msnorm

Нормируйте набор сигналов с пиками

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

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')

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')

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.

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте