Matchms

Matchms

概述

Matchms是用于质谱数据处理的Python库。它提供了光谱匹配、光谱相似性计算、光谱预处理、光谱聚类和质谱数据分析功能。该库支持多种质谱格式，包括mzML、mzXML、mgf等，适用于代谢组学、蛋白质组学和质谱数据分析。

核心能力

1. 光谱匹配

• 精确质量匹配：基于精确质量的光谱匹配
• 光谱相似性：计算光谱相似性分数
• 数据库搜索：在数据库中搜索匹配的光谱
• 候选排名：对候选光谱进行排名

2. 光谱相似性计算

• 余弦相似性：计算光谱的余弦相似性
• 修改后的余弦相似性：考虑质量偏移的余弦相似性
• Jaccard相似性：计算光谱的Jaccard相似性
• Dice相似性：计算光谱的Dice相似性
• 其他相似性度量：其他光谱相似性度量

3. 光谱预处理

• 归一化：光谱强度归一化
• 峰值过滤：过滤低强度峰值
• 质量过滤：过滤特定质量范围的峰值
• 去噪：光谱去噪
• 基线校正：光谱基线校正

4. 光谱聚类

• 层次聚类：层次聚类算法
• K-means聚类：K-means聚类算法
• DBSCAN聚类：DBSCAN聚类算法
• 光谱聚类：基于相似性的光谱聚类

5. 质谱数据分析

• 光谱导入：导入质谱数据
• 光谱导出：导出质谱数据
• 光谱可视化：可视化质谱数据
• 统计分析：质谱数据统计分析

何时使用此技能

在以下情况下使用此技能：

• 进行质谱数据预处理
• 计算光谱相似性
• 进行光谱匹配
• 进行光谱聚类
• 分析质谱数据
• 进行代谢组学分析
• 进行蛋白质组学分析

安装

pip install matchms

使用示例

光谱相似性计算

from matchms import Spectrum
from matchms.similarity import CosineGreedy

# 创建光谱
spectrum1 = Spectrum(mz=[100, 150, 200], intensities=[0.5, 1.0, 0.7])
spectrum2 = Spectrum(mz=[100, 150, 200], intensities=[0.6, 0.9, 0.8])

# 计算余弦相似性
cosine = CosineGreedy()
score = cosine(spectrum1, spectrum2)

print(f"余弦相似性: {score}")

光谱预处理

from matchms import Spectrum
from matchms.filtering import normalize_intensities, select_by_intensity

# 创建光谱
spectrum = Spectrum(mz=[100, 150, 200, 250], intensities=[0.1, 0.5, 1.0, 0.3])

# 归一化强度
spectrum = normalize_intensities(spectrum)

# 选择高强度峰值
spectrum = select_by_intensity(spectrum, intensity_from=0.3)

print(f"归一化后的m/z: {spectrum.mz}")
print(f"归一化后的强度: {spectrum.intensities}")

光谱匹配

from matchms import Spectrum
from matchms.similarity import CosineGreedy
from matchms.importing import load_from_mgf

# 加载光谱库
spectra = list(load_from_mgf("spectra.mgf"))

# 查询光谱
query = Spectrum(mz=[100, 150, 200], intensities=[0.5, 1.0, 0.7])

# 计算相似性
cosine = CosineGreedy()
scores = [cosine(query, spectrum) for spectrum in spectra]

# 排名
ranked = sorted(zip(spectra, scores), key=lambda x: x[1], reverse=True)

# 显示前5个匹配
for i, (spectrum, score) in enumerate(ranked[:5]):
    print(f"排名 {i+1}: 相似性 {score}")

光谱聚类

from matchms import Spectrum
from matchms.similarity import CosineGreedy
from sklearn.cluster import DBSCAN

# 加载光谱
spectra = list(load_from_mgf("spectra.mgf"))

# 计算相似性矩阵
cosine = CosineGreedy()
n = len(spectra)
similarity_matrix = [[0]*n for _ in range(n)]

for i in range(n):
    for j in range(i+1, n):
        score = cosine(spectra[i], spectra[j])
        similarity_matrix[i][j] = score
        similarity_matrix[j][i] = score

# 转换为距离矩阵
distance_matrix = [[1-score for score in row] for row in similarity_matrix]

# 聚类
clustering = DBSCAN(eps=0.5, min_samples=2).fit(distance_matrix)
labels = clustering.labels_

print(f"聚类标签: {labels}")

光谱导入和导出

from matchms.importing import load_from_mgf, load_from_mzml
from matchms.exporting import save_as_mgf

# 从mgf文件加载
spectra = list(load_from_mgf("input.mgf"))

# 从mzML文件加载
spectra = list(load_from_mzml("input.mzml"))

# 保存为mgf文件
save_as_mgf(spectra, "output.mgf")

支持的格式

输入格式

• mgf：Mascot通用格式
• mzML：质谱标记语言
• mzXML：质谱XML格式
• 其他格式：其他质谱格式

输出格式

• mgf：Mascot通用格式
• mzML：质谱标记语言
• 其他格式：其他质谱格式

最佳实践

1. 光谱预处理：在进行相似性计算之前进行适当的光谱预处理
2. 相似性度量选择：选择合适的相似性度量
3. 参数调整：调整相似性度量的参数以获得最佳结果
4. 质量控制：进行质量控制以确保数据质量
5. 批量处理：使用批量处理提高效率
6. 并行计算：使用并行计算加速处理

常见问题

Q: 如何选择合适的相似性度量？

A: 根据数据类型和分析目标选择合适的相似性度量。

Q: 如何处理大型质谱数据集？

A: 使用批量处理、并行计算或分布式计算。

Q: 如何提高光谱匹配的准确性？

A: 进行适当的光谱预处理、调整参数、使用多个相似性度量。

Q: Matchms支持哪些质谱格式？

A: 支持mgf、mzML、mzXML等多种格式。

资源

• Matchms文档：https://matchms.readthedocs.io
• Matchms GitHub：https://github.com/matchms/matchms
• Matchms教程：https://matchms.readthedocs.io/en/latest/tutorials.html