CN109923613A - 利用信号变化量数据集的样品内的目标分析物质检测方法 - Google Patents

利用信号变化量数据集的样品内的目标分析物质检测方法 Download PDF

Info

Publication number
CN109923613A
CN109923613A CN201780048113.0A CN201780048113A CN109923613A CN 109923613 A CN109923613 A CN 109923613A CN 201780048113 A CN201780048113 A CN 201780048113A CN 109923613 A CN109923613 A CN 109923613A
Authority
CN
China
Prior art keywords
data set
mentioned
signal
change amount
period
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
CN201780048113.0A
Other languages
English (en)
Other versions
CN109923613B (zh
Inventor
千钟润
李荣祚
Ｈ·Ｂ·李
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.)
Seegene Inc
Original Assignee
Seegene Inc
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 Seegene Inc filed Critical Seegene Inc
Publication of CN109923613A publication Critical patent/CN109923613A/zh
Application granted granted Critical
Publication of CN109923613B publication Critical patent/CN109923613B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • 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
    • 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
    • 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
    • C12Q1/6844—Nucleic acid amplification reactions
    • C12Q1/6851—Quantitative amplification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • 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
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Biotechnology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Organic Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Molecular Biology (AREA)
  • Zoology (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Wood Science & Technology (AREA)
  • Genetics & Genomics (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Analytical Chemistry (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)

Abstract

本发明涉及利用信号变化量数据集及上述信号变化量数据集的重建的数据集来检测样品内的目标分析物质的方法。根据本发明，用于如基线化或平滑的目标分析物质检测的数据集修改能够不经过如基线区域设定的复杂步骤简单进行。

Description

利用信号变化量数据集的样品内的目标分析物质检测方法
技术领域
本发明涉及利用信号变化量数据集的样品内的目标分析物质检测方法。
背景技术
被公知为聚合酶链反应(Polynucleotide chain reaction，PCR)的广泛使用的核酸扩增反应包括双链DNA的变性、在DNA模板寡核苷酸引物的退火及基于DNA聚合酶的引物延伸的反复周期过程(Mullis等，美国专利第4683195号，第4683202号及第4800159号；Saiki et al.，(1985)Science 230，1350-1354)。
实时聚合酶链反应(Real time PCR)为在样品实时检测目标核酸的聚合酶链反应技术。为了检测特定目标核酸，实时聚合酶链反应利用当聚合酶链反应反应时，与目标核酸的量成比率来释放可检测的荧光信号的信号发生单元。荧光信号的发生利用包含向双链DNA之间插入的嵌入剂或报道基因及淬灭分子的寡核苷酸来实现。与目标核酸的成比率的荧光信号通过实时聚合酶链反应在各个测定位置(周期)检测，从而获取包含各个测定位置及上述测定位置中的信号值数据集，从上述数据集获取表示对测定位置检测的荧光信号的强度的扩增曲线(amplification curve)或扩增轮廓曲线(amplification profilecurve)。
通常，基于实时聚合酶链反应的扩增曲线区分为基线(baseline)区域、指数(exponential)区域、直线(linear)区域及停滞(plateau)区域。指数区域为与聚合酶链反应扩增产物的增加成比率来释放的荧光信号增加的区域，直线区域为荧光信号的增加实质上减少，从而实质上呈线形，停滞区域为聚合酶链反应扩增产物的增加及荧光信号的释放处于饱和状态，从而无法再次呈现荧光信号的增加的区域。
基线区域为反应初期信号水平没有变化地恒定维持的区域。上述区域中，聚合酶链反应反应产物所释放的荧光信号并不充分至可以检测，因此，与基于目标分析物质的扩增的荧光信号相比，反应样品自身的荧光信号和测定系统的自身荧光信号的背景信号(background signal)占据上述区域的荧光信号的大部分。
如噪声的发生、基线的歪曲或变动的问题的原因在于设备之间、设备内信号水平的偏差、退火温度的变化等实验条件的变化及反应混合物内气泡的发生。这种噪声或基线的歪曲或变动在目标分析物质的分析过程中呈现出假阳性或假阴性结果。为了与目标分析物质有关的数据集的准确且再现性分析，需要从扩增曲线或数据集去除背景信号的基线化过程及修改非正常信号的过程。
根据以往的目标分析方法，基线化过程确定与各个样品的基线区域及基线相对应的数据集，并去除上述基线区域的背景信号。尤其，基线区域的确定通过基线区域的第一位置及最后位置确定。因此，准确确定基线区域的第一位置及最后位置极为重要。
开发了与基线区域的确定有关多种方法。Woo等揭示了利用扩增区间的lowerbound来确定基线区域的方法(美国公开公报2007/0192040)。Lerner等揭示了将扩增曲线微分之后，将具有设定的阈值以上的第一次微分峰值的起始点设定为基线区域的末端位置来确定基线区域的方法(美国专利7720611)。
但是，这种现有技术具有局限或缺点。根据以往的方法，在基线区域发生的噪声或非正常信号对基线确定产生影响。尤其，在基线区域的起始位置或结束位置通过噪声或非正常信号确定的情况下，使用基线的线性规划函数的基线化过程对上述噪声或非正常信号产生很大的影响。
为了防止这种错误而设定规定水平，提出与上述以往相对应的信号确定噪声或非正常信号来去除或回避上述噪声或非正常信号的多种方法。
即使付出这种努力，也频频发生基于错误设定的基线区域的目标分析物质检测上的错误。此外，随着用于基线区域的确定的算法越复杂且越严格，正常信号被错误确定为噪声或非正常信号，从而在基线区域确定发生错误的可能性提高。
