Getting Started with the peakPantheR package

Arnaud Wolfer

2018-02-21

1. peakPantheR

在R中用于高分辨率试验的峰选择（Peak Picking）和注释（ANnoTation）的包。通过 R 和 Shiny实现

2. Overview

在 MS 文件中，peakPantheR 提供了函数来实现检测、积分和报告预定义的特征（detect, integrate and report pre-defined features）。它被设计用于下面两个过程：

对与上述的 “检测、积分和报告预定义的特征” 的理解，我目前是这样的：

detect：发现原始数据中的峰

integrate：计算峰的面积

features：不同组别之间存在差异的峰，这个差异的计算是通过integrate的结果

• 实时特征检测和积分（Real time feature detection and integration，详情参考 Real Time Annotation）。也就是说一次在一个文件中处理多个化合物
• 文件获取后特征检测、积分和报告（Post-acquisition feature detection, integration and reporting，详情参考Parallel Annotation）。也就是说在多个文件中并行处理多个化合物，将结果存储在单个对象中

3. Installation

从GitHub直接安装软件包的开发版本：

# Install devtools
if(!require("devtools")) install.packages("devtools")
devtools::install_github("phenomecentre/peakPantheR")

如果依赖包mzR和MSnbase没有成功安装，则必须将Bioconductor添加到默认仓库中：

setRepositories(ind=1:2)

4. Input Data

实时和并行的化合物积分（compound integration）都需要一组通用的信息：

• 存储 netCDF / mzML MS 文件的路径（Path(s)）
• 预期要探究的化合物的区域（region）信息（RT/m/z` window)）

faahKO 包提供了一组MS光谱（MS spectra），我们可以使用它作为原始数据进行peakPantheR注释，其安装过程如下：

setRepositories(ind=1:4)
install.packages('faahKO')
library(faahKO)
## file paths
input_spectraPaths <- c(system.file('cdf/KO/ko15.CDF', package = "faahKO"),
                         system.file('cdf/KO/ko16.CDF', package = "faahKO"),
                         system.file('cdf/KO/ko18.CDF', package = "faahKO"))
#> [1] "C:/R/R-3.5.1/library/faahKO/cdf/KO/ko15.CDF"
#> [2] "C:/R/R-3.5.1/library/faahKO/cdf/KO/ko16.CDF"
#> [3] "C:/R/R-3.5.1/library/faahKO/cdf/KO/ko18.CDF"

目标特征（targeted features）的表包含了下面几列：

• cpdID (numeric)
• cpdName (character)
• rtMin (sec)
• rtMax (sec)
• rt (sec, optional / NA)
• mzMin (m/z)
• mzMax (m/z)
• mz (m/z, optional / NA)

# targetFeatTable
input_targetFeatTable <- data.frame(matrix(vector(), 2, 8, dimnames=list(c(), c("cpdID", "cpdName", "rtMin", "rt", "rtMax", "mzMin", "mz", "mzMax"))), stringsAsFactors=F)
input_targetFeatTable[1,] <- c(1, "Cpd 1", 3310., 3344.888, 3390., 522.194778, 522.2, 522.205222)
input_targetFeatTable[2,] <- c(2, "Cpd 2", 3280., 3385.577, 3440., 496.195038, 496.2, 496.204962)
input_targetFeatTable[,c(1,3:8)] <- sapply(input_targetFeatTable[,c(1,3:8)], as.numeric)

5. See Also

• Real Time Annotation
• Parallel Annotation