1版本信息

R版本: R版本3.6.0 (2019-04-26)
Bioconductor版本: 3.9
包版本: 1.8.0

2设置

以下包将在整个文档中使用。R版本3.3.1或更高，以安装使用的所有包BiocManager:安装．

库("mzR")库("mzID")库("MSnID")库("MSnbase")库("rpx")库("MLInterfaces")库("pRoloc")库("pRolocdata")库("MSGFplus")库("rols")库("hpar")

安装所需的所有教程(以及更多相关内容)最方便的方法是安装RforProteomics和它所有的依赖关系。

library("BiocManager")::install("RforProteomics"， dependencies = TRUE)

其他感兴趣的包，例如rTANDEM或MSGFgui将在后面的文档中描述，但在此工作流中执行代码并不需要这些描述。

3.简介

这个工作流程说明了R / Bioconductor用于蛋白质组学的基础结构。涉及的主题集中在对原始数据和鉴定结果的开放社区驱动格式的支持、肽谱匹配软件包、数据处理和分析:

• 探索可用的基础设施
• 质谱数据
• 从蛋白质组学资料库获取数据
• 处理原始MS数据
• 处理识别数据
• MS/MS数据库搜索
• 分析搜索结果
• 高级数据接口
• 定量蛋白质组学
• 导入第三方量化数据
• 数据处理与分析
• 统计分析
• 机器学习
• 注释
• 其他相关的包/管道

还记录了到其他包和引用的链接。特别是其中的小插图RforProteomics包装中还包含相关材料。

4探索可用的基础设施

在Bioconductor 3.9版本中，分别有128个蛋白质组学, 85年质谱软件包和22质谱实验包．方法提取这些相应的包proteomicsPackages ()，massSpectrometryPackages ()而且massSpectrometryDataPackages ()互动探索。

library("RforProteomics") pp <- proteomicsPackages() display(pp)

5质谱数据

中支持大多数社区驱动的格式R，详见下表。

6从蛋白质组学资料库获取数据

基于ms的蛋白质组学数据通过ProteomeXchange基础设施，它通过多个数据存储库集中协调提交、存储和传播骄傲EBI的数据库，用于MS/MS实验，一批，以获取SRM数据和巨大的资源。的rpx是ProteomeXchange的接口，提供对PX数据的基本访问。

库(rpx) pxannounced ()

15个新的ProteomeXchange公告

# #数据。集出版。数据信息## 1 PXD010862 2019-05-06 14:34:16新## 3 PXD013546 2019-05-06 14:15:20新## 6 PXD013397 2019-05-06 14:13:43新## 7 PXD012877 2019-05-06 14:03:00新## 8 pxd012888 2019-05-06 13:42:46新## 9 PXD012379 2019-05-06 13:26:35新## 10 PXD013425 2019-05-06 13:26:59新## 12 PXD010791 2019-05-05 02:13:41新## 13 PXD0107902019-05-04 10:24:28新

使用唯一的PXD000001标识符时，可以检索存储在PXDataset对象。方法可以检索此数据中可用的文件的名称pxfiles访问器的功能。

px <- PXDataset("PXD000001") px

## PXDataset类对象## Id: PXD000001，包含12个文件使用“pxfiles(.)”查看所有文件。

pxfiles(像素)

## [1] "F063721.dat" ## [2] "F063721.dat-mztab.txt" ## [3] "PRIDE_Exp_mzData_Ac_22134.xml.gz" ## [5] "PXD000001_mztab.txt" ## [6] "README.txt" ## [7] "TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzML“##[8]”TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzXML" ## [9] "TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01。mzXML" ## [10] "TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01.raw" ## [11] "erwinia_carotovora.fasta" ## [12] "generated"

的其他元数据px数据集:

pxtax(像素)

“Erwinia carotovora”

pxurl(像素)

##[1]“ftp://ftp.pride.ebi.ac.uk/pride/data/archive/2012/03/PXD000001”

pxref(像素)

gattto L, Christoforou A.使用R和Bioconductor进行蛋白质组学数据分析。生物化学学报，2014 1844(1 pt a):42-51"

方法下载数据文件pxget函数。下面，我们检索原始数据文件。文件在工作目录中下载，文件的名称由函数返回并存储在mzf变量，供以后使用。

fn <- "TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210. "mzf <- pxget(px, fn)

下载1个文件

mzf

## [1] "/tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210.mzML"

7处理原始MS数据

的mzR包提供到proteowizardC/ c++代码库访问各种原始数据文件，如mzML，mzXML，netCDF,mzData．数据是在磁盘上访问的，也就是说，默认情况下它并不完全载入内存，只有在显式请求时才载入。这三个主要功能是openMSfile要创建原始数据文件的文件句柄，头提取文件中包含的光谱的元数据山峰提取一个或多个感兴趣的光谱。其他功能，例如instrumentInfo,或runInfo可用于收集有关运行的一般信息。

下面，我们访问在前一节中下载的原始数据文件，并打开一个文件句柄，它将允许我们提取感兴趣的数据和元数据。

library("mzR") ms <- openMSfile(mzf) ms

质谱仪文件处理。##文件名:TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzML ##扫描次数:7534

的头函数返回所有可用峰值的元数据:

Hd <- header(ms) dim(Hd)

## [1] 7534 29

名(高清)

# #[1]“seqNum”# #“acquisitionNum”[3]“msLevel”“极性”# #[5]“peaksCount”“totIonCurrent”# #[7]“retentionTime”“basePeakMZ”# #[9]“basePeakIntensity”“collisionEnergy”# #[11]“ionisationEnergy”“lowMZ”# #[13]“highMZ”“precursorScanNum”# #[15]“precursorMZ”“precursorCharge”# #[17]“precursorIntensity”“mergedScan”# #[19]“mergedResultScanNum”“mergedResultStartScanNum”# #[21]“mergedResultEndScanNum”“injectionTime”# #[23]“filterString”“spectrumId”# #[25]“重心”"ionMobilityDriftTime" ## [27] "isolationWindowTargetMZ" "isolationWindowLowerOffset" ## [29] "isolationWindowUpperOffset"

我们可以提取元数据并扫描扫描1000，如下所示:

高清(1000)

# # seqNum acquisitionNum msLevel极性peaksCount totIonCurrent # # 1000 1000 1000 274 1048554 1 # # retentionTime basePeakMZ basePeakIntensity collisionEnergy 45 # # # # 1000 1106.916 - 136.061 164464 ionisationEnergy lowMZ highMZ precursorScanNum precursorMZ # # 1000 0 104.5467 1370.758 992 683.0817 # # precursorCharge precursorIntensity mergedScan mergedResultScanNum # # 1000 2 689443.7 0 0 # # mergedResultStartScanNum mergedResultEndScanNum injectionTime # # # # filterString # # 55.21463 1000 0 01000 FTMS + p NSI d Full ms2 683.08@hcd45.00 [100.00-1380.00] ## spectrumId centrroided ## 1000 controllerType=0 controllerNumber=1 scan=1000 TRUE ## ionMobilityDriftTime isolationWindowTargetMZ isolationWindowLowerOffset ## 1000 NA 683.08 1 ## isolationWindowUpperOffset ## 1000 1

头(峰值(女士,1000))

## [，1] [，2] ## [1，] 104.5467 308.9326 ## [2，] 104.5684 308.6961 ## [3，] 108.8340 346.7183 ## [4，] 109.3928 365.1236 ## [5，] 110.0345 616.7905 ## [6，] 110.0703 429.1975

图(峰值(ms, 1000)， type = "h")

下面我们重现了MSmap函数从MSnbase控件绘制原始数据的特定片mzR我们刚刚描述过的函数。

##一组感兴趣的谱:MS1谱洗脱##之间30分钟和35分钟保留时间MS1 <- which(hd$msLevel == 1) rtsel <- hd$retentionTime[MS1] / 60 > 30 & hd$retentionTime[MS1] / 60 < 35 #地图M <- MSmap(ms, MS1 [rtsel]， 521,523， .005, hd) plot(M, aspect = 1, allTicks = FALSE)

plot3D (M)

##与某些MS2光谱i <- ms1[which(rtsel)][1] j <- ms1[which(rtsel)][2] M2 <- MSmap(ms, i:j, 100, 1000, 1, hd) plot3D(M2)

8处理识别数据

的RforProteomics包分发一个小的识别结果文件(请参阅TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01.mzid ?的基础结构加载和解析mzID包中。

library("mzID") f <- dir(system。file("extdata"， package = "RforProteomics")， pattern = "mzid"， full.names=TRUE)

## [1] "TMT_Erwinia.mzid.gz"

- mzID(f)

##读取TMT_Erwinia.mzid.gz…完成了!

id

##一个mzID对象## ##使用的软件:MS-GF+(版本:Beta (v100r0072)) ## ## Rawfile: /home/ lgato /dev/00_github/ rforproteomics /sandbox/TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01。mzXML ## ##数据库:/home/ lgato /dev/00_github/ rforproteomics /sandbox/erwinia_carotovora。fasta ## ##扫描数量:5287 ## PSM的数量:5563

可以从中提取各种数据mzID对象，使用一个访问器函数，例如数据库，扫描，肽对象也可以转换为data.frame使用平函数。

的mzR包还提供了对fasta解析的支持mzIdentML具有openIDfile函数。至于原始数据，底层的C/ c++代码来自proteowizard．

library("mzR") f <- dir(system。file("extdata"， package = "RforProteomics")， pattern = "mzid"， full.names=TRUE) id1 <- openIDfile(f) fid1 <- mzR::psms(id1) head(fid1)

# # 1 # # spectrumID chargeState排名passThreshold experimentalMassToCharge扫描= 5782 3 1真正1080.2325 # # 2扫描= 6037 3 1真正1002.2089 # # 3扫描= 5235 3 1真正1189.2836 # # 4扫描= 5397 3 1真正960.5365 # # 5扫描= 6075 = 5761 3 1真正1264.3409 # # 6扫描2 1真的1268.6429 # # calculatedMassToCharge序列modNum isDecoy # # 1 1080.2321 PVQIQAGEDSNVIGALGGAVLGGFLGNTIGGGSGR 0错误# # 2 1002.2115 TQVLDGLINANDIEVPVALIDGEIDVLR 0假# # 3 1189.2800 TKGLNVMQNLLTAHPDVQAVFAQNDEMALGALR 0假# # 4960.5365 SQILQQAGTSVLSQANQVPQTVLSLLR 0错误# # 5 1264.3419 PIIGDNPFVVVLPDVVLDESTADQTQENLALLISR 0假# # 6 1268.6501 WTSQSSLDLGEPLSLITESVFAR 0假# #后开始之前结束DatabaseAccess DBseqLength DatabaseSeq # # 1 50 84 ECA1932 155 # # 2 R K 288 315 ECA1147 434 # # 3 R 192 224 ECA0013 295 # # 4 - 264 290 ECA1731 290 # # 5 F R 119 153 ECA1443 298 # # 6 Y K 264 286 ECA1444 468 # # DatabaseDescription scan.number.s。## 1 ECA1932外膜脂蛋白5782 ## 2 ECA1147触发因子6037 ## 3 ECA0013核糖结合质周蛋白5235 ## 4 ECA1731鞭毛蛋白5397 ## 5 ECA1443 UTP—葡萄糖-1-磷酸脲基转移酶6075 ## 6 ECA1444 6-磷酸葡萄糖酸脱氢酶，脱羧5761 ##接受num ## 1 5782 ## 2 6037 ## 3 5235 ## 4 5397 ## 5 6075 ## 6 5761

9MS/MS数据库搜索

虽然搜索通常使用独立于R的第三方软件执行，或者可以使用a从R开始系统电话,rTANDEM包允许使用X!串联引擎。的shinyTANDEM提供一个实验性的交互式界面来探索搜索结果。

rTANDEM library("rTANDEM")

类似地,MSGFplus包允许使用MSGF+引擎执行搜索，如下所示。

我们搜索/tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzML文件和fasta文件PXD000001使用MSGFplus．

我们首先下载fasta文件:

Fas <- pxget(px， "erwinia_carotovora.fasta")

下载1个文件

basename (fas)

## [1] "erwinia_carotovora.fasta"

库("MSGFplus") msgfpar <- msgfpar(数据库= fas，仪器= 'HighRes'， tda = TRUE，酶= '胰蛋白酶'，协议= 'iTRAQ') idres <- runMSGF(msgfpar, mzf，内存=1000)

## '/usr/bin/java' -Xmx1000M -jar '/home/biocbuild/bb -3.9-bioc/R/library/MSGFplus/ MSGFplus/ MSGFplus .jar' -s '/tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzML' -o '/tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzid' -d '/tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/erwinia_carotovora。fasta' -tda 1 -inst 1 -e 1 -protocol 2 ## ## reading TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210.mzid…完成了!

印尼盾

##一个mzID对象## ##使用的软件:MS-GF+(版本:Beta (v100r0072)) ## ## Rawfile: /tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210。mzML ## ##数据库:/tmp/RtmpM7a8cs/Rbuild68e538add17d/proteomics/vignettes/erwinia_carotovora。fasta ## ##扫描数量:5343 ## PSM的数量:5656

##标识文件(下面需要)basename(mzID::files(idres)$id)

## [1] "TMT_Erwinia_1uLSike_Top10HCD_isol2_45stepped_60min_01-20141210.mzid"

(请注意runMSGF调用上面的调用，我显式地将分配给java虚拟机的内存减少到3.5GB。一般情况下，不需要指定此参数，除非遇到关于最大堆大小）.

图形界面执行搜索数据和探索结果也可用:

库(MSGFgui) MSGFgui ()

10分析搜索结果

的MSnID包可用于MS/MS鉴定的搜索后过滤。首先要构造一个MSnID对象的标识结果进行填充，这些标识结果可从data.frame或从mzIdenML文件。在这里，我们将使用包提供的示例标识数据。

Mzids <- system。file("extdata"， "c_elegans.mzid.gz"， package="MSnID") basename(mzids)

## [1] "c_elegans.mzid.gz"

首先加载包，初始化MSnID对象，并从我们的mzid文件(当然可以有更多)。

library("MSnID") MSnID <- MSnID(".")

注意，肽-谱匹配结果中预期/建议的列为:-----------------------------------------------接入计算masstocharge chargeState实验masstocharge isDecoy peptide spectrumFile spectrumID

msnid <- read_mzIDs(msnid, mzids)

##从mzIdentMLs读取…

##阅读c_elegans.mzid.gz…完成了!

显示(msnid)

## MSnID对象谱文件:1 ## # pms: 12263, 36% FDR，肽:9489,44% FDR, 7414, 76% FDR

打印MSnID对象返回一些基本信息，例如

• 工作目录。
• 用于生成数据的频谱文件的数量。
• 肽-谱匹配数及对应的FDR。
• 唯一的肽序列数目和相应的FDR。
• 唯一的蛋白质或氨基酸序列接入数和相应的FDR。

然后，该软件包能够定义，优化和应用过滤，例如基于错过的裂解，识别分数，前体质量误差等，并评估PSM，肽和蛋白质FDR水平。为了正常工作，它期望能够访问以下数据

##[1]“接入”“calculatedMassToCharge”##[3]“chargeState”“experimentalMassToCharge”##[5]“isDecoy”“肽”##[7]“spectrumFile”“spectrumID”

它们确实存在于我们的数据中:

名(msnid)

## [1] "spectrumID" "扫描数(s)"# #[3]“acquisitionNum”“passThreshold”# #[5]“等级”“calculatedMassToCharge”# #[7]“experimentalMassToCharge”“chargeState”# #[9]“MS-GF: DeNovoScore”“MS-GF:安勤科技”# #[11]“MS-GF: PepQValue”“MS-GF: QValue”# #[13]“MS-GF: RawScore”“MS-GF: SpecEValue”# #[15]“AssumedDissociationMethod”“IsotopeError”# #[17]“isDecoy”“post”# #[19]“前”“结束”# #[21]“开始”“加入”# #[23]“长度”“描述”# #[25]“pepSeq”“修改”# #[27]“修改”“idFile”# #[29]“spectrumFile”"databaseFile" ##[31] "肽"

在这里，我们总结了几个步骤，并将读者重新引导到软件包的小插图中了解更多细节:

msnid <- assess_termini(msnid, validCleavagePattern="[KR]\\.[^P]") msnid <- assess_missed_cleavages(msnid, missedCleavagePattern="[KR](?=[^P$])")

msnid <- apply_filter(msnid， "numIrregCleavages == 0") msnid <- apply_filter(msnid， "numMissCleavages <= 2") show(msnid)

## MSnID对象谱文件:1 ## # pms: 7838, 17% FDR，肽:5598,23% FDR，接入:3759,53% FDR

总结(mass_measurement_error (msnid))

最小第一曲，中位数，平均第三曲，最大值。## -2184.0640 -0.6992 0.0000 17.6146 0.7512 2012.5178

Msnid <- apply_filter(Msnid， "abs(mass_measurement_error(Msnid)) < 20") summary(mass_measurement_error(Msnid))

最小第一曲，中位数，平均第三曲，最大值。## -19.7797 -0.5866 0.0000 -0.2970 0.5713 19.6758

msnid$msmsScore <- log10(msnid$ ' MS-GF:SpecEValue ')

msnid$absParentMassErrorPPM <- abs(mass_measurement_error(msnid))

filtObj <- MSnIDFilter(msnid) filtObj$absParentMassErrorPPM <- list(compare ="<"， threshold=10.0) filtObj$msmsScore <- list(compare =">"， threshold=10.0) show(filtObj)

## MSnIDFilter对象## (absParentMassErrorPPM < 10) & (msmsScore > 10)

evaluate_filter (msnid filtObj)

## PSM 0 ## #肽0 2455 ##接入0 1009

filtObj。grid <- optimize_filter(filtObj, msnid, fdr.max=0.01, method=" grid "， level="peptide"， n.iter=500) show(filtObj.grid)

## MSnIDFilter对象## (absParentMassErrorPPM < 3) & (msmsScore > 7.4)

evaluate_filter (msnid filtObj.grid)

# #罗斯福n PSM 0.004097561 # # 5146 # #肽0.006447651 3278 0.021996616加入# # 1208

msnid <- apply_filter(msnid, filtObj.grid) show(msnid)

## MSnID对象谱文件:1 ## # pms: 5146个，0.41% FDR肽:3278个，0.64% FDR, 1208个，2.2% FDR

msnid <- apply_filter(msnid， "isDecoy == FALSE") msnid <- apply_filter(msnid， "!grepl('污染物'，附加)")show(msnid)

## MSnID对象谱文件:1 ## # pms: 5117，在0 % FDR ##肽:3251，在0 % FDR ## #接入:1179，在0 % FDR

11高级数据接口

上面的部分介绍了原始结果和识别结果的低级接口。的MSnbase类提供原始数据的抽象MSnExp类和容器用于量化数据MSnSet类。两个商店

1. 实际分析数据(光谱或定量矩阵，见下文)，访问光谱(或［，[[运营商)或exprs；
2. 样例元数据，作为data.frame与pData；
3. 特性元数据，作为data.frame与fData．

另一个有用的槽是processingData，以processingData(。)，它记录了对象自创建以来所经历的所有处理(参见下面的示例)。

的readMSData将解析原始数据，提取MS2光谱(默认)，并构建一个类的MS实验对象MSnExp．

(请注意readMSData支持MS1数据，这是目前不方便，因为所有的数据都读入内存。)

library("MSnbase") rawFile <- dir(system. base)file(package = "MSnbase"， dir = "extdata")， full.name = TRUE, pattern = "mzXML$")

## [1] "dummyiTRAQ.mzXML"

msexp <- readMSData(rawFile, verbose = FALSE, centroided = FALSE

## MSn实验数据(“MSnExp”)##对象内存大小:0.18 Mb ## - - -光谱数据- - - ## MS级别(s): 2 ##光谱数量:5 ## MSn保留时间:25:1 - 25:2分钟## - - -处理信息- - - ##数据加载:2019年5月6日星期一12:12:02 ## MSnbase版本:2.10.0 ## - - -元数据- - - ##表型数据## rowNames: dummyiTRAQ。mzXML ## varLabels: sampleNames ## varMetadata: labelDescription ##加载从:## dummyiTRAQ。mzXML ## protocolData: none ## featureData ## featurename: F1。S1 F1。S2……F1。S5 (5 total) ## fvarLabels: spectrum ## fvarMetadata: labelDescription ##实验数据:使用'实验数据(对象)'

MS2光谱可以提取为一个列表Spectrum2对象具有光谱访问器或作为原始的子集MSnExp数据与［操作符。单独的光谱可以访问[[．

长度(msexp)

## [1]

msexp [1:2]

# # MSn实验数据(“MSnExp”)# #对象在内存大小:0.07 Mb  ## - - - 光谱数据  - - - ## 女士水平(s): 2 # #光谱数量:2 # # MSn保留时间:25:1 - 25:2分钟  ## - - - 处理信息  - - - ## 数据加载:5月6日星期一12:12:02 2019 # #数据[数字]子集2光谱:5月6日星期一12:12:03 2019 # # MSnbase版本:2.10.0  ## - - - 元数据  - - - ## phenoData # # rowNames: dummyiTRAQ。mzXML ## varLabels: sampleNames ## varMetadata: labelDescription ##加载从:## dummyiTRAQ。mzXML ## protocolData: none ## featureData ## featurename: F1。S1 F1。S2 ## fvarLabels: spectrum ## fvarMetadata: labelDescription ##实验数据:使用'实验数据(对象)'

msexp [[2]]

##类对象“Spectrum2”##前体:546.9586 ##保留时间:25:2 ##电荷:3 ## MSn级别:2 ##峰值计数:1012 ##总离子计数:56758067

来自同一原始数据文件的识别结果可用于添加PSM匹配。

fData (msexp)

##频谱## F1S1 1 ## f1。S2 2 ## f1。S3 3 ## f1。S4 4 ## f1。S5 5

##查找mzIdentML文件的路径file(package = "MSnbase"， dir = "extdata")， full.name = TRUE, pattern = "dummyiTRAQ.mzid")

## [1] "dummyiTRAQ.mzid"

msexp <- addIdentificationData(msexp, identFile) fData(msexp)

频谱采集。数字序列chargeState rank ## F1。S1 1 1 vesitarhgevlqlrpk 3 1 ## f1。S2 2 2 idgqwvthqwlkk 3 1 ## f1。S3 3 3 < na > na na ## f1。S4 4 4 < na > na na ## f1。S5 55LVILLFR 2 1 ## passThreshold experimentalMassToCharge calculatedMassToCharge modNum ## F1.S1 TRUE 645.3741 645.0375 0 ## F1.S2 TRUE 546.9586 546.9633 0 ## F1.S3 NA NA NA NA ## F1.S4 NA NA NA NA ## F1.S5 TRUE 437.8040 437.2997 0 ## isDecoy post pre start end DatabaseAccess DBseqLength DatabaseSeq ## F1.S1 FALSE A R 170 186 ECA0984 231 ## F1.S2 FALSE A K 50 62 ECA1028 275 ## F1.S3 NA   NA NA  NA  ## F1.S4 NA   NA NA  NA  ## F1.S5 FALSE L K 22 28 ECA0510 166 ## DatabaseDescription ## F1.S1 ECA0984 DNA mismatch repair protein ## F1.S2 ECA1028 2,3,4,5-tetrahydropyridine-2,6-dicarboxylate N-succinyltransferase ## F1.S3  ## F1.S4  ## F1.S5 ECA0510 putative capsular polysacharide biosynthesis transferase ## scan.number.s. idFile MS.GF.RawScore MS.GF.DeNovoScore ## F1.S1 1 dummyiTRAQ.mzid -39 77 ## F1.S2 2 dummyiTRAQ.mzid -30 39 ## F1.S3 NA  NA NA ## F1.S4 NA  NA NA ## F1.S5 5 dummyiTRAQ.mzid -42 5 ## MS.GF.SpecEValue MS.GF.EValue modName modMass modLocation ## F1.S1 5.527468e-05 79.36958  NA NA ## F1.S2 9.399048e-06 13.46615  NA NA ## F1.S3 NA NA  NA NA ## F1.S4 NA NA  NA NA ## F1.S5 2.577830e-04 366.38422  NA NA ## subOriginalResidue subReplacementResidue subLocation nprot npep.prot ## F1.S1   NA 1 1 ## F1.S2   NA 1 1 ## F1.S3   NA NA NA ## F1.S4   NA NA NA ## F1.S5   NA 1 1 ## npsm.prot npsm.pep ## F1.S1 1 1 ## F1.S2 1 1 ## F1.S3 NA NA ## F1.S4 NA NA ## F1.S5 1 1

的readMSData而且addIdentificationData利用mzR而且mzID包来访问原始数据和标识数据。

光谱和(部分)实验可以提取和绘制。

msexp [[1]]

##类对象“Spectrum2”##前体:645.3741 ##保留时间:25:1 ##电荷:3 ## MSn级别:2 ##峰值计数:2921 ##总离子计数:668170086

情节(msexp[[1]],全= TRUE)

msexp [1:3]

# # MSn实验数据(“MSnExp”)# #对象在内存大小:0.11 Mb  ## - - - 光谱数据  - - - ## 女士水平(s): 2 # #光谱数量:3 # # MSn保留时间:25:1 - 25:2分钟  ## - - - 处理信息  - - - ## 数据加载:5月6日星期一12:12:02 2019 # #数据(数值)子集3光谱:我2019年5月6日12:12:04 # # MSnbase版本:2.10.0  ## - - - 元数据  - - - ## phenoData # # rowNames: dummyiTRAQ。mzXML ## varLabels: sampleNames ## varMetadata: labelDescription ##加载从:## dummyiTRAQ。mzXML ## protocolData: none ## featureData ## featurename: F1。S1 F1。S2 F1。S3 ## fvarLabels:频谱采集。数……npsm。pep (34 total) ## fvarMetadata: labelDescription ##实验数据:使用'实验数据(对象)'

情节(msexp[1:3],全= TRUE)

12定量蛋白质组学

有广泛的蛋白质组学定量技术，可大致分为标记和无标记，这取决于特征是否在MS采集之前标记，以及推断定量的MS水平，即MS1或MS2。

在原始数据定量方面，主要致力于ms2级定量。然而，在代谢组学数据处理的框架中，无标签XIC定量已被解决xcms基础设施。

一个MSnExp转换为MSnSet由定量方法。下面，我们使用iTRAQ 4-plex等压标记策略(由iTRAQ4参数;其他标签可用)和trapezoidation计算等压报告峰下面积的方法。

plot(msexp[[1]]， full=TRUE, reporters = iTRAQ4)

msset <- quantify(msexp, method = "trap"， reports = iTRAQ4, verbose=FALSE) exprs(msset)

iTRAQ4.114 iTRAQ4.115 iTRAQ4.116 iTRAQ4.117S1 4483.320 4873.996 6743.441 4601.378 ## f1。S2 1918.082 1418.040 1117.601 1581.954 ## f1。S3 15210.979 15296.256 15592.760 16550.502 ## f1。S4 4133.103 5069.983 4724.845 4694.801 ## f1。S5 11947.881 13061.875 12809.491 12911.479

processingData (msset)

##数据加载:2019年5月6日星期一12:12:02 ## iTRAQ4梯形量化:2019年5月6日星期一12:12:08 ## MSnbase版本:2.10.0

其他可用的MS2定量方法量化包括(归一化)光谱指数如果以及(归一化)光谱丰度因子SAF或者简单的计数方法。

exprs(si <- quantify(msexp, method = "SIn"))

# # dummyiTRAQ。mzXML## ECA0510 0.0006553518 ## ECA0984 0.0035384487 ## ECA1028 0.0002684726

exprs(saf <- quantify(msexp, method = "NSAF"))

# # dummyiTRAQ。mzXML## ECA0510 0.4306167 ## ECA0984 0.3094475 ## ECA1028 0.2599359

请注意，未分配任何肽(NA)或匹配非唯一肽(NPSM > 1)在计数过程中被丢弃。

另请参阅的等压线包支持从集中定量mgf峰值列表或它自己的标签分开的文件，可以从Mascot和Phenyx供应商文件生成。

13导入第三方量化数据

常设调查小组委员会mzTab文件格式旨在为更广泛的社区提供一种更简单(比XML格式)和更易于访问的文件格式。它由键值元数据部分和肽/蛋白质/小分子表格部分组成。

请注意，下面我们指定了版本0.9(生成警告的版本)以适应该文件。对于最近的文件，版本参数将被忽略以使用最近的导入器。

mztf <- pxget(px， "F063721.dat-mztab.txt")

下载1个文件

(mztf <- readMzTabData(mztf, what = "PEP"， version = "0.9"))

##警告:0.9版本已弃用。请看?readMzTabData'和'?MzTab' ##详细信息。

## MSnSet (storageMode: lockedEnvironment) ## assayData: 1528个特征，6个样本##元素名称:exprs ##协议数据:none ##表型数据## sampleNames: sub[1] sub[2]…sub[6] (6 total) ## varLabels:丰度## varMetadata: labelDescription ## featureData ## featurename: 1 2…1528 (1528 total) ## fvarLabels:序列添加…uri (14 total) ## fvarMetadata: labelDescription ##实验者数据:使用'实验者数据(对象)' ##注释:## - - -处理信息- - - ## mzTab读取:Mon May 6 12:12:16 2019 ## MSnbase版本:2.10.0

也可以将任意电子表格导入为MSnSet对象转换为RreadMSnSet2函数。该函数的两个主要参数是(1)基于文本的电子表格和(2)标识量化数据的索引的列名。方法可以查询后者getEcols函数。

CSV <- dir(system。file ("extdata"， package = "pRolocdata")， full.names = TRUE, pattern = "pr800866n_si_004-rep1.csv") getEcols(csv, split = "，")

# #[1]“\”蛋白质ID \“\”FBgn \ " " # #[3] \“\”果蝇象征”没有“\”。肽id \"" ##[5] "\"吉祥物得分"" "" \""不。肽量化\ " " # #[7]“\”面积114 \“\”面积115 \ " " # #[9]“\”面积116 \“\”面积117 \ " " # #[11]“\”PLS-DA分类\“\”肽序列\ " " # #[13]“\”前体离子质量\“\”前体离子电荷\ " " # # [15]pd“\”。2013 \“\”pd.markers \”“

ecols <- 7:10 res <- readMSnSet2(csv, ecols) head(exprs(res))

# #区。114area.115 area.116 area.117 ## 1 0.379000 0.281000 0.225000 0.114000 ## 2 0.420000 0.209667 0.206111 0.163889 ## 3 0.187333 0.167333 0.169667 0.476000 ## 4 0.247500 0.253000 0.320000 0.179000 ## 5 0.216000 0.183000 0.342000 0.259000 ## 6 0.072000 0.212333 0.573000 0.142667

头(fData (res))

# #蛋白质。ID FBgn Flybase。没有. .肽象征。IDs的吉祥物。得分## 1 CG10060 FBgn0001104 G-ialpha65A 3 179.86 ## 2 CG10067 FBgn0000044 Act57B 5 222.40 ## 3 CG10077 FBgn0035720 CG10077 5 219.65 ## 4 CG10079 FBgn0003731 Egfr 2 86.39 ## 5 CG10106 FBgn0029506 Tsp42Ee 1 52.10 ## 6 CG10130 FBgn0010638 Sec61beta 2 79.90 ## No..多肽。定量pls . da .分类肽。序列## 1下午1点## 2下午9点## 3 3 ## 4下午2点## 5 1 GGVFDTIQK ## 6 3 ER/高尔基体##前体。离子。质量前体。离子。电荷pd。2013 pd。标记## 1下午未知##下午2未知## 3下午未知## 4下午未知## 5 626.887 2表型1未知## 6 ER/高尔基ER

14数据处理与分析

data(itraqdata) qnt <- quantify(itraqdata, method = "trap"， reporters = iTRAQ4, verbose = FALSE)杂质<- matrix(c(0.929,0.059,0.002,0.000, 0.020,0.923,0.056,0.001, 0.000,0.030,0.924,0.045, 0.000,0.001,0.040,0.923)， nrow=4, byrow = TRUE) ##或，使用makeicitesmatrix() ##杂质<- makeicitesmatrix (4) qnt。crct <- purityCorrect(qnt，杂质)processingData(qnt.crct)

##数据加载:2011年5月11日星期三18:54:39更新从版本0.3.0到0.3.1[2016年7月8日星期五20:23:25]## iTRAQ4梯形量化:2019年5月6日星期一12:12:17 ##纯度修正:2019年5月6日星期一12:12:18 ## MSnbase版本:1.1.22

qnt.crct.nrm <- normalize (qnt. crct.nrm;crct,“分位数”)

##任意分组g <- factor(c(rep(1,25)， rep(2,15)， rep(3,15))) g

## [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

prt <- combineFeatures(qnt.crct。nrm, groupBy = g, fun = "sum")

##警告:参数“fun”已弃用。请用method代替

##您的数据包含缺失值。请阅读combineFeatures手册页中的相关章节##，了解##缺失值对数据聚合的影响。

processingData (prt)

##数据加载:2011年5月11日星期三18:54:39 ##从版本0.3.0更新到0.3.1[2016年7月8日星期五20:23:25]## iTRAQ4通过阶地化量化:2019年5月6日12:12:17 ##纯度修正:2019年5月6日12:12:18 ##规范化(分位数):2019年5月6日12:12:18 ##将55个特征合并为3使用sum: 2019年5月6日12:12:18 ## MSnbase版本:2.10.0

set.seed(1) qnt0 <- qntexprs (qnt0)[sample(prod(dim(qnt0))， 10)] <- NA table(is.na(qnt0))

11 . ## ##假的真## 209

图像(qnt0)

qnt00 <- filterNA(qnt0) dim(qnt00)

## [1] 44 4

任何(is.na (qnt00))

## [1] false

##使用KNN imputation qnt impute缺失值。Imp <- impute(qnt0, method = "knn") dim(qnt.imp)

## [1] 55 4

任何(is.na (qnt.imp))

## [1] false

15统计分析

R一般和Bioconductor特别适用于数据的统计分析。有几个包提供了专门的蛋白质组学数据资源:

• MSstats:一套用于DDA、SRM和DIA实验中统计相对蛋白显著性分析的工具。存储在data.frame或MSnSet对象可以用作输入。

• msmsTests:通过光谱计数对无标签LC-MS/MS数据进行统计检验，以发现两种生物条件下的差异表达蛋白。有三种检验方法可用:泊松GLM回归、准似然GLM回归和的负二项检验刨边机包中。所有这些都可以很容易地应用MSnSet生成的实例，例如MSnID．

• 等压线还为等压数据的统计分析提供了专用的基础设施。

16机器学习

的MLInterfaces软件包为广泛的机器学习算法提供了统一的接口。最初开发用于微阵列和ExpressionSet情况下,pRoloc包使这些算法的应用MSnSet数据。

library("MLInterfaces") library("pRoloc") library("pRolocdata") data(dunkley2006) traininds <- which(fData(dunkley2006)$markers != "unknown") ans <- MLearn(markers ~ .， data = t(dunkley2006)， knnI(k = 5)， traininds) ans

# # # # MLInterfaces分类输出容器调用是:# # MLearn(公式=标记~,data = t (dunkley2006) .method = knnI (k = 5), # # trainInd = traininds) # #为测试集预测结果分布:# # # #呃腔膜ER高尔基线粒体点# # 89 140 67 51 # #质体核糖体TGN液泡# # 29日31日6 10 # #的总结成绩测试集(使用testScores()方法):# #分钟。1日瞿瞿。中值的意思是3日,马克斯。## 0.4000 1.0000 1.0000 0.9332 1.0000 1.0000

kcl <- MLearn(~ .， data = dunkley2006, kmeansI, centers = 12) kcl

## clusteringOutput: partition table ## ## 12 34 5 6 7 8 9 10 11 12 ## 30 48 101 44 50 35 24 80 34 87 52 104 ##创建该对象的调用是:## MLearn(公式= ~. .， data = dunkley2006， .method = kmeansI, centers = 12)

情节(氯化钾,exprs (dunkley2006))

17注释

所有的生物导体注释基础设施，例如biomaRt，GO.db，有机体特定注释，..都与蛋白质组学数据的分析直接相关。共有227个本体论，包括一些以蛋白质组学为中心的注释，如PSI质谱本体论、分子相互作用(PSI MI 2.5)或蛋白质修饰的方式

library("rols") res <- OlsSearch(q = "ESI"， ontology = "MS"， exact = TRUE) res

类“OlsSearch”的##对象:##本体:ms# #查询:ESI ##请求:20(从1中)##响应(s): 0

有一个精确匹配(默认是检索20个结果)，可以检索并改正为条款或data.frame对象与

res <- olsSearch(res) as(res， "Terms")

来自MS本体的1个条目的类“Terms”对象

(res,“data.frame”)

# # 1 # # id女士:类:http://purl.obolibrary.org/obo/MS_1000073 # # iri short_form obo_id # # 1 http://purl.obolibrary.org/obo/MS_1000073 MS_1000073女士:1000073 # # # #标签1电喷雾电离# # 1 # #描述过程中,气相中的电离物种产生从一个analyte-containing解决方案通过高度带电细水滴,通过喷洒narrow-bore针尖端的解决方案在大气压力高电场的存在。当使用加压气体来帮助形成稳定的喷雾时，术语气动辅助电喷雾电离被使用。不建议使用离子喷雾。##本体类型is_defining_ontology

数据来自人类蛋白质图谱可透过hpar包中。

18其他相关的包/管道

• 翻译后修饰分析等压线．
• 分析来自Synapt G2的无标签数据(包括离子迁移率)synapter．
• 空间蛋白质组学数据的分析pRoloc．
• MALDI数据的分析MALDIquant包中。
• 访问蛋白质组学标准倡议公共查询接口与PSICQUIC包中。

中描述了其他相关的包RforProteomics小插曲。

19会话信息

## R版本3.6.0(2019-04-26)##平台:x86_64-pc-linux-gnu(64位)##运行在Ubuntu 18.04.2 LTS下## ##矩阵产品:默认## BLAS: /home/biocbuild/bbs-3.9-bioc/R/lib/libRblas。/home/biocbuild/bbs-3.9-bioc/R/lib/libRlapack。所以## ##附加的基本包:## [1]stats4并行统计图形grDevices utils数据集##[8]方法基础## ##其他附加包:## [1] nloptr_1.2.1 RforProteomics_1.21.0 BiocManager_1.30.4 ## [7] rols_2.12.0 MSGFplus_1.18.0 pRolocdata_1.21.0 ## [10] proloc_1 .18.0 BiocParallel_1.18.0 MLInterfaces_1.64.0 ## [13] cluster_2.0.9 annotate_1.62.0 XML_3.98-1.19 ## [19] MSnbase_2.10.0 ProtGenerics_1.16.0 S4Vectors_0.22.0 ## [25] Biobase_2.44.0 BiocGenerics_0.30.0 MSnID_1.18.0 ## [25] mzID_1.22.0 mzR_2.18.0 Rcpp_1.0.1 ## [28]BiocStyle_2.12.0 ## ##通过命名空间加载(并且没有附加):## [1] splines_1 .8.4 igraph_1.2.4.1 lazyeval_0.2.2 ## [4] splines_3.6.0 ggplot2_3.1.1 digest_0.6.18 foreach_1.4.4 ## [10] htmltools_0.3.6 viridis_0.5.1 gdata_2.18.0 ## [13] magrittr_1. 1.5 memoise_1.1.0 doParallel_1.0.14 ## [16] mixtools_1.1.0 sfsmisc_1.1-3 limma_3.40.0 ## [19] recipes_0.1.5 gower_0.2.0 rda_1.0.2-2.1 ## [22] R.utils_2.8.0 lpSolve_5.6.13 prettyunits_1.0.2 ## [25] colorspace_1.4-1 blob_1.1.1 xfun_0.6 ## [28] dplyr_0.8.0.1 jsonlite_1.6 crayon_1.3.4 ## #[40] ipred_0.9-9 zlibbioc_1.30.0 R.cache_0.13.0 ## [43] kernlab_0.9-27 prabclus_2.2-7 DEoptimR_1.0-8 ## [46] scales_1.0.0 vsn_3.52.0 mvtnorm_1. 1.0-10 ## [49] DBI_1.0.0 viridisLite_0.3.0 xtable_1.8-4 ## [55] mclust_5.4.3 preprocessCore_1.46.0 lava_1.6.5 ## [58] prodlim_2018.04.18 sampling_2.8htmlwidgets_1. 1.3 ## [61] httr_1.4.0 threejs_0.3.1 FNN_1.1.3 ## [64] RColorBrewer_1.1-2 fpc_2.1-11.2 modeltools_0.2-22 ## [67] pkgconfig_2.0.2 r.d methodss3_1 .7.1 flexmix_2.3-15 ## [70] nnet_7.3-12 caret_6.0-84 labeling_0.3 ## [73] tidyselect_0.2.5 rlang_0.3.4 reshape2_1.4.3 ## [76] later_0.8.0 biocviews_1.2.0 munsell_0.5.0 ## [79] mlbench_2.1-1 tools_3.6.0 LaplacesDemon_16.1.1 ## [82] generics_0.0.2 RSQLite_2.1.1 pls_2.7-1 ## [85] evaluate_0.13 string_1 .4.0 yaml_2.2.0 ## [88] ModelMetrics_1.2.2[91] randomForest_4.6-14 purrr_0.3.2 dendextend_1.10.0 ## [94] ncdf4_1.16.1 RBGL_1.60.0 nlme_1 .1-139 ## [97] whisker_0.3 .2.0 biomaRt_2.40.0 compiler_3.6.0 ## [103] curl_3.3 e1071_1.7-1 affyio_1.55 4.0 ## [106] tibble_2.1.1 stringi_1.4.3 highr_0.8 ## [109] lattice_0.20-38 trimcluster_0.1-2.1 Matrix_1.2-17 ## [115] MALDIquant_1.19.2 data.table_1.12.2 bitops_1.0-6 ## [118] httpuv_1.5.1R6_2.4.0 pcaMethods_1.76.0 ## [121] affy_1.62.0 hwriter_1.3.2 bookdown_0.9 ## [124] promises_1.0.1 gridExtra_2.3 codetools_0.2-16 ## [127] MASS_7.3-51.4 gtools_3.8.1 assertthat_0.2.1 ## [130] withr_2.1.2 diptest_0.75-7 hms_0.4.2 ## [133] timeDate_3043.102 grid_3.6.0 rpart_4.1-15 ## [136] coda_0.19-2 class_7.3-15 rmarkdown_1.12 ## [139] segmented_0.5-3.0 lubridate_1.7.4 shiny_1.3.2 ## [142] base64enc_0.1-3