在原始谱里明明能看见峰,特征检测结果却是空表,问题可能出在哪里?一个容易忽视的原因是,单张谱里出现高强度信号,只证明某个时间点存在一个峰。特征检测还要判断这个信号能否在连续扫描中形成合理的洗脱轨迹,并与同位素分布和电荷状态相互支持。峰很高,不代表这些条件已经满足。
本文实际安装 pyOpenMS 3.6.0,调用 OpenMS 的高分辨率质心谱特征检测算法,生成两种已知离子的合成洗脱信号。我们分别改变信号强度和扫描间隔,检查特征数量、质量位置、电荷与算法输出强度怎样变化。读完后,可以区分“信号变强”“特征变多”和“某个分子被鉴定”这三个不同判断。
先明确一个 feature 代表什么
液相质谱数据中,一个离子信号可以跨越多个保留时间点,每个时间点又可能出现一组同位素峰。特征检测需要把这些观测组织为有共同质量位置、时间范围及同位素结构的对象。某一张谱中的一个峰,与跨多张谱形成的一个特征,不是同一种计数单位。OpenMS 特征检测说明
本篇使用的算法面向高分辨率质心数据。输入已经是各峰的质量位置与强度,因此没有运行从轮廓谱到质心谱的峰提取步骤。若自己的文件仍是密集采样的轮廓信号,应先确认适合的预处理流程,不能只给文件加上“质心”标记,就认为数据已经完成了转换。
同样,得到特征也不等于得到肽段序列。我们的合成输入由两条已知序列生成,所以可以用生成真值检查质量和电荷是否恢复。但特征检测本身没有查看序列数据库,也没有进行串联质谱搜索。真实数据中的特征是否对应某条肽,仍需要另行连接鉴定证据。本文没有运行 OpenSWATH 的 DIA 分析流程。
安装环境与本次实跑范围
本次在 Ubuntu 22.04 上使用 Python 3.12.16,安装 pyOpenMS 3.6.0 和 NumPy 2.3.5,计算线程限制为两个。软件可以通过官方提供的 Python 二进制包安装,具体可用的 Python 版本应以所选发布版本为准。把版本固定下来,比隔一段时间重新执行一次不带版本的安装命令更方便排查差异。官方安装说明
python3.12 -m venv openms_env
openms_env/bin/python -m pip install \
pyopenms==3.6.0 numpy==2.3.5
openms_env/bin/python -c \
"import pyopenms as o; print(o.__version__)"
openms_env/bin/python -m pip freeze > requirements.txt
运行过程中,我们先将合成扫描写成 mzML,再重新读入后检测特征。这样既验证算法调用,也经过了实际文件的写入和读取,而不只在内存里检查自建数组。输出保留输入文件、特征文件和便于核对的汇总结果。实验没有真实受试者数据,也不提供真实仪器灵敏度或运行性能的结论。
使用 Python 接口的优点是可以直接提取每个特征的属性,编写自己的核验逻辑。代价是对象类型、单位与参数都需要明确。安装成功只解决依赖问题,并不保证输入已经符合算法要求,更不保证输出强度已经可以直接进入跨样本统计。
用两个已知离子建立检查基准
我们构造两个独立洗脱的信号。甲为二价离子,单同位素质荷比约为四百六十四点七三四七,峰顶位于四十秒。乙为三价离子,单同位素质荷比约为五百二十四点二三零五,峰顶位于八十秒。同位素相对强度由分子组成计算,时间方向采用高斯曲线,并加入两条低强度背景峰。
这里的同位素计算输出首先是质量值,再加上相应数量的质子质量并除以电荷,才能得到写入谱图的质荷比。不要因为接口返回对象的方法名字里含有质量位置,就忽略当前数据在物理上究竟是质量还是质荷比。二价与三价分子的同位素峰间隔不同,正是检查这个换算是否正确的一条线索。同位素与电荷处理说明
甲的曲线宽度参数为六秒,乙为八秒,对应半高全宽大约为十四点一秒和十八点八秒。高密度输入每两秒采集一张谱,覆盖零到一百二十秒,共六十一张。稀疏输入则每二十秒一张,同样的时间范围只有七张。两者使用相同的理想洗脱曲线,区别在于观察它的频率。
由于峰顶恰好落在稀疏采样点上,稀疏版本仍能看到很高的峰顶。这是有意设置的对照,可以避免把失败简单归因于“完全没采到峰”。真正缺少的是足够密集的时间信息,峰顶左右如何上升、下降,需要靠更多观测点约束。
四组实际输出说明了什么
| 输入与参数 | 扫描数 | 最终特征数 |
|---|---|---|
| 每两秒扫描,最低轨迹扫描数为十 | 61 | 2 |
| 同样扫描频率,强度放大两倍 | 61 | 2 |
| 每二十秒扫描,最低扫描数仍为十 | 7 | 0 |
| 每二十秒扫描,最低扫描数降为三 | 7 | 0 |
高密度组恢复了两个特征,质量位置分别对应两个生成值,电荷分别为二和三。峰顶时间也回到了四十秒和八十秒附近。这个结果不仅核对“找到了两个”,还核对找到的对象是否具有正确属性。若只检查数量,即使程序误把同位素峰拆成多个对象,也可能被错误地认为分析成功。
强度放大组仍然是两个特征。甲的算法输出强度从约一百一十六万四千变为约二百三十二万九千,乙从约七十七万三千变为约一百五十四万七千。两者的比值都接近二。这个对照说明,在这套受控输入和检测条件下,强度增加反映在数值上,并不需要通过特征数量增加来体现。

为什么降低最低扫描数,仍然得到零个特征
稀疏组总共只有七张扫描,默认要求一条质量轨迹至少具有十张扫描,自然无法满足这个条件。但把最低数降到三之后,结果仍然为空。日志显示,放宽后已经出现候选种子,却在构建与拟合时因保留的轨迹或峰不足而无法形成最终特征。
这条日志很有解释价值。第一种失败发生在较早阶段,候选连基础条件都过不了。第二种失败发生在更后面的构建过程,说明改动确实生效,只是仍有其他要求没有满足。若仅看最后都是零,就会误以为参数被软件忽略,继而继续盲目修改更多设置。
在这次合成例子里,二十秒的采样间隔已经大于甲的半高全宽,也接近或超过乙的半高全宽。某一张扫描正好击中峰顶,并不能补回两侧缺失的形状信息。降低门槛可能让算法尝试处理更弱的证据,但不会创造没有采到的时间点。
真实实验的扫描周期可能并不固定,串联质谱采集安排也会影响相邻一级谱之间的间隔。因此,应计算目标洗脱区间内真实的一级谱时间差,不能用整次运行的总扫描数代替局部采样密度。一次很长的运行可以拥有大量扫描,但某个短窄峰附近仍可能信息不足。
怎样把日志、参数与输出连起来检查
下面是本次调用的核心结构,完整脚本还包含输入生成、文件保存以及结果断言。检查自己的数据时,要先确认读取后的谱图层级、时间单位与峰排序,再运行算法。只读取与当前任务相关的谱图层级,也能避免把不适合的扫描送进后续处理。
import pyopenms as oms
exp = oms.MSExperiment()
oms.MzMLFile().load("input.mzML", exp)
exp.sortSpectra(True)
exp.updateRanges()
finder = oms.FeatureFinderAlgorithmPicked()
params = finder.getParameters()
params.setValue("mass_trace:min_spectra", 10)
features = oms.FeatureMap()
finder.run(exp, features, params, oms.FeatureMap())
for f in features:
print(f.getRT(), f.getMZ(), f.getCharge(),
f.getIntensity(), f.getOverallQuality())
实际排查时,可以为一个目标质量窗口整理一张小表,每行对应一个保留时间点,保留质量位置、强度以及附近同位素峰。先看这个窗口里是否真的存在连续轨迹,再检查断点、共洗脱干扰和同位素结构。这样修改参数才有可解释的目标,而不是把所有阈值一律调低。本次使用的算法接口
如果参数改动后种子变多,但最终特征没有增加,就应继续阅读拒绝原因。相反,若最终特征突然大幅增加,则要核查是否出现同一信号被拆分、低强度背景被保留或质量轨迹互相连接的情况。数量变化提供了排查方向,本身并不是质量改善的证据。
特征强度、峰顶强度与质量分数分别怎么读
本例甲离子的单同位素峰顶强度约为六万,但特征对象中的强度约为一百一十六万。二者明显不同,因为一个描述特定扫描中的峰,另一个是特征检测算法汇总和建模后输出的量。不能把这两列互换,也不能看到数值变大就说信号被算法放大了十几倍。
正式报告应写清使用哪个算法、哪个字段,以及后续是否做过跨样本归一化。不同算法的特征强度定义和处理方式可能不同,混合比较时需要确认统计对象一致。本例只比较同一算法、同样采样条件下的强度比,不把该字段解释为绝对分子数量或浓度。Feature 对象属性
同样,输出的整体质量分数属于特征匹配与拟合评价,不是肽段鉴定的错误发现率,也不是差异分析显著性。甲乙的质量分数不同,不意味着二者丰度差异更可靠。若要判断两个实验条件的分子变化,还需要样本重复、数据对齐、特征对应、缺失处理和合适的统计设计。
强度放大组的数值比例非常接近二,却不是逐位精确等于二。脚本包含低强度截断,检测与拟合也有数值处理,因此我们采用合理容差检查比例。复现验收应围绕有科学意义的性质,不必把浮点数的末位一致当成分析正确的唯一条件。
结果为空时,不要先填成生物学零值
稀疏组的生成真值明确含有两种离子,但结果表为空。它说明当前输入和算法设置没有产生可接受的特征,不能说明这两个分子在样本中不存在。这个区别在汇总多个样本时尤其重要,将检测缺失直接填成零,会把算法未检出和真实不存在混为一谈。
更合适的顺序是先回看原始信号,区分采样不足、信号弱、质量漂移、匹配失败或处理参数问题。只有在这些信息被整理后,才能讨论如何在定量矩阵中表示缺失。具体采用哪种缺失处理方法,应由实验设计和缺失机制决定,而不是为了让矩阵完整就统一填一个值。
另外,同一个分子可能形成多个电荷状态,而多个分子也可能在接近的位置产生信号。特征表行数既不等于肽段数,也不等于蛋白数。把特征连接到鉴定、在不同运行间建立对应关系,是后续需要明确处理的步骤,本次小实验没有替代这些过程。
复跑之后可以带走的排查方法
下载本篇脚本与预期结果,解压后进入工具目录,用已安装依赖的 Python 执行。脚本会建立四组输入及特征文件,核验两个密集组各找到两个特征、两个稀疏组均为空,并检查质量位置、电荷和强度比。
OMP_NUM_THREADS=2 \
openms_env/bin/python run.py openms_practice
OpenMS 的优点是能够把文件处理、特征对象和算法参数放在可编程流程中,便于保存中间结果与建立针对性的检查。使用门槛在于它提供的是明确分工的分析组件,需要根据数据类型把步骤连接起来。先检查局部采样与输入结构,再查看候选在哪个阶段被拒绝,最后评估修改是否改善证据,这比只追求更多输出行更有助于解决实际问题。
当这套流程需要处理多批 LC-MS 文件,并由团队共同保存环境、参数和中间结果时,可带上样本数量与数据规模了解云生信的生物信息分析服务器。
