一份基于色谱质谱仪对齐目标运行

0.1安装DIAlignR

如果(!requireNamespace (“BiocManager”,悄悄地= TRUE)) install.packages (“BiocManager”) BiocManager::安装(“DIAlignR”)

库(DIAlignR)

0.2输入文件准备对齐

质谱仪文件主要包含光谱。针对蛋白质组学工作流identifyies色谱洗脱剖面的分析物。DIAlignR扩展相同的概念对保留时间(RT)对齐,因此,依靠一份色谱图。DIAlignR预计原始色谱文件(.chrom.mzML)和FDR-scored特性(.osw)文件。
示例文件可以用这个包,可以使用这个命令:

dataPath公司< -系统。文件(“extdata”,包=“DIAlignR”)

• 第一步从特定于供应商的光谱文件格式转换成标准mzMl格式使用ProteoWizard-MSConvert。
  
• 步骤2中提取特征和生extracted-ion色谱分析物(XICs)图书馆。使用的详细教程OpenSWATH这个步骤是可用的。简而言之,后bash可以使用命令:

OpenSwathWorkflow——Filename.mzML。广州tr图书馆。药品资格预审规划-tr_irt iRTassays。TraML -out_osw文件名。osw-out_chrom Filename.chrom.mzML

FileConverter——Filename.chrom。mzML -in_type mzML治疗Filename.chrom.mzML

• 步骤3:分数特性和计算他们的q值。基于机器学习的工作流是可用的PyProphet。建议对multiplt-runs experiment-wide罗斯福。的一个实例上运行pyprophet OpenSWATH结果如下所示:

pyprophet合并——模板=图书馆。药品资格预审规划——=合并。osw *。oswpyprophet score --in=merged.osw --classifier=XGBoost --level=ms2 --xeval_num_iter=3 \ --ss_initial_fdr=0.05 --ss_iteration_fdr=0.01 pyprophet peptide --in=merged.osw --context=experiment-wide

0.3在DIA运行执行对齐

alignTargetedRuns将蛋白质组学和代谢组学DIA运行功能。预计两个目录“osw”和“xics”dataPath公司。它输出一个强度表行指定每个分析物和列指定运行。使用参数saveFiles = TRUE要对齐retetion时间和强度保存在当前目录。

< - c (“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”、“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”)参数< - paramsDIAlignR () params[[“上下文”]]< -“experiment-wide”#为特定的运行提供他们的名字。alignTargetedRuns (dataPath公司= dataPath公司外部档案=”测试。csv”=运行,运行oswMerged = TRUE, params = params) #所有分析物在所有运行时,保持为零。alignTargetedRuns (dataPath公司= dataPath公司外部档案=”测试。csv”,运行= NULL, oswMerged = TRUE, params =参数)

0.4调查分析物的一致性

获得对齐对象对齐的XICs指数getAlignObjs可以使用函数。像以前的功能,预计两个目录“osw”和“xics”dataPath公司。它执行对齐为2分。在的情况下refRun不提供,m-score从osw文件用于选择参考。

< - c (“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”、“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”) AlignObjLight < - getAlignObjs(分析物= 4618 l =运行运行,dataPath公司= dataPath公司objType =“轻”,params = params) # > [1]“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”# > [2]“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”# >[1]“找到参考使用SCORE_PEPTIDE表运行”#第一个元素包含运行的名字,光谱文件、色谱文件和特性文件。AlignObjLight [[1]] [c (“runName”、“spectraFile”)] # > runName # > run1 hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt # > run2 hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt # > spectraFile # > /生/ hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt.mzML run1数据。广州# > /生/ hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt.mzML run2数据。广州obj < - AlignObjLight [[2]] [[4618]] [[1]] [[“AlignObj”]] slotNames (obj) # > [1]“indexA_aligned”“indexB_aligned”“分数”名称(as.list (obj)) # > [1]“indexA_aligned”“indexB_aligned”“分数”AlignObjMedium < - getAlignObjs(分析物= 4618 l =运行运行,dataPath公司= dataPath公司objType =“媒介”,params = params) # > [1]“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”# > [2]“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”# >[1]“找到参考使用SCORE_PEPTIDE表运行”obj < - AlignObjMedium [[2]] [[4618]] [[1]] [[“AlignObj”]] slotNames (obj) # > [1]“s”“路径”“indexA_aligned”“indexB_aligned”# >[5]“分数”

对齐对象有槽* indexA_aligned一致指数参考色谱。* indexB_aligned一致指数实验色谱*分数累积分数的对齐到一个索引。* s相似性得分矩阵。*一致通过的路径路径相似性得分矩阵。

0.5图可视化对齐的色谱图

我们可以想象色谱使用对齐plotAlignedAnalytes。数字实验unaligned-XICs顶端,中间一个是参考XICs,最后图是实验运行对齐参考。

< - c (“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”、“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”) AlignObj < - getAlignObjs(分析物= 4618 l =运行运行,dataPath公司= dataPath公司,params = params) # > [1]“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”# > [2]“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”# >[1]“找到参考使用SCORE_PEPTIDE表运行”plotAlignedAnalytes (AlignObj annotatePeak = TRUE) # >警告:删除30行(s)含有缺失值(geom_path)。

0.6可视化对齐路径

我们也可以使用可视化定位路径plotAlignemntPath函数。

运行库(晶格)< - c (“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”、“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”) AlignObjOutput < - getAlignObjs(分析物= 4618 l =运行,运行params = params, dataPath公司= dataPath公司objType =“介质”)# > [1]“hroest_K120809_Strep0%PlasmaBiolRepl2_R04_SW_filt”# > [2]“hroest_K120809_Strep10%PlasmaBiolRepl2_R04_SW_filt”# >[1]“找到参考使用SCORE_PEPTIDE表运行”plotAlignmentPath (AlignObjOutput)

0.7引用

古普塔年代,阿哈迪年代,周W,罗斯特h .“DIAlignR提供了精确的遥远的印度和保留时间的一致性目标蛋白质组学。“摩尔细胞蛋白质组学。2019年4月,18 (4):806 - 817。doi:https://doi.org/10.1074/mcp.TIR118.001132

0.8会话信息

以下4.4.1 sessionInfo () # > R版本(2021-08-10)# >平台:x86_64-pc-linux-gnu(64位)# >下运行:Ubuntu 20.04.3 LTS # > # >矩阵产品:默认# >布拉斯特区:/home/biocbuild/bbs - 3.14 - bioc / R / lib / libRblas。所以# > LAPACK: /home/biocbuild/bbs - 3.14 - bioc / R / lib / libRlapack。所以# > # >语言环境:# > [1]LC_CTYPE = en_US。utf - 8 LC_NUMERIC c# = >[3]而= en_GB LC_COLLATE = c# > [5] LC_MONETARY = en_US。utf - 8 LC_MESSAGES = en_US。utf - 8 # > [7] LC_PAPER = en_US。utf - 8 LC_NAME c# = > [9] LC_ADDRESS = C LC_TELEPHONE = C # > [11] LC_MEASUREMENT = en_US。utf - 8 LC_IDENTIFICATION = C # > # >附加基本包:# >[1]统计图形grDevices跑龙套数据集方法基础# > # >其他附加包:# > [1]lattice_0.20-45 DIAlignR_2.2.0 BiocStyle_2.22.0 # > # >加载通过名称空间(而不是附加):# > [1]Rcpp_1.0.7 ape_5.5 tidyr_1.1.4 # > [4] png_0.1-7 zoo_1.8-9 assertthat_0.2.1 # > [7] digest_0.6.28 utf8_1.2.2 R6_2.5.1 # > [10] signal_0.7-7 RSQLite_2.2.8 evaluate_0.14 # > [13] pracma_2.3.3 highr_0.9 ggplot2_3.3.5 # > [16] pillar_1.6.4 rlang_0.4.12 data.table_1.14.2 # > [19] jquerylib_0.1.4 blob_1.2.2 phangorn_2.7.1 # > [22] magick_2.7.3 Matrix_1.3-4 reticulate_1.22 # > [25] rmarkdown_2.11 labeling_0.4.2 stringr_1.4.0 # > [28] igraph_1.2.7 bit_4.0.4 munsell_0.5.0 # > [31] compiler_4.1.1 xfun_0.27 pkgconfig_2.0.3 # > [34] RMSNumpress_1.0.1 htmltools_0.5.2 tidyselect_1.1.1 # > [37] gridExtra_2.3 tibble_3.1.5 bookdown_0.24 # > [40] quadprog_1.5-8 codetools_0.2-18 fansi_0.5.0 # > [43] crayon_1.4.1 dplyr_1.0.7 MASS_7.3-54 # > [46] grid_4.1.1 nlme_3.1 - 153 jsonlite_1.7.2 # > [49] gtable_0.3.0 lifecycle_1.0.1 DBI_1.1.1 # > [52] magrittr_2.0.1 scales_1.1.1 stringi_1.7.5 # > [55] cachem_1.0.6 farver_2.1.0 latticeExtra_0.6-29 # > [58] bslib_0.3.1 ellipsis_0.3.2 generics_0.1.1 # > [61] vctrs_0.3.8 fastmatch_1.1-3 RColorBrewer_1.1-2 # > [64] tools_4.1.1 bit64_4.0.5 glue_1.4.2 # > [67] purrr_0.3.4 jpeg_0.1-9 parallel_4.1.1 # > [70] fastmap_1.1.0 yaml_2.2.1 colorspace_2.0-2 # > [73] BiocManager_1.30.16 memoise_2.0.0 knitr_1.36 # > [76] sass_0.4.0