CN108473925A - 碱基序列确定装置、毛细管阵列电泳装置和方法 - Google Patents

碱基序列确定装置、毛细管阵列电泳装置和方法 Download PDF

Info

Publication number
CN108473925A
CN108473925A CN201680079412.6A CN201680079412A CN108473925A CN 108473925 A CN108473925 A CN 108473925A CN 201680079412 A CN201680079412 A CN 201680079412A CN 108473925 A CN108473925 A CN 108473925A
Authority
CN
China
Prior art keywords
signal
peak
deconvolution
base sequence
discrete
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.)
Pending
Application number
CN201680079412.6A
Other languages
English (en)
Inventor
川口洋平
安田知弘
G·凯尔吉迪斯
横井崇秀
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.)
Hitachi Ltd
Hitachi High Tech Corp
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN108473925A publication Critical patent/CN108473925A/zh
Pending legal-status Critical Current

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
    • C12N15/09—Recombinant DNA-technology
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44704—Details; Accessories
    • G01N27/44717—Arrangements for investigating the separated zones, e.g. localising zones
    • G01N27/44721—Arrangements for investigating the separated zones, e.g. localising zones by optical means
    • G01N27/44726—Arrangements for investigating the separated zones, e.g. localising zones by optical means using specific dyes, markers or binding molecules
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
    • B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
    • B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
    • B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q2565/00—Nucleic acid analysis characterised by mode or means of detection
    • C12Q2565/10—Detection mode being characterised by the assay principle
    • C12Q2565/125—Electrophoretic separation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Physics & Mathematics (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Genetics & Genomics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biomedical Technology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Plant Pathology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明的碱基序列确定装置包括：(1)迁移率校正部，其输出对与各碱基对应的波谱的时序信号进行迁移率校正后的迁移率校正信号；(2)反卷积部，其执行以下处理，即：对点扩散函数的多个参数候选分别计算上述迁移率校正信号的反卷积后信号的处理、对计算出的反卷积后信号计算峰间隔的离散的处理、使用计算出的离散来确定上述点扩散函数的参数的处理和将与具有所确定的参数的上述点扩散函数对应的上述反卷积信号作为更新反卷积信号输出的处理；(3)峰提取部，其从上述更新反卷积后信号提取峰波形，并将更新峰提取后信号输出；和(4)输入上述更新峰提取后信号，确定碱基序列的序列确定部。

