JP5496650B2 - サンプル内の個々の要素を識別及び定量化するために分光測定データを分析するシステム、方法及びコンピュータプログラム製品 - Google Patents
サンプル内の個々の要素を識別及び定量化するために分光測定データを分析するシステム、方法及びコンピュータプログラム製品 Download PDFInfo
- Publication number
- JP5496650B2 JP5496650B2 JP2009501695A JP2009501695A JP5496650B2 JP 5496650 B2 JP5496650 B2 JP 5496650B2 JP 2009501695 A JP2009501695 A JP 2009501695A JP 2009501695 A JP2009501695 A JP 2009501695A JP 5496650 B2 JP5496650 B2 JP 5496650B2
- Authority
- JP
- Japan
- Prior art keywords
- samples
- ions
- present
- factorization
- metabolites
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 50
- 238000004611 spectroscopical analysis Methods 0.000 title claims description 9
- 238000004590 computer program Methods 0.000 title description 14
- 239000011159 matrix material Substances 0.000 claims description 109
- 150000002500 ions Chemical class 0.000 claims description 91
- 238000001228 spectrum Methods 0.000 claims description 89
- 239000002207 metabolite Substances 0.000 claims description 47
- 238000010828 elution Methods 0.000 claims description 37
- 238000005314 correlation function Methods 0.000 claims description 24
- 238000012880 independent component analysis Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 54
- 239000000523 sample Substances 0.000 description 39
- 239000012472 biological sample Substances 0.000 description 23
- 150000001875 compounds Chemical class 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000003595 spectral effect Effects 0.000 description 11
- 201000010099 disease Diseases 0.000 description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 10
- 230000002503 metabolic effect Effects 0.000 description 10
- 150000003384 small molecules Chemical class 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 7
- 230000004060 metabolic process Effects 0.000 description 6
- 239000003814 drug Substances 0.000 description 5
- 102000004169 proteins and genes Human genes 0.000 description 5
- 238000000556 factor analysis Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000037361 pathway Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000005194 fractionation Methods 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 210000005260 human cell Anatomy 0.000 description 2
- 238000004811 liquid chromatography Methods 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 238000002705 metabolomic analysis Methods 0.000 description 2
- 230000001431 metabolomic effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002676 xenobiotic agent Substances 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 241000475481 Nebula Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003851 biochemical process Effects 0.000 description 1
- 230000001851 biosynthetic effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 230000036978 cell physiology Effects 0.000 description 1
- 238000000658 coextraction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007876 drug discovery Methods 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000006241 metabolic reaction Methods 0.000 description 1
