Profilesettings: method = bin step = 0.1 Memoryusage: 4.68 MB
最后结果如上，我用了centWave方法，ppm=5，峰宽范围是10-20s。
2.3样本间峰匹配 （peak match across samples） xset<- group(xset)
Group 有三种方法‘density’，‘mzClust’和‘nearest’。每种方法下都有一系列不同的参数。‘density’是默认方法。nearest’需要额外安装‘RANN’的包 才能实现。 Density：Group peaks together across samples using overlapping m/z bins andcalculation of smoothed peak distributions in chromatographic time。 mzClust：Runs high resolution alignment onsingle spectra samples stored in a given xcmsSet.
Nearest: Group peaks together across samples by creating a master peaklist and assigning corresponding peaks from all samples.
具体的方法和参数自己可以用help。比如想查density方法，就用help(‘group.density’)来查看。 举个例子：
Xset<-group(xset, mzppm = 10, mzabs= 0, minsamp = 1, minfrac=0) 这里我用了mzCluster，它对应的各个参数跟在后面。 2.4保留时间校正 （retention time correction）
样本间峰匹配分组后，xcms便通过这些分组来确定和校正每次运行之间保留时间的漂移。峰对其后xcms再进行一次分组，以提高分组的精确性。并非所有的分组都适合用来做保留时间的校正，比如有很多缺失峰的组和来自于同一样品，但却有多条峰的组。 xset2 <- retcor(xset,family = \ 这里面又是一大堆参数
Rector也有三种方法‘loess’,’obiwarp’,’peakgroups’, 其中‘loess’是默认方法。 Loess & peakgroups：Use smoothed deviations to alignretention times. 这两个方法竟然完全一样，参数也一样。
Obiwarp：Calculate retention time deviationsfor each sample. It is based on the code at http://obi-warp.sourceforge.net/. However, this function is ableto align multiple samples, by a center-star strategy.
每个方法后面又是跟了很多参数。具体还是通过help来查看。比如想看loess，就用help（’retcor.loess’）
保留时间校正后，xcms又进行了一次分组，方法同上，不再细讲。 xset2 <- group(xset2,bw = 10) 2.5Filling in Missing Peak Data
即使再次精确分组，还会存在有些组有缺失峰。 xset3 <-fillPeaks(xset2)
这里有两种方法，‘chrom’和‘MSW’，其中‘chrom’是默认法。 ‘chrom’法：Integrateareas of missing peaks
它有一个参数‘nSlaves’：number of slaves/cores to be used for parallel peak ?lling. MPI is used if installed,otherwise the snow package is employed for multicore support.
‘MSW’法：Integrateareas of missing peaks in FTICR-MS data