feature_detection

# 特征检测与链接 ## 概述 特征检测用于识别 LC-MS 数据中的持久信号（色谱峰）。特征链接则将多个样本中的特征组合起来，以便进行定量比较。 ## 特征检测基础 一个特征由以下属性表征： - m/z 值（质荷比） - 保留时间 (RT) - 强度 - 质量评分 - 凸包（RT-m/z 空间中的空间范围） ## 特征查找 ### 多重特征查找器 (FFM) 用于质心化数据特征检测的标准算法： python import pyopenms as ms # 加载质心化数据 exp = ms.MSExperiment() ms.MzMLFile().load("centroided.mzML", exp) # 创建特征查找器 ff = ms.FeatureFinder() # 获取默认参数 params = ff.getParameters("centroided") # 修改关键参数 params.setValue("mass_trace:mz_tolerance", 10.0) # ppm params.setValue("mass_trace:min_spectra", 7) # 每个特征的最少扫描次数 params.setValue("isotopic_pattern:charge_low", 1) params.setValue("isotopic_pattern:charge_high", 4) # 运行特征检测 features = ms.FeatureMap() ff.run("centroided", exp, features, params, ms.FeatureMap()) print(f"检测到 {features.size()} 个特征") # 保存特征 ms.FeatureXMLFile().store("features.featureXML", features) ### 代谢组学特征查找器 针对小分子进行了优化： python # 创建代谢组学特征查找器 ff = ms.FeatureFinder() # 获取代谢组学特定参数 params = ff.getParameters("centroided") # 配置代谢组学参数 params.setValue("mass_trace:mz_tolerance", 5.0) # 更低的容差 params.setValue("mass_trace:min_spectra", 5) params.setValue("isotopic_pattern:charge_low", 1) # 大多为单电荷 params.setValue("isotopic_pattern:charge_high", 2) # 运行检测 features = ms.FeatureMap() ff.run("centroided", exp, features, params, ms.FeatureMap()) ## 访问特征数据 ### 遍历特征 python # 加载特征 feature_map = ms.FeatureMap() ms.FeatureXMLFile().load("features.featureXML", feature_map) # 访问单个特征 for feature in feature_map: print(f"m/z: {feature.getMZ():.4f}") print(f"RT: {feature.getRT():.2f}") print(f"强度: {feature.getIntensity():.0f}") print(f"电荷: {feature.getCharge()}") print(f"质量: {feature.getOverallQuality():.3f}") print(f"宽度 (RT): {feature.getWidth():.2f}") # 获取凸包 hull = feature.getConvexHull() print(f"凸包点: {h