用途：把质谱原始谱图或搜索引擎结果表读入内存，并在信任任何数值前强制执行两项契约——哪一列代表真实生物学定量、哪些行属于搜索引擎记账必须删除。同一份 proteinGroups.txt 因读取列与保留行不同会得出不同结论。
主要能力：用 pyopenms.MzMLFile().load 读取 mzML/mzXML 谱图；用 pandas 读取 MaxQuant TSV 与 DIA-NN parquet；剔除 Reverse/Potential contaminant/Only identified by site 三类行；解析分号列表取前导蛋白与基因名；选择 LFQ intensity（样本间比较）或 iBAQ（样本内摩尔代理）等定量列；将 MaxQuant 的 0 替换为 NaN 再 log2 变换；对 DIA-NN 先按 Q.Value 与 PG.Q.Value ≤0.01 过滤再透视 PG.MaxLFQ；统计并评估缺失模式（DDA 近似 MNAR，DIA 近似 MCAR）。环境要求：pyOpenMS 3.1+、pandas 2.2+、numpy 1.26+、MSnbase 2.28+，R 侧推荐 Spectra/QFeatures，MSnbase 处于维护模式。
使用方式：Python 加载谱图时用 MSExperiment 就地填充并遍历；清洗 MaxQuant 时先按三个标志列过滤，再取分号第一项为前导 ID，选择以 LFQ intensity 开头的列，replace(0, np.nan) 后 log2；DIA-NN 用 pd.read_parquet('report.parquet')，先做 FDR 过滤再 pivot_table。
适用场景：MaxQuant DDA 无标记样本间比较、样本内摩尔估计、DIA-NN 输出整形、原始谱图峰与隔离窗口访问、R 定量特征流程。
限制：格式转换、MaxLFQ/TMT 定量计算、蛋白组简约推断、归一化与插补不在范围内；DDA 缺失不可用均值/KNN 等 MCAR 假设方法，需改用左删失插补；不要盲目删除 CON__ 行。具体版本差异与参数签名需用 pip show、help、packageVersion 等核对，资料未提供的定价与平台信息暂未提供。