JP4951752B2 - 易動度の正規化装置、正規化方法、正規化プログラムおよび自己組織化マップ、並びに、物質の検出方法、検出プログラム、検出ルール生成方法およびデータ構造 - Google Patents

Description

本発明は、易動度の正規化処理に関し、特に、マーカ物質を使用することなく易動度を補正することができる易動度の正規化装置、正規化方法、正規化プログラムおよび自己組織化マップ、並びに、正規化後の易動度を用いた物質の検出方法、検出プログラム、検出ルール生成方法およびデータ構造に関する。

臨床検査や遺伝子解析などに用いられる泳動法から得られた波形情報を解析する場合、易動度によって分離された物質を特定する方法が用いられている。このとき、易動度は分析の諸条件によって異なるため、易動度を正規化することが必要である。易動度を正規化する方法には、基準となるマーカ物質（以下単にマーカとも記す）を試料に混入させる方法や、特徴的な波形ピークなどを指標として易動度を補正する方法が用いられてきた。

たとえば、血清蛋白電気泳動分析の場合には、１枚のセルロースアセテート膜に数十本の試料を塗布して同時に複数の試料を分析できるため、本発明者によるシート内易動度補正法（下記非特許文献１参照）では、易動度が検証された管理試料を分析試料に混在させ、管理試料の易動度で、全体の易動度の補正を行なうことができる。

また、キャピラリーゾーン電気泳動法に関しては、理論的易動度を使った推定法が知られている（下記特許文献１参照）。

一方、易動度の測定データから作成した特徴量を用いて、Ｍ蛋白を検出する方法（下記特許文献２参照）や病態を判定する方法（下記特許文献３参照）が知られている。
特開２００１−０７４６９４号公報 特開平５−３１２８１２号公報 特開平６−９６１３８号公報 片岡浩巳，佐々木匡秀，西田政明，武田京子，杉浦哲朗：精度保証の今後の展開，臨床病理，47(9),pp823-829,1999.

しかし、マーカ物質を混入できない分析法や特徴的な波形ピークが得られない分析対象物の場合には、従来の方法では易動度の補正を行なうことができなかった。

また、キャピラリーゾーン電気泳動法や液体クロマトグラフィーのように、1回の分析で1つの試料しか分析できない分析法の場合には、マーカ物質を試料に混入させる方法でしか易動度を補正することができず、他の分析結果を用いて易動度を補正することができなかった。

また、上記特許文献１による易動度の補正方法では、現実的な臨床検査への適用においては、さまざまなアーチファクトが加わり理論的易動度の補正法として適用するには無理があった。

また、上記特許文献２によるＭ蛋白検出方法や、上記特許文献３による病態判定方法では、検出または判定精度が十分では無かった。

本発明は、上記した課題を解決すべく、マーカ物質を試料に混入させる方法でしか補正できない分析法や、マーカ物質を用いての易動度の補正ができない領域の分析法において、易動度を正規化することができる易動度の正規化装置、正規化方法、正規化プログラムおよび自己組織化マップ、並びに、正規化後の易動度を用いた物質の検出方法、検出プログラム、検出ルール生成方法およびデータ構造を提供することを目的とする。

本発明に係る易動度正規化装置（１）は、複数の参照波形データを記録した記録手段と処理手段とを備え、前記処理手段が、外部から取得した易動度の測定データが単位時間配列データである場合、前記測定データを被補正データとし、外部から取得した易動度の測定データが時間情報と測定値とを対応させた複数の２次元データである場合、これらの２次元データを補間して単位時間配列データである被補正データを生成し、前記記録手段から複数の前記参照波形データを読み出し、前記被補正データを複数の前記参照波形データの各々に変換する複数のワーピング関数、及び各ワーピング関数に対応するＤＴＷ距離を求め、複数の前記ＤＴＷ距離のうちの最小値を求め、求められた最小のＤＴＷ距離に対応する前記ワーピング関数を決定し、決定された前記ワーピング関数を近似する直線の傾き及び切片を求め、前記傾き及び切片で指定される一次関数を用いて前記被補正データを補正することを特徴としている。

また、本発明に係る易動度正規化装置（２）は、上記の易動度正規化装置（１）において、前記処理手段が、決定された前記ワーピング関数の任意の屈曲点間の傾きを計算し、複数の前記屈曲点間の傾きを大きさの順に並べた場合に両端の所定領域に含まれる傾きを除外して、前記屈曲点間の傾きから前記ワーピング関数を近似する前記直線の傾きを求めることを含むことを特徴としている。

また、本発明に係る易動度正規化装置（３）は、上記の易動度正規化装置（２）において、前記処理手段が、複数の前記屈曲点間の傾きの中央値を、前記ワーピング関数を近似する前記直線の傾きとして決定することを特徴としている。

また、本発明に係る易動度正規化装置（４）は、上記の易動度正規化装置（１）〜（３）の何れかにおいて、複数の前記参照波形データが、マーカ物質を含む検体の易動度の測定データを、マーカ物質の易動度を用いて補正したデータであることを特徴としている。

また、本発明に係る易動度正規化装置（５）は、上記の易動度正規化装置（１）〜（４）の何れかにおいて、複数の前記参照波形データが、複数の易動度の測定データを用いて生成された自己組織化マップを構成するデータであることを特徴としている。

また、本発明に係る易動度正規化方法（１）は、複数の参照波形データを記録した記録手段と処理手段とを備えた装置において当該装置が行う方法であって、前記処理手段が、易動度の測定により得られた単位時間配列データである被補正データを、複数の前記参照波形データの各々に変換する複数のワーピング関数、及び各ワーピング関数に対応するＤＴＷ距離を求める第１ステップと、前記処理手段が、複数の前記ＤＴＷ距離のうちの最小値を求め、求められた最小のＤＴＷ距離に対応する前記ワーピング関数を決定する第２ステップと、前記処理手段が、決定された前記ワーピング関数を近似する直線の傾き及び切片を求める第３ステップと、前記処理手段が、前記傾き及び切片で指定される一次関数を用いて前記被補正データを補正する第４ステップとを含むことを特徴としている。

また、本発明に係る易動度正規化方法（２）は、上記の易動度正規化方法（１）において、前記易動度の測定によって得られるデータが、時間情報と測定値とを対応させた２次元データであり、前記被補正データが、複数の前記２次元データを補間して生成された単位時間配列データであることを特徴としている。

また、本発明に係る易動度正規化方法（３）は、上記の易動度正規化方法（１）又は（２）において、前記第３ステップが、前記処理手段が、前記第２ステップで決定された前記ワーピング関数の任意の屈曲点間の傾きを計算する第５ステップと、前記処理手段が、前記屈曲点間の傾きを大きさの順に並べた場合に両端の所定領域に含まれる傾きを除外して、前記屈曲点間の傾きから前記ワーピング関数を近似する前記直線の傾きを求める第６ステップとを含むことを特徴としている。

また、本発明に係る易動度正規化方法（４）は、上記の易動度正規化方法（１）〜（３）の何れかにおいて、前記第６ステップが、複数の前記屈曲点間の傾きの中央値を、前記ワーピング関数を近似する前記直線の傾きとして決定するステップであることを特徴としている。

また、本発明に係る易動度正規化方法（５）は、上記の易動度正規化方法（１）〜（４）の何れかにおいて、複数の前記参照波形データが、マーカ物質を含む検体の易動度の測定データを、マーカ物質の易動度を用いて補正したデータであることを特徴としている。

また、本発明に係る易動度正規化方法（６）は、上記の易動度正規化方法（１）〜（５）の何れかにおいて、複数の前記参照波形データが、複数の易動度の測定データを用いて生成された自己組織化マップを構成するデータであることを特徴としている。

また、本発明に係る易動度正規化プログラムは、複数の参照波形データを記録した記録手段と処理手段とを備えたコンピュータに、前記処理手段が、易動度の測定により得られた単位時間配列データである被補正データを、複数の前記参照波形データの各々に変換する複数のワーピング関数、及び各ワーピング関数に対応するＤＴＷ距離を求める第１の機能と、複数の前記ＤＴＷ距離の最小値を求め、求められた最小のＤＴＷ距離に対応する前記ワーピング関数を決定する第２の機能と、決定された前記ワーピング関数を近似する直線の傾き及び切片を求める第３の機能と、前記傾き及び切片で指定される一次関数を用いて前記被補正データを補正する第４の機能と、を実現させることを特徴としている。

また、本発明に係る自己組織化マップは、上記の易動度正規化方法（１）〜（６）の何れかの易動度正規化方法における前記処理手段による第１〜第４ステップをコンピュータに実行させる際に、前記参照波形データとして使用される自己組織化マップであって、検体の易動度の測定により得られた単位時間配列データである被補正データを、目視によって補正して得られる波形データ、若しくは、マーカ物質を含む検体の易動度の測定により得られた単位時間配列データである被補正データを、前記マーカ物質の易動度によって補正して得られる波形データを用いたコンピュータによる学習処理によって生成されることを特徴している。

また、本発明に係るコンピュータ読取可能な記録媒体（１）は、上記の自己組織化マップを記録していることを特徴としている。

また、本発明に係る物質検出方法（１）は、教師データを用いた学習によって求められる決定木を検出ルールとして用いる物質の検出方法であって、前記決定木が、複数の検体の易動度の測定データを、上記の易動度正規化方法（１）〜（６）の何れかを用いて補正することによって得られた正規化データと、前記測定データに対応した、所定の物質の有無を表す情報を含む前記教師データとを用いた学習によって求められる決定木であることを特徴としている。

また、本発明に係る物質検出方法（２）は、上記の物質検出方法（１）において、前記物質がＭ蛋白であり、アルブミンの易動度を４００とし、ジメチルホルムアミドのγ領域側の易動度を８００とした場合、前記決定木が、式１に示す検出ルールの組み合わせとして記述され、

式１において、各行の左端の数値が易動度を表し、不等号及び等号が、左辺と右辺の大小関係を指定する判定符号を表し、判定符号の右辺の数値が吸光度を表し、各行のコロン記号の右側に最終の検出結果を表示し、Ｎｏｒｍａｌが健常者であることを表し、ＭｐｒｏがＭ蛋白事例であることを表し、括弧内の数値がそれぞれに該当する件数を表すことを特徴としている。

また、本発明に係る物質検出プログラムは、コンピュータに、教師データを用いた学習によって求められた決定木を検出ルールとして用いて、物質を検出する機能を実現させる物質の検出プログラムであって、前記決定木が、複数の検体の易動度の測定データを、上記の易動度正規化方法（１）〜（６）の何れかを用いて補正することによって得られた正規化データと、前記測定データに対応した、所定の物質の有無を表す情報を含む前記教師データとを用いた学習によって求められる決定木であることを特徴としている。

また、本発明に係る物質検出ルール生成方法は、物質の検出に使用される検出ルールの生成方法であって、コンピュータを用い、複数の検体の易動度の測定データを、上記の易動度正規化方法（１）〜（６）の何れかを用いて補正し、正規化データを生成する第１ステップと、前記測定データに対応した、所定の物質の有無を表す情報を含む教師データ、及び前記正規化データを用い、学習によって決定木を求めて、検出ルールとする第２ステップとを含むことを特徴としている。

また、本発明に係る決定木のデータ構造（１）は、教師データを用いた学習によって求められ、物質の検出ルールとして使用される決定木のデータ構造であって、前記決定木が、複数の検体の易動度の測定データを、上記の易動度正規化方法（１）〜（６）の何れかを用いて補正することによって得られた正規化データと、前記測定データに対応した、所定の物質の有無を表す情報を含む前記教師データとを用いた学習によって求められる決定木であることを特徴としている。

また、本発明に係る決定木のデータ構造（２）は、上記の決定木のデータ構造（１）において、前記物質がＭ蛋白であり、アルブミンの易動度を４００とし、ジメチルホルムアミドのγ領域側の易動度を８００とした場合、前記検出ルールが、式２に示す検出ルールとして記述され、

式２において、各行の左端の数値が易動度を表し、不等号及び等号が、左辺と右辺の大小関係を指定する判定符号を表し、判定符号の右辺の数値が吸光度を表し、各行のコロン記号の右側に最終の検出結果を表示し、Ｎｏｒｍａｌが健常者であることを表し、ＭｐｒｏがＭ蛋白事例であることを表し、括弧内の数値がそれぞれに該当する件数を表すことを特徴としている。

また、本発明に係るコンピュータ読取可能な記録媒体（２）は、上記の決定木のデータ構造（１）又は（２）のデータを記録していることを特徴としている。

本発明によれば、マーカ物質を試料に混入させなくても、分析対象物の易動度の測定データの波形パターンを用いて、易動度の測定データを正規化することが可能となり、より正確に分析対象物の成分の分離が可能となる。例えば、マーカ物質を試料に混入させると、試料とマーカ物質との吸着等が発生して、正確に目的の物質が計測できない場合にも有効である。

また、本発明では、ＤＴＷ（Dynamic Time Warping）処理によるワーピング関数（Warping Function）を直線近似し、その傾きを用いて測定データを補正するので、波形全体のパターンによって補正することができ、測定波形上の一部のイレギュラーな測定データに影響されずに、精度良く易動度を補正することができる。

また、本発明では、自己組織化マップ（Self Organization Map）でクラスタリングした波形パターンを基準として用いて補正することができるので、特徴的な波形ピークが検出できない測定データに対しても適用可能である。

また、本発明によれば、大量の検体に関する測定データを高速に補正することができ、自動化することも可能である。

また、マーカを使用することができる分析方法を適用することが可能であっても、一部のリファレンス検査室等で分析した波形データを用いて自己組織化マップを作成し、これを用いて一般病院の検査室で、マーカを使用しない分析方法において易動度を補正することができる。従って、マーカ物質が高価な場合には、一般病院の検査室で経済的に分析を行うことができる。このとき、自己組織化マップのテンプレート（参照波形データ）は、多くの症例を積み重ねることによって、より精度の高い物を生成することができるため、適宜新たな自己組織化マップを一般病院などに提供することが望ましい。

また、マーカを使うことができない物質の検査用には、リファレンス検査室等において自己組織化マップのテンプレートのみを目視で補正すれば、精度の高い易動度の補正を行うことができる。

本発明は、電気泳動装置やクロマトグラフなどの種々の分析装置に適用することができる。例えば、血清蛋白電気泳動装置、キャピラリー電気泳動装置、液体クロマトグラフ、ガスクロマトグラフ、アフィニティークロマトグラフなどに適用することができる。

また、本発明によれば、易動度によって分析可能な物質、例えば特定の蛋白質を精度良く検出することができる。特に、Ｍ蛋白の検出に有効である。

以下、本発明に係る実施の形態を、添付した図面に基づいて説明する。

図１は、本発明の実施の形態に係る易動度の正規化装置の概略構成を示すブロック図である。本実施の形態に係る正規化装置１は、演算処理部１１と、一時記憶部１２と、記録部１３と、演算処理部１１に対する指示やデータ入力を行う操作部１４と、演算処理部１１による処理結果などを表示する表示部１５と、これらとのインタフェース部（以下、入出力ＩＦ部と記す）１６と、外部の測定装置２とデータ交換を行う通信インタフェース部（以下、通信ＩＦ部と記す）１７と、内部の各部間でデータを交換するための内部バス１８とを備えて構成されている。ここで測定装置２は、電気泳動装置、クロマトグラフなどの易動度に関するデータを取得することができる測定装置である。

例えば、コンピュータを利用して構成する場合、演算処理部１１、一時記憶部１２、及び記録部１３には、それぞれＣＰＵ、ＲＡＭ、及びハードディスクを用いることができる。また、操作部１４には、キーボード、マウス、タッチパネルなどを使用することができる。入出力ＩＦ部１６には、操作部１４に応じたシリアル若しくはパラレルインタフェースを採用すればよい。また、入出力ＩＦ部１６は、ビデオメモリ及びＤＡ変換を備え、表示部１５のビデオ方式に応じたアナログ信号を出力することによって、表示部１５に情報を提示するための画像が表示される。なお、表示部１５がビデオデータのＤＡ変換機能を有する場合には、入出力ＩＦ部１６は、所定のディジタル信号を出力する機能を有していればよい。また、図１の構成を、一時記憶部１２の一部の領域をビデオメモリとして使用するように変更してもよい。

図２は、本実施の形態に係る正規化装置１の動作を示すフローチャートである。以下、図２を参照して、本正規化装置１の動作を具体的に説明する。以下においては、特に断らない限り、正規化装置１の演算処理部１１が行う処理として説明する。演算処理部１１は、操作部１４が操作されて入力されたデータを取得して記録部１３に記録し、適宜記録部１３からデータを一時記憶部１２に読み出し、所定の処理を行った後、その結果を記録部１３に記録することによって、所定の処理を行う。また、演算処理部１１は、操作部１４の操作を促す画面データや処理結果を表示する画面データを生成し、入出力ＩＦ部１６のビデオＲＡＭを介して、これらの画像を表示部１５に表示する。また、記録部１３には、基準とする複数の参照波形データが、所定の形式でデータベース化されて保存されているとする。後述するように、参照波形データは、自己組織化マップ（以下、ＳＯＭとも記す）として決定されていることができる。また、易動度の測定対象は、哺乳類や微生物や植物の成分全般であり、血液、尿、髄液、リンパ、組織液、培養液などである。また、分析対象物は蛋白や糖質や脂質など、易動度によって分析可能な物質である。

