XCMS包.docx
《XCMS包.docx》由会员分享,可在线阅读,更多相关《XCMS包.docx(6页珍藏版)》请在冰豆网上搜索。
XCMS包
未完成-XCMS包
经常见有人问到xcms包相关的问题。
我们组里很多人在用它,但因为做的方向用不到这个包,自己从没用过这个包,所以想帮忙又无从下手。
然后就萌生了写(其实是翻译了)一个详细但又不冗余的xcms包的用法,希望能帮助到别人。
但当开始写的时候,我才意识到这个包的参数是如此之多,而英文的说明里大多数参数意义都是一笔带过,而且例子里用的也是默认值,所以R代码里很多参数甚至都没出现。
这让很多想具体问题具体分析的人感到很困难。
我断断续续写了两个晚上,快写完了,或者离写完还很远(参数实在太庞杂了,比我想象中的要多的多)。
由于最近事情多,而且自己也不自信,所以暂且搁笔,等有时间了或者哪天真正用到xcms时再来继续完成自己的初衷。
但前面大部分的东西我已经提到了。
希望还是对某些人能够有所帮助。
有错误的地方麻烦提出来,共同进步…
XCMS包用法
1. 前期准备
数据类型:
NetCDF, mzXML, mzData。
所以首先需要把自己的文件通过相应的软件转化成这类文件。
数据位置:
因为xcms会记录下数据所在的位置,并且在数据分析过程中会来回从文件夹中读取数据。
所以不要再随意改变数据所在的文件的位置。
数据来源:
来源不同的数据应当分开进行数据前处理。
比如正离子和负离子模式下得到的数据,不同的洗脱梯度下得到的数据。
数据存储:
xcms可以根据数据所在的文件夹的来识别不同的数据组。
比如你想研究某一药物在两组病人间的纵向效应(longitudinaleffect),然后你可以把你的两组数据分别存入命名为groupA和groupB的文件夹,这样xcms可以识别这两个组。
每个文件夹内你还可以继续细分,比如按时间‘day1’,‘day2’等等。
xcms会自动给这些数据命名为groupA/day1,groupA/day2,等等。
(所以这里你要根据你的数据组来把它们存入不同的文件夹)。
如果这里描述的不清楚的话,我会在后面的例子里进一步说明。
下面将会以一个详细的例子来分布解说xcms是如何处理LC-MS数据的。
2. 数据分析
2.1 文件读取
cdfpath<-system.file("cdf",package="faahKO")
system.file作用是寻找包里面文件的路径和全名。
这里指的是在叫‘faahKO’的包中找到文件类型为‘cdf’的文件的全名。
list.files(cdfpath,recursive=TRUE)
[1]"KO/ko15.CDF""KO/ko16.CDF""KO/ko18.CDF""KO/ko19.CDF""KO/ko21.CDF"
[6]"KO/ko22.CDF""WT/wt15.CDF""WT/wt16.CDF""WT/wt18.CDF""WT/wt19.CDF"
[11]"WT/wt21.CDF""WT/wt22.CDF"
list.files是读取该路径下的文件夹或文件名,并以字符型向量存储。
当然,这两条代码对我们都不重要,它们只是单纯的为了从这个包里面读取数据。
2.2 过滤及谱峰检测(filtrationandpeakidentification)
Library(xcms)每次使用这个包之前先要加载。
cdffiles<-list.files(cdfpath,recursive=TRUE,full.names=TRUE)
读取cdf文件,这里如果你要读取你自己的文件,你只要把cdfpath换成你的文件夹所在的位置就行,比如你的数据在文件D:
/data,那你把这里的代码换成cdffiles<-list.files(‘D:
/data,recursive=TRUE,full.names=TRUE)就行(当然还有更方便的方法,不过这个就够用了)。
Recursive=TURE的话,它会递归读取到你文件夹里,如果是False的话就只会读取到文件夹。
Full.names=TURE的话,你会得到一个包含路径的文件名,False的话只会得到文件名。
[1]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko15.CDF"
[2]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko16.CDF"
[3]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko18.CDF"
[4]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko19.CDF"
[5]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko21.CDF"
[6]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko22.CDF"
[7]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt15.CDF"
[8]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt16.CDF"
[9]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt18.CDF"
[10]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt19.CDF"
[11]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt21.CDF"
[12]"C:
/Softwares/R3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt22.CDF"
xset<-xcmsSet(cdffiles)
这条语句主要作用是谱峰鉴定(peakidentification),其结果存储在了一个‘xcmsset’类型的数据(不用管这个类型是啥意思)。
250:
38300:
103350:
226400:
338450:
431500:
529550:
674600:
847 250:
43300:
128350:
275400:
394450:
500500:
637550:
835600:
1027 250:
25300:
93350:
227400:
337450:
411500:
498550:
640600:
758 250:
19300:
67350:
169400:
258450:
301500:
373550:
488600:
580 250:
24300:
60350:
166400:
254450:
315500:
391550:
501600:
582 250:
31300:
71350:
183400:
280450:
338500:
422550:
532600:
604 250:
41300:
105350:
212400:
319450:
416500:
533550:
684600:
838 250:
27300:
107350:
232400:
347450:
440500:
549550:
712600:
905 250:
24300:
87350:
200400:
293450:
351500:
426550:
548600:
661 250:
22300:
65350:
161400:
243450:
293500:
358550:
483600:
561 250:
28300:
69350:
157400:
229450:
282500:
364550:
493600:
592 250:
30300:
81350:
188400:
280450:
356500:
473550:
618600:
765
每一行就是一个文件,并且谱峰鉴定结果用成对的数据形式来给出。
分号前面的数字表示正在处理的质荷比(m/z),后面的数字表示到该质荷比时已经找出的峰数目(peaknumber)
这个语句看似简单,里面包含的参数却很多:
xcmsSet(files=NULL,snames=NULL,sclass=NULL,phenoData=NULL,profmethod="bin",profparam=list(),polarity=NULL,lockMassFreq=FALSE,mslevel=NULL,nSlaves=0,progressCallback=NULL,scanrange=NULL,...) 多数情况下,我们用这些默认值就够了。
但对于特定的分析仪器或者数据,我们也需要优化一些参数。
Findpeaks利用两种不同的算法来进行峰值检测(peakdetection)。
其中默认法是findPeaks.matchedFilter,另一种方法是findPeaks.centWave。
2.2.1 findPeaks.matchedFilter
该法有几个参数需要考虑:
峰宽(peakwidth)可用标准方差(sigma)或者半峰全宽(fwhm)来表示,默认值是FWHM=30s。
根据色谱类型,我们应当选择合适的峰宽。
步长(step)默认值是2,step=2.
存储,有四种方法,‘bin’,‘binlin’,‘binlinbase’,‘intlin’,其中bin是默认方法。
四种方法的具体意思自己看文献吧,最后一个不推荐用,第三个具体怎么设置,我也没咋看懂。
2.2.2 findPeaks.centWave
该法更适合于高分辨率的仪器下的centroidmode的数据,比如LC/{TOF,OrbiTrap,FTICR}-MS。
binning在这里是不必要的。
这里面有两个参数需要考虑:
ppm,其选择和仪器精度有关
峰宽范围(peakwidthrange):
比如HPLC里用peakwidth=c(20,50),UPLC里是peakwidth=c(5,12),单位是秒。
说了这个多了,举例子吧(英语说明里这部分一笔带过,而且help里的例子也不适合batchfiles,如何设置这些参数的确让人有些摸不着头脑):
1. findPeaks.matchedFilter
xset<-xcmsSet(cdffiles,method=’matchedFilter’,fwhm=60,step=3,profmethod='binlin')
xset
An"xcmsSet"objectwith12samples
Timerange:
2507.6-4139.9seconds(41.8-69minutes)
Massrange:
200.1-597.0233m/z
Peaks:
2549(about212persample)
PeakGroups:
0
Sampleclasses:
KO,WT
Profilesettings:
method=binlin
step=3
Memoryusage:
0.497MB
最后结果如上,我用了matchedFilter方法,fwhm是60s,步长是3,存储方法是binlin
2. findPeaks.centWave
xset<-xcmsSet(cdffiles,method=’centWave’,ppm=5,peakwidth=c(10,20))
xset
An