并且，在以往的方法中，为了检测需要修改的数据点而对数据集进行加工，利用上述加工的数据集来检测具有噪声信号的数据点。而且，在原始数据集中修改上述需要修改的数据点的信号值。结果，噪声或非正常信号的检测和修改分别在不相同的数据集中进行。此外，在以往的方法中，如跳转错误，在随后的整个周期产生影响的误差的情况下，需要均修改随后的整个周期的信号值。
因此，需要开发没有基线区域的复杂设定地修改数据集的新接近法。
在整个说明书中，参照多个引用文献及专利文献并呈现上述引用。引用的文献及专利的公开内容整体作为本说明书的参照而插入，从而，使本发明所属技术领域的水平及本发明的内容更加明确。
发明内容
本发明人员为了开发以能够更加有效且准确地分析样品内目标分析物质的方式处理样品的数据集的新方法而进行了努力。结果，本发明人员利用数据集的信号值来获取各个周期的信号变化量来提供信号变化量数据集，利用上述信号变化量数据集的信号变化量来获取各个周期中的累积值来获取重建的数据集，从而获取适合于样品分析的加工的数据集。
因此，本发明的目的在于，提供样品内的目标分析物质检测方法。
本发明的再一目的在于，提供数据集重建方法。
本发明的另一目的在于，提供数据集平滑方法。
本发明的还有一目的在于，提供计算机可读记录介质，上述计算机可读记录介质包含实现用于执行样品内的目标分析物质检测方法的处理器的指令。
本发明的又一目的在于，提供计算机可读记录介质，上述计算机可读记录介质包含实现用于执行数据集重建方法的处理器的指令。
本发明的又一目的在于，提供计算机可读记录介质，上述计算机可读记录介质包含实现用于执行数据集平滑方法的处理器的指令。
本发明的又一目的及优点通过以下的发明要求保护范围及附图更加明确。
附图说明
图1为示出包括信号变化量数据集提供步骤及重建的数据集提供步骤的样品内的目标分析物质检测方法的一实例的流程图。
图2为示出包括(i)数据集的标准化、(ii)信号变化量数据集的基线化及(iii)信号变化量数据集的非正常信号的修改步骤的样品内的目标分析物质检测方法的一实例的流程图。
图3示出本发明一实例中所使用的3个原始数据集的结构(plot)。
图4示出本发明一实例的处理器的各个步骤中获取的数据集1的结构。
图5A示出适用或不适用追加基线化步骤地在本发明一实例的处理器的各个步骤中获取的数据集2的结构。
图5B示出适用基线化步骤地在本发明一实例的处理器的各个步骤中获取的数据集3的结构。
图6A示出在使用不相同的累积起始周期来获取数据集的情况下，各个重建的数据集在相同周期中具有不相同的信号值，与上述“累积起始周期”的差异无关地，各个扣除的数据集在相同周期中具有相同信号值。
图6B示出在使用不相同的累积起始周期来获取的数据集情况下，各个重建的数据集在相同周期中具有不相同的信号值，与上述“累积起始信号值”的差异无关地，各个扣除的数据集在相同周期中具有相同信号值。
图7示出信号变化量数据集从原始数据集通过计算信号变化量的多种方法获取。
图8为示出包括信号变化量数据集提供步骤、上述信号变化量数据集的非正常信号修改步骤及重建的数据集提供步骤的样品内的目标分析物质检测方法的一实例的流程图。
图9示出包括非正常信号的修改步骤的本发明方法的一实例中所使用的3个原始数据集的结构。
图10示出利用信号变化量数据集的非正常信号的检测及去除处理器。
图11A示出比较适用用于去除非正常信号的修改的情况和未适用的情况下的3个重建的数据集的结构等的结果。
图11B示出比较适用本发明的噪声修改步骤的情况和未使用情况下的重建的数据集的结构的结果。
图12示出包括信号变化量数据集的修改及上述修改的信号变化量数据集的转换步骤的样品内的目标分析物质检测方法的一实例的流程图。
图13示出包括信号变化量数据集的修改及上述修改的信号变化量数据集的转换步骤的本发明的一实例中所使用的3个原始数据集的结构。
图14示出通过适用本发明的噪声修改步骤的情况和未适用的情况下通过信号变化量数据集的转换获取的2次信号变化量数据集的结构的比较结果。
图15为示出数据集平滑(smoothing)方法的一实例的流程图。
图16A示出各个反复步骤的重建的数据集1的结构。
图16B示出各个反复步骤的重建的数据集1的结构的背景区域。
具体实施方式
I.利用重建的数据集的样品内的目标分析物质检测方法
根据本发明的一实施方式，本发明提供包括如下步骤的样品内的目标分析物质检测方法：步骤(a)，提供与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；步骤(c)，利用上述信号变化量数据集的信号变化量来获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点；以及步骤(d)，利用上述重建的数据集来检测样品内的目标分析物质。
本发明人员为了开发以能够更加有效且准确地分析样品内目标分析物质的方式处理样品的数据集的新方法而进行了努力。结果，本发明人员发明如下内容，即，(i)利用数据集的信号值获取各个周期的信号变化量来提供信号变化量数据集，(ii)利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来获取重建的数据集，从而可获取适合于样品分析的加工的数据集。
在本发明的公开中，与目标分析物质有关的数据集转换为包含具有周期及周期中的信号变化量的多个数据点的信号变化量数据集，上述信号变化量数据集重建来提供包括具有周期及上述周期中的累积值的多个数据点的重建的数据集。
通过上述转换及重建处理，数据集适合于目标分析物质检测。并且，在上述信号变化量数据集执行的加工(例如，非正常信号或噪声信号的修改及去除)通过重建过程反映在最终重建的数据集。通过这种方法，没有数据集的信号值的直接修改地加工用于检测目标分析物质的数据集。
图1为示出利用目标分析物质的重建的数据集的本发明的样品内的目标分析物质检测方法的一实例的流程图。
以下，详细说明本发明。
步骤(a)：提供与目标分析物质有关的数据集(S110)
根据本发明，首先，提供与目标分析物质有关的数据集。上述数据集从利用信号发生单元的与目标分析物质有关的信号发生反应获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点。
在本说明书中的术语“目标分析物质”可包含多种物质(例如，生物学物质及如化学物质的非生物学物质)。具体地，目标分析物质可以为如核酸分子(例如，DNA及RNA)、蛋白质、肽、碳水化合物、脂类、氨基酸、生物化学物质、激素、抗体、抗原、代谢物及细胞的生物学物质。根据本发明的一实例，上述目标分析物质可以为目标核酸分子。
在本说明书中的术语“样品”可包括生物学样品(例如，细胞、组织及源自生物源的流体)及非生物学样品(例如，食物、水及土壤)。上述生物学样品可以为病毒、细菌、组织、细胞、血液(例如，全血、血浆和血清)、淋巴、骨髓、唾液、痰(sputum)、交换物(swab)、吸入液体(aspiration)、乳汁、尿液、粪便、眼液、精液、脑提取物、脊髓液、关节液、胸腺液、支气管冲洗液、腹水及羊水。在目标分析物质为目标核酸序列的情况下，上述样品可经过核酸提取过程。在提取的核酸为RNA的情况下，可追加经过从上述提取的RNA用于合成cRNA的逆转录过程(Joseph Sambrook，et al.，Molecular Cloning，A Laboratory Manual，Cold SpringHarbor Laboratory Press，Cold Spring Harbor，N.Y.(2001))。
根据本发明的一实例，上述数据集从利用信号发生单元的上述与目标分析物质有关的信号发生反应获取。根据本发明的一实例，本发明的方法可为了获取样品内的与目标分析物质有关的数据集而还包括执行信号发生反应的步骤。
在本说明书中的术语“信号发生反应”为对样品内的目标分析物质的特性依赖性发生信号的反应，例如，上述特性可以为目标分析物质的活性、量或存在(或不存在)，具体地，可以为样品内的目标分析物质的存在(或不存在)。根据本发明的一实例，信号发生反应对样品内的目标分析物质的存在发生依赖性信号。
这种信号发生反应可以为生物或化学反应。生物学反应可以为如聚合酶链反应、实时聚合酶链反应、基因芯片及INVADER分析的遗传分析过程、免疫测定过程及细菌培养分析过程。根据本发明的一实例，上述信号发生反应包括遗传分析过程。化学反应可以为包括化学物质的生产、转换或分解的化学分析。根据本发明的一实例，信号发生反应可以为聚合酶链反应或实时聚合酶链反应。
