首页 > 其他分享 >R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较

时间:2022-11-20 13:31:13浏览次数:41  
标签:3884 峰值检测 基线校正 组学 光谱 动手 MALDI 操作 TOF

蛋白质组学

•研究生物体产生的全部蛋白质。

• Foci:鉴定、结构测定、生物标志物、通路、表达。

基质辅助激光解吸飞行时间质谱(MALDI-TOF)法示例频谱

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列

研究动机

只有相对较少的开源软件解决方案可用,而R平台则很少。

• 处理技术和生物复制的必要性。

• 相对强度的定量令人不满意

• 研究光谱校准对临床预后的影响。

• 模块化且易于定制的分析程序

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_r语言_02

示例数据

血清肽多姆分析显示血小板因子 4 是与胰腺癌相关的潜在鉴别肽

G.M. Fiedler, A.B. Leichtle, J. Kase et al Clin Cancer Res June 1, 2009 15:3812-3819

“两个显著峰(m/z 3884;5959)对区分患者和健康对照的敏感性为86.3%,特异性为97.6%。"

“基于MALDI-TOOF MS的血清肽球分析允许发现和验证血小板因子4 [m / z 3884,7767;S.G.]作为胰腺癌的新鉴别标志物。

动手操作:文件导入

  1.   
  2.  > spectra[[1]]

 

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_03

动手操作:画图

> abline(v=3884, col="blue")

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_r语言_04

动手操作:画图m/z 3884

> plot(spectra[[1]]

 

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_05

动手操作:方差稳定和平滑 

  1.   
  2.  > spea <- lapply(sptra, transfensty, fun=moAvg)

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_数据_06

动手实践:基线校正

  1.  > plot(spea[[1]]
  2.  > lines(b, col="red");
  3.   

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_07

动手操作:基线校正 – SNIP 

> bl <- estiline(specta[[1]]

 

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_数据_08

动手操作:基线校正 – SNIP 

  1.  > speca <- lapply(spe, remoeline)
  2.  > lines(specra[[1]])

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_09

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_数据_10

实践:峰值检测

 

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_11

> peas[[1]]

 

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_12

  1.  > top <- intnsity(p) %in% sort(int
  2.  > labePeak

 

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_r语言_13

单光谱工作流程

  1.   
  2.  > peaks <- lapply(spetra, detecPeaks)

多光谱比较

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_时间序列_14

R语言分析蛋白质组学数据:飞行时间质谱(MALDI-TOF)法、峰值检测、多光谱比较_r语言_15


标签:3884,峰值检测,基线校正,组学,光谱,动手,MALDI,操作,TOF
From: https://blog.51cto.com/u_14293657/5871356

相关文章