Description

碱基序列确定装置、毛细管阵列电泳装置和方法
技术领域
本发明涉及自动确定碱基序列的技术。
背景技术
确定构成核酸的碱基序列的装置一般称为DNA(deoxyribonucleic acid：脱氧核糖核酸)测序仪。在DNA测序仪中存在各种检测技术，以下对毛细管电泳型测序仪进行说明。毛细管电泳型测序仪通过使核酸样本电泳来确定碱基序列。毛细管电泳型测序仪作为时序的输入信号观察从与4种碱基(A(腺嘌呤)、G(鸟嘌呤)、C(胞嘧啶)、T(胸腺嘧啶))对应的色素发出的波谱，确定碱基序列。将这样根据时序的输入信号确定碱基序列的处理称为“序时碱基响应(base call)”。
在序时碱基响应中，从对输入信号实施颜色变换、迁移率校正后的信号中检测与各碱基对应的峰，根据这些峰的位置的顺序来确定序列。不过，并不一定能够观测到陡峭的峰，既存在峰的宽度扩展至峰彼此具有重叠的程度的情况，也存在重叠的多个峰在输入信号上看成一个峰的情况。在这种情况下，必须将输入信号上的一个峰分解为本来的多个峰，从而确定各峰的正确位置，否则分析就不准确。
作为即使存在这样的峰的重叠也能够高精度地确定序列的方法，有专利文献1记载的方法。在专利文献1的摘要中记载有“(A)从包含将样本核酸电泳分离而获得的4种碱基类型的峰在内的电泳数据中提取基峰的基峰提取工序，(B)在由所提取的基峰构成的时序数据中设定开始探索的探索始点基峰和峰间隔基准值的条件设定工序，(C)在上述时序数据中，以探索始点基峰为始点，在相邻的基峰间向时序的前向和后向依次扫描，将基峰间的间隔与上述峰间隔基准值进行比较，在峰欠缺区间追加插补峰，由此确定碱基序列。”。
现有技术文献
专利文献
专利文献1：国际公开第2008/050426号
发明内容
发明所要解决的问题
如上所述，在专利文献1中记载有“将基峰间的间隔与上述峰间隔基准值进行比较而在峰欠缺区间追加插补峰”的技术。但是，利用在欠缺区间追加峰的方法，即使能够确定应该追加峰的区间，也不能确定应该追加那种碱基类型的峰。例如考虑图1所示那样在碱基类型A与碱基类型G之间波形在时间上重叠的情况。在碱基类型A存在微小的峰P1但由于噪声等某些原因而不能检测到峰P1的情况下，在该时刻不能明确在碱基类型A与碱基类型G的哪个类型追加峰P1。
因此，本发明提供即使在峰的分离度低的情况下也能够高精度地确定碱基序列的技术。
用于解决问题的方式
为了解决上述问题，本发明例如采用权利要求的范围内记载的结构。本说明书包括多个解决上述问题的方式，列举其一例为“一种碱基序列确定装置，其包括(1)迁移率校正部，其输出对与各碱基对应的波谱的时序信号进行迁移率校正后的迁移率校正信号；(2)反卷积部，其执行以下处理，即：对点扩散函数的多个参数候选分别计算上述迁移率校正信号的反卷积后信号的处理、对计算出的反卷积后信号计算峰间隔的离散的处理、使用计算出的离散来确定上述点扩散函数的参数的处理和将与具有所确定的参数的上述点扩散函数对应的上述反卷积信号作为更新反卷积信号输出的处理；(3)峰提取部，其从上述更新反卷积后信号提取峰波形并输出更新峰提取后信号；和(4)输入上述更新峰提取后信号，确定碱基序列的序列确定部”。
发明的效果
根据本发明，即使在峰的分离度低的情况下也能够高精度地确定碱基序列。上述以外的问题、结构和效果能够通过以下的实施方式的说明而明了。
附图说明
图1是说明峰的分离度低的情况的图。
图2是表示实施例1的毛细管阵列电泳装置的整体结构的图。
图3是说明实施例1的荧光检测装置的结构的图。
图4是说明信号处理部的功能结构的图。
图5是说明使用对多个区块进行计算而得出的标准偏差进行的再计算功能(区块间再计算功能)的图。
图6是表示用户界面画面的例子的图。
图7是说明峰间隔约束反卷积部的处理操作的流程图。
图8是表示毛细管阵列电泳装置的其它结构例的图。
具体实施方式
以下，根据附图对本发明的实施方式进行说明。另外，本发明的实施方式并不限定于后述的实施方式例，而能够在其技术思想的范围内进行各种变形。
(1)实施例1
(1-1)整体结构
图2表示毛细管阵列电泳装置10的结构例。毛细管阵列电泳装置10包括：试样托盘12，其收纳放入有对作为测定对象物的DNA添加了荧光标记的试样(以下称为“试样”。)的多个试样容器11(在各试样容器11中放入不同的试样)；输送试样托盘12的输送器20；成为试样容器11内的试样的电泳路径的毛细管阵列30；向毛细管阵列30内注入电泳介质41的泵单元42；向毛细管阵列30的两端施加高电压的高压电源21；将毛细管阵列30内保持为固定的温度的恒温槽31；在试样电泳的路径上设置的检测位置32；荧光检测装置50；和控制基板51。
毛细管阵列30是多个毛细管33的集合体。各个毛细管33为中空。在本实施例的情况下，毛细管33的长度为30cm以下。不过，毛细管33的长度也可以为30cm以上(例如36cm以上)。此外，各个毛细管33的一端插入试样容器11内的试样中。试样从试样容器11向毛细管33内移动，之后在毛细管内电泳。泵单元42向各个毛细管33内注入电泳介质41(例如聚合物)。由此，各个毛细管33内被填充电泳介质41。
高压电源21向填充有电泳介质41的各个毛细管33的两端施加高电压(例如最大电压为20kV)。通过高电压的施加，各试样从各毛细管33内通过，从试样容器11向检测位置32电泳。通过检测位置32后的各试样向排出位置34电泳。试样根据其碱基长度的不同而电泳速度不同，因此从碱基长度短的DNA起依次到达检测位置32。
荧光检测装置50从到达检测位置32的试样起依次照射激发光，检测荧光标记发出的荧光信号强度和波长。本实施例的荧光检测装置50基于检测到的荧光信号的波长来确定DNA的碱基序列，向控制基板51输出。此外，荧光检测装置50将所确定的碱基序列等其它信息显示于显示装置52的画面上。控制基板51将荧光检测装置50分析出的荧光信号的碱基序列传送至外部终端(未图示)。此处的外部终端由于要进行分析结果的确认而优选具有显示装置。
图3表示荧光检测装置50的内部结构例。荧光检测装置50具有激发光源61、快门62、激发光透镜63、光学滤波器66、荧光透镜67、衍射栅格68、CCD(Charge Coupled Device：电荷耦合器件)69、CCD控制部70、ADC(Analog to digital converter：模数转换器)71、信号处理部72和存储器73。
激发光源61是持续照射激发光64的光源。与检测位置32对应的所有毛细管33被激发光64照射。快门62按每规定间隔反复开合。快门62在打开时令从激发光源61照射的激发光64透过，在关闭时遮挡该光。激发光透镜63将从快门62透过的激发光64聚集。由激发光透镜63聚集的激发光64向检测位置32照射。由于电泳，在通过各个毛细管33的检测位置32的DNA所添加的荧光标记因被照射激发光64而被激发，发出荧光信号65。
光学滤波器66(例如滤色片)将从荧光标记发出荧光信号65以外的光滤除。荧光透镜67将从光学滤波器66通过的荧光信号65聚集。由荧光透镜67聚集的荧光信号65在衍射栅格68被按每波长分光，向作为受光元件(受光部)的CCD69的受光面照射。当被照射按每波长分光后的荧光信号65时，在CCD69的受光面产生信号电荷。CCD69的转换电路将信号电荷转换为电压(模拟)输出至ADC71。CCD69为帧传输型、全帧传输型、行间传输型、帧间传输型的任一类型均可。
ADC71将从CCD69输出的模拟信号被转换为数字信号。ADC71将转换后的数字信号输出至信号处理部72。信号处理部72从被输出的数字信号取得荧光信号强度(大致与作为1像素结合的受光面的荧光信号强度相当)。本实施例的信号处理部72执行基于从数字信号获得的荧光信号的波长确定DNA的碱基序列的信号处理。另外，信号处理部72将从所输出的数字信号获得的荧光信号强度和波长存储在存储器73。
(1-2)信号处理部72的功能结构
图4表示信号处理部72的功能结构。在本实施例的情况下，信号处理部72的功能通过由计算机执行程序而实现。信号输入部101从ADC71接收作为数字信号的输入信号。如上所述，输入信号是从与各碱基类型A(腺嘌呤)、G(鸟嘌呤)、C(胞嘧啶)、T(胸腺嘧啶)这4种碱基各自对应的色素发出的波谱的时序。各时刻的波谱是将各波长离散后的实数值的序列，其序列长度N例如为10、20等的4以上的整数。因此，输入信号是N通道实数值信号。
基线除去部102执行基线除去处理，从输入信号(N通道实数值信号)获得基线除去后信号。基线除去处理使用减去各时刻的附近区间的最小值等公知的方法即可。颜色变换部103执行颜色变换处理，根据基线除去后信号(N通道实数值信号)计算各通道与4种碱基各自对应的4通道信号即颜色变换后信号。在颜色变换处理中，使用预先校准后的颜色变换矩阵的伪逆矩阵的乘法运算等公知的方法即可。
区块切割部104执行以强度足够小的时刻为界限，将颜色变换后信号的各通道的信号分割成小区间(以下还称为“区块”。)的区块切割处理，将与各区块对应的信号作为切割后信号输出。图5表示区块的切割例。如图5所示，一个切割信号由一组波形构成。通过分割成区块，能够削减后级的反卷积处理和峰间隔约束反卷积处理等的计算量。由此，实现处理时间的缩短和存储消耗的削减。
反卷积部105对切割后信号执行反卷积(Deconvolution)处理，计算初始反卷积后信号。一般反卷积处理在点扩散函数(PSF)已知的情况下与未知的情况下难度不同。在PSF已知的情况下，反卷积处理是使用输入信号(切割后信号)和PSF来计算反卷积后信号的处理。在这种情况下，通过使用维纳滤波的方法等，能够比较高精度地实现反卷积。
但是，在毛细管阵列电泳装置10中，PSF有时会发生变动。因此，反卷积部105需要在PSF未知的条件下进行反卷积。该处理是使用输入信号计算PSF和反卷积后信号的双方的处理，被称为“盲解卷积”。例如，能够基于Nonnegative Matrix Factorization(NMF)(非负矩阵分解)执行这样的伴随同时最佳化的反卷积。但是，一般存在无数PSF与反卷积后信号的组的候选，其局部解也存在无数。因此，一般难以获得高精度的解。在NMF中，虽然也存在L1正则化和L1/L2正则化等稀疏正则化那样避开局部解获得全局解的方案，但是即使在毛细管阵列电泳装置10中使用也难以获得足够的精度。
因此，在本实施例的反卷积部105中，利用以下说明的方法削减解的候选，避开局部解。首先，反卷积部105将PSF限定为高斯函数，将其未知参数仅限定为标准偏差σ。通过这样限定PSF的未知参数，能够避开局部解。反卷积部105按离散的有限个数的每个标准偏差σ，将对应的高斯函数作为PSF执行反卷积处理，获得每个标准偏差σ的反卷积后信号。
接着，反卷积部105将解的候选仅集中于满足以下所示的(1)、(2)和(3)条件那样的标准偏差σ与反卷积后信号的组。
(1)以下计算的e(σ)为某个阈值以下
首先，反卷积部105使用与标准偏差σ对应的高斯函数和使用该函数的反卷积信号执行卷积处理，计算卷积后信号。接着，反卷积部105按每个标准偏差σ，基于均方误差、KL散度(Kullback–Leibler divergence)计算卷积后信号与输入信号的误差e(σ)。接着，仅选择误差e(σ)为某个阈值以下的标准偏差σ。根据该条件，能够仅将按照卷积生成模型获得的解集中于参数候选。
