Pyopenms

PyOpenMS

Visão Geral

PyOpenMS fornece bindings Python para a biblioteca OpenMS de espectrometria de massa computacional, permitindo análise de dados de proteômica e metabolômica. Use para manipular formatos de arquivo de espectrometria de massa, processar dados espectrais, detectar features, identificar peptídeos/proteínas e realizar análise quantitativa.

Instalação

Instale usando uv:

uv uv pip install pyopenms

Verifique a instalação:

import pyopenms
print(pyopenms.__version__)

Capacidades Principais

PyOpenMS organiza funcionalidades nestos domínios:

1. I/O de Arquivos e Formatos de Dados

Manipule formatos de arquivo de espectrometria de massa e converta entre representações.

Formatos suportados: mzML, mzXML, TraML, mzTab, FASTA, pepXML, protXML, mzIdentML, featureXML, consensusXML, idXML

Leitura básica de arquivo:

import pyopenms as ms

# Ler arquivo mzML
exp = ms.MSExperiment()
ms.MzMLFile().load("data.mzML", exp)

# Acessar espectros
for spectrum in exp:
    mz, intensity = spectrum.get_peaks()
    print(f"Spectrum: {len(mz)} peaks")

Para manipulação detalhada de arquivos: Veja references/file_io.md

2. Processamento de Sinais

Processe dados espectrais brutos com suavização, filtragem, centroiding e normalização.

Processamento básico de espectro:

# Suavizar espectro com filtro Gaussiano
gaussian = ms.GaussFilter()
params = gaussian.getParameters()
params.setValue("gaussian_width", 0.1)
gaussian.setParameters(params)
gaussian.filterExperiment(exp)

Para detalhes de algoritmos: Veja references/signal_processing.md

3. Detecção de Features

Detecte e vincule features entre espectros e amostras para análise quantitativa.

# Detectar features
ff = ms.FeatureFinder()
ff.run("centroided", exp, features, params, ms.FeatureMap())

Para workflows completos: Veja references/feature_detection.md

4. Identificação de Peptídeos e Proteínas

Integre com search engines e processe resultados de identificação.

Engines suportados: Comet, Mascot, MSGFPlus, XTandem, OMSSA, Myrimatch

Workflow básico de identificação:

# Carregar dados de identificação
protein_ids = []
peptide_ids = []
ms.IdXMLFile().load("identifications.idXML", protein_ids, peptide_ids)

# Aplicar filtragem por FDR
fdr = ms.FalseDiscoveryRate()
fdr.apply(peptide_ids)

Para workflows detalhados: Veja references/identification.md

5. Análise de Metabolômica

Realize pré-processamento e análise de metabolômica não-direcionada.

Workflow típico:

1. Carregar e processar dados brutos
2. Detectar features
3. Alinhar tempos de retenção entre amostras
4. Vincular features ao mapa de consenso
5. Anotar com bancos de dados de compostos

Para workflows completos de metabolômica: Veja references/metabolomics.md

Estruturas de Dados

PyOpenMS usa estes objetos principais:

• MSExperiment: Coleção de espectros e cromatogramas
• MSSpectrum: Espectro de massa único com pares m/z e intensidade
• MSChromatogram: Traço cromatográfico
• Feature: Pico cromatográfico detectado com métricas de qualidade
• FeatureMap: Coleção de features
• PeptideIdentification: Resultados de busca para peptídeos
• ProteinIdentification: Resultados de busca para proteínas

Para documentação detalhada: Veja references/data_structures.md

Workflows Comuns

Início Rápido: Carregar e Explorar Dados

import pyopenms as ms

# Carregar arquivo mzML
exp = ms.MSExperiment()
ms.MzMLFile().load("sample.mzML", exp)

# Obter estatísticas básicas
print(f"Number of spectra: {exp.getNrSpectra()}")
print(f"Number of chromatograms: {exp.getNrChromatograms()}")

# Examinar primeiro espectro
spec = exp.getSpectrum(0)
print(f"MS level: {spec.getMSLevel()}")
print(f"Retention time: {spec.getRT()}")
mz, intensity = spec.get_peaks()
print(f"Peaks: {len(mz)}")

Gerenciamento de Parâmetros

A maioria dos algoritmos usa um sistema de parâmetros:

# Obter parâmetros do algoritmo
algo = ms.GaussFilter()
params = algo.getParameters()

# Visualizar parâmetros disponíveis
for param in params.keys():
    print(f"{param}: {params.getValue(param)}")

# Modificar parâmetros
params.setValue("gaussian_width", 0.2)
algo.setParameters(params)

Exportar para Pandas

Converta dados em DataFrames pandas para análise:

import pyopenms as ms
import pandas as pd

# Carregar mapa de features
fm = ms.FeatureMap()
ms.FeatureXMLFile().load("features.featureXML", fm)

# Converter em DataFrame
df = fm.get_df()
print(df.head())

Integração com Outras Ferramentas

PyOpenMS integra-se com:

• Pandas: Exportar dados para DataFrames
• NumPy: Trabalhar com arrays de picos
• Scikit-learn: Machine learning em dados de MS
• Matplotlib/Seaborn: Visualização
• R: Via bridge rpy2

Recursos

• Documentação oficial: https://pyopenms.readthedocs.io
• Documentação OpenMS: https://www.openms.org
• GitHub: https://github.com/OpenMS/OpenMS

Referências

• references/file_io.md - Manipulação abrangente de formatos de arquivo
• references/signal_processing.md - Algoritmos de processamento de sinais
• references/feature_detection.md - Detecção e vinculação de features
• references/identification.md - Identificação de peptídeos e proteínas
• references/metabolomics.md - Workflows específicos de metabolômica
• references/data_structures.md - Objetos principais e estruturas de dados