MetScribeR：一种用于处理内部LC-MS代谢物参考库数据的半自动化工具

《Journal of Proteome Research》：MetScribeR: A Semiautomated Tool for Data Processing of In-House LC-MS Metabolite Reference Libraries

提出基于m/z和保留时间的自动化代谢物标准库构建工具metScribeR，通过R包和Shiny界面实现高效峰检测、质量评估及与公开谱库整合，显著减少人工时间并提高RT准确性。

　　在未靶向代谢组学领域，识别化合物是数据分析过程中一个长期存在的挑战。这一过程通常依赖于质谱（MS）信号，而为了提高生物数据的解读能力，建立内部标准代谢物库是关键。代谢物库通常包含保留时间（Retention Time, RT）信息，这种信息与大型公开的MS/MS光谱库相辅相成，为化合物识别提供了额外的维度。然而，构建这样的库需要大量的人工努力和时间投入，这在一定程度上限制了其应用的广泛性。为了解决这一问题，研究人员开发了一种名为metScribeR的工具，这是一种基于R语言的软件包，结合了Shiny应用，旨在简化和加速内部代谢物库的构建流程。

metScribeR的核心优势在于它不需要MS/MS光谱数据，而是专注于保留时间与质荷比（m/z）信息的提取与整合。这使得研究人员能够在不依赖复杂光谱分析的情况下，快速生成可信赖的代谢物库。该工具的流程包括数据预处理、峰识别、质量评估以及冲突检查等关键步骤。通过自动化处理，它能够显著减少手动操作的时间，同时提高数据处理的效率和一致性。例如，在基准测试中，metScribeR每种标准代谢物的处理时间约为10秒，其手动与自动识别的保留时间相关性高达0.99，表明其在保留时间估计方面的准确性和稳定性。此外，该工具还能够自动过滤掉低质量的峰，确保最终生成的库数据具有较高的可信度。

在数据处理流程中，metScribeR首先读取用户提供的mzML文件，这些文件通常由液相色谱-质谱联用技术（LC-MS）生成。随后，工具会根据用户设定的背景噪声阈值、m/z容忍度和RT容忍度，对数据进行筛选。筛选后的数据将被用于构建每个代谢物的标准峰图，即提取离子色谱图（Extracted Ion Chromatogram, EIC）。接下来，metScribeR利用先进的算法对这些EIC进行峰识别，确定每个峰的保留时间、峰强度以及其他质量指标，如峰的宽度、密度和信号噪声比（SNR）。这些指标有助于用户评估峰的质量，并做出是否将其纳入最终库的决策。

值得注意的是，metScribeR不仅支持单一代谢物标准的分析，还能够处理混合代谢物标准的数据。这种灵活性使其适用于多种实验场景，无论是针对特定代谢物的详细研究，还是大规模代谢组学分析。在处理过程中，用户可以调整各种参数，如峰点数量、宽度限制和背景噪声水平，以适应不同的实验条件和仪器设置。此外，该工具还提供了一个直观的图形用户界面（GUI），使得即使是缺乏高级信息学背景的用户也能够轻松操作。通过这种用户友好的设计，metScribeR降低了使用门槛，促进了其在代谢组学领域的广泛应用。

在质量评估方面，metScribeR采用了一套综合的过滤机制，结合了自动算法和人工审核。该工具能够根据预设的阈值，如峰点数量、峰边界数量、峰顶强度和峰宽度，自动排除低质量的峰。这一过程不仅提高了数据处理的效率，还增强了结果的可靠性。在基准测试中，该工具的过滤机制与人工标注的结果高度一致，精度达到0.93，召回率高达0.98，F1评分更是达到了0.95。这表明，metScribeR在质量控制方面表现出色，能够有效识别并排除潜在的错误信号。

为了进一步提高识别的准确性，metScribeR引入了内部识别概率的评估机制。该机制通过统计库中不可区分的同质离子数量，为每个代谢物提供一个概率评分。这种评分方法有助于用户判断代谢物信号的可靠性，并识别可能需要进一步验证的模糊结果。例如，在测试数据中，某些代谢物的信号可能与另一种代谢物的信号高度相似，导致识别上的不确定性。通过内部概率评估，用户可以更清楚地了解这种不确定性，并决定是否需要补充额外的实验数据或利用其他工具进行验证。

此外，metScribeR还能够从MassBank of North America（MoNA）等公共数据库中检索MS/MS光谱数据，为用户提供更全面的识别信息。这一功能使得metScribeR不仅仅是一个数据处理工具，更是一个整合了多种数据源的代谢物识别平台。用户可以在生成库的同时，获得相关的MS/MS数据，从而增强其在代谢物识别中的应用价值。同时，该工具还支持将生成的库数据与现有的代谢物识别软件（如MZmine、El-MAVEN和MS-DIAL）进行集成，为后续的分析工作提供了便利。

在实际应用中，metScribeR的效率优势尤为突出。与传统的手动处理方式相比，该工具能够显著缩短数据处理时间。例如，在测试中，处理603个代谢物的标准流程仅需约31分钟的自动化处理时间，加上72分钟的人工检查时间，总耗时约为103分钟。而如果采用手动方式，每种标准代谢物平均需要4.5分钟，处理603个代谢物则需要超过45小时的工作时间。这种时间上的巨大差异，使得metScribeR成为一种高效的解决方案，特别适用于需要处理大量代谢物数据的研究项目。

metScribeR的另一个重要特点是其在保留时间预测方面的潜力。随着代谢组学研究的深入，保留时间预测模型（如GNN-RT、Retip、RT-Pred和METLIN SMRT预测器）的开发使得在不同实验室和方法之间实现保留时间的可比性成为可能。然而，这些模型的有效性依赖于高质量的内部保留时间数据。metScribeR通过提供精确且可靠的保留时间信息，为这些模型的训练和应用提供了坚实的基础。这不仅有助于提高模型的泛化能力，还为代谢物的跨实验室识别提供了支持。

此外，metScribeR的设计还考虑到了未来代谢物识别技术的发展趋势。例如，该工具支持将内部识别概率与外部的错误发现率（False Discovery Rate, FDR）统计相结合，从而提供更全面的识别信心评估。这种结合使得用户能够在识别过程中，同时考虑内部和外部的不确定性因素，从而做出更准确的判断。同时，metScribeR还计划在未来版本中引入碰撞截面（Collisional Cross Section, CCS）等额外的识别参数，以进一步提高其在复杂代谢物识别中的适用性。

在使用metScribeR的过程中，用户需要提供一系列关键信息，包括代谢物标准的详细描述、可能的加合物类型以及相关的实验参数。这些输入信息被用于生成符合实验条件的代谢物库，并确保库中的数据具有高度的可重复性和准确性。通过这种结构化输入方式，用户能够更好地控制数据处理流程，同时确保最终生成的库能够满足不同的研究需求。

最后，metScribeR的开源特性使其成为科研界的重要工具。该软件包不仅可以在GitHub上免费下载，还提供了详细的使用说明和示例数据，帮助用户快速上手。此外，其模块化设计允许用户根据实际需求进行定制和扩展，从而适应不同的实验平台和分析方法。这种开放性和灵活性，使得metScribeR能够不断进化，以应对代谢组学领域日益增长的数据处理需求。随着更多研究者采用这一工具，其在代谢物识别和库构建方面的贡献将不断扩大，为未靶向代谢组学研究提供更加坚实的数据支持。