(2)关于从反卷积后信号提取的各峰的间隔，区块内的峰间隔的最小值为某个阈值以上
按照该条件，当将峰间隔过短的解的候选排除时，能够避开局部解。
(3)σ为e(σ)的拐点σ_r的附近
反卷积部105例如作为拐点检测与误差e(σ)的σ相关的2阶微分值e”(σ)的正的峰，将该峰的位置代入拐点σ_r。按照该条件，能够将峰的个数与本来相比过多之类的解排除。这是基于以下的理由。对应于峰的个数与本来相比过多之类的解的e(σ)成为与对应于本来的解的e(σ)相同程度小的值。此外，对应于峰的个数与本来相比小的解的e(σ)成为比对应于本来的解的e(σ)大的值。因此可以说e(σ)急剧地变化的σ、即与拐点σ_r对应的解接近本来的解。
通过以上的处理的执行，反卷积部105按每个区块计算标准偏差σ和反卷积后信号。此处，如图5所示，以第i个区块的标准偏差为σ_i。能够假设标准偏差σ在短時间内不会发生大的变动。在反卷积部105，在该假设之下，还搭载进一步提高反卷积的精度的功能(区块间再计算功能)。
执行该功能时，反卷积部105判定某个区块的标准偏差σ与在其前后出现的区块的标准偏差的平均值的差是否超过阈值T。
在式1成立的情况下，反卷积部105使用将通过式2获得的值作为标准偏差的PSF执行再度反卷积，计算新的反卷积后信号。其中，K是某个自然数(1，2，3……)的常数。
例如在图5的情况下，第i个区块的标准偏差σi为“1.2”，与其前后的区块的标准偏差的平均值“3.15”相差很大，因此，反卷积部105对第i个区块进行反卷积后信号的再计算。另外，考虑了该多个区块的再计算功能既可以采用反卷积部105自动执行的方式，也可以后述那样操作者能够在用户界面画面上指定输入功能的执行或非执行。另外，图5所示的画面也可以作为界面画面提示给操作者。
返回图4的说明。峰提取部106执行峰提取处理，从初始反卷积后信号获得峰提取后信号。在峰提取处理中，使用计算一阶微分的零交差的计算法等公知的方法即可。
迁移率校正部107执行迁移率校正处理，根据峰提取后信号和颜色变换后信号计算迁移率校正后信号。迁移率校正处理按以下的顺序执行。
(1)迁移率校正部107将峰提取后信号代入“迁移率校正中途峰信号”，将颜色变换后信号代入“迁移率校正中途信号”。
(2)迁移率校正部107针对迁移率校正中途峰信号，对G(鸟嘌呤)的峰PG中在其时间轴上的后方相邻的峰对应G(鸟嘌呤)以外的碱基的峰PG，计算峰PG与在其时间轴上的后方相邻的其它碱基的峰的平均间隔d(G)。同样，迁移率校正部107对A(腺嘌呤)的峰PA中在时间轴上的后方相邻的峰对应A(腺嘌呤)以外的碱基的峰PA，计算峰PA与在其时间轴上的后方相邻的其它碱基的峰的平均间隔d(A)。同样，迁移率校正部107对T(胸腺嘧啶)的峰PT中在其时间轴上的后方相邻的峰对应T(胸腺嘧啶)以外的碱基的峰PT，计算峰PT与在其时间轴上的后方相邻的其它碱基的峰的平均间隔d(T)。同样，迁移率校正部107对C(胞嘧啶)的峰PC中在其时间轴上的后方相邻的峰对应C(胞嘧啶)以外的碱基的峰PC，计算峰PC与在其时间轴上的后方相邻的其它碱基的峰的平均间隔d(C)。
(3)迁移率校正部107计算d(G)、d(A)、d(T)、d(C)的平均值d_mean。
(4)迁移率校正部107计算通过以下的式获得的d’(G)、d’(A)、d’(T)、d’(C)。
d’(G)＝d(G)－d_mean
d’(A)＝d(A)－d_mean
d’(T)＝d(T)－d_mean
d’(C)＝d(C)－d_mean
(5)迁移率校正部107将迁移率校正中途峰信号的对应G(鸟嘌呤)的通道向时间轴上后方移动d’(G)，将A(腺嘌呤)的通道向时间轴上后方移动d’(A)，将T(胸腺嘧啶)的通道向时间轴上后方移动d’(T)，将C(胞嘧啶)的通道向时间轴上后方移动d’(C)，以移动后的信号覆盖迁移率校正中途峰信号。
(6)迁移率校正部107将迁移率校正中途信号的对应G(鸟嘌呤)的通道向时间轴上后方移动d’(G)，将对应A(腺嘌呤)的通道向时间轴上后方移动d’(A)，将对应T(胸腺嘧啶)的通道向时间轴上后方移动d’(T)，将对应C(胞嘧啶)的通道向时间轴上后方移动d’(C)，以移动后的信号覆盖迁移率校正中途信号。
(7)迁移率校正部107在d’(G)、d’(A)、d’(T)、d’(C)均足够小的情况下(比各阈值小的情况下)，将覆盖后的迁移率校正中途信号代入迁移率校正后信号而结束，否则便返回至(2)的处理。
峰间隔容许度输入部109通过在显示装置52的画面显示的界面画面执行受理由操作者进行的峰间隔的离散的容许度α的输入的处理。α是指容许峰间隔的多大程度上的离散的容许值。通过使得操作者能够通过峰间隔容许度输入部109设定α，能够使用依赖于噪声的大小的最佳的α来高精度地进行序时碱基响应。
图6表示峰间隔容许度输入部109显示的界面画面200的例子。在图6所示的界面画面200，显示对从与碱基A(腺嘌呤)、G(鸟嘌呤)、C(胞嘧啶)、T(胸腺嘧啶)对应的色素发出的各波谱的时序进行处理而得到的迁移率校正后信号和更新反卷积后信号的波形。
在界面画面200设置有峰间隔的离散的容许度α的输入栏201。在界面画面200显示使用所输入的容许度α计算得到的更新卷积后信号。因此，当容许度α的值被变更时，显示的更新卷积后信号的波形也发生变化。操作者通过确认使用容许度α计算的更新卷积后信号，能够容易地判断所输入的容许度α是否是适当的值。
此外，峰间隔容许度输入部109还显示基于使用所输入的容许度α计算得到的更新卷积后信号提取的峰位置202。在图6中，峰位置202以点划线表示。操作者能够通过确认峰位置202的间隔是否固定来容易地判断所输入的容许值α是否为适当的值。峰位置202的间隔越接近固定，容许值α越接近适当值。此外，操作者通过对在界面画面200显示的迁移率校正后信号与更新卷积后信号进行比较，能够容易地判断反卷积处理是否被恰当地执行。即，能够容易地判断所输入的容许值α是否为适当的值。另外，在界面画面200，还设置有用于选择反卷积部105的区块间再计算功能的执行的有无的勾选栏203、用于指示噪声大的情况下的计算处理的执行的勾选栏204、用于指示噪声小的情况下的计算处理的执行的勾选栏205。在勾选栏203勾选的情况下的处理内容已经使用图5进行了说明。在勾选栏204或205勾选的情况下的处理内容后述。另外，图6是界面画面200的一个例子，输入栏201和勾选栏203～205既可以不显示，也可以仅显示一部分。
返回图4的说明。峰间隔约束反卷积部108对4通道的迁移率校正后信号进行反卷积(Deconvolution)处理，计算4通道的更新反卷积后信号。如上所述，在PSF未知的情况下，难以通过反卷积处理获得足够的精度。因此，在本实施例的峰间隔约束反卷积处理部108，如以下说明的那样通过削减解的候选来避开局部解。
图7表示峰间隔约束反卷积处理部108的处理操作。首先，峰间隔约束反卷积处理部108将PSF限定于高斯函数，将其未知参数仅限定于标准偏差σ。通过这样限定PSF的未知参数，能够避开局部解。接着，峰间隔约束反卷积处理部108将离散的有限个标准偏差σ作为参数候选列举(步骤S301)，对各个参数候选执行以下的处理(步骤S302)。首先，峰间隔约束反卷积处理部108使用PSF作为与处理对象的标准偏差对应的高斯函数执行反卷积处理，获得4通道的反卷积后信号(步骤S303)。
接着，峰间隔约束反卷积处理部108对处理对象的参数候选(即，标准偏差σ)按以下所示的(1)和(2)的顺序计算e(σ)和v(σ)。
(1)与上述的处理一样，峰间隔约束反卷积处理部108使用与标准偏差σ对应的高斯函数和使用该函数的反卷积信号执行卷积处理，计算4通道的卷积后信号。接着，峰间隔约束反卷积处理部108基于均方误差、KL散度来计算所计算出的卷积后信号与输入信号的误差e(σ)。
(2)峰间隔约束反卷积处理部108对从所计算出的4通道的卷积后信号提取的各峰，计算其与无视通道差异地确定的相邻峰的间隔。详细情况已经使用图6进行了说明。接着，峰间隔约束反卷积处理部108对与这些间隔对应的所有峰计算离散值v(σ)。不过，v(σ)也可以不是字面意思那样的离散值，而是标准偏差、与平均值的偏差的最大值或MedianAbsolute Deviation(MAD)(绝对中位差)。在本说明书中，按将它们统称的意义使用“离散”一词。
接着，峰间隔约束反卷积处理部108例如根据下式计算评价值c(步骤S304)。
c＝e(σ)+α×v(σ)……式3
如上所述，α是峰间隔的离散的容许度。例如在噪声大的情况下，峰间隔约束反卷积处理部108通过将容许度α设定得大来重视峰间隔的离散v(σ)。由此，即使卷积的误差e(σ)大也能够获得容许的解。另一方面，在噪声小的情况下，峰间隔约束反卷积处理部108通过将容许度α设定得小来重视卷积的误差e(σ)，即使峰间隔的离散v(σ)大也能够获得容许的解。
因此，噪声是否大的判定也可以是峰间隔约束反卷积处理部108自动执行。此外，也可以采用图6所示那样，峰间隔约束反卷积处理部108检测出操作者勾选了界面画面200的勾选栏204和205的哪一个，根据勾选内容变更容许度α的大小的方式。
峰间隔约束反卷积处理部108搜索评价值c成为最小的标准偏差(步骤S305)，将与所确定的标准偏差对应的4通道的卷积后信号作为4通道的更新反卷积后信号输出(步骤S306)。这样获得的更新反卷积后信号满足峰间隔大致固定的约束。这样的解是本来的解可能性高，因此会成为足够的精度的反卷积结果。另外，根据评价值c的计算中使用的计算式，也可以搜索采取最大值的标准偏差。
以上的处理在每个区块(参照图5)执行。另外，峰间隔约束反卷积部108的处理与上述的反卷积部105一样，能够使用按多个区块计算得到的结果，进一步提高精度。此处也令第i个区块的标准偏差σ为σ_i。此处也假设标准偏差σ在短时间内不发生大的变动。峰间隔约束反卷积部108判定某个区块的标准偏差σ与在其前后出现的区块的标准偏差的平均值的差是否超过阈值T。
在式4成立的情况下，峰间隔约束反卷积部108利用以通过式5获得的值为标准偏差的PSF来执行再度反卷积，计算新的反卷积后信号。其中，K是某个自然数(1，2，3…)的常数。
返回图4的说明。峰提取部110执行提取峰波形的处理，从4通道的更新反卷积后信号计算4通道的更新峰提取后信号。在峰提取处理中，使用计算更新反卷积后信号的一阶微分的零交差、以更新反卷积后信号的信号值替换零交差存在的时刻的更新峰提取后信号的信号值等方法即可。在更新反卷积后信号的一阶微分的计算中，对更新反卷积后信号进行样条插补，计算样条插补后的信号的一阶微分值。由此，能够对杂音进行强健的峰提取。
在峰提取部110，为了进一步提高精度，也可以对所有峰执行基于以下的判定规则的判定处理，将判定的结果为“删除”的峰删除。
判定规则：如果d＜0则删除。
其中，d是依赖于以下的x_1和x_2的判别函数。
·x_1＝瞩目峰的强度－附近峰的强度的平均值
