技能介绍

问题：原始 LC-MS 数据到可用特征表之间的鸿沟

非靶向代谢组学分析通常以高分辨 LC-MS/MS 仪器产出 mzML 或 mzXML 文件，但这些原始谱图距离下游统计分析所需的“样本 × 特征”强度表仍有多个中间步骤：不同仪器的峰形、噪声和保留时间漂移各不相同；元数据如样本分组和进样顺序若散落在文件名或外部表格中，容易造成混淆；峰检测参数（峰宽、ppm、信噪比）需要结合 QC 样本反复调试，否则会遗漏真实峰或引入大量噪声。此外，跨样本的特征对齐和缺失峰填补若不加约束，可能把填补值误报为实测峰，影响后续差异分析。

技能如何工作：从原始文件到可导出的强度矩阵

该技能将上述流程封装为可复现的步骤，核心依赖 Bioconductor 的 xcms 与 MSnbase，要求 R 环境中已安装 3.18+ 的 Bioconductor 和 4.0+ 的 xcms。首先使用 MSnbase::readMSData() 将原始文件读入 OnDiskMSnRawData 对象，并确认 MS 级别与文件数。随后在 pData() 中显式写入样本名、实验组和进样顺序，避免依赖文件名推断分组。

峰检测阶段根据数据是否已 centroid 化选择不同函数：质心化数据使用 CentWaveParam() 配合 findChromPeaks()，而 profile 数据则使用 MatchedFilterParam()。参数调整时需结合 QC 谱图观察峰宽、ppm 偏差和信噪比。保留时间校正通过 ObiwarpParam() 和 adjustRtime() 完成，并用 plotAdjustedRtime() 检查对齐效果。跨样本特征分组使用 PeakDensityParam() 和 groupChromPeaks()，其中 sampleGroups 必须来自已写入的元数据。缺失峰填补由 fillChromPeaks() 完成，最终通过 featureValues() 和 featureDefinitions() 导出 feature_table.csv。

适用边界与注意点

该流程假设输入数据已按样本分组，且 R 环境中的包版本满足要求；若版本过低，部分参数可能不兼容。峰检测和 RT 校正的参数需要根据具体仪器和数据集调整，没有通用的“最优值”。CAMERA 注释仅适用于高分辨质心数据，若数据为 profile 模式则无法直接使用。导出用于 MetaboAnalyst 的矩阵时，需将强度矩阵转置，并以 MT 作为特征名，同时在首列保留 Sample 和 Group。此外，填补值仅代表缺失峰的估计，不应与实测峰混用，报告中需明确标注填补策略。