XCMS包

未完成-XCMS包

经常见有人问到xcms包相关的问题。我们组里很多人在用它，但因为做的方向用不到这个包，自己从没用过这个包，所以想帮忙又无从下手。然后就萌生了写（其实是翻译了）一个详细但又不冗余的xcms包的用法，希望能帮助到别人。但当开始写的时候，我才意识到这个包的参数是如此之多，而英文的说明里大多数参数意义都是一笔带过，而且例子里用的也是默认值，所以R代码里很多参数甚至都没出现。这让很多想具体问题具体分析的人感到很困难。我断断续续写了两个晚上，快写完了，或者离写完还很远（参数实在太庞杂了，比我想象中的要多的多）。由于最近事情多，而且自己也不自信，所以暂且搁笔，等有时间了或者哪天真正用到xcms时再来继续完成自己的初衷。但前面大部分的东西我已经提到了。希望还是对某些人能够有所帮助。有错误的地方麻烦提出来，共同进步…

XCMS包用法 1. 前期准备

数据类型：NetCDF, mzXML, mzData 。 所以首先需要把自己的文件通过相应的软件转化成这类文件。

数据位置：因为xcms会记录下数据所在的位置，并且在数据分析过程中会来回从文件夹中读取数据。所以不要再随意改变数据所在的文件的位置。

数据来源：来源不同的数据应当分开进行数据前处理。比如正离子和负离子模式下得到的数据，不同的洗脱梯度下得到的数据。 数据存储：xcms可以根据数据所在的文件夹的来识别不同的数据组。比如你想研究某一药物在两组病人间的纵向效应（longitudinaleffect），然后你可以把你的两组数据分别存入命名为group A和groupB的文件夹，这样xcms可以识别这两个组。每个文件夹内你还可以继续细分，比如按时间‘day1’，‘day2’等等。xcms会自动给这些数据命名为groupA/day1， group A/day 2， 等等。 （所以这里你要根据你的数据组来把它们存入不同的文件夹）。

如果这里描述的不清楚的话，我会在后面的例子里进一步说明。

下面将会以一个详细的例子来分布解说xcms是如何处理LC-MS数据的。 2. 数据分析 2.1 文件读取

cdfpath <-system.file(\

system.file 作用是寻找包里面文件的路径和全名。这里指的是在叫‘faahKO’的包中找到文件类型为‘cdf’的文件的全名。

list.files(cdfpath,recursive = TRUE)

[1] \\

\[6]

\

\

\[11] \

list.files 是读取该路径下的文件夹或文件名，并以字符型向量存储。 当然，这两条代码对我们都不重要，它们只是单纯的为了从这个包里面读取数据。

2.2 过滤及谱峰检测（filtration and peak identification） Library（xcms）每次使用这个包之前先要加载。

cdffiles <- list.files(cdfpath, recursive = TRUE, full.names = TRUE)

读取cdf文件，这里如果你要读取你自己的文件，你只要把cdfpath换成你的文件夹所在的位置就行，比如你的数据在文件 D:/data,那你把这里的代码换成cdffiles <- list.files(‘D:/data, recursive = TRUE, full.names = TRUE) 就行（当然还有更方便的方法，不过这个就够用了）。Recursive=TURE 的话，它会递归读取到你文件夹里，如果是False的话就只会读取到文件夹。Full.names=TURE的话，你会得到一个包含路径的文件名，False的话只会得到文件名。

[1]

\

3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko15.CDF\[2]

\

3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko16.CDF\[3]

\

3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko18.CDF\[4]

\

3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko19.CDF\[5]

\

3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko21.CDF\[6]

\

3.0.1/R-3.0.1/library/faahKO/cdf/KO/ko22.CDF\[7]

\

3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt15.CDF\[8]

\

3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt16.CDF\[9]

\

3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt18.CDF\[10]

\

3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt19.CDF\[11]

\

3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt21.CDF\[12]

\

3.0.1/R-3.0.1/library/faahKO/cdf/WT/wt22.CDF\xset <- xcmsSet(cdffiles)

这条语句主要作用是谱峰鉴定（peak identification），其结果存储在了一个‘xcmsset’类型的数据（不用管这个类型是啥意思）。

250:38 300:103 350:226 400:338 450:431 500:529 550:674 600:847 250:43 300:128 350:275 400:394 450:500 500:637 550:835 600:1027 250:25 300:93 350:227 400:337 450:411 500:498 550:640 600:758 250:19 300:67 350:169 400:258 450:301 500:373 550:488 600:580 250:24 300:60 350:166 400:254 450:315 500:391 550:501 600:582 250:31 300:71 350:183 400:280 450:338 500:422 550:532 600:604 250:41 300:105

350:212

400:319

450:416

500:533

550:684

600:838 250:27 300:107 350:232 400:347 450:440 500:549 550:712 600:905 250:24 300:87 350:200 400:293 450:351 500:426 550:548 600:661 250:22 300:65 350:161 400:243 450:293 500:358 550:483 600:561 250:28 300:69 350:157 400:229 450:282 500:364 550:493 600:592 250:30 300:81 350:188 400:280 450:356 500:473 550:618 600:765

每一行就是一个文件，并且谱峰鉴定结果用成对的数据形式来给出。分号前面的数字表示正在处理的质荷比（m/z），后面的数字表示到该质荷比时已经找出的峰数目（peaknumber）

这个语句看似简单，里面包含的参数却很多：

xcmsSet(files = NULL, snames = NULL, sclass = NULL, phenoData = NULL, profmethod = \profparam = list(),

polarity = NULL, lockMassFreq=FALSE, mslevel=NULL, nSlaves=0, progressCallback=NULL, scanrange = NULL, ...) 多数情况下，我们用这些默认值就够了。但对于特定的分析仪器或者数据，我们也需要优化一些参数。Findpeaks利用两种不同的算法来进行峰值检测（peak detection）。其中默认法是?ndPeaks.matchedFilter，另一种方法是?ndPeaks.centWave。 2.2.1 ?ndPeaks.matchedFilter 该法有几个参数需要考虑：

峰宽（peak width）可用标准方差(sigma) 或者半峰全宽(fwhm)来表示，默认值是FWHM=30 s。根据色谱类型，我们应当选择合适的峰宽。

步长（step）默认值是2，step=2.

存储，有四种方法， ‘bin’，‘binlin’，‘binlinbase’，‘intlin’，其中bin是默认方法。四种方法的具体意思自己看文献吧，最后一个不推荐用，第三个具体怎么设置，我也没咋看懂。 2.2.2 ?ndPeaks.centWave

该法更适合于高分辨率的仪器下的centroid mode的数据， 比如LC/{TOF,OrbiTrap,FTICR}-MS。binning在这里是不必要的。这里面有两个参数需要考虑： ppm，其选择和仪器精度有关

峰宽范围（peak width range）：比如HPLC里用peakwidth=c(20,50) ，UPLC里是peakwidth=c(5，12)， 单位是

秒。

说了这个多了，举例子吧（英语说明里这部分一笔带过，而且help里的例子也不适合batchfiles，如何设置这些参数的确让人有些摸不着头脑）：

1. ?ndPeaks.matchedFilter

xset <- xcmsSet(cdffiles, method=’matchedFilter’,fwhm=60, step=3, profmethod='binlin' ) xset

An\

Timerange: 2507.6-4139.9 seconds (41.8-69 minutes) Massrange: 200.1-597.0233 m/z Peaks:2549 (about 212 per sample) PeakGroups: 0

Sampleclasses: KO, WT

Profilesettings: method = binlin step = 3 Memoryusage: 0.497 MB

最后结果如上，我用了matchedFilter方法，fwhm是60s，步长是3，存储方法是 binlin

2. ?ndPeaks.centWave

xset <-xcmsSet(cdffiles, method=’centWave’, ppm=5, peakwidth=c(10,20) )

xset

An\

Timerange: 2502.9-4476.4 seconds (41.7-74.6 minutes) Massrange: 200.1-600 m/z

Peaks:52907 (about 4409 per sample) PeakGroups: 0

Sampleclasses: KO, WT Profilesettings: method = bin step = 0.1 Memoryusage: 4.68 MB

最后结果如上，我用了centWave方法，ppm=5，峰宽范围是10-20s。

2.3样本间峰匹配 （peak match across samples） xset<- group(xset)

Group 有三种方法‘density’，‘mzClust’和‘nearest’。每种方法下都有一系列不同的参数。‘density’是默认方法。nearest’需要额外安装‘RANN’的包 才能实现。

Density：Group peaks together across samples using overlapping m/z bins andcalculation of smoothed peak distributions in chromatographic time。

mzClust：Runs high resolution alignment onsingle spectra samples stored in a given xcmsSet.

Nearest: Group peaks together across samples by creating a

master peaklist and assigning corresponding peaks from all samples.

具体的方法和参数自己可以用help。比如想查density方法，就用help(‘group.density’)来查看。 举个例子：

Xset<-group(xset, mzppm = 10, mzabs= 0, minsamp = 1, minfrac=0)

这里我用了mzCluster，它对应的各个参数跟在后面。 2.4保留时间校正 （retention time correction）

样本间峰匹配分组后，xcms便通过这些分组来确定和校正每次运行之间保留时间的漂移。峰对其后xcms再进行一次分组，以提高分组的精确性。并非所有的分组都适合用来做保留时间的校正，比如有很多缺失峰的组和来自于同一样品，但却有多条峰的组。

xset2 <- retcor(xset,family = \plottype = \

这里面又是一大堆参数

Rector也有三种方法‘loess’,’obiwarp’,’peakgroups’, 其中‘loess’是默认方法。

Loess & peakgroups：Use smoothed deviations to alignretention times. 这两个方法竟然完全一样，参数也一样。 Obiwarp：Calculate retention time deviationsfor each sample. It is based on the code at http://obi-warp.sourceforge.net/.

However, this function is ableto align multiple samples, by a center-star strategy.

每个方法后面又是跟了很多参数。具体还是通过help来查看。比如想看loess，就用help（’retcor.loess’）

保留时间校正后，xcms又进行了一次分组，方法同上，不再细讲。 xset2 <- group(xset2,bw = 10) 2.5Filling in Missing Peak Data

即使再次精确分组，还会存在有些组有缺失峰。 xset3 <-fillPeaks(xset2)

这里有两种方法，‘chrom’和‘MSW’，其中‘chrom’是默认法。 ‘chrom’法：Integrateareas of missing peaks

它有一个参数‘nSlaves’：number of slaves/cores to be used for parallel peak ?lling. MPI is used if installed,otherwise the snow package is employed for multicore support.

‘MSW’法：Integrateareas of missing peaks in FTICR-MS data

本文来源：https://www.bwwdw.com/article/kwwr.html