代谢物鉴定与数据库匹配¶

# === 代谢物数据库匹配示例（使用matchms库） ===
# pip install matchms  # matchms是Python谱图匹配专用库

from matchms import Spectrum
from matchms.similarity import CosineGreedy
import numpy as np

# 1. 构建查询谱图（来自实验数据）
query = Spectrum(
    mz=np.array([85.029, 113.024, 129.019, 175.024]),  # 碎片离子m/z
    intensities=np.array([100, 45, 30, 80]),  # 对应强度
    metadata={
        "precursor_mz": 175.024,  # 母离子m/z
        "charge": 1              # 电荷数
    }
)

# 2. 构建参考谱图（来自数据库）
reference = Spectrum(
    mz=np.array([85.028, 113.024, 129.019, 175.025]),  # 数据库中抗坏血酸的碎片
    intensities=np.array([100, 50, 28, 75]),
    metadata={
        "compound_name": "Ascorbic acid",  # 化合物名称：维生素C
        "precursor_mz": 175.025
    }
)

# 3. 计算余弦相似度
cosine = CosineGreedy(tolerance=0.01)  # m/z容忍度0.01Da
score = cosine.pair(query, reference)  # 计算匹配分数
print(f"匹配分数: {score['score']:.3f}")  # 输出相似度
print(f"匹配碎片数: {score['matches']}")  # 匹配的碎片离子数量

# 4. 批量搜库（使用matchms的批量功能）
from matchms import calculate_scores

# 假设references是从MassBank加载的参考谱库
# references = list(load_from_mgf("massbank_library.mgf"))
# scores = calculate_scores(references, [query], CosineGreedy())
# best_match = scores.scores_by_query(query, sort=True)[0]

# === 使用SIRIUS进行分子式预测和结构鉴定 ===
# SIRIUS是代谢物鉴定的"瑞士军刀"，整合了多个算法

# 安装SIRIUS（2025版本为SIRIUS 6）
# 从 https://bio.informatik.uni-jena.de/software/sirius/ 下载

# 运行SIRIUS命令行进行批量鉴定
sirius \
  --input input.mgf \        # 输入MS/MS数据（MGF格式）
  --output results/ \         # 输出目录
  formula \                   # 预测分子式
  fingerprint \               # 预测分子指纹
  structure \                 # 搜索候选结构（CSI:FingerID）
  canopus                     # 预测化合物分类（ClassyFire）