质谱原始数据分析

大连达硕信息技术有限公司(以下简称“达硕信息”)专注企业级数据的分析整合、深度挖掘与商业智能，掌握数据核心技术，提供专业化的数据处理软件产品，个性化的数据整体解决方案，以及平台级的数据整合服务。公司目前推出多款数据分析软件产品，欢迎试用。魔力TM复杂多变量数据智慧化处理软件系统 (ChemDataSolution)科学仪器数据因其高维、高通量与高复杂度的特征，价值密度大，但分析处理的困难度亦很高。食品快检与安全监测、工业过程分析与生物组学研究等众多领域所面临的在线与动态、快速与实时，以及模型共享与大数据分析等诸多问题，对智慧型数据挖掘与深度价值利用提出了现实的需求。与传统的多变量数据分析产品或仪器自带的软件相比，ChemDataSolution系统在复杂情形下的文件夹数据批载入、智能算法流、一键数据处理与多模型分析、同时模型构建、验证与预测、多线程与并行计算以及用户体验等各个方面具有开创性，是分析处理色谱和质谱，尤其是近红外等光谱数据的强大工具。主界面截图 (ChemDataSolution)该系统具有如下的特色与优势： 1、数据分析算法流算法流是指构造包含不同数据处理方法的数据整合与优化流程，设置算法参数，在实际的数据分析处理中，仅需往算法流中添加待分析数据即可获得最终结果，完整保留中间计算结果以备查验，实现更快速便捷，准确智能的分析模式。 2、一键处理与多模型处理因算法流思想可实现数据处理方法的逐级串联与优化整合，将训练集、验证集或预测集同时添加到算法流中，达到一键处理即获得所有分析结果的目的。 3、同步建模、验证与预测在算法流的使用中，用户可分别添加建模、验证与预测数据，系统先构造模型，然后再将验证与预测数据进行相同的预处理或特征选择操作，基于已构建的模型获得计算结果，同样可极大减少用户的操作步骤。 4、智能数据批载入与数据库数据载入是数据分析的基础，实现复杂情形下的数据批载入是实现智慧型数据分析的前提。通过研究不同类型数据结构，尤其是数据自动载入时可能遇到的各种情形，提出数据智能载入的整体解决方案，如数据类型与长度、数据与字符、数据分隔符、化学坐标处理、数据头文件、数据排列方式、数据载入后是否放入已经存在的数据文件中，以及多个数据文件的上述处理方式是否存在差别等。 5、用户体验ChemDataSolution实现了非常人性化的用户体验与功能，比如基于XML技术的参数预设值、保存与调用，用户偏好设置，自定义报表，特别是基于导航栏文件式的数据、图形、算法流与模型结果管理等。 代谢组学小分子化合物快速鉴定软件系统该系统由达硕信息与中国科学院大连化学物理研究所共同开发完成，是未知代谢物定性分析的不二选择。系统融合多级质谱的精确质量数与保留时间信息，实现未知代谢物的多层次鉴定分析。系统主要具有如下功能与特色： 1、完备的代谢标准化合物数据库系统以SOP的方法，在正、负二个电离模式，以及三个不同检测电压下，采用先进的AB SCIEX 5600+仪器，构建2,000个不同代谢物的LC-MSn数据库，同时包含高分辨精确一级和二级质谱，以及保留时间的信息。这也是系统的核心优势之一。 2、定性经验的传递基于LC-MSn分析的化合物鉴定，经验性极强，初学者或者研究生需要花费很大的时间与精力才能基本掌握；而且学生一旦毕业，其定性结果与经验又无法为实验室继续利用，导致学生循环往复，研究组的积累却很是有限。系统通过不同成员构建灵活的扩展库数据库、未知物数据库，本地与局域网互联互通，以及强大的数据库功能，达到这样的目标：“研究生毕业不要紧、定性知识留下来”，“新进实验室不要紧，站在师兄师姐的肩膀上”。 3、多层次定性分析除上述自建标准化合物数据外，系统集成HMDB、Metlin、LIPID MAPS以及MMCD网络数据库，用户可在系统直接批量搜索这些数据库，实现与自建数据库分析结果的比较、融合与定性结果相互补充、扩展。在此基础上，用户可实现自建标准化合物数据库、网络数据库、扩展数据库，以及未知物数据库的综合定性分析，并可在不同数据库所得到的结果间相互比较分析，以获得最可靠的鉴定结果。此外，系统通过先进的样本间数据校正、定性匹配算法、原始数据批载入，批量定性分析，快速丰富查询(如中性丢失等)，以及优越的用户体验等功能，实现代谢小分子化合物的快速鉴定。主界面截图 (代谢小分子化合物快速鉴定软件系统)