ステップＳ１において、通信ＩＦ部１７を介して、測定装置から測定データを取得し、記録１３部に記録する。

ステップＳ２において、ステップＳ１で取得した測定データが、所定の時間間隔で測定された時系列の１次元データ（以下、単位時間配列データと記す）であるか否かを判断し、単位時間配列データでなければ、ステップＳ３に移行して、取得した測定データから単位時間配列データを生成する。例えば、電気泳動装置の場合、測定装置から出力される測定データは、通常単位時間配列データであるので、測定データをそのまま用いてステップＳ４以降の処理を行うことができる。クロマトグラフィーの場合、測定装置から出力される測定データは、通常微分係数ピーク変化点データ（ピークの時刻と振幅の２次元データ配列）である。したがって、この微分係数ピーク変化点の２次元データ配列に対しては、これを用いて単位時間配列データを生成する。図３の（ａ）及び（ｂ）は、それぞれ単位時間配列データ及び微分係数ピーク変化点データを示すグラフである。このとき、演算処理部１１がステップＳ２で判断を行うためには、例えば、測定データを測定装置から受信する前または後に、操作者が操作部１４を操作して受信した測定データが単位時間配列データか否かの情報を入力し、この入力情報を、測定データと対応させて記録部１３に記録するようにしておけばよい。

ステップＳ４〜Ｓ８では、取得した測定データに関して近似する参照波形データを決定するステップである。

ステップＳ４において、繰り返し処理のカウンタｋに１を設定する。

ステップＳ５において、記録部１３から、予め記録された複数の参照波形データのうちの１つの波形データを読み出す。

ステップＳ６において、ステップＳ５で読み出した参照波形データと測定データ（単位時間配列データ）とを用いて、ＤＴＷ処理を行う。即ち、測定データを参照波形データに変換するワーピング関数（以下ＷＦとも記す）を求め、ＷＦに沿った距離であるＤＴＷ距離を求める。ＤＴＷ処理は周知であるので、図４にＤＴＷ処理の概念を示す図を示し、詳細説明は省略する。図４では、１つの単位時間配列データに、順に正の整数値を付与している。参照波形データに対しては０〜Ｊを、測定データに対しては０〜Ｉを付与している。

ステップＳ７において、ステップＳ６で求めたＷＦおよびＤＴＷ距離を、参照波形データと対応させて記録部１３に記録する。本実施の形態では、ＷＦは図４に示したように２次元平面上の折れ線になるので、各屈曲点の座標（ｉ，ｊ）（０≦ｉ≦Ｉ、０≦ｊ≦Ｊ）を記録部１３に記録する。

ステップＳ８において、カウンタｋの値が参照波形データの総数ｋmaxよりも小さいか否かを判断することによって、全ての参照波形データに対してステップＳ５〜Ｓ７の処理を終了したか否かを判断する。ｋ＜ｋmaxである場合、未処理の参照波形データが残っているので、ステップＳ９に移行してカウンタｋを１だけ増大させ、ステップＳ５に戻る。これによって、全ての参照波形データに対してステップＳ５〜Ｓ７の処理が行われる。

ステップＳ１０において、記録部１３に記録したＤＴＷ距離の中の最小値を決定し、この最小値に対応するＷＦの座標データを記録部１３から読み出し、ＷＦを線形近似するために、一次関数の傾きα（一次係数）および切片β（定数項）を求める。ＷＦは、理論的には直線になるので、直線回帰や、ノンパラメトリックな直線回帰法（たとえば、Passing-Bablock法）を用いることができる。

本実施の形態では、記録部１３から読み出したＷＦの屈曲点を表す複数の座標データの中から任意の２つの座標データを選択し、これら２点を通る直線の傾きを求め、それらの傾き全体の中央値を、ＷＦを近似する直線の傾きαとして決定する。切片βに関しても同様に、すべての組み合わせの切片を計算し、それらの値の中央値を、ＷＦを近似する直線の切片βとする。このように、傾きαも切片βも同じノンパラメトリック手法で求めることができる。図５は、この処理を模式的に示す図である。図５の右下の図は、任意の座標データ間の傾きを、左から小さい順に並べたグラフである。このグラフは、中央付近ではほぼ平坦であるが、左右の両端付近で急激に変化している。この領域の傾きは、ＷＦの屈曲点を表す座標データのうち、ＷＦを直線近似した場合に、直線から大きく外れることになる屈曲点の座標データを用いて求められた傾きである。したがって、傾き分布の中央値を使用することによって、外れ値を除外することができる。

ステップＳ１１において、ステップＳ１０で求めた傾きα及び切片βを用いて測定データを補正する。即ち、ｉ’＝α×ｉ＋β （ここで０≦ｉ≦Ｉ）によって求められたｉ’を用いて、測定データである易動度ｍ（ｉ）のグラフ上の位置を、位置ｉから新たな位置ｉ’にシフトする。これは、測定データの時間軸をスケーリング（伸張または収縮）およびオフセットさせることを意味する。

ステップＳ１２において、ステップＳ１１で補正した測定データを記録部１３に記録して、一連の処理を終了する。

以上によって、マーカ物質を使用すること無く、易動度の測定データを、予め用意された参照波形データを用いて正規化（時間軸の補正）することができる。従って、ステップＳ１２で記録された易動度の正規化データを用いて、分析対象物の同定を精度よく行うことができる。

以上の説明から分かるように、本発明における正規化の精度は、参照波形データの精度に依存する。一部のリファレンス検査室等でマーカを含む分析が可能な場合には、マーカの情報を用いて従来と同様に測定した易動度の正規化を行ない、参照波形データを準備することができる。

一方、マーカを混入できない分析法の場合には、自己組織化マップ（ＳＯＭ）によって決定した波形データを参照波形データとして用いることができる。ＳＯＭ及びこれを生成する方法は周知であるので詳細説明を省略するが、易動度の測定データに適用する場合に関して以下に説明する。上記したように、クロマトグラフィーや電気泳動法などによって測定された易動度の単位時間配列データ（微分係数ピーク変化点データの場合には、単位時間配列データに変換する）が対象である。

先ず、マーカを混入できない分析法で測定した複数の波形データの中から、代表的な波形データを選択し、目視でこの波形データを補正し、初期の参照波形データとする。次に、この参照波形データを用いて、ＳＯＭによるクラスタリングを行い、典型的な波形データを抽出する。抽出された波形データが、本実施の形態で使用される参照波形データである。

