介紹

PTXQC包是2016年發表在J Proteome Res期刊上的R包，它主要是對MaxQuant輸出結果進行提取處理從而獲得評估蛋白質質量結果。

安裝

從github安裝，安裝過程會自動構建tutorial。

devtools::install_github("cbielow/PTXQC", build_vignettes = TRUE, dependencies = TRUE)
library(PTXQC)

• 查看幫助文檔，幫助文檔是以html方式展示

help(package="PTXQC")
browseVignettes(package = 'PTXQC')

輸入文件

輸入文件是MaxQuant結果文件的txt里面的：/combined/txt

• parameters.txt
• summary.txt
• proteinGroups.txt
• evidence.txt
• msms.txt
• msmsScans.txt

運行

輸入包含上述輸入文件的目錄即可，然后使用createReport函數。

r = createReport(txt_folder)
cat(paste0("\nReport generated as '", r$report_file, "'\n\n"))

它也提供了修改報告主題或者評估步驟選擇的方法，需要修改yaml_file文件，可參考如下。

require(PTXQC)
require(yaml)## the next require() is needed to prevent a spurious error in certain R versions (might be a bug in R or a package)
## error message is:
##    Error in Scales$new : could not find function "loadMethod"
require(methods)## specify a path to a MaxQuant txt folder
## Note: This folder can be incomplete, depending on your YAML config
if (1) {## we will use an example dataset from PRIDE (dataset 2 of the PTXQC publication)local_zip = tempfile(fileext=".zip")download.file("ftp://ftp.pride.ebi.ac.uk/pride/data/archive/2015/11/PXD003133/txt_20min.zip", destfile = local_zip)unzip(local_zip, exdir = tempdir()) ## extracts contenttxt_folder = file.path(tempdir(), "txt_20min")
} else {## if you have local MaxQuant output, just use ittxt_folder = "c:/Proteomics/MouseLiver/combined/txt"
}## use a YAML config inside the target directory if present
fh_out = getReportFilenames(txt_folder)
if (file.exists(fh_out$yaml_file))
{cat("\nUsing YAML config already present in target directory ...\n")yaml_config = yaml.load_file(input = fh_out$yaml_file)
} else {cat("\nYAML config not found in folder '", txt_folder, "'. The first run of PTXQC will create one for you.", sep="")yaml_config = list()
}r = createReport(txt_folder, mztab_file = NULL, yaml_obj = yaml_config)cat(paste0("\nReport generated as '", r$report_file, "'\n\n"))

結果

輸出的報告文件可以是html也可以是PDF格式，如圖：基于PTXQC包評估以下部分

• 樣本制備（1-5）；
• 液相色譜分離肽段（6-9）；
• 質譜過程（10-18）；
• 鑒定蛋白效果（19-22）。

不同顏色代表實驗過程的優劣。從圖中可以看出，樣本制備和質譜過程獲得評分是best，而鑒定蛋白質效果這一步效果最差，這是因為我們的蛋白質樣本是血液外泌體蛋白質，它含量相對血液而已本身就較少，無法達到該包給的閾值(Peptide Count > 15,000; Protein Count > 3,500)，但我們可以看到Average Overall Quality是偏較好評價的(偏深綠色)。另外我們蛋白質質譜過程使用了PAIMS技術分離蛋白質，這也是我們能看到每個file有三個bar圖(40;60;80電壓)。

在獲取圖譜過程中，常會用到2018年才推出的FAIMS（High-Field Asymmetric Waveform Ion Mobility Spectrometry）技術以用于加載不同電壓（肽段在ESI離子化后，進入質譜之前實現快速氣相分離，提高分離的峰容量），直接使用多電壓下的raw data做MaxQuant定量分析是錯誤的，MaxQuant軟件只能識別單電壓的raw data，因此需要使用FAIMS MzXML Generator 軟件將raw data轉換成各自電壓下的MzXML文件。

List of metrics

systemic information

sessionInfo()

R version 4.0.2 (2020-06-22)
Platform: x86_64-conda_cos6-linux-gnu (64-bit)
Running under: CentOS Linux 8 (Core)Matrix products: default
BLAS/LAPACK: /disk/share/anaconda3/lib/libopenblasp-r0.3.10.solocale:[1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8    [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=en_US.UTF-8       LC_NAME=C                 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     other attached packages:
[1] PTXQC_1.0.12 tibble_3.1.5 dplyr_1.0.7 loaded via a namespace (and not attached):[1] tinytex_0.32       tidyselect_1.1.1   xfun_0.24          bslib_0.2.5.1      reshape2_1.4.4     purrr_0.3.4       [7] colorspace_2.0-2   vctrs_0.3.8        generics_0.1.0     viridisLite_0.4.0  htmltools_0.5.1.1  yaml_2.2.1        
[13] utf8_1.2.1         rlang_0.4.11       jquerylib_0.1.4    pillar_1.6.4       glue_1.4.2         DBI_1.1.1         
[19] gdtools_0.2.2      RColorBrewer_1.1-2 lifecycle_1.0.0    plyr_1.8.6         stringr_1.4.0      munsell_0.5.0     
[25] gtable_0.3.0       rvest_0.3.6        kableExtra_1.3.4   evaluate_0.14      knitr_1.33         UpSetR_1.4.0      
[31] fansi_0.5.0        Rcpp_1.0.7         scales_1.1.1       webshot_0.5.2      jsonlite_1.7.2     systemfonts_0.3.2 
[37] gridExtra_2.3      ggplot2_3.3.5      digest_0.6.27      stringi_1.4.6      ade4_1.7-18        cowplot_1.1.0     
[43] grid_4.0.2         tools_4.0.2        magrittr_2.0.1     sass_0.4.0         ggdendro_0.1.22    R6P_0.2.2         
[49] seqinr_4.2-4       crayon_1.4.1       tidyr_1.1.4        pkgconfig_2.0.3    ellipsis_0.3.2     MASS_7.3-54       
[55] data.table_1.14.0  xml2_1.3.2         assertthat_0.2.1   rmarkdown_2.9      svglite_1.2.3.2    httr_1.4.2        
[61] rstudioapi_0.13    R6_2.5.0           compiler_4.0.2  

Reference

1. Proteomics quality control: quality control software for MaxQuant results

2. PTXQC