammation, asthma, CVD |
| Steroid biosynthesis | hsa00100 | HMGCR, CYP51A1, DHCR7 | Hypercholesterolemia, Smith-Lemli-Opitz |
| Fatty acid biosynthesis | hsa00061 | FASN, ACC, SCD | Obesity, NAFLD, cancer |
| Fatty acid degradation | hsa00071 | CPT1, ACADM, HADHA | MCAD deficiency, VLCAD deficiency |
| Bile acid biosynthesis | hsa00120 | CYP7A1, CYP27A1 | Cholestasis, gallstones |
| Ether lipid metabolism | hsa00565 | AGPS, GNPAT | Rhizomelic chondrodysplasia |

```python
# Map lipids to pathways
kegg_search_pathway(keyword="sphingolipid")  # → hsa00600
KEGG_get_pathway_genes(pathway_id="hsa00600")  # → SMPD1, CERS1, ...
```

### Phase 3: Disease Associations

For each lipid or lipid enzyme, resolve the gene/protein record first if needed, then check disease links:

```python
LipidMaps_get_gene(input_value="SMPD1", input_item="gene_symbol")  # LMPD record: name, synonyms, chromosome
  # verified live example: input_value="FASN" → {"gene_symbol": "Fasn", "lmp_id": "LMP001577", "gene_name": "fatty acid synthase", ...}
LipidMaps_get_protein(input_value="P49327", input_item="uniprot_id")  # adds UniProt/RefSeq xrefs + sequence
CTD_get_gene_diseases(input_terms="SMPD1")  # sphingomyelinase → Niemann-Pick
DisGeNET_search_gene(gene="SMPD1")  # broader disease associations
HMDB_get_metabolite(compound_name="ceramide")  # metabolite-disease links
PubMed_search_articles(query="ceramide biomarker Alzheimer")  # clinical evidence
```

**Disease context**: Ceramide elevation → apoptosis, Alzheimer's, insulin resistance. Sphingomyelin depletion → Niemann-Pick. Oxidized phospholipids → CVD. Altered bile acid ratios → NAFLD, cholestasis. Eicosanoid elevation → inflammation. Always verify via HMDB or CTD rather than relying on memory.

### Phase 4: Interpretation & Report

**Computational procedure: Lipid class enrichment analysis**

```python
# When user provides a list of significantly changed lipids
import pandas as pd
from scipy.stats import fisher_exact

# Input: list of changed lipids with LIPID MAPS categories
changed = pd.DataFrame({
    'lipid': ['Cer(d18:1/16:0)', 'SM(d18:1/16:0)', 'PC(16:0/18:1)', 'LPC(18:0)'],
    'category': ['SP', 'SP', 'GP', 'GP'],
    'direction': ['up', 'down', 'unchanged', 'up'],
    'fold_change': [2.1, 0.5, 1.1, 1.8]
})

# Count changed vs unchanged per category
from collections import Counter
changed_cats = Counter(changed[changed['direction'] != 'unchanged']['category'])
total_cats = Counter(changed['category'])

# Report
print("Lipid class enrichment:")
for cat in total_cats:
    n_changed = changed_cats.get(cat, 0)
    n_total = total_cats[cat]
    print(f"  {cat}: {n_changed}/{n_total} changed")

# Interpretation
if changed_cats.get('SP', 0) / max(total_cats.get('SP', 1), 1) > 0.5:
    print("→ Sphingolipid metabolism is significantly altered")
    print("  Consider: apoptosis, neurodegeneration, insulin resistance")
```

**Report structure**:
1. **Lipid Identity** — LIPID MAPS classification, structural features
2. **Pathway Context** — which metabolic pathways are affected
3. **Disease Associations** — evidence-graded disease links
4. **Biomarker Assessment** — clinical utility of identified lipid changes
5. **Mechanistic Model** — how lipid changes connect to disease biology
6. **Recommendations** — validation experiments, clinical follow-up

