msnorm

Нормируйте набор сигналов с пиками

свернуть все на странице

Синтаксис

yOut = msnorm(X,Intensities)
[yOut,normParams] = msnorm(X,Intensities)
yOut = msnorm(X,Intensities,NormParameters)
[___] = msnorm(X,Intensities,Name,Value)

Описание

пример

yOut = msnorm(X,Intensities) нормирует группу сигналов с peaks путем стандартизации области под кривой (AUC) к медиане группы и возвращает нормированные данные yOut.

пример

[yOut,normParams] = msnorm(X,Intensities) также возвращает параметры нормализации normParams, который можно использовать, чтобы нормировать другую группу сигналов.

пример

yOut = msnorm(X,Intensities,NormParameters) использует информацию о параметре NormParameters от предыдущей нормализации, чтобы нормировать новый набор сигналов. Функция использует те же параметры, чтобы выбрать положения разделительного модуля и вывести шкалу от предыдущей нормализации. Если вы задали пропорцию согласия с помощью 'Consensus' аргумент пары "имя-значение" в предыдущей нормализации, функция не выбирает новых положений разделительного модуля и выполняет нормализацию с помощью тех же положений разделительного модуля.

пример

[___] = msnorm(X,Intensities,Name,Value) дополнительные опции использования, заданные одним или несколькими аргументами пары "имя-значение" и, возвращают любой из выходных аргументов в предыдущих синтаксисах. Например, out = msnorm(X,Y,'Quantile',[0.9 1]) устанавливает ниже (0.9) и верхний (1) предел квантиля использовать только самые большие 10% интенсивности в каждом сигнале вычислить AUC.

Примеры

свернуть все

Скрипт Open Live Script

В этом примере показано, как нормировать область под кривой каждого массового спектра из 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 из 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 постперемасштабировав 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')

Скрипт Open Live Script

В этом примере показано, как нормировать ионную интенсивность каждого спектра из 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 из 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 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')

Скрипт Open Live Script

В этом примере показано, 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 из 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 выходе, 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 выходе 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')

Входные параметры

свернуть все

Вектор из разделительных стоимостей единицы для набора сигналов с peaks в виде вектора.

Типы данных: double

Значения интенсивности для набора peaks, который совместно использует ту же область значений разделительного модуля в виде матрицы. Каждая строка является разделительной стоимостью единицы, и каждый столбец является или набором сигналов с peaks или время задержания. Количество строк в Intensities должен равняться числу элементов во входном векторе X.

Типы данных: double

Параметры нормализации, чтобы нормировать другую группу сигналов в виде структуры. NormParameters структура, возвращенная msnorm от предыдущего вызова нормализации.

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: out = msnorm(X,Y,'Quantile',[0.9 1]) устанавливает ниже (0.9) и верхний (1) предел квантиля использовать только самые большие 10% интенсивности в каждом сигнале вычислить AUC.

Пределы квантиля, чтобы уменьшать набор разделительных стоимостей единицы в XВ виде 1- 2 вектор или скаляр между 0 и 1.

Если вы задаете вектор, первым элементом является нижний предел, и вторым элементом является верхний предел. Например, [0.9 1] средние значения, что функция использует только самые большие 10% интенсивности в каждом сигнале вычислить AUC. Значение по умолчанию [0 1] средние значения, что функция использует целый AUC, вместо того, чтобы ограничить интенсивность конкретным квантилем.

Если вы задаете скалярное значение, оно представляет более низкий предел квантиля. Верхний предел квантиля автоматически устанавливается к 1.

Пример: 'Quantile',[0.8 1]

Типы данных: double

Область значений разделительного модуля, чтобы выбрать точки нормализации в виде 1- 2 вектор. Значение по умолчанию [min(X) max(X)] выбирает все доступные точки из X. Если вы задаете нижний или верхний предел как значение, которое не является в доступной области значений [min(X) max(X)], функция устанавливает нижний предел на min(X) и верхний предел max(X).

Этот параметр полезен, чтобы устранить шум из вычисления AUC. Например, можно исключить матричный шум, который появляется в области малой массы (m/z значения меньше, чем 1000) из массового спектрометра SELDI путем установления предела к [1000 max(X)].

Пример: 'Limits',[900 max(X)]

Типы данных: double

Минимальный процент значений интенсивности в пределах квантиля, что положение разделительного модуля, должно быть, придется включить в вычисление AUC в виде скаляра между 0 и 1. Те же положения разделительного модуля затем используются, чтобы нормировать все сигналы. Используйте этот параметр, чтобы устранить peaks низкой интенсивности и шум от нормализации.

Например, чтобы выбрать m/z области, интенсивность которых в третьем квантиле по крайней мере в 90% спектрограмм, устанавливает 'Quantile' и 'Consensus' можно следующим образом: yOut = msnorm(MZ,Y,'Quantile',[0.5 0.75],'Consensus',0.9).

Пример: 'Consensus',0.8

Типы данных: double

Метод для нормализации AUC каждого сигнала в виде 'Median' или 'Mean'.

Пример: 'Method','Mean'

Типы данных: char | string

Общая максимальная интенсивность, чтобы масштабироваться к после нормализации каждого сигнала индивидуально в виде скаляра. Если вы не задаете этот параметр, никакое постмасштабирование не выполняется.

Примечание

Если вы задаете это значение и также устанавливаете 'Quantile' к [1 1], затем одна точка (пиковая высота самого высокого пика) нормирована к заданному максимальному значению.

Пример: 'Max'

Типы данных: double

Выходные аргументы

свернуть все

Нормированные значения интенсивности, возвращенные как матрица.

Параметры нормализации, которые можно использовать, чтобы нормировать другую группу сигналов, возвратились как структура.

Смотрите также

| | | | | | | | | | |

Темы

Представлено до R2006a

Документация Bioinformatics Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте