的MSstatsConvert包的成员MSstatstMSstats和MSstatsTMT。它为质谱(MS)数据分析中的步骤创建了一个抽象，这些步骤在数据集可以用于统计建模之前是必需的。简而言之，该包负责从信号处理工具如转换输出OpenMS或MaxQuant转换成适合统计分析的格式。这包括:
MSstatsConvert允许将任何MS量化结果转换为所需的格式MSstats而且MSstatsTMT包。此外，它还为输出提供了内置的清洗函数DIAUmpire，MaxQuant，OpenMS，OpenSWATH，初期发育，ProteomeDiscoverer，天际线，Spectromine,Spectronaut．这些函数作为转换器函数(称为* toMSstatsFormat或* toMSstatsTMTFormat)由MSstats而且MSstatsTMT包。
MSstats系列软件包可用于无标签、SRM和TMT数据集。以下列是必需的。
ProteinName:表示蛋白质ID的列。如果分析是在肽水平上进行的，列应该存储肽id。由MSstats而且MSstatsTMT为这一列中的每个ID分别执行packages，PeptideSequence，PrecursorCharge，碎片离子而且ProductCharge:这四列定义了一个光谱特征(SRM情况下的跃迁)。如果任何列的信息不可用，则应该将其设置为一个常量值(例如NA)，IsotopeLabelType:列表示测量是基于内源性肽(用值“L”或“轻”表示)还是参考肽(用值“H”或“重”表示)，运行:存储质谱运行id的列。如果描述生物条件和复制的注释是通过单独的表提供的，则运行id应该匹配运行注释中的id，条件:存储生物条件(兴趣组)标签的列。对于时间过程实验，这一列表示时间点。如果设计实验包括时间点和不同的生物受试者，这些标签应该是受试者和时间点的组合，BioReplicate:该栏应包含实验中每个生物复制的唯一标识符。例如，在临床蛋白质组学研究中，这应该是唯一的患者ID。来自不同组别的患者(由条件列)应该有不同的id，强度:列，存储给定Run (TMT情况下为Channel)中未转换(特别是没有日志转换)的特征丰度测量值。它们可以是峰高，曲线下的峰面积，或者其他特征丰度的定量表示，通道列是必需的。类似于运行列，如果单独提供，则此列中的值必须与注释文件中的值对应。此外，如果实验涉及到分馏，分数可以添加列来存储分数标签。
MSstatsConvert允许基于log4r包中。关于预处理步骤的信息可以写入文件、写入控制台、写入两者或都不写入。的MSstatsLogsSettings功能帮助管理日志设置。用户可以将现有文件的路径传递给log_file_path参数。结合设置append = TRUE，这允许将与特定数据分析相关的所有信息写入单个文件。如果用户没有指定文件，将自动创建一个新文件，其名称以“MSstats_log”开头，后面跟着一个时间戳。
图书馆(MSstatsConvert)# default -创建一个新文件MSstatsLogsSettings（use_log_file =真正的，附加=假）# default -创建一个新文件MSstatsLogsSettings（use_log_file =真正的，附加=真正的，log_file_path =“log_file.log”）#开关关闭MSstatsLogsSettings（use_log_file =假，附加=假）#关闭日志和消息MSstatsLogsSettings（use_log_file =假，verbose =假）方法生成的会话信息跑龙套:sessionInfo ()函数可以保存到文件中MSstatsSaveSessionInfo函数。
MSstatsSaveSessionInfo（）默认情况下，输出文件名将以“MSstats_session_info”开始，并以当前时间戳结束。
MS数据处理MSstatsConvert从导入和清洗数据开始。的MSstatsImport函数为可能描述单个数据集的多个文件生成包装器。例如,MaxQuant输出由两个文件组成，而OpenMS只输出一个文件。
maxquant_evidence =read.csv（执行（“tinytest / raw_data / MaxQuant / mq_ev.csv”，包=“MSstatsConvert”）)maxquant_proteins =read.csv（执行（“tinytest / raw_data / MaxQuant / mq_pg.csv”，包=“MSstatsConvert”）)maxquant_imported =MSstatsImport（列表（证据=maxquant_evidence,protein_groups =maxquant_proteins),类型=“MSstats”，工具=“MaxQuant”）是(maxquant_imported)#> [1] "MSstatsMaxQuantFiles" "MSstatsInputFiles"openms_input =read.csv（执行（“tinytest / raw_data / OpenMSTMT / openmstmt_input.csv”，包=“MSstatsConvert”）)openms_imported =MSstatsImport（列表（输入=openms_input),“MSstatsTMT”，“OpenMS”）是(openms_imported)#> [1] "MSstatsOpenMSFiles" "MSstatsInputFiles"的getInputFile方法允许用户检索文件:
getInputFile(maxquant_imported“证据”）［1：5，1：5］#>序列长度修改#> 1: AEAPAAAPAAK 11未修改的_AEAPAAAPAAK_#> 2: AEAPAAAPAAK 11未修改的_AEAPAAAPAAK_#> 3: AEAPAAAPAAK 11未修改的_AEAPAAAPAAK_#> 4: AEAPAAAPAAK 11未修改的_AEAPAAAPAAK_#> 5: AEAPAAAPAAK 11未修改的_AEAPAAAPAAK_作为分析的下一步，将输入文件合并为单个文件data.table的标准化列名MSstatsClean函数。它是一个通用函数，内置支持“MSstatsConvert包的用途”一节中列出的工具的输出。的类型参数等于任意一个MSstats或MSstatsTMT并表明数据是否来自标记的TMT实验。
对于某些数据集，MSstatsClean可能需要在各自的帮助文件中描述的其他参数。对于我们的示例数据集，下面的调用将输入文件合并到一个表中。
maxquant_cleaned =MSstatsClean(maxquant_importedprotein_id_col =“蛋白质”）头(maxquant_cleaned)肽序列修饰前体电荷#> 1: P06959 AEAPAAAPAAK未修改2#> 2: P06959 AEAPAAAPAAK未修改#> 3: P06959 AEAPAAAPAAK未修改2#> 4: P06959 AEAPAAAPAAK未修改2#> 5: P06959 AEAPAAAPAAK未修改#> 6: P06959 AEAPAAAPAAK未修改#>跑步强度得分#> 1: 121219_S_CCES_01_01_LysC_Try_1to10_Mixt_1_1 4023100 76.332#> 2: 121219_S_CCES_01_02_LysC_Try_1to10_Mixt_1_2 5132500 83.081#> 3: 121219_S_CCES_01_03_LysC_Try_1to10_Mixt_1_3 2761600 104.430#> 4: 121219_S_CCES_01_05_LysC_Try_1to10_Mixt_2_2 4091800 94.465#> 5: 121219_S_CCES_01_06_LysC_Try_1to10_Mixt_2_3 4727000 88.596#> 6: 121219_S_CCES_01_08_LysC_Try_1to10_Mixt_3_2 2258400 90.050openms_cleaned =MSstatsClean(openms_imported)头(openms_cleaned)#>蛋白名肽序列#> 1: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 2: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 3: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 4: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 5: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 6: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR# > PrecursorCharge#> 1:3#> 2:3#> 3:3#> 4:3#> 5:3#> 6: 3#> PSM条件#> 1: .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3_4359.56536443198 Long_HF#> 2: .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3_6190.04195694402 Long_HF#> 3: .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3_4359.56536443198 Long_HF#> 4: .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3_6190.04195694402 Long_HF#> 5: .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3_6190.04195694402 Long_HF#> 6: .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3_4359.56536443198 Long_HF运行通道强度混合物techrepmix分数#> 1: 21 3_3_3 1 na 3 3_3 3#> 2: 21 3_3_3 1 na 3 3_3 3#> 3: 24 3_3_3 4 na 3 3_3 3#> 4: 24 3_3_3 4 na 3 3_3 3#> 5: 26 3_3_3 6 na 3 3_3 3#> 6: 26 3_3_3 6 1820.072 3 3_3 3如果用户想要使用MSstatsConvert如果将数据以当前不支持的格式打包，则首先将数据重新格式化为data.table与列ProteinName, PeptideSequence, PrecursorCharge, FragmentIon, ProductCharge(与后两个可能等于NA)，运行和同位素类型(在非TMT数据的情况下)或通道(在TMT数据的情况下)。此外，数据集可以包括用于过滤数据集的任何列(例如存储q值的列)。在我们的例子中，这样的附加列是来自MaxQuant文件的“changes”和“Score”。
注释列应该被称为Condition和BioReplicate。对于TMT数据，可以增加mix、techrepmix列。分数应该由分数列表示。
的目标MSstatsPreprocess功能是将清洗后的MS数据转换为可用于统计分析的格式MSstats或MSstatsTMT包。这个函数接受几个参数，每个参数对应一个预处理步骤。
输入参数是用于预处理的数据集，注释是与MS运行(以及TMT情况下的通道)相关的生物条件和复制的描述。属性中已包含的注释输入它应该等于零．方法创建注释MSstatsMakeAnnotation函数,feature_columns是表示特征的列名向量，remove_shared_peptides是逻辑参数- if真正的，共享肽将从分析中移除。目前,MSstats假设只使用独特的肽，共享肽的存在可能会导致问题，remove_single_feature_proteins是一个逻辑参数，指示是否只具有单一特征的蛋白质应从分析中移除(真正的)，feature_cleaning是一个列表，当前由两个命名元素组成:remove_features_with_few_measurements应该等于TRUE或FALSE。在第一种情况下，跨运行(或TMT数据运行中的通道)具有少于三次测量的特性将被删除。FALSE意味着只有不缺少测量值的特征才会被删除。的summarize_multiple_psms元素应该是一个函数，将用于聚合多个特征测量在单一MS运行，aggregate_isotopic逻辑参数是-真正的意味着同位素峰值将被聚合(目前仅用于Skyline输入)，columns_to_fill是一个可选的命名列表，其名称对应于列，值对应于将用于这些列的值。例如，如果数据集缺少关于ProductCharge，这样的列可以通过传递添加list(ProductCharge = NA)对于这个参数，score_filtering，exact_filtering而且pattern_filtering参数为可选参数，可用于数据过滤。下面给出了一个例子。maxquant_annotation =read.csv（执行（“tinytest / raw_data / MaxQuant / annotation.csv”，包=“MSstatsConvert”）)maxquant_annotation =MSstatsMakeAnnotation(maxquant_cleanedmaxquant_annotation,运行=“Rawfile”）m_filter =列表（col_name =“PeptideSequence”，模式=“M”，过滤器=真正的，drop_column =假）oxidation_filter =列表（col_name =“修改”，模式=“氧化”，过滤器=真正的，drop_column =真正的）feature_columns =c（“PeptideSequence”，“PrecursorCharge”）maxquant_processed =MSstatsPreprocess（maxquant_cleaned,maxquant_annotation,feature_columns,remove_shared_peptides =真正的，remove_single_feature_proteins =假，pattern_filtering =列表（氧化=oxidation_filter,m =m_filter),feature_cleaning =列表（remove_features_with_few_measurements =真正的，summarize_multiple_psms =max),columns_to_fill =列表（“碎片离子”＝NA，“ProductCharge”＝NA，“IsotopeLabelType”＝“L”）)头(maxquant_processed)运行PeptideSequence PrecursorCharge#> 1: 121219_S_CCES_01_01_LysC_Try_1to10_Mixt_1_1 AEAPAAAPAAK#> 2: 121219_S_CCES_01_02_LysC_Try_1to10_Mixt_1_2 AEAPAAAPAAK#> 3: 121219_S_CCES_01_03_LysC_Try_1to10_Mixt_1_3 AEAPAAAPAAK#> 4: 121219_S_CCES_01_05_LysC_Try_1to10_Mixt_2_2 AEAPAAAPAAK 2#> 5: 121219_S_CCES_01_06_LysC_Try_1to10_Mixt_2_3 AEAPAAAPAAK#> 6: 121219_S_CCES_01_08_LysC_Try_1to10_Mixt_3_2 AEAPAAAPAAK强度蛋白质名称条件生物复制实验#> 1: 4023100 p06959 1 1 1_1 l#> 2: 5132500 p06959 1 1 1_2 l#> 3: 2761600 p06959 1 1 1_3 l#> 4: 4091800 p06959 2 2 2_2 l#> 5: 4727000 p06959 2 2 2_3 l#> 6: 2258400 p06959 3 3 3_2 l#> FragmentIon ProductCharge#> 1: na na#> 2: na na#> 3:呐呐#> 4:呐呐#> 5:呐呐#> 6:呐呐# OpenMS - TMT数据feature_columns_tmt =c（“PeptideSequence”，“PrecursorCharge”）openms_processed =MSstatsPreprocess（openms_cleaned,零，feature_columns_tmt,remove_shared_peptides =真正的，remove_single_feature_proteins =真正的，feature_cleaning =列表（remove_features_with_few_measurements =真正的，summarize_multiple_psms =马克斯)）头(openms_processed)#>蛋白名肽序列#> 1: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 2: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 3: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 4: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 5: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 6: sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> PrecursorCharge PSM条件#> 1:3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3 Long_HF#> 2:3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3 Long_HF#> 3:3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3 Long_HF#> 4:3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3 Long_HF#> 5:3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3 Long_LF#> 6: 3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3 Long_M运行通道强度混合物techrepmix分数#> 1: 21 3_3_3 1 na 3 3_3 3#> 2: 24 3_3_3 4 na 3 3_3 3#> 3: 26 3_3_3 6 1820.0721 3 3_3 3#> 4: 28 3_3_3 8 445.7412 3 3_3 3#> 5: 25 3_3_3 5 1580.9510 3 3_3 3#> 6: 23 3_3_3 3 1508.3302 3 3_3 3# >碎片离子#> 1: < na >#> 2: < na >#> 3: < na >#> 4: < na >#> 5: < na >#> 6: < na >注释是通过MSstatsMakeAnnotation函数。它接受清理后的数据集和注释文件作为输入。此外，可以将键-值对传递给该函数，以将注释中的列名(不包括点和其他符号)从值给出的名称更改为键给出的名称。
对于编程应用程序和接口的一致性，过滤是在列表的帮助下完成的。
对于基于数值分数的过滤(例如q值过滤)，列表应该包含命名为
score_column:存储分数的列的名称，score_threshold:高于或低于应保持的测量值，方向: if " greater "，值大于score_threshold将被保留;如果" bigger "，值小于score_threshold将被保留;行为:如果“remove”，则不低于/高于阈值的行将被删除;如果“replace”，不低于或高于阈值行的强度将被给定值替换，handle_na:如果“keep”，NA分数栏不会被删除，fill_value:如果行为= "replace"，过滤器:如果真正的，进行过滤(可用于条件过滤)，drop_column:如果真正的，存储分数的列将被删除。例如，要删除小于1的强度，可以将以下列表传递给score_filtering参数:
列表（列表（score_column =“强度”，score_threshold =1，方向=“更大的”，行为=“删除”，handle_na =“删除”，fill_value =NA，过滤器=真正的，滴=假））对于基于模式的过滤(例如，去除氧化肽)，列表应该包含命名为
col_name:可以被删除的列的名称，filter_symbols:值的向量—包含这些值的行col_name将被移除或相应的强度将被替换，行为:如果" remove "，包含filter_symbols在col_name将被移除;如果“替换”，则包含的行中的强度filter_symbols在col_name将被一个给定的值所取代，fill_value:如果行为= "replace"，过滤器:如果真正的，进行过滤(可用于条件过滤)，drop_column:如果真正的，存储分数的列将被删除。对于基于精确值的过滤(例如，去除iRT蛋白)，列表应该包含命名为
col_name:存储要搜索给定模式的字符串的列的名称，模式:正则表达式的向量col_name将被移除，过滤器:如果真正的，进行过滤(可用于条件过滤)，drop_column:如果真正的，存储过滤值的列将被删除。最后，经过预处理，MSstatsBalancedDesign函数可以应用于处理分数和创建平衡设计。对于无标签和SRM数据，这意味着如果没有提供这些信息，将检测到分馏或技术复制。在多个分数(重叠)中测量的特征将被分配到一个唯一的分数。然后，对数据进行调整，使每个分数内的每个特征都有一行用于特定的运行。如果强度值缺失，则表示为NA．
对于TMT数据，将为每个重叠的特征选择一个唯一的分数，并对数据进行调整，以便在每次运行中，每个特征对于每个通道都有一行。如果一个通道缺少强度，则表示为NA．
maxquant_balanced =MSstatsBalancedDesign(maxquant_processed feature_columns)头(maxquant_balanced)#> ProteinName PeptideSequence PrecursorCharge FragmentIon ProductCharge#> 1 p06959 aeapaaapaak 2 na na#> 2 p06959 aeapaaapaak 2 na na#> 3 p06959 aeapaaapaak 2 na na#> 4 p06959 aeapaaapaak 2 na na#> 5 p06959 aeapaaapaak 2 na na#> 6 p06959 aeapaaapaak 2 na na> isotope elabeltype条件生物复制#> 1 l 11 1#> 2 l 11 1#> 3 l 11 1#> 4 l 2 2#> 5 l 2 2#> 6 l 2#>运行分数强度#> 1 121219_S_CCES_01_01_LysC_Try_1to10_Mixt_1_1 1 4023100#> 2 121219_S_CCES_01_02_LysC_Try_1to10_Mixt_1_2 1 5132500#> 3 121219_S_CCES_01_03_LysC_Try_1to10_Mixt_1_3 1 2761600#> 4 121219_S_CCES_01_04_LysC_Try_1to10_Mixt_2_1 1 2932900#> 5 121219_S_CCES_01_05_LysC_Try_1to10_Mixt_2_2 1 4091800#> 6 121219_S_CCES_01_06_LysC_Try_1to10_Mixt_2_3 1 4727000昏暗的(maxquant_balanced)#> [1] 690昏暗的(maxquant_processed)#> [1] 625 14openms_balanced =MSstatsBalancedDesign(openms_processed feature_columns_tmt)头(openms_balanced)#>蛋白名肽序列#> 1 sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 2 sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 3 sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 4 sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 5 sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#> 6 sp|Q60854|SPB6_MOUSE .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR#>前置充电PSM混合液3 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_33 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_33 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_33 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_33 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_33 .(TMT6plex)AFVEVNEEGTEAAAATAGMM(氧化)TVR_3运行通道BioReplicate条件强度#> 1 3_3 3_3_3 1 21 Long_HF NA#> 2 3_3 3_3_3 2 22规范1068.580#> 3 3_3 3_3_3 3 23 Long_M 1508.330#> 4 3_3 3_3_3 4 24 Long_HF NA#> 5 3_3 3_3_3 5 25 Long_LF 1580.951#> 6 3_3 3_3_3 6 26 Long_HF 1820.072昏暗的(openms_balanced)#> [1] 330昏暗的(openms_processed)#> [1] 370 16MSstatsBalancedDesign输出是data.frame类的MSstatsValidated．这样一个data.frame将由统计处理函数识别出来MSstats而且MSstatsTMT包作为有效的输入，这将允许它们跳过将数据适合这种格式所必需的检查和转换。