代谢组处理中常见一种困惑,已经启用空白过滤,也填写了倍数阈值,重新导出的特征表却和之前一样长。有人据此认为过滤没有生效,也有人直接在表格里手工删除空白强度较高的行。更稳妥的做法是先检查设置是否把“识别出应过滤的特征”和“从输出中移除特征”分成了两步。
本文实际安装并运行 MS-DIAL 5.5.261105 的 Linux 命令行版本,用两份原创合成样本和一份合成空白做三组对照。关闭过滤时得到三行,开启过滤但保留待检查特征时仍为三行,关闭这一保留选项后变为两行。消失的正是我们刻意设计成样本与空白强度接近的轨迹。下面逐步说明如何读元数据、确认参数被读取,以及避免把填补强度当作独立检测证据。

空白文件的作用取决于它被怎样定义
空白用于帮助识别流程背景,但不同空白对应的问题不同。溶剂空白、提取空白与紧随高浓度样本后的空白,分别提供不同环节的信息。一个空白中出现明显信号,可能涉及试剂、处理过程或残留,不能只凭软件表格给它指定来源。分析前应先明确实验设计,再决定哪一类空白参与当前筛选。
命令行输入还需要明确的文件类型。文件名里包含“blank”,不等于程序已经把它当作空白。本文在元数据表中将两份文件标为样本,一份标为空白,并设置对应类别、采集类型、批次顺序和分析顺序。这些字段会影响程序如何组织比较,必须与实验记录一致。把一份真实空白误标成样本,即使后续倍数参数正确,也无法得到预期的空白判断。
我们使用绝对文件路径生成本轮元数据,避免不同工作目录下的路径解释差异。发布给读者的脚本不包含作者机器路径,而是在运行时根据工作目录生成。官方命令行教程列出了所需元数据列及调用方式,可参考 MS-DIAL 5 命令行说明。具体方法文件以实际安装版本生成的模板为准。
先看输入设计,再谈过滤结果
每个文件包含四百零一次正离子一级扫描,时间范围为零到四百秒。四条连续质量轨迹中,一对共享保留时间且质量间隔接近同位素间隔,另两条分别位于二百二十秒和三百秒附近。第二份样本整体延后四秒,用于形成一个简单的跨文件对应场景。没有加入真实二级谱,也没有加载用于化合物鉴定的谱库。
最关键的人工设置是,质量约二百五十点二三四五的轨迹在两个样本和空白中的主体强度相同。其他主轨迹在空白中明显更弱。这样,样本与空白倍数接近一的信号应该成为重点检查对象,而有明显样本富集的轨迹应表现不同。这是一个已知设计的教学对照,能够帮助理解筛选行为,但不能据此评价真实实验的背景控制质量。
输入里有四条连续质量轨迹,最终对齐高度表出现三条主特征。与主轨迹同时间的同位素式伴随信号出现在相应同位素谱字段中,不能把四条输入轨迹直接解释成四个独立代谢物,再把三行输出说成“漏掉一个化合物”。不同层级的计数必须分开,质量轨迹、对齐特征和化合物身份并非一一对应。
用本机模板确认三个开关的关系
安装包来自 官方 5.5.261105 发布页。实际运行的是 Linux 自包含命令行程序,环境为 Ubuntu 22.04.5。官方在线教程中的示例版本可能早于本文安装版本,因此我们先调用程序生成方法模板,再修改模板里确实存在的参数,而不是直接把旧网页整段参数复制进来。
第一项设置控制是否依据峰高倍数移除特征,第二项设置控制是否保留这些可移除特征供检查,第三项是倍数阈值。本文采用样本最大高度与空白平均高度比较的模式,阈值设为五。同时关闭已参考匹配和建议注释特征的保留例外,避免其他保留机制影响这个最小实验。由于本例没有谱库鉴定,这些例外本来也不构成化学确认。
./MSDIALCUI template lcms --ionmode Positive -o method.txt
./MSDIALCUI lcms -i samples.csv -o output -m method.txt
Blank filtering: SampleMaxOverBlankAve
Fold change for blank filtering: 5
Remove feature based on peak height fold-change: True
Keep removable features and assigned tag for checking: False
Keep reference matched metabolites: False
Keep suggested metabolites: False
另外把最小峰高设为一百,平滑级别设为二,线程数设为二,并将保留时间范围覆盖到七分钟。输入的时间在开放格式中以秒表示,方法范围和结果表中相应字段使用分钟,需要逐项确认。把四百秒直接理解成四百分钟,虽然可能没有立刻报错,却会让人对分析范围产生错误认识。
三组原生运行怎样比较
三次运行分别使用独立目录,输入和其他方法参数相同,只调整是否启用过滤及是否保留可移除特征。所有进程正常结束,方法键记录确认本次修改的参数都被读取。保留方法文件还不够,最好同时检查程序记录的已应用字段,避免参数名拼错后以为某个设置已经生效。
| 方案 | 空白倍数过滤 | 保留可移除特征 | 高度表行数 |
|---|---|---|---|
| 未筛选 | 关闭 | 开启 | 3 |
| 保留供检查 | 开启 | 开启 | 3 |
| 实际移除 | 开启 | 关闭 | 2 |
在前两组中,质量约二百五十点二三四六的行都还存在。第三组中这行消失,另外两条主特征保留。这个差异说明,开启过滤并不一定以减少导出行数表现出来,保留供检查的设置会改变输出结果。读者遇到“开关开了但行数不变”时,应先核对这一组合,再决定是否继续排查空白类型或倍数计算。
同时必须说明,本次保留方案导出的高度文本表没有给出清晰的逐行空白标记,相关注释列也没有显示一个可以直接用于筛行的空白标签。我们没有把参数名里的“标记”措辞当作已经观察到的列值。若需要在外部脚本里识别可移除行,应确认当前导出格式是否包含对应信息,不能凭想象寻找一个不存在的字段。
用实际高度手算,知道软件筛掉了什么
未筛选结果中,第一条主特征在两份样本中的高度为二万九千二百三十二和三万二千一百五十七,空白为六十七。中间背景轨迹的样本高度为七千九百五十八和七千九百五十六,空白为七千九百五十八。弱主特征在样本中为七百九十六和八百七十六,空白为十五。这些是经过本轮处理后导出的实际高度,不是直接复制生成输入时设定的高斯峰高。
按本例比较模式,取样本较大高度再除以空白平均高度。因为只有一份空白,平均值就是该文件的高度。三条特征的比值约为四百八十、一和五十八点四。阈值五使中间轨迹成为明显的移除候选,而另外两条在这个对照中有较大的样本富集。我们没有专门构造恰好等于阈值的边界案例,因此不依据这次实验推断等号如何处理。
| 主特征质量位置 | 两份样本高度 | 空白高度 | 最大样本与空白之比 |
|---|---|---|---|
| 150.12336 | 29232、32157 | 67 | 约480 |
| 250.23460 | 7958、7956 | 7958 | 1 |
| 350.34547 | 796、876 | 15 | 58.4 |
真实项目通常有多份空白,也可能存在批次与时间变化。平均值会受到异常空白的影响,最大样本值则可能由少数高值主导。应结合实验设计确认这种比较方式回答的是哪个问题,而不是把倍数大于五理解成普遍的可信标准。空白过滤能够减少部分背景影响,但不能替代批次检查、重复性评估和原始色谱核对。
表中非零值,不等于该文件独立检出了峰
本例最小峰高设为一百,但导出表中两条主特征的空白高度分别只有六十七和十五。这不构成自相矛盾,因为跨文件整理过程中可能为对应区域补充强度估计。表中这两行的填充比例约为三分之二,而三个文件仍都有数值。一个格子非零,并不能证明该文件在初始检测时独立形成了合格峰。
我们还将强制插入填补峰的选项设为关闭,但这不等于关闭所有形式的缺失区域处理。实际输出正好提醒了这一点。检查缺失情况时,应该区分原始检测、对应区域估计和最终统计替换,保留能够说明来源的状态字段。若把所有非零值都当成独立检测,会夸大检出覆盖率,也会误判空白中的证据强度。
同样,输入没有二级谱,最终对齐表中二级谱分配字段为否,代谢物名称全部为未知。方法文件中选择某种采集类别,也不会凭空生成结构证据。不要把软件支持谱库注释这一功能,与本次已经完成化合物鉴定混为一谈。判断注释等级时应回到实际谱图、匹配证据和参考物质,而不是看结果文件是否带有代谢物名称列。
过滤后行号改变,比较方案要按特征身份
未过滤时,弱主特征位于第三行,对齐编号为二。中间背景轨迹被移除后,它在过滤结果中的对齐编号变成一。如果直接按编号连接两套表,就可能把不同质量位置的特征拼到一起。这是很容易发生的结果整理错误,尤其是分析脚本默认把第一列当作跨版本稳定主键的时候。
比较不同参数结果时,可以结合质量位置、保留时间和来源文件建立对应,并保留原始编号用于追溯。匹配容差要写清,存在多个候选时应单独列出,不能任取第一条。本例主特征间隔很大,匹配容易,真实数据中相近质量和相邻时间会增加歧义,因此还需要查看原始轨迹或更完整的特征信息。
如何复跑,以及这个工具适合解决什么
附件提供作者编写的输入生成和调用脚本,需要 pyOpenMS 3.6.0、NumPy 2.3.5 以及上述官方程序。运行时指定软件位置和一个尚不存在的工作目录。脚本生成三份数据,创建三套方法文件和元数据,保存日志、原生结果以及用于核对的结果摘要。高度表前面还有元数据行,读取时应找到真正的列标题,不能把第一行直接当作特征表头。
python run.py --app ./MSDIALCUI --work ./msdial-demo
MS-DIAL 的优势是把检测、跨文件对应、结果导出和注释相关功能放在同一流程中,命令行也便于批量保存配置。使用上的难点是一个功能可能受多个保留条件影响,导出格式之间的信息量也不同。相较于只看一个最终矩阵,保留方法模板、实际应用的参数和原生工程相关结果,更方便解释为什么某一行留下或消失。
本次练习只验证原创一级数据上的检测、对齐和空白筛选行为,没有真实实验、化合物鉴定或性能排名。最有用的经验是把空白类型、倍数模式、保留选项和输出字段放在一起核对,再用实际高度手算一两个目标。确认这些关系后,才有依据决定扩大分析规模或调整过滤策略,而不必在行数不变时反复重跑相同设置。
下载原创输入生成、原生调用脚本与实际核验结果(ZIP)。合集按工具分为三个目录,请进入对应目录阅读说明后运行,需要自行准备文中软件与输入生成依赖,使用尚不存在的工作目录。
如果已经理清 MS-DIAL 的方法文件与空白筛选规则,准备处理更大批次的数据,可以携带版本、样本规模和当前流程,通过云生信生物分析服务器服务沟通环境部署与批量运行资源。
