## 一、专业标题 基于余弦相似度评分与镜像图绘制的开源图形界面工具COSine：面向高分辨质谱MS2谱图匹配的可复现性解决方案

《Analytica》：COSine: An Open, GUI-Based Tool for Robust Cosine-Similarity Scoring and Mirror Plotting of High-Resolution Mass Spectra Matching

　　

## 三、摘要翻译

高分辨串联质谱的准确且可重复的比较对于可疑物与非靶向筛查（suspect and non-target screening）工作流程至关重要。尽管余弦相似度（cosine similarity）评分及其变体被广泛用于谱库检索（spectral library searches），实际可比性常受限于不透明的预处理决策、专有文本格式、解析困难以及不一致的峰匹配标准。本研究提出COSine，一款基于Java的桌面应用程序，使解析、归一化、容差选择、峰匹配与评分均可被检视。COSine v1.7.3直接读取来自CSV/TXT文件的实验MS²碎片谱以及来自CSV或CFM-ID TXT文件的预测MS²碎片谱，保留源精度m/z值，支持显式的Da或ppm容差及碰撞能量（collision-energy，CE）处理，并报告标准、平方根、加权、二元与反向余弦（reverse cosine）评分，附匹配峰表与镜像图（mirror plots）。保留8个化合物作为示例性案例研究。一项回顾性、非盲的闭集（closed-set）分析涵盖全部23个可用的身份匹配对及246个同极性非匹配对，获得19/23的top-1检索与20/23的top-5检索，配对水平平方根余弦的ROC（receiver operating characteristic）AUC（area under the curve）为0.931。通过使谱图匹配决策明确且可检视，COSine支持LC-HRMS/MS谱图的可复现解释，同时其评分仍作为描述性证据而非独立的鉴定阈值。

## 四、论文解读

**研究背景与问题** 高分辨质谱（HRMS）通过精确测定分子质量与碎片模式在化合物鉴定中发挥关键作用，串联质谱（MS²）产生的谱图可作为分子的独特指纹，与参考库或预测谱图比对以支持未知物的注释与优先级排序。然而，碎裂行为的变异、化学多样性与谱库覆盖有限常导致匹配模糊或不完整；传统谱匹配方法依赖精确峰匹配或启发式评分，对噪声、强度变化与不完整碎裂数据敏感。余弦相似度因其数学稳健性成为库检索与in silico谱匹配中最广泛采用的方法，且与CFM-ID等in silico碎片化工具整合可提升结构注释置信度。尽管已有MetFrag、matchms、MS2DeepScore、patRoon、MAW等开放资源，许多面向数据库规模注释的工作流程仍需脚本能力，缺乏可直接检视容差选择、归一化、未匹配峰与强度加权对余弦评分影响的图形界面。因此研究人员开发COSine，定位为可及且可复现的图形用户界面（GUI），而非替代现有化学信息学库或注释平台。

**技术方法** 研究人员开发了基于Java的独立桌面工具COSine v1.7.3，可直接解析实验CSV/TXT与预测CSV或CFM-ID TXT文件，保留源精度m/z且无需HTML转换；采用确定性解析规则与基于绝对Da或相对ppm容差的确定性一对一峰对齐算法，通过固定平局规则确保可复现性；从同一匹配集计算标准、平方根、加权、二元与反向余弦五类评分，并生成匹配峰表与镜像图。样例数据来自QExactive? Orbitrap平台的LC-HESI-HRMS采集，原始文件经Compound Discoverer 3.3与FreeStyle处理，并结合CFM-ID预测谱；另开展涵盖23个身份匹配对与246个同极性非匹配对的回顾性闭集分析。

**研究结果** 3.1 案例研究评估：在8个确证标准品（水杨酸、杀草强、脒基脲、溴苯腈、苯草酮、TCMTB、头孢哌酮、多杀菌素A）中，经m/z 70–1000、0.005 Da、1%相对强度、每谱最多10峰及合并CE设置处理，平方根余弦范围为0.5518至1.0000；23个真候选中有19个排名第一、20个进入前五，配对水平ROC AUC为0.931。各化合物案例分别展示了转化强度评分与碎片重叠的不等同（水杨酸0.8279，二元余弦0.3333）、单峰精确一致（杀草强1.0000）、稀疏预测与复杂实验谱的不匹配（脒基脲0.5907）、同位素与CE依赖的峰型差异（溴苯腈0.8130）、CE表示记录的重要性（苯草酮0.6453）、一对一规则防止点积膨胀（TCMTB 0.5518）、复杂中性丢失模式（头孢哌酮0.5616）以及强度一致但二元重叠中等的复杂大分子（多杀菌素A 0.7425）。3.2 敏感性分析与局限：容差不能脱离数值精度解释，苯丙妥英案例显示独立两位小数舍入使平方根余弦由0.6995降至0.2897；此外FreeStyle与Compound Discoverer在MS²峰检测上存在软件依赖性差异（如杀草强的若干碎片离子仅在Compound Discoverer中检出），提示上游处理选择部分决定余弦评分，评分应与保留时间、同位素模式、CE、加合物信息及谱图目视检查结合解读。

**讨论与结论** 讨论部分指出，Da与ppm容差应作为独立模式并依据仪器质量误差性能选择，过窄窗口可能排除真匹配、过宽窗口可能纳入竞争候选；输入精度、m/z范围、强度阈值、峰数上限与CE处理须在评估容差效应时保持恒定。评分应置于既定HRMS鉴定置信度框架内解释，室间研究亦表明数据处理工具与参数化差异可改变碎片列表与下游结论。结论部分译为：COSine是一款用于实验与预测MS²谱图透明且可复现比对的独立Java工具，直接读取源TXT或CSV输入、保留源m/z精度、分离Da与ppm容差、显式化CE处理，并从单一确定性匹配集报告五类评分，从而保持软件原有目的——使预处理、对齐、评分与可视化可共同核查的工作流程。COSine不替代既有鉴定置信度框架或谱库；8个修正后的案例展示了稀疏与复杂谱图的透明配对解释；回顾性23化合物闭集分析获得19/23的top-1与20/23（87%）的top-5检索，配对水平平方根余弦ROC AUC为0.931，但化合物与候选为已知、候选集有限且困难案例仍存，故结论为非盲且未确立通用阈值、独立鉴定性能或向其他仪器与实验室的可迁移性。未来扩展包括批处理、加合物感知对齐、中性丢失模式识别、保留时间先验、仪器验证的ppm谱以及更先进的CE整合，且任何扩展均应保持预处理、匹配、评分与可视化明确、版本化且可检视的核心设计原则。