根据本发明的一实例，信号发生反应可以为信号的扩增反应。在本说明书中的术语“扩增”或“扩增反应”为增加或减少信号的反应。根据本发明的一实例，上述扩增反应为对利用信号发生单元的目标分析物质的存在依赖性的信号增加(或扩增)。上述扩增反应可伴随或不伴随目标分析物质(例如，核酸分子)的扩增。因此，根据本发明的一实例，信号发生反应可伴随或不伴随目标核酸分子的扩增。具体地，本发明的扩增反应伴随目标分析物质的扩增来执行的信号扩增反应。
信号发生反应伴随信号变化。在本说明书中的术语“信号”为可测定输出。
信号变化起到目标分析物质的特性，具体地，通过定性或定量告知存在与否的指令器作用。这种指令器的例示包括荧光强度、发光强度、化学发光强度、生物发光强度、磷光强度、电荷转移、电压、电流、功率、能量、温度、粘度、光学散射、辐射强度、反射率、透射率和吸光度。最广泛使用的指令器为荧光强度。上述信号变化包括信号的增加和信号的减少。根据本发明的一实例，信号发生反应为扩增信号值的反应。
在本说明书中的术语“信号发生单元”为需要分析的目标分析物质的特性，具体地，发生表示存在与否的信号的物质。
已提出多种信号发生单元。信号发生单元的例可包含寡核苷酸、标记及酶。信号发生单元可包括标记或与标记相连接的寡核苷酸。上述标记可包括荧光标记、发光标记、化学发光标记、电化学标记和金属标记。如嵌入染料(intercalating dye)，标记自身可被用为信号发生单元。选择性地，包含单一标记或供体分子(donor molecule)及受体分子(acceptor molecule)的相互作用性双重标记与一个寡核苷酸相结合的形态用为信号发生单元。信号发生单元为了发生信号而可追加包含如核酸分解酶(例如，具有5'核酸切割活性的酶或具有3'核酸切割活性的酶)的结构。
信号发生单元可包括(1)通过对二聚体形成依赖性的方法发生信号的单元、(2)通过对与目标分析物质特异性混合的调节寡核苷酸(mediation oligonucleotide)的切割依赖性方法形成二聚体来发生信号的单元、(3)通过检测-寡核苷酸(detection-oligonucleotide)的切割发生信号的单元。
在本发明的方法适用于确定目标核酸分子的存在与否的情况下，信号发生反应可根据本发明所属技术领域的普通技术人员所知的多种方法执行。上述方法可以为TaqManTM探针方法(美国专利第5210015号)、分子信标方法(Tyagi等，Nature Biotechnology 14(3):303(1996))、蝎子(Scorpion)方法(Whitcombe等，Nature Biotechnology 17:804-807(1999))、Sunrise(Sunrise或Amplifluor)方法(Nazarenko等，Nucleic Acids Research，25(12):2516-2521(1997)，及美国专利第6117635号)、Lux方法(美国专利第7537886号)、CPT(Duck P等，Biotechniques，9:142-148(1990))、LNA方法(美国专利第6977295号)、Plexor方法(Sherrill CB等，Journal of the American Chemical Society，126:4550-4556(2004))、HybeaconsTM(D.J.French等，Molecular and Cellular Probes(2001)13，363-374及美国专利第7348141号)、双重标记的自淬灭的探针(Dual-labeled，self-quenched probe；美国专利第5876930号)、杂交探针(Bernard PS等，Clin Chem 2000，46，147-148)、PTOCE(PTO cleavage and extension)方法(WO 2012/096523)、PCE-SH(PTOCleavage and Extension-Dependent Signaling Oligonucleotide Hybridization)方法(WO 2013/115442)、PCE-NH(PTO Cleavage and Extension-Dependent Non-Hybridization)方法(PCT/KR2013/012312)及CER方法(WO 2011/037306)。因此，在本发明中，扩增反应可通过上述信号发生反应执行。
在本说明书中的术语“周期”在伴随条件变化的多个测定过程中，上述条件的转换的单位或上述条件转换的反复单位。例如，上述条件变化或条件变化的反复包括温度、反应时间、反应次数、浓度、pH和/或测定对象(例如，目标核酸分子)的复制次数的变化或变化的反复。因此，上述周期可以为条件(例如，温度或浓度)变化周期、时间(time)或过程(process)周期、单位操作(unit operation)、周期及再生产(reproduction)周期。周期号码为上述周期的反复次数。在本说明书中的术语“周期”及“周期号码”可以混用。
作为一例，在调查酶反应速度(enzyme kinetics)的情况下，在恒定增加底物的浓度的同时多次测定酶的反应速度(reaction rate)。在上述反应中，底物浓度的增加与条件的变化相对应，底物浓度的增加单位与周期相对应。作为另一例，在执行核酸的等温扩增的情况下，与一个样品有关的信号在等温条件下隔着固定时间差多次测定。在上述反应中，反应时间与条件的变化变化相对应，反应时间单位可以与周期相对应。作为另一例，作为通过核酸扩增反应检测目标分析物质的方法的一种，测定从将温度恒定变化并与目标分析物质杂交的探针发生的荧光信号。在上述反应中，上述温度的变化与条件的变化相对应，上述温度可以与周期相对应。
具体地，在反复一系列反应或者以规定时间间隔反复进行反应的情况下，术语“周期”为上述反复的单位。例如，在聚合酶链反应(PCR)的情况下，一个周期为包括目标核酸分子的变性、目标核酸分子与引物的退火(杂交)及引物的延伸的反应单位。在此情况下，反应反复的增加与条件的变化相对应，上述反复的单位可以与周期相对应。
根据本发明的一实例，在样品内存在目标核酸分子的情况下，扩增反应的周期增加而测定的信号的值(强度)可以增加或减少。根据本发明的一实例，用于扩增表示目标分析物质(例如，目标核酸分子)的存在的信号的扩增反应可以利用目标核酸分子的扩增的同时扩增信号的方式(例如，实时聚合酶链反应)执行。选择性地，上述扩增反应中，目标分析物质不会扩增，而是信号扩增(例如，CPT method(Duck P，et al.，Biotechniques，9:142-148(1990))，Invader assay(美国专利第6358691号及第6194149号))。
目标分析物质可通过多种方法扩增。例如，虽然并不局限于此，已周知包括聚合酶链反应(the polymerase chain reaction(PCR))、连接酶链反应(ligase chainreaction，LCR)(美国专利第4683195号及第4683202号；PCR Protocols：A Guide toMethods and Applications(Innis et al.，eds，1990)；Wiedmann M，et al.，“Ligasechain reaction(LCR)-overview and applications.”PCR Methods and Applications1994 Feb；3(4):S51-64))、GLCR(gap filling LCR，WO 90/01069，EP 439182及WO 93/00447)、Q-beta(Q-beta replicase amplification，Cahill P，et al.，Clin Chem.，37(9):1482-5(1991)，美国专利第5556751号)、链置换扩增(strand displacementamplification(SDA)，G T Walker et al.，Nucleic Acids Res.20(7):1691-1696(1992)，EP 497272)、基于核酸序列的扩增(nucleic acid sequence-based amplification(NASBA)，Compton，J.Nature 350(6313):91-2(1991))、转录介导的扩增(transcription-mediated amplification(TMA)，Hofmann WP et al.，J Clin Virol.32(4):289-93(2005)：美国专利第5888779号)或滚环扩增(rolling circle amplification(RCA)，Hutchison C.A.et al.，Proc.Natl Acad.Sci.USA.102:17332-17336(2005))等的用于扩增目标核酸分子的多种方法。
根据本发明的一实例，用于信号发生单元的标记可包括荧光标记，具体地，荧光单一标记或共体分子及受体分子的相互作用性双重标记(例如，包含荧光报道基因分子及淬灭分子)。
根据本发明的一实例，与目标分析物质有关的数据集可以为表示与目标分析物质有关的扩增反应的结果的数据集。
根据本发明的一实例，在本发明中使用的扩增反应扩增目标分析物质(具体地，目标核酸分子)的同时扩增信号。根据本发明的一实例，扩增反应可根据聚合酶链反应或实时聚合酶链反应实施。根据本发明的一实例，上述扩增反应可以为核酸分子的扩增反应。
数据集包含包含信号发生反应的多个周期及上述多个周期中的信号值的多个数据点。
在本发明中的术语“信号的值”或“信号值”可以为在信号发生反应的多个周期实际测定的信号的值(例如，基于扩增反应的荧光强度的实际值)或其的加工值。上述加工的值可包括将测定的信号值数学加工的值。将测定的信号值数学加工的值的例可包括测定的信号值的对数值或导函数值(derivatives)。与上述测定的信号值有关的导函数值可以为多阶导函数值。
在本说明书中的术语“数据点”为包含周期及周期中的信号值的一个坐标值(acoordinate value)。在本说明书中所使用的术语“数据”为构成数据集的所有数据。例如，扩增反应的各个周期及信号值可以为数据。信号发生反应，具体地，从扩增反应获取的数据点可通过直角坐标系上的坐标值表示。在直角坐标系中，X轴为扩增反应的多个周期，与轴为各个周期中测定的信号值或上述信号值的加工的值。
在本说明书中的术语“数据集”为数据点的集合。数据集可以为从利用信号发生单元的信号发生反应(例如，扩增反应)直接获取的数据点的集合的原始数据集。选择性地，可以为对包括从利用上述信号发生单元的信号发生反应(例如，扩增反应)直接获取的数据点的集合的数据集进行加工来获取的加工的数据集。数据集可以为从上述信号发生反应获取的数据点或其的加工的数据点的整体或一部分集合。数据集包括多个数据点。数据集至少包括2以上的数据点。数据点的数可以为2、3、4、5、10或20以上。数据集可包括1000个以上的数据点。数据集的数据点的数量可以为1000、500、300、200、100、90、80、70或60以下。数据集可包括3至1000个的数据点。
数据集的数据点的数可以为3-1000、10-500、1-100、20-100、20-80、20-70或20-60。根据本发明的一实例，数据集可包括20-60个数据点。
本发明的数据集通过多个数据集的加工获取。在与多个目标分析物质有关的分析在一个反应容器中执行的情况下，与各个目标分析物质有关的数据集可通过从在一个反应容器中进行的反应获取的原始数据集的加工获取。例如，在一个反应容器中进行的与多个目标分析物质有关的数据集对从在不同温度测定的信号获取的多个数据集进行加工来获取。数据集可被绘制，由此可获取扩增曲线。将上述强度与目标分子的量成比率的荧光信号对扩增周期绘制来获取扩增曲线或扩增轮廓曲线。根据本发明的一实例，扩增曲线可通过目标分析物质(具体地，核酸分子)的扩增反应获取。
根据本发明的一实例，数据集为原始数据集的经过数学加工的数据集。具体地，数据集可以为从原始数据集扣除用于去除背景信息的基线的数据集。基线被扣除的数据集可通过本发明所属技术领域的多种方法(例如，美国专利第8560240)获取。
根据本发明的一实例，数据集可以为原始数据集、上述原始数据集的经过数学加工的数据集、上述原始数据集或上述数学加工的数据集的标准化(normalization)的数据集。
在本说明书中的术语“原始数据集”为包含从信号发生反应获取的周期号码及信号值的数据点的集合。原始数据集为从执行如实时聚合酶链反应的信号发生反应的装置最初获取的非加工的数据点的组。根据本发明的一实例，原始数据集可以为本发明所属技术领域的普通技术人员知道的原始数据集。根据本发明的另一实例，原始数据集为本说明书中记述的经过数学加工的数据集的基础数据集。根据本发明的一实例，原始数据集为未扣除基线的数据集(基线非扣除数据集)。
在本说明书中的术语“标准化”为减少或去除从信号发生反应获取的数据集的信号偏差的过程。在本说明书中的术语“修改”(calibration)或“调节”(adjustment)为数据集的修改，具体地，意味着以符合分析目的方式修改数据集。标准化为修改的一实施方式。
根据本发明的一实例，标准化的数据集通过包括如下步骤的方法提供：(i)提供用于修改上述原始数据集或上述原始数据集的经过数学加工的数据集的标准化系数的步骤，上述标准化系数利用基准值、基准周期及上述数据集来提供，上述基准周期选自上述数据集的周期，上述基准值为任意确定的值，上述标准化系数确定与上述基准周期相对应的上述数据集的周期中的信号值及上述基准值之间的关系来提供；以及(ii)将适用于上述数据集的信号值来获取修改的信号值并提供标准化的数据集的步骤。
基准周期是为了确定用于与基准值有关地提供标准化系数的特定信号值而选择的周期。用于提供标准化系数的基准周期可在数据集的周期中任意选择。基准周期根据周期的含义分为基准温度、基准浓度、基准时间。
根据本发明的一实例，基准周期可在背景区域的周期中选择。
背景区域为在信号发生反应中充分检测扩增信号之前的初期步骤。背景区域是仅呈现背景信号，几乎不呈现基于目标分析物质的信号。背景区域信号为并非为通过样品内的目标分析物质的信号的分析系统自身或目标分析物质不参与的信号发生单元自身发生的信号。
具体地，基准周期可以在背景区域的1-30、2-30、2-20、2-15、2-10、2-8、3-30、3-20、3-15、3-10、3-9、3-8、4-8或5-8周期中确定。
基准值是用于提供标准化系数而使用的值。本发明的基准值为了修改数据集的信号值而适用于基准周期的任意值。基准值可以为任意确定的值。优选地，上述基准值在除0之外的实数中，任意确定的值。优选地，基准值可以为与修改的数据集的值相同种类的值，具有与修改的数据集相同单位或次元。
在基准值及数据集中，若从与基准周期相对应的周期中的信号值接收修改系数，则标准化系数在与上述基准值有关的数据集中，根据与基准周期相对应的周期中的信号值的比率确定。
步骤(b)：基于信号变化量的获取提供信号变化量数据集(S120)
利用信号变化量数据集利用数据集的信号值来获取各个周期中的信号变化值并提供。
信号变化量数据集表示数据集的各个数据点中的信号变化量。信号变化量数据集包含包含多个周期及各个周期中的多个信号变化量的多个数据点。
上述信号变化量数据集可包含变化值数据集及变化率数据集。上述信号变化量均可包括信号变化值及信号变化率。
上述信号变化量可通过公知方法获取。例如，可通过微分法、差分法、比率法及线性回归分析法获取，但并不局限于此。
根据本发明的一实例，上述各个周期中的累积值选自由各个周期中的微分值的累积值、各个周期中的差分值的累积值、各个周期中的比率的累积值及斜率值的累积值组成的组中。
根据微分法，信号变化量通过求出适合(fitting)原始数据集的函数，求出上述函数的导函数(derivative function)之后，利用上述导函数来获取各个周期中的信号变化量的方法获取。
根据差分法，通过计算两个周期(参照周期1及2)之间的信号值的差异的方法获取在一个周期(目标周期Cn)中的信号变化量。
根据本发明的一实例，参照周期中的一个为目标周期Cn，另一参照周期可以为上述目标周期之前的周期Cn-1。在这种情况下，Cn中的信号变化量通过在Cn的信号值扣除Cn-1的信号值的方法获取。在一个参照周期被指定为Cn的情况下，另一个参照周期可以为Cn-1、Cn-2、Cn-3、Cn+1、Cn+2或Cn+3。
根据本发明的另一实例，两个参照周期中的任一个也有可能未被指定为Cn。例如，用于求出目标周期Cn中的信号变化量的两个参照周期可以为(Cn-1及Cn+1)、(Cn-2及Cn+2)或(Cn-3及Cn+3)。
根据本发明的一实例，目标周期中的信号变化量将两个参照周期之间的信号值的差(difference)分为两个参照周期之间的周期号码的差。
根据比率法，通过计算两个周期(参照周期1及2)之间的信号值的比率的方法获取一个周期(目标周期Cn)中的信号变化量。
