第2章：质谱数据格式介绍（raw、mzML等）

做蛋白质组学定量，第一步就是跟数据格式打交道。你从质谱仪上采集下来的原始数据，往往带着厂商特定的“方言”。如果你不懂这些方言，MaxQuant根本没法开展工作。这一章我们就来聊聊这些格式——它们长什么样，为什么存在，以及如何让MaxQuant听懂它们。

为什么不能只用一种格式？

坦白讲，我也希望质谱界能统一成一种格式。但现实是，Thermo Fisher、Bruker、SCIEX这些厂商都有自己的“私房菜”。
我刚开始做蛋白质组学那会儿，被raw文件坑过好几次。后来才明白，这不是厂商故意为难你，而是各家仪器在硬件和采集逻辑上差异太大。

举个最简单的例子：Thermo的Orbitrap用的是“傅里叶变换”做质量分析，数据存储方式天然就和Q-TOF不同。你把两种仪器数据塞进同一个格式，必然要丢失信息。

所以，我们今天面对的局面是：

• 原始格式：厂商专有，包含完整仪器信息
• 开放格式：社区制定，便于数据交换和长期保存
• 过渡格式：为了方便后续处理，需要转换

Thermo .raw 格式——绕不开的老大哥

在MaxQuant的世界里，Thermo .raw是当之无愧的主角。原因很简单：MaxQuant本来就是为Thermo仪器设计的。

这个格式是二进制的，封闭的。你用记事本打开它，看到的全是乱码。我曾经为了解析一个raw文件里的扫描参数，折腾了整整两天——后来发现人家有官方SDK，直接调用就行。

但它的缺点也很明显：

• 厂商锁定：只有Thermo的软件能完整解析
• 版本依赖：不同版本Thermo软件生成的raw文件，有时兼容性有问题
• 体积大：一个4小时DIA实验，raw文件轻松上10GB

mzML —— 社区公认的桥梁

如果你不是Thermo用户，或者你想把自己的数据分享给同行，.raw格式就不太友好了。这时候mzML登场。

mzML是HUPO-PSI（人类蛋白质组学组织-蛋白质组学标准倡议）制定的开放标准。它把质谱数据分成了两部分：

1. 控制词汇表（CV）：用标准化术语描述仪器参数
2. 二进制数据：实际的质谱图，用base64编码后存放

为什么要这么搞？就是为了可扩展性。你想想看，如果每种仪器参数都写死在格式里，新仪器一出来格式就得改。用CV术语，只需要增加术语条目就行。

其他格式一览

格式	类型	主要用途	MaxQuant支持
.raw	Thermo专有	Thermo仪器原始数据	原生支持
.mzML	开放标准	跨平台、长期保存	需转换为.raw或.mgf
.mzXML	开放标准	mzML的前身	已不推荐使用
.mgf	简单文本	谱图列表格式	仅用于搜库
.d	Bruker专有	Bruker仪器原始数据	不支持
.wiff	SCIEX专有	SCIEX仪器原始数据	不支持

从这张表你能看出来，MaxQuant对非Thermo用户其实不太友好。Bruker的数据要用MaxQuant，得先转成mzML，再用其他工具转成MaxQuant能读的形式。步骤多了，出错的概率自然就大了。

格式转换工具——必要的“翻译官”

既然格式不统一，就得靠工具来翻译。我用过最顺手的几个工具：

• msconvert（ProteoWizard套装）：最主流的转换工具，支持raw→mzML、mzXML、mgf等
• ThermoRawFileParser：专门把Thermo raw转换为mzML，速度比msconvert快
• jPOST Converter：把mzML转回raw（在MaxQuant语境下很少用）

msconvert的典型用法是这样的：

msconvert input.raw --mzML --zlib --filter "peakPicking true 1-" -o output_dir

这行命令的意思是：把input.raw转换成mzML格式，用zlib压缩，同时做峰识别（peak picking）。
我刚开始用的时候，经常忘了加--zlib参数，结果mzML文件比raw还大两倍……后来学乖了，压缩是必须的。

转换最佳实践

转换不是简单的格式替换。你需要注意几个关键点：

1. 保留全部谱图：不要因为要减少文件体积就去掉低质量谱图，MaxQuant有自己的过滤逻辑
2. 选择正确的压缩：mzML支持多种压缩算法，建议用zlib，平衡速度和体积
3. 确认峰值信息：有些转换工具默认不做峰识别，你需要明确指定

谁来画一下数据流？

我的一些习惯

说实话，做了这么多年蛋白质组学，我对数据格式的态度就一个字——稳。

我个人习惯是：只要合作方用的是Thermo仪器，我就直接用.raw，不转mzML。因为转格式就意味着多一步、多一次出错的可能。但如果我要把数据上传到公共数据库（比如PRIDE、MassIVE），那就必须转成mzML——这是规矩。

还有一个细节：永远保留一份原始.raw文件。不管你怎么转换、怎么处理，原始数据是根基。我曾经见过有人把原始数据删了，只留mzML，结果下游分析发现mzML的峰识别参数设错了，想重来却发现无处下手——教训啊。

常见问题与避坑

• 问：我只有mzML文件，能用MaxQuant吗？
  答：不能直接读。你需要先转成.raw。但说实话，这个来回转换可能会引入artifact。建议直接用原始.raw。
• 问：msconvert和ThermoRawFileParser，哪个好？
  答：我个人的经验是，ThermoRawFileParser更快，尤其在批量转换时。但msconvert参数更丰富，能做更多预处理。看你需求。
• 问：Bruker的.d文件能转成MaxQuant能读的格式吗？
  答：可以，但很麻烦。你要先转成mzML，再用其他工具转成.raw。过程复杂，容易出错。如果不是必须用MaxQuant，我建议Bruker用户考虑其他软件，比如FragPipe。