---

## Limitations

- **No raw MS data processing** — this skill interprets identified lipids, not raw spectra. Use LipidSearch, MS-DIAL, or LipiDex for identification first.
- **LIPID MAPS coverage** — some rare or novel lipid species may not be in the database
- **Quantitative thresholds** — fold-change cutoffs are context-dependent; the skill provides frameworks, not universal thresholds
- **Species-specific** — most disease data is human; rat/mouse lipid metabolism can differ significantly

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

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
kegg-mcp-server Lucas Servi MCP-сервер для запросов к базе KEGG: метаболические пути, гены, соединения, лекарства, ферменты, болезни. 34 инструмента, ключ API не нужен. ★ 3 785звёзд репо pyopenms K-Dense-AI Обрабатывает данные масс-спектрометрии в протеомике и метаболомике через pyOpenMS. Помогает находить сигналы, идентифицировать пептиды и собирать матрицы количественного анализа. CX Codex +1 2 100установок bioservices K-Dense-AI Помогает запрашивать биоинформатические базы через библиотеку BioServices в Python. Пригодится при аннотации белков, поиске путей в KEGG и маппинге химических соединений. CX Codex +1 2 200установок pylipidparse MontgomeryBohde Плагин pylipidparse для Claude Code преобразует сокращённые обозначения липидов в SMILES, InChI, InChIKey, MOL и SDF. Поддерживает жирные кислоты, глицерофосфолипиды, сфинголипиды и стеролы. ★ 21звёзд репо hmdb-skill официальный OpenAI Скилл для поиска метаболитов, белков, болезней и путей в базе HMDB. Отправляет компактные запросы и возвращает краткие сводки результатов. CX Codex GP ChatGPT +1 13установок pubmed-database google-deepmind Скилл pubmed-database даёт агенту доступ к PubMed и PubMed Central: искать статьи, вытаскивать абстракты и полный текст, связывать публикации с биологическими базами. CX Codex +1 3 000установок

Из того же набора136

Весь набор →
tooluniverse-small-molecule-discovery Скилл tooluniverse-small-molecule-discovery для Claude Code ищет и анализирует малые молекулы: от названия соединения до структуры, активности, ADMET-свойств и доступности. CX Codex +1 240установок tooluniverse-gene-disease-association Скилл tooluniverse-gene-disease-association связывает гены и заболевания по шести базам данных и рассчитывает оценку согласованности доказательств. CX Codex +1 240установок tooluniverse-protein-modification-analysis Скилл tooluniverse-protein-modification-analysis для Claude Code анализирует посттрансляционные модификации белков. Он подключается для поиска сайтов модификации, ферментов и связей с заболеваниями. CX Codex +1 239установок tooluniverse-pathway-disease-genetics Скилл tooluniverse-pathway-disease-genetics для Claude Code связывает GWAS-варианты с генами, биологическими путями и лекарственными мишенями. Ищет механизмы заболеваний и репозиционирование препаратов. CX Codex +1 239установок tooluniverse-comparative-genomics Скилл tooluniverse-comparative-genomics для Claude Code ищет ортологов и оценивает консервативность генов при сравнении организмов разных видов. CX Codex +1 238установок tooluniverse-metabolomics-pathway Скилл tooluniverse-metabolomics-pathway для Claude Code связывает метаболиты с путями, ферментами, генами и заболеваниями. Анализирует данные метаболомики и ищет сведения в разных базах. CX Codex +1 238установок tooluniverse-electron-microscopy Скилл tooluniverse-electron-microscopy для Claude Code ищет и анализирует данные электронной микроскопии в EMDB, PDB, EMPIAR и CryoET Data Portal. Помогает сопоставлять карты плотности с атомными моделями. CX Codex +1 238установок tooluniverse-adverse-outcome-pathway Скилл tooluniverse-adverse-outcome-pathway сопоставляет промышленные и токсичные вещества с путями неблагоприятных исходов (AOP). Помогает оценить экологические риски, проверить классификацию GHS и канцерогенность по IARC. CX Codex +1 236установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой