CN102985818A - 聚合数据的类似性评价方法、类似性评价程序以及类似性评价装置 - Google Patents

聚合数据的类似性评价方法、类似性评价程序以及类似性评价装置 Download PDF

Info

Publication number
CN102985818A
CN102985818A CN2012800016511A CN201280001651A CN102985818A CN 102985818 A CN102985818 A CN 102985818A CN 2012800016511 A CN2012800016511 A CN 2012800016511A CN 201280001651 A CN201280001651 A CN 201280001651A CN 102985818 A CN102985818 A CN 102985818A
Authority
CN
China
Prior art keywords
aforementioned
consistent
aggregated data
crest
similarity evaluation
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
Application number
CN2012800016511A
Other languages
English (en)
Other versions
CN102985818B (zh
Inventor
森芳和
野田桂一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsumura and Co
Original Assignee
Tsumura and Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsumura and Co filed Critical Tsumura and Co
Publication of CN102985818A publication Critical patent/CN102985818A/zh
Application granted granted Critical
Publication of CN102985818B publication Critical patent/CN102985818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G16C20/70—Machine learning, data mining or chemometrics
    • 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
    • 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
    • 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
    • G01N30/8686—Fingerprinting, e.g. without prior knowledge of the sample components
    • 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
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/15—Medicinal preparations ; Physical properties thereof, e.g. dissolubility
    • 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
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/74—Optical detectors
    • 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
    • G01N30/8679—Target compound analysis, i.e. whereby a limited number of peaks is analysed
    • 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
    • G01N30/8693—Models, e.g. prediction of retention times, method development and validation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/14—Classification; Matching by matching peak patterns
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Library & Information Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明有助于提升评价的精确度及效率。本发明为一种评价由复数个数据聚合而成的聚合数据相互的类似性的聚合数据的类似性评价装置1，其特征为具备：图案化部3，将各聚合数据的各数据以选择的尺度来图案化；一致数抽出部5，以循环方式比较图案化的各数据而求取一致数；以及一致度判定部7，基于所求取的一致数，利用Tanimoto系数求取一致度，该装置可简易且迅速地评价聚合数据的类似性。

Description

聚合数据的类似性评价方法、类似性评价程序以及类似性评价装置
技术领域
本发明涉及聚合数据的类似性评价方法、类似性评价程序以及类似性评价装置。
背景技术
作为多成分物质，有例如属于由多成分构成的药剂(以下，称为多成分药剂)的中药等来自天然物的药剂。这些药剂的定量的、定性的概况(profile)会因所使用的原料生药的地质学的因素、生态学的因素、收集时期、收集场所、收集年代、生育期的天候等的原因而变化。
因此，就针对这些多成分药剂等用以担保其安全性及有效性的质量而言，规定了一定的基准，国家的监督机构、化学组织团体，制造业者等依据该基准来进行质量评价。
然而，多成分药剂的质量等的判定基准，一般是选择多成分药剂中具特征的一种成份或数种成份，并依据其含有量等来设定。
例如，在非专利文献1中，当无法进行多成分药剂中有效成份的鉴定时，选择具有可进行定量分析、易溶于水、在热水中不会分解、不会与其他成份进行化学反应等物性的复数个成份，且以可通过化学分析获得的该等成份的含有量作为评价的基准。
又，已知有对多成分药剂适用层析法，按各保持时间获得紫外可见光吸收光谱，由其中一部分的成份信息设定评价的基准。
例如，专利文献1中，选择HPLC层析图数据(以下，称为层析图)中一部分的波峰，通过条码化来评价多成分药剂。
然而，就这些方法而言，其评价的对象受限于“特定成份的含有量”或“特定成份的层析图波峰”，仅只是多成分药剂所含的成份当中的一部分成为评价对象。因此，就多成分药剂而言，由于其存有多数成为评价的对象以外的成份，故多成分药剂的评价方法不够精确。
为了正确地评价多成分药剂的质量，必须对网罗有全部波峰信息或接近经去除数％的琐细信息的全部波峰信息的波形图案进行评价，因此，在多成分药剂间必须使全部波峰或接近全部波峰的数量的波峰对应。
然而，使复数个波峰以高精确度有效率地对应有其困难性，这会妨碍多成分药剂的高精确度且有效率的评价。
进一步说明，即便是相同制品名的多成分药剂，因为生药为天然物，所以会有构成成份些微不同的情形。因此，即便是相同质量的药剂，也会有构成成份的含量比例不同或存在于某药剂的成份不存在于其他药剂的情形(以下，称为药剂间误差)。再者，亦有层析图的波峰强度或波峰的溶出时间无严密再现性(以下，称为分析误差)等的因素。藉此，由于无法针对多成分药剂间的全部波峰或接近全部波峰的个数的波峰，使来自相同成份的波峰对应(以下，称为波峰归属)，所以会妨碍高精确度且有效率的评价。
现有技术文献
专利文献1：日本特开2002－214215号公报
非专利文献1：月刊药事vol.28,No.3,67-71(1986)
发明内容
发明所欲解决的课题
所欲解决的问题点为，既有的评价方法中对于以高精确度有效率地评价多成分物质的质量等有其限制。
解决课题的技术
本发明为了有助于提高评价的精确度及效率，而为一种聚合数据的类似性评价方法，是聚合复数个数据的聚合数据(例如液相层析(LC)、气相层析(GC)、核磁共振(NMR)光谱等测定数据(图谱)、或对这些进行图案化等加工处理所得的数据)的相互的类似性评价方法，其特征为具备：图案化过程，将前述各聚合数据的各数据以选择的尺度来图案化；一致数抽出过程，以循环方式比较前述图案化的各数据而求取一致数；以及一致度判定过程，基于前述求取的一致数，利用Tanimoto系数求取一致度。
本发明是一种聚合数据的类似性评价程序，是在计算机上实现聚合复数个数据的聚合数据的相互的类似性评价的类似性评价程序，其特征为在计算机上实现：图案化功能，将前述各聚合数据的各数据以选择的尺度来图案化；一致数抽出功能，以循环方式比较前述图案化的各数据而求取一致数；以及一致度判定功能，基于前述求取的一致数，利用Tanimoto系数求取一致度。
本发明是一种聚合数据的类似性评价装置，是聚合复数个数据的聚合数据的相互的类似性评价装置，其特征为具备：图案化部，将前述各聚合数据的各数据以选择的尺度来图案化；一致数抽出部，以循环方式比较前述图案化的各数据而求取一致数；以及一致度判定部，基于所求取的一致数，利用Tanimoto系数求取一致度。
发明的效果
本发明的聚合数据的类似性评价方法由于为上述构成，可简易且迅速地评价由复数个数据聚合而成的聚合数据的类似性。
因此，将例如评价对象的多成分物质的对象FP与评价基准的复数个药剂的基准FP比较而评价时，在由复数个基准FP选定适于对象FP的波峰归属的多成分物质的FP作为其前处理之际，可进行简易且迅速的选定。
本发明的聚合数据的类似性评价程序由于为上述构成，可在计算机上实现功能、评价FP的类似性，并简易且迅速地进行前述基准FP等的选定。
本发明的聚合数据的类似性评价装置由于为上述构成，可使各部发挥作用，而能够简易且迅速地进行前述基准FP等的选定。
附图说明
图1为聚合数据的类似性评价装置的方块图(实施例1)；
图2为聚合数据的类似性评价方法的过程图(实施例1)；
图3为表示每药剂的FP；(A)为表示药剂A、(B)为表示药剂B、(C)为表示药剂C的图表(实施例1)；
图4为表示对象FP及基准FP的保持时间的说明图(实施例1)；
图5为显示对象FP的保持时间出现图案的说明图(实施例1)；
图6为显示基准FP的保持时间出现图案的说明图(实施例1)；
图7为显示对象与基准FP的出现距离的一致数的说明图(实施例1)；
图8为显示对象FP与基准FP的全部保持时间出现图案的一致数的说明图(实施例1)；
图9为显示对象FP与基准FP的全部保持时间出现图案的一致度的说明图(实施例1)；
图10为表示对象FP的波峰高度比图案的说明图(实施例2)；
图11为FP类似性评价处理的数据处理流程图(实施例1)；以及
图12为FP类似性评价处理的保持时间出现图案的一致度计算处理的流程图(实施例1)。
具体实施方式
利用图案化部、一致数抽出部与一致度判定部来实现所谓有助于提升评价的精确度及效率的目的。
实施例1
本发明的实施例1是将聚合数据的类似性评价装置适用于作为评价多成分物质例如多成分药剂的多成分的药剂评价装置的前处理。
多成分药剂定义为含有复数个有效化学成份的药剂，但未局限于此，也包含生药、生药的组合、这些的提取物、中药等。此外，剂型也未特别限定，例如，可包含以第15改正日本药局方的制剂总则规定的液剂、浸膏剂、胶囊剂、颗粒剂、丸剂、悬浊剂、乳剂、散剂、酒精剂、锭剂、浸剂·煎剂、酊剂、片剂、芳香水剂、流浸膏剂等。就多成分物质而言，亦可包含药剂以外的物质。
中药的具体例记载于医疗用汉方制剂148处方“使用上的注意”的业界统一与主动修订及一般用汉方处方的入门(1978年)。
多成分药剂的评价装置为了评价评价对象药剂是否与判定为正常品的复数个药剂等同，首先由评价对象药剂的三维层析图数据(以下称为3D层析图)作成抽出该药剂特有的信息的对象FP。其次，由复数个基准FP选定适于对象FP的波峰归属的多成分药剂的FP。使对象FP的各波峰归属于该选定的基准FP的波峰。
其后，将如前述所归属的对象FP的各波峰归属于由全部基准FP进行波峰归属处理所作成的全部基准FP的波峰对应数据(以下称为基准群FP)。
接着，以MT法评价归属为基准群FP的波峰的对象FP的波峰(以下称为对象FP归属波峰)的等同性。最后比较所得的评价值(以下称为MD值)与预先设定的判定值(MD值的上限值)，判定评价对象药剂是否与正常品等同。
此外，3D层析图为作为评价对象的多成分物质，即多成分药剂的HPLC层析图数据(以下称为层析图)，包含UV光谱。
FP是指由以特定波长检测出的波峰的信号强度(高度)的极大值或面积值(以下称为波峰)与该波峰的出现时间(以下称为保持时间)所构成的指纹数据。
对象FP是从作为评价对象的中药的三维层析图数据，即3D层析图中，抽出的特定检测波长下的复数个波峰及其保持时间以及UV光谱。因此，对象FP为聚合作为复数个数据的波峰的聚合数据。
基准FP为作为判定为正常品的多成分物质，即多成分药剂的中药的FP，与对象FP同样地是由作为三维层析图数据的3D层析图抽出的特定检测波长下的复数个波峰及其保持时间以及UV光谱。因此，基准FP亦为聚合作为复数个数据的波峰的聚合数据。
FP的类似性评价装置、类似性评价方法
图1为FP的类似性评价装置的方块图，图2为FP的类似性评价方法的过程图。
如图1、图2所示，FP的类似性评价装置1发挥功能而进行的FP的类似性评价方法是用于探讨对象FP及基准FP相互的一致度。
FP的类似性评价装置1由计算机构成，虽未图示，但其具备CPU、ROM、RAM等。FP的类似性评价装置1完成安装于计算机的聚合数据的类似性评价程序，可进行对象FP的类似性评价。但是，聚合数据的类似性评价程序使用将其所记录的聚合数据的类似性评价程序记录媒体，在由计算机构成的FP的类似性评价装置1将其读取，由此亦可实现对象FP的类似性评价。
FP的类似性评价方法具备：图案化过程S1，由图案化部3发挥功能所进行；一致数抽出过程S2，由一致数抽出部5发挥功能所进行；以及一致度判定过程S3，由一致度判定部7发挥功能所进行。
该FP的类似性评价方法中，作为前述最终的评价的前处理，由作为复数个聚合数据的基准FP选定适于对象FP的波峰归属的多成分药剂的FP。
通过图案化部3的功能，图案化过程S1将作为各聚合数据的对象FP及基准FP的各数据的各波峰以选择的尺度进行图案化。该尺度在本实施例中是作为波峰的出现距离的保持时间间距。具体将于后述。
通过一致数抽出部5的功能，一致数抽出过程S2以循环方式比较图案化的各波峰而求取各图案间的一致数。该一致数在本实施例中是出现距离的一致数。具体将于后述。
通过一致度判定部7的功能，一致度判定过程S基于求取的一致数，利用Tanimoto系数求取各图案间的一致度。
一致度判定过程S3中，通过将前述Tanimoto系数设为“出现距离的一致数/(对象FP波峰数+基准FP波峰数-出现距离的一致数)”，并使(1-Tanimoto系数)趋近于零来求取前述一致度。
可对该(1-Tanimoto系数)进行(对象FP波峰数-出现距离的一致数+1)的加权，而设为“(1-Tanimoto系数)×(对象FP波峰数-出现距离的一致数+1)”。
通过该加权，可选择使对象FP的波峰更加一致的基准FP。
FP的类似性评价装置、类似性评价方法的作动原理
图3(A)为药剂A、(B)为药剂B、(C)为药剂C的FP。
例如设药剂A的FP为对象FP，设药剂B、C的FP为基准FP时，在将对象FP的各波峰归属于由药剂B、C作成的基准群FP前，由复数个基准FP选定适于对象FP的归属的药剂B、C任一项的基准FP，而将对象FP的各波峰归属于该选定的基准FP的波峰。
即，为了以高精确度进行对象FP的各波峰的波峰归属，如图4～图9所示，在对象FP与基准FP之间算出波峰的保持时间出现图案的一致度，由全部基准FP选定该一致度最小的基准FP。
图4～图9为对对象FP与基准FP的保持时间出现距离的一致数以及保持时间出现图案的一致度进行说明的图。图4为表示对象FP及基准FP的保持时间的说明图、图5为表示对象FP的保持时间出现图案的说明图、图6为表示基准FP的保持时间出现图案的说明图。图7为表示对象及基准FP的出现距离的一致数的说明图、图8为对象FP与基准FP的全部保持时间出现距离的一致数的说明图、图9为对象FP与基准FP的全部保持时间出现图案的一致度的说明图。
图4中表示对象FP15及基准FP17各自的保持时间。图5、图6中表示由对象FP15及基准FP17各自的保持时间算出所有的保持时间间距，并将这些距离汇整成表形式的保持时间出现图案。图7中对对象FP、基准FP的保持时间出现图案的各单元的值以各自的行进行比较，统计两值的差为一定以内的数，表示出所算出的保持时间出现距离的一致数。图8中表示以对象FP与基准FP间的所有组合算出该保持时间出现距离的一致数，并将这些一致数汇整成表形式的保持时间出现距离的一致数。图9中表示基于该一致数而算出保持时间出现图案的一致度，并将这些一致度汇整成表形式的保持时间出现图案的一致度。
对象FP15的波峰归属处理中，以FP图案尽量与对象FP15类似的基准FP来归属对象FP15的各波峰。由复数个基准FP选定与该对象FP15类似的基准FP，在进行高精确度的归属上是重要的点。
因此，作为客观且简易地评价与对象FP15的FP图案的类似性的方法，利用保持时间出现图案的一致度来评价FP图案的类似性。
例如对象FP15及基准FP17的保持时间为如图4所示时，对象FP15及基准FP17各自的保持时间出现图案便如图5、图6所示。图5、图6中，对于上层的对象FP15及基准FP17，如下层的图表所示，各单元的值作成为由保持时间间距构成的表形式的图案。
图5中，对象FP15的各波峰(19、21、23、25、27、29、31、33、35、37)的保持时间为(10.2)、(10.5)、(10.8)、(11.1)、(11.6)、(12.1)、(12.8)、(13.1)、(13.6)、(14.0)。
因此，波峰19及波峰21间的保持时间间距为(10.5)-(10.2)=(0.3)。同样地，波峰19及波峰23间为(0.6)、波峰21及波峰23间为(0.3)等。以下，同样地为图5的下层图表的对象FP出现图案。
图6中，基准FP17的各波峰(39、41、43、45、47、49、51、53、55、57、59)的保持时间为(10.1)、(10.4)、(10.7)、(11.1)、(11.7)、(12.3)、(12.7)、(13.1)、(13.6)、(14.1)、(14.4)。
因此，同样地保持时间间距为图6的下层图表的基准FP出现图案。
如图5、图6所示，以循环方式比较图案化的各波峰而求取一致数。例如，如图7所示比较图5下层图表的对象FP出现图案的各单元的值与图6下层图表的基准FP出现图案的各单元的值，而如图8所示得到一致数。
图7中，以行单位依序以循环方式比较根据对象FP15与基准FP17的保持时间出现图案的所有的保持时间间距的图案，并于设定的范围内算出距离一致的数。
例如，若比较图7的对象及基准FP保持时间出现图案的各第1行的图案，则以圆圈包围的数值呈一致，一致数为7个。在图8的对象及基准FP保持时间出现图案的第1行将该7个一致数写入保持时间出现距离的一致数。对于图7中的其他行亦同样地以循环方式比较对象FP保持时间出现图案的1行～9行与基准FP保持时间出现图案的1行～10行，而分别得到一致数。
结果示于图8。图8中，以圆圈包围的左端的7的数值为比较对象及基准FP保持时间出现图案的各第1行的结果，其相邻的7的数值则为比较对象FP保持时间出现图案的第1行与基准FP保持时间出现图案的第2行的结果。
此外，并未限定于用以判定出现距离的一致的设定值的范围，优选为0.05分钟～0.2分钟的范围。实施例1为0.1分钟。
如设保持时间出现图案的一致度为RP时，对象FP15的第f行的保持时间出现图案与基准FP17的第g行的保持时间出现图案的一致度(RPfg)利用Tanimoto系数，以
RPfg=｛1-(m/(a+b-m))｝×(a-m+1)
的形式算出。
此外，式中a为对象FP15的波峰数(对象FP波峰数)、b为基准FP17的波峰数(基准FP波峰数)、m为保持时间出现距离的一致数(参照图8)。
基于图8的一致数，利用前述式算出各保持时间出现图案的一致度(RP)(参照图9)。
设作为这些RP的最小值的RP_min为对象FP15与基准FP17的保持时间出现图案的一致度。图9中，(0.50)为对于对象FP15的基准FP的一致度。
对所有基准FP算出该一致度，选定一致度最小的基准FP，相对于该基准FP进行对象FP的波峰归属。
类似性评价程序
图11、图12为类似性评价程序的流程图。
图11为表示用以评价FP间的类似性的处理整体的步骤的流程图，利用系统启动而起始，在计算机上实现图案化功能、一致数抽出功能与一致度判定功能，在视为正常品的复数个基准FP与对象FP 17间评价保持时间出现图案的类似性，而选定适于对象FP17的归属的基准FP。
图12为表示图11的“FP类似性评价处理”中“子程序1”的详细情形的流程图。该处理中，计算FP间(例如对象FP与基准FP)的保持时间出现图案的一致度。
FP类似性评价处理
步骤S201中执行“读取对象FP”的处理。该处理中读取归属对象的FP，并移至步骤S202。
步骤S202中执行“取得全部保持时间(R1)”的处理。该处理中取得所有在步骤S201读取的对象FP的保持时间信息，并移至步骤S203。
步骤S203中执行“将全部基准FP的文件名列表化”的处理。该处理中预先将全部基准FP的文件名列表化，以便于随后对全部基准FP依序进行处理，并移至步骤S204。
步骤S204中，将1代入作为用于对全部基准FP依序进行处理的计数器的初始值的n(n←1)，并移至步骤S205。
步骤S205中执行“读取列表第n号的基准FP(基准FPn)”的处理。该处理中读取在步骤S203列表化的全部基准FP的文件名列表的第n号的FP，并移至步骤S206。
步骤S206中执行“取得全部保持时间(R2)”的处理。该处理中取得所有在步骤S205读取的基准FP的保持时间信息，并移至步骤S207。
步骤S207中执行“算出R1及R2的保持时间出现图案的一致度(RPn_min)”的处理。该处理中由在步骤S202取得的对象FP的保持时间及在步骤S206取得的基准FP的保持时间算出RPn_min，并移至步骤S208。此外，RPn_min的详细计算流程由图12的子程序1另外进行说明。
步骤S208中执行“RPn_min的保存(RPall_min)”的处理。该处理中将在步骤S207算出的RPn_min保存于RPall_min，并移至步骤S209。
步骤S209中执行“n的更新(n←n+1)”的处理。该处理中，为了将处理移至下一个FP，将n+1代入n以作为n的更新，并移至步骤S210。
步骤S210中执行“全部基准FP处理结束？”的判断处理。该处理中判断所有基准FP是否经处理，当处理完成(是)时，移至步骤S211。若有未处理的基准FP(否)时，为了对未处理的FP执行步骤S205～S210的处理，而移至步骤S205。重复进行步骤S205～S210的处理至全部基准FP的处理结束为止。
步骤S211中执行“由RPall_min选定一致度最小的基准FP”的处理。该处理中由相对于全部基准FP算出的RP1_min比较RPn_min，而选定与对象FP的保持时间出现图案的一致度最小的基准FP。
子程序1
步骤S1001执行“x←R1、y←R2”的处理。该处理中将图80的在S202及S206取得的R1及R2分别代入x及y，并移至步骤S 1002。
步骤S1002中执行“取得x、y的数据数(a、b)”的处理。该处理中取得x、y的数据数分别作为a、b，并移至步骤S1003。
步骤S1003将1代入作为用以依序叫出x的保持时间的计数器的初始值的i(i←1)，并移至步骤S1004。
步骤S1004中执行“取得来自第xi号的保持时间的总距离(f)”的处理。该处理中取得第xi号的保持时间及其以后的总保持时间间距作为f，并移至步骤S 1005。
步骤S 1005将1代入作为用以依序叫出y的保持时间的计数器的初始值的j(j←1)，并移至步骤S1006。
步骤S 1006中执行“取得来自第yi号的保持时间的总距离(g)”的处理。该处理中取得第yj号的保持时间及其以后的总保持时间间距作为g，并移至步骤S1007。
步骤S1007中执行“取得满足“|f的各保持时间间距-g的各保持时间间距|＜阈值”的条件的数据数(m)”的处理。该处理中以循环方式比较在步骤S1004及S1006取得的保持时间间距f及g，而取得满足“|f的各保持时间间距-g的各保持时间间距|＜阈值”的条件的数据数作为m，并移至步骤S1008。
步骤S1008中执行“算出f及g的保持时间出现图案的一致度(RPfg)”的处理。该处理中由在步骤S1002取得的a、b及在步骤S1007取得的m，以
RPfg=(1-(m/(a+b-m)))×(a-m+1)
的形式算出RPfg，并移至步骤S1009。
步骤S1009中执行“保存RPfg(RP_all)”的处理。该处理中将在步骤S1008算出的一致度保存于RP_all，并移至步骤S1010。
步骤S1010中执行“j的更新(j←j+1)”的处理。该处理中，为了将y的处理移至下一个保持时间，将j+1代入j以作为j的更新，并移至步骤S1011。
步骤S1011中执行“y的全部保持时间处理结束？”的判断处理。该处理中判断y的所有保持时间的处理是否结束。若结束(是)时判断为y的全部保持时间的处理结束，并移至步骤S1012。若未结束(否)时，则判断为y中残留有未处理的保持时间，并移至步骤S1006。即，重复步骤S1006～S1011的处理至y的所有保持时间已处理。
步骤S1012中执行“i的更新(i←i+1)”的处理。该处理中，为了将x的处理移至下一个保持时间，将i+1代入i以作为i的更新，并移至步骤S1013。
步骤S1013中执行“x的全部保持时间处理结束？”的判断处理。该处理中判断x的所有保持时间的处理是否结束。若结束(是)时判断为x的全部保持时间的处理结束，并移至步骤S1014。若未结束(否)时，则判断为x中残留有未处理的保持时间，并移至步骤S1004。即，重复步骤S1004～S1013的处理至x的所有保持时间已处理。
步骤S1014中执行“由RP_all取得最小值(RP_min)”的处理。该处理中将取得对象FP与基准FP的保持时间出现图案的全组合的RP所保存的RP_all中的最小值作为RP_min，将该RP_min转移至图11的步骤S207，而结束保持时间出现图案的一致度计算处理。
实施例1的效果
本发明的实施例1是一种评价聚合了复数个波峰(19、21、···)、(39、41、···)的对象FP15及基准FP17的类似性的FP的类似性评价方法，其具备：图案化过程S 1，将对象FP15及基准FP17的各波峰(19、21、···)、(39、41、···)以出现距离如图5、图6所示图案化；一致数抽出过程S2，以循环方式比较图案化的各图案，并如图8所示求取一致数；及一致度判定过程S3，基于求取出的一致数利用Tanimoto系数，如图9所示求取一致度。
因此，可简易且迅速地评价对象FP15与基准FP17的类似性，能以FP图案尽量与对象FP15类似的基准FP来归属对象FP15的各波峰。由复数个基准FP选定与该对象FP15类似的基准FP，可进行精确度更高的归属。
一致度判定过程S3中，通过将Tanimoto系数设为“出现距离的一致数/(对象FP波峰数+基准FP波峰数-出现距离的一致数)”，使(1-Tanimoto系数)趋近于零来求取一致度，并对该(1-Tanimoto系数)进行(对象FP波峰数-出现距离的一致数+1)的加权，而设为“(1-Tanimoto系数)×(对象FP波峰数-出现距离的一致数+1)”来求取一致度。
因此，通过加权可选择使对象FP15的波峰(19、21、···)更加一致的基准FP。
本发明实施例1的聚合数据的类似性评价程序，通过实现图案化功能、一致数抽出功能、一致度判定功能，能有助于评价FP的类似性，并简易且迅速地进行基准FP的选定。
本发明实施例1的FP的类似性评价装置1中可，利用图案化部3、一致数抽出部5、一致度判定部7来实现FP的类似性评价方法。
实施例2
图10为表示对象FP的波峰高度比图案的说明图。
本实施例2中，相对于图10上层的对象FP15，如下层的图表所示，作成各单元的值以波峰高度比构成的表形式的图案化。
图10中，对象FP15的各波峰(19、21、23、25、27、29、31、33、35、37)的各波峰高度为(5、9、2、30、2、21、32、4、4、11)。
因此，波峰19及波峰21间的高度比为(9÷5)=(1.8)。同样地，波峰19及波峰23间为(0.4)、波峰21及波峰23间为(0.2)等。以下同样为图10的下层图表的对象FP的波峰的高度比图案。
对于基准FP，亦同样地得到基准FP的波峰的高度比图案。
因此，本实施例2中，图案化过程S1中以尺度为波峰的高度比而图案化。
一致数抽出过程S2中将一致数设为高度比的一致数，并以循环方式比较以波峰的高度比来图案化的各波峰，而于设定范围内算出高度比一致的数。由此算出，可与图8同样地得到一致数。
此外，在波峰的高度比中图案化的本实施例中，图10下层图表所示的1行中有存在复数个相同值的情况，必须不计算这些复数次。
一致度判定过程S2中通过将Tanimoto系数设为“高度比的一致数／(对象FP波峰数＋基准FP波峰数－高度比的一致数)”，使(1-Tanimoto系数)趋近于零，而可求得前述一致度。
又，在(1－Tanimoto系数)施以(对象FP波峰数－高度比的一致数＋1)的加权，成为“(1－Tanimoto系数)×(对象FP波峰数－高度比的一致数＋1”，通过加权可选择使对象FP15的波峰(19、21、···)更加一致的基准FP。
因此，本实施例2中，亦可发挥与实施例1同样的效果。
其他
本发明实施例对于作为多成分药剂的中药的评价是适用的，但亦可适用于其他多成分物质的评价。层析图则不限于3D层析图，亦可使用作为FP的UV光谱以外的波峰及其保持时间所构成的FP。
本发明的聚合数据的类似性评价方法是一种探讨聚合复数个数据的聚合数据相互的一致度的类似性评价方法，其具备：图案化过程，将前述各聚合数据的各数据以选择的尺度来图案化；一致数抽出过程，以循环方式比较前述图案化的各数据而求取一致数；以及一致度判定过程，基于前述求取的一致数，利用Tanimoto系数求取一致度，可广泛应用于评价聚合数据相互的类似性。作为聚合数据并不限于FP，亦可应用于其他信号数据等。
作为上述实施例的聚合数据的FP是基于波峰高度而作成，并利用上述手法来评价类似性，而在以波峰的面积值作成FP时亦可利用同样的手法来进行评价。
即，对于本发明的聚合数据的类似性评价方法、类似性评价程序及类似性评价装置中所使用的波峰，如上述皆可包含意指信号强度(高度)的极大值的情况与意指以高度表现信号强度的面积值(波峰面积)者的情况的任一种。
此时，以波峰面积作FP时亦以高度表现面积值而作成FP，作为FP为与以上述实施例的波峰高度作成时同样的表现。因此，以波峰面积作成FP时亦与以信号强度的波峰高度作成FP时同样地可利用上述实施例1或实施例2的处理来评价类似性。
因此，本发明中，图案化部、图案化过程、图案化功能可对各聚合数据的各数据，除实施例1的波峰的出现距离、实施例2的波峰的高度比以外，利用波峰面积的面积比作为选择的尺度，与实施例2同样地进行。
符号说明
1    FP的类似性评价装置(聚合数据的类似性评价装置)
3    图案化部
5    一致数抽出部
7    一致度判定部
S1   图案化过程
S2   一致数抽出过程
S3   一致度判定过程

Claims (18)

1.一种聚合数据的类似性评价方法，是评价由复数个数据聚合而成的聚合数据相互的类似性的聚合数据的类似性评价方法，其特征在于，具备：
图案化过程，将前述各聚合数据的各数据以选择的尺度进行图案化；
一致数抽出过程，以循环方式比较前述图案化的各数据而求取一致数；以及
一致度判定过程，基于前述求取的一致数，利用Tanimoto系数求取一致度。
2.如权利要求1所述的聚合数据的类似性评价方法，其特征在于，前述聚合数据是由波峰以及其保持时间所构成的FP，
在前述图案化过程中，在将波峰的出现距离、高度比、面积比中的任一项作为前述尺度，由复数种基准FP根据前述一致度选定最接近于对象FP的基准FP时，
在前述一致数抽出过程中，将前述出现距离、高度比、面积比中的任一项的一致数作为前述一致数，以及
在前述一致度判定过程中，以“出现距离、高度比、面积比中的任一项的一致数/(对象FP波峰数+基准FP波峰数-出现距离、高度比、面积比的任一项的一致数)”作为前述Tanimoto系数，并通过使(1-Tanimoto系数)近似零来求取前述一致度。
3.如权利要求2所述的聚合数据的类似性评价方法，其特征在于，对前述(1-Tanimoto系数)进行(对象FP波峰数-出现距离、高度比、面积比的任一项的一致数+1)的加权，
并设为“(1-Tanimoto系数)×(对象FP波峰数-出现距离、高度比、面积比的任一项的一致数+1)”。
4.如权利要求2或3所述的聚合数据的类似性评价方法，其特征在于，前述FP由多成分物质的层析图检测出。
5.如权利要求4所述的聚合数据的类似性评价方法，其特征在于，前述多成分物质为多成分药剂。
6.如权利要求5所述的聚合数据的类似性评价方法，其特征在于，前述多成分药剂为生药、生药的组合、这些的提取物、中药中的任一种。
7.一种聚合数据的类似性评价程序，是评价由复数个数据聚合而成的聚合数据相互的类似性的聚合数据的类似性评价程序，其特征在于，在计算机上实现：
图案化功能，将前述各聚合数据的各数据以选择的尺度进行图案化；
一致数抽出功能，以循环方式比较前述图案化的各数据而求取一致数；以及
一致度判定功能，基于前述求取的一致数，利用Tanimoto系数求取一致度。
8.如权利要求7所述的聚合数据的类似性评价程序，其特征在于，前述聚合数据是由波峰以及其保持时间所构成的FP，
在前述图案化功能将波峰的出现距离、高度比、面积比中的任一项作为前述尺度，由复数种基准FP根据前述一致度选定最接近于对象FP的基准FP时，
前述一致数抽出功能将前述出现距离、高度比、面积比中的任一项的一致数作为前述一致数，以及
前述一致度判定过程以“出现距离、高度比、面积比的任一项的一致数/(对象FP波峰数+基准FP波峰数-出现距离、高度比、面积比的任一项的一致数)”作为前述Tanimoto系数，并通过使(1-Tanimoto系数)近似零来求取前述一致度。
9.如权利要求8所述的聚合数据的类似性评价程序，其特征在于，对前述(1-Tanimoto系数)进行(对象FP波峰数-出现距离、高度比、面积比的任一项的一致数+1)的加权，
并设为“(1-Tanimoto系数)×(对象FP波峰数-出现距离、高度比、面积比的任一项的一致数+1)”。
10.如权利要求8或9所述的聚合数据的类似性评价程序，其特征在于，前述FP由多成分物质的层析图检测出。
11.如权利要求10所述的聚合数据的类似性评价程序，其特征在于，前述多成分物质为多成分药剂。
12.如权利要求11所述的聚合数据的类似性评价程序，其特征在于，前述多成分药剂为生药、生药的组合、这些的提取物、中药中的任一种。
13.一种聚合数据的类似性评价装置，是评价由复数个数据聚合而成的聚合数据相互的类似性的类似性评价装置，其特征在于，具备：
图案化部，将前述各聚合数据的各数据以选择的尺度进行图案化；
一致数抽出部，以循环方式比较前述图案化的各数据而求取一致数；以及
一致度判定部，基于前述求取的一致数，利用Tanimoto系数求取一致度。
14.如权利要求13所述的聚合数据的类似性评价装置，其特征在于，前述聚合数据是由波峰以及其保持时间所构成的FP，在由复数种基准FP根据前述一致度来选定最接近于对象FP的基准FP时，
前述图案化部将波峰的出现距离、高度比、面积比中的任一项作为前述尺度，
前述一致数抽出部将前述出现距离、高度比、面积比中的任一项的一致数作为前述一致数，以及
前述一致度判定部将“出现距离、高度比、面积比的任一项的一致数/(对象FP波峰数+基准FP波峰数-出现距离、高度比、面积比的任一项的一致数)”作为Tanimoto系数，并通过使(1-Tanimoto系数)近似零来求取前述一致度。
15.如权利要求14所述的聚合数据的类似性评价装置，其特征在于，对前述(1-Tanimoto系数)进行(对象FP波峰数-出现距离、高度比、面积比的任一项的一致数+1)的加权，
并设为“(1-Tanimoto系数)×(对象FP波峰数-出现距离、高度比、面积比的任一项的一致数+1)”。
16.如权利要求14或15所述的聚合数据的类似性评价装置，其特征在于，前述FP由多成分物质的层析图检测出。
17.如权利要求16所述的聚合数据的类似性评价装置，其特征在于，前述多成分物质为多成分药剂。
18.如权利要求17所述的聚合数据的类似性评价装置，其特征在于，前述多成分药剂为生药、生药的组合、这些的提取物、中药中的任一种。
CN201280001651.1A 2011-06-01 2012-05-31 聚合数据的类似性评价方法以及类似性评价装置 Active CN102985818B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2011-123847 2011-06-01
JP2011123847 2011-06-01
PCT/JP2012/003612 WO2012164954A1 (ja) 2011-06-01 2012-05-31 集合データの類似性評価方法、類似性評価プログラム、及び類似性評価装置

Publications (2)

Publication Number Publication Date
CN102985818A true CN102985818A (zh) 2013-03-20
CN102985818B CN102985818B (zh) 2016-03-02

Family

ID=47258823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280001651.1A Active CN102985818B (zh) 2011-06-01 2012-05-31 聚合数据的类似性评价方法以及类似性评价装置

Country Status (8)

Country Link
US (1) US20130197813A1 (zh)
EP (1) EP2717048B1 (zh)
JP (1) JP5910506B2 (zh)
KR (1) KR101436534B1 (zh)
CN (1) CN102985818B (zh)
HK (1) HK1181116A1 (zh)
TW (1) TWI521203B (zh)
WO (1) WO2012164954A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106446546B (zh) * 2016-09-23 2019-02-22 西安电子科技大学 基于卷积自动编解码算法的气象数据填补方法
JP7281256B2 (ja) 2018-08-14 2023-05-25 横河電機株式会社 信号入力回路
CN109637672B (zh) * 2018-11-28 2023-11-07 北京工业大学 一种基于药物效用度的方剂相似度计算方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2658344B2 (ja) * 1989-01-26 1997-09-30 株式会社島津製作所 クロマトグラフ用データ処理装置
CN1369848A (zh) * 2001-02-13 2002-09-18 科学与工业研究会 一种色谱指纹图谱和单一药物和制剂标准化的新方法
CN1965233A (zh) * 2004-06-07 2007-05-16 株式会社津村 多成分药剂的评价方法
JP2007315941A (ja) * 2006-05-26 2007-12-06 Univ Of Miyazaki 植物品種判定装置、植物品種判定方法及び植物品種判定用プログラム
JP2008100918A (ja) * 2006-10-17 2008-05-01 Nec Corp 類似度計算処理システム、その処理方法及びプログラム
WO2009064015A1 (ja) * 2007-11-12 2009-05-22 In-Silico Sciences, Inc. インシリコスクリーニング装置、および、インシリコスクリーニング方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6980674B2 (en) * 2000-09-01 2005-12-27 Large Scale Proteomics Corp. Reference database
JP4886933B2 (ja) * 2001-01-12 2012-02-29 カウンセル オブ サイエンティフィック アンド インダストリアル リサーチ クロマトグラフフィンガープリントならびに単一の医薬および処方物の標準化のための新規な方法
US6319679B1 (en) * 2001-01-26 2001-11-20 Board Of Regents, The University Of Texas System PAS kinase
US20040034477A1 (en) * 2002-08-19 2004-02-19 Mcbrien Michael Methods for modeling chromatographic variables
JP4191094B2 (ja) * 2004-06-08 2008-12-03 株式会社山武 マススペクトル解析装置、マススペクトル解析方法及びマススペクトル解析プログラム
WO2008058923A2 (en) * 2006-11-13 2008-05-22 N.V. Organon A system and method to identify the metabolites of a drug
JP4840597B2 (ja) * 2007-03-08 2011-12-21 日本電気株式会社 創薬のマルチターゲットスクリーニング装置
JP5487970B2 (ja) * 2007-11-08 2014-05-14 日本電気株式会社 特徴点配置照合装置及び画像照合装置、その方法及びプログラム
KR101513326B1 (ko) * 2007-11-09 2015-04-17 에자이 알앤드디 매니지먼트 가부시키가이샤 혈관 신생 저해 물질과 항종양성 백금 착물의 병용

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2658344B2 (ja) * 1989-01-26 1997-09-30 株式会社島津製作所 クロマトグラフ用データ処理装置
CN1369848A (zh) * 2001-02-13 2002-09-18 科学与工业研究会 一种色谱指纹图谱和单一药物和制剂标准化的新方法
CN1965233A (zh) * 2004-06-07 2007-05-16 株式会社津村 多成分药剂的评价方法
JP2007315941A (ja) * 2006-05-26 2007-12-06 Univ Of Miyazaki 植物品種判定装置、植物品種判定方法及び植物品種判定用プログラム
JP2008100918A (ja) * 2006-10-17 2008-05-01 Nec Corp 類似度計算処理システム、その処理方法及びプログラム
WO2009064015A1 (ja) * 2007-11-12 2009-05-22 In-Silico Sciences, Inc. インシリコスクリーニング装置、および、インシリコスクリーニング方法
CN101855392A (zh) * 2007-11-12 2010-10-06 电子虚拟生物科技株式会社 虚拟筛选装置及虚拟筛选方法

Also Published As

Publication number Publication date
US20130197813A1 (en) 2013-08-01
TWI521203B (zh) 2016-02-11
EP2717048A4 (en) 2014-12-10
EP2717048B1 (en) 2020-04-01
EP2717048A1 (en) 2014-04-09
TW201314205A (zh) 2013-04-01
WO2012164954A1 (ja) 2012-12-06
JP5910506B2 (ja) 2016-04-27
KR101436534B1 (ko) 2014-09-01
KR20130029405A (ko) 2013-03-22
JPWO2012164954A1 (ja) 2015-02-23
CN102985818B (zh) 2016-03-02
HK1181116A1 (zh) 2013-11-01

Similar Documents

Publication Publication Date Title
Chen et al. Identification of drug-drug interactions using chemical interactions
CN103026222B (zh) 波峰归属方法以及归属装置
Brossier et al. Using tree-ring records to calibrate peak detection in fire reconstructions based on sedimentary charcoal records
CN102985818A (zh) 聚合数据的类似性评价方法、类似性评价程序以及类似性评价装置
Loss-Oliveira et al. Testing synchrony in historical biogeography: the case of New World primates and Hystricognathi rodents
Helgaker et al. Calculation of NMR spin–spin coupling constants in strychnine
Jackson et al. Cluster analysis of fish community data:“new” tools for determining meaningful groupings of sites and species assemblages
CN102959395B (zh) Fp的特征值作成方法以及作成装置
CN102959396B (zh) 图案的评价方法、多成分物质的评价方法以及评价装置
CN103097886B (zh) 图案的评价方法、多成分物质的评价方法以及评价装置
Masand et al. Correlation potential of Wiener index vis-a-vis molecular refractivity, Antimalarial activity of xanthone derivatives
CN102971625B (zh) Fp作成方法、作成装置以及fp
KR20170043418A (ko) 천연물 소재 및 성분의 신규 효능 예측 시스템 및 그 방법
Macedonia et al. Analysis of Bobbing Displays in the Grahami Series Anoles from Jamaica and Grand Cayman
Ficheur et al. Supervised analysis of drug prescription sequences
Lefrancq et al. Learning the fitness dynamics of pathogens from phylogenies
Aakjær et al. Epidemiological surveillance of drug safety using cumulative sequential analysis in electronic healthcare data
Benzekry et al. Classical Mathematical Models for Description and Forecast of Preclinical Tumor Growth
Muehlbacher et al. Chemoinformatics: Structure-and Property-activity Relationship Development
Young et al. Patient survey regarding utility of the health assessment questionnaire reveals an unrecognized aspect of disease activity in rheumatoid arthritis: consequences of physical activity
Ryder et al. Examination of Gbx2 function in zebrafish development

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1181116

Country of ref document: HK

C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1181116

Country of ref document: HK