PyOpenMS 是 OpenMS 库的 Python 绑定，面向计算质谱分析，主要用于蛋白质组学和代谢组学数据处理。它将质谱分析能力带入 Python 生态，方便研究者在脚本和笔记本中完成从原始数据到定量结果的流程。
用途 PyOpenMS 适用于质谱数据的读取、处理、特征检测、肽段与蛋白质鉴定、定量分析以及代谢组学预处理。它覆盖蛋白质组学和代谢组学的常见工作流。
主要能力
- 文件 I/O 与数据格式：支持 mzML、mzXML、TraML、mzTab、FASTA、pepXML、protXML、mzIdentML、featureXML、consensusXML、idXML 等格式，可读取、写入和转换。
- 信号处理：提供平滑、滤波、质心化和归一化等算法，例如使用 GaussFilter 对谱图进行高斯平滑。
- 特征检测：通过 FeatureFinder 检测色谱峰并跨谱图或样本连接，生成 FeatureMap。
- 肽段与蛋白质鉴定：可加载鉴定结果，支持 Comet、Mascot、MSGFPlus、XTandem、OMSSA、Myrimatch 等搜索引擎输出，并可应用 FalseDiscoveryRate 进行 FDR 过滤。
- 代谢组学分析：支持非靶向代谢组学预处理，典型流程包括加载原始数据、特征检测、保留时间对齐、特征连接至 consensus map，以及化合物数据库注释。
使用方式 使用 uv 安装：uv pip install pyopenms。安装后可导入并打印版本验证：import pyopenms; print(pyopenms.version)。 核心数据结构包括 MSExperiment（谱图与色谱图集合）、MSSpectrum（单个质谱，含 m/z 与强度对）、MSChromatogram（色谱轨迹）、Feature（检测到的色谱峰及质量指标）、FeatureMap（特征集合）、PeptideIdentification（肽段搜索结果）、ProteinIdentification（蛋白质搜索结果）。 大多数算法使用参数系统：通过 getParameters() 获取参数，使用 setValue() 修改，再 setParameters() 应用。 可导出至 Pandas：使用 FeatureMap 的 get_df() 转换为 DataFrame 进行分析。
适用场景
- 蛋白质组学工作流中的特征检测、肽段鉴定和蛋白质定量。
- 代谢组学非靶向分析的预处理和特征对齐。
- 质谱文件格式转换与数据探索。
- 结合 NumPy、Scikit-learn、Matplotlib/Seaborn 和 R（通过 rpy2）进行下游分析与可视化。
限制 资料未提供关于收费、价格或平台特定限制的信息。使用前建议参考官方文档和 GitHub 仓库获取最新说明。