首款非靶向质谱数据特征对齐算法

摘要

基于液相色谱-质谱联用（LC-MS）的多组学研究需要对分析物丰度进行准确的跨样本定量和比较，但由于不同运行之间存在保留时间（RT）偏移，需专门的保留时间对齐算法来匹配不同运行中对应同一分析物的特征。然而，现有算法主要关注运行间表面的保留时间偏移距离，忽视了主导这些偏移的潜在色谱原理。本文提出首款针对非靶向质谱（MS）数据的特征对齐算法Trend-Aligner，其基于色谱偏移原理明确建模保留时间偏移，实现跨运行的精细、逐个分析物保留时间校正。Trend-Aligner将保留时间偏移分解为全局组件和局部组件：全局保留时间偏移通过非线性扭曲函数描述，捕捉运行间色谱条件的系统性变化；局部保留时间偏移通过潜在因子模型建模，反映不同物理化学性质的分析物对色谱条件变化的差异化响应。为全面评估性能，开发了基于参考的准确性基准测试策略，并手动标注了4个代谢组学和5个蛋白质组学数据集作为参考集，包含3,663个共识特征和57,652个特征峰。与11种广泛使用的对齐算法相比，Trend-Aligner在所有数据集上均表现出最高的准确性。为评估实际应用价值，进一步通过结合运行间匹配（MBR）功能，从对齐特征的数量和质量２方面进行面向应用的效用验证。Trend-Aligner展现出最佳性能，兼具高灵敏度和高特异性，与MaxQuant相比，其MBR后鉴定的肽段数量显著增加82.5%。

开源软件Trend-Aligner

https://github.com/CSi-Ti/trend-aligner

#TrendAligner #保留时间对齐 #液相色谱质谱联用 #LCMS #非靶向多组学 #潜在因子模型 #运行间匹配

ruimin.wang@yale.edu

yu.sdfmu@gmail.com

引言

图1Trend-Aligner工作流程

Trend-Aligner处理多种格式的LC-MS特征列表，通过3阶段方法进行特征对齐：

（1）指定锚点样本并进行基于锚点的成对匹配；

（2）通过采样分析质荷比-保留时间（m/z-RT）分布，建模全局和局部保留时间（RT）偏移（KDE，核密度估计；DWS，基于密度的加权采样）；

（3）基于L2归一化的质荷比（m/z）和保留时间（RT）值进行最近邻匹配。

结果

评估工作流程设计

图2评估工作流程

Trend-Aligner的评估工作流程主要包括2部分：基于参考的准确性基准测试（RAB）和面向应用的效用验证（AUV）。TP，真阳性；TN，真阴性；FP，假阳性；FN，假阴性；MBR，运行间匹配。

基于参考的准确性基准测试

图3Trend-Aligner与其他算法的性能基准测试

（A−C）特征准确性、精密度和召回率的比较评估；（D）分析时间比较。

面向应用的效用验证

图4Benchmark-MV数据集中大肠杆菌肽段的运行间匹配（MBR）后鉴定数量

（A）MBR后肽段鉴定计数，仅限于在2700R3样本中检测到的肽段；

（B）去除假阳性MBR鉴定后的计数。数值代表3个生物学重复的平均值。

详细总结

思维导图

关键技术细节

评估数据集

参考

Anal Chem. 2026 Jan 29. doi: 10.1021/acs.analchem.5c05354. Trend-Aligner: A Retention Time Modeling-Based Feature Alignment Method for Untargeted LC-MS Data Analysis

注：AI辅助创作，如有错误欢迎指出。内容仅供参考，不构成任何建议。