GC-MS图谱数据前处理

上一篇博客的内容比较适合LC-MS数据前处理，基于GC-MS的图谱前处理也可以通用，但是效果不好，在接触了2016年开发的erah包，毅然决然的选择了这种方法进行GC-MS 数据的前处理。R版本依然是3.6以上
同样的也是先将.raw文件转换为.mzXML文件

1. 安装包和载入，此包安装需要很多依赖包，它会自行安装

install.packages("erah")
library(erah)

2. 创建CSV文件在数据文件夹，具体的自行替换

createdt("D:/XSHPCOS1/")
ex <- newExp(instrumental = "D:/XSHPCOS1/XSHPCOS1_inst.csv", phenotype = "D:/XSHPCOS1/XSHPCOS1_pheno.csv",info = "XSHPCOS1 Experiment")

3. 查看数据情况

metaData(ex)
phenoData(ex)
expClasses(ex)

4. 去卷积参数设置并执行去卷积，此步骤需要的时间较多，电脑性能好就要快一些，依靠数据量而定

ex.dec.par <- setDecPar(min.peak.width = 5, avoid.processing.mz = c(40:45,73:75,147:149,248:249))
ex <- deconvolveComp(ex, ex.dec.par )

5. 保存原始数据，后续可能会需要重新修改参数

save(ex, file = "D:/XSHPCOS1/testPCOS.rda")

6. 如果参数设置不对，需要重新载入数据进行分析

load("D:/XSHPCOS1/testPCOS.rda")

7. 对齐参数设置并执行对齐

ex.al.par <- setAlPar(min.spectra.cor = 0.4, max.time.dist = 3, mz.range = 35:250)
ex <- alignComp(ex, alParameters = ex.al.par)

8. 对齐数目过多时的一种解决办法,设定一个合适的数字

ex<- alignComp(ex, alParameters= ex.al.par, blocks.size=15)

9. 化合物缺少复苏，至少出现多少次作为新的化合物被列出

ex <- recMissComp(ex, min.samples = 58)
ex <- identifyComp(ex)

10. 定性TRUE输出定量结果，FALSE输出峰强度

data.list<-dataList(ex, id.database=mslib, by.area=FALSE)
data.list<-dataList(ex, id.database=mslib, by.area=TRUE)

11. 查看结果及保存结果

head(data.list[,],n=400)
write.csv(head(data.list[,], n =400),file= "D:/XSHPCOS1/PCOS6RESULT.csv")

参考文献：
Domingo-Almenara X , Brezmes J , Vinaixa M , et al. eRah: A Computational Tool Integrating Spectral Deconvolution and Alignment with Quantification and Identification of Metabolites in GC/MS-Based Metabolomics[J]. Analytical Chemistry, 2016:acs.analchem.6b02927.