dnoise: Fast Native Data Reduction for Bruker timsTOF

技術要約: dnoise – Bruker timsTOFのための高速なネイティブ・データ削減

問題提起
Bruker timsTOF装置は、保持時間、質量電荷比（$m/z$）、およびイオン移動度の次元にわたる数十万のデジタル化された点からなる、数千フレームを含む高密度なネイティブの .d ファイルを生成する。高スループット・プロテオミクスにおいて、このデータ量はストレージ、転送、およびアーカイブに関する運用コストの増大を引き起こす。これらの点のうち、相当部分は意図した解析には寄与しない：

1. 取得の制約: データ依存型アッセイ（ddaPASEF）およびデータ非依存型アッセイ（diaPASEF）では、$m/z$–移動度平面内の特定の領域が断片化のために指定される。これらの領域外の点（例：単価数イオンや多価ペプチドが期待されない領域）は記録されるものの、断片化のために選択されることはない。
2. 構造的ノイズ: 記録された点には、希薄で拡散したクラスターや、強度の高いピークの周囲にある「ハロー（暈）」が含まれる（これらはマイクロチャネルプレートの飽和に起因する可能性が高い）。これらは、真のペプチドイオンが持つコヒーレントな移動度構造を欠いている。
   既存のソリューションは、通常、mzMLなどの形式への変換後、あるいは未情報の点を保持する一般的な圧縮に依存している。削減された、ネイティブと互換性のあるBruker .d ディレクトリを直接書き出すオープンソースのツールは存在していなかった。

手法
著者らは、ネイティブのBruker .d ファイルを直接処理するために設計された、Rust製のオープンソースツールである dnoise を提示している。このツールは、物理単位ではなく、整数インデックス（移動度スキャンインデックス、飛行時間インデックス、および強度）を使用して動作し、取得ゲートを翻訳するためだけに校正データを使用する。フィルタリング・パイプラインは、フレームごとに適用される以下の3つの主要段階で構成される：

1. 取得を考慮したゲート: analysis.tdf ファイルで定義された断片化可能領域の外側にある点を除去する。ddapasefの場合、これは前駆体選択ポリゴンであり、diaPAsefの場合はアイソレーションウィンドウ・テーブルである。オプションのパディングにより、エッジの機能が保護される。
2. イオン移動度ストリーク・フィルター: このフィルターは、連続する移動度スキャン間でコヒーレントなストリーク（筋状の信号）を検出することで、真のイオンを特定する。近傍のTOFウィンドウにわたって強度を合算し、移動度プロファイルを作成する。占有されたスキャンは「ラン（run）」としてグループ化され、ランは最小の長さ閾値（min_feature_length）を満たす場合にのみ保持される。この決定は、絶対的な強度ではなく、移動度の占有に基づいている。
3. ハロー・フィルター: ストリーク・フィルターの生存者に適用され、局所的なボックス（当該点の自身のTOF列を除く）における最大強度の一定割合（デフォルトは0.15）を下回る点を除去する。これは、強度の高いピークの周囲にある弱いハローを取り除くことを目的としているが、イオンのストリーク自体は保持する。

オプション・モード:

• MS/MS デノイジング: 断片スペクトルに対してストリークおよびハロー・フィルターを適用する。これにより、より大きな削減が可能となるが、同定の損失を招くリスクがある。
• セントロイディング: MS1の点群を強度加重セントロイド（ウォーターシェッド法またはボックスアルゴリズムを使用）に集約させ、極限の削減を実現するオプションの最終段階であり、移動度分解能を犠牲にしてファイルサイズを削減する。

主な結果
本ツールは、timsTOF Ultra 2装置を用い、5分間および15分間のグラジエントにおけるddaPASEFおよびdiaPASEFの両モード（計72ラン）を用いた、3種の生物種（ヒト、酵母、E. coli）のベンチマークによって評価された。

• データ削減:
  • デフォルトのMS1限定モード: ネイティブ・フレームのバイナリを 35%から53% 削減した。具体的には、ddapasefでは49.5–53.4%の削減、diaPASEFでは34.7–39.6%の削減が見られた。
  • オプションのMS/MSモード: より大きな削減を達成したが（diaPASEFで69.7–74.3%、ddapasefで70.7–74.0%）、ペプチドおよびタンパク質グループの同定数が数パーセント減少した。
  • セントロイディング: MS1の点を生データのわずか2%まで削減できる可能性があるが、定量的なカバレッジに軽微なトレードオフが生じる。
• 分析の保存:
  • 同定: ddaPASEFにおいて、MS/MSスペクトルが変更されていないため、PSM、ペプチド、およびタンパク質グループのカウントは変化しなかった。diaPASEFでは、前駆体およびタンパク質グループのカウントはわずかに（0.2–2.2%）のみ変化した。
  • 定量: ラベルフリー定量（LFQ）の精度と正確性は、すべてのモードで保持された。著者らは、ddapasefの場合、制御された種比が期待値にわずかに近づいたと述べている。
  • 忠実度: オリジナルとデノイズ後のデータを比較した際、フィーチャーレベルの強度は等価線に密接に従っていた。
• パフォーマンス:
  • 処理は迅速であり、標準的なワークステーション（Intel Core i7-12700H）上で、72ランすべてが 69秒以内 に完了した。
  • メモリ使用量は管理可能な範囲にとどまり、ピーク時のワーキングセットは4.6 GB未満であった。

意義および主張
論文は、dnoise が、標準的なプロテオミクス・ワークフローの結果を実質的に変えることなく、ネイティブの timsTOF フレーム・データの大部分を転送やアーカイブの前に除去できることを実証したと主張している。

• ネイティブ互換性: 中間表現を出力する従来の手法とは異なり、dnoise は新しい標準的な Bruker .d ディレクトリを書き出すため、既存の下流ソフトウェア（Sage、DIA-NNなど）を修正することなく互換性を確保できる。
• 構造的 vs 強度ベースのフィルタリング: 著者らは、ストリークに基づくアプローチが単純な強度閾値よりも優れていると主張している。弱いが移動度に関してコヒーレントな信号を保持することにより、ストリーク・フィルターは、強度ベースのフィルターが破棄してしまう検索可能な信号（特に低存在量のペプチド）を保持する。
• 運用の効率性: このツールにより、データの複製や公開的なデポジットの前に、取得直後のポスト・プロセッシングが可能となり、ストレージおよび転送コストを削減できる。

著者らは、ベンチマークが制御された環境（単一の装置、特定のサンプル負荷）で行われたこと、およびデフォルトのパラメータは疎なデータやシングルセル・データに対して緩和が必要になる可能性があることを認め、控えめな姿勢を維持している。また、dnoise はロスレス圧縮ではなく、情報の損失を伴うポイント除去を行うものであるため、将来の解析においてテストされた仮定以外の信号が必要になる可能性がある場合は、元のファイルを保持しておくべきであると強調している。