msnorm

Нормализуйте набор сигналов с peaks

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) нормализует 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 нормализовать другую группу сигналов.

пример

yOut = msnorm(X,Intensities,NormParameters) использует информацию о параметре NormParameters от предыдущей нормализации до нормализации нового набора сигналов. Функция использует те же параметры, чтобы выбрать положения единиц разделения и выходную шкалу от предыдущей нормализации. Если вы указали консенсусную пропорцию, используя 'Consensus' аргумент пары "имя-значение" в предыдущей нормализации, функция не выбирает новых позиций в единицах разделения и выполняет нормализацию с использованием тех же позиций в единицах разделения.

пример

[___] = msnorm(X,Intensities,Name,Value) использует дополнительные опции, заданные одним или несколькими аргументами пары "имя-значение", и возвращает любой из выходных аргументов в предыдущих синтаксисах. Для примера, out = msnorm(X,Y,'Quantile',[0.9 1]) устанавливает нижний (0,9) и верхний (1) предел величины, чтобы использовать только самые большие 10% интенсивности в каждом сигнале для вычисления AUC.

Примеры

свернуть все

Открыть Live Script

В этом примере показов, как нормализовать область под кривым каждым массовым спектром из данных спецификаций масс.

Загрузите MAT-файл, включенный в программное обеспечение Bioinformatics Toolbox™, который содержит выборку массовых спецификационных данных, включая MZ_lo_res, вектор значений m/z 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 четыре спектра.

plot(MZ, Y)
axis([-1000 20000 -20 105])
xlabel('Mass-charge Ratio')
ylabel('Relative Ion Intensities')
title('Original Spectra')

Figure contains an axes. The axes with title Original Spectra contains 4 objects of type line.

Нормализуйте область под кривой (AUC) каждого спектра до медианы, устраняя маломассивный (m/z < 1000) шум и постсканирование таким образом, чтобы максимальная интенсивность составляла 100. Постройте 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')

Figure contains an axes. The axes with title AUC Normalized Spectra contains 4 objects of type line.

Открыть Live Script

Этот пример показывает, как нормализовать интенсивность ионов каждого спектра из данных спецификаций масс.

Загрузите MAT-файл, включенный в программное обеспечение Bioinformatics Toolbox™, который содержит выборку массовых спецификационных данных, включая MZ_lo_res, вектор значений m/z 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]);

Нормализуйте интенсивность ионов каждого спектра до максимальной интенсивности единственного наивысшего пика из любого из спектров в области значений выше 1000 м/з. Постройте 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')

Figure contains an axes. The axes with title Maximum-Intensity Normalized Spectra contains 4 objects of type line.

Открыть Live Script

В этом примере показано, как выполнить нормализацию квантиля для массовых данных спецификаций.

Загрузите MAT-файл, включенный в программное обеспечение Bioinformatics Toolbox™, который содержит выборку массовых спецификационных данных, включая MZ_lo_res, вектор значений m/z 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]);

Нормализуйте с использованием данных в областях m/z, где интенсивность находится в пределах четвертого квартиля, по меньшей мере, в 90% спектрограмм. Обратите внимание, что вы можете использовать параметры нормализации во втором выходе, чтобы нормализовать другой набор данных в тех же областях m/z. Постройте 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')

Figure contains an axes. The axes with title Fourth-quartile Normalized Spectra contains 5 objects of type area, line.

Используйте параметры нормализации во втором выходе предыдущего шага, чтобы нормализовать другое подмножество данных (четыре сигнала), используя данные в тех же областях m/z, что и предыдущий набор данных. Постройте 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')

Figure contains an axes. The axes with title Fourth-quartile Normalized Spectra contains 5 objects of type area, line.

Входные параметры

свернуть все

Вектор значений единиц разделения для набора сигналов с peaks, заданными как вектор.

Типы данных: double

Значения интенсивности для набора пиков, которые имеют ту же область значений единиц разделения, заданный как матрица. Каждая строка является значением единицы разделения, и каждый столбец является либо набором сигналов с peaks, либо временем удержания. Количество строк в Intensities должно равняться количеству элементов в векторе входа X.

Типы данных: double

Параметры нормализации для нормализации другой группы сигналов, заданные как структура. NormParameters - структура, возвращенная msnorm от предыдущего вызова нормализации.

Аргументы в виде пар имя-значение

Задайте необязательные разделенные разделенными запятой парами Name,Value аргументы. Name - имя аргумента и Value - соответствующее значение. Name должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN.

Пример: out = msnorm(X,Y,'Quantile',[0.9 1]) устанавливает нижний (0,9) и верхний (1) предел величины, чтобы использовать только самые большие 10% интенсивности в каждом сигнале для вычисления AUC.

Пределы квантования для уменьшения набора значений единиц разделения в X, заданный как 1-by- 2 вектор или скаляр между 0 и 1.

Если вы задаете вектор, первый элемент является нижним пределом, а второй элемент является верхним пределом. Для примера, [0.9 1] означает, что функция использует только самые большие 10% интенсивности в каждом сигнале, чтобы вычислить AUC. Значение по умолчанию [0 1] означает, что функция использует весь AUC, вместо ограничения интенсивности определенной величиной.

Если вы задаете скалярное значение, это представляет нижний предел величины. Верхний предел квантиля автоматически устанавливается равным 1.

Пример: 'Quantile',[0.8 1]

Типы данных: double

Separation-unit области значений для выбора точек нормализации, заданных как 1-by- 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 находится в доступной области значений [min(X) max(X)]функция устанавливает нижний предел равным min(X) и верхний предел для max(X).

Этот параметр полезен, чтобы исключить шум из вычисления AUC. Например, можно исключить матричный шум, который появляется в области с малой массой (значения m/z меньше 1000) масс-спектрометра SELDI путем установки предела [1000 max(X)].

Пример: 'Limits',[900 max(X)]

Типы данных: double

Минимальный процент значений интенсивности в пределах количества, которое должно быть включено в вычисление AUC в виде скаляра между 0 и 1. Те же положения блока разделения затем используются, чтобы нормализовать все сигналы. Используйте этот параметр, чтобы исключить низкоинтенсивные достигать максимума и шум из нормализации.

Например, чтобы выбрать области m/z, интенсивность которых находится в пределах третьей величины, по меньшей мере, в 90% спектрограмм, установите 'Quantile' и 'Consensus' следующим образом: yOut = msnorm(MZ,Y,'Quantile',[0.5 0.75],'Consensus',0.9).

Пример: 'Consensus',0.8

Типы данных: double

Метод нормализации AUC каждого сигнала, заданный как 'Median' или 'Mean'.

Пример: 'Method','Mean'

Типы данных: char | string

Общая максимальная интенсивность масштабирования после нормализации каждого сигнала индивидуально, заданная как скаляр. Если вы не задаете этот параметр, постмасштабирование не выполняется.

Примечание

Если вы задаете это значение, а также задаете 'Quantile' на [1 1], затем одна точка (высота пика самого высокого пика) нормируется до заданного максимального значения.

Пример: 'Max'

Типы данных: double

Выходные аргументы

свернуть все

Нормированные значения интенсивности, возвращенные как матрица.

Параметры нормализации, которые можно использовать для нормализации другой группы сигналов, возвращаемых как структура.

См. также

| | | | | | | | | | |

Темы

Представлено до R2006a

Документация по Bioinformatics Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте