Matchms 质谱数据分析

质谱数据为什么难管

代谢组学、天然产物鉴定、谱库比对等场景里，谱图往往来自 mzML/mzXML、MGF、MSP 或 GNPS 兼容 JSON 等不同格式，元数据字段命名不一致，峰表还要做强度归一化、前体峰剔除和质量门槛。手工脚本很难保证每一步可复现，也难以在大规模库与未知谱之间做统一的相似度比较。

Matchms 能做什么

Matchms 是面向质谱的 Python 库，围绕 Spectrum 对象组织数据与流程：

• 导入与导出：加载/写出多种质谱格式，并支持 metabolomics-USI 引用与 Pickle 序列化
• 过滤与标准化：40+ 过滤器，覆盖元数据协调（化合物名、加合物、电荷）、峰过滤（m/z/强度阈值、前体峰）、QC（最少峰数、前体 m/z 校验）以及化学标注（指纹、InChI/SMILES、结构修复）
• 相似度计算：如 CosineGreedy/CosineHungarian、ModifiedCosine、NeutralLossesCosine、FingerprintSimilarity、MetadataMatch 等，可按任务选度量
• 流水线：把多步预处理与比对串成可重复的工作流

典型路径包括：加载参考谱库 → 清洗与质量过滤 → 未知谱匹配 → 大规模相似度矩阵或基于网络的谱图聚类。涉及 SMILES/InChI 等结构处理时，需额外安装 RDKit。

适用边界

本技能侧重 数据处理、过滤与相似度，不是替代专业鉴定软件的全部分子式推断流程。复杂、长时或多工具编排的分析，更适合在能持久运行会话的研究环境中分步验证参数与中间结果。