- 238000001823 molecular biology technique Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 229940124597 therapeutic agent Drugs 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000012085 transcriptional profiling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/80—Data visualisation
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biochemistry (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Library & Information Science (AREA)
- Crystallography & Structural Chemistry (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Description
X=GF (1)
ここで、Xは入力行列Xである(Xは、例えばn行及びp列から構成する)。さらに、G及びFは、第1及び第2の結果行列を示す(ここで、Gはn行とk列から構成し、Fはk行とp列から構成する)。kは一般にpよりも小さく、かつkは、例えば入力行列XのSVDからのスクリー・プロット(Scree plot)から決定されることは、当業者は理解されよう。(典型的なデータ行列Xから結果として生じた)典型的な結果行列の組G、Fが、例えば図4に示されている。
Σi,j(((X−GF)i,j)/Si,j)2 (2)
ここで、この解決策は、結果行列G及びFの全ての要素が負でないことを要求されるという点で更に制限される。例えば、Lee 及び Seungにより概要が説明されているように、G及びFを決定するために最適化された様々な他の基準が存在する。これらの制約により、サンプルの中の成分410のスペクトルがG及びFの行列乗算によって復元されるように、プロセッサ装置130が正の基本的な成分を有する固有値を確実に発生できるようにされる。Gはサンプルを用いてほぼ純粋な成分の相対濃度を予想するために使用することができ、またFは本願でさらに説明するように、イオンの組及びほぼ純粋な成分のスペクトルの相対輝度を明らかにする。
X=GS−1SF (3)
ここで、Sはkxk行列であり、S−1はその逆数である。Sは、結果行列G及びFの解釈能力を高めるように選択することができる。別の実施形態によれば、因数分解関数は下記のように別の方法で表すことができる。
X=GDF (4)
ここで、Dはkxk行列である(それは、結果行列G及びFの解釈能力を高めるように選択することもできる)。
Claims (22)
- 複数のサンプルの全体にわたって分析装置から受信されたデータを分析するシステムであって、 前記複数のサンプルのそれぞれに対応するデータ行列を自動的に受信するため、前記分析装置と通信するデータベースであって、前記データ行列が、それぞれが前記複数のサンプルの一に対応する複数の行と、それぞれが前記それぞれのサンプルの中に存在する複数のイオンの一に対応する複数の列とを含む、データベースと、
前記データベースと通信するプロセッサ装置であって、前記複数のサンプルの複数の成分の一つに含まれる前記列内の複数のイオンの一部、および前記複数の行中の前記複数のサンプルにおける前記一つの成分の存在を決定するため、前記データ行列上で因数分解を実行し、前記それぞれの成分が前記複数のサンプル中に存在する前記イオンの一部から成る未確認の代謝産物を示すようにしてなる、プロセッサ装置と、
前記複数のサンプルの全体にわたって存在する複数の成分の1つに対応する未確認の代謝産物を目で見えるように表示するように構成された、前記データベース及び前記プロセッサ装置と通信するユーザーインターフェースと
を備える、システム。 - 前記因数分解が非負行列因子分解を含む請求項1に記載のシステム。
- 前記因数分解が独立成分分析因数分解を含む請求項1に記載のシステム。
- 前記プロセッサ装置が、因数分解から固有値を決定することができるように更に構成され、前記固有値が、複数のサンプルの中に存在する複数の未確認の代謝産物と、前記複数のサンプルのそれぞれの中に存在する複数の未確認の代謝産物の少なくとも1つの相対濃度と、前記複数の未確認の代謝産物の少なくとも1つの中に存在する複数のイオンの少なくとも一部を示す、前記複数の未確認の代謝産物の少なくとも1つのスペクトルとから構成されるグループから選択される請求項1に記載のシステム。
- 前記プロセッサ装置が、相関関数から固有値を決定することができるように構成され、前記固有値が複数のサンプルの全体にわたって共通スペクトルを含み、前記共通スペクトルが複数のイオンの少なくとも一部の組合せを含み、複数のサンプルの中に存在する複数の未確認の代謝産物の少なくとも一部に対応する請求項4に記載のシステム。
- 前記プロセッサ装置が、複数のサンプル内に存在する複数の未確認の代謝産物の少なくとも1つに対応する共通スペクトルを、複数の既知の代謝産物に対応する複数の既知のスペクトルと比較できるようにさらに構成され、複数のサンプル内における複数の既知の何らかの代謝産物の有無を特定する請求項5に記載のシステム。
- 前記プロセッサ装置が、複数の未確認の代謝産物の少なくとも1つのスペクトルを複数の既知の代謝産物に対応する複数の既知のスペクトルと比較することができるようにさらに構成され、複数のサンプルの中における複数の既知の代謝産物の有無を特定する請求項4に記載のシステム。
- 複数の既知のスペクトルを記憶するために前記データベースと通信するメモリ装置をさらに備える請求項6又は7に記載のシステム。
- 前記分析装置が、核磁気共鳴イメージング装置と、スペクトロメトリ装置と、電気化学アレイ装置と、それらの装置の組合せとの少なくとも1つである請求項1に記載のシステム。
- 前記データベースによって自動的に受信された前記データ行列が前記分析装置によって集められたデータセットの一部であり、前記データセットがサンプルの中に複数のイオンが存在していることを示し、前記データセットが前記複数のサンプルの前記複数のイオンの少なくとも一部に対応する溶出時間と輝度を含み、前記データ行列が前記溶出時間における前記複数のイオンの少なくとも一部の輝度を含み、該溶出時間において、前記分析装置を用いて特定のイオンスペクトルが取得されるようにしてなる請求項1に記載のシステム。
- 前記プロセッサ装置が、溶出時間において複数のサンプルに対応するデータ行列を発生するため、前記対応する溶出時間に基づいて複数のイオンの相関を取ることによってデータセットを処理するように更に構成され、前記データ行列が、それぞれが前記複数のサンプルの一に対応する複数の行と、それぞれが前記それぞれのサンプルの中に存在する複数のイオンの一に対応する複数の列とを含む請求項10に記載のシステム。
