nfcore/diaproteomics
nfcore
nf-core/diaproteomics Docker镜像，用于数据独立采集（DIA）蛋白质组学质谱测量的自动化定量分析，支持光谱库生成、目标提取、FDR评估、色谱图对齐及统计后处理，基于Nextflow实现可重现工作流。
下载次数: 0状态：社区镜像维护者：nfcore仓库类型：镜像最近更新：5 年前
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
nf-core/diaproteomics Docker镜像
镜像概述
nf-core/diaproteomics是一个生物信息学分析管道的Docker镜像，用于数据独立采集（DIA）蛋白质组学质谱数据的定量处理。该工作流基于OpenSwathWorkflow，支持从DIA原始文件（mzML）出发，结合光谱库进行分析，可选生成光谱库及内标保留时间（iRT），并通过Pyprophet进行FDR校正、DIAlignR进行色谱图对齐、MSstats进行蛋白质统计分析，最终输出定量结果及可视化报告。
核心功能与特性
- 光谱库生成：支持从DDA数据及搜索结果通过EasyPQP生成光谱库，可进行库对齐与合并
- DIA目标提取：基于OpenSwathWorkflow进行SWATH-MS数据的目标提取
- FDR校正：通过Pyprophet实现基于竞争目标-诱饵策略的峰组、肽段或蛋白质水平FDR重评分
- 色谱图对齐：使用DIAlignR进行色谱图对齐与定量
- 统计分析：通过MSstats进行蛋白质水平统计分析并生成可视化结果
- 可重现性：基于Nextflow和Docker确保分析流程的一致性和可重复性
使用场景与适用范围
适用于DIA蛋白质组学研究，包括：
- 基于现有光谱库的DIA数据定量分析
- 需要从DDA数据生成定制光谱库的场景
- 大规模DIA数据集的自动化处理与统计分析
- 要求高可重现性的蛋白质组学研究项目
使用方法与配置说明
前提条件
-
安装Nextflow（版本≥20.04.0）：
bashcurl -s https://get.nextflow.io | bash sudo mv nextflow /usr/local/bin/ -
安装Docker（或Singularity、Podman等容器引擎）
快速测试
bashnextflow run nf-core/diaproteomics -profile test,docker
基本使用（使用现有光谱库）
bashnextflow run nf-core/diaproteomics -profile docker \ --input 'sample_sheet.tsv' \ --input_spectral_library 'library_sheet.tsv' \ --irts 'irt_sheet.tsv' \ --mz_extraction_window 30 \ --mz_extraction_window_unit ppm \ --rt_extraction_window 600 \ --pyprophet_global_fdr_level 'protein' \ --pyprophet_protein_fdr 0.01
生成光谱库与iRT
bashnextflow run nf-core/diaproteomics -profile docker \ --input 'sample_sheet.tsv' \ --generate_spectral_library \ --input_sheet_dda 'dda_sheet.tsv' \ --generate_pseudo_irts \ --merge_libraries \ --align_libraries
主要配置参数说明
| 参数 | 描述 | 示例值 |
|---|---|---|
--input | DIA样本表（TSV格式） | 'sample_sheet.tsv' |
--input_spectral_library | 光谱库表（TSV格式） | 'library_sheet.tsv' |
--irts | iRT标准表（TSV格式） | 'irt_sheet.tsv' |
--mz_extraction_window | m/z提取窗口大小 | 30 |
--mz_extraction_window_unit | m/z窗口单位 | ppm |
--rt_extraction_window | 保留时间提取窗口（秒） | 600 |
--pyprophet_global_fdr_level | FDR控制水平 | 'protein' |
--pyprophet_protein_fdr | 蛋白质水平FDR阈值 | 0.01 |
--generate_spectral_library | 从DDA数据生成光谱库 | （无值，存在即启用） |
--input_sheet_dda | DDA样本表（TSV格式） | 'dda_sheet.tsv' |
--generate_pseudo_irts | 生成伪iRT标准 | （无值，存在即启用） |
管道流程概述
默认流程包含以下步骤：
- （可选）从DDA数据生成光谱库（EasyPQP）
- DIA目标提取（OpenSwathWorkflow）
- FDR估计（Pyprophet）
- 色谱图对齐（DIAlignR）
- 统计后处理（MSstats）
文档与支持
- 完整使用文档：https://nf-co.re/diaproteomics/usage
- 输出文件说明：https://nf-co.re/diaproteomics/output
- 支持渠道：Slack
#diaproteomics频道（通过https://nf-co.re/join/slack%E5%8A%A0%E5%85%A5%EF%BC%89
引用
使用本镜像时，请引用以下文献：
-
Bichmann L, et al. DIAproteomics: A multi-functional data analysis pipeline for data-independent-acquisition proteomics and peptidomics. bioRxiv. 2020. doi:10.1101/2020.12.08.415844
-
Ewels P, et al. The nf-core framework for community-curated bioinformatics pipelines. Nat Biotechnol. 2020. doi:10.1038/s41587-020-0439-x
-
工具引用：
- OpenSwathWorkflow: Röst H, et al. Nat Biotechnol. 2014. doi:10.1038/nbt.2841
- PyProphet: Rosenberger G, et al. Nat Methods. 2017. doi:10.1038/nmeth.4398
- DIAlignR: Gupta S, et al. Mol Cell Proteomics. 2019. doi:10.1074/mcp.TIR118.001132
- MSstats: Choi M, et al. Bioinformatics. 2014. doi:10.1093/bioinformatics/btu305
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 diaproteomics 镜像标签
docker pull docker.xuanyuan.run/nfcore/diaproteomics:<标签>
DockerHub 原生拉取命令
docker pull nfcore/diaproteomics:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"