1. 引言：Orbitrap与timsTOF技术概述及课程目标
你手上有两台质谱仪的数据——一台Orbitrap，一台timsTOF。想放在一起做统计分析，结果发现批次效应比生物差异还大。这个问题我遇到过好几次，说实话，处理不好，整个项目就白做了。
这一章我们先搞清楚两个平台到底哪儿不同，课程的路线是什么。明白了“为什么要校正”，后面的活儿才不糊涂。
1.1 两大技术平台的核心差异
Orbitrap，靠的是静电场轨道阱。离子在阱里绕圈圈，通过测量轴向振荡频率来算出质荷比。好处是质量精度高，分辨率可以做到几十万。我习惯用它做定量蛋白质组学——稳定、重复性好、碎片谱质量高。
timsTOF，走的是离子淌度分离加飞行时间质谱。离子先被淌度管“拉开”，再测飞行时间。多了一个分离维度——CCS值（碰撞截面积）。你可以想想看，同质量数的异构体，淌度不一样就能分开。我在做脂质组学和结构蛋白质组学时，timsTOF给的信息量确实大。
| 特性 | Orbitrap | timsTOF |
|---|---|---|
| 质量分析原理 | 轨道阱振荡频率 | 飞行时间 vs. 离子淌度分离 |
| 质量分辨率 | 极高（可达 240,000 @ m/z 200） | 中高（约 50,000–80,000） |
| 扫描速度 | 中等（HCD 碎裂循环时间较长） | 快（平行累积 + 串行释放） |
| 额外维度 | 无（仅 m/z + intensity） | 有（CCS 值） |
| 定量精密度 | 高（TMT、label-free 都很稳） | 较高（diap-PASEF 策略新颖） |
| 常用碎裂方式 | HCD（高能碰撞解离） | CID + PASEF 选配 |
| 典型应用 | 大规模 shotgun 定量、PTM 鉴定 | 代谢组、脂质组、4D-蛋白质组 |
注意： 不要以为两个平台的数据能直接“拼盘”。早期我试过直接合并raw文件中的定量值跑PCA，结果第一主成分把Orbitrap和timsTOF分得清清楚楚——根本不是生物学差异，全是仪器批次效应。所以，合并前的校正和匹配是必须的步骤。
1.2 为什么需要合并这两类数据？
你可能觉得，用一台机器跑完所有样本不就行了？现实是：一个大型队列项目，样本量大，时间跨度长，单台质谱扛不住维护、停机和性能漂移。我参与过一个500例血清的项目，Orbitrap跑了300例后，机构引进了timsTOF，后200例转到了它上面。最终必须把两批数据合并起来做差异蛋白质分析。
另一个场景：你用Orbitrap做TMT定量，发现某些修饰位点定性证据不够强，想用timsTOF的离子淌度维度去验证。这时候数据合并就不是可选，而是强需求。
核心目标： 消除仪器间的系统偏差，保留真实的生物学差异。说白了，校正后的数据要“看起来像是一台机器跑出来的”。
1.3 批次校正的常见挑战
- 保留时间漂移：Orbitrap用常规C18梯度，timsTOF的梯度设计可能不同，肽段出峰位置对不上。
- 质荷比精度差异：Orbitrap内标校正后m/z偏差 < 2 ppm；timsTOF偏差一般在 5–20 ppm 范围。
- 定量值域偏移：两个平台的离子化效率、检测器增益、扫描模式都不相同。我在一次对比中看到，同一套消化液的基峰强度，timsTOF比Orbitrap低了将近一倍。
- 缺少公共特征：如果不做匹配，两个数据集里能互相“锚定”的公共肽段/分子特征太少，校正就无从下手。
- CCS 信息的缺失与对齐：Orbitrap没有CCS值，要合并就必须先预测或估算timsTOF的CCS归属。
一个经验： 我在第一个项目中犯的错是——直接用软件默认参数做保留时间对齐，结果因为有大量缺失值，校正后反而引入了虚假差异。别急，先做特征匹配，再做校正，顺序不能反。
1.4 课程目标与知识结构
这门课的目标很简单——让你拿到两台机器不同批次的数据后，能走通一套标准化的合并预处理流程。流程分四段：
- 数据格式统一与质量过滤：从raw到通用格式（mzML、featureXML、tsv）。
- 公共特征匹配与对齐：m/z、RT、CCS的多维匹配算法。
- 批次效应评估与可视化：用PCA、UMAP、箱线图判断问题严重性。
- 数学校正与验证：ComBat、limma、内部标准校正，以及校正效果检验。
下面是整个课程的知识体系图，你可以把它当作一个导览。
1.5 你需要的基础
- 基础质谱知识：知道m/z、保留时间、离子淌度、HCD、CID这些词是什么意思就好。
- 一定的R / Python脚本能力：我们后续会用到OpenMS、pyOpenMS、R包（如sva、limma）。
- 耐心和好习惯：每处理一个步骤都留个快照文件。我曾经图省事覆盖了中间结果，回过头去重跑花了一整周。
好，概念讲完了。下一块内容我们直接上手——把两种质谱的原始数据变成可合并的表格。我会带着你拆解命令行和参数设置，顺便告诉你哪些坑我已经替你踩过了。