mzMLb: A Future-Proof Raw Mass Spectrometry Data Format Based on Standards-Compliant mzML and Optimized for Speed and Storage Requirements.
mzMLb: A Future-Proof Raw Mass Spectrometry Data Format Based on Standards-Compliant mzML and Optimized for Speed and Storage Requirements.
复制标题
DOI：
10.1021/acs.jproteome.0c00192
复制
发表时间：
2021-01-01
影响因子：
4.4
通讯作者：
Dowsey AW
中科院分区：
文献类型：
--
作者：
Bhamber RS;Jankevics A;Deutsch EW;Jones AR;Dowsey AW
随着质谱学(MS)蛋白质组学和代谢组学产生的数据量不断增加，以及现在分析的样本数量庞大，对具有文件大小效率和更快读/写速度的通用开放格式的需求已成为推动下一代数据分析管道的首要因素。蛋白质组学标准倡议(PSI)为数据交换mzML建立了一种清晰而精确的可扩展标记语言(XML)表示，得到了广泛的接受；然而，存储和文件访问效率并不是主要关注的问题。我们提出了一种HDF5文件格式“mzMLb”，它针对原始质谱学数据的读写速度和存储进行了优化。我们提供了对写入速度、随机读取速度和存储大小的广泛验证，展示了一种灵活的格式，无论是否压缩，在几乎所有情况下都比所有现有方法更快，而使用压缩在大小上与专有供应商的文件格式相当。由于我们的方法唯一地保留了元数据的XML编码，因此该格式隐含地支持mzML的未来版本，并且易于实现：mzMLb的设计同时遵循HDF5和NetCDF4标准实现，这使得第三方可以很容易地使用它，因为它们广泛地支持编程语言。提供了已建立的ProteoWizard工具包中的参考实现。
With ever-increasing amounts of data produced by mass spectrometry (MS) proteomics and metabolomics, and the sheer volume of samples now analyzed, the need for a common open format possessing both file size efficiency and faster read/write speeds has become paramount to drive the next generation of data analysis pipelines. The Proteomics Standards Initiative (PSI) has established a clear and precise extensible markup language (XML) representation for data interchange, mzML, receiving substantial uptake; nevertheless, storage and file access efficiency has not been the main focus. We propose an HDF5 file format “mzMLb” that is optimized for both read/write speed and storage of the raw mass spectrometry data. We provide an extensive validation of the write speed, random read speed, and storage size, demonstrating a flexible format that with or without compression is faster than all existing approaches in virtually all cases, while with compression is comparable in size to proprietary vendor file formats. Since our approach uniquely preserves the XML encoding of the metadata, the format implicitly supports future versions of mzML and is straightforward to implement: mzMLb’s design adheres to both HDF5 and NetCDF4 standard implementations, which allows it to be easily utilized by third parties due to their widespread programming language support. A reference implementation within the established ProteoWizard toolkit is provided.
登录
查看更多内容
DOI：
10.1093/database/bat009
发表时间：
2013
期刊：
Database : the journal of biological databases and curation
影响因子：
--
作者：
Mayer G;Montecchi-Palazzi L;Ovelleiro D;Jones AR;Binz PA;Deutsch EW;Chambers M;Kallhardt M;Levander F;Shofstahl J;Orchard S;Vizcaíno JA;Hermjakob H;Stephan C;Meyer HE;Eisenacher M;HUPO-PSI Group
通讯作者：
HUPO-PSI Group
影响因子：
2.1
作者：
Zhang, Xing;Romm, Michelle;Baker, Erin S.
通讯作者：
Baker, Erin S.
影响因子：
4.4
作者：
Deutsch EW;Perez-Riverol Y;Chalkley RJ;Wilhelm M;Tate S;Sachsenberg T;Walzer M;Käll L;Delanghe B;Böcker S;Schymanski EL;Wilmes P;Dorfer V;Kuster B;Volders PJ;Jehmlich N;Vissers JPC;Wolan DW;Wang AY;Mendoza L;Shofstahl J;Dowsey AW;Griss J;Salek RM;Neumann S;Binz PA;Lam H;Vizcaíno JA;Bandeira N;Röst H
通讯作者：
Röst H
影响因子：
3.3
作者：
Schramm, Thorsten;Hester, Alfons;Roempp, Andreas
通讯作者：
Roempp, Andreas
影响因子：
7
作者：
Bouyssie, David;Dubois, Marc;Monsarrat, Bernard
通讯作者：
Monsarrat, Bernard