面向非靶向液相色谱-质谱代谢组学与脂质组学的开源质控稀释特征过滤流程Aletheia

《Metabolomics》:Aletheia: an open-source pipeline for QC dilution-based feature filtering in untargeted LC–MS metabolomics and lipidomics

【字体: 大 中 小 】 时间:2026年11月22日 来源:Metabolomics 3.5

编辑推荐:

  【引言】非靶向液相色谱-质谱(LC–MS)代谢组学和脂质组学在每个样本中会产生数千个特征,其中许多特征超出仪器的线性动态范围,或反映进样伪影。尽管已有国际质控(QC)指南,但在特征提取与统计分析之间的单特征质控过滤仍然缺乏标准化。 【目的】研究人员提出Alet

【引言】非靶向液相色谱-质谱(LC–MS)代谢组学和脂质组学在每个样本中会产生数千个特征,其中许多特征超出仪器的线性动态范围,或反映进样伪影。尽管已有国际质控(QC)指南,但在特征提取与统计分析之间的单特征质控过滤仍然缺乏标准化。 【目的】研究人员提出Aletheia——一个基于质控(QC)稀释的特征过滤开源流程,描述其在可复现合成血浆数据集上的表现,并检验其与notame工作流程的兼容性。 【方法】研究人员以合成血浆参考物质进行分析,采用五级质控(QC)稀释系列,双极性各三重复,并配合混合质控(QC)进样。Aletheia综合了线性评估、重复进样诊断、非单调响应标记以及质控池(QC-pool)重复性指标,可导入MetaboScape、MZmine 3、XCMS和MS-DIAL输出的表格。 【结果】在11,694个已通过混合质控(QC)过滤(变异系数(CV)≤20%)的特征中,保留10,732个(91.8%),其中1,174个由不检验线性的两点正斜率规则接受,260个(2.2%)被标记为非单调,962个(8.2%)因无稀释响应被拒绝。在线性与重复性联合标准下,8,173个特征(69.9%)同时通过。 【结论】Aletheia提供了一种透明、可复现的质控(QC)稀释特征过滤实现,具备特征级标签和机器可读审计轨迹。该软件基于MIT许可证开源,地址为 https://github.com/aperalbom/Aletheia 。

研究背景与问题定位

非靶向液相色谱-质谱(LC–MS)代谢组学与脂质组学可在单次实验中产出数千个分子特征,但其中相当比例的信号并不具备分析可靠性:一部分落在仪器线性动态范围之外,一部分源于电离不稳定、基质效应或进样伪影。国际质控(QC)倡议(如mQACC、Metabolomics Standards Initiative、Lipidomics Standards Initiative)虽已明确提出“利用质控稀释系列做特征级线性评估、重复进样诊断、缺失/剔除测量透明传递”等原则,但在特征提取与下游统计之间的这一关键环节,实际工作流仍高度依赖自写脚本或电子表格,可追溯性极差。
既往代表性工具各有局限:notame(2020)主攻质控池(QC-pool)漂移校正与重复性过滤,缺乏基于稀释系列的穷尽式线性评估,且仓库已于2025年10月转为只读归档;Signal response evaluation以单一相关/R2阈值过滤;MSlineaR要求在log–log尺度上连续至少5个稀释点并依赖空白样设下限;MetaDilutionR主要用于挑选最佳血浆稀释倍数。在此背景下,研究人员开发了Aletheia,把“多策略线性拟合 + 非单调标记 + 重复进样诊断 + 质控池重复性 + 机器可读审计轨迹”收敛进一条可复现流水线,并打通MetaboScape、MZmine 3、XCMS、MS-DIAL及通用CSV输入。

研究内容与核心结论

研究人员以Sigma合成血浆参考物质为模型矩阵,在正负两种电离模式下各做31次进样(共62次):7次混合质控(QC)、5级稀释(QC20/40/60/80/100)各三重复共15次、3个独立提取分装(Plasma 1–3)各三重复共9次。上游用MetaboScape T-ReX做峰提取、对齐与批内校正,仅保留混合质控变异系数(CV)≤20%的11,694个特征进入Aletheia。
主线结论有三层:第一,Aletheia线性模块在默认R2≥0.65、允许两点正斜率(2pt_pos_slope)、允许丢弃最低稀释点(--use-drop)、标记非单调(--flag-non-monotonic)的配置下,保留10,732个特征(91.8%),拒绝962个(8.2%,含r2_low 858个、negative_slope 104个),另把260个(2.2%)高R2但负斜率的信号标为non_monotonic_response而非静默丢弃——这些特征在混合质控里重复性好,却对稀释无响应,正是传统质控池过滤抓不到的盲区。第二,线性与重复性(中位数%CV≤20%)联合通过仅8,173个(69.9%),说明两个模块捕捉的是特征质量的不同侧面(2,559个仅过线性、744个仅过重复性)。第三,在notame自带merged_sample数据集(218进样、83特征、18个混合质控)上,Aletheia复现了notame v0.3.2的混合质控中位%CV(均为33.14%),218/218进样重复诊断均为“ok”,证明接口与度量兼容;该数据集无稀释系列,故线性模块未参与此对照。

关键技术方法概括(≤250字)

研究以Sigma合成血浆参考物质为样本来源,双极性采集。核心方法包括:多格式导入与样本角色映射(sample / pooled QC / QC dilution / blank / excluded,JSON Sidecar留痕);线性模块M1在“第1/2/3次进样单独用或取均值”ד是否丢弃最低稀释点”共至多8种策略中选最大R2且斜率正者,两点即标2pt_pos_slope(R2按惯例记1.0),负斜率高R2标non_monotonic_response;重复进样诊断QCR用总离子强度与中位特征强度双阈值(<70%中位数判failed,单侧低判suspect)加|Z|>2特征级剔除;重复性模块M2算特征%CV与ICC(1,1)(单测量、随机效应、负估计置零,>0.75为good、>0.90为excellent,仅描述用);输出pass_all_criteria.csv与JSON运行摘要,Python 3.10+ / NumPy / pandas / Plotly Dash,含65项pytest。

研究结果(按原文小标题浓缩)

3.1 Sigma plasma—Full Aletheia pipeline

在11,694个已过混合质控%CV≤20%的特征上,线性模块保留10,732个(91.8%):r2_ok 9,298个(79.5%)、2pt_pos_slope 1,174个(10.0%)、non_monotonic_response 260个(2.2%);拒绝962个(8.2%)= r2_low 858 + negative_slope 104,无no_data。保留特征中位R2=0.991;QC100/QC20中位强度比:r2_ok 5.5(期望5)、2pt_pos_slope 4.4、rejected 1.0、non_monotonic 0.6。独立分装中位数%CV:r2_ok 11.3%、2pt_pos_slope 15.0%、r2_low 13.3%——被线性模块拒的特征只是略差,单靠重复性过滤留不住它们。9次技术重复全部“ok”,无Z离群;可分%CV特征11,218个中8,917个(79.5%)≤20%;ICC>0.75仅640个(受n=3分装限制,作描述下限)。线性∩重复性=8,173个(69.9%)。

3.2 Compatibility check with notame on its bundled multi-mode dataset

在notame v0.3.2自带merged_sample(4种色谱/电离模式、MS-DIAL处理、218进样、83特征、18混合质控)上,Aletheia经MS-DIAL解析器+样本映射JSON识别质控池,重复诊断218/218 ok;混合质控中位%CV与notame完全一致(33.14% vs 33.14%)。notame内部LOESS批内校正后降到20.67%,而Aletheia设计上位于上游校正之后、不重复做漂移校正。因该集无稀释系列,线性模块未启用,对照仅限质控池重复性指标。

讨论部分总结

研究人员指出,Aletheia与Signal response evaluation、MSlineaR、MetaDilutionR的定位差异在于:不锁死单一拟合规则,而是给每个特征搜多策略、留原因码、非单调不静默删、叠加进样级与池级重复诊断。其R2是“最优策略选择后的描述量”,存在winner’s-curse式向上偏倚,作者明确将其定位为质控决策分数而非线性假设检验;默认R2=0.65是务实阈值(提到0.9时保留率仍82.0%),两点规则只影响270个特征(2.3%)的去留、却把904个重标为r2_ok。优势在审计性(每特征label+reason code)与多平台互通;局限为:属软件验证非分析验证、无生物学对照故未评估对差异分析/分类的影响、输入已过%CV≤20%故重复性模块增益被压缩、ICC受n=3限制、线性假设对同位素体/加合物/源内裂解/近检出限/饱和离子不普适(故用标签保留而非丢弃)、无稀释系列的研究用不了M1、未与MSlineaR/MetaDilutionR头对头比较。性能上11,694特征全流程中位1.4 s、峰值内存137 MB(i5-10500/Win11/Python 3.15),>10?特征并行化留作后续。

结论部分翻译

Aletheia是一个用于非靶向LC–MS代谢组学与脂质组学的开源质控(QC)流程,它将特征级线性评估、重复进样诊断、重复性分析与机器可读审计轨迹整合进单一可复现工作流。通过把穷尽式质控稀释系列分析与逐特征决策标签相结合,Aletheia实现了质控过滤的自动化,并使每一次过滤决策都可追溯、可复现。在Sigma合成血浆数据集上,它识别出962个在混合质控中重复性好、但对稀释无响应的特征;本文所呈现的证据仅限于技术层面的质控指标。

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号