·x_2＝迁移率校正后信号的瞩目峰的时刻的瞩目峰的通道的强度/迁移率校正后信号的瞩目峰的时刻的整个通道的平均强度
例如在d既可以使用线形判别函数d＝w_1*x_1+w_2*x_2+w_3，也可以使用SVM(Support Vector Machine：支持向量机)，还可以使用决策树。
序列确定部111执行序列确定处理，从4通道的更新峰提取后信号输出结果序列。在序列确定处理中，通过按时间顺序排列与更新峰提取后信号中的各峰对应的碱基类型的标签G、A、T、C而生成标签列。令该标签列为结果序列。序列输出部112将结果序列输出至硬盘或SSD(Solid State Drive：固态硬盘)等存储装置，或者使用显示装置52加以提示。
(1-3)总结
如以上说明的那样，在本实施例的毛细管阵列电泳装置10搭载在对峰间隔予以制约的基础上执行反卷积处理的功能。由此，即使在峰的分离度低的情况下(特别是不同的碱基类型的波形在时间上重叠的情况下)，也能够高精度地确定碱基序列。特别是考虑到利用便携式(小型)的测序仪或测定時间短的测序仪时峰的分离度容易降低，因此本实施例的方式对这些测序仪有效。
(2)实施例2
在本实施例中，对在毛细管阵列电泳装置10采用机器学习各种参数的功能的情况进行说明。另外，本实施例的毛细管阵列电泳装置10的基础装置与实施例1相同。在以下的说明中，在相同测定条件下测定已知的碱基序列的样本得到的多个输入信号被输入信号输入部101。
首先，作为学习工序1，对自动调整峰间隔的离散的容许度α的方法进行说明。信号处理部72在某个范围[α_min，α_max]内，使容许度α在某个时刻Δα变化，使用各个α执行实施例1中说明的一系列处理，确定碱基序列。之后，信号处理部72计算使用各个容许度α确定的碱基序列与正确的序列的匹配率p(α)，以使得匹配率p(α)成为最大的方式设定容许度α。通过该学习工序的执行，能够省略使用用户界面画面200进行的容许度α的输入。
接着，学习工序2，对调整容许度α以外的参数的方法进行说明。信号处理部72例如调整实施例1中说明的峰提取部110的删除判定规则的参数w_1、w_2、w_3。此处，碱基序列测定已知的样本，因此可知是正确地提取了本来存在的峰、错误提取了本来不存在的峰、错误地未排除提取本来存在的峰、正确地排除了本来不存在的峰这样每1峰的正确与否。以该正确与否为教师信号，信号处理部72对照输出信号d进行有教师学习。
在输出信号d为线形判别函数的情况下，信号处理部72使用纠错学习等算法即可。在输出信号d为SVM(Support Vector Machine：支持向量机)的情况下，信号处理部72能够在有教师学习中使用SMO(Sequential Minimal Optimization：序列最小优化)算法。在输出信号d为决策树的情况下，信号处理部72能够利用ID3或C4.5等算法进行有教师学习。
学习工序1的结果与学习工序2的结果具有相互依赖的关系。因此，信号处理部72通过交替地进行学习工序1和学习工序2，执行作为整体最佳的参数调整。
(3)实施例3
图8表示毛细管阵列电泳装置10A的其它结构例。在图8中，对与图2对应部分标注相同的附图标记。在实施例1的情况下，由荧光检测装置50的信号处理部72执行碱基序列的确定处理，在本实施例的荧光检测装置50A，在信号处理部72未搭载碱基序列的分析功能，由外接于毛细管阵列电泳装置10A的计算机等外部装置53执行。因此，在图8所示的毛细管阵列电泳装置10A，在控制基板51连接有外部装置53。外部装置53对于执行由信号处理部72执行的信号处理而具有充足的计算资源。此外，在外部装置53设置有处理结果等的确认用的显示装置。另外，控制基板51与外部装置53的通信既可以为有线方式也可以为无线方式。例如，外部装置53为桌面PC、笔记本PC、智能手机、便携式信息终端。
(4)其它实施例
在本发明中，并不限定于上述的实施例，而包括各种各样的变形例。例如，上述的实施例为了将本发明说明得容易明白而进行了详细的说明，但是并不一定限定于包括所说明的所有结构。此外，能够将一个实施例的结构的一部分替换到另一个实施例的结构，此外，还能够在一个实施例的结构中加入另一个实施例的结构。此外，能够对各实施例的结构的一部分进行其它结构的追加、删除或替换。
此外，上述的各结构、功能、处理部、处理单元等例如也可以通过利用集成电路等进行设计、利用硬件实现其一部分或全部。此外，上述各结构、功能等也可以通过对信息处理器实现各自的功能的程序进行解释、执行而以软件实现。实现各功能的程序、图表、文件夹等信息能够存储于存储器、硬盘、SSD(Solid State Drive：固态硬盘)等记录装置或IC卡、SD卡、DVD等记录介质。
此外，对于控制线和信息线，仅展示在说明上被认为需要的部分，并不一定展示制品上的所有的控制线和信息线。实际上也可以认为几乎所有的结构相互连接。
附图标记的说明
10 毛细管阵列电泳装置
11 试样容器
12 试样托盘
20 输送器
21 高压电源
30 毛细管阵列
31 恒温槽
32 检测位置
33 毛细管
34 排出位置
41 电泳介质
42 泵单元
50 荧光检测装置
51 控制基板
52 显示装置
72 信号处理部
101 信号输入部
102 基线除去部
103 颜色变换部
104 区块切割部
105 反卷积部
106 峰提取部
107 迁移率校正部
108 峰间隔约束反卷积部
109 峰间隔容许度输入部
110 峰提取部
111 序列确定部
112 序列输出部
200 界面画面
201 容许度α的输入栏
202 峰位置
203 勾选栏
204 勾选栏
205 勾选栏。

