proteomics_metabolomics_formats

# 蛋白质组学与代谢组学文件格式参考 本参考指南涵盖了蛋白质组学、代谢组学、脂质组学及相关组学工作流中特定的文件格式。 ## 基于质谱的蛋白质组学 ### .mzML - 质谱标记语言 (Mass Spectrometry Markup Language) **描述：** MS 数据的标准 XML 格式 **典型数据：** MS1 和 MS2 谱图、保留时间、强度 **应用场景：** 蛋白质组学、代谢组学管线 **Python 库：** - `pymzml`: `pymzml.run.Reader('file.mzML')` - `pyteomics.mzml`: `pyteomics.mzml.read('file.mzML')` - `pyopenms`: OpenMS Python 绑定 **EDA 方法：** - 扫描计数和 MS 级别分布 - 总离子流色谱图 (TIC) 分析 - 基峰色谱图 (BPC) - m/z 覆盖率和分辨率 - 保留时间范围 - 前体选择模式 - 数据完整性 - 质量控制指标（锁定质量、标准品） ### .mzXML - 旧版 MS XML 格式 **描述：** 较旧的基于 XML 的 MS 格式 **典型数据：** 带有元数据的质谱图 **应用场景：** 旧版蛋白质组学数据 **Python 库：** - `pyteomics.mzxml` - `pymzml`: 可读取 mzXML **EDA 方法：** - 同 mzML - 格式版本兼容性 - 转换质量验证 - 元数据保留检查 ### .mzIdentML - 肽段鉴定格式 (Peptide Identification Format) **描述：** 用于肽段鉴定的 PSI 标准 **典型数据：** 肽段-谱图匹配 (PSM)、蛋白质、得分 **应用场景：** 搜索引擎结果、蛋白质组学工作流 **Python 库：** - `pyteomics.mzid` - `pyopenms`: MzIdentML 支持 **EDA 方法：** - PSM 计数和得分分布 - FDR 计算和过滤 - 修饰分析 - 漏切位点统计 - 蛋白质推断结果 - 搜索参数验证 - 诱饵库命中分析 - Rank-1 与低排名的对比 ### .pepXML - 跨蛋白质组学管线肽段 XML (Trans-Proteomic Pipeline Peptide XML) **描述：** 用于肽段鉴定的 TPP 格式 **典型数据：** 带有统计验证的搜索结果 **应用场景：** 蛋白质组学数据库搜索输出 **Python 库：** - `pyteomics.pepxml` **EDA 方法：** - 搜索引擎比较 - 得分分布 (XCorr, expect value 等) - 电荷状态分析 - 修饰频率 - PeptideProphet 概率 - 蛋白质覆盖率 - 谱图计数 ### .protXML - 蛋白质推断结果 **描述：** TPP 蛋白质水平鉴定 **典型数据：** 蛋白质组、概率、肽段 **应用场景：** 蛋白质水平分析 **Python 库：** - `pyteomics.protxml` **EDA 方法：** - 蛋白质 g