timsRust: A Modular Foundation for Performant timsTOF Data Workflows

timsRust: modulární základ pro výkoné timsTOF workflow

Význam tématu

Trapped ion mobility spectrometry (TIMS) v kombinaci s time-of-flight (TOF) hmotnostní spektrometrií přidává do proteomiky další separační rozměr, což zvyšuje informační obsah měření a umožňuje nové akviziční strategie. Současně ale tato technika generuje velmi objemná a komplexní data, která vyžadují efektivní, škálovatelné a transparentní nástroje pro zpracování. Rychlý a bezpečný přístup k raw datům bez nutnosti generovat mezi-formáty (např. mzML/MGF) je klíčový pro zrychlení analýz a zjednodušení integrace do existujících peptide‑centrických workflow.

Cíle a přehled studie / článku

Cílem představeného projektu je poskytnout otevřený, modulární a vysoce výkonný framework pro přímý přístup a předzpracování raw dat z timsTOF přístrojů. timsRust je napsán v jazyce Rust a navržen tak, aby umožnil bezpečné multithreadové zpracování, snadné rozšíření (crate‑based architektura) a přímou integraci do jiných nástrojů pro vyhledávání a kvantifikaci (např. Sage). Studie demonstruje, že přímé čtení raw formátu může být stejně rychlé nebo rychlejší než práce s již převedenými soubory, přičemž celkové workflow může být až dvakrát rychlejší díky eliminaci konverzních kroků.

Použitá metodika a instrumentace

Metodika:

• Modulární ekosystém Rust crateů: jádro definující typy a trait‑y (timsRust-core), správce souborů, utilitní crate, a formátově specifické implementace (např. timsRust-tdf, timsRust-tsf).
• Předzpracování: frame‑by‑frame centroiding pro redukci šumu a objemu dat; jednoduché binování pro zacházení s ion‑mobility dimenzí jako u konvenčního DIA; tvorba pseudo‑MS2 spekter spojením centroidovaných fragmentů s odpovídajícími centroidovanými prekurzory podle mobility a izolačního okna.
• Rozhraní: fasáda (façade) sjednocuje různé implementace do jedné API; wrappery umožňují volání z Pythonu nebo C.

Instrumentace a software:

• Bruker timsTOF (TIMS‑TOF) hmotnostní spektrometr (raw data generována na přístroji Bruker).
• timsRust framework (Rust), obsahující moduly jako timsRust-core, timsRust-centroid, timsRust-tdf, filemanager, timsRust-sdk, timsRust-external a fasádu.
• Sage open‑source vyhledávací engine pro peptide‑spectrum matching, integrovaný přímo s timsRust pro čtení raw dat bez konverze do mzML/MGF.
• Testy provedeny i na standardním výpočetním hardwaru (příklad: laptop s 28 virtuálními jádry pro benchmarky).

Hlavní výsledky a diskuse

• Výkon: Přímé čtení raw dat pomocí timsRust je obecně stejně rychlé nebo rychlejší než čtení z převedených formátů. Eliminace konverzních kroků (mzML/MGF) významně snižuje celkový čas zpracování — typicky až dvojnásobné zrychlení kompletních workflow.
• Centroiding a pseudo‑MS2: Frame‑by‑frame centroiding výrazně redukuje šum a datový objem, přičemž zachovává informace důležité pro peptide‑level interpretaci. Při navázání centroidovaných fragmentů na centroidované prekurzory (pokud se shodují v ion mobility a izolačním okně) lze vygenerovat pseudo‑MS2 spektra, která dobře fungují při krátkých chromatografických gradientech.
• Praktická rychlost: Na testovacím zařízení s 28 virtuálními jádry bylo z ~7minutového HeLa běhu vygenerováno přibližně 150 000 spekter za ~15 s (přibližně 100 µs na spektrum); kompletní workflow zahrnující Sage skončilo přibližně za 30 s.
• Softwarová architektura: Modularita Rust crateů a typu‑bezpečnost umožňují bezpečné paralelní zpracování bez typických chyb spojených s pamětí nebo soutěžemi v přístupu k datům. Fasáda usnadňuje integraci do downstream nástrojů a wrappery rozšiřují použitelnost mimo Rust ekosystém.

Přínosy a praktické využití metody

• Rychlejší a efektivnější proteomické analýzy díky vynechání časově náročné konverze do mezi‑formátů.
• Zachování nebo zlepšení kvality výsledků kombinací centroidingu a inteligentního párování fragmentů s prekurzory, což umožňuje využití zavedených peptide‑centrických nástrojů i pro ion mobility data.
• Rozšiřitelnost a opakovatelný výzkum díky otevřené, modularizované architektuře s testy a dokumentací.
• Škálovatelnost na výpočetní prostředky — efektivní využití vícejádrových CPU bez speciálního hardware.

Budoucí trendy a možnosti využití

• Další rozvoj integrace s dalšími open‑source nástroji pro proteomiku a kvantifikaci; rozšíření podpory formátů a předzpracovacích strategií.
• Vylepšené algoritmy pro centroiding a inteligentní slučování fragmentů, které by optimalizovaly citlivost a specifitu při různých gradientních délkách a instrumentálních nastaveních.
• Využití parciálních nebo adaptivních strategie zpracování (on‑the‑fly) v rámci instrumentálního softwaru pro redukci datového toku a rychlejší rozhodnutí při akvizici.
• Přechod k více distribuovaným nebo cloudovým řešením, kde bezpečné paralelní zpracování a malý datový otisk umožní hromadné analýzy rozsáhlých kohort.

Závěr

timsRust představuje robustní a výkoné řešení pro přímý přístup k raw timsTOF datům a jejich předzpracování. Díky modulární architektuře v Rustu, předzpracovacím krokům jako je frame‑by‑frame centroiding a možnosti generovat pseudo‑MS2 spektra umožňuje efektivní nasazení jak pro DIA, tak DDA style workflowy bez nutnosti specializovaného hardware. Eliminace konverzí do mezi‑formátů a efektivní multithreadové zpracování vedou k výraznému snížení času zpracování a usnadňují integraci do existujících nástrojů pro peptide‑centrické vyhledávání a kvantifikaci. Autoři uvádějí, že všichni spoluautoři jsou zaměstnanci Bruker a nástroj je prezentován pro výzkumné účely, nikoli pro diagnostické použití.

Reference

1. Lazear M. Sage: An Open‑Source Tool for Fast Proteomics Searching and Quantification at Scale. Journal of Proteome Research. 2023;22(11).