Claims (15)

1.一种碱基序列确定装置，其特征在于，包括：
迁移率校正部，其输出对与各碱基对应的波谱的时序信号进行迁移率校正后的迁移率校正信号；
反卷积部，其执行以下处理，即：对点扩散函数的多个参数候选分别计算所述迁移率校正信号的反卷积后信号的处理、对计算出的反卷积后信号计算峰间隔的离散的处理、使用计算出的离散来确定所述点扩散函数的参数的处理和将与具有所确定的参数的所述点扩散函数对应的所述反卷积信号作为更新反卷积信号输出的处理；
峰提取部，其从所述更新反卷积后信号提取峰波形，输出更新峰提取后信号；和
输入所述更新峰提取后信号，确定碱基序列的序列确定部。
2.如权利要求1所述的碱基序列确定装置，其特征在于：
所述反卷积部对于对所述多个参数候选计算出的各所述反卷积后信号计算卷积误差和峰间隔的离散，基于根据所述卷积误差和所述离散的大小所计算的评价值来确定所述更新反卷积信号的计算中使用的所述点扩散函数的参数。
3.如权利要求2所述的碱基序列确定装置，其特征在于：
还具有输入部，其通过对界面画面的输入来受理赋予所述评价值的计算时使用的与所述离散相乘的加权系数的容许度。
4.如权利要求3所述的碱基序列确定装置，其特征在于：
在所述界面画面显示的所述更新反卷积后信号的波形与所述容许度的输入值的变更相应地变化。
5.如权利要求1所述的碱基序列确定装置，其特征在于：
还具有输入部，其通过在界面画面显示的勾选栏的有无勾选，来受理在所述反卷积部进行的所述反卷积后信号的峰间隔的所述离散的计算时是否使用对多个时间区间计算的所述离散的计算结果。
6.如权利要求1所述的碱基序列确定装置，其特征在于：
所述反卷积部对于所述反卷积后信号的峰间隔的所述离散的计算结果，使用对与该计算结果对应的时间区间以外的多个时间区间计算的所述离散的计算结果来进行修正，并使用修正后的所述离散来确定所述点扩散函数的参数。
7.如权利要求1所述的碱基序列确定装置，其特征在于：
所述反卷积部在确定所述更新反卷积后信号的计算中使用的所述点扩散函数的参数的处理的执行前，仅提取能够获得满足以下(1)～(3)的反卷积后信号的参数候选，
(1)所述反卷积后信号与所述迁移率校正信号之间的卷积误差为规定的阈值以下，
(2)从所述反卷积后信号提取的峰的间隔的最小值为阈值以上，
(3)所述点扩散函数的参数候选处于所述卷积误差的拐点附近。
8.一种毛细管阵列电泳装置，其特征在于，包括：
供试样进行电泳的毛细管阵列；
对所述毛细管阵列施加电泳电压的高压电源；
检测来自所述毛细管阵列的荧光的受光部；和
处理来自所述受光部的信号从而确定所述试样的碱基序列的权利要求1所述的碱基序列确定装置。
9.一种碱基序列确定方法，其由具有信号处理部和存储器的碱基序列确定装置执行，该碱基序列确定方法的特征在于，包括：
所述信号处理部输出对与各碱基对应的波谱的时序信号进行迁移率校正后的迁移率校正信号的处理；
所述信号处理部对点扩散函数的多个参数候选分别计算所述迁移率校正信号的反卷积后信号的处理；
所述信号处理部对计算出的各个反卷积后信号计算峰间隔的离散的处理；
所述信号处理部使用计算出的离散来确定所述点扩散函数的参数的处理和将与具有所确定的参数的所述点扩散函数对应的所述反卷积信号作为更新反卷积信号输出的处理；
所述信号处理部从所述更新反卷积后信号提取峰波形，输出更新峰提取后信号的处理；和
所述信号处理部输入所述更新峰提取后信号，确定碱基序列的处理。
10.如权利要求9所述的碱基序列确定方法，其特征在于：
所述信号处理部对于对所述多个参数候选计算出的各所述反卷积后信号计算卷积误差和峰间隔的离散，基于根据所述卷积误差和所述离散的大小所计算的评价值来确定所述更新反卷积信号的计算中使用的所述点扩散函数的参数。
11.如权利要求10所述的碱基序列确定方法，其特征在于：
所述信号处理部在界面画面显示容许度的输入栏，该容许度赋予所述评价值的计算时使用的与所述离散相乘的加权系数。
12.如权利要求11所述的碱基序列确定方法，其特征在于：
所述信号处理部使在所述界面画面显示的所述更新反卷积后信号的波形与所述容许度的输入值的变更相应地变化。
13.如权利要求9所述的碱基序列确定方法，其特征在于：
所述信号处理部在界面画面显示勾选栏，该勾选栏用于指示在所述反卷积部进行的所述反卷积后信号的峰间隔的所述离散的计算时是否使用对多个时间区间计算的所述离散的计算结果。
14.如权利要求9所述的碱基序列确定方法，其特征在于：
所述信号处理部对于所述反卷积后信号的峰间隔的所述离散的计算结果，使用对与该计算结果对应的时间区间以外的多个时间区间计算的所述离散的计算结果来进行修正，并使用修正后的所述离散来确定所述点扩散函数的参数。
15.如权利要求9所述的碱基序列确定方法，其特征在于：
所述信号处理部在确定所述更新反卷积后信号的计算中使用的所述点扩散函数的参数的处理的执行前，仅提取能够获得满足以下(1)～(3)的反卷积后信号的参数候选，
(1)所述反卷积后信号与所述迁移率校正信号之间的卷积误差为规定的阈值以下，
(2)从所述反卷积后信号提取的峰的间隔的最小值为阈值以上，
(3)所述点扩散函数的参数候选处于所述卷积误差的拐点附近。
CN201680079412.6A 2016-01-28 2016-01-28 碱基序列确定装置、毛细管阵列电泳装置和方法 Pending CN108473925A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/052495 WO2017130349A1 (ja) 2016-01-28 2016-01-28 塩基配列決定装置、キャピラリアレイ電気泳動装置及び方法

