前几天比较闲就写了这么一个东西，主要是之前就有几位同学跟我聊起过这方面的需求。实现起来也没什么技术难度于是就自己动手做了一个可视化的程序。不过讲真如果直接用python命令行处理真的方便太多太多。整个程序自然是完全开源的。

Github地址：https://github.com/Syaoran-Tang/MScompare

以下为readme.md的内容~~

介绍

这是一个设计用来对蛋白质谱结果进行初等分析的工具。也可以用来对比分析多个含有部分相同内容的文本文档工具

功能

  • 支持txt文件和pdf文件(0.2版新增)的读取。
  • 支持对数据集进行增加、（批量）删除、编辑。
  • 对导入的质谱结果集合进行取交集、并集、差集操作。
  • 支持自定义计算式。
  • 推荐数据量总大小<1M，若需处理过大的数据集请移步python或R等更专业的分析工具:-)

下载

https://github.com/Syaoran-Tang/MScompare/releases

使用方法

  • 通过 Import 按钮将数据导入程序，每个文件将对应一个数据集合。

    • 对于txt文件，需要将质谱pdf文件中的分析结果复制到一个txt文件中，保证每一行对应一个基因。
    • 对于pdf文件，程序将自动检索文件中所有含有指定基因号的文本（以一行为单位），程序会排除重复出现的基因号。依PDF文件的大小不一，读取可能会花费一点时间，请耐心等待。
  • 导入的数据集将显示在View面板的左侧，单击选中后，可以看到导入的数据集。在Description列中，提取出的基因号将用$代替，显示在左侧的ID列中，每行的行号显示在行头。
  • ID和Description均可直接编辑（左键双击即可激活编辑）；左键单击行号可以选中整行；Shift/Ctrl+左键单击可以连续选中多行；然后可以通过按Delete来删除选中的行。在编辑完成后，需要点击Save来保存对数据集的更改，此时数据集中的行号将重新分配。
  • 程序将 RegEx 框中提供的正则表达式提取每行中的基因号。如果需要提取形如AT1G12345的基因号，可以将正则表达式修改成 AT(\d{1})G(\d{5})。或者需要提取形如 AT1G12345.1 的基因号，对应的正则表达式为 AT(\d{1})G(\d{5}\.\d{1})
  • 在选中了某一个数据集之后，右键单击可以出现Rename和Insert两个选项。Rename可以对该数据集进行重命名，程序会自动对每个数据集编号并根据给出的名称重新命名数据集。所以理论上是可以导入多个相同的数据集的（然而谁这么无聊啊=。=)
  • 单击Insert可以将选择的数据集插入到下方的CalculateExp中，当然你也可以自己手动输入（包括Shortcut面板中的几种运算符）。每个数据集用#...#修饰用以和运算符区别。随便输入的话请放心，程序会提~醒你的:-)
  • 计算结果显示在右侧的Result面板中，可以使用Export将结果导出。

致谢

感谢Ryan同学提供测试数据

开源信息/License

以下废话

本作品初衷是为了帮助广大不熟悉编程的同学处理质谱数据，纯属闲暇时的非正式作品。如果有bug或者功能需求可以在github上发表issue留言：https://github.com/Syaoran-Tang/MScompare/issues