准备运行 FragPipe 时,最容易被当作整理工作的步骤,是给原始文件填写实验名称和重复编号。十二个文件拖进窗口,编号从一排到十二,看上去整齐,统计含义却可能已经变了。如果每个样本分成两个级分上机,这十二个文件只对应六个生物学样本,不能凭文件数量把重复数翻倍。
本文围绕这个问题解释工作流、清单、实验条件与生物学个体之间的关系。我们用十二行原创清单实际运行检查脚本,同时构造独立组和配对组,检查五种错误。这是样本说明表练习,没有安装或执行 FragPipe、MSFragger、IonQuant,也没有搜索任何质谱文件。下面的运行结果只证明作者脚本完成了所写的检查。

工作流回答怎么处理,清单回答处理谁
FragPipe 将搜索、鉴定验证、定量和报告等环节组织在同一操作界面中。MSFragger 是其中的搜索引擎,其他步骤还可能调用不同程序。选择一个工作流,实际上是在选择一组处理任务及参数,不能把某个引擎成功结束理解为整个分析目标已经完成。
输入清单承担另一类职责。它描述哪些文件进入任务,以及这些文件对应的实验条件、重复编号和数据类型。参数决定如何计算,清单决定哪些观测被放在一起解释。即使前者完全正确,后者填错,最后仍可能得到结构完整但统计单位错误的结果。
例如,处理组与对照组文件顺序颠倒,搜索引擎通常仍能正常读取谱图。把一个样本的两个级分当成两个独立重复,也不一定造成格式错误。因此,成功读取清单只是最低要求,还需要核对它是否表达了真实实验设计。
文件、样本、级分和个体分别是什么
文件通常对应一次采集或一次转换后的数据对象。样本是经过取材、处理和制备后进入分析的材料。级分是对同一样本进一步分离得到的部分。个体则用于描述生物学独立性,可能是受试者、独立培养物或按设计定义的其他实验单位。
这些概念不能只靠文件名区分。一个样本可能形成多个级分,一个级分也可能重复上机。相反,同一个受试者在两个时间点取样,会形成不同条件下的样本,却仍然存在配对关系。判断重复数时,应先回到取样与随机化设计,再看文件组织。
实际整理时,建议保留一张比软件导入格式更完整的说明表,至少包括采集文件、条件、样本编号、个体编号、级分和技术重复信息。软件清单从这张表导出。这样既能满足软件接口,也能在后续分析时恢复那些没有写进清单的设计信息。
本练习的 Subject 列属于作者说明表,不是宣称 FragPipe 清单原生具有这个字段。我们用它追踪真实实验单位与重复标签是否一致。若只留下软件要求的少数列,事后遇到编号冲突时,往往无法判断哪一列才是最初的真实记录。
官方清单的四列怎样理解
按照官方命令行说明,清单按顺序保存质谱文件路径、实验名称、生物学重复编号和数据类型,各列用制表符分隔。工作流文件与清单文件可以分别保存,便于把同一套处理规则应用到明确的一组输入。
| 清单字段 | 本文中的含义 | 需要另外核对 |
|---|---|---|
| 文件路径 | 一个输入文件 | 文件身份与采集记录是否相符 |
| Experiment | 对照或处理条件 | 是否错误合并了不同条件 |
| Bioreplicate | 本例的个体标签 | 级分是否共享同一标签 |
| Data type | 本例全部为 DDA | 是否与实际采集方式相符 |
表格中的含义限定在本文的常规无标记设计。其他工作流不能机械照搬,例如同位素标签或多通道实验,还需要另外记录通道、批次和参考样本。字段名称看起来一样,并不表示它在所有流程中的组织方式完全相同。
制表符也有实际意义。文件路径可能包含空格,不能用任意空白拆分整行,否则一个路径就会变成多个字段。作者脚本使用标准库的表格写入功能指定制表符,并保留空字段的位置,没有通过手工拼接连续空格模拟表格。
十二个文件怎样对应六个独立样本
第一套原创设计包括三个对照个体和三个处理个体,每个个体有两个级分。对照分别记为 C1、C2、C3,处理分别记为 T1、T2、T3。同一个个体的两个文件保持相同实验条件与重复标签,级分编号单独留在说明表。
脚本实际核验得到十二个文件、六个不同个体,以及六个“条件与个体”组合。每个条件下有六个文件,但生物学个体数都是三个。这个计数差异就是练习的中心结果,不能把每组六个文件写成每组六个独立样本。
input/Control_C1_f1.mzML Control C1 DDA
input/Control_C1_f2.mzML Control C1 DDA
上面为了阅读显示列的关系,真正导出的 manifest 使用制表符。两个路径只是教学标识,附件不会创建虚假的 mzML 谱图,也没有检查这些路径在读者电脑上是否存在。它们不能直接作为可执行质谱搜索的数据输入。
若把第二个级分编号改成另一个生物学重复,程序看到的标签会增加,但取样过程没有发生变化。这会让后续分析错误理解独立信息的数量。增加级分可能帮助覆盖更多肽段,却不会凭空增加生物学独立重复,这是两个不同层面的收益。
配对设计保持文件数不变,个体数却不同
第二套设计仍然有十二个文件,但改为三个个体都接受两种条件,每个条件样本再分成两个级分。因此总共有三个个体、六个“条件与个体”组合。两套设计的文件数完全相同,条件内的样本数也相同,差别在于跨条件是否来自同一人或同一实验单位。
官方通用教程的多实验说明特别区分了面向后续 MSstats 分析的独立与配对编号关系。本文按这一含义构造清单,但没有运行 MSstats,也不把编号一致等同于已经正确拟合了配对模型。
独立设计里,不同条件下的无关个体应有不同身份,不能因为每组都习惯从一开始编号就造成混淆。配对设计里,同一个个体在不同条件下应能被追踪到同一身份。关键是编号对应的对象,不是某个数字本身。
| 作者设计 | 文件数 | 个体与条件关系 |
|---|---|---|
| 独立组 | 12 | 6 个个体,各属于一个条件 |
| 配对组 | 12 | 3 个个体,各对应两个条件 |
| 两种设计共同点 | 每组 6 个文件 | 每个条件只有 3 个个体 |
实际项目还可能存在缺失配对或不等数量技术重复,此时不能把本例“每个个体恰好两个条件”的检查规则硬套过去。应先写清真实设计,再让检查脚本验证对应约束,必要时在统计模型里处理不平衡数据。
原创脚本实际检查了什么
附件脚本使用 Python 标准库,本次执行版本为三点一四点三。它生成两套说明表和对应的四列清单,再输出核验记录。工作目录要求尚不存在,避免覆盖此前整理的数据。脚本检查的是作者构造的元数据,没有调用任何质谱软件。
python run.py work263
检查首先拒绝重复路径,然后核对同一重复标签是否对应多个个体、同一个体是否出现多个标签,以及每个条件样本是否具有预先要求的两个级分。对于配对设计,还检查每个个体是否同时具有对照和处理记录。
其中“必须两个级分”只是本例预设方案,不是 FragPipe 的通用输入要求。正常项目可以没有分级,也可以有更多级分。把检查条件写得严格,是为了检验是否符合当前实验方案,不能据此宣布其他合法设计不能被软件分析。
我们实际构造了五种错误,包括重复添加路径、把级分当作新重复、两个无关个体共用标签、缺失一个级分,以及给配对个体在处理条件下另起编号。五种情况都被作者脚本拒绝,并保存了错误原因。这些提示不是 FragPipe 的原生报错。
检查通过仍然不能证明样品没弄错
检查脚本只能发现说明表内部的矛盾,不能从一串正确格式的编号中识别实验室贴错标签。假如两份文件及其所有元数据被整体交换,很多一致性检查仍会通过。样品交接记录、采集顺序和原始文件身份,仍需在数据整理阶段保留。
文件摘要适合确认传输前后内容是否相同,也能帮助发现完全重复的文件,但它不能说明这个文件来自哪位受试者。将摘要与采集记录绑定,比只保存一组漂亮的文件名更有用。修改文件名后,仍应能回到最初的采集标识。
条件名称也应统一。尾部空格、不同大小写和中英文混用,可能把一个条件拆成多个标签。可以先定义允许值,再检查输入是否匹配。不过,自动清洗前要保留原始列,不能把两个本来不同的条件悄悄归并。
怎样把清单带入真正的工作流
有适用的软件环境和使用条件后,应先选择与采集方式相符的内置工作流,再核对样本清单、序列库和关键参数。保存工作流时使用能区分版本与修改目的的名称,避免把改过酶切或修饰的配置仍叫作默认方案。
随后把清单与工作流作为一对输入记录保存。相同工作流加上不同清单,不是同一次分析。相同清单更换序列库、修饰集合或搜索模式,也可能改变结果的解释范围。因此,结果目录中应同时保留输入清单、实际配置和相应文件版本。
官方命令行支持预演选项,但文档明确它不会真正执行分析。预演可以帮助查看准备运行的内容,不能替代实际读取谱图、搜索、验证和输出的核验。本文没有运行这一选项,所以也不把生成 manifest 写成预演已经成功。
FragPipe 的组成程序分别有自己的使用条件,不能从界面可下载就推断每个组件都适用于当前场景。具体关系见组件许可清单与MSFragger 官方说明。本文仅做文档与原创清单练习,不提供未经执行的安装成功声明。
输出报告为什么也要回看实验分组
分析完成后,不应只打开数值最多的文件。先看报告属于什么层级、哪些实验被合并,以及输入清单中的条件与重复是否仍能对应。官方结果文件指南说明了各类报告与日志的用途,可以据此定位搜索、过滤和汇总环节。
同一批输入如果改变分组方式,报告的组织可能随之变化。看到文件数减少,不能立刻认为丢失了样本,看到汇总表增加,也不能认为产生了更多生物学重复。需要把文件组织与统计单位分开核对,再检查真正需要的分析结果。
失败任务同样要保留配置与日志。只给出“软件跑不动”无法区分输入文件问题、组件依赖、搜索参数和后续汇总错误。提供首个明确错误、对应阶段和最小必要输入信息,通常比反复更换工作流更容易找到原因。
FragPipe 的优势是把多个环节连接起来,并让清单和工作流可以保存与复用。难点在于,流程的统一界面不会替使用者定义实验单位。读者可以从本例带走一个实用习惯,先把每个文件追溯到条件、个体和级分,再开始批量计算,最后按照相同身份关系验收输出。
下载原创练习、运行说明与核验结果(ZIP)。运行 FragPipe 目录中的作者脚本,将生成独立与配对两套说明表并检查五类错误。工作目录须尚不存在,教学路径没有对应质谱,不会启动 FragPipe 或 MSFragger。
当样品清单和工作流已经核对,需要安排较大批次的分析环境时,可以了解云生信生物信息学分析服务器服务,结合软件使用条件与实际任务沟通部署需求。