p 　　 strong 北京时间8月3日凌晨，河北科技大学副教授韩春雨关于新基因编辑技术NgAgo-gDNA的论文《自然-生物技术》撤回。 /strong /p p & nbsp & nbsp & nbsp 法制晚报· 看法新闻记者采访《科学》、《细胞》等顶尖科学杂志，揭秘国际学术期刊处理争议性论文的过程。《细胞》出版社的媒体关系经理约瑟夫· 卡普托接受法制晚报· 看法新闻记者采访时表示，在大部分的案例中，在与作者做最初的交流与沟通后，他们会要求作者提供论文中涉及的原始数据。《科学》杂志发言人费伦告诉记者，各国对于处理学术不端的过程和程序都各不相同。在韩春雨的案例中，其实验的不可重复性并不意味着其存在不当行为，人为的错误也可以解释为何导致实验无法重复这一结果。因此，确定这一问题需要评估作者的研究文件和原始数据。每年大概只有3到5篇论文被该杂志撤回。 /p p 　　 strong 要求作者提交数据原始材料，与评审人和专家一起评估 /strong /p p 　　《细胞》是由著名多媒体出版集团爱思唯尔旗下的细胞出版社(Cell Press)发行的关于生命科学领域中最新研究发现的杂志，与《自然》、《科学》杂志并称为全球三大顶尖科学杂志。对于如何处理存在争议性的论文，细胞出版社的媒体关系经理约瑟夫· 卡普托接受法制晚报· 看法新闻记者采访时表示，无论是实名读者还是匿名举报，只要是对论文内容存疑的的问题，都会直接引起期刊编辑的关注，并对这些问题进行清晰的记录和调查。 /p p 　　正如《细胞》杂志的首席执行官埃米莉· 马库斯所言，“在细胞出版社，我们相信作者是值得信赖的，作品都是费尽心血，最为重要的是，在调查最终下结论前，他们都是无辜的。因此，我们在应对这些情况下，对这些情况不存在“预先判断”。 /p p 　　卡普托告诉法制晚报· 看法新闻记者，“在大部分的案例中，在与作者做最初的交流与沟通后，我们会要求作者向我们发送出版论文中涉及的原始数据，并确定在这些原始数据中，能够找到已经编制后的数据的各个组成部分。” /p p 　　“此外，我们还会从编辑的角度对这些原始材料进行评估，并与评审人或是其他专家一起评估这些材料。”卡普托表示，“在这一过程中，如果调查分析发现了严重的问题，我们会要求作者通知他们所在的机构以及他们研究的资助机构。” /p p 　　卡普托表示，纠正科学记录是期刊的首要任务。由于调查过程的保密性，因此无法详细地向对这一问题表示担忧的人们进行详细的细节报告。因此，无法向记者提供具体的案例来解释一项争议性论文的调查是如何进行的。但是可以说明的是，整个调查过程包括收集和评估数据，以及与作者进行讨论并配合机构的调查。 /p p 　　对于一般调查大概需要多长时间，卡普托表示，“这可能会花费一些时间，期刊希望整个调查过程能够越快越好，但是这其中由于牵涉一些严重的问题，相比于快速地得到结果，期刊更倾向于获得正确的结果。” /p p 　　 strong 一旦撤回论文，要求作者在声明中解释原因 /strong /p p 　　欧洲分子生物学组织杂志(EMBO)媒体负责人迪尔曼· 基斯林接受法晚· 看法新闻记者采访时则表示，在论文出版前，EMBO有着详细的编辑质量评估步骤来发现问题，例如EMBO的“图像取证分析”。因此，比起解决在出版后论文中出现的问题，解决在论文发表前出现的问题要更加有效率和有效果。 /p p 　　此外，EMBO内部有清晰的内部流程来验证已发表的论文中存在的潜在数据问题。EMBO的科学编辑将会首先评估来自对论文的指控是否证据是充分的。编辑对期刊的内容负责，他们会保证公平，与论文的发表没有任何的利益关系。一旦出现问题，编辑将会首先从作者方获得第一回应。此外，他们还会咨询外部的专家，通常包括评审该论文的同行评审人。如果出现的问题影响这个论文的结论，而且并不是因为一个简单的错误造成的，那么期刊将会联系聘用该作者的单位。如果问题很严重，那么期刊从一开始就会通知作者所在的机构。 /p p 　　一旦问题被确认，这其中有数个机制可以来更正科学记录。首先是更正(对一些数据或是文字进行更新)，或者是部分撤回(对特定数据标记撤回)，或者是全部撤回。 /p p 　　与EMBO类似，卡普托告诉法晚· 看法记者，最终的分析结果报告可能导致几个潜在的后果。根据具体的问题和疑虑，《细胞》杂志可能要求作者准备一份更正声明，或者撤回论文，并在撤稿声明中解释撤回论文的原因。而如果调查分析结果显示论文并没有疑虑，《细胞》杂志将不会采取进一步的行动，并选择在期刊出版的编者按中解释整个调查过程，以及决定不采取行动的原因。如果由于任何原因导致潜在的解决方案出台时间的延迟，《细胞》杂志会出版“编辑关注”来提醒读者，调查仍在进行中。 /p p 　　法制晚报· 看法新闻记者了解到，《自然-生物技术》杂志关于此次韩春雨及其同事发表论文的调查步骤与《细胞》杂志大致相同。 /p p 　　 strong 《科学》每年3-5篇论文被撤，“诚实错误”最常见 /strong /p p 　　对争议性学术论文如何处理的问题，法制晚报· 看法新闻还联系了全球三大顶尖科学杂志之一的《科学》杂志。该公司发言人米根· 费伦告诉法制晚报· 看法新闻记者，《科学》杂志每年评估大约12000篇提交给期刊的研究手稿，但是这其中大约只有7%、即约800篇通过同行评审并最终出版。在这些被出版的论文中，仅有极少的一部分被撤稿，大概每年只有3到5篇被撤回。 /p p 　　被撤回的稿子中大部分，也是最常见的是一些“诚实的错误”，只有极少数情况下是由于涉嫌学术不端的行为而遭到指控被撤稿。这里的“不端行为”是指伪造、欺诈等等。这样的行为将会被相关的机构或是研究的资金援助机构调查。这些机构将会发布报告，如果论文研究确实存在严重问题，那么将会促使期刊采取行动。《科学》杂志严肃对待所有这些案例，并努力尽快地纠正这些科学文献。 /p p 　　费伦告诉记者，各国对于处理学术不端的过程和程序都各不相同。在韩春雨的案例中，其实验的不可重复性并不意味着其存在不当行为，人为的错误也可以解释为何导致实验无法重复这一结果。因此，确定这一问题需要评估作者的研究文件和原始数据。 /p p 　 strong 　【新闻背景】 /strong /p p 　 strong 　国内外学者表示无法重复韩春雨团队论文中的实验 /strong /p p 　　中国河北科技大学的韩春雨团队发表的有关一种新基因编辑技术的论文一直在国内外存在争议。韩春雨团队2016年5月在全球著名学术刊物《自然》的子刊《自然-生物技术》上报告说，他们发明了一种新的基因编辑技术NgAgo-gDNA。根据论文，与当前基因编辑领域内的主流技术CRISPR-Cas9相比，NgAgo-gDNA技术在一些方面具有优势。但随后中国以及国外都有学者公开表示，无法重复论文中描述的实验。这项研究成果遭到多方质疑。 /p p 　　《自然》的新闻报道引述韩春雨的话说，他现在已发现一个不容易引起注意的问题，或许能解释为什么别人很难重复他在论文中描述的实验，他目前正在进行实验来进一步确认，有了结果后他会把数据以及相关资料公布出来。他告诉《自然》，自己还需要一点时间。 /p p 　　2016年11月29日，《自然-生物技术》向法制晚报· 看法新闻记者发送了期刊关于“利用NgAgo进行DNA引导的基因组编辑”的声明以及一篇“编辑部关注”，以提醒读者“人们对原论文结果的可重复性存有担忧”。 /p p 　　声明指出，《自然-生物技术》已审慎考虑过所有关于韩春雨及同事原著论文的评论。在任何情况下，如果一篇论文在发表后遭到批评，我们都会对各种批评进行审慎和全面的评估，此次也不例外。 /p p 　　《自然-生物技术》认为，让原作者在能力所及的情况下对上述通信文章所提出的担忧展开调查，并补充信息和证据来给原论文提供依据是非常重要的。因此，我们将继续与原论文的作者保持联系，并为他们提供机会，以在2017年1月底之前完成其调查。届时，我们会向公众公布最新进展。 /p p 　　而在同时发表的“编辑部关注”中则指出，和论文作者进行了沟通，他们正在调查造成可重复性缺乏的潜在原因。 /p p 　　2017年1月19日，《自然-生物技术》再次发布声明指出，该期刊已获得有关韩春雨实验可重复性的新数据，需要调查研究这些数据。《自然-生物技术》当天给法晚· 看法记者发来其发言人的声明中称，关于“利用NgAgo进行DNA引导的基因组编辑”论文，《自然-生物技术》仍然致力于尽可能仔细和负责任地探究围绕韩春雨等人论文的担忧。声明指出，自2016年11月28日发布Cathomen等人的通信文章和编辑部关注以来，期刊获得了与NgAgo系统可重复性相关的新数据，在决定是否采取进一步行动之前，期刊需要调查研究这些数据。 /p p & nbsp /p

HDX-MS是一种基于蛋白质主链酰胺氢原子与氘水中氘原子交换而获取有关蛋白质高阶结构和动态信息的方法。该技术可以帮助研究蛋白质折叠机制、发现配体结合位点、突出变构效应，在生物医药行业中发挥重要作用。尽管HDX-MS在蛋白质分析中频繁使用，但它通常无法进行高通量分析，且受限于大于150 kDa蛋白的分析。此外，HDX-MS生成复杂的同位素峰型常伴有谱图重叠现象，导致氘代值被错误计算。随着样品复杂性的增加，这一问题会更加加剧。目前，数据处理的方法涉及到手动检查原始数据以筛选谱图，并丢弃有任何信号问题的肽段图谱。然而这种方法随着样品分子量和复杂程度的增加变得难以执行，且容易受到人为错误的干扰（图1）。因此迫切需要一种可以消除手动筛选数据的负担，同时能够兼容更复杂的谱图（来自复杂混合物或整个细胞裂解液样品的谱图）。本文作者使用了一种自动化HDX数据分析的方法，利用data independent acquisition（DIA）采集方法同时从MS1和MS2领域获取氘代数据，并开发了AutoHX软件来挖掘和分析HDX数据。图1.传统HDX-MS数据采集与分析流程和本文使用的数据采集和分析流程比较。针对使用HDX-MS时，碰撞诱导解离（CID）碎裂模式产生的肽段碎片会伴随着气相中的氘重组现象（即scrambling现象），会影响残基水平氘代值的准确测量这一问题，作者定量研究了HDX-MS2数据的特性。作者发现，scrambling与离子传输和碎裂能量有关，且在高传输效率的条件下scrambling较严重，因此首先使用较为温和的离子传输参数和碎裂能量能够降低scrambling程度。随后作者建立了可描述碎片氘代值与该肽段可碎裂位点数量之间的线性关系（图2）。随着碎片离子长度的增加，相应的碎片离子氘代值会线性增加，因此通过回归计算可以计算出整个肽段的氘代率。这种方法不仅利用了CID产生的碎片信息，同时更为准确的计算出肽段的氘代值，排除了肽段谱图重叠对计算氘代值的干扰。图2.在一条给定肽段中，HD scrambling中，氘代值与碎片长度的关系。接着作者提出使用DIA方法来获取HX-MS2实验中MS1和MS2域的氘化数据，以实现在不同质谱平台采集数据、采集复杂样品的信息、分析自动化数据，且使得通过CID产生的MS2中提取肽段氘代值成为可能。首先作者设置了尽可能小的DIA窗口，并使用了较大的窗口重叠区域，以最小化MS2谱图的复杂性并确保每条氘代肽段至少有一个窗口（图3）。