Publications (1)

Publication Number Publication Date
CN108473925A true CN108473925A (zh) 2018-08-31

Family

ID=59397702

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680079412.6A Pending CN108473925A (zh) 2016-01-28 2016-01-28 碱基序列确定装置、毛细管阵列电泳装置和方法

Country Status (6)

Country Link
US (1) US11377685B2 (zh)
JP (1) JP6514369B2 (zh)
CN (1) CN108473925A (zh)
DE (1) DE112016005844B4 (zh)
GB (1) GB2563748B (zh)
WO (1) WO2017130349A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112513619A (zh) * 2018-09-10 2021-03-16 株式会社日立高新技术 光谱校正装置及光谱校正方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2620335A (en) * 2021-05-17 2024-01-03 Hitachi High Tech Corp Method for analyzing base sequences and gene analyzer

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1358868A (zh) * 2000-11-29 2002-07-17 株式会社岛津制作所 核酸序列测定方法
CN1363688A (zh) * 2001-01-05 2002-08-14 株式会社岛津制作所 核酸碱基序列的测定方法
US20100089771A1 (en) * 2006-10-26 2010-04-15 Shinichi Utsunomiya Method of determining base sequence of nucleic acid
US20100266177A1 (en) * 2002-05-07 2010-10-21 Applied Biosystems, Llc Signal processing by iterative deconvolution of time series data
CN104870980A (zh) * 2012-12-17 2015-08-26 株式会社日立高新技术 基因型解析装置以及基因型解析方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3171302B2 (ja) * 1994-12-28 2001-05-28 日立電子エンジニアリング株式会社 Ｄｎａ塩基配列決定のための波形ピーク決定方法およびｄｎａ塩基配列決定装置
JP3583771B2 (ja) * 2002-10-10 2004-11-04 株式会社日立製作所 クロマトグラム解析方法
US7850683B2 (en) * 2005-05-20 2010-12-14 Myoscience, Inc. Subdermal cryogenic remodeling of muscles, nerves, connective tissue, and/or adipose tissue (fat)
US20100292102A1 (en) * 2009-05-14 2010-11-18 Ali Nouri System and Method For Preventing Synthesis of Dangerous Biological Sequences
WO2012092515A2 (en) * 2010-12-30 2012-07-05 Life Technologies Corporation Methods, systems, and computer readable media for nucleic acid sequencing
US8885235B2 (en) * 2012-11-30 2014-11-11 Xerox Corporation Scanner calibration correcting for foreign matter debris

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1358868A (zh) * 2000-11-29 2002-07-17 株式会社岛津制作所 核酸序列测定方法
CN1363688A (zh) * 2001-01-05 2002-08-14 株式会社岛津制作所 核酸碱基序列的测定方法
US20100266177A1 (en) * 2002-05-07 2010-10-21 Applied Biosystems, Llc Signal processing by iterative deconvolution of time series data
US20100089771A1 (en) * 2006-10-26 2010-04-15 Shinichi Utsunomiya Method of determining base sequence of nucleic acid
CN104870980A (zh) * 2012-12-17 2015-08-26 株式会社日立高新技术 基因型解析装置以及基因型解析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112513619A (zh) * 2018-09-10 2021-03-16 株式会社日立高新技术 光谱校正装置及光谱校正方法
CN112513619B (zh) * 2018-09-10 2024-02-02 株式会社日立高新技术 光谱校正装置及光谱校正方法

Also Published As

Publication number Publication date
US11377685B2 (en) 2022-07-05
DE112016005844B4 (de) 2023-06-15
US20190032126A1 (en) 2019-01-31
GB201811729D0 (en) 2018-08-29
GB2563748A (en) 2018-12-26
WO2017130349A1 (ja) 2017-08-03
DE112016005844T5 (de) 2018-08-30
JP6514369B2 (ja) 2019-05-15
GB2563748B (en) 2022-01-19
JPWO2017130349A1 (ja) 2018-10-11

Similar Documents

Publication Publication Date Title
Wang et al. Track-a-worm, an open-source system for quantitative assessment of C. elegans locomotory and bending behavior
BR112020014542A2 (pt) Aprendizado de máquina habilitado por aplicação de pulso e de base para dispositivos de sequenciamento
EP3108448A1 (en) Group sparsity model for image unmixing
Yin et al. Background correction for cDNA microarray images using the TV+ L 1 model
US11573182B2 (en) Visualization, comparative analysis, and automated difference detection for large multi-parameter data sets
Kruglova et al. Automated line search in molecular spectra based on nonparametric statistical methods: regularization in estimating parameters of spectral lines
KR102094780B1 (ko) 색공간 변환을 이용한 생화학 정보 측정 방법 및 시스템
US10430945B2 (en) Systems and methods for color deconvolution
Chang et al. Crowdsourced geometric morphometrics enable rapid large-scale collection and analysis of phenotypic data
Häußler et al. Galapagos: A semi-automated tool for galaxy profile fitting
Doshi et al. Cortical topographic motifs emerge in a self-organized map of object space
CN108473925A (zh) 碱基序列确定装置、毛细管阵列电泳装置和方法
CN112513619B (zh) 光谱校正装置及光谱校正方法
CN106663147A (zh) 解构实验数据中的重叠峰
Doshi et al. Visual object topographic motifs emerge from self-organization of a unified representational space
O’Keefe et al. On information rank deficiency in phenotypic covariance matrices
KR102550665B1 (ko) 마이크로 니들 패치를 이용한 반려동물 알레르기 진단 시스템 및 방법
EP4239589A1 (en) Ai-assisted generation of annotated medical images
Öz et al. Feature based quality assessment of DNA sequencing chromatograms
US11188748B2 (en) Scalable structure learning via context-free recursive document decomposition
CN109475795A (zh) 用于自动对准、校准和标准化电泳数据的系统和方法
CN107077535A (zh) 用于在基因材料样本中检测微小变异体的方法和系统
Seidel et al. Estimating disease spread using structured coalescent and birth-death models: A quantitative comparison
Dutton et al. Quickly preprocessing and profiling microbial community sequencing data with a Nextflow workflow for metagenomics
Soronow et al. Bell Jar: A Semi-Automated Registration and Cell Counting Tool for Mouse Neurohistology Analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination