scientific-proteomics-mass-spectrometry

name	scientific-proteomics-mass-spectrometry
description	プロテオミクス・質量分析解析スキル。LC-MS/MS データ前処理、ペプチド同定 (PSM/FDR 制御)、 蛋白質定量 (LFQ/TMT/SILAC/iBAQ)、翻訳後修飾 (PTM) マッピング、 スペクトル類似度スコアリング (コサイン/修正コサイン)、分子ネットワーキング (GNPS)、 化合物アノテーション (HMDB/MassBank) を統合した質量分析パイプライン。 pyOpenMS / matchms ベースの包括的ワークフロー。

Scientific Proteomics & Mass Spectrometry

LC-MS/MS ベースのプロテオミクス・メタボロミクス質量分析データを対象に、 スペクトル前処理→ペプチド/化合物同定→定量→差次的解析の 標準パイプラインを提供する。

When to Use

• LC-MS/MS プロテオミクスデータのペプチド同定・蛋白質定量が必要なとき
• TMT/SILAC/LFQ による差次的蛋白質発現解析を行うとき
• 翻訳後修飾 (リン酸化, ユビキチン化, アセチル化) マッピングが必要なとき
• スペクトルライブラリ検索・分子ネットワーキングを行うとき
• 化合物同定 (HMDB/MassBank/GNPS) が必要なとき

---

Quick Start

1. MS データ前処理 (pyOpenMS)

import numpy as np
import pandas as pd


def ms_data_preprocessing(mzml_file, noise_threshold=1000,
                           peak_picking_method="centroid"):
    """
    LC-MS/MS データ前処理パイプライン (pyOpenMS ベース)。

    1. Raw → mzML 変換 (事前に msconvert)
    2. ピーク検出 (セントロイド化)
    3. ベースライン補正
    4. ノイズ除去
    5. RT アラインメント
    """
    from pyopenms import MSExperiment, MzMLFile, PeakPickerHiRes

    # mzML 読み込み
    exp = MSExperiment()
    MzMLFile().load(mzml_file, exp)

    print(f"  Loaded {exp.getNrSpectra()} spectra from {mzml_file}")
    print(f"  MS1 scans: {sum(1 for s in exp if s.getMSLevel() == 1)}")
    print(f"  MS2 scans: {sum(1 for s in exp if s.getMSLevel() == 2)}")

    # ピークピッキング
    if peak_picking_method == "centroid":
        picker = PeakPickerHiRes()
        exp_picked = MSExperiment()
        picker.pickExperiment(exp, exp_picked)
        print(f"  After peak picking: {exp_picked.getNrSpectra()} spectra")
        return exp_picked

    return exp


def feature_detection(exp, mass_error_ppm=10, noise_threshold=1000):
    """
    LC-MS 特徴検出 — m/z × RT × 強度の 3D ピーク検出。
    """
    from pyopenms import FeatureFinder, FeatureMap

    ff = FeatureFinder()
    features = FeatureMap()

    ff_params = ff.getParameters()
    ff_params.setValue("mass_trace:mz_tolerance", float(mass_error_ppm))
    ff_params.setValue("noise_threshold_int", float(noise_threshold))
    ff.setParameters(ff_params)

    ff.run("centroided", exp, features, FeatureMap())

    print(f"  Detected {features.size()} features")

    results = []
    for f in features:
        results.append({
            "mz": f.getMZ(),
            "rt": f.getRT(),
            "intensity": f.getIntensity(),
            "charge": f.getCharge(),
            "quality": f.getOverallQuality(),
        })

    return pd.DataFrame(results)

2. ペプチド同定 (データベース検索)

import numpy as np
import pandas as pd


def peptide_identification(mzml_file, fasta_db, enzyme="Trypsin",
                           missed_cleavages=2, precursor_mass_tol=10,
                           fragment_mass_tol=0.02, fdr_cutoff=0.01):
    """
    MS/MS スペクトルからのペプチド同定パイプライン。

    1. データベース検索 (X!Tandem / Comet / MSGF+)
    2. PSM (Peptide-Spectrum Match) スコアリング
    3. Target-Decoy FDR 制御
    4. Protein inference (Occam's Razor)
    """
    from pyopenms import (
        IdXMLFile, ProteinIdentification,
        PeptideIdentification
    )

    # 検索パラメータ
    search_params = {
        "database": fasta_db,
        "enzyme": enzyme,
        "missed_cleavages": missed_cleavages,
        "precursor_mass_tolerance": f"{precursor_mass_tol} ppm",
        "fragment_mass_tolerance": f"{fragment_mass_tol} Da",
        "fixed_modifications": ["Carbamidomethyl (C)"],
        "variable_modifications": ["Oxidation (M)", "Acetyl (Protein N-term)"],
    }

    print(f"  Database search parameters:")
    for k, v in search_params.items():
        print(f"    {k}: {v}")

    # FDR 制御
    # Target-Decoy approach: concatenate reversed sequences
    print(f"  FDR cutoff:  (1% at PSM level)")
    ()

     search_params


 ():
    
    ()
    ()

     method == :
        
        ()
        ()

     method == :
        ()
        ()
        ()

     method == :
        ()
        ()

     method == :
        ()

     {: method, : min_peptides}

3. 翻訳後修飾 (PTM) 解析

import pandas as pd
import numpy as np


def ptm_site_localization(psm_results, ptm_types=None,
                           localization_prob_cutoff=0.75):
    """
    翻訳後修飾サイトの局在化解析。

    主要 PTM タイプ:
    - Phosphorylation (S/T/Y): リン酸化
    - Ubiquitination (K): ユビキチン化 (diGly remnant)
    - Acetylation (K): アセチル化
    - Methylation (K/R): メチル化
    - Glycosylation (N/S/T): 糖鎖修飾
    - SUMOylation (K): SUMO 化
    """
    ptm_types = ptm_types or ["Phospho (S)", "Phospho (T)", "Phospho (Y)"]

    print(f"  PTM types analyzed: {ptm_types}")
    print(f"  Localization probability cutoff: {localization_prob_cutoff}")
    print("  Methods: phosphoRS / Ascore / ptmRS")

    # PTM 濃縮解析 (Motif-X / pLogo)
    print("  Motif enrichment: Motif-X algorithm")
    print("    Window: ±7 residues around modification site")
    print("    Significance: p < 1e-6 (binomial test)")

    return {"ptm_types": ptm_types, "cutoff": localization_prob_cutoff}


def phosphoproteomics_kinase_activity(phosphosites_df,
                                       kinase_substrate_db="PhosphoSitePlus"):
    """
    フォスフォプロテオミクスからのキナーゼ活性推定 (KSEA)。

    Kinase-Substrate Enrichment Analysis:
    - PhosphoSitePlus / NetworKIN のキナーゼ-基質関係を使用
    - 各キナーゼの基質群の平均 log2FC をスコア化
    - z-test で有意性を評価
    """
    print(f"  Kinase-substrate database: ")
    ()
    ()

     {: kinase_substrate_db, : }

4. スペクトルマッチング・分子ネットワーキング

import numpy as np
import pandas as pd


def spectral_similarity_scoring(query_spectrum, library_spectrum,
                                 method="modified_cosine",
                                 mz_tolerance=0.02):
    """
    MS/MS スペクトル間の類似度スコアリング。

    Methods:
    - cosine: 標準コサイン類似度
    - modified_cosine: 前駆体質量差を考慮したシフトマッチング
    - spec2vec: Word2Vec ベースのスペクトル埋め込み
    """
    from matchms import Spectrum, calculate_scores
    from matchms.similarity import ModifiedCosine, CosineGreedy

    if method == "modified_cosine":
        similarity_func = ModifiedCosine(tolerance=mz_tolerance)
    else:
        similarity_func = CosineGreedy(tolerance=mz_tolerance)

    score = similarity_func.pair(query_spectrum, library_spectrum)

    print(f"  Similarity method: {method}")
    print(f"  Score: {score['score']:.4f}")
    print(f"  Matched peaks: {score['matches']}")

    return score


def molecular_networking(spectra_list, min_cosine=0.7,
                          min_matched_peaks=6, max_neighbors=10):
    """
    GNPS スタイル分子ネットワーキング。

    スペクトル間の修正コサイン類似度に基づいてネットワークを構築。
    類似構造を持つ化合物がクラスタを形成 → 未知化合物の推定に活用。
    """
    from matchms import calculate_scores
    from matchms.similarity import ModifiedCosine
     networkx  nx

    sim_func = ModifiedCosine(tolerance=)

    G = nx.Graph()
    n = (spectra_list)
    edge_count = 

     i  (n):
        G.add_node(i)
         j  (i + , n):
            score = sim_func.pair(spectra_list[i], spectra_list[j])
             (score[] >= min_cosine 
                    score[] >= min_matched_peaks):
                G.add_edge(i, j, weight=score[],
                           matches=score[])
                edge_count += 

    ()
    ()
    ()

     G

5. 差次的蛋白質発現 + 機能濃縮

import pandas as pd
import numpy as np
from scipy.stats import ttest_ind
from statsmodels.stats.multitest import multipletests


def differential_protein_expression(intensity_matrix, groups,
                                     log2fc_cutoff=1.0, fdr_cutoff=0.05,
                                     imputation="MinDet"):
    """
    差次的蛋白質発現解析。

    Parameters:
        intensity_matrix: proteins × samples (log2 LFQ 強度)
        groups: サンプルグループ (e.g., ["Treatment", "Control", ...])
        imputation: 欠損値補完法 (MinDet / MinProb / KNN / QRILC)
    """
    group_names = sorted(set(groups))
    g1, g2 = group_names[0], group_names[1]
    g1_idx = [i for i, g in enumerate(groups) if g == g1]
    g2_idx = [i for i, g in enumerate(groups) if g == g2]

    results = []
    for protein in intensity_matrix.index:
        vals1 = intensity_matrix.loc[protein, intensity_matrix.columns[g1_idx]].dropna()
        vals2 = intensity_matrix.loc[protein, intensity_matrix.columns[g2_idx]].dropna()

        if len(vals1) < 2 or len(vals2) < 2:
            continue

        log2fc = vals2.mean() - vals1.mean()
        stat, pval = ttest_ind(vals1, vals2, equal_var=False)

        results.append({
            "protein": protein,
            "log2FC": log2fc,
            "pvalue": pval,
            : vals1.mean(),
            : vals2.mean(),
            : (vals1),
            : (vals2),
        })

    df = pd.DataFrame(results)
    df[] = multipletests(df[], method=)[]

    sig_up = df[(df[] < fdr_cutoff) & (df[] > log2fc_cutoff)]
    sig_down = df[(df[] < fdr_cutoff) & (df[] < -log2fc_cutoff)]

    ()
    ()
    ()
    ()

     df

References

Output Files

ファイル	形式
results/features_detected.csv	CSV
results/psm_results.csv	CSV
results/protein_quant.csv	CSV
results/ptm_sites.csv	CSV
results/differential_proteins.csv	CSV
results/molecular_network.graphml	GraphML
figures/volcano_proteomics.png	PNG
figures/molecular_network.png	PNG

利用可能ツール

ToolUniverse SMCP 経由で利用可能な外部ツール。

カテゴリ	主要ツール	用途
PRIDE	PRIDE_search_proteomics	プロテオミクスプロジェクト検索
PRIDE	PRIDE_get_project	プロジェクト詳細取得
PRIDE	PRIDE_get_project_files	プロテオミクスデータファイル取得
UniProt	search_uniprot_by_name	蛋白質検索
UniProt	get_uniprot_entry	蛋白質エントリ詳細
KEGG	kegg_get_pathway_info	蛋白質パスウェイ情報
Reactome	reactome_pathway_analysis	パスウェイ濃縮解析

参照スキル

スキル	関連
scientific-metabolomics	代謝物 MS 解析
scientific-spectral-signal	スペクトル解析基盤
scientific-bioinformatics	配列・蛋白質データベース
scientific-network-analysis	分子ネットワーク可視化
scientific-multi-omics	マルチオミクス統合

依存パッケージ

pyopenms, matchms, pandas, numpy, scipy, scikit-learn, networkx, statsmodels