Shinyscreen：基于R/Shiny的高通量质谱数据质量检查与可视化开源工具

本研究针对高分辨质谱(HRMS)数据处理的复杂性，开发了开源工具Shinyscreen，通过R/Shiny框架实现靶向/非靶向数据的自动化质量检查与交互式可视化。该工具支持mzML格式数据解析、MetFrag整合及Docker跨平台部署，显著提升了环境化学与教学场景下的数据筛查效率，填补了低门槛工具与专业软件间的技术空白。

　　

在环境化学和代谢组学领域，高分辨质谱(HRMS)已成为解析复杂混合物的核心技术。然而，随着仪器精度的提升，海量数据的处理却面临巨大挑战：商业软件存在平台限制和封闭性问题，而xcms、MetFrag等开源工具又需要较高的编程门槛。这种矛盾严重制约了环境污染物筛查和教学实践的效率。

卢森堡大学环境化学信息学组的研究人员开发了Shinyscreen——一个基于R/Shiny的开源解决方案。该工具通过模块化设计实现了从原始数据(mzML格式)到化合物注释的全流程整合，其创新性体现在三个方面：首先，采用"列表驱动"策略同时支持靶向(已知化合物)和非靶向(未知m/z)分析；其次，内置质量评估算法可自动筛选MS¹/MS²谱图质量；最后，通过Docker容器化解决了跨平台部署难题。相关成果发表在《Journal of Cheminformatics》上。

关键技术包括：(1)利用MSnbase包进行并行化mzML数据提取；(2)基于enviPat包计算加合物质量；(3)整合MetFrag实现本地化化合物注释；(4)采用ggplot2生成出版级图表；(5)通过Kubernetes集群支持多用户教学访问。测试数据来自酵母菌株的氨基酸分析。

主要研究结果

1. 软件架构：采用R包形式开发，93%代码为R语言，依赖数据.table实现高效数据处理。独特的"配置-提取-可视化"工作流如图1所示，支持命令行和GUI两种模式。

2. 质量控制算法：通过MS¹强度阈值、保留时间漂移和信噪比等参数自动评估数据质量，结果可通过交互表格(图2)和PDF报告(图4)展示。对Valine等标准品的分析显示，MS²谱图匹配度达90%以上。

3. 教学应用：自2020年起作为ISB401课程核心工具，用于指导学生分析酵母突变体数据。Docker镜像使Windows/Mac用户安装成功率从40%提升至95%。

4. 环境研究案例：在卢森堡水域农药筛查中，成功识别出多种转化产物(TPs)，相关数据已补充至MassBank数据库。与patRoon的兼容性测试显示处理速度提高3倍。

结论与意义
该研究填补了质谱数据分析工具链的关键空白：对于环境科学家，提供了比商业软件更灵活、比编程接口更易用的折中方案；对于教育工作者，其可视化设计显著降低了质谱教学门槛。通过PubChemLite数据库整合和Apache 2.0许可，Shinyscreen有望成为开放科学基础设施的重要组成。未来计划包括扩展至离子迁移谱(IMS)数据支持，以及与欧洲PARC项目的深度整合。

（注：文中图1-5的标签描述已按原始caption要求嵌入相应位置，技术术语如MS¹、m/z等均保留原文格式，作者姓名及特殊字符如D等严格遵循原文呈现）