このとき、ＳＯＭによるクラスタリングによって典型的な波形データが抽出されなければ、抽出されるまで、上記の補正操作を繰り返し、精度の高い参照波形データを作成することもできる。図６に、キャピラリー電気泳動法による測定データを用いて求めた参照波形データの一例を示す。図６では、３６個の参照波形データによってＳＯＭが構成されている。参照波形データの数は、対象領域の波形データの種類に応じて変更すると、補正の精度を高めることができる。

図２に示したフローチャートは一例であり、これに限定されない。例えば、図２では参照波形データ毎にＤＴＷ処理を行い、その結果を全て記録部に記録する場合を説明したが、これに限定されず、最も近似する参照波形データに関するＷＦを求めることさえできれば、別の処理であってもよい。１つの参照波形データに対してＤＴＷ処理を行った後、前回の別の参照波形データに対するＤＴＷ処理の結果と比較して、ＤＴＷ距離の小さい方のＷＦ（屈曲点の座標データ）のみを保存するようにしてもよい。

また、上記ではステップＳ１０において、傾き及び切片の中央値を採用し、外れ値を除外してＷＦを直線近似する場合を説明したが、これに限定されない。例えば、図５における傾きを大きさの順にソートしたグラフにおいて、変動が少ない領域の１つの値を使用してもよく、変動が少ない領域の平均値を使用してもよい。切片に関しても同様である。

上記したように生成されたＳＯＭの参照波形データさえあれば、一般病院の検査室などで、マーカを使用しない分析方法において易動度を補正することができる。このとき、ＳＯＭのテンプレート（参照波形データ）は、多くの症例を積み重ねることによって、より精度の高い物を生成することができるため、適宜新たなＳＯＭを一般病院などに提供することが望ましい。

また、上記した実施の形態に係る易動度の正規化方法を物質の検出方法に適用することができる。本発明の正規化方法を利用した物質の検出方法は、例えば、図１に示した正規化装置１と同様の装置を用いて実行することができる。以下に、本発明の正規化方法を利用した蛋白質の検出方法について、正規化装置１と同じ構成の装置を用いて実行することとして、図１の符号を参照して説明する。

先ず、教師データを用いた学習によって、検出ルールである決定木を求める。具体的には、演算処理部１１が、健常者と所定の疾患に罹病している患者を含む被験者の集合に関して、各被験者から取得された検体を用いて測定された易動度を測定装置２から受信し、記録部１３に記録する。次に、演算処理部１１は、記録部１３に記録した測定データを読み出し、本発明の正規化方法を用いて補正する。次に、演算処理部１１は、予め記録部１３に記録された、各被検者の疾患の有無を示す情報（以下教師データと記す）を、記録部１３から読み出し、教師データと正規化された測定データを用いて学習を行い、所定の疾患に関係する蛋白質を分類する決定木を求める。こうして決定木が求められた後は、一般の被験者（上記集合以外の被験者）に関する易動度の測定データを本発明の正規化方法を用いて補正したデータに対して、この決定木を検出ルールとして適用することによって、その被験者が所定の疾患に関係する蛋白質を有しているか否かを判断することができる。ここで、決定木、及び決定木を求める方法は公知であるので、説明を省略する。

また、実施例として後述するように、このようにして決定された決定木を、コンピュータプログラムとして実現することができる。さらには、決定木に該当するデータ構造を有するコンピュータデータとして実現することもできる。決定木をコンピュータデータとして実現した場合には、このデータ構造に含まれる各データを、検出のパラメータとするコンピュータプログラムで実行すればよい。

また、易動度の正規化処理または蛋白質の検出処理をサービスとして提供することもできる。例えば、サービス提供機関に、測定装置２を除いて図１と同様に構成され、通信ネットワークに接続されたサーバコンピュータを設置する。サービス機関は、一般病院などの外部機関から易動度の測定データを受け取って、サーバコンピュータを用いて本発明の正規化処理を実行して測定データを補正し、補正後のデータを依頼者である外部機関に提供する。サービス機関は、さらに、補正後のデータを用いて本発明の蛋白質検出処理を行い、その結果を依頼者である外部機関に提供することもできる。このとき、易動度の測定データのサーバコンピュータへの供給、および処理結果のデータの依頼者への提供には、通信ネットワークを介した通信や、フレキシブルディスク、ＣＤ−ＲＯＭ、ＵＳＢメモリなどの可搬性の記録媒体を用いて行うことができる。

また、上記では一例として蛋白質を検出する場合について説明したが、分析対象物はこれに限定されず、易動度によって分析可能な物質であれば、本発明を適用することによって、精度良く易動度を補正することができ、よって分析対象物を精度良く検出することができる。例えば、分析対象物に応じて測定装置の検出器を変えれば、それぞれの物質特有の波形を得ることができ、この波形を精度良く補正することができる。例えば、細菌の同定や抗生物質の耐性率なども精度良く行うことができる。

以下に実施例を示し、本発明の特徴とするところをより一層明確にする。

図７、図８は、クロマトグラフィーにおいてＤＴＷ処理によって求めたＷＦと、その近似直線とを示す一例のグラフである。図７は、図６に示したＳＯＭである参照波形データを用いて、最も類似した波形と比較した結果であり、ＷＦはほぼ直線になっている。一方、図８は、ＳＯＭの参照波形データを利用しなかった場合のＷＦであり、易動度の傾向は把握できるが、直線部分が少なく、これから求めた傾き及び切片を用いて易動度を補正した場合、誤差が大きくなると考えられる。このように、ＳＯＭによって求めた参照波形データを用いることで、精度良く易動度を補正可能であることが分かる。検体中の特殊な蛋白質の存在などによって、易動度の測定波形の一部に異常なピークが出現し、ＷＦが歪んだとしても、直線近似で易動度を補正することができる。

図９は、上記したように易動度を補正した結果の一例を示すグラフである。図９では、参照波形データと、測定データを補正した結果とを重ねて表示している。図９から、本発明の正規化方法によって、易動度の補正が精度良く行なわれていることが分かる。

本発明をキャピラリー電気泳動法の測定データに適用した例を説明する。本実験例では、測定装置としてベックマンコールター社製ＣＺＥ２０００を使用し、同装置から出力される未補正の測定データを使用した。マーカとしてジメチルホルムアミドを用いて測定を行い、マーカ補正を行ってＳＯＭを求め、参照波形データを決定した。

図１０は、測定データを、アルブミンの易動度を４００、マーカ（ジメチルホルムアミド）のγ領域側の易動度を８００としてマーカ補正した測定データの一例を示すグラフである（易動度が４００、８００の位置に、それぞれアルブミン、ジメチルホルムアミドによるピークが見られる）。図１０の左側のマーカのピークは、不安定であったので、マーカ補正の基準には使用しなかった。

図１１は、マーカ補正を行っていないある測定データとＤＴＷ処理で決定した最も近似する参照波形データとに関するＷＦを示すグラフである。図１１には、ＷＦの近似直線を重ねて描画している。ＤＴＷ距離は、４．８１００７×１０²であり、傾きα＝２．３７１、切片β＝−５４．５２９である。

図１２は、図１１に示したＷＦから得られた傾きα、切片βを用いて本発明の正規化方法で正規化された測定データのグラフ（破線）である。参考として、参照波形データ（マーカを用いて補正された波形）を実線で示している。このように、本発明の正規化方法によって、マーカ補正を行わずに、易動度を補正することができた。なお、図１２の易動度（横軸）は、図１０の易動度から３００を減算した値であり、例えば、図１０における易動度＝４００は、図１２では易動度＝１００に対応する。

本発明の正規化方法の精度に関して説明する。ここでは、実施例２と同様に、マーカとしてジメチルホルムアミドを使用し、アルブミンの易動度をキャピラリー電気泳動法で測定し、２３４４個の波形（測定データ）を採取し、これらの測定データをマーカで補正し、ＳＯＭを求め、参照波形データを決定した。また、アルブミンを含むＭ蛋白の検体に関して同様に測定し、１４個の波形（測定データ）を採取し、各測定データを本発明の正規化方法で補正した。

２３４４個のマーカ補正した後の波形データに関して、アルブミンの易動度（易動度が１００付近のピーク位置）を統計処理した結果、平均値（Ｍｅａｎ）が１０６．３、標準偏差（ＳＤ）が１．０１であった。一方、Ｍ蛋白を含む検体に関する測定データを本発明の正規化方法で補正して得られた１４個の波形データに関して、同様にアルブミンの易動度を統計処理した結果、平均値（Ｍｅａｎ）が１０６．５、標準偏差（ＳＤ）が１．４０であった。従って、本発明によって、マーカを使用した補正方法と同等の精度、若しくは若干誤算の大きい程度の精度で易動度を補正できることが分かる。

また、Ｍ蛋白の易動度（易動度が３６０付近のピーク位置）に関して、同様に統計処理した結果、平均値（Ｍｅａｎ）が３６１．４、標準偏差（ＳＤ）が１．３９であった。比較のために、Ｍ蛋白を含む検体に関する測定データ（Ｍ蛋白を持つ骨髄腫の患者から得た同じ検体を、１４回測定した波形データであり、ロット、分析機構のばらつきを含む）をマーカで補正し、Ｍ蛋白の易動度に関して統計処理した。その結果、Ｍ蛋白の易動度に関して、平均値（Ｍｅａｎ）が３６１．６、標準偏差（ＳＤ）が０．９３であった。この結果からも、本発明の正規化方法は、マーカによる補正と同程度の精度であることが分かる。

図１３は、上記した精度の検証で使用した参照波形データおよびＭ蛋白の補正後の波形データを示すグラフである。破線の波形は、Ｍ蛋白の測定データを本発明の正規化方法で補正した後の、１４個の波形のひとつであり、実線の波形は、破線の波形に最も近似する参照波形である。１００付近のピーク（実線および破線）はアルブミンの易動度を表し、３６０付近のピーク（破線）はＭ蛋白の易動度を表している。このＭ蛋白の症例は、正常の補体のピーク（矢印部分の実線）と重なって、目視では補体と最も間違えやすい波形ピークの症例であるが、本発明の正規化方法を適用することによって、Ｍ蛋白のピークを補体のピークと明確に分離できることが分かる。

本発明の正規化方法を応用した蛋白質の検出方法を、Ｍ蛋白の検出に適用した例を説明する。ここでは、６０８件の健診検体、８９件のＭ蛋白事例を用いて、上記したようにＭ蛋白を検出する決定木を求めた。その結果、図１４に示す２０行で記述される検出ルールが得られた。ここで、アルブミンの易動度を４００、マーカであるジメチルホルムアミドのγ領域側の易動度を８００として、測定データを補正し、ＳＯＭを求めて決定した参照波形データを使用した。

図１４の検出ルールは、決定木の構造をしている。図１４において、各行の左端の数値（例えば、第１行では７７９）は易動度を表し、不等号（＜または＞）及び等号（＝）は、左辺と右辺の大小関係を指定する判定符合を表す。判定符合の意味は、通常のコンピュータプログラミングにおける意味と同じである。判定符号の右辺の数値（例えば、第１行では０．０００４８）は吸光度を表す。また、各行のコロン（：）の右側には最終の検出結果が表示されており、Ｎｏｒｍａｌ、Ｍｐｒｏはそれぞれ健常者、Ｍ蛋白事例であることを表し、括弧内の数値はそれぞれに該当する件数を表す。従って、Ｎｏｒｍａｌ、Ｍｐｒｏのそれぞれについて括弧内の数値を加算すると、検出ルールを求めるのに使用したデータ件数である６０８、８９となっている。この検出ルールは、楕円で示したように、Ｍ蛋白の症例をエラー無く６４件検出することができる。また、この検出ルールを、約８０００件の正規化後の測定データに適用した結果、エラー率０％でＭ蛋白事例を検出することができた。

なお、図１４に示した各行の判定式の判定対象、即ち易動度と、判定符号（不等号、等号）とは、アルブミンの易動度を４００とし、マーカであるジメチルホルムアミドのγ領域側の易動度を８００とする限り殆ど変化しないが、判断の基準値である吸光度は、測定データや学習に依存して変化し得る値であって、図１４に示した値に限定されない。

比較として、図１５に、従来の特許文献２、３による方法を用いて求めた決定木を示す。具体的には、上記と同じ６０８件の健診検体、８９件のＭ蛋白事例に関する正規化後の各波形データを微分し、各波形の特徴量として、波形の位置ｘ、高さｙ、左半値幅ｌｈｗおよび右半値幅ｒｈｗを算出し、これらを使用して学習を行った。図１５では、図１４と同様の表記法を用いているが、判定の対象が易動度では無く、波形の位置ｘ、高さｙ、左半値幅ｌｈｗ、右半値幅ｒｈｗである点、及び、括弧の中の斜線（/）の右側にエラー件数を示している点が、図１４と異なる。図１５では、検出ルールの一部のみを示しており、検出ルールは、全体で３４７行の判定式によって構成されており、非常に複雑である。また、例えば第６行の判定結果（正解８４０件、エラー３５件）から、検出精度も不十分であることが分かる。従って、本発明の正規化方法を応用した物質、特に蛋白質の検出方法が非常に有効であることが分かる。

本発明の実施の形態に係る易動度の正規化装置の概略構成を示すブロック図である。 本発明の実施の形態に係る易動度の正規化装置の動作を示すフローチャートである。 （ａ）及び（ｂ）は、それぞれ単位時間配列データ及び微分係数ピーク変化点データを示すグラフである。 ＤＴＷ処理を示す概念図である。 本発明の実施の形態に係る正規化方法におけるＷＦの傾きを求める処理を示す概念図である。 キャピラリー電気泳動法による測定データを用いて求めたＳＯＭの一例を示す図である。 クロマトグラフィーにおいてＤＴＷ処理によって求めたＷＦと、その近似直線とを示す一例のグラフである。 クロマトグラフィーにおいてＤＴＷ処理によって求めたＷＦと、その近似直線とを示す一例のグラフである。 クロマトグラフィーによって測定した易動度を補正した結果の一例を示すグラフである。 キャピラリー電気泳動法の測定データをマーカ補正した結果の一例を示すグラフである マーカ補正を行っていない測定データとＤＴＷ処理で決定した最も近似する参照波形データとに関するＷＦを示すグラフである。 図１１に示したＷＦから得られた傾き及び切片を用いて本発明の正規化方法で正規化された測定データ、及び対応する参照波形データを示すグラフである。 キャピラリー電気泳動法におけるＭ蛋白の補正後の波形データ及び参照波形データを示すグラフである。 本発明に係る物質検出方法で使用されるＭ蛋白の検出ルールを示す図である。 従来技術を用いて求めたＭ蛋白の検出ルールを示す図である。

符号の説明

１ 易動度の正規化装置
１１ 演算処理部
１２ 一時記憶部
１３ 記録部
１４ 操作部
１５ 表示部
１６ 入出力インタフェース部
１７ 通信インタフェース部
１８ 内部バス
２ 測定装置

Claims (21)

1. 複数の参照波形データを記録した記録手段と処理手段とを備え、
   前記処理手段が、
   外部から取得した易動度の測定データが単位時間配列データである場合、前記測定データを被補正データとし、
   外部から取得した易動度の測定データが時間情報と測定値とを対応させた複数の２次元データである場合、これらの２次元データを補間して単位時間配列データである被補正データを生成し、
   前記記録手段から複数の前記参照波形データを読み出し、前記被補正データを複数の前記参照波形データの各々に変換する複数のワーピング関数、及び各ワーピング関数に対応するＤＴＷ距離を求め、
   複数の前記ＤＴＷ距離のうちの最小値を求め、求められた最小のＤＴＷ距離に対応する前記ワーピング関数を決定し、
   決定された前記ワーピング関数を近似する直線の傾き及び切片を求め、
   前記傾き及び切片で指定される一次関数を用いて前記被補正データを補正することを特徴とする易動度正規化装置。
2. 前記処理手段が、
   決定された前記ワーピング関数の任意の屈曲点間の傾きを計算し、
   複数の前記屈曲点間の傾きを大きさの順に並べた場合に両端の所定領域に含まれる傾きを除外して、前記屈曲点間の傾きから前記ワーピング関数を近似する前記直線の傾きを求めることを含むことを特徴とする請求項１に記載の易動度正規化装置。
3. 前記処理手段が、複数の前記屈曲点間の傾きの中央値を、前記ワーピング関数を近似する前記直線の傾きとして決定することを特徴とする請求項２に記載の易動度正規化装置。
4. 複数の前記参照波形データが、マーカ物質を含む検体の易動度の測定データを、マーカ物質の易動度を用いて補正したデータであることを特徴とする請求項１〜３の何れかの項に記載の易動度正規化装置。
5. 複数の前記参照波形データが、複数の易動度の測定データを用いて生成された自己組織化マップを構成するデータであることを特徴とする請求項１〜４の何れかの項に記載の易動度正規化装置。
6. 複数の参照波形データを記録した記録手段と処理手段とを備えた装置において当該装置が行う方法であって、
   前記処理手段が、易動度の測定により得られた単位時間配列データである被補正データを、複数の前記参照波形データの各々に変換する複数のワーピング関数、及び各ワーピング関数に対応するＤＴＷ距離を求める第１ステップと、
   前記処理手段が、複数の前記ＤＴＷ距離のうちの最小値を求め、求められた最小のＤＴＷ距離に対応する前記ワーピング関数を決定する第２ステップと、
   前記処理手段が、決定された前記ワーピング関数を近似する直線の傾き及び切片を求める第３ステップと、
   前記処理手段が、前記傾き及び切片で指定される一次関数を用いて前記被補正データを補正する第４ステップとを含むことを特徴とする易動度正規化方法。
7. 前記易動度の測定によって得られるデータが、時間情報と測定値とを対応させた２次元データであり、
   前記被補正データが、複数の前記２次元データを補間して生成された単位時間配列データであることを特徴とする請求項６に記載の易動度正規化方法。
8. 前記第３ステップが、
   前記処理手段が、前記第２ステップで決定された前記ワーピング関数の任意の屈曲点間の傾きを計算する第５ステップと、
   前記処理手段が、前記屈曲点間の傾きを大きさの順に並べた場合に両端の所定領域に含まれる傾きを除外して、前記屈曲点間の傾きから前記ワーピング関数を近似する前記直線の傾きを求める第６ステップとを含むことを特徴とする請求項６又は７に記載の易動度正規化方法。
9. 前記第６ステップが、複数の前記屈曲点間の傾きの中央値を、前記ワーピング関数を近似する前記直線の傾きとして決定するステップであることを特徴とする請求項８に記載の易動度正規化方法。
10. 複数の前記参照波形データが、マーカ物質を含む検体の易動度の測定データを、マーカ物質の易動度を用いて補正したデータであることを特徴とする請求項６〜９の何れかの項に記載の易動度正規化方法。
11. 複数の前記参照波形データが、複数の易動度の測定データを用いて生成された自己組織化マップを構成するデータであることを特徴とする請求項６〜１０の何れかの項に記載の易動度正規化方法。
12. 複数の参照波形データを記録した記録手段と処理手段とを備えたコンピュータに、
    前記処理手段が、
    易動度の測定により得られた単位時間配列データである被補正データを、複数の前記参照波形データの各々に変換する複数のワーピング関数、及び各ワーピング関数に対応するＤＴＷ距離を求める第１の機能と、
    複数の前記ＤＴＷ距離の最小値を求め、求められた最小のＤＴＷ距離に対応する前記ワーピング関数を決定する第２の機能と、
    決定された前記ワーピング関数を近似する直線の傾き及び切片を求める第３の機能と、
    前記傾き及び切片で指定される一次関数を用いて前記被補正データを補正する第４の機能と、
    を実現させることを特徴とする易動度正規化プログラム。
13. 請求項６〜１１の何れかの項に記載した易動度正規化方法における前記処理手段による第１〜第４ステップをコンピュータに実行させる際に、前記参照波形データとして使用される自己組織化マップであって、
    検体の易動度の測定により得られた単位時間配列データである被補正データを、目視によって補正して得られる波形データ、若しくは、マーカ物質を含む検体の易動度の測定により得られた単位時間配列データである被補正データを、前記マーカ物質の易動度によって補正して得られる波形データを用いたコンピュータによる学習処理によって生成されることを特徴とする自己組織化マップ。
14. 請求項１３に記載の自己組織化マップを記録したコンピュータ読取可能な記録媒体。
15. 教師データを用いた学習によって求められる決定木を検出ルールとして用いる物質の検出方法であって、
    前記決定木が、
    複数の検体の易動度の測定データを、請求項６〜１１の何れかの項に記載の易動度正規化方法を用いて補正することによって得られた正規化データと、
    前記測定データに対応した、所定の物質の有無を表す情報を含む前記教師データと
    を用いた学習によって求められる決定木であることを特徴とする物質検出方法。
16. 前記物質がＭ蛋白であり、
    アルブミンの易動度を４００とし、ジメチルホルムアミドのγ領域側の易動度を８００とした場合、前記決定木が、式１に示す検出ルールとして記述され、
    

    

    式１において、各行の左端の数値が易動度を表し、不等号及び等号が、左辺と右辺の大小関係を指定する判定符号を表し、判定符号の右辺の数値が吸光度を表し、各行のコロン記号の右側に最終の検出結果を表示し、Ｎｏｒｍａｌが健常者であることを表し、ＭｐｒｏがＭ蛋白事例であることを表し、括弧内の数値がそれぞれに該当する件数を表すことを特徴とする請求項１５に記載の物質検出方法。
17. コンピュータに、教師データを用いた学習によって求められた決定木を検出ルールとして用いて、物質を検出する機能を実現させる物質の検出プログラムであって、
    前記決定木が、
    複数の検体の易動度の測定データを、請求項６〜１１の何れかの項に記載の易動度正規化方法を用いて補正することによって得られた正規化データと、
    前記測定データに対応した、所定の物質の有無を表す情報を含む前記教師データと
    を用いた学習によって求められる決定木であることを特徴とする物質検出プログラム。
18. 物質の検出に使用される検出ルールの生成方法であって、
    コンピュータを用い、複数の検体の易動度の測定データを、請求項６〜１１の何れかの項に記載の易動度正規化方法を用いて補正し、正規化データを生成する第１ステップと、
    前記測定データに対応した、所定の物質の有無を表す情報を含む教師データ、及び前記正規化データを用い、学習によって決定木を求めて、検出ルールとする第２ステップとを含むことを特徴とする物質検出ルール生成方法。
19. 教師データを用いた学習によって求められ、物質の検出ルールとして使用される決定木のデータ構造であって、
    前記決定木が、
    複数の検体の易動度の測定データを、請求項６〜１１の何れかの項に記載の易動度正規化方法を用いて補正することによって得られた正規化データと、前記測定データに対応した、所定の物質の有無を表す情報を含む前記教師データとを用いた学習によって求められる決定木であることを特徴とする、決定木のデータ構造。
20. 前記物質がＭ蛋白であり、
    アルブミンの易動度を４００とし、ジメチルホルムアミドのγ領域側の易動度を８００とした場合、前記検出ルールが、式２に示す検出ルールとして記述され、
    

    

    式２において、各行の左端の数値が易動度を表し、不等号及び等号が、左辺と右辺の大小関係を指定する判定符号を表し、判定符号の右辺の数値が吸光度を表し、各行のコロン記号の右側に最終の検出結果を表示し、Ｎｏｒｍａｌが健常者であることを表し、ＭｐｒｏがＭ蛋白事例であることを表し、括弧内の数値がそれぞれに該当する件数を表すことを特徴とする請求項１９に記載の決定木のデータ構造。
21. 請求項１９又は２０に記載の決定木のデータ構造のデータを記録したコンピュータ読取可能な記録媒体。

Images