JPH0694696A - クロマトグラム解析方法及びクロマトグラフ装置 - Google Patents
クロマトグラム解析方法及びクロマトグラフ装置Info
- Publication number
- JPH0694696A JPH0694696A JP24766992A JP24766992A JPH0694696A JP H0694696 A JPH0694696 A JP H0694696A JP 24766992 A JP24766992 A JP 24766992A JP 24766992 A JP24766992 A JP 24766992A JP H0694696 A JPH0694696 A JP H0694696A
- Authority
- JP
- Japan
- Prior art keywords
- peak
- chromatogram
- sample
- area
- unknown
- 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.)
- Granted
Links
Landscapes
- Sampling And Sample Adjustment (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
速データ処理にてそれぞれのピークを定量計算する。 【構成】 データ解析部45内にニューラルネットワー
ク式ピーク面積分配機能61を設け、このニューラルネ
ットワークの結合定数(プロセス処理定数)を用いて未
知試料の重なったクロマトグラムピークのそれぞれの面
積を出力する。なお、ピークの重なりの他に、ピークと
ベースラインの重なりから、そのベースラインをニュー
ラルネットワークの結合定数を用いて決定できる。 【効果】 グリコヘモグロビン分析計においては、l−
Alcとs−Alcが充分に分離せずショルダーピーク
になっていても、定量正確さがs−Alcで3〜5%、
l−Alcで約10%の誤差に抑えられる。
Description
れるクロマトグラムの解析に関する。
ークの重なりから各ピークの面積,高さ等を求める場合
には、ピーク間の谷(極小点)から時間軸に対して垂直
分割したり、或いはテーリングピーク、リーディングピ
ークから副なるピークを直線により切り取るように分割
している。この方法は簡便であるが、ピークの定量の正
確さに欠け、真値より±50%も偏ることもしばしばあ
る。
an(G関数)やExponentially mod
ified Gaussian(EMG関数)等の解析
学的関数を用いた非線形最小2乗法を用いて重なりピー
クをフィッティングする技術や、さらに、非線形最小2
乗法のピークフィッティングを行うに際し、そのデータ
としてクロマトグラムの時間、波長、吸光度(強度)を
3軸とする3次元クロマトグラムのデータを用いるもの
が提案されている。
最小2乗法を用いた場合には、非線形最小2乗法に使用
する最適パラメータが思うように得られず、解が収束し
なかったりすることもあり、後者のように3次元クロマ
トグラムを利用する場合には、3次元情報を得なければ
ならい煩わしさがあり、さらに、ピーク同士に波長スペ
クトルの差異がなければフィッティングはかなり困難で
ある。
発明の目的は、時間軸と強度軸の2次元クロマトグラム
の情報から、しかも重なりピークのパターンが様々であ
っても各ピークの特徴(面積比率,ピーク高さ,保持時
間等)を精度良くとらえ、各ピークの定量誤差を数%程
度に抑えることが可能で、しかも、高速データ処理が可
能なクロマトグラム解析方法及びクロマトグラフ装置を
提供することにある。
とピークの重なりが種々のパターンで存在する場合で
も、これに対応して各クロマトグラムのベースラインの
決定を精度良く行って、精度の良いピーク定量を可能に
するクロマトグラム解析方法及びクロマトグラフ装置を
提供することにある。
的を達成するために、次のようなクロマトグラム解析法
を提案する。
なり合うピーク同士の面積、高さ、保持時間等を変えた
種々のパターンの重なりピークを予めシミュレートし、
これらのシミュレートデータから重なった各ピークの面
積、高さ又は保持時間が解として導けるブラックボック
スのプロセス処理定数を成立させ、このプロセス処理定
数を、ブラックボックスに入力される未知のクロマトグ
ラムの重なりピークのデータ解析に適用する(これを第
1−1課題解決手段とする)。
試料におけるクロマトグラムのピーク形状を得ると共
に、未知試料(ここで未知試料は標準試料と同一の成分
と他の成分とからなる一般検体である)におけるクロマ
トグラムのピーク形状を得、前記未知試料のピークに重
なりがあった場合、前記標準試料のピーク面積S1(或
いはピーク波形P1),高さh1と、前記未知試料の重
なりピークの総面積S2(或いは重なり波形P2),標
準試料と同一成分のピーク高さh2とから、未知試料の
他の成分のピーク面積S3(或いはピーク波形P3)
を、S3=S2−S1・h2/h1或いはP3=P2−
P1・h2/h1の関係式より算出する方法を提案する
(これを第1−2の課題解決手段とする)。
スラインとピークを合成した種々のパターンを予めシミ
ュレートし、これらのシミュレートデータからベースラ
イン態様が解として導けるブラックボックスのプロセス
処理定数を成立させ、このプロセス処理定数を、ブラッ
クボックスに入力される未知のクロマトグラムのベース
ライン決定のデータ解析に適用する(これを第2の課題
解決手段とする)。
課題解決手段におけるプロセス処理定数としては、ニュ
ーラルネットワークによる結合定数が代表的なもので、
これについては、実施例で詳述してある。
関数を用いて予め種々のパターンの重なりピークのクロ
マトグラムをシミュレートしておく。この場合、シミュ
レートするクロマトグラムの重なりパターンは、ピーク
形状関数に代入するパラメータを試行錯誤して、データ
作成者が望む最適なものを選択できる。これにより、そ
れぞれのピークの面積,ピーク高さ,保持時間等のいず
れかが分かっている様々なピーク重なりクロマトグラム
パターン(シミュレートデータ)が得られる。このピー
ク形状関数は、G関数やEMG関数等を使用するが、従
来のように実際のクロマトグラムのピークフィッティン
グに使用するのではなく、次に述べるプロセス処理定数
を成立させるためのシミュレートデータの作成として用
いられる。
重なりピークのクロマトグラム)をデータ処理手段たる
ブラックボックスに入力すると、そのデータの解(ここ
では、重なりピーク同士の面積,高さ、保持時間)を出
力側に導くためのものである。
いるシミュレートデータを用いれば、入力するシミュレ
ートデータに対し既知たる解が出力されるプロセス処理
定数値を学習機能により得ることができ、シミュレート
データが多様に存在するほど、それに適応した種々のプ
ロセス処理定数を成立させることができる。このように
して得られたプロセス処理情報を記憶しておく。ブラッ
クボックスに実際の未知のクロマトグラムが入力される
と、このクロマトグラムに近いシミュレートデータのプ
ロセス処理定数が適用されて、重なりピークのデータ解
析(例えば、ピーク同士の面積比率、ピーク高さ、保持
時間等)がされ、各ピークの定量計算が可能となる。
解析が最も近いシミュレートデータのプロセス処理定数
が使用されるので、データ解析に大きな誤差は生ぜず、
しかも、多種多様なパターンのデータ解析に適用でき
る。
ピーク面積S1,高さh1とし、一方、未知試料の重な
りピークの総面積S2,標準試料と同一成分のピーク高
さh2とした場合、S1・h2/h1は未知試料の中の
標準試料と同一成分のピーク面積に相当する。したがっ
て、未知試料のピークの総面積S2からS1・h2/h
1を差し引けば、未知試料の残りの成分のピーク面積S
3を簡易にしかも誤差を少なくして求めることができ
る。この方法は、ピーク面積S1をピーク波形P1、重
なりピークの総面積S2を重なりピーク波形P2、ピー
ク面積S3をピーク波形P3に置き換えることで、同様
に未知試料の各ピークの定量計算が可能となる。
データ解析対象を第1の課題解決手段のピーク同士の重
なりに代えて、ピークのベースラインとした。本発明の
場合、シミュレートしたクロマトグラムにおいては、解
としてのベースラインが既知であるので、この解を導く
ブラックボックスのプロセス処理定数もシミュレートデ
ータをブラックボックスに入力させて学習させることで
得ることができる。
ュレートデータを多種用意しておけば、それに対応のプ
ロセス処理定数を多種成立させて用意することができ
る。
グラムが入力されると、このクロマトグラムに近いシミ
ュレートデータのプロセス処理定数が適用されて、クロ
マトグラムのベースラインが精度良く決定され、各ピー
クの定量計算が正確に行い得る。
る。
クロマトグラフ装置の構成について説明する。図4はイ
オン交換クロマトグラフィによってグリコヘモグロビン
を分析する液体クロマトグラフのシステム構成図であ
る。
出を行うために溶離液A48,溶離液B49,溶離液C
50を、それぞれ1.9,1.0,0.4分間ずつ3.
3分間サイクルで切り換え送液する。可動ニードルを有
するサンプラ43はヘモグロビン(Hb)の標準試料5
2あるいは未知試料51を5μl吸引し、溶血希釈し、
この溶血希釈した試料が溶離液A48と共に分離カラム
41に送り込まれて、含有成分が分離展開され、可視吸
光度検出器42で検出される。この検出データであるク
ロマトグラムはデータ解析部45に記憶される。
チャートにしたがってクロマトグラムについてのピーク
の同定,定量計算を行うデータ分析機能を有し、図5に
示すように、ニューラルネットワーク式ピーク面積分配
機能61,ピーク検知機能62,ベースライン決定機能
63,ピーク同定機能64,微分計算機能65,クロマ
トグラム正規化機能66,定量計算機能67を備えてい
る。これらの機能については、図1のフローチャートに
おいて述べる。
マトグラムの一例で、このようにl−Alc(不安定形
ヘモグロビン)とs−Alc(安定形ヘモグロビン)の
ピークが重なっている場合には、それぞれのピーク面積
が正確に計量し難い。本実施例では、この計量の正確さ
を期すためにニューラルネットワークを用いて各ピーク
面積を行う。
クロマトグラム解析について、図1のフローチャートに
より説明する。
グラムが得られた時点で開始し(ステップ1)、ステッ
プ2において、クロマトグラムのピーク検知を行う。ピ
ーク検知は、ピーク検知機能62が各ピークの立上り増
加量がノイズ値の5倍相当量を3回上回った最初の点を
ピーク始点、この逆をピーク終点とする。ステップ3で
は、ベースライン決定機能63がクロマトグラムの最初
のピークの始点と、2.15minまでの最後のピーク
始点と、最後のピークの終点との3点をクロマトグラム
を上回らないように直線で結ぶ。例えば、図2に示すよ
うに、Alaの始点、s−Alcの終点、Aoの終点の
3点を直線で結ぶ。ステップ4ではピーク同定を行う。
ピーク同定は、ピーク同定機能64が予め用意されたタ
イムウィンドウ(ピーク同定の許容時間幅)の中に、リ
テンションタイム(ピーク最大点の時刻)があれば、そ
のタイムウィンドウの成分に固定する。クロマトグラム
上に極大点(各ピークの最大点)があれば、ここでピー
ク同定は完了する。
−Alcがショルダーピークとして重なっている場合に
は極大点同定方式では同定が不可能なので、この場合に
は、ピーク同定機能64はl−Alcが同定されない時
に微分計算機能65にピーク同定を行うように命令す
る。ピーク同定機能64は、s−Alcの立上り側(ピ
ークの左側)にピーク最大点から左へ下に凸の変曲点
(2次微分係数が0で1次微分が下に凸の点)が有るか
探索する。有れば、いずれかの変曲点がタイムウィンド
ウ内の時、l−Alcと同定する。無ければ同定せず、
ステップ5を経て、ステップ17へ進む。ここではs−
Alcを単一ピークとして、定量計算機能67がそのピ
ーク面積より定量し、その後、ステップ18で終了す
る。
同定が確認できれば、ステップ6以降にて同定されたピ
ークAla,Alb,F,l−Alc,s−Alc,A
oのピーク面積を求めて定量計算を行う。この定量計算
は、補正ファクターを各ピーク面積の乗じ、各ピークの
面積百分率を定量計算機能67により定量する。
点を絞り説明する。
に、a.垂直分割で行うか、b.ニューラルネットワー
クで行うか選択するが、この選択は予め操作者が選択し
ておく。
ップ7にてl−Alcの後方に谷(極小点)があるか調
べる。あれば、ステップ8にて谷からピーク面積を時間
軸に対して垂直に分割した後、ステップ10にて定量計
算を行いステップ18にて処理を終了する。
クによる定量モードが選択されている場合について説明
する。ニューラルネットワークのフローはステップ11
からステップ15に示される。
からs−Alcのピーク終点までの区間に谷(極小点)
が1個であるか調べる。2個以上であれば、ステップ1
6にて不能判定処理、すなわちニューラルネットワーク
による定量不能として、CRT46とプリンタ47から
「ニューロ定量できません」のようなメッセージが出力
され、ステップ6以降の垂直分割処理系へ移行する。0
個の場合は、l−Alcの1次微分が下に凸の変曲点
で、この変曲点がl−Alcのピーク始点からs−Al
cのピーク最大点までの区間に1個であるか調べる。そ
して、谷又は下に凸の変曲点が1個であれば、ステップ
12に進む。
機能12がl−Alcとs−Alcの重なったピークを
ニューラルネットワークにより定量するために縦軸,横
軸共
(a)に示すように、実際のクロマトグラムのl−Al
cの始点A、s−Alcの終点B、l−Alcかs−A
lcの最大点Cを正規化クロマトグラムへ投影する。A
を(0.0,0.0)、Bを(1.0,0.0)、Cを
縦軸の1.0になるようにする。ベースラインからA点
が図3のように浮き上がっている場合は、斜線部分を差
し引いて投影する。この正規化クロマトグラムをCRT
46とプリンタ47に出力する。
ニューラルネットワークに適したものかどうかを、正規
化クロマトグラムのl−Alcとs−Alcの合計ピー
ク面積が0.2以上かつ0.8以下であることから確認
する。0.2未満だとピークが充分にシャープであり完
全にピークが分かれているため、ステップ16にてニュ
ーラル定量不要として、0.8を超えていると異常にブ
ロードであり、ステップ16にてニューラルネットワー
ク定量不能として出力され、ステップ7に移行し垂直分
割の定量計算のモードになる。合計ピーク面積が0.2
〜0.8の範囲であれば、ステップ14に移行する。
式ピーク面積分配機能61が正規化クロマトグラムのl
−Alcとs−Alcが何%対何%の面積比率で占めら
れているかを計算する。ステップ15でこの求められた
面積比率で実際のクロマトグラムの面積で分配して定量
計算する。すなわち、図3に示すように点Aがベースラ
インから浮き上がっている場合は、便宜上ベースライン
より上の合計のピーク面積をニューラルネットワークで
求められた面積比率で分配する。ここで得られた面積比
率をCRT46とプリンタ47に出力する。後は通常の
処理同様にAlaからAoのピーク面積を用いて、面積
百分率を計算し、ステップ9にてこのフローが終了す
る。
面積分配機能61について図5により詳しく説明する。
ークはRumelhart型であり、ブラックボックス
たるニューラルネットワーク式ピーク面積分配機能61
が入力層、中間層、出力層からなる階層構造をもち、バ
ックプロゲーションによる教師付き学習方法を採用する
ことにより、予め解答の知っている学習用データ(教師
付きデータ)を入力層に入力させると、中間層が学習機
能によりその解答を出力層に導く結合定数群(プロセス
処理定数)を逐次修正しつつ算出する。出力を〔0,
1〕に正規化する関数にはSigmoid関数S(x)
=1/(1+exp(−x))を使用している。
層と中間層、中間層と出力層を結び付ける結合定数群
を、第3図(b)に示すような学習用シミュレーション
データを用いて逐次修正していく。
例を図3を用いて説明する。
の重なりのあるクロマトグラムで、例えばピークの形状
関数を用いてシミュレートすることにより作成でき、簡
単には数1式のG関数や数2式のEMG関数を用いて作
成できる。
の正方形の中におけるl−Alcとs−Alcの各ピー
クに関するそれぞれのtR(リテンションタイム),σ
(ピーク幅),τ(テーリングピーク),ピーク高さh
等のパラメータ(上記数1或いは数2式に用いるパラメ
ータ)を、適切な区間内でランダムに変動させて、図3
(b)に示すような、例えばピーク面積比率が10:9
0,20:80,30:70,40:60等の様々な重
なりパターンの学習用シミュレーションデータを数十種
作成する。但し、l−Alcとs−Alcは実際のクロ
マトグラムでは近接しているのでσとτは共通の値で近
似できる。また、ピーク始点及びピーク終点は正規化強
度軸で0.01の高さと便宜上決めておく。
データを補間し、教師データとして入力層に入力してい
く。この入力は、シミュレーションデータのAからBの
区間を時間軸座標に対して16分割してこの分割時点の
強度を16点与えて行う。出力層には教師データに対応
するs−Alcの面積比率(解答)を図1のステップ1
3に対応して0.2〜0.8の値で提示する。このよう
な教師付きデータを与えることで、各入力データごと
に、その解答を導くための結合定数群を中間層が学習に
より逐次修正しつつ成立する。
習用シミュレーションデータは解析学的関数以外でもシ
ミュレートすることができる。例えば、まず、実際のク
ロマトグラムから標準試料のs−Alcのピーク形状を
関数f(t)として抽出する。これは標準試料にはl−
Alcがほとんど含まれていないことによる。この関数
の特徴的パラメータとしてリテンションタイムtRとピ
ーク幅wを採用する。例えば、wはピーク面積Aとピー
ク高さhを使って数3式と定義しておく。
を定数に持つf(t)として表せば、tRとσを定数に
持つGaussian G(t)に対応する。以降は前
述した方法でこの実際のピーク形状の関数f(t)を用
いて、時間スケールと強度スケールを伸縮すれば、シミ
ュレートすることができる。
タσ,τ,wはより精密にシミュレートする場合、その
ピークのリテンションタイムを変数とする関数、例えば
σ(tR)=atR+bのように扱う必要がある。
ような学習を通して、クロマトグラフのデータ解析部4
5に予め記憶しておく。このような学習シミュレーショ
ン及び結合定数の算出は、クロマトグラフ装置製作の工
場側に集荷前に行ったり、ユーザ側に必要に応じて行っ
てもよい。また、クロマトグラフ装置に並列分散処理
(PDP;Parallel Distributed
Processing)専用のコンピュータを搭載し
ておけば、各分析の最初の標準試料を測定した際に、前
記実際のピーク形状の関数f(t)を用いて学習用教師
データをシミュレートし、これをニューラルネットワー
ク式ピーク面積分配機能61に入力させれば、その都度
結合定数を刷新することができる。
に記憶しておけば、未知なるピーク重なりのクロマトグ
ラムを入力層に入力した場合に、それに近い結合定数群
により、図1のステップ14におけるピーク面積比率が
求めることができる。
いて補足説明する。前述に実施例では重なったピークの
始点と終点を横軸の(0,0)と(1,0)に一次変換
し、重なったピークの最大点を縦軸1の高さに正規化し
ている。これはニューラルネットワークにより処理する
ため行っているが、他の正規化方法を用いることもでき
る。すなわち、横軸は上記同様に一次変換し、縦軸方向
は重なりピークの合計面積が1になるように正規化す
る。この場合、正規化ピークの高さが一つの指標とな
り、ニューラルネットワーク定量の不要,不能の判定に
利用できる。
間軸スケールをそのまま採用し、ピーク面積か高さを1
に正規化することもできる。これは補間処理する必要が
ない利点がある反面、教師データを若干多様化させる必
要がある。この他にも合計面積とピークの最大点を両方
とも1に正規化し、横軸をフレキシブルにしておく手法
がある。これはピークの始点、終点という数学的に定義
しにくいあいまいな点を決定する必要がない特徴があ
る。
積分配機能61では16点のパターンを入力層に入力し
ていたが、パターンの特徴量を入力させる手法もある。
すなわち、図3の正規化されたクロマトグラムから、最
大点、極大点、極小点(谷)と各変曲点の座標(x,
y)を数値入力することもできる。この方式は、入力層
及び中間層ユニットの数を最少限に減らせる特徴があ
る。
合定数のニューラルネットワークにより定量することも
可能であるが、クロマトグラムのパターンをクラス分け
し、各クラス専用の結合定数をもつニューラルネットワ
ークを対応させるほうがより効率良く正確に定量するこ
とができる。例えば、谷があるクラスと谷のないクラス
で分類するか、正規化クロマトグラムの面積で分類し、
0.2以上0.4未満をクラス1とし、0.4以上0.
6未満をクラス2とし、0.6以上0.8未満をクラス
3として、各クラス専用に処理する。一般のクロマトグ
ラムでは、ショルダーピークの定量、テーリングピーク
に小さなピークが重なっている場合の定量またはリーデ
ィングピークでの処理等にこのクラス分けの手法が有効
である。
フ全体を制御する制御部、53は分析条件決定部であ
り、分析条件決定部53は上記手法でクロマトグラムを
定量できない時に、溶離液の切換時間を修正すること等
を制御部44に命令し、分離の改善を図るフィードバッ
クを可能にしている。
述に面積比率だけではなく、ピーク高さや保持時間等の
クロマトグラムを記述する特徴量を設定することもでき
る。
グリコヘモグロビン分析のl−Alcとs−Alcの分
離において、従来の垂直ピーク分割方法では正確な定量
を得ようすると、7分間要したものが、本実施例では約
半分で3.3分間で同様に定量できるようになった。
直分割法では定量正確さが、s−Alcで20〜30
%、l−Alcで約50%の誤差を含んでいたが、この
ニューラルネットワークを用いる定量法では、s−Al
cで3〜5%、l−Alcで約10%の誤差に抑えられ
た。
する。
を採用せず、クロマトグラムの重なりピークの面積比率
を標準試料の実際のs−Alcのテーブルパターンを利
用して求める。
実際の標準試料s−Alcをクロマトグラフで分析し
て、そのクロマトグラムをテーブルパターンとして記憶
しておき、このテーブルパターンからピークの高さh1
と面積S1とを算出する。次に図7(b)に示すよう
に、未知試料のクロマトグラムを得て、s−Alcのピ
ークh2と重なりピーク(s−Alcとl−Alcの重
なりピーク)の総面積S2とを算出する。s−Alcの
ピークが小さく、頂点にならない場合は、変曲点の高さ
をh2とする。次いで、標準試料のs−Alcのピーク
面積S1を実際の未知試料のs−Alcの面積S1′に
相当させるために、ピーク高さh2とh1の比率h2/
h1を面積S1に乗じ(S1′=S1×h2/h1)、
これにより未知試料のs−Alcのピーク面積S1′が
求まると共に、S−S1′より未知試料のl−Alcの
ピーク面積を求めることができる。
され、h1が340μV、S1が1,700,000μ
V・s、h2が470μV、S2が2,800,000
μV・sとすると、数4式に代入することで、S3が4
50,000μV・sとなる。
面積比率を求めるが、クロマトグラムの波形を差し引く
方法へと発展することができる。つまり、一般検体の波
形からある定数を乗じた標準試料の波形を差し引き、l
−Alcとs−Alcの面積値を求めることができる。
る。
の重なりピーク波形、P3は一般検体のうち標準試料と
同一成分以外の成分のピーク波形である。
切であるが、次のような条件を満たすように若干の調整
を加えてもよい。
ラインを下回らないこと (2)差し引かれた波形は頂点が1個で、その頂点の左
右に変曲点を1個ずつ有すること(第3のピークの影響
のない場合) 最後に今まで実施例としてきたグリコヘモグロビン分析
以外の応用例を説明する。
生体液を試料とした場合、目的成分に妨害成分が重なる
ことがしばしばある。この場合、ピーク高さに基づいて
定量するほうが、妨害を受けにくい。それでも、図8の
(c)のDA(ドーパミン)のように重なり方がかなり
大きいと定量成分が大きくなる。この場合にも、必要な
成分と妨害成分を上記第1実施例同様にピークの形状関
数を用いてシミュレートし、ニューラルネットワークを
用いて、入力層に正規化クロマトグラムのパターン、出
力層に各ピークの高さの真値を対応させる手法が有効で
ある。アミノ酸分析でもショルダーピーク、テーリング
ピーク上に小さなピークが重なることが起こる。これも
前述したニューラルネットワークを用いてピーク面積比
率を求めることで正確に定量できる。
ライン変動がある。図8(b)(c)に示すようなCy
s(システイン)直前の溶離液切換ショックによるも
の、NH3(アンモニア)付近に盛り上がるプラトーが
ある。この種のベースラインは、各クロマトグラムで大
きさや形状が著しく変化するため、ベースラインの引き
方に影響が出て、ピークの定量に誤差を生じる。これに
はいくつかのパターンをニューラルネットワークに学習
させ、教師データに従ってベースラインを引かせる手法
が有効である。
た種々のパターンを予めシミュレートし、これらのシミ
ュレートデータからニューラルネットワークを用いてベ
ースライン態様が解として導ける結合定数群を成立さ
せ、この結合定数を用いて入力される未知のクロマトグ
ラムのベースライン決定のデータ解析に適用する。
1,第1−2の課題解決手段では、時間軸と強度軸の2
次元クロマトグラムのデータから、しかも重なりピーク
のパターンが様々であっても、各ピークの特徴を精度良
くとらえ、各ピークの定量誤差を極力小さくして、精度
の良い定量を高速データ処理により行い得る。
のベースラインを含むクロマトグラムであっても、その
ベースラインを精度良く決定して、精度の良いピーク定
量を可能にする。
のフローチャート
図
理を示す説明図
理を示す説明図
43…サンプラ、44…制御部、45…データ解析部、
61…ニューラルネットワーク式分配機能。
Claims (8)
- 【請求項1】 ピークの形状関数を用いて、重なり合う
ピーク同士の面積、高さ、保持時間等を変えた種々のパ
ターンの重なりピークを予めシミュレートし、これらの
シミュレートデータから重なった各ピークの面積、高さ
又は保持時間が解として導けるブラックボックスのプロ
セス処理定数を成立させ、このプロセス処理定数を、ブ
ラックボックスに入力される未知のクロマトグラムの重
なりピークのデータ解析に適用することを特徴とするク
ロマトグラム解析方法。 - 【請求項2】 請求項1において、前記ピークの形状関
数がGaussian,Exponentially
modified Gaussian(EMG)等の解
析学的関数か、もしくは実際のクロマトグラムより得ら
れるピークの形状関数であることを特徴とするクロマト
グラム解析方法。 - 【請求項3】 ベースラインとピークを合成した種々の
パターンを予めシミュレートし、これらのシミュレート
データからベースライン態様が解として導けるブラック
ボックスのプロセス処理定数を成立させ、このプロセス
処理定数を、ブラックボックスに入力される未知のクロ
マトグラムのベースライン決定のデータ解析に適用する
ことを特徴とするクロマトグラム解析方法。 - 【請求項4】 請求項1ないし請求項3のいずれか1項
において、前記プロセス処理定数は、ニューラルネット
ワークを用いて算出した結合定数群であることを特徴と
するクロマトグラム解析方法。 - 【請求項5】 標準試料等の既知試料におけるクロマト
グラムのピーク形状を得ると共に、未知試料(ここで未
知試料は標準試料と同一の成分と他の成分とからなる一
般検体である)におけるクロマトグラムのピーク形状を
得、前記未知試料のピークに重なりがあった場合、前記
標準試料のピーク面積S1,高さh1と、前記未知試料
の重なりピークの総面積S2,標準試料と同一成分のピ
ーク高さh2とから、未知試料の他の成分のピーク面積
S3を、S3=S2−S1・h2/h1の関係式より算
出することを特徴とするクロマトグラム解析方法。 - 【請求項6】 標準試料等の既知試料におけるクロマト
グラムのピーク形状を得ると共に、未知試料(ここで未
知試料は標準試料と同一の成分と他の成分とからなる一
般検体である)におけるクロマトグラムのピーク形状を
得、前記未知試料のピークに重なりがあった場合、前記
標準試料のピーク波形P1,高さh1と、前記未知試料
の重なりピークの波形P2,標準試料と同一成分のピー
ク高さh2とから、未知試料の他の成分のピーク波形P
3を、P3=P2−P1・h2/h1の関係式より算出
することを特徴とするクロマトグラム解析方法。 - 【請求項7】 請求項1ないし請求項6のいずれか1項
のクロマトグラム解析法を用いて定量計算を行う機能を
備えて成ることを特徴とするクロマトグラフ装置。 - 【請求項8】 請求項7において、並列分散処理システ
ムを搭載して成ることを特徴とするクロマトグラフ装
置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP04247669A JP3130139B2 (ja) | 1992-09-17 | 1992-09-17 | クロマトグラム解析方法及びクロマトグラフ装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP04247669A JP3130139B2 (ja) | 1992-09-17 | 1992-09-17 | クロマトグラム解析方法及びクロマトグラフ装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0694696A true JPH0694696A (ja) | 1994-04-08 |
JP3130139B2 JP3130139B2 (ja) | 2001-01-31 |
Family
ID=17166903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP04247669A Expired - Fee Related JP3130139B2 (ja) | 1992-09-17 | 1992-09-17 | クロマトグラム解析方法及びクロマトグラフ装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3130139B2 (ja) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6076047A (en) * | 1995-02-27 | 2000-06-13 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
JP2008058156A (ja) * | 2006-08-31 | 2008-03-13 | Hitachi High-Technologies Corp | クロマトグラフ分析装置 |
CN103869005A (zh) * | 2012-12-13 | 2014-06-18 | 北京普源精电科技有限公司 | 产生单峰的方法及装置 |
CN104931631A (zh) * | 2015-07-07 | 2015-09-23 | 天津大学 | 基于双峰搜索法分离严重重叠色谱峰的方法 |
JP2016138827A (ja) * | 2015-01-28 | 2016-08-04 | 新コスモス電機株式会社 | ガスクロマトグラフィにおけるガス成分の分析装置 |
WO2019092836A1 (ja) * | 2017-11-09 | 2019-05-16 | 富士通株式会社 | 波形解析装置 |
JP2019174242A (ja) * | 2018-03-28 | 2019-10-10 | 東ソー株式会社 | グリコヘモグロビン分析におけるデータ処理方法 |
WO2020070786A1 (ja) * | 2018-10-02 | 2020-04-09 | 株式会社島津製作所 | 識別器の生成方法 |
WO2020105566A1 (ja) * | 2018-11-19 | 2020-05-28 | キヤノン株式会社 | 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 |
WO2020129895A1 (ja) * | 2018-12-20 | 2020-06-25 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、及びプログラム |
JP2020134382A (ja) * | 2019-02-22 | 2020-08-31 | パイマテリアルデザイン株式会社 | 機械学習を用いた結晶構造解析方法 |
WO2020225864A1 (ja) * | 2019-05-08 | 2020-11-12 | 株式会社島津製作所 | 分析装置 |
CN113419020A (zh) * | 2021-06-30 | 2021-09-21 | 成都师范学院 | 糖化血红蛋白重叠峰识别方法、装置、***、设备及介质 |
CN113607867A (zh) * | 2021-07-23 | 2021-11-05 | 清华大学合肥公共安全研究院 | 一种基于峰体映射的双重叠谱峰解析方法 |
CN114235992A (zh) * | 2021-11-30 | 2022-03-25 | 湖北航天化学技术研究所 | 一种不同类型pet含量的测定方法 |
CN114391099A (zh) * | 2019-10-02 | 2022-04-22 | 株式会社岛津制作所 | 波形解析方法和波形解析装置 |
WO2022230162A1 (ja) * | 2021-04-30 | 2022-11-03 | 株式会社島津製作所 | 分析装置及び分析装置用波形処理プログラム |
CN115856185A (zh) * | 2023-02-28 | 2023-03-28 | 杭州泽天春来科技有限公司 | 分析仪的处理方法、***及可读存储介质 |
CN116136518A (zh) * | 2023-04-20 | 2023-05-19 | 杭州泽天春来科技有限公司 | 色谱仪 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MY146838A (en) * | 2008-09-24 | 2012-09-28 | Mimos Berhad | A holding and supporting apparatus |
-
1992
- 1992-09-17 JP JP04247669A patent/JP3130139B2/ja not_active Expired - Fee Related
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6076047A (en) * | 1995-02-27 | 2000-06-13 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
US6148266A (en) * | 1995-02-27 | 2000-11-14 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
US6314374B1 (en) | 1995-02-27 | 2001-11-06 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
US6529836B2 (en) | 1995-02-27 | 2003-03-04 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
US6675107B2 (en) | 1995-02-27 | 2004-01-06 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
US6856917B2 (en) | 1995-02-27 | 2005-02-15 | Hitachi, Ltd. | Data processing apparatus for chromatograph |
JP2008058156A (ja) * | 2006-08-31 | 2008-03-13 | Hitachi High-Technologies Corp | クロマトグラフ分析装置 |
US8249817B2 (en) | 2006-08-31 | 2012-08-21 | Hitachi High-Technologies Corporation | Chromatograph analyzing device |
US8831892B2 (en) | 2006-08-31 | 2014-09-09 | Hitachi High-Technologies Corporation | Chromatograph analyzing device |
CN103869005A (zh) * | 2012-12-13 | 2014-06-18 | 北京普源精电科技有限公司 | 产生单峰的方法及装置 |
JP2016138827A (ja) * | 2015-01-28 | 2016-08-04 | 新コスモス電機株式会社 | ガスクロマトグラフィにおけるガス成分の分析装置 |
CN104931631A (zh) * | 2015-07-07 | 2015-09-23 | 天津大学 | 基于双峰搜索法分离严重重叠色谱峰的方法 |
JPWO2019092836A1 (ja) * | 2017-11-09 | 2020-12-03 | 株式会社島津製作所 | 波形解析装置 |
CN111373256B (zh) * | 2017-11-09 | 2022-07-22 | 株式会社岛津制作所 | 波形分析装置 |
US11302039B2 (en) | 2017-11-09 | 2022-04-12 | Shimadzu Corporation | Waveform analyzer |
WO2019092836A1 (ja) * | 2017-11-09 | 2019-05-16 | 富士通株式会社 | 波形解析装置 |
CN111373256A (zh) * | 2017-11-09 | 2020-07-03 | 株式会社岛津制作所 | 波形分析装置 |
JP2019174242A (ja) * | 2018-03-28 | 2019-10-10 | 東ソー株式会社 | グリコヘモグロビン分析におけるデータ処理方法 |
CN113167777A (zh) * | 2018-10-02 | 2021-07-23 | 株式会社岛津制作所 | 鉴别器的生成方法 |
JPWO2020070786A1 (ja) * | 2018-10-02 | 2021-09-02 | 株式会社島津製作所 | 識別器の生成方法 |
CN113167777B (zh) * | 2018-10-02 | 2024-01-05 | 株式会社岛津制作所 | 鉴别器的生成方法 |
WO2020070786A1 (ja) * | 2018-10-02 | 2020-04-09 | 株式会社島津製作所 | 識別器の生成方法 |
CN113056672A (zh) * | 2018-11-19 | 2021-06-29 | 佳能株式会社 | 信息处理装置、信息处理装置的控制方法、程序、计算装置和计算方法 |
WO2020105566A1 (ja) * | 2018-11-19 | 2020-05-28 | キヤノン株式会社 | 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 |
US20210248417A1 (en) * | 2018-11-19 | 2021-08-12 | Canon Kabushiki Kaisha | Information processing device, information processing device control method, program, calculation device, and calculation method |
WO2020129895A1 (ja) * | 2018-12-20 | 2020-06-25 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、及びプログラム |
CN113196053A (zh) * | 2018-12-20 | 2021-07-30 | 佳能株式会社 | 信息处理装置、信息处理装置的控制方法及程序 |
JP2020134382A (ja) * | 2019-02-22 | 2020-08-31 | パイマテリアルデザイン株式会社 | 機械学習を用いた結晶構造解析方法 |
WO2020225864A1 (ja) * | 2019-05-08 | 2020-11-12 | 株式会社島津製作所 | 分析装置 |
JPWO2020225864A1 (ja) * | 2019-05-08 | 2021-10-21 | 株式会社島津製作所 | 分析装置 |
CN114391099A (zh) * | 2019-10-02 | 2022-04-22 | 株式会社岛津制作所 | 波形解析方法和波形解析装置 |
WO2022230162A1 (ja) * | 2021-04-30 | 2022-11-03 | 株式会社島津製作所 | 分析装置及び分析装置用波形処理プログラム |
CN113419020A (zh) * | 2021-06-30 | 2021-09-21 | 成都师范学院 | 糖化血红蛋白重叠峰识别方法、装置、***、设备及介质 |
CN113607867A (zh) * | 2021-07-23 | 2021-11-05 | 清华大学合肥公共安全研究院 | 一种基于峰体映射的双重叠谱峰解析方法 |
CN113607867B (zh) * | 2021-07-23 | 2024-06-11 | 清华大学合肥公共安全研究院 | 一种基于峰体映射的双重叠谱峰解析方法 |
CN114235992A (zh) * | 2021-11-30 | 2022-03-25 | 湖北航天化学技术研究所 | 一种不同类型pet含量的测定方法 |
CN114235992B (zh) * | 2021-11-30 | 2023-12-12 | 湖北航天化学技术研究所 | 一种不同类型pet含量的测定方法 |
CN115856185A (zh) * | 2023-02-28 | 2023-03-28 | 杭州泽天春来科技有限公司 | 分析仪的处理方法、***及可读存储介质 |
CN115856185B (zh) * | 2023-02-28 | 2023-06-13 | 杭州泽天春来科技有限公司 | 分析仪的处理方法、***及可读存储介质 |
CN116136518A (zh) * | 2023-04-20 | 2023-05-19 | 杭州泽天春来科技有限公司 | 色谱仪 |
Also Published As
Publication number | Publication date |
---|---|
JP3130139B2 (ja) | 2001-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH0694696A (ja) | クロマトグラム解析方法及びクロマトグラフ装置 | |
US6393368B1 (en) | Method and apparatus for analyzing multi-channel chromatogram | |
Shackman et al. | High-throughput automated post-processing of separation data | |
Wentzell et al. | Comparison of principal components regression and partial least squares regression through generic simulations of complex mixtures | |
Olivieri | Practical guidelines for reporting results in single-and multi-component analytical calibration: A tutorial | |
CN1690713B (zh) | 对样本进行分析以提供表征数据的方法、*** | |
Manne et al. | Resolution of two-way data from hyphenated chromatography by means of elementary matrix transformations | |
Jalali-Heravi et al. | MCRC software: a tool for chemometric analysis of two-way chromatographic data | |
JP6760380B2 (ja) | 分析データ処理方法及び分析データ処理装置 | |
US20160252484A1 (en) | System and method for modified gas chromatographic data analysis | |
JP2004502934A (ja) | 選択された多成分サンプルの分析方法 | |
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 | |
ATE172539T1 (de) | Verfahren zur analytischen bestimmung der konzentration eines bestandteils einer medizinischen probe | |
JP3737257B2 (ja) | 2次元表現によるスペクトルデータの処理方法及び補正方法 | |
Karjalainen et al. | Data analysis for hyphenated techniques | |
US11215591B2 (en) | Chromatographic data system, processing apparatus, chromatographic data system processing method, and chromatograph | |
JP2023159214A (ja) | 波形解析方法及び波形解析装置 | |
JP7424595B2 (ja) | 識別器の生成方法及び装置 | |
CN116399836A (zh) | 基于交替梯度下降算法的串扰荧光光谱分解方法 | |
JPH0815247A (ja) | マルチチャンネルクロマトグラムの解析方法及びデータ処理装置 | |
Kucharczyk | Estimation of the lower limit of quantitation, a method detection performance parameter for biomedical assays, from calibration curves | |
Forzy et al. | Evaluation of semi-automatic image analysis tools for cerebrospinal fluid electrophoresis of IgG oligoclonal bands | |
He et al. | An active learning representative subset selection method using net analyte signal | |
Scott et al. | Method for resolving and measuring overlapping chromatographic peaks by use of an on-line computer with limited storage capacity | |
DE4307736A1 (en) | Sequence to process electrophoresic sample of human serum quickly - comprises normalisation of measuring sample derived from electrophoresic processing compared to ref. prod., fractionating sample on basis of derived fractionating point, etc. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 7 Free format text: PAYMENT UNTIL: 20071117 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 8 Free format text: PAYMENT UNTIL: 20081117 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 8 Free format text: PAYMENT UNTIL: 20081117 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 9 Free format text: PAYMENT UNTIL: 20091117 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 10 Free format text: PAYMENT UNTIL: 20101117 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 10 Free format text: PAYMENT UNTIL: 20101117 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111117 Year of fee payment: 11 |
|
LAPS | Cancellation because of no payment of annual fees |