mums2：一款开源R包用于非靶向代谢组学数据的整理、注释与生态分析

《Microbiology Resource Announcements》：mums2: an R package for database-dependent and -independent analysis of untargeted metabolomics data

　　摘要 mums2 是一个开源的 R 包，使用户能够分析非靶向代谢组学分析的数据。mums2 提供了与现有 16S rRNA 基因序列数据分析工具相匹配的功能，包括数据整理、注释、将特征聚类为操作代谢组单位（OMUs），以及基于生态指标的分析。公告 代谢组学，即对生物样本内代谢物的分析，在寻求整合不同环境（如文献 1–3 所述）中微生物组的结构与功能的研究人员中尤为流行。就像下一代测序促进了基于序列的微生物组分析的快速发展一样，液相色谱-串联质谱（LC-MS/MS）技术的进步也有望彻底变革代谢组学分析。遗憾的是，一些用于分析 LC-MS/MS 数据的最常用工具是专有的且价格昂贵，或者需要将数据上传到第三方网站（文献 4, 5）。其他软件选项则缺乏对大量样本进行生态分析所需的功能（文献 6, 7）。我们创建 mums2 作为开源 R 包，使研究人员能够在其本地计算环境中以与微生物组数据分析类似的方式分析使用 LC-MS/MS 生成的非靶向代谢组学数据。mums2 允许用户整理 LC-MS/MS 数据、注释特征、根据特征之间的相似度将其聚类为操作代谢组单位（OMUs），并使用流行的生态指标（如香农多样性指数、Bray-Curtis 距离）基于注释或 OMU 计数来比较样本集合。数据整理可使用 mpactR 完成，该工具根据特征在技术重复间的丰度和可重复性进行过滤（文献 8）。结构注释使用基于点积的方法计算余弦得分（文献 9）。该包使用户能够访问人类代谢物数据库（HMDB）（文献 10）和 MassBank 数据库（文献 11），但任何格式相似的数据库均可使用。使用基于碎片树的算法为每个特征进行从头分子式预测（文献 12）。为了生成 OMUs，需要对 MS2 碎片模式进行比对（文献 13），并使用余弦或最大熵得分计算模式之间的距离（文献 14）。这些距离使用 OptiClust 算法（文献 15）聚类为 OMUs，该算法在 clustur R 包中实现（文献 16）。通过将 mums2 创建为 R 包，用户可以利用庞大的生态系统，包括用于生态分析的流行 vegan 包、统计分析工具以及数据可视化包。mums2 网站提供安装说明和关于如何使用包内函数的详细教程（https://www.mums2.org/mums2/）。mums2 工作流程需要两种类型的数据。第一种是包含 MS1 和 MS2 峰数据的数据框，可使用厂商专用软件（如 Progenesis QI（Waters）和 MetaboScape（Bruker））或基于网络的软件（包括 msConvert（文献 17）和 MZMine（文献 6））生成。第二种是描述实验和运行条件的元数据数据框。如何生成和格式化这些文件的说明可在包的网站上找到。包的教程中提供了一个示例工作流程，使用先前发表的数据集（分析 Botryllus schlosseri 的代谢组，文献 18）来展示包的功能。mums2 可在任何操作系统上使用，仅需 R 依赖项，这些依赖项会随 mums2 一起安装。该包使用 Rcpp 和 RcppThread 两个 R 包来加速函数性能并允许对计算密集型步骤进行并行处理。它还使用 mpactR 和 vegan 包分别实现整理和分析步骤。根据我们的经验，一个包含 267 个样本的数据集在 14 个线程上需要 7.6 分钟运行时间和 6 GB 内存，其中 5 分钟用于预测分子式。该包函数输出的数据结构可直接与 R 的 tidyverse 工具一起使用。致谢 本项目部分由美国国立卫生研究院向 P.D.S. 和 M.J.B. 提供的资助（U01CA264071）支持。