R包：蛋白质组学质控评估PTXQC包

介绍

PTXQC包是2016年发表在J Proteome Res期刊上的R包，它主要是对MaxQuant输出结果进行提取处理从而获得评估蛋白质质量结果。

安装

从github安装，安装过程会自动构建tutorial。

devtools::install_github("cbielow/PTXQC", build_vignettes = TRUE, dependencies = TRUE)
library(PTXQC)

查看帮助文档，帮助文档是以html方式展示

help(package="PTXQC")
browseVignettes(package = 'PTXQC')

输入文件

输入文件是MaxQuant结果文件的txt里面的：/combined/txt

parameters.txt
summary.txt
proteinGroups.txt
evidence.txt
msms.txt
msmsScans.txt

运行

输入包含上述输入文件的目录即可，然后使用createReport函数。

r = createReport(txt_folder)
cat(paste0("\nReport generated as '", r$report_file, "'\n\n"))

它也提供了修改报告主题或者评估步骤选择的方法，需要修改yaml_file文件，可参考如下。

require(PTXQC)
require(yaml)## the next require() is needed to prevent a spurious error in certain R versions (might be a bug in R or a package)
## error message is:
##    Error in Scales$new : could not find function "loadMethod"
require(methods)## specify a path to a MaxQuant txt folder
## Note: This folder can be incomplete, depending on your YAML config
if (1) {## we will use an example dataset from PRIDE (dataset 2 of the PTXQC publication)local_zip = tempfile(fileext=".zip")download.file("ftp://ftp.pride.ebi.ac.uk/pride/data/archive/2015/11/PXD003133/txt_20min.zip", destfile = local_zip)unzip(local_zip, exdir = tempdir()) ## extracts contenttxt_folder = file.path(tempdir(), "txt_20min")
} else {## if you have local MaxQuant output, just use ittxt_folder = "c:/Proteomics/MouseLiver/combined/txt"
}## use a YAML config inside the target directory if present
fh_out = getReportFilenames(txt_folder)
if (file.exists(fh_out$yaml_file))
{cat("\nUsing YAML config already present in target directory ...\n")yaml_config = yaml.load_file(input = fh_out$yaml_file)
} else {cat("\nYAML config not found in folder '", txt_folder, "'. The first run of PTXQC will create one for you.", sep="")yaml_config = list()
}r = createReport(txt_folder, mztab_file = NULL, yaml_obj = yaml_config)cat(paste0("\nReport generated as '", r$report_file, "'\n\n"))

结果

输出的报告文件可以是html也可以是PDF格式，如图：基于PTXQC包评估以下部分

样本制备（1-5）；
液相色谱分离肽段（6-9）；
质谱过程（10-18）；
鉴定蛋白效果（19-22）。

不同颜色代表实验过程的优劣。从图中可以看出，样本制备和质谱过程获得评分是best，而鉴定蛋白质效果这一步效果最差，这是因为我们的蛋白质样本是血液外泌体蛋白质，它含量相对血液而已本身就较少，无法达到该包给的阈值(Peptide Count > 15,000; Protein Count > 3,500)，但我们可以看到Average Overall Quality是偏较好评价的(偏深绿色)。另外我们蛋白质质谱过程使用了PAIMS技术分离蛋白质，这也是我们能看到每个file有三个bar图(40;60;80电压)。

在获取图谱过程中，常会用到2018年才推出的FAIMS（High-Field Asymmetric Waveform Ion Mobility Spectrometry）技术以用于加载不同电压（肽段在ESI离子化后，进入质谱之前实现快速气相分离，提高分离的峰容量），直接使用多电压下的raw data做MaxQuant定量分析是错误的，MaxQuant软件只能识别单电压的raw data，因此需要使用FAIMS MzXML Generator 软件将raw data转换成各自电压下的MzXML文件。

List of metrics

systemic information

sessionInfo()

R version 4.0.2 (2020-06-22)
Platform: x86_64-conda_cos6-linux-gnu (64-bit)
Running under: CentOS Linux 8 (Core)Matrix products: default
BLAS/LAPACK: /disk/share/anaconda3/lib/libopenblasp-r0.3.10.solocale:[1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=en_US.UTF-8       LC_NAME=C                 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     other attached packages:
[1] PTXQC_1.0.12 tibble_3.1.5 dplyr_1.0.7 loaded via a namespace (and not attached):[1] tinytex_0.32       tidyselect_1.1.1   xfun_0.24          bslib_0.2.5.1      reshape2_1.4.4     purrr_0.3.4       [7] colorspace_2.0-2   vctrs_0.3.8        generics_0.1.0     viridisLite_0.4.0  htmltools_0.5.1.1  yaml_2.2.1        
[13] utf8_1.2.1         rlang_0.4.11       jquerylib_0.1.4    pillar_1.6.4       glue_1.4.2         DBI_1.1.1         
[19] gdtools_0.2.2      RColorBrewer_1.1-2 lifecycle_1.0.0    plyr_1.8.6         stringr_1.4.0      munsell_0.5.0     
[25] gtable_0.3.0       rvest_0.3.6        kableExtra_1.3.4   evaluate_0.14      knitr_1.33         UpSetR_1.4.0      
[31] fansi_0.5.0        Rcpp_1.0.7         scales_1.1.1       webshot_0.5.2      jsonlite_1.7.2     systemfonts_0.3.2 
[37] gridExtra_2.3      ggplot2_3.3.5      digest_0.6.27      stringi_1.4.6      ade4_1.7-18        cowplot_1.1.0     
[43] grid_4.0.2         tools_4.0.2        magrittr_2.0.1     sass_0.4.0         ggdendro_0.1.22    R6P_0.2.2         
[49] seqinr_4.2-4       crayon_1.4.1       tidyr_1.1.4        pkgconfig_2.0.3    ellipsis_0.3.2     MASS_7.3-54       
[55] data.table_1.14.0  xml2_1.3.2         assertthat_0.2.1   rmarkdown_2.9      svglite_1.2.3.2    httr_1.4.2        
[61] rstudioapi_0.13    R6_2.5.0           compiler_4.0.2