近年来，离子淌度（IM）质谱（MS）为分析化学，尤其是在蛋白质组学、代谢组学和脂质组学中开发新的研究方法做出重大贡献。离子淌度为分离提供一种新的维度，从而提高了总的峰容量。例如，相同质荷比不同磷酸化修饰位点的异构体（isobaric phosphorylation site isomers）通常在液相色谱（LC）维度被共洗脱，无法通过LC保留时间或质荷比来进行区分。然而，由于它们在气相中的碰撞截面不同，因此可以被离子淌度分开。此外，离子淌度设备提供了无损的气相分馏平均值，从而降低了质谱仪中同时测量的离子种类的数量。增加的峰容量和离子淌度的新型采集方式实现了更好的蛋白质组覆盖。
布鲁克tims TOF Pro就是这样一款能够在蛋白质组学、脂质组学和代谢组学研究中提供高分析物覆盖率的质谱仪。新仪器和实验方法的发展也在生物信息学领域引发极大热情，对现有解决方案的升级包含了更多维度。商业软件，如PEAKS和Spectronaut已经开始支持timsTOF数据的分析，这预示着该平台将在世界各地的实验室中越来越多地被使用。
目前来自tims TOF仪器的原始数据只能使用官方提供的闭源库访问，开发开源替代方案十分必要。因为免费简单地访问原始tims TOF数据可以促进新型生物信息学工具的开发，这些工具可以优化仪器所产生的高度复杂的数据集。
来自德国美因兹大学的Mateusz K. Łącki等人与Bruker合作开发了一系列用于Tims数据格式（TDF）接入并且能够提供开放、简化访问的软件，并在OpenTIMS, TimsPy, and TimsR: Open and Easy Access to timsTOF Raw Data一文中对方法进行了详细的阐述，同时给出了使用示例和相应的讨论。
文章作者从PRIDE项目PXD017703下载了一个公开可用数据的子集用以展示所提供的软件的潜在应用并与Bruker数据访问库进行了比较。
图1中作者展示了所有MS1母离子的总强度。强度被聚合到依据质荷比和逆IM空间定义的矩形块中。上层云主要由单电荷母离子组成，在大多数DDA和数据非依赖采集(DIA)方法中，这些前体离子通常不作为碎裂目标。作者在每个图中叠加的对角线（任意选择）将离子分为单电荷和多电荷种群。
使用先前定义的行，作者分别积分了来自LC-IMS-MS分析的单电荷和多电荷离子的强度。图2对图1中定义的两个区域的强度进行了积分。
由图，观察到的分析物的总量减少了，与带多电荷的离子相比，带单电荷的离子百分比增加。作者还进行了整合强度，以便根据LC条件监测电离过程，如图3所示。
分析显示，增加LC流速（将通量从每天60个增加到100到200个样品）导致单电荷离子和多电荷离子的百分比更高，这可能表明使用每天200个样品的方法电离不足。该信息可用于优化电离条件，例如毛细管电压。它还强调了TimsPy作为数据探索工具的重要性。
此外，多电荷离子TIC的积分可用于通过预先测量确定最佳进样量。对于这个用例，使用脚本的实验设置如下：
1.对于每个样品，运行快速预测量。
2.估计多电荷云的强度。
3.修正主要MS分析的柱上加载量，以尽量减少不同分析物浓度的影响或避免柱过载。
因此，作者使用预测量来更好地控制不同样品中分析物的量，从而使分析更具重现性。
所有代码都是用Python编写的，因此人们可以轻松设想其使用管道或将其集成到更复杂的样本管理系统中。
TimsPy和TimsR确实简化了从Python和R访问timsTOF数据的过程，而不会给用户带来任何额外的不便。为了分析在C++中使用OpenTIMS相对于现有Bruker绑定的速度优势，作者设置了一个简单的基准测试，包括对给定数据集中所有帧的迭代。在实验室获得的大约139个数据集上重复了它。图4比较了这些结果。
clang编译的OpenTIMS将迭代所需的时间减少了约43%。此外，在Python中，作者将数据导出为更高效的数据结构（numpy.arrays），而不是简单的Python列表。与原生Python相比，NumPy库提供了显著的速度改进。因此，从用户的角度来看，代码更快，并且可以与他最有可能愿意应用的工具一起使用，而不会影响运行时。
未来的工作将包括与布鲁克合作进一步开放校准功能。这将完成输入格式的过程，并将OpenTIMS、TimsPy和TimsR的使用完全扩展到每个主要操作系统。
总之，所提供的软件包系列提供了对布鲁克TDF数据的开放、快速和通用的访问，使研究和可视化此类原始数据变得容易。
软件获取链接
www.github.com/michalsta/opentims
www.github.com/MatteoLacki/timspy
www.github.com/MatteoLacki/timsr
这些网站还包含对项目的介绍，并通过程序的基本用法提供指导。API文档随标准Python和R帮助功能一起提供。此外，Python和C++函数参考也可从https://michalsta.github.io/opentims获得。
