高分辨率质谱里有一个峰,目标分子式的理论质量也很接近,但软件输出中找不到它。此时把质量误差窗口调大,是很容易想到的办法。然而,质量窗口只是允许候选通过的一道条件。如果生成候选时根本没有允许某种元素,后面的同位素比较、碎裂树评分或结构搜索,都无法把这个被排除的解释重新变出来。
本文围绕 SIRIUS 的候选分子式问题展开,先区分各阶段的证据,再用作者独立编写并实际执行的质量计算做三个对照。我们安装了 SIRIUS 6.5.4,但当前命令行环境在分析前要求登录,完整分子式命令和独立质量分解命令均未产出分析结果。因此,下文数值来自原创 Python 练习,不是 SIRIUS 原生评分、算法复现或性能测试,安装验证的实际情况也会交代清楚。

分子式、结构与类别是三种不同问题
分子式回答有哪些元素、各有多少个原子。结构还要回答这些原子怎样连接,类别则是更粗的化学归属。一条准确质量可以支持多种分子式,同一个分子式还可能对应多个结构。因此,得到某个分子式的较高排名,不等于已经区分了所有异构体,更不能顺势推出立体化学信息。
SIRIUS 把多种分析模块放在同一应用中。分子式层面会利用一级谱的同位素信息和二级谱中的碎裂信息,后续结构候选、指纹和类别相关任务再使用相应证据与模型。读结果时要先确认自己看的是什么层级。一个类别预测可以帮助组织假设,但不能替代某个具体结构的验证。功能范围可查阅 SIRIUS 官方介绍。
这也决定了排查顺序。如果目标分子式没有进入候选集合,继续研究某个结构的排名差异通常没有意义。如果分子式进入了候选,却在综合评分中靠后,才需要检查同位素质量、碎片解释和其他评分依据。先分清“没有被考虑”与“被考虑后得分较低”,可以避免把两个完全不同的问题都归结为质量误差不够宽。
候选从哪里来,决定后续能回答什么
候选分子式可以来自给定元素范围下的质量分解,也可以受数据库约束,或采用其他候选生成策略。限制数据库通常能够缩小搜索范围,但数据库之外的式子便可能不被考虑。扩大元素范围能够纳入更多解释,却也会增加组合数量和歧义。候选生成不是一个可忽略的前置动作,它直接定义了后面比较的对象。
在实际报告里,至少应记录候选生成方式、元素范围、离子假设、质量窗口和是否预先给定分子式。尤其要检查输入文件是否已经包含分子式。某些输入约束可能使软件只对指定解释进行后续计算,这种结果不能再被描述为从未知样本中独立发现了该分子式。查看参数与输入,比单独看输出第一行更能判断这次分析回答了什么。
官方方法说明明确指出,未进入候选集合的分子式无法参与后续流程。本文的计算练习只演示这一集合关系,不模拟其完整候选生成和评分实现。不同策略的定义与组合方式应以 官方方法文档 为准,不能把一个自行编写的枚举程序当成软件内部机制的完整替代。
安装成功与分析成功,要分别验收
我们从官方发布归档下载 Linux 版本,完整解压后调用帮助命令,确认安装包为 6.5.4。帮助能够正常显示,说明程序可以启动并识别命令,但不代表所有分析功能在当前账户条件下都能运行。随后尝试了本地分子式命令,并按原生帮助关闭额外的候选搜索路径,仍然收到要求登录的提示,没有生成预期分析表。
独立质量分解命令也得到相同提示。更容易误导的是,这些调用的进程退出码为零,却没有分析结果。若自动流程只判断退出码,就可能把“未开始计算”记录成成功。可靠的验收需要同时检查关键日志、预期输出是否存在,以及输出中是否有本次输入对应的记录。文件夹被创建或帮助可以打开,都不足以替代这些证据。
官方账户说明把本地计算与需要许可的在线服务进行了区分,但本文所用安装版本的实际命令行行为仍要求登录。我们保留这个观察,不把它推断为所有版本的永久限制,也没有绕过账户检查。已有合适账户的读者应按 官方账户与许可说明 配置,并重新确认自己的任务究竟调用了哪些服务。本文没有生成原生碎裂树、结构检索结果或类别预测。
设计一个可以手算核对的质量问题
原创练习以一个含氯的元素组成为目标,碳六、氢五、氯一。按脚本中的单同位素原子质量求和,中性质量约为一百一十二点零零七九七八。假设它以单电荷质子化离子形式出现,再加上一个质子的质量,得到观测质量位置约一百一十三点零一五二五四。这里的数值是人工设定,没有来自仪器的实际谱图。
选择已知元素组成,是为了把候选集合的变化与预先知道的答案比较。这个“答案”只对人工输入成立,不是对某个未知实验峰的鉴定。我们没有使用同位素强度,也没有构造结构搜索数据库。即使计算恰好只留下一个分子式,也只能说明在当前有限范围和筛选规则下它是唯一的质量匹配项。
脚本允许碳从一到十、氢从一到二十、氮从零到三、氧从零到六、氯从零到二。为了排除部分明显不合适的组合,还要求简化的不饱和度计算结果为非负整数。这是教学用筛选,不检查所有价态、稳定性或元素比例,也没有采用 SIRIUS 的化学过滤规则。因此,输出应称为形式上的质量匹配候选,不能把每个式子都当作已经证明存在的合理分子。
| 练习条件 | 元素范围 | 质量窗口 | 实际候选数 |
|---|---|---|---|
| 允许氯 | CHNO及氯 | 5 ppm | 1 |
| 排除氯 | 仅CHNO | 5 ppm | 0 |
| 排除氯并放宽窗口 | 仅CHNO | 100 ppm | 2 |
三组输出说明了什么
允许氯并使用五百万分之一的窗口时,枚举结果只有目标式子。排除氯以后,相同窗口下没有匹配项。第三组仍然不允许氯,只把窗口扩大到一百百万分之一,得到了两个其他式子,但原来的含氯目标仍然不在结果里。这个变化直接回答了开头的问题,扩大质量窗口可以增加集合内部的候选,却不能恢复被元素范围排除的目标。
新增两个形式候选分别为一碳四氢六氧和五碳四氢三氧,对应误差约负六十三点六二和正七十一点三七百万分之一。第一种组合还提醒我们,简单的不饱和度检查远远不足以保证化学合理性。练习故意把规则写得透明,便于读者看到“质量接近”“通过简化约束”与“值得接受的化学解释”之间仍有距离。
| 输出式子 | 误差方向与大小 | 能够支持的判断 |
|---|---|---|
| C6H5Cl | 0 ppm | 在允许氯的本例范围内符合设定质量 |
| CH4O6 | 约−63.62 ppm | 宽窗口出现的形式组合,未验证化学合理性 |
| C5H4O3 | 约71.37 ppm | 同样只通过本例质量与简化规则 |
这不是建议把真实数据窗口放到一百百万分之一。这里故意使用较宽条件,是为了让候选集合的变化可见。生产分析中的误差范围应该依据仪器表现、校准情况和数据质量确定。为了看到更多候选而任意放宽窗口,可能只是把更多错误解释加入比较,并没有增加真正的实验信息。
离子质量与中性质量不能混用
本例先明确正离子质子化假设,再用中性分子质量计算对应质量位置。若直接把观测质量当作中性质量,所有候选都会围绕错误中心生成。若实际是其他加合形式,却仍套用质子化假设,偏差也不是把几个百万分之一放宽就能合理解决的。离子类型应结合采集极性、共现信号、同位素与实验条件判断。
误差计算还需要写清分母。作者脚本采用理论离子质量位置减去设定观测位置,再除以设定观测位置,最后乘一百万。这只是本文统一使用的定义,便于复核符号和大小。比较不同软件的误差列时,应检查各自约定,不能因为正负号相反就认定某一方计算错误。复现时保留足够小数位,展示时再进行适当四舍五入。
同位素和碎片可以增加证据,但不能取消输入前提
真实数据中的同位素分布能够帮助区分某些元素组成,二级谱则为片段与损失关系提供信息。它们可以改善已经进入比较范围的解释,但并不意味着任何输入错误都会自动被纠正。质心提取、母离子选择、共隔离和碎片归属都可能影响后续分析。出现冲突时,应检查原始测量和前处理,而不只是反复调整评分参数。
碎裂树也应作为计算解释来阅读。节点和边表达某种可用于解释谱图的关系,不应未经验证就写成唯一真实反应路径。对于混合谱,来自其他前体的碎片可能干扰判断。只有把采集方式、谱图质量和候选范围交代清楚,后面的排名才有可解释的上下文。本文没有运行这部分,不对任何树结构或片段评分给出实测结论。
复跑原创练习,形成自己的检查顺序
附件只需要 Python 标准库,运行后生成三份候选表与一个结果摘要。输入范围、原子质量、离子假设和简化筛选都写在脚本里。工作目录必须尚不存在,避免读取旧文件。这个入口不会下载或调用 SIRIUS,也不需要在线账户,目的只是让读者亲手检查候选集合与窗口变化之间的关系。
python run.py --work ./formula-window-demo
实践时可以先把目标元素范围改错一次,再恢复,比较目标是否进入集合。接着只改变质量窗口,看新增候选是谁,最后检查它们的化学约束。这样的顺序比直接比较总候选数更有用。候选数增加既可能修复过窄范围,也可能放进大量无关解释,必须结合具体身份判断,不能把“更多”默认等同于“更好”。
还可以把每轮候选的加入与移除原因单独列成审阅表。对于始终没有出现的目标,记录它违反了哪一项生成条件。对于只在宽窗口中出现的式子,记录质量误差以及还缺哪些验证证据。这样的差异表能够把调参理由保存下来,也方便发现不必要的窗口放宽,避免下次分析时只记得某组参数“结果比较多”,却说不清为何采用。
SIRIUS 的优势是把分子式与多层结构信息组织成连续分析框架,适合对高分辨率质谱进行系统解释。使用成本在于需要理解各模块的依赖、输入限制和账户服务边界。本文最终得到的经验有两点,分析是否完成要看实际产物,目标是否可能被发现要先看候选范围。把这两点确认后,再讨论精细评分与后续验证,分析记录会更清楚。
下载脚本、运行说明与实际核验结果(ZIP)。合集按工具分为三个目录,SIRIUS目录为独立计算练习,另外两目录为原生调用,需准备相应软件与依赖,并使用尚不存在的工作目录。
如果已确认 SIRIUS 的账户条件、分析范围与输入质量,准备安排批量本地计算,可以带上版本、谱图数量和任务模块,通过云生信生物分析服务器服务沟通环境与运行资源。