- 前記プロセッサ装置が、複数のイオンの一部の輝度に少なくとも部分的に基づいて、複数のサンプルの複数の成分の1つに含まれる複数のイオンの一部を決定するため、前記データ行列上で因数分解を実行するようにさらに構成され、前記各成分が複数のイオンの少なくとも2つを含む請求項11に記載のシステム。
- 複数のサンプルの全体にわたって分析装置から受信されたデータを分析する方法であって、
前記複数のサンプルのそれぞれに対応するデータ行列を自動的に受信するステップであって、前記データ行列が、それぞれが前記複数のサンプルの一に対応する複数の行と、それぞれが前記それぞれのサンプルの中に存在する複数のイオンの一に対応する複数の列とを含む、ステップと、
前記データベースと通信するプロセッサ装置であって、前記複数のサンプルの複数の成分の一つに含まれる前記列内の複数のイオンの一部、および前記複数の行中の前記複数のサンプルにおける前記一つの成分の存在を決定するため、前記データ行列上で因数分解を実行するステップであって、前記それぞれの成分が前記複数のサンプル中に存在する前記イオンの一部から成る未確認の代謝産物を示すようにしてなる、ステップと、
前記複数のサンプルの全体にわたって存在する複数の成分の少なくとも1つに対応する前記未確認の代謝産物を目で見えるように表示するステップとを含む、方法。
- 前記因数分解を実行するステップが非負行列因子分解を実行するステップを更に含む請求項13に記載の方法。
- 前記因数分解を実行するステップが独立成分分析因数分解を実行するステップを更に含む請求項13に記載の方法。
- 因数分解から固有値を決定するステップをさらに含み、前記固有値が、複数のサンプルの中に存在する複数の未確認の代謝産物と、前記複数のサンプルのそれぞれの中に存在する複数の未確認の代謝産物の少なくとも1つの相対濃度と、前記複数の未確認の代謝産物の少なくとも1つの中に存在する複数のイオンの少なくとも一部を示す、前記複数の未確認の代謝産物の少なくとも1つのスペクトルとから構成されるグループから選択される請求項13に記載の方法。
- 前記決定するステップが、相関関数から固有値を決定するステップをさらに含み、前記固有値が複数のサンプルの全体にわたって共通スペクトルを含み、前記共通スペクトルが複数のイオンの少なくとも一部の組合せを含み、複数のサンプルの中に存在する複数の未確認の代謝産物の少なくとも1つに対応する請求項16に記載の方法。
- 複数のサンプルの中に存在する複数の未確認の代謝産物の少なくとも1つに対応する共通スペクトルを、複数の既知の代謝産物に対応する複数の既知のスペクトルと比較するステップをさらに含み、前記複数のサンプル内における複数の既知の何らかの代謝産物の有無を特定する請求項17に記載の方法。
- 複数の未確認の代謝産物の少なくとも1つのスペクトルを複数の既知の代謝産物に対応する複数の既知のスペクトルと比較するステップをさらに含み、複数のサンプル内における複数の既知の代謝産物の有無を特定する請求項16に記載の方法。
- 前記データベースによって自動的に受信された前記データ行列が前記分析装置によって収集されたデータセットの一部であり、自動的に受信するステップが、前記データセットを自動的に受信するステップをさらに含み、前記データセットがサンプルの中に複数のイオンが存在していることを示し、前記データセットが前記複数のサンプルの前記複数のイオンの少なくとも一部に対応する溶出時間と輝度を含み、前記データ行列が前記溶出時間における前記複数のイオンの少なくとも一部の輝度を含み、該溶出時間において、前記分析装置を用いて特定のイオンスペクトルが取得されるようにしてなる請求項13に記載の方法。
- 溶出時間において複数のサンプルに対応するデータ行列を発生するため、前記対応する溶出時間に基づいてデータセットの中で複数のイオンの相関を取るステップをさらに含み、前記データ行列が、それぞれが前記複数のサンプルの一に対応する複数の行と、それぞれが前記それぞれのサンプルの中に存在する複数のイオンの一に対応する複数の列とを含む請求項20に記載の方法。
- データ行列上で因数分解を実行するステップが、複数のイオンの一部の輝度に少なくとも部分的に基づいて、複数のサンプルの複数の成分の1つに含まれる複数のイオンの一部を決定するため、前記データ行列上で因数分解を実行するステップをさらに含み、前記各成分が複数のイオンの少なくとも2つを含む請求項21に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US78429606P | 2006-03-21 | 2006-03-21 | |
US60/784,296 | 2006-03-21 | ||
PCT/US2007/064385 WO2007109659A2 (en) | 2006-03-21 | 2007-03-20 | A system, method, and computer program product for analyzing spectrometry data to indentify and quantify individual components in a sample |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009530648A JP2009530648A (ja) | 2009-08-27 |
JP5496650B2 true JP5496650B2 (ja) | 2014-05-21 |
Family
ID=38372312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009501695A Active JP5496650B2 (ja) | 2006-03-21 | 2007-03-20 | サンプル内の個々の要素を識別及び定量化するために分光測定データを分析するシステム、方法及びコンピュータプログラム製品 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7561975B2 (ja) |
EP (1) | EP1997049B1 (ja) |
JP (1) | JP5496650B2 (ja) |
CA (1) | CA2646890C (ja) |
WO (1) | WO2007109659A2 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7981399B2 (en) | 2006-01-09 | 2011-07-19 | Mcgill University | Method to determine state of a cell exchanging metabolites with a fluid medium by analyzing the metabolites in the fluid medium |
US8948488B2 (en) * | 2009-07-31 | 2015-02-03 | General Electric Company | Methods and systems for digitally enhancing an image of a stained material |
EP2486504B1 (en) | 2009-10-02 | 2020-05-13 | Metabolon Inc. | Apparatus and associated method for analyzing small molecule components in a complex mixture |
US20130204582A1 (en) * | 2010-05-17 | 2013-08-08 | Dh Technologies Development Pte. Ltd | Systems and Methods for Feature Detection in Mass Spectrometry Using Singular Spectrum Analysis |
JP5742749B2 (ja) * | 2012-02-23 | 2015-07-01 | 株式会社島津製作所 | クロマトグラフ用データ処理装置及びデータ処理方法 |
US10860683B2 (en) | 2012-10-25 | 2020-12-08 | The Research Foundation For The State University Of New York | Pattern change discovery between high dimensional data sets |
JP6763770B2 (ja) | 2013-07-09 | 2020-09-30 | ステミナ バイオマーカー ディスカバリー, インコーポレイテッド | 自閉症スペクトラム障害のバイオマーカー |
US11093869B2 (en) * | 2014-02-13 | 2021-08-17 | Brewmetrix Inc. | Analytical system with iterative method of analyzing data in web-based data processor with results display designed for non-experts |
JP2017516085A (ja) | 2014-04-08 | 2017-06-15 | メタボルン インコーポレーティッド | 疾患診断および健康評価のための個々の対象の低分子生化学プロファイリングの方法 |
WO2015184048A1 (en) | 2014-05-30 | 2015-12-03 | Metabolon, Inc. | Method for analyzing small molecule components of a complex mixture in a multi-sample process, and associated apparatus and computer program product |
WO2016081534A1 (en) | 2014-11-19 | 2016-05-26 | Metabolon, Inc. | Biomarkers for fatty liver disease and methods using the same |
US9646139B1 (en) | 2014-12-08 | 2017-05-09 | Hongjie Zhu | Chemical structure-informed metabolomics data analysis |
CN104713971B (zh) * | 2015-04-01 | 2017-03-29 | 山东省肿瘤医院 | 一种利用食管癌初步筛查用血清代谢组学分析模型分析血清代谢组学的方法 |
JP7026625B2 (ja) | 2015-11-04 | 2022-02-28 | メタボロン,インコーポレイテッド | サンプルの質の自動評価 |
US10380222B2 (en) * | 2016-10-17 | 2019-08-13 | International Business Machines Corporation | Matrix factorization with two-stage data block dispatch associated with graphics processing units |
EP3561702A1 (de) * | 2018-04-23 | 2019-10-30 | Covestro Deutschland AG | Verfahren zum ermitteln einer produktkomposition für ein chemisches mischungsprodukt |
DE102018216637A1 (de) * | 2018-09-27 | 2019-09-12 | Carl Zeiss Smt Gmbh | Verfahren zur Faktor-Analyse bei der spektrometrischen Untersuchung einer Probe |
JP7460988B2 (ja) | 2021-01-22 | 2024-04-03 | 株式会社島津製作所 | クロマトグラフ質量分析装置 |
US20230137741A1 (en) | 2021-11-01 | 2023-05-04 | Matterworks Inc | Methods and compositions for analyte quantification |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2001262943A1 (en) | 2000-04-14 | 2001-10-30 | Metabolon, Inc. | Methods for drug discovery, disease treatment, and diagnosis using metabolomics |
US6996472B2 (en) * | 2000-10-10 | 2006-02-07 | The United States Of America As Represented By The Department Of Health And Human Services | Drift compensation method for fingerprint spectra |
CA2445431A1 (en) * | 2001-04-23 | 2002-10-31 | Metabometrix Limited | Methods for the diagnosis and treatment of bone disorders |
US6584413B1 (en) * | 2001-06-01 | 2003-06-24 | Sandia Corporation | Apparatus and system for multivariate spectral analysis |
US6675106B1 (en) * | 2001-06-01 | 2004-01-06 | Sandia Corporation | Method of multivariate spectral analysis |
US7668697B2 (en) * | 2006-02-06 | 2010-02-23 | Andrei Volkov | Method for analyzing dynamic detectable events at the single molecule level |
CA2476412C (en) * | 2002-03-22 | 2008-02-19 | Phenomenome Discoveries Inc. | Method of visualizing non-targeted metabolomic data generated from fourier transform ion cyclotron resonance mass spectrometers |
DE10392707B4 (de) * | 2002-05-31 | 2012-08-16 | Waters Technologies Corp. (N.D.Ges.D. Staates Delaware) | Verfahren zur Verwendung von Datenbinning bei der Analyse von Chromatographie-/Spektrometriedaten |
AU2003262824B2 (en) * | 2002-08-22 | 2007-08-23 | Applied Biosystems Inc. | Method for characterizing biomolecules utilizing a result driven strategy |
NZ539735A (en) * | 2002-10-02 | 2009-07-31 | Dmi Biosciences Inc | Diagnosis and monitoring of diseases using markers, such as diketopiperazines |
US7457708B2 (en) * | 2003-03-13 | 2008-11-25 | Agilent Technologies Inc | Methods and devices for identifying related ions from chromatographic mass spectral datasets containing overlapping components |
US7577538B2 (en) * | 2003-04-28 | 2009-08-18 | Cerno Bioscience Llc | Computational method and system for mass spectral analysis |
US7016219B1 (en) | 2003-12-16 | 2006-03-21 | Xilinx, Inc. | Single transistor non-volatile memory system, design, and operation |
WO2007019485A1 (en) | 2005-08-08 | 2007-02-15 | Metabolon Inc. | A system, method, and computer program product using a database in a computing system to compile and compare metabolomic data obtained from a plurality of samples |
-
2007
- 2007-03-20 CA CA2646890A patent/CA2646890C/en active Active
- 2007-03-20 US US11/688,526 patent/US7561975B2/en active Active
- 2007-03-20 WO PCT/US2007/064385 patent/WO2007109659A2/en active Application Filing
- 2007-03-20 EP EP07758894.5A patent/EP1997049B1/en active Active
- 2007-03-20 JP JP2009501695A patent/JP5496650B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
WO2007109659A3 (en) | 2007-11-08 |
CA2646890A1 (en) | 2007-09-27 |
EP1997049A2 (en) | 2008-12-03 |
US20070288174A1 (en) | 2007-12-13 |
WO2007109659A2 (en) | 2007-09-27 |
EP1997049B1 (en) | 2019-03-13 |
US7561975B2 (en) | 2009-07-14 |
JP2009530648A (ja) | 2009-08-27 |
CA2646890C (en) | 2012-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5496650B2 (ja) | サンプル内の個々の要素を識別及び定量化するために分光測定データを分析するシステム、方法及びコンピュータプログラム製品 | |
Gorrochategui et al. | Data analysis strategies for targeted and untargeted LC-MS metabolomic studies: Overview and workflow | |
Checa et al. | Lipidomic data analysis: tutorial, practical guidelines and applications | |
Hendriks et al. | Data-processing strategies for metabolomics studies | |
Karpievitch et al. | Normalization and missing value imputation for label-free LC-MS analysis | |
CA2618123C (en) | A system, method, and computer program product using a database in a computing system to compile and compare metabolomic data obtained from a plurality of samples | |
US7949475B2 (en) | System and method for analyzing metabolomic data | |
Gomase et al. | Metabolomics | |
Saccenti | Correlation patterns in experimental data are affected by normalization procedures: consequences for data analysis and network inference | |
US20160216244A1 (en) | Method and electronic nose for comparing odors | |
Fillet et al. | The emergence of metabolomics as a key discipline in the drug discovery process | |
WO2020105566A1 (ja) | 情報処理装置、情報処理装置の制御方法、プログラム、算出装置、及び算出方法 | |
Percival et al. | Univariate and multivariate statistical approaches to the analysis and interpretation of NMR-based metabolomics datasets of increasing complexity | |
Jansen et al. | PARAFASCA: ASCA combined with PARAFAC for the analysis of metabolic fingerprinting data | |
Jones et al. | An introduction to metabolomics and its potential application in veterinary science | |
Kalia et al. | Unsupervised dimensionality reduction for exposome research | |
Gahlaut et al. | Proteomics & metabolomics: Mapping biochemical regulations | |
EP2486504B1 (en) | Apparatus and associated method for analyzing small molecule components in a complex mixture | |
Ebbels et al. | Statistical methods in metabolomics | |
Noor et al. | iSwathX 2.0 for processing DDA spectral libraries for DIA data analysis | |
Mattsson | Analysis of LC-MS data in untargeted nutritional metabolomics | |
Boccard et al. | Integration of Metabolomic Data From Multiple Analytical Platforms: Towards Extensive Coverage of the Metabolome | |
Srivastava | Designing and sample size calculation in presence of heterogeneity in biological studies involving high-throughput data. | |
Truntzer et al. | Statistical approach for biomarker discovery using label-free LC-MS data: an overview | |
Yadav et al. | Multiomics approach for precision wellness |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110415 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110713 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110721 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110812 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110819 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110915 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110922 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110926 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120417 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120717 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120724 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120816 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120823 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120914 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120924 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121016 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130702 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130710 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140204 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140305 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5496650 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |