Нормируйте набор сигналов с peaks
Yout = msnorm(X, Intensities)
[Yout, NormParameters]
= msnorm(...)
msnorm(X, NewY, NormParameters)
msnorm(..., 'Quantile', QuantileValue,
...)
msnorm(..., 'Limits', LimitsValue,
...)
msnorm(..., 'Consensus', ConsensusValue,
...)
msnorm(..., 'Method', MethodValue,
...)
msnorm(..., 'Max', MaxValue,
...)
X | Вектор разделительных стоимостей единицы для набора сигналов с peaks. Число элементов в векторе равняется количеству строк в матричном Intensities. Разделительный модуль может определить количество длины волны, частоты, расстояния, время или m/z в зависимости от инструмента, который генерирует данные сигнала. |
Intensities | Матрица значений интенсивности для набора peaks, который совместно использует ту же область значений разделительного модуля. Каждая строка соответствует разделительной стоимости единицы, и каждый столбец соответствует или набору сигналов с peaks или время задержания. Количество строк равняется числу элементов в векторном X. |
Используйте следующие синтаксисы с данными из любого разделительного метода, который производит данные сигнала, такие как спектроскопия, NMR, электрофорез, хроматография или масс-спектрометрия.
Yout = msnorm(X, Intensities)
[ возвращает структуру, содержащую параметры, чтобы нормировать другую группу сигналов.Yout, NormParameters]
= msnorm(...)
msnorm( использует информацию о параметре от предыдущей нормализации, заданной X, NewY, NormParameters)NormParameters, чтобы нормировать новый набор сигналов, заданных NewY с помощью тех же параметров, чтобы выбрать положения разделительного модуля и вывести шкалу от предыдущей нормализации. NormParameters является структурой, созданной msnorm. Если пропорция согласия, ConsensusValue, была дана в предыдущей нормализации, никакие новые положения разделительного модуля не выбраны, и нормализация выполняется с помощью тех же положений разделительного модуля.
msnorm(..., 'PropertyName', PropertyValue, ...) msnorm с дополнительными свойствами, которые используют имя свойства / пары значения свойства. Можно задать одно или несколько свойств в любом порядке. Каждый PropertyName должен быть заключен в одинарные кавычки и нечувствительный к регистру. Это имя свойства / пары значения свойства следующие:
msnorm(..., 'Quantile', задает QuantileValue,
...)1-by-2 вектор с пределами квантиля для сокращения набора разделительных стоимостей единицы в X. Например, когда QuantileValue[0.9 1], только самый большой 10, % интенсивности в каждом сигнале используется, чтобы вычислить AUC. Когда QuantileValue1. Значением по умолчанию является [0 1] (используйте целую область под кривой, AUC).
msnorm(..., 'Limits', задает LimitsValue,
...)1-by-2 вектор с областью значений разделительного модуля для выбора точек нормализации. Этот параметр полезен, чтобы устранить шум малой массы из вычисления AUC, например, матричный шум, который появляется в области малой массы массовых спектрометров SELDI. Значением по умолчанию является [0, max(X)]
msnorm(..., 'Consensus', устанавливает правило согласия. Чтобы быть включенным в AUC, положение разделительного модуля должно иметь интенсивность в пределах квантиля, по крайней мере, части (заданный ConsensusValue,
...)ConsensusValue) сигналов в Intensities. Те же положения разделительного модуля используются, чтобы нормировать все сигналы. Введите скаляр от 0 до 1.
Используйте свойство 'Consensus' устранить peaks низкой интенсивности и шум от нормализации.
msnorm(..., 'Method', выбирает метод для нормализации AUC каждого сигнала. Введите или MethodValue,
...)'Median' (значение по умолчанию) или 'Mean'.
msnorm(..., 'Max', , после отдельной нормализации каждого сигнала, масштабирует каждый сигнал к общей максимальной интенсивности, заданной MaxValue,
...)MaxValue. MaxValue является скаляром. Если не использовано, никакое постмасштабирование не выполняется. Если QuantileValue является [1 1], то одна точка (пиковая высота самого высокого пика) нормирована к MaxValue.
Этот пример показывает, как нормировать область под кривой каждого массового спектра от массовых данных о спецификации.
Загрузите MAT-файл, включенный с программным обеспечением Bioinformatics Toolbox™, которое содержит демонстрационные массовые данные о спецификации, включая MZ_lo_res, вектор m/z значений, и Y_lo_res, матрицу значений интенсивности.
load sample_lo_res
Создайте подмножество (четыре сигнала) данных.
MZ = MZ_lo_res; Y = Y_lo_res(:,[1 2 5 6]);
Постройте эти четыре спектра.
plot(MZ, Y) axis([-1000 20000 -20 105]) xlabel('Mass-charge Ratio') ylabel('Relative Ion Intensities') title('Original Spectra')
Нормируйте область под кривой (AUC) каждого спектра к медиане, устранив малую массу (m/z <1,000) шум, и постповторно масштабировавшись таким образом, что максимальная интенсивность равняется 100. Постройте эти четыре спектра.
Y1 = msnorm(MZ,Y,'Limits',[1000 inf],'Max',100); plot(MZ, Y1) axis([-1000 20000 -20 105]) xlabel('Mass-charge Ratio') ylabel('Relative Ion Intensities') title('AUC Normalized Spectra')
Этот пример показывает, как нормировать ионную интенсивность каждого спектра от массовых данных о спецификации.
Загрузите MAT-файл, включенный с программным обеспечением Bioinformatics Toolbox™, которое содержит демонстрационные массовые данные о спецификации, включая MZ_lo_res, вектор m/z значений, и Y_lo_res, матрицу значений интенсивности.
load sample_lo_resСоздайте подмножество (четыре сигнала) данных.
MZ = MZ_lo_res; Y = Y_lo_res(:,[1 2 5 6]);
Нормируйте ионную интенсивность каждого спектра к максимальной интенсивности одного самого высокого пика от любого из спектров в области значений выше 1000 m/z. Постройте эти четыре спектра.
Y2 = msnorm(MZ,Y,'QUANTILE', [1 1],'LIMITS',[1000 inf]); plot(MZ, Y2) axis([-1000 20000 -20 105]) xlabel('Mass-charge Ratio') ylabel('Relative Ion Intensities') title('Maximum-Intensity Normalized Spectra')
Этот пример показывает, как выполнить нормализацию квантиля для массовых данных о спецификации.
Загрузите MAT-файл, включенный с программным обеспечением Bioinformatics Toolbox™, которое содержит демонстрационные массовые данные о спецификации, включая MZ_lo_res, вектор m/z значений, и Y_lo_res, матрицу значений интенсивности.
load sample_lo_res
Создайте подмножество (четыре сигнала) данных.
MZ = MZ_lo_res; Y = Y_lo_res(:,[1 2 5 6]);
Нормируйте использование данных в m/z областях, где интенсивность в четвертом квартиле по крайней мере в 90% спектрограмм. Обратите внимание на то, что можно использовать параметры нормализации во втором выводе, чтобы нормировать другой набор данных в тех же m/z областях. Постройте эти четыре спектра.
[Y3,S] = msnorm(MZ,Y,'Quantile',[0.75 1],'Consensus',0.9); area(MZ,S.Xh.*1000,'LineStyle','None','FaceColor',[.8 .8 .8]) hold on plot(MZ, Y3) hold off axis([-1000 20000 -20 105]) xlabel('Mass-charge Ratio') ylabel('Relative Ion Intensities') title('Fourth-quartile Normalized Spectra')
Используйте параметры нормализации во втором выводе предыдущего шага, чтобы нормировать различное подмножество данных (четыре сигнала) использование данных в тех же m/z областях как предыдущий набор данных. Постройте эти четыре спектра.
Y4 = msnorm(MZ,Y_lo_res(:,[3 4 7 8]),S); area(MZ,S.Xh.*1000,'LineStyle','None','FaceColor',[.8 .8 .8]) hold on plot(MZ, Y4) hold off axis([-1000 20000 -20 105]) xlabel('Mass-charge Ratio') ylabel('Relative Ion Intensities') title('Fourth-quartile Normalized Spectra')
