msresample
Повторно отобразите сигнал с peaks
Синтаксис
[Xout, Intensitiesout]
= msresample(X, Intensities, N)
msresample(..., 'Uniform', UniformValue,
...)
msresample(..., 'Range', RangeValue,
...)
msresample(..., 'RangeWarnOff', RangeWarnOffValue,
...)
msresample(..., 'Missing', MissingValue,
...)
msresample(..., 'Window', WindowValue,
...)
msresample(..., 'Cutoff', CutoffValue,
...)
msresample(..., 'ShowPlot', ShowPlotValue,
...)
Аргументы
X | Вектор значений единиц разделения для набора сигналов с peaks. Количество элементов в векторе равняется количеству строк в матрице Intensities. Модуль разделения может количественно определить длину волны, частоту, расстояние, время или m/z в зависимости от прибора, который генерирует данные сигнала. |
Intensities | Матрица значений интенсивности для набора пиков, которые имеют одну и ту же область значений единиц разделения. Каждая строка соответствует значению единицы разделения, и каждый столбец соответствует либо набору сигналов с peaks, либо времени удержания. Количество строк равняется количеству элементов в векторе X. |
N | Положительное целое число, указывающее общее количество выборок. |
Описание
Совет
Используйте следующие синтаксисы с данными любого метода разделения, который производит сигнальные данные, такие как спектроскопия, ЯМР, электрофорез, хроматография или масс-спектрометрия.
[ повторяет необработанные данные о сигнале с шумом, Xout, Intensitiesout]
= msresample(X, Intensities, N)Intensities. Выходной сигнал имеет N выборки с интервалом, который линейно увеличивается в области значений [мин . (X) max (X)]X может быть линейной или квадратичной функцией его индекса. Когда вы устанавливаете входные параметры, такие что происходит понижающая дискретизация, msresample применяет lowpass перед повторной дискретизацией, чтобы минимизировать сглаживание.
Для фильтра antialias, msresample использует КИХ-фильтр линейной фазы с минимизацией ошибок методом наименьших квадратов. Частота отсечения устанавливается самым большим коэффициентом понижающей дискретизации при сравнении тех же областей в X и Xout векторы.
Совет
msresample особенно полезно, когда у вас есть сигналы с различными векторами единиц разделения, и вы хотите соответствовать шкалам.
msresample (..., вызывает 'PropertyName', PropertyValue, ...)msresample с необязательными свойствами, которые используют пары имя/значение свойства. Можно задать одно или несколько свойств в любом порядке. Каждый PropertyName должны быть заключены в одинарные кавычки и нечувствительны к регистру. Эти имена свойства/пары значения свойств следующие:
msresample(..., 'Uniform', , когда UniformValue,
...)UniformValuetrue, он форсирует вектор X для равномерного расположения. Значение по умолчанию false.
msresample(..., 'Range', задает RangeValue,
...)1-by- 2 вектор с блоком разделения области значений для сигнала выхода, Intensitiesout. RangeValue должен находиться в пределах [мин ]. Значение по умолчанию является полной областью значений (X) max (X)[min . Когда (X) max (X)]RangeValue значения превышают значения в X, msresample экстраполирует сигнал с нулями и возвращает предупреждающее сообщение.
msresample(..., 'RangeWarnOff', управляет возвратом предупреждающего сообщения при RangeWarnOffValue,
...)RangeValue значения превышают значения в X. RangeWarnOffValue можно true или false (по умолчанию).
msresample(..., 'Missing', , когда MissingValue,
...)MissingValuetrue, анализирует вектор входа, X, для выпавших выборок. Значение по умолчанию false. Если коэффициент понижающей выборки велик, проверка на выпавшие выборки может не стоить дополнительного времени вычисления. Выпавшие выборки могут быть восстановлены, только если исходные значения единиц разделения следуют линейной или квадратичной функции X векторный индекс.
msresample(..., 'Window', задает окно, используемое при вычислении параметров для lowpass. Введите WindowValue,
...)'Flattop', 'Blackman', 'Hamming', или 'Hanning'. Значение по умолчанию 'Flattop'.
msresample(..., 'Cutoff', задает частоту среза. Введите скалярное значение от CutoffValue,
...)0 на 1 (Nyquist частота или половина частоты дискретизации). По умолчанию msresample оценивает значение отсечения путем проверки векторов с единицами разделения, X и XOut. Однако частота отключения может быть занижена, если X имеет аномалии.
msresample(..., 'ShowPlot', строит график исходного и повторно дискретизированного сигналов. Когда ShowPlotValue,
...)msresample вызывается без выходных аргументов, сигналы строятся до тех пор, пока ShowPlotValuefalse. Когда ShowPlotValuetrue, только первый сигнал в Intensities нанесен на график. ShowPlotValueIntensities.
Совет
Анализ данных LC/MS требует увеличения объема памяти от операционной системы.
Если вы получаете ошибки, связанные с памятью, попробуйте следующее:
Увеличьте виртуальную память (пространство подкачки) для операционной системы, как описано в разделе Разрешение ошибок «Нехватка памяти».
Если вы получаете ошибки, связанные с Java® Пространство кучки, увеличения Java пространство кучки:
Если у вас есть MATLAB® версии 7.10 (R2010a) или более поздней, см. Java Heap Memory Preferences.
Если у вас есть MATLAB версии 7.9 (R2009b) или более ранней, см. https://www.mathworks.com/support/solutions/en/data/1-18I2C/.
Примеры
Повторный отбор данных масс-спектрометрии
В этом примере показано, как выполнить повторный сбор массовых данных спецификаций.
Загрузите MAT-файл, включенный в Bioinformatics Toolbox™, который содержит данные масс-спектрометрии, и затем извлеките векторы m/z и значения интенсивности.
load sample_hi_res;
mz = MZ_hi_res;
y = Y_hi_res;Постройте график исходных данных.
plot(mz, y, '.')
Повторно отобразите спектрограмму, чтобы иметь 10000 выборок между 2000 и максимальным значением m/z в наборе данных и показать как повторно дискретизированные, так и исходные данные.
[mz1,y1] = msresample(mz, y, 10000, 'range',[2000 max(mz)],'SHOWPLOT',true);
См. также
msalign | msbackadj | msdotplot | msheatmap | mslowess | msnorm | mspalign | mspeaks | msppresample | msresample | mssgolay | msviewer
Темы
- Масс-спектрометрия и биоаналитика
- Предварительная обработка необработанных данных масс-спектрометрии
- Визуализация и предварительная обработка переносимых наборов данных масс-спектрометрии для профилирования метаболитов и белков/пептидов
- Дифференциальный анализ комплексных белковых и метаболитных смесей с использованием жидкостной хроматографии/масс-спектрометрии (LC/MS)