CN102194640A

CN102194640A - 质量分析数据处理方法和质量分析数据处理设备

Info

Publication number: CN102194640A
Application number: CN2011100560781A
Authority: CN
Inventors: 梶原茂树
Original assignee: Shimadzu Corp
Current assignee: Shimadzu Corp
Priority date: 2010-03-05
Filing date: 2011-03-07
Publication date: 2011-09-21
Anticipated expiration: 2031-03-07
Also published as: JP2011203239A; US8433122B2; JP5527232B2; US20110216952A1; CN102194640B

Abstract

一种质量分析数据处理方法和质量分析数据处理设备，基于通过成像质量分析收集到的海量数据，呈现对理解生物试样的组织结构和其它信息有意义且易于分析操作员直观理解的信息。针对试样的各像素，提取与质谱中的最大强度MI(i)相对应的质荷比m/z(i)，并根据m/z(i)对像素分类。一个类对应于一种物质。然后，针对各类提取该类包括的像素的最大强度中的最大者作为代表性最大强度MI(cj)，并按类编号cj显示MI(cj)。当操作员通过参考MI(cj)指定要显示的类时，对指定的类分别分配不同的颜色，并创建及显示包括在各类中的像素被上色了的类图像。在类图像上，以不同颜色示出多种物质的空间分布。同时，显示所有像素的积分质谱，其中与选择的类相对应的峰被上色为与类图像的颜色相同。

Description

质量分析数据处理方法和质量分析数据处理设备

技术领域

本发明涉及用于分析质谱成像数据的质量分析数据处理方法和质量分析数据处理设备，所述质谱成像数据是通过对试样的二维区域中的多个微小区域进行质量分析而收集到的。

背景技术

为了观察诸如生物组织等的试样的形态并同时测量存在于该试样的指定区域中的分子的分布，已经研发了被称为质谱显微镜或成像质谱仪的设备(参见以下参考文献1-5及其它文献)。这些设备不需要对试样进行研磨或粉碎，因此能够在几乎完全地维持试样的原始形态的情况下获得包括在试样上基于显微观察所指定的任何区域中的、具有特定质荷比m/z的离子的分布图像(或映射图像)。期望使用这些设备来获得例如活细胞中包含的蛋白质的分布信息，尤其是在生物化学、医疗护理或药物化学的领域及其它领域中。

参考文献1：日本特开2007-66533号公报；

参考文献2：日本特开2007-157353号公报；

参考文献3：日本特开2007-257851号公报；

参考文献4：Kiyoshi Ogawa et al.，“Kenbi Shitsuryo Bunseki Sochi no Kaihatsu，”(“Research and Development of Mass Microscope”)Shimadzu Review，Shimadzu Corporation，Mar.31，2006，vol.62，nos.3·4，pp.125-135；以及

参考文献5：Takahiro Harada et al.，“Kenbi Shitsuryo Bunseki Sochi ni yoru Seitai Soshiki Bunseki，”(“Biological Tissue Analysis using Mass Microscope”)Shimadzu Review，Shimadzu Corporation，Apr.24，2008，vol.64，nos.3·4，pp.139-146。

对于分析操作员而言，能够轻易地掌握所期望的关于试样的信息，例如作为试样的特征的物质的种类或物质的量的分布，这很重要。为此，需要对所收集到的质谱成像数据进行适当的分析处理，并且以适当形式显示该处理的结果。如果获得了试样上具有特定面积的二维区域的质谱成像数据，则该数据将包括许多测量点(微小区域)的质谱数据。自然，这些数据的量非常大。鉴于该因素，已经提出了用以处理海量数据并提取出易于分析操作员理解的形式的、有意义的信息的多种方法。

在一种方法中，例如，在显示窗口上显示通过对所有测量点的质谱进行积分获得的积分质谱。在分析操作员从出现在积分质谱上的峰中选择了适当的峰之后，通过使用诸如BioMap(例如参见以下参考文献6)等的通常可得的MS图像显示软件产品来显示所选择的峰的强度空间分布。图9示出了利用该方法获得的不同的质荷比的峰强度的空间分布的例子，并且图10示出了这些空间分布的叠加图像的例子。以这种方式叠加两个或更多个峰的强度的空间分布，提供了与指定组织的结构以及该组织的主要物质的质荷比有关的信息。

参考文献6：“MS Imaging Gijutsu niyoru Byori Soshiki Seppen jou ni okeru Biomarker no Tansaku，”(“Search for Biomarkers on Pathological Samples using MS Imaging Technology”)，[online]，Shimadzu Corporation，[February 25，2010]，internet <URL：http://www.an.shimadzu.co.jp/bio/biomarker/297-0425_msimaging.pdf>

在另一方法中，使用诸如主成分分析(principal component analysis，PCA)、独立成分分析(independent component analysis，ICA)、因子分析(factor analysis，FA)及其它分析等的多变量分析(参考以下参考文献7及其它文献)。在多变量分析中，形成相近的强度空间分布的两种或更多种物质按照因子而聚集。通常，按照各个因子来显示分数(score)和载荷(loading)。在参考文献7所述的方法中，将分数显示为二维空间分布，并且将载荷显示为散布图。

参考文献7：Morinaga et al.，“Development of the software using Principal Component Analysis for MS Imaging Data，”Abstract of the 57th Annual Conference on Mass Spectrometry 2009，Journal of Spectrometry Society of Japan，May 1，2009

然而，前述的传统方法存在以下缺点。

在使用MS图像显示软件的分析方法中，当分析操作员在积分质谱上选择峰时，显示与所选择的峰相对应的质荷比的强度空间分布。该方法无法保证所选择的峰总是与示出空间特定分布的物质相对应。如果需要针对试样上的各微小区域确定示出空间特定分布的峰的位置，则分析操作员需要通过反复试验(trial and error)来比较并叠加两个或更多个峰的强度空间分布。结果，操作员通常不得不针对积分质谱上的许多峰重复用于显示图像的操作，这需要大量的精力和时间。

在使用多变量分析的方法中，在大多数情况下，确定因子的数量以及解释各因子的载荷值需要专业的知识和技能。在PCA的情况下，所显示的主成分的质谱上可能包括具有负强度(negative intensity)的峰，因此有时难以解释这种结果的物理意义。因此，并不是所有人都可以进行这种分析，从而使得难以高效地进行分析及提高处理量。PCA方法的另一缺点在于，在与某种物质有关的信息反映在多个主成分上的情况下，由于通过PCA获得的空间分布仅示出一个主成分，因此利用该方法获得的信息不足以确定这种物质的空间分布或含量。

发明内容

已经研发了本发明以解决前述问题，并且本发明的目的在于提供以下的质量分析数据处理方法和质量分析数据处理设备：该质量分析数据处理方法和质量分析数据处理设备能够高效地处理通过成像质量分析所收集到的大量数据，从而以分析操作员能够直观地理解的形式呈现对于分析生物试样或其它物体的组织结构而言有意义的信息。

为了解决前述问题，本发明的第一方面提供一种质量分析数据处理方法，用于处理通过对设置在试样的二维区域内的多个微小区域分别进行质量分析所收集到的数据，所述质量分析数据处理方法包括：

a)第一步骤，用于针对所述多个微小区域中的各个微小区域，基于与该微小区域相对应的质谱数据提取展现最大强度的质荷比；

b)第二步骤，用于基于在所述第一步骤获得的质荷比，将所述多个微小区域分布到多个类中；以及

c)第三步骤，用于通过对包括在所述多个类中给定的一个或多个类内的微小区域分配对各个类不同的显示颜色，来创建与所述二维区域的部分或整体相对应的着色二维图像，并且显示所述着色二维图像。

优选地，根据本发明的第一方面的质量分析数据处理方法还可以包括：

d)第四步骤，用于通过对与各所述多个微小区域相对应的质谱数据进行积分来获得积分质谱；以及

e)第五步骤，用于通过对与在所述第三步骤已经分配了显示颜色的一个或多个类相对应的一个或多个峰分配与所述一个或多个类的显示颜色相同的颜色，来显示所述积分质谱。

本发明的第二方面提供一种质量分析数据处理设备，用于处理通过对设置在试样的二维区域内的多个微小区域分别进行质量分析所收集到的数据，所述质量分析数据处理设备包括：

a)信息提取部件，用于针对所述多个微小区域中的各个微小区域，基于与该微小区域相对应的质谱数据提取展现最大强度的质荷比；

b)聚类部件，用于基于所述信息提取部件获得的质荷比，将所述多个微小区域分布到多个类中；以及

c)显示信息形成部件，用于通过对包括在所述多个类中给定的一个或多个类内的微小区域分配对各个类不同的显示颜色，来创建与所述二维区域的部分或整体相对应的着色二维图像，并且显示所述着色二维图像。

根据本发明的第一方面的质量分析数据处理方法和根据本发明的第二方面的质量分析数据处理设备所处理的数据包括表示各微小区域处质荷比和信号强度(或离子强度)之间的关系的质谱数据。在根据本发明的第二方面的质量分析数据处理设备中，信息提取部件在各微小区域的质谱数据中搜索具有最大信号强度的峰，并且提取与该峰相对应的质荷比。搜索具有最大强度的峰的原因是该峰很可能与各微小区域中的含量最多的物质相对应。

可以在没有特别限制质荷比范围的情况下(例如，在质谱中测量出的整个质荷比范围内)搜索最大强度。然而，在预先已知将分析的物质的质荷比范围的情况下，缩小要搜索的质荷比范围有利于缩短搜索时间并且避免检测到不适当的峰。相反，如果存在预先已知应当从分析中排除的质荷比的值或范围，则可优选地在搜索最大强度的处理中不包括该值或范围。这种情形可出现在例如应当忽略从用作为基质的物质产生的任何峰的基质辅助激光解吸电离(matrix assisted laser desorption ionization，MALDI)中。

鉴于这些原因，在根据本发明的第二方面的质量分析数据处理设备中，优选地，所述信息提取部件针对指定的质荷比范围提取展现最大强度的质荷比，或者针对不包括指定的质荷比范围值的质荷比范围提取展现最大强度的质荷比。

一旦针对各个微小区域获得了展现最大强度的质荷比，聚类(clustering)部件就基于这些微小区域的质荷比将这些微小区域分布到多个类(cluster)中。例如，可以将具有相同的质荷比的微小区域分到一组。更实际地，可以将包括在具有给定容许宽度的质荷比范围中的微小区域作为一个组来处理。通过适当设置容许范围(约为几Da)，可以将从同一物质产生的同位素峰包括于同一类中。无需说明，类的总数根据试样(通常根据所包含的物质的数量)而变化。

显示信息形成部件对由聚类部件创建的多个类中指定的类分别分配不同的显示颜色以使得可以在画面上容易地区别这些类，并且在显示窗口上显示与二维区域的部分或全部相对应的着色二维图像。结果，在该着色二维图像上(或在质谱类图像上)以同一颜色显示如下的微小区域，这些微小区域的质谱在相同或大致相同的质荷比处具有最大峰强度。

如前所述，推断与展现最大强度的峰相对应的物质是作为相应的微小区域包含最多的物质的主要物质，且属于同一类的微小区域很可能包含同一种主要物质。在着色二维图像中，以同一颜色显示包含同一种主要物质的微小区域，由此可以容易且直观地掌握同一种物质的空间分布。通过以同一颜色显示属于同一类的微小区域并针对各个类使用不同的颜色，多种物质的空间分布可以视觉上可区分地呈现在一个着色二维图像上。

通常，即使在类的数量相当大的情况下，对掌握生物试样的组织结构而言重要的物质的数量也不太大；示出大量所选择的物质的空间分布可以提供充足的信息。如果同时用于一个着色二维图像的颜色的数量过多，则该图像变得过于复杂以致分析操作员不能理解，而不是便于理解。因此，在根据本发明的质量分析数据处理方法中，优选地允许操作员可以任意选择显示时应当上色的一个或多个类。

很可能一种物质的信号强度越大，则包含越多的该物质。通常，在大多情况下，这种物质的空间分布重要。因此，为了辅助分析操作员选择类，优选针对各个类从属于该类的微小区域中提取具有最大的最大信号强度的微小区域。可以将该最大的最大强度显示为代表该类的强度值。此外，可以按强度的降序对这些类进行排序，以使得可以按该顺序选择一个或多个类。这使得操作员可以适当选择一种或多种物质，并且可以在一个着色二维图像上检查所选择的物质的空间分布。

根据本发明的第二方面的质量分析数据处理设备还可以包括用于获得积分质谱的积分计算部件，所述积分质谱是通过对与各所述多个微小区域相对应的质谱数据进行积分所计算出的，其中，所述显示信息形成部件通过对与创建所述着色二维图像时已分配了显示颜色的一个或多个类相对应的一个或多个峰分配与所述一个或多个类的显示颜色相同的颜色来将所述积分质谱显示在显示窗口上。

在这种情况下，优选地，可以在同一显示窗口上显示积分质谱和着色二维图像。分析操作员可以在着色二维图像上检查物质的空间分布，并且同时检查积分质谱上以同一颜色显示的一个或多个峰，由此可以根据质荷比推断出物质，并且可以根据峰强度大致估计出物质的含量。

显示信息形成部件至少还可以显示与显示窗口所显示的积分质谱上的一个或多个着色峰相对应的质荷比的值。这使得能够精确识别出质荷比，从而便于推断物质的种类。

通过根据本发明的质量分析数据处理方法和质量分析数据处理设备，可以处理通过成像质量分析所收集到的海量数据以形成可以容易且直观地理解试样中包含的一种或多种物质的空间分布的信息，并且向分析操作员呈现该信息。特别地，可以在一个着色二维图像上同时清晰地示出多种物质的空间分布。这些特征对于理解例如生物试样的组织结构和其它事实非常有帮助。

根据本发明的质量分析数据处理方法和质量分析数据处理设备既不需要通过反复试验重复峰选择操作，也不需要进行多变量分析时通常需要的峰提取处理。因此，缩短了处理时间并且提高了处理量。另外，进行分析操作并解释分析结果不需要如使用多变量分析的方法所要求的专业知识和技能，从而有利于减轻分析操作员的负担。

附图说明

图1是使用根据本发明的质量分析数据处理设备的成像质谱仪的实施例的示意结构图。

图2是本实施例的成像质谱仪的数据处理过程的流程图。

图3是本实施例的成像质谱仪的数据处理的解释图。

图4是本实施例的成像质谱仪的数据处理的解释图。

图5示出实验中使用的试样的光学显微镜图像、质谱图像和质谱。

图6示出图5所示的试样的数据处理的结果的示例。

图7示出通过实际测量小鼠脑的试样获得的光学显微镜图像、类图像和积分谱。

图8示出通过实际测量姜片的试样获得的光学显微镜图像、类图像和积分谱。

图9示出利用传统方法获得的不同质荷比的强度空间分布的显示示例。

图10示出图9所示的强度空间分布的叠加图像的显示示例。

附图标记的说明

1…成像质谱单元

2…数据处理器

3…数据存储器

4…显微镜图像处理器

5…控制器

6…操作单元

7…显示单元

8…试样

8a…二维测量区域

8b…微小区域(像素)

具体实施方式

将参考附图来说明使用根据本发明的质量分析数据处理设备的成像质谱仪的实施例。图1是根据本实施例的成像质谱仪的示意结构图。

该成像质谱仪包括：成像质量分析单元1，用于对试样8上的二维测量区域8a进行显微观察，并在区域8a内进行成像质量分析；数据处理器2，用于分析并处理由成像质量分析单元1收集到的质量分析频谱数据；数据存储器3，用于存储质量分析频谱数据；显微镜图像处理器4，用于处理由成像质量分析单元1拍摄到的图像的信号并形成显微镜图像；控制器5，用于控制前述各单元；以及各自连接至控制器5的操作单元6和显示单元7。

如前面提到的参考文献4和5所述，成像质量分析单元1包括例如MALDI离子源、离子输送光学系统、离子阱、飞行时间质量分析器和其它单元。成像质量分析单元1对预定大小的微小区域进行整个给定质荷比范围内的质量分析。尽管没有示出，但成像质量分析单元1包括在x和y的双轴方向上精确移动其上放置有试样8的试样台的驱动单元。通过每当试样8移动了预定步长时进行质量分析，可以收集给定区域的质量分析频谱数据。控制器5、数据处理器2、数据存储器3、显微镜图像处理器4和其它单元的功能中的至少一部分是通过运行安装在个人计算机中的专用处理控制软件程序来实现的。

本实施例的成像质谱仪的特征在于，利用由数据处理器2进行的数据处理来分析并处理由成像质量分析单元1收集到的海量质量分析频谱数据，并将分析结果显示于显示单元7的窗口。将参考图2至图4来详细说明该特征性的数据处理的实施例。图2是示出数据处理的过程的流程图，并且图3和图4是用于解释图2的处理的示意图。

在成像质量分析单元1中，如图3所示，可以获得各个微小区域8b的质谱数据，其中，微小区域8b是在试样8上的给定二维测量区域8a内的、沿x和y方向排列的微小尺寸部分。这些质谱数据构成各自示出整个预定质荷比范围内的强度信号的质谱。

通常，微小区域8b的各个边长决定于其上放置有试样8的台的移动步长。通过进行后面将说明的数据处理，基于针对一个微小区域8b所获得的质谱数据来选择该微小区域8b在着色二维图像(colored two-dimensional image)上的显示颜色。因此，微小区域是进行诸如上色等的图像处理时的最小单位。因而，在该图像处理中，一个像素与一个微小区域同义。在以下的解释中，微小区域将被称为像素。如图3所示，像素以网格图案排列在二维测量区域8a中。在本实施例中，根据预定规则对这些像素分配识别编号(i＝1～N)，以使得各编号与一个像素的位置坐标相对应。

在接收到开始数据处理的命令时，数据处理器2访问数据存储器3，以读取要处理的所有质量分析成像数据、即针对所有的前述N个像素所获得的质谱数据(步骤S1)。

接着，按照例如像素编号的顺序，分析与一个像素相对应的质谱数据，以提取并存储质谱上出现的所有峰的峰信号的最大强度(MI)以及展现该最大强度的质荷比(步骤S2)。在步骤S3中，判断所有的像素是否均经过了前述处理。如果剩余有任何像素，则处理返回至步骤S2。

在图3中，示出了与像素编号为n、p、q和r的四个像素相对应的四个质谱数据。将与像素编号i相对应的最大强度表示为MI(i)，并且将与该最大强度相对应的质荷比表示为m/z(i)。例如，在像素编号为n的像素中，最大强度MI(n)＝I₁，并且相应的质荷比m/z(n)＝M₁。在像素编号为p的像素中，最大强度MI(p)＝I₂，并且相应的质荷比m/z(p)＝M₁。通过重复步骤S2和S3来对所有的N个像素重复相同的处理。结果，对于所有的这N个像素，收集到并存储了最大强度MI(1)～MI(N)和质荷比m/z(1)～m/z(N)。

可以推知，与质谱上展现最大强度的峰相对应的物质是像素中含量最多的物质。因此，前述的针对各像素搜索最大强度的操作与搜索该像素中的最大含量物质(the most abundant substance)相对应。

在下一步骤中，根据像素的质荷比m/z(i)将N个像素分组到多个类(cluster)中(步骤S4)。特别地，这样的聚类处理通过集合质荷比m/z(i)在预定容许范围(M±ΔM，其中M是中心质荷比)内的像素，而不是仅集合质荷比m/z(i)相同的像素，来创建一个类。结果，创建了多个类。通过适当设置ΔM，不仅可以吸收测量误差，而且可以将从同一物质产生的同位素峰(isotopic peak)包括在同一类中。在图3的例子中，像素编号为n的像素的质荷比m/z(n)和像素编号为p的像素的质荷比m/z(p)具有相同的值M₁。因此，将这两个像素分组到质荷比范围为M₁±ΔM的同一类中。同样，像素编号为q的像素的质荷比m/z(q)和像素编号为r的像素的质荷比m/z(r)具有相同的值M₂。因此，将这两个像素分组到质荷比范围为M₂±ΔM的另一类中。

如前所述假定质谱上展现最大强度的峰对应于含量最多的物质以及各个峰对应于一种物质，可以得出质荷比m/z(i)大致相同的像素具有相同的作为最大含量物质的物质。也就是说，前述的聚类操作的目的在于创建各自由具有相同的作为最大含量物质的物质的像素构成的多个类。在本实施例中，对所创建的类指定类编号cj(j＝1，2，3，...)。此时，可以按质荷比的升序来指定类编号cj。

在将所有的像素分组到类中之后，针对各个类提取一个类所包括的多个像素的最大强度MI(i)的最大值，并将该最大值设置为该类的代表性最大强度MI(cj)。然后，针对各个类存储质荷比m/z(cj)、代表性最大强度MI(cj)、该类所包括的像素的像素编号px(cj)和其它信息(步骤S5)。

接着，读出所有的类的代表性最大强度MI(cj)，将这些类按代表性最大强度MI(cj)的降序进行排序，并且根据这个新顺序重新分配类编号cj。结果，类编号c1分配给了具有最大的代表性最大强度MI(cj)的类，并且代表性最大强度MI(cj)随着类编号cj越大而越小。将重新分配的类编号cj以及它们的代表性最大强度MI(cj)显示在显示单元7上。分析操作员可以在选择类时参考类编号cj及其代表性最大强度MI(cj)(步骤S6)。

例如，如下的类所包括的像素不太可能是理解组织结构所必需的：与其它的代表性最大强度相比，该类的代表性最大强度MI(cj)极小。然后，通过参考所显示的代表性最大强度MI(cj)，操作员选择需要从视觉上检查其空间分布的一个或多个类(步骤S7)。在接收到该指示时，数据处理器2对操作员所选择的各个类分配不同的颜色，创建各个类所包括的像素被上色了的二维类图像，并且在显示单元7的窗口上显示该图像(步骤S8)。

图3示出选择了类编号为c1、c2和c3的三个类的例子。在与二维测量区域8a相对应的类图像上，针对各类以不同颜色(在图3中，以灰度级)显示属于这些类的像素。该图像上以同一颜色显示的像素具有相同的作为最大含量物质的物质。因此，以同一颜色示出同一物质主要分布的部分，由此呈现试样的组织结构或其它性质的清晰图片。

此外，数据处理器2计算所有像素的积分质谱，并且将该积分质谱与类图像显示在同一窗口上。同时，在类图像上以与操作员预先已经指定的类的颜色相同的颜色显示与该指定的类相对应的质荷比(例如，图3中的M₁±ΔM)的峰(步骤S9)。例如，如果图3中质荷比为M₁±ΔM的类的显示颜色为红色，则质荷比范围M₁±ΔM内出现的峰在积分质谱上也显示为红色。这使得用户能够在类图像上看到所指定的物质的空间分布，并且能够在积分质谱上检查该物质的质荷比和强度(即，总含量)。另外，在积分质谱上，优选地，至少对着色峰(colored peak)使用同一颜色标注出其质荷比的值。

图4示意性示出具有以不同颜色示出的多个类的类图像的结构。各像素的质谱数据的最大强度MI(i)位于以下的三维空间中：在该三维空间中，x和y这两个轴表示试样8上的空间坐标，并且另一轴表示质荷比m/z。在图4中，紧挨在像素8b上方的矩形区域(阴影线或阴影区域)表示最大强度MI(i)。

在两个或更多个像素具有同一的展现最大强度MI(i)的质荷比m/z(i)的情况下，与这些像素相对应的最大强度MI(i)位于沿着m/z轴与x-y平面平行的、诸如P 1或P2等的平面上。一个平面对应于一个类、即一种物质，并且一个平面上最大强度MI(i)的分布与一个类所包括的像素的分布相对应。因此，当对一个类分配显示颜色时，与该类相对应的平面上被最大强度MI(i)所占据的区域也被上色。多个着色平面投影到x-y平面上的图像形成类图像。因此，本实施例的设备所显示的类图像可被看作为如下的图像，在该图像上，不同物质的空间分布以不同的显示颜色相互叠加。

将参考图5和图6来说明前述的数据处理的具体例子。在该例子中，使用小鼠视网膜作为试样。图5的(a)示出该试样的光学显微镜图像。设置在该试样上的二维区域包括101×98(＝9898)个像素，并且针对各个像素测量在整个质荷比范围m/z500～1000内的质谱。

图5的(c)示出基于针对所有像素获得的质谱数据的积分质谱。图5的(b)示出在该积分质谱中展现最大强度的峰的m/z 761的MS图像(映射图像)。比较图5的(a)和(b)发现，m/z 761的物质的分布在很大程度上与小鼠视网膜的结构相对应。在使用传统的MS图像显示软件的情况下，通过参考这种积分质谱，分析操作员必须逐一指定质荷比以显示MS图像。

另一方面，按以下方式进行前述的本实施例的数据处理。例如，像素编号i＝5的像素的质谱如图5的(d)所示。在该质谱中，峰信号的最大强度为6182，并且该峰的质荷比为545。因此，m/z(5)＝545并且MI(5)＝6182。针对i＝1～9898的所有像素进行步骤S2和S3的操作，以获得m/z(i)和MI(i)。然后，根据m/z(i)的值进行步骤S4的聚类操作。

在进行聚类时，将质荷比的容许范围ΔM设置为±3.5。在这种情况下，在m/z 545处具有最大强度MI的像素的数量为2410，诸如m/z(13)＝546、m/z(22)＝543等。这些像素包括在一个类中。以这种方式，创建了两个或更多个类，并且针对各个类存储m/z(cj)、代表性最大强度MI(cj)、所包括的像素的像素编号px(cj)和其它信息。然后，按代表性最大强度MI(cj)的降序重新分配类编号。之后，向用户呈现该信息。

例如，如果操作员进行了用于显示具有第1至第6大的代表性最大强度MI(cj)的六个类的操作，则设备使用针对各个类而不同的颜色，对指定的类cj＝c1～c6所包括的像素分配显示颜色。然后，创建如图6的(a)所示的着色类图像，并将该着色类图像显示在显示单元7的窗口上。在本实施例中，以红色、蓝色、绿色、紫色、浅蓝色和黄色分别显示类编号为c1～c6的六个类所包括的像素px(c1)、px(c2)、...、和px(c6)。以黑色显示类编号为c7以上的类所包括的所有像素px(c7)、px(c8)、...。

图6的(b)示出所有像素的积分质谱的例子，其中按颜色显示具有与用户所选择的类相对应的m/z的峰。这些峰的颜色，即红色、蓝色、绿色、紫色、浅蓝色和黄色与图6的(a)所示的类图像上像素的颜色相对应。例如，在类图像上以红色显示类编号c1，并且在积分质谱上也以红色显示与该类相对应的m/z(c1)(＝m/z 545)的峰。

变形例

例如，可以按以下的方式修改前面的实施例所述的数据处理方法。

在前述的实施例中，在所获得的质谱数据的整个质荷比范围内搜索展现最大强度MI(i)的峰。然而，在一些情况下，可以限制要搜索展现最大强度MI(i)的峰的质荷比范围。这可以通过修改图2所示的流程图中的步骤S2、以使得将在限定的质荷比范围内搜索最大强度来实现。当预先已知目标物质的质荷比范围时，该处理是有效的。这节省了不需要的处理，从而带来诸如缩短处理时间或减轻硬件装置(即计算机)的处理负荷等的有益效果。

还可以通过排除与质谱上出现的大量峰中无需分析的任何峰(例如，从基质产生的峰)相对应的质荷比来获得相同的效果。

另外，代替让用户指定要按最大强度的降序进行显示的类，还可以让操作员指示从要显示的类中特意排除具有大的最大强度的一个或多个类。例如，如果像素px(c1)均匀分布在整个显示区域上且不能很好地观察到试样本身的结构，则可以对不包括像素px(c1)的像素px(c2)、px(c3)、...、和px(c7)上色，以使得可以更加容易理解结构信息。这可以通过修改图2所示的流程图中的步骤S2、以在不包括与已被操作员排除的类相对应的质荷比的情况下提取最大强度MI(i)及其质荷比m/z(i)来实现。

图7和8示出这种处理有效的实际测量例子。

图7示出使用小鼠脑作为试样的实际测量例子。图7的(a)是光学显微镜图像，并且图7的(b)和(c)各自示出利用前述实施例的数据处理方法所创建的类图像和积分谱。该试样上的测量点或像素之间的间隔为10μm，并且该试样上被指定作为测量对象的二维区域中的像素数为250×250。针对各像素收集在整个质荷比范围m/z 700～855内的质谱数据。

通过对分别包括在具有第1至第6大的代表性最大强度MI(cj)的六个类cj＝c1～c6中的像素px(c1)、px(c2)、...、和px(c6)分配不同的颜色创建出图7的(b)所示的类图像。在这个类图像中，m/z 799处的第1个类c1(以红色示出)分布在整个脑中，这使得所显示的脑结构不清晰。通过对分别包括在具有第3至第8大的代表性最大强度MI(cj)的六个类cj＝c3～c8中的像素px(c3)、px(c4)、...、和px(c8)分配不同的颜色创建出图7的(c)所示的类图像。在这种情况下，排除了具有第1和第2大的代表性最大强度MI(cj)的两个类cj＝c1和c2。这个类图像清晰地示出局部分布的或特别分布的而不是在整个脑中分布的物质，从而使得所显示的脑结构清晰。

图8示出使用姜片作为试样的实际测量例子。图8的(a)是光学显微镜图像，并且图8的(b)和(c)各自示出利用前述实施例的数据处理方法所创建的类图像和积分谱。该试样上的测量点或像素之间的间隔为10μm，并且该试样上被指定作为测量对象的二维区域中的像素数为61×61。针对各像素收集在整个质荷比范围m/z 50～800内的质谱数据。

通过对分别包括在具有第1至第6大的代表性最大强度MI(cj)的六个类cj＝c1～c6中的像素px(c1)、px(c2)、...、和px(c6)分配不同的颜色创建出图8的(b)所示的类图像。这个类图像示出m/z 193的物质分布为团粒状(granular form)(或比像素大的集合体(aggregate))。然而，从该图像不能辨别其它物质的团粒分布。通过对分别包括在具有第3至第8大的代表性最大强度MI(cj)的六个类cj＝c3～c8中的像素px(c3)、px(c4)、...、和px(c8)分配不同的颜色创建出图8的(c)所示的类图像。在这种情况下，排除了具有第1和第2大的代表性最大强度MI(cj)的两个类cj＝c1和c2。这个类图像示出m/z 187的物质也分布为团粒状，而在图8的(b)所示的类图像上不能辨别出该情况。

作为前述实施例的变形例，在图2所示的流程图中的步骤S9中，可以使用所有像素的平均质谱来代替所有像素的积分质谱。可选地，可以显示组合了质荷比m/z(i)和最大强度MI(i)的质谱。

应当注意，在本发明的精神内进行的与未提及的方面有关的任何变形、修改或添加，均包括在本申请的权利要求的范围内。

Claims

1.一种质量分析数据处理方法，用于处理通过对设置在试样的二维区域内的多个微小区域分别进行质量分析所收集到的数据，所述质量分析数据处理方法包括：

2.根据权利要求1所述的质量分析数据处理方法，其特征在于，还包括：

3.一种质量分析数据处理设备，用于处理通过对设置在试样的二维区域内的多个微小区域分别进行质量分析所收集到的数据，所述质量分析数据处理设备包括：

4.根据权利要求3所述的质量分析数据处理设备，其特征在于，还包括用于获得积分质谱的积分计算部件，所述积分质谱是通过对与各所述多个微小区域相对应的质谱数据进行积分所计算出的，其中，所述显示信息形成部件通过对与创建所述着色二维图像时已分配了显示颜色的一个或多个类相对应的一个或多个峰分配与所述一个或多个类的显示颜色相同的颜色来将所述积分质谱显示在显示窗口上。

5.根据权利要求3所述的质量分析数据处理设备，其特征在于，所述信息提取部件针对指定的质荷比范围提取展现最大强度的质荷比，或者针对不包括指定的质荷比范围值的质荷比范围提取展现最大强度的质荷比。

6.根据权利要求4所述的质量分析数据处理设备，其特征在于，所述显示信息形成部件至少还显示与所述显示窗口所显示的积分质谱上的着色峰相对应的质荷比的值。