Mass spectrometry imaging (MSI) enables the unbiased characterization of surfaces with respect to their chemical composition. In biological MSI, zones with differential mass profiles hint towards localized physiological processes, such as the tissue-specific accumulation of secondary metabolites, or diseases, such as cancer. Thus, the efficient discovery of ‘regions of interest’ (ROI) is of utmost importance in MSI. However, often the discovery of ROIs is hampered by high background noise and artifact signals. Especially in ambient ionization MSI, unmasking biologically relevant information from crude data sets is challenging. Therefore, we implemented a Threshold Intensity Quantization (TrIQ) algorithm for augmenting the contrast in MSI data visualizations. The simple algorithm reduces the impact of extreme values (‘outliers’) and rescales the dynamic range of mass signals. We provide an R script for post-processing MSI data in the imzML community format (https://bitbucket.org/lababi/msi.r) and implemented the TrIQ in our open-source imaging software RmsiGUI (https://bitbucket.org/lababi/rmsigui/). Applying these programs to different biological MSI data sets demonstrated the universal applicability of TrIQ for improving the contrast in the MSI data visualization. We show that TrIQ improves a subsequent detection of ROIs by sectioning. In addition, the adjustment of the dynamic signal intensity range makes MSI data sets comparable.

中文翻译：

---

通过阈值强度量化 (TrIQ) 对质谱成像 (MSI) 数据可视化进行对比度优化

质谱成像 (MSI) 能够对表面的化学成分进行无偏见的表征。在生物 MSI 中，具有差异质量分布的区域暗示局部生理过程，例如次生代谢物的组织特异性积累，或癌症等疾病。因此，“感兴趣区域”（ROI）的有效发现在 MSI 中至关重要。然而，ROI 的发现通常会受到高背景噪声和伪影信号的阻碍。特别是在环境电离 MSI 中，从原始数据集中揭示生物学相关信息具有挑战性。因此，我们实施了阈值强度量化 (TrIQ) 算法来增强 MSI 数据可视化中的对比度。简单的算法减少了极值（“异常值”）的影响，并重新调整了质量信号的动态范围。我们以 imzML 社区格式 (https://bitbucket.org/lababi/msi.r) 提供了一个用于后处理 MSI 数据的 R 脚本，并在我们的开源成像软件 RmsiGUI (https://bitbucket.org) 中实现了 TrIQ。 org/lababi/rmsigui/)。将这些程序应用于不同的生物 MSI 数据集证明了 TrIQ 在提高 MSI 数据可视化对比度方面的普遍适用性。我们表明 TrIQ 通过切片改进了对 ROI 的后续检测。此外，动态信号强度范围的调整使得MSI数据集具有可比性。r) 并在我们的开源成像软件 RmsiGUI (https://bitbucket.org/lababi/rmsigui/) 中实现了 TrIQ。将这些程序应用于不同的生物 MSI 数据集证明了 TrIQ 在提高 MSI 数据可视化对比度方面的普遍适用性。我们表明 TrIQ 通过切片改进了对 ROI 的后续检测。此外，动态信号强度范围的调整使得MSI数据集具有可比性。r) 并在我们的开源成像软件 RmsiGUI (https://bitbucket.org/lababi/rmsigui/) 中实现了 TrIQ。将这些程序应用于不同的生物 MSI 数据集证明了 TrIQ 在提高 MSI 数据可视化对比度方面的普遍适用性。我们表明 TrIQ 通过切片改进了对 ROI 的后续检测。此外，动态信号强度范围的调整使得MSI数据集具有可比性。