重新评估色谱峰检测中的小波归一化：一种用于高精度LC-MS的幅度保持方法

《Analytica Chimica Acta》：Re-evaluating Wavelet Normalization in Chromatographic Peak Detection: An Amplitude-Preserving Approach for High-Precision LC-MS

　　

邓勇|孙云

中国上海201321，复旦大学附属肿瘤医院，上海质子重离子研究中心研发部

摘要

背景

非靶向LC-MS代谢组学技术可将色谱离子信号转化为特征表，用于后续的比较、注释以及生物标志物的发现。然而，常用的预处理流程往往从相同的原始数据中得到不一致的特征列表和缺失模式，这限制了定量分析的可重复性。基于连续小波变换的峰检测是多种流程中的核心环节，但其尺度归一化方法源自于能量保持型信号分析，而非以面积为基础的色谱积分方法。本文要探讨的问题是，CWT归一化本身是否会在LC-MS特征表构建过程中引入尺度选择和积分边界方面的偏差。

结果

在采用墨西哥帽小波的高斯参考峰模型下，采用保幅的1/a归一化方法能够在a = √2σ处得到最优结果，同时以±3σ作为模型确定的积分边界，从而支持以面积为依据的峰积分。我们在MetaboQuality中实现了这一修正功能，该功能结合了基于形状的分组方法和基于基准点的恢复方法，随后通过真实标准品、混合QC重复样本、公共QC数据、组分消除实验、对比物灵敏度测试、诱饵对照实验、非高斯模拟以及化学参考验证等方法对这一修正效果进行了评估。在检测后填充之前的主要混合QC基准测试中，MetaboQuality生成的完整组数达到了4,029组，其相对标准偏差低于30%，而XCMS仅为2,461组，MZmine 4则为1,672组。在更严格的相对标准偏差低于10%的标准下，MetaboQuality在填充前的完整组数为931组，而XCMS参考版本为526组；填充之后，MetaboQuality的完整组数为973组，XCMS为678组，XCMS的fitgauss灵敏度测试版本则为748组。

意义与创新点

本研究的创新之处在于将CWT归一化视为LC-MS特有的峰积分确定因素，而非通用的信号处理细节。MetaboQuality将保幅积分、基于形状的分组以及基于基准点的恢复整合为一个协同工作的流程，为生成更完整、更具可重复性的特征表提供了科学依据，且无需依赖不受约束的统计插补方法。这也明确了在算法设计方面哪些地方可以提升测量的一致性。

章节节选

引言

非靶向LC-MS代谢组学技术能够将原始的色谱离子信号转化为特征表，便于进行生物学比较、注释以及生物标志物的发现。对于这项工作而言，最重要的质量目标并非仅仅拥有更多的特征数量，而是要得到一个可重复的矩阵，在该矩阵中，相同的色谱成分能够以相似的边界进行积分，不同进样之间的成分能够被正确分组，同时特征的缺失率和重复样本间的差异都要尽可能低。目前，不同软件之间的差异仍然阻碍着这一技术的发展

数据集与LC-MS数据采集

共有四个数据集被用于评估。数据集1包含12种真实标准品（浓度范围为0.16–500 μM；详见表S3），这些标准品被加入溶剂中并进行了34次进样，可作为评估峰识别和积分准确度的真实参照。数据集2由Li等人[15]使用SCIEX TripleTOF 6600仪器采集，其中包含了1,100种化合物，这些化合物具有特定的浓度比（其中有130种的组间差异较大），该数据集被用来评估不同平台之间的通用性。数据集3则是混合的人类血浆QC样本，共进行了34次进样

保幅CWT可纠正尺度选择偏差

在模拟的高斯峰上（高度h为20，标准差σ为100），centWave算法的L2范数CWT方法（采用1/√a归一化）得到的强度系数曲线在5到53的尺度范围内都是平坦的（见图1a左侧）。由于没有明显的最大值可以作为选择依据，该算法默认采用最小的允许尺度（a = 5），这样得到的积分边界仅能覆盖真实峰面积的92.41%（见图1a右侧）。这种8%的损失在每个样本的数千个特征中都会出现，从而形成一种系统性的负面影响

结论

LC-MS预处理流程之间特征列表的重叠程度有限，这不仅与参数选择有关，还与基于CWT的色谱峰检测中的信号处理方式不匹配有关。传统的能量保持型1/√a小波归一化方法是为了比较不同尺度下的信号能量而设计的，而局部的色谱峰则需要进行以面积为依据的积分。在高斯参考模型下，采用保幅的1/a归一化方法可以重新找到最佳的尺度值，即a =

CRediT作者贡献说明

孙云：写作——审稿与编辑，写作——初稿撰写，可视化，验证，监督，资源提供，项目管理，方法设计，研究实施，资金获取，正式分析，概念构思。邓勇：写作——初稿撰写，可视化，验证，软件开发，方法设计，研究实施，正式分析，数据整理，概念构思

数据可用性

本研究中所使用的包含12种标准品及混合QC样本的原始LC-MS数据已存储在中国国家生物信息中心，其访问编号为OMIX016506。公共的MTBLS9394数据集可在MetaboLights网站上获取，而经过标注的TripleTOF 6600 960MIX标准混合物数据集，包括用于m/z-RT和浓度比匹配的化合物信息表，可在Li等人的原始论文中找到

利益冲突声明

作者声明存在以下利益冲突：本研究所描述的算法框架已提交了中国发明专利申请（申请编号为202510752660.3），该专利属于上海质子重离子研究中心所有，邓勇和孙云均为该专利的发明人。作者本人并未在该专利申请中拥有任何经济利益。

利益冲突声明

? 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。

致谢

本研究得到了中国自然科学基金（编号为22377014）、上海市东方人才计划精英人才项目（编号DFYCBJ2025-01）以及上海市卫生健康委员会医疗新技术研究与转化种子计划（编号2025ZZ2032）的支持。