同时，作者开发了一个名为AutoHX的软件（作为Mass Spec Studio中的插件），该软件自动选择理想的DIA窗口，并从MS1数据计算前体肽段的氘代值，以及从MS2数据计算所有碎片的氘代值。同时改进了HX-PIPE（为HDX-MS量身定制的搜索引擎），使其搜库结果直接应用于AutoHX的分析。随后AutoHX使用了一系列过滤器来从数据集中解析低质量信号，然后使用基于RANSAC的谱图分析器，为所有肽段及其碎片匹配最佳同位素集合，并绘制动力学曲线图。该方法显著提高了肽段序列覆盖的冗余度（图4），从而提高了测量质量。图3. DIA窗口设计示意。图4. 基于DIA采集模式得到的序列覆盖（糖原磷酸化酶B，phosphorylase B）与基于传统HDX-MS中MS1采集模式的结果比对。接着，软件会通过MS1和MS2数据收集到的肽段前体离子和肽段碎片离子的信息，计算出相应的氘代值，同时将所有重复组计算出的氘化值集合成一个分布（通常为正态分布）,并从该正态分布中，选择最接近平均值的组合，即为精确的氘代值，利用每个时间点的氘代值生成HDX动力学曲线（图5）。作者将手动筛选检查的数据与自动分析法获得的氘代数据进行了比对，结果具有一致性，验证了自动化方法的准确性和可靠性（图6）。同时在做同一样本不同状态HDX比较实验时，AutoHX可以生成氘代差异的显著性差异分析图（Woods plot）（图7），用于比较不同状态下的蛋白结构和构象差异。图5. 氘代曲线的组合方式。图6.手动MS1数据分析和AutoHX自动计算的氘代率对比。图7.氘代差异分析流程示意图。最后作者用两个蛋白体系验证了该方法的实用性和可靠性。第一个体系为DNA聚合酶ϴ （Pol ϴ ）与其抗生素药物novobiocin结合的结构变化。通过比较手动处理与自动化处理的数据，作者发现生成的氘代差异图结果相似，提示该方法具有较好的准确性，并能够定位结合带来的氘代上升和下降区域（图8）。第二个体系是DNA依赖性蛋白激酶（DNA-PKcs）与选择性抑制剂AZD7648的结合。使用AutoHX软件处理了六个HDX-MS实验的数据，快速生成了Woods图，发现大部分可检测到的稳定性增加集中在FAT和激酶结构域（图9b），还包括药物结合位点的铰链环区域（图9c），揭示了药物结合位点及其引起的动态性变化。这部分研究结果展示了自动化数据分析在药物结合研究中的有效性，特别是在分析大型蛋白质复合物和难以纯化的蛋白质时，为药物开发和疾病治疗提供了有价值的信息。图8.手动处理与自动处理的Pol ϴ 与novobiocin-bound Pol ϴ 的HDX数据作差对比。图9. DNA-PKcs+AZD7648的自动化HDX分析流程结果。总的来说，该研究开发了AutoHX软件，通过自动化数据分析和基于DIA的HX-MS2工作流程，显著提高了氢/氘交换质谱技术在蛋白质结构和药物结合分析中的效率与应用范围，使得这一领域技术更加易于使用并可供更广泛的科研社区应用。该工作的亮点，从实验设计上：考虑到了目前HDX-MS流程——数据采集、数据分析——中存在的瓶颈与局限。从方法学考察层面：方法验证科学严谨、周到。从技术上：大大降低了人工处理HDX-MS数据的成本，提高了检测能力，有提高检测通量的潜力。从科学思维上：利用了scrambling的规律，将普遍的问题转化成了机遇。HX-DIA提供了一个概念上的转变，降低了该技术的使用门槛，使该技术“平民化”。本文发表在Nat. Commun.上，题目为“Automating data analysis for hydrogen/deuterium exchange mass spectrometry using data-independent acquisition methodology”，作者是加拿大卡尔加里大学的David C. Schriemer。