Question

我有一些布鲁克核磁共振谱，我用它来创建一个程序作为项目的一部分。我的程序需要在实际频谱上工作。所以我将Bruker核磁共振谱的1r文件转换为ASCII。对于肉碱，这就是ascii文件的样子（这不是完整的列表。完整的列表可以运行成千行。这只是一个快照）：

-0.807434   -23644  
-0.807067   -22980  
-0.806701   -22967  
-0.806334   -24513  
-0.805967   -27609  
-0.805601   -31145  
-0.805234   -33951  
-0.804867   -35553  
-0.804501   -35880  
-0.804134   -35240  
-0.803767   -34626  
-0.8034  -34613 
-0.803034   -34312  
-0.802667   -32411  
-0.8023  -28925 
-0.801934   -25177  
-0.801567   -22132  
-0.8012  -19395

这就是频谱：alt text http://www.bmrb.wisc.edu/metabolomics/standards/L_carnitine/nmr/bmse000211/spectra_png/1H.png

我的程序必须从这些数据中识别出峰值。所以我需要知道如何解释这些数字。它们究竟是如何在频谱中转换为适当的值。到目前为止，这是我所学到的：

1.）第一列表示光谱点位置（ppm）

2.）第二列代表每个峰的强度。

3.）注意在第二列中有一些数字没有完全对齐但更接近第一列。例如：-34613，-28925，-19395。我认为这很重要。

为了充分披露 - 我正在用R进行编程。

注意：我也曾在Biostar上问过这个问题，但我觉得我在这里得到答案的机会比那里好，因为那里似乎没有多少人回答问题。

编辑：我发现这是一个合理的解决方案：

一位朋友给了我一个想法，使用awk脚本来检查文件中的强度从正变为负的位置，以找到局部最大值。这是一个工作脚本：

awk 'BEGIN{dydx = 0;}
{ 
  if(NR > 1)
     { dydx = ($2 - y0)/($1 - x0); } 
  if(NR > 2 && last * dydx < 0)
     { printf( "%.4f  %.4f\n", (x0 + $1)/2, log((dydx<0)?-dydx:dydx)); } ;
  last=dydx; x0=$1; y0=$2
}' /home/chaitanya/Work/nmr_spectra/caffeine/pdata/1/spectrumtext.txt  | awk '$2 > 17'

告诉我你是否理解它。我会改进解释。

此外，我提出了this相关问题。

Answer 1

在光谱中打包PRocess has a function to find peaks。还有更多，如果你搜索“峰值发现R”

Answer 2

这是一个带有可重现代码的工作示例。我并不认为它对策略或编码有任何好处，但它可以让你开始。

find_peaks <- function (x, y, n.fine = length(x), interval = range(x), ...) {
  maxdif <- max(diff(x)) # longest distance between successive points

  ## selected interval for the search
  range.ind <- seq(which.min(abs(x - interval[1])),
                   which.min(abs(x - interval[2])))
  x <- x[range.ind]
  y <- y[range.ind]

  ## smooth the data
  spl <- smooth.spline(x, y, ...)
  ## finer x positions
  x.fine <- seq(range(x)[1], range(x)[2], length = n.fine)
  ## predicted y positions
  y.spl <- predict(spl, x.fine, der = 0)$y
  ## testing numerically the second derivative
  test <- diff(diff((y.spl), 1) > 0, 1)
  maxima <- which(test == -1) + 1

  ## according to this criterion, we found rough positions
  guess <- data.frame(x=x.fine[maxima], y=y.spl[maxima])

  ## cost function to maximize 
  obj <- function(x) predict(spl, x)$y

  ## optimize the peak position around each guess
  fit <- data.frame(do.call(rbind,
          lapply(guess$x, function(g) {
            fit <- optimize(obj, interval = g + c(-1,1) * maxdif, maximum=TRUE)
            data.frame(x=fit$maximum,y=fit$objective)
          })))

  ## return both guesses and fits
  invisible(list(guess=guess, fit=fit))
}

set.seed(123)
x <- seq(1, 15, length=100)
y <- jitter(cos(x), a=0.2)

plot(x,y)
res <- find_peaks(x,y)
points(res$guess,col="blue")
points(res$fit,col="red")

test

将NMR ascii文件转换为峰值列表

2 个答案: