xcms用于LC-MS和GC-MS數(shù)據(jù)分析，用于色譜分離和單光譜質(zhì)譜數(shù)據(jù)處理和可視化的框架。導(dǎo)入AIA / ANDI NetCDF，mzXML，mzData和mzML文件。預(yù)處理數(shù)據(jù)以實(shí)現(xiàn)高通量，非靶的分析物分析。

1 安裝和導(dǎo)入

BiocManager::install("xcms")
BiocManager::install("msdata")
library(xcms)
library(magrittr)
library(ggplot2)

xcms包依賴的包很多，安裝起來(lái)很費(fèi)時(shí)間

2 .導(dǎo)入數(shù)據(jù)

所使用的示例數(shù)據(jù)是msdata包自帶的數(shù)據(jù)，使用MSnbase包的readMSData函數(shù)加載，dda_data對(duì)象包含指定 mzML 文件中的所有 MS1 和 MS2 數(shù)據(jù)。

dda_file <- system.file("TripleTOF-SWATH/PestMix1_DDA.mzML",package = "msdata")
dda_data <- readMSData(dda_file, mode = "onDisk")

如果沒(méi)有安裝msdata包，可以直接導(dǎo)入

dda_data <- readMSData("PestMix1_DDA.mzML", mode = "onDisk")

dda_data.png

在experimentData@instrumentModel儲(chǔ)存儀器信息。
可以通過(guò)以下命令查看。

dda_data@experimentData@instrumentModel
#[1] "TripleTOF 6600"
dda_data@experimentData@instrumentManufacturer
#[1] "SCIEX"

提取總離子流圖
總離子流圖是每個(gè)時(shí)間點(diǎn)所有離子疊加起來(lái)的信號(hào)強(qiáng)度

bpis <- chromatogram(dda_data, aggregationFun = "sum")
plot(bpis,col = c("blue"))

image.png

TIC圖.png

使用ggplot2作圖。

data <- data.frame(rtime=bpis@.Data[[1]]@rtime,intensity=bpis@.Data[[1]]@intensity)
ggplot(data,aes(rtime,intensity))+geom_line()

折線圖.png

提取基峰色譜圖
基峰色譜圖是每個(gè)時(shí)間點(diǎn)信號(hào)最強(qiáng)峰

bpis2 <- chromatogram(dda_data, aggregationFun = "max")
plot(bpis2,col = c("red"))

BPC圖.png

參數(shù)aggregationFun可以選擇"mean","min"。
將TIC和BPC圖合在一起。

data2 <- data.frame(rtime=bpis2@.Data[[1]]@rtime,TIC=bpis@.Data[[1]]@intensity,
                    BPC=bpis2@.Data[[1]]@intensity)
library(reshape2)
data3 <-melt(data2,id.vars = "rtime",variable.name= "Type",value.name = "Intensity")
ggplot(data3,aes(rtime,Intensity,group = Type,color = Type))+
  geom_line()+
  scale_color_manual(values = c("red","blue"))

TIC&BPC.png

使用msLevel函數(shù)查看所有峰的質(zhì)譜級(jí)數(shù)

head(msLevel(dda_data))
# F1.S0001 F1.S0002 F1.S0003 F1.S0004 F1.S0005 F1.S0006 
#        1        1        1        1        1    
length(msLevel(dda_data))
#[1] 7602

使用列聯(lián)函數(shù)table查看MS1和MS2的個(gè)數(shù)

table(msLevel(dda_data))
#   1    2 
#4627 2975

或者使用管道命令 |>，filterMsLevel選擇質(zhì)譜級(jí)數(shù)

dda_data |> filterMsLevel(1L) |> length()
#[1] 4627
dda_data|> filterMsLevel(2L) |> length()
#[1] 2975

可見(jiàn)7602張質(zhì)譜圖中，有4627張一級(jí)質(zhì)譜，2975張二級(jí)質(zhì)譜。
查看一級(jí)譜圖

data_1L <- filterMsLevel(dda_data,1L)
table(msLevel(data_1L))
#   1 
# 4627
plot(data_1L[2003:2005])+xlim(200,400)

Rplot.png

查看二級(jí)譜圖

data_2L <- filterMsLevel(dda_data,2L)
table(msLevel(data_2L))
#   1 
# 2975
plot(data_2L[[1]])$data
#            i       mtc
# 1 0.04827657  55.93534
# 2 0.09725399  78.95068
# 3 0.05769959 138.01590

Rplot01.png

提取二級(jí)質(zhì)譜并使用precursorMz函數(shù)求得母離子的質(zhì)荷比

dda_data %>% filterMsLevel(2L) %>% precursorMz() %>% head()
# F1.S0023  F1.S0024  F1.S0028  F1.S0029  F1.S0113  F1.S0120 
#212.07649 220.14811  93.03474 219.17504 666.06150 329.07436

使用precursorIntensity函數(shù)求得母離子的離子強(qiáng)度

dda_data %>% filterMsLevel(2L) %>% precursorIntensity() %>% head()
#F1.S0023 F1.S0024 F1.S0028 F1.S0029 F1.S0113 F1.S0120 
#       0        0        0        0        0        0

dda_data %>% precursorIntensity()%>% head()
#F1.S0001 F1.S0002 F1.S0003 F1.S0004 F1.S0005 F1.S0006 
#      NA       NA       NA       NA       NA       NA 

Sciex公司產(chǎn)生的數(shù)據(jù)一般不會(huì)將母離子的離子強(qiáng)度導(dǎo)出（一般MS1為NA，MS2為0），需要使用xcms包的函數(shù)estimatePrecursorIntensity。

prec_int <- xcms::estimatePrecursorIntensity(dda_data)
fData(dda_data)$precursorIntensity <- prec_int
dda_data %>%
    filterMsLevel(2L) %>%
    precursorIntensity() %>%
    head()

參考資料：

XCMS官方說(shuō)明文檔
LC-MS/MS data analysis with xcms (bioconductor.org)