根据本发明的一实例，在参照周期中一个为目标周期Cn，另一参照周期为在上述目标周期之前的周期Cn-1。在这种情况下，Cn中的信号变化可通过将Cn的信号值除以Cn-1的信号值的方法获取。
选择性地，信号变化量可通过线性回归分析或最小二乘法(LMS方法)提供。LMS方法为最简单且频繁使用的线性回归分析方法。
根据线性回归分析方法，利用特定周期的数据点及位于上述特定周期前和/或后的至少一个以上的周期的数据点，根据线性回归分析求出周期(目标周期Cn)中的适合(fitting)函数，将上述适合函数的倾斜度(基于周期号码的增加的信号值的变化量)分配为信号变化量。
用于获取适合函数的数据点的数量可以为2个或2个以上。例如，用于获取数据点的数据点的数量可以为2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21以下。具体地，上述数据点的数并不局限于上述范围，可以为2-3、2-15、3-21、3-11、3-9、3-7、3-5或5-7个。
以下，作为线性回归分析的代表例说明最小二乘法，发明要求保护范围的本发明的范围并不局限于此。
根据本发明的一实例，最小二乘法通过以下数学式1表示。
数学式1
其中
I为计算倾斜度的数据点的周期号码，m为第I个周期数据点的倾斜度，xi为第i个周期的周期号码，yi为第i个周期中测定的信号值。
“n”或“a+b+1”用于在第I次周期中的倾斜度计算的数据点的数，并成为线性正方形方法范围(LSMR，Linear Squares Method Range)。“a”为求出用于第I次周期中的倾斜度计算的数据点组中最小周期号码的值。“b”为用于求出最大周期号码的值。
“a”及“b”分别为独立的0至10的整数，具体地，为1至5，更具体地，可以为1至3。
优选地，上述“a”及“b”具有相同的值，可根据测定对象物质、测定环境或测定倾斜度的周期不同。
根据本发明的一实例，在另一个多个周期中，在求出信号变化量的方法并未在特定周期中适当的情况下，特定周期中的信号变化量通过与在另一个多个周期中求出信号变化量的方法不同的方法提供。
例如，第一个周期或最后一个周期中的信号变化量可通过与其他周期不相同的方法提供。
根据本发明的一实例，在信号变化量数据集中的第一个周期的信号变化量数据集可以被指定为0值。在此情况下，利用信号变化量数据集的信号变化量来获取各个周期中的累积值并提供的重建的数据集的基线区域的信号值为0。
选择性地，信号变化量数据集的第一个周期中的信号变化量被确定为原始数据集的第一个周期中的信号值或预先确定的信号值。在这种情况下，使用信号变化量数据集的信号变化量来获取各个周期中的累积值并提供的重建的数据集的基线区域的信号值具有与原始数据集的第一个周期中的信号值或预先确定的信号值相同的值。
在使用信号变化量数据集的信号变化量来获取各个周期中的累积值并提供重建的数据集的步骤(c)之前，信号变化量数据集的一个以上的信号变化量可以被加工。根据本发明的一实例，本发明的方法可还包括加工信号变化量数据集的一个以上的信号变化量的步骤。上述一个以上的信号变化量的加工可以为信号变化量数据集的基线化或非正常信号的修改。
信号变化量数据集的加工对利用上述信号变化量数据集的信号变化量来获取并提供的重建的数据集产生影响。
<信号变化量数据集的基线化>
数据集的基线区域为几乎不受到目标物质或目标现象的存在或发生的影响，只是在与信号测定设备自身或目标分析物质无关的信号发生反应自身发生的信号反应的区域。通常，基线区域的信号值几乎没有变化。但是，在基线区域中，存在与目标分析物质的存在与否无关，根据周期，使信号值发生变化的错误的数据集。在这种情况下，基线区域的错误需要被修改。
用于修改这种基线区域的错误的以往的方法包括如下过程：绘制数据集来确定基线区域，确定基线的倾斜程度。之后，适当旋转上述绘制的曲线来获取修改的数据集。或者，获取符合基线区域的线性函数方程式，扣除与各个周期中的上述函数有关的结果值来获取修改的数据集。
这种以往的方法存在如下问题，即，在确定基线区域之后，计算基线倾斜度，或者需要利用如获取符合基线的线性函数的非常复杂的过程。
本发明的方法通过加工信号变化量数据集并利用上述加工的信号变化量数据集的信号变化量来获取各个周期中的累积值来解决数据集的基线错误问题。
在本说明书中的术语“数据集的基线化”为加工从数据集的各个周期中的信号值扣除与基线相对应的值的数据集的过程，由此，获取基线扣除的数据集。
通过信号变化量数据集的基线化，信号变化量数据集的基线区域被调节为0。在步骤(c)中，重建的数据集利用加工的信号变化量数据集的信号变化量获取各个周期中的累积值。通过这种方法来获取基线误差修改的加工的数据集。
根据本发明的一实例，上述信号变化量数据集可以为基线扣除的信号变化量数据集。
基线的扣除可以为基于上述数据集的基线区域的值的数据集的修改。
具体地，基线扣除的信号变化量数据集可以为基线区域的信号变化量被调节为0的信号变化量的数据集。
基线扣除的信号变化量数据集可修改信号变化量数据集的一个以上的信号变化量来提供，尤其，信号变化量数据集的各个信号变化量中扣除信号变化量数据集的基线区域的信号值来提供。因此，根据本发明的一实例，本发明的方法在步骤(c)之前，还包括使在步骤(b)中提供的信号变化量数据集基线化的步骤。上述基线化步骤为用于解决数据集的基线倾斜问题的选择性步骤。与图3的数据集1相比，如数据集2，上述基线化步骤在原始数据集的基线倾斜的情况下有效适用。
使信号变化量数据集基线化的方法并不局限于特定方法，可选自公知的方法。
根据本发明的特定一实例，以使基线区域的信号变化量实际上为0的方式在信号变化量数据集的信号变化量中扣除特定值。
具体地，在信号变化量数据集中确定信号不受到目标的存在或发生影响的初期特定周期或周期区域之后，计算确定的周期中的平均信号变化量，从各个周期的信号变化量扣除上述计算的平均信号变化量来获取基线扣除的信号变化量数据集。
<信号变化量数据集的非正常信号的修改>
信号变化量数据集的非正常信号的修改为本发明的加工方法的一实例。本发明的信号变化量数据集的非正常信号的修改从信号变化量数据集检测具有被分类为非正常信号的信号的周期，通过修改与上述检测的周期相对应的非正常信号来修改原始数据集的非正常信号的方法执行。
利用信号变化量数据集的数据集的非正常信号的修改在区间2中详细说明。
步骤(c)：基于累积值的获取提供重建的数据集(S130)
重建的数据集利用信号变化量数据集的信号变化量来获取各个周期中的累积值并提供。
重建的数据集包含包含多个周期及上述周期中的累积值的多个数据点。与原始数据的信号值相比，上述累积值为改造的值。
利用信号变化量数据集的信号变化量来获取各个周期中的累积值并提供的上述重建的数据集包括具有改造信号值的多个数位置。
通过步骤(a)及(b)，利用原始数据集的信号值来获取信号变化量并获取信号变化量数据集，通过步骤(c)，利用上述信号变化量数据集的信号变化量来获取累积值，并将上述信号变化量数据集转换为重建的数据集。通过步骤(a)至(c)，原始数据集转换为完全适合于目标分析物质检测的重建的数据集。
根据本发明的一实例，各个周期中的累积值可选自由各个周期中的微分值的累积值、各个周期中的差分值的累积值、各个周期中的比率的累积值及各个周期中的斜率值的累积值组成的组中。
根据本发明的一实例，各个周期中的累积值可利用累积起始周期及累积起始值来获取。
根据本发明的一实例，各个周期中的累积值可根据与累积起始周期(累积起始周期)的号码有关的各个周期的号码Xi，通过以下计算法中的一个来计算。上述累积起始周期为选自上述信号变化量数据集的多个周期中选择的周期。
(计算法-1)在上述Xi大于累积起始周期(CSC)的号码的情况下，上述各个周期中的累积值通过对(i)累积起始值及(ii)从上述累积起始周期随后的周期至上述各个周期的信号转换量进行累积来计算，上述累积起始值为上述累积起始周期中的累积值，(计算法-2)在上述Xi小于累积起始周期(CSC)的号码的情况下，上述各个周期中的累积值累积通过对(i)累积起始值及(ii)源于从上述各个周期随后的周期至上述累积起始周期的信号变化量的值进行累积来计算，(计算法-3)在上述Xi与累积起始周期(CSC)的号码相同的情况下，上述累积起始值被指定为上述各个周期中的累积值。
在本说明书中的术语“源自信号变化量的值”为加工上述信号变化量来获取的值。上述加工可以为数学加工。根据本发明的一实例，源自上述信号变化量的值可以为数学加工的信号变化量。例如，源自信号变化量的值可包含信号变化量的加法的逆元、乘法的逆元或倒数，但并不局限于此。
各个周期中的累积值可根据与累积起始周期(CSC)的号码有关的各个周期的号码Xi，通过不相同方法获取。
累积值可以为累积和(cumulative sum)或累积乘(cumulative product)。
在上述累积值为累积和且计算累积值的周期(X周期)的号码大于累积起始周期的号码的情况下，上述X周期中的累积值累积(i)累积起始值及(ii)累积从上述累积起始周期下一个周期至上述X周期的信号变化量来获取。
在上述累积值为累积和且上述X周期的号码小于累积起始周期的号码的情况下，上述X周期中的累积值可累积(i)累积起始值及(ii)在从上述X周期下一个周期至累积起始周期的信号变化量的加法的逆元(additive inverse)来获取。
在上述累积值为累积和的情况下，术语“累积”可以为“加”(adding)。
数学上，一个数X的加法逆元为-X，在上述X相加之和为0的数。
在累积值为累积乘且计算累积值的周期(X周期)的号码大于累积起始周期的号码的情况下，上述X周期中的累积值通过累积(i)累积起始值及(ii)从上述累积起始周期下一个周期至上述X周期的信号变化量来计算。
在累积值为累积乘且上述X周期的号码小于累积起始周期的情况下，上述X周期中的累积值可累积(i)累积起始值及(ii)从上述X周期下一个周期至累积起始周期的信号变化量的倒数(reciprocal)来获取。
在上述累积值为累积乘的情况下，术语“累积”为“乘”(multiplying)。
数学上，一个数X的乘法的逆元或逆元(reciprocal)为1/x，与上述相乘结果为1的数。
在本说明书中的术语“累积起始周期”为用于获取各个周期中的累积值的累积起始的周期。累积起始周期可任意选择。包括数据集的最初周期及最后周期的数据集内的任意周期也被指定为累积起始周期。
根据本发明的一实例，上述累积起始周期可以为数据集的第一个周期。在这种情况下，各个周期中的累积值可通过累积从上述第一个周期至上述各个周期的信号变化量来计算。
在数据集的基线区域的周期被指定为累积起始周期的情况下(例如，在第一个周期被指定为累积起始周期的情况下)，累积起始值可以为重建的数据集的基线区域内信号值。在这种情况下，通过向累积起始值配置0来简单获取基线扣除的重建的数据集。
在本说明书中的术语“累积起始值”为重建的数据集的累积起始周期中的信号值。上述累积起始值可以为任意确定的值。
根据本发明的一实例，累积起始值可以为原始数据集的累积起始周期中的信号值。在将原始数据集的累积起始周期中的信号值设定为累积起始值的情况下，当考虑各个周期中的信号值时，可获取与原始数据集类似的重建的数据集。
根据本发明的一实例，上述累积起始值可以为0或1。若累积起始周期在基线区域中确定，则重建的数据集的基线扣除可通过将累积起始值设定为0来简单体现。
在对符合信号变化量数据集的函数积分来获取重建的数据集的累积值的情况下，上述累积值可通过如下步骤获取：(i)将信号变化量数据集的周期以累积起始周期为基准分为两个组(换句话说，累积起始周期之前周期组或之后周期组)的步骤及(ii)求出符合各个组的函数的积分的步骤。积分常数可以使信号变化量数据集的累积起始周期中的符合函数的积分值到达累积起始值。
追加地，累积起始值可以为信号变化量数据集的累积起始周期中的信号值。
根据本发明的一实例，各个周期中的累积值通过将从第一个周期至上述各个周期的信号变化量累积来计算。在累积起始周期为信号变化量数据集的第一个周期，累积起始值为累积起始周期中的信号值的情况下，累积简单从第一个周期至上述各个周期的信号变化量来计算。
“累积从第一个周期至上述各个周期的信号变化量”均意味着“从第一个周期至上述各个周期的信号变化量相乘”和“从第一个周期至上述各个周期的信号变化量相加”。
信号变化量为通过各个周期中的信号值的微分值、考虑到各个周期中之前周期的信号值的差或各个周期中的线性回归分析获取的斜率值，在累积起始周期为信号变化量数据集的第一个周期，累积起始值为累积起始周期中的信号值的情况下，累积值可以为从第一个周期至上述各个周期的信号变化量相加来计算的累积之和。例如，第十个周期(换句话说，周期号码10)中的累积和可通过从周期号码1至10的信号变化量相加的方法计算。选择性地，各个周期中的累积和可通过求出适合信号变化量数据集的函数的积分来获取。积分常数被指定为0或任意指定的常数。
在积分常数为0的情况下，重建的数据集的基线可以为0或实际上为0的值。在积分常数被指定为原始数据集的基线区域的信号值的情况下，可获取基线具有与原始数据集的基线相同值的重建的数据集。
累积乘通过将第一个周期中各个周期的信号变化量相乘来计算。
信号变化量为考虑到各个周期中的之前周期的信息值的比率，累积起始周期为信号变化量数据集的第一周期，在累积起始值为累积起始周期中的信号值的情况下，累积值为从第一个周期至上述各个周期的信号变化量相乘来计算的累积值。
根据本发明的一实例，特定周期中的信号变化量通过与计算周期中的信号变化量的方法不相同的方法计算。这种实例可在如下情况下有效使用，即，在另一个多个周期中求出信号变化量的使用的计算方法不适合与上述特定周期中求出信号变化量。
因此，若累积起始值被指定为信号变化量数据集的累积起始周期中的信号值，则重建的数据集的累积值可根据信号变化量计算方法改变。
例如，在累积起始周期为数据集的第一个周期，累积起始值为信号变化量数据集的累积起始周期中的信号值，信号变化量数据集的第一个周期中的信号变化量为0的情况下，重建的数据集的第一个周期中的累积值为0，下一个周期的累积值以第一个周期中的累积值为基础确定。
作为另一例，累积起始周期为数据集的第一个周期，累积起始值为信号变化量数据集的累积起始周期中的信号值，在信号变化量数据集的第一个周期的信号变化量被指定为与原始数据集的第一个周期的信号值相同的值的情况下，重建的数据集的第一个周期中的累积值具有与原始数据集的第一个周期中的信号值相同的值，之后，周期中的累积值以上述第一个周期中的累积值为基础确定。
根据本发明的一实例，与原始数据集的基线区域的初期信号值为和值无关，获取基线区域的信号值具有特定值(例如，与0或原始数据集的第一个循环中的信号值相同的值)的重建的数据集。因此，根据本发明，多个数据集以相同基准修改，因此，可获取可靠性分析结果。
根据本发明的一实例，本发明的方法还包括为了数据集的平滑(smoothing)，将在上述(c)步骤中提供的重建的数据集设定为(b)步骤的数据集来反复(b)–(c)步骤的步骤。
在本说明书中的术语“数据集的平滑”(smoothing of the data set)为了去除或最小化数据集的噪声而根据预先确定的算法加工或整理数据集。通过上述数据集的平滑，数据集的视觉呈现得到提高。数据集的平滑在区域IV中详细说明。
步骤(d)：利用重建的数据集检测目标分析物质(S140)
通过重建的数据集的分析检测样品内的目标分析物质。
样品内的目标分析物质的检测利用通过与目标分析物质有关的信号发生反应获取的数据集来以定性检测或定量检测样品内的目标分析物质。上述定性检测或定量检测检测样品内的目标分析物质的存在与否，检测样品内的目标分析物质的量，通过生物学或化学反应，检测目标分析物质的量或状态的变化。
在本说明书中的术语“目标分析物质的分析”、“目标分析物质的检测”、“目标分析物质的定性或定量分析”或“目标分析物质的定性检测或定量检测”为获取与样品内的目标分析物质的存在与否、样品内的目标分析物质的量或生物学或化学反应的目标分析物质的量或状态的变化有关的信息，这些术语可相互没有区分地使用。
根据本发明的一实例，步骤(d)的目标分析物质检测可以为样品内的目标分析物质的定性检测或定量检测。
根据本发明的另一实施方式，本发明提供包括如下步骤的样品内的目标分析物质检测方法：步骤(a)，与目标分析物质有关的数据集提供；步骤(b)，数据集的标准化；步骤(c)，提供通过利用数据集的信号值的各个周期中的信号变化量获取的信号变化量数据集的；步骤(d)，信号变化量数据集的基线化；步骤(e)，信号变化量数据集的修改；步骤(f)，通过利用修改的信号变化量数据集的信号变化量的各个周期中的累积值获取的重建的数据集提供；以及步骤(g)，利用重建的数据集的样品内的目标分析物质的检测。
包括上述步骤(a)至(g)的目标分析物质检测方法均包括上述说明的内容，因此，为了避免不必要的重复，这些之间的相同内容将省略，但是均包括上述方法的对应内容。
根据包括数据集的标准化、信号变化量数据集的修改及重建的数据集的提供步骤的上述步骤(a)至(g)的目标分析物质检测方法，可解决与基于如设备之间信号偏差、非正常信号、噪声及非正常基线的信号发生反应的目标分析物质检测有关的大部分的问题。在上述步骤中，步骤(b)、(d)及(e)可复合性适当选择使用。
II.包括信号变化量数据集的修改及转换的样品内的目标分析物质检测方法
通过信号变化量数据集的加工及转换，可获取适合于目标分析物质检测的数据集。
通常，信号变化量数据集仅用于提供用于直接修改原始数据集的信息。例如，信号变化量数据集为了提供用于识别基线区域的末端位置的信息而使用，或者，提供用于确定各个周期中的信号是否为非正常信号的信息，基线区域的修改或非正常信号的修改并非为信号变化量数据集的修改，通过与原始数据集有关的直接加工来进行。
但是，根据本发明，原始数据集的非正常信号的修改或基线区域的修改通过信号变化量数据集的加工执行，信号变化量数据集加工的效果为了通过加工的信号变化量数据集的转换过程(transformation process)检测目标分析物质，最终反映在加工的数据集。
根据本发明，用于各个周期中的信号值的有效性验证及数据集的有效性确保的加工在相同的数据集中进行，因此，更加准确且有效地修改数据集，可实现利用其的可靠性目标分析物质检测。
根据本发明的一实施方式，本发明提供包括如下步骤的目标分析物质检测方法：步骤(a)，提供与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的信号值的多个数据点；步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；步骤(c)，通过直接修改上述信号变化量数据集来提供经过修改的信号变化量数据集；步骤(d)，通过转换上述经过修改的信号变化量数据集来提供经过转换的数据集；以及步骤(e)，利用上述经过转换的数据集来检测样品内的目标分析物质的步骤。
通过步骤(a)及(b)获取与目标分析物质有关的数据集，由此，计算各个周期号码中的信号变化量来获取信号变化量数据集。上述步骤(a)及(b)如在区间I中说明。
步骤(c)：通过信号变化量数据集的修改的信号变化量数据集的提供
在步骤(c)中，通过信号变化量数据集的修改提供修改的信号变化量数据集。
作为信号变化量数据集的修改的一例，包括利用信号变化量数据集检测具有非正常信号值的周期，修改上述检测的周期的信号变化量来修改非正常信号值的步骤。
根据本发明的一实例，用于非正常信号的修改的信号变化量数据集的修改根据如下的方法执行。
<利用信号变化量数据集的非正常信号修改方法>
-非正常信号的检测
数据集的非正常信号伴随非正常信号变化。根据本发明的方法，利用信号变化量数据集检测非正常信号的变化量，通过修改器的方法修改非正常信号。
作为检测表示非正常信号变化的峰值(非正常峰值)的第一个步骤，识别信号变化量数据集的峰值。上述峰值意味着包括如转折点的区域最大值或最小值(local maximumor minimum value)的位置(point)或一部分区域(local section)。上述位置或一部分区域为一个数据点或2个以上的连续数据点。
具体地，上述数据点或2个以上的连续数据点可具有从预先确定的基准超出的信号值。例如，上述基准可具有特定值的临界值。在此情况下，将具有上述临界值以上的值的2个以上的连续数据点确定峰值。作为另一例，上述基准为对于最大值或最小值的预先确定的特定比率，在此情况下，将具有预先确定的比率以上的比率值的2个以上的连续数据点确定为峰值。
根据本发明的一实例，峰值可利用阈值来识别。具体地，在信号变化量数据集中，具有区域最大值或最小值，具有大于阈值的信号变化量的2以上的连续数据点的组可被识别为一个峰值。
作为检测表示非正常变化的峰值(非正常峰值)的第二个步骤，确定上述峰值是否为表示信号变化的正常峰值还是非正常峰值。
在本发明的一实例中，“板峰值宽度”(Half Peak Width)方法确定信号变化量数据集的峰值是否为正常峰值还是非正常峰值。根据上述板峰值宽度方法，峰值的非正常利用峰值的宽度的一半来确定。
最大周期号码为在一个峰值内具有最大信号变化量的数据点的周期号码，起始周期号码为在一个峰值内，超出阈值的最初数据点的周期号码。峰值的宽度的一半为上述最大周期号码与起始周期号码的差异(Δcycle)。
与一般通过目标分析物质发生的正常信号，通过噪声或其他非正常环境发生的非正常信号呈现出急剧增加或减少信号值的信号变化模式。分析这种信号变化模式来识别上述峰值是否为正常或非正常。非正常峰值的宽度的一半小于正常峰值。根据本发明的一实例，将峰值的宽度的一般小于预先确定的阈值的峰值确定为非正常峰值。
-非正常信号的修改
确定的非正常信号可通过信号变化量数据集的修改来进行修改。
根据本发明的一实例，为了去除可在目标分析物质检测发生的错误，并非直接修改非正常信号，而是通过修改从原始数据集获取的信号变化量数据集的信号变化量来修改。
非正常峰值内的信号变化量以具有相同值的方式被修改，根据周期号码的增加或减少，按规定比率增加或减少。
在非正常峰值内的信号变化量被修改成具有相同值的情况下，与上述非正常峰值相对应的数据点的信号值按相同比率增加，从而去除非正常信号。
在非正常峰值的之前及之后，在周期的信号变化量相同或者具有类似值的情况下，上述非正常峰值内的信号变化量与上述非正常峰值的之前及之后周期相同或类似。具体地，将非正常峰值的之前及之后的一个以上的周期信号变化量的平均值指定为上述非正常峰值内的信号变化量。尤其，这种修改在非正常峰值的数据点与数据集的扩增区间相对应的情况下适用。
根据本发明的一实例，非正常峰值内的信号变化量可具有0值。通过这种修改，与非正常峰值相对应的数据点的信号值不会增加，而是具有与之前数据点的信号值相同的值。尤其，这种修改可在非正常峰值的数据点与数据集的背景区域相对应的情况下适用。非正常峰值内至少一个信号变化量具有0值，根据本发明的一实例，超出阈值的信号变化量具有0值。
<背景区域的噪声修改>
根据本发明的一实例，为了修改背景区域的噪声信号，可以修改背景区域内的信号变化量。上述步骤并不用于修改非正常峰值，而是用于修改背景区域信号的噪声的选择性步骤，上述步骤在检测上述非正常峰值，修改上述非正常峰值的信号变化量之后执行，或者与上述非正常峰值的检测及修改独立进行。
在本说明书中的术语“噪声”为与目标分析物质的存在与否独立发生的不需要的(unwanted)并不通过分析物质的(non-analyte related)信号。
在修改非正常峰值之后，在信号变化量数据集中剩下的峰值为正常峰值，第一个正常峰值的起始周期之前，多个周期的信号变化量被修改为0值。
正常峰值的第一个周期的确定可通过多种方法确定。
根据本发明的一实例，为了确定正常峰值的起始周期而可以适应间隔(gap)。间隔为正常峰值的起始周期和正常峰值内，大于阈值的第一个数据点的周期之间的周期间隔。
在正常峰值通过阈值识别的情况下，正常峰值的第一个周期从与超出在正常峰值内的周期中阈值的第一个数据点相对应的周期号码扣入上述间隔来确定。
根据适用的阈值及信号发生反应的一般信号模式，上述间隔可以适当预先确定。
根据本发明的一实例，作为用于识别在发生正常峰值之前的周期号码的间隔使用5来确定正常峰值的起始周期。
步骤(d)：通过修改的信号变化量数据集的转换的转换的数据集提供
在步骤(d)中，转换上述修改的信号变化量数据集来提供转换的数据集。上述转换的数据集用于样品内的目标分析物质的检测。
修改的信号变化量数据集的转换为了向样品内的目标分析物质的检测提供更加适当的数据集而执行。
根据本发明的一实例，修改的信号变化量数据集转换为包括具有多个周期与相对应的累积值的数据点的重建的数据集，利用上述重建的数据集来检测目标分析物质。与重建的数据集内的各个周期相对应的累积值为使用与原始数据集相同单位(例如，RFU)的信号值。因此，当从原始数据集检测目标分析物质时所使用的传统基准可适用于用于检测目标分析物质的重建的数据集。
根据本发明的一实例，转换的数据集可以为N次信号变化量数据集。上述N次信号变化量数据集为包括呈现修改的信号变化量数据集的信号变化量的变化的N次信号变化量的数据集，上述N为2以上的整数。与信号变化量数据集相比，即使在任何周期中开始信号的变化(例如，信号的增加或减少)，更高次数的信号变化量数据集更准确。
步骤(e)：利用转换的数据集的样品内的目标分析物质的检测
在步骤(e)中，利用转换的数据集来检测样品内的目标分析物质。
样品内的目标分析物质的检测利用通过与目标分析物质有关的信号发生反应获取的数据集来以定性检测或定量检测样品内的目标分析物质。上述定性检测或定量检测包括检测样品内的目标分析物质的存在与否、检测样品内的目标分析物质的量、检测通过生物学或化学反应的目标分析物质的量的状态的变化。
本说明书中的术语“目标分析物质的分析”、“目标分析物质的检测”、“目标分析物质的定性或定量分析”或“目标分析物质的定性检测或定量检测”获取与样品内的目标分析物质的存在与否、样品内的目标分析物质的量或基于生物学或化学反应的目标分析物质的量或状态的变化有关的信息，这些术语可以相互没有区别地使用。
根据本发明的一实例，步骤(e)的目标分析物质检测可以为样品内的目标分析物质的定性检测或定量检测。
在本发明中，检测方法可根据获取的转换的数据集的种类(type)适当选择。
例如，在转换的数据集为获取利用信号变化量数据集的信号变化量的各个周期中的累积值来提供的重建的数据集的情况下，检测目标分析物质的基准周期号码(换句话说，Ct：threshold cycle)通过预先确定的阈值确定。
作为另一例，在上述转换的数据集为利用信号变化量数据集的信号变化量获取各个周期中的信号变化量的变化并提供的2次信号变化量数据集的情况下，与上述2次信号变化量数据集的第一个峰值的最高值相对应的周期号码被指定为阈值周期(Ct)。
III.数据集的重建方法
根据本发明的另一实施方式，本发明提供包括如下步骤的数据集重建方法：步骤(a)，利用数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及步骤(b)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
区域III的方法的所有步骤与区域I重复，因此，为了避免不必要的重复，将省略这些之间的共同内容。
根据本发明的一实例，各个周期中的信号变化量选自由各个周期中的多个信号值的微分值、各个周期中的信号值的差分值、各个周期中的多个信号值的比率及在各个周期中通过执行线性回归分析获取的斜率值组成的组中。
根据本发明的一实例，各个周期中的累积值选自由各个周期中的多个微分值的累积值、各个周期中的多个差分值的累积值、各个周期中的多个比率的累积值及多个斜率值的累积值组成的组。
根据本发明的一实例，本发明的方法可包括信号变化量数据集的基线化步骤。在区域I记载与信号变化量数据集的基线化相关的记载。
通过包括将数据集转换为信号变化量数据集，将上述信号变化量数据集再转换为重建的数据集的步骤来修改。通过这种数据集的重建，数据集被加工成适合目标分析物质的检测。
IV.数据集平滑方法
根据本发明的一实施方式，本发明提供包括如下步骤的数据集平滑方法：步骤(a)，提供与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述与目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
根据本发明的一实例，上述数据集的平滑方法还包括将在上述步骤(c)提供的上述重建的数据集用作上述步骤(b)的数据集来反复步骤(b)-(c)的步骤。
在本说明书中的术语“数据集的平滑”为了去除或组消化数据集的噪声而根据预先确定的算法来加工或整理数据集。通过上述数据集的平滑提高数据集的视觉表现。
在数据分析过程中，数据集的平滑为形成追踪数据集的主要模式的数据集。数据集的平滑去除噪声、其他微细结构或急剧现象。通过平滑过程，数据点的信号被加工，由此，个别数据点的特征减少，相邻数据点之间的信号差异减少。这可以简单识别与数据集的信号的可视变化有关的信息。
在区域IV记载的步骤(a)至(c)有关说明与区域I重复，因此，为了避免不必要的重复而省略这些之间的共同内容。
根据本发明的一实例，信号变化量可以为执行各个周期中的线性回归分析来获取的斜率值。
在区域I记载与线性回归分析相关的内容。
在通过线性回归分析获取信号变化量的情况下，在计算上述信号变化量的周期的前后的几个周期信号值来获取，因此，接近计算信号变化量的周期的多个周期的信号值之间的差异减少。
根据本方法，从信号变化量数据集获取的重建的数据集比之前的数据集(例如，在开始用于获取信号变化量数据集的加工之前的数据集)呈现出更相邻的周期之间的信号值的偏差，从而重建的数据集呈现出更加平滑的曲线。
并不局限于线性回归分析的方法，可使用最小二乘法。
以下记载说明最小二乘法，发明要求保护范围的本发明的范围并不局限于最小二乘法。
根据本发明的一实例，上述最小二乘法通过以下的数学式2表示。
数学式2
其中
I为计算倾斜度的数据点的周期号码，m为第I个周期数据点的倾斜度，xi为第i个周期的周期号码，yi为第i个周期中测定的信号值。
“n”或“a+b+1”用于在第I次周期中的倾斜度计算的数据点的数，并成为线性正方形方法范围(LSMR，Linear Squares Method Range)。“a”为求出用于第I次周期中的倾斜度计算的数据点组中最小周期号码的值，“b”为用于求出最大周期号码的值。
“a”及“b”分别为独立的0至10整数，具体地，为1至5，更具体地，可以为1至3。
优选地，上述“a”及“b”具有相同的值，可根据测定对象物质、测定环境或测定倾斜度的周期改变。
例如，“a”及“b”的值可选自(1，1)、(2，2)、(3，3)及(4，4)的组。按上述顺序中的第一个值为“a”，第二个值为“b”。
在信号值的变化(增加或减少)对目标分析物质的存在或量依赖性增加的情况下，通过平滑处理，防止变化起始周期位置的移动(shift)，从而值“a”大于值“b”。例如，“a”及“b”的值可选自(2，1)、(3，1)、(4，1)、(5，1)、(3，2)、(4，2)、(5，2)、(4，3)、(5，3)及(5，4)。
相反，在信号值的变化(增加或减少)对目标分析物质的存在或量依赖性减少的情况下，为了通过平滑处理防止变化起始周期位置移动，值“b”大于值“a”。例如，“a”及“b”的值可选自(1，2)、(1，3)、(1，4)、(1，5)、(2，3)、(2，4)、(2，5)、(3，4)、(3，5)及(4，5)。
根据本发明的一实例，为了通过线性回归分析获取斜率值而使用的数据点的数为3至10。
根据本发明的一实例，上述方法还包括将在上述步骤(c)提供的上述重建的数据集用为上述步骤(b)的数据集来反复步骤(b)-(c)的步骤。
步骤(b)-(c)的反复从之前获取的重建的数据集提供信号变化量数据集，从上述信号变化量数据集再次获取重建的数据集。反复信号变化量数据集的提供及其的转换为数据转换反复法(Iteration Method for Data Conversion，IMDC)。
为了数据集平滑，反复步骤(b)-(c)的次数并未受到特殊限制，例如，可以为1、2、3、4、5、6、7、8、9或10。在一实例，上述反复次数可以为1至10次、2至5次、2至4次、2至3次。上述反复的次数越增加，数据集的平滑平滑程度增加。但是，在过度反复的情况下，很难区分表示目标分析物质的存在的信号模式和表示目标分析物质的不存在的信号模式。
V.记录介质、装置及程序
根据本发明的另一实施方式，本发明提供包括体现用于执行样品内的目标分析物质检测方法的处理器的指令的计算机可读记录介质，上述方法包括如下步骤：步骤(a)，接收上述与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点；以及步骤(d)，利用上述重建的数据集来确定样品内的目标分析物质的存在与否。
根据本发明的另一实施方式，本发明提供存储于计算机可读记录介质的计算机程序，上述计算机可读记录介质包括体现用于执行样品内的目标分析物质检测方法的处理器的指令，上述方法包括如下步骤：步骤(a)，接收上述与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；步骤(c)，利用上述信号变化量数据集的信号变化量来获取各个周期中的累积值来提供重建的数据集的步骤，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点；以及步骤(d)利用上述重建的数据集来确定样品内的目标分析物质的存在与否。
当程序指令通过处理器执行时，处理器执行上述本发明的方法。用于检测样品内的目标分析物质的方法的程序指令包括如下指令：接收与目标分析物质有关的数据集的指令、利用数据集的信号值来获取各个周期中信号变化量并提供信号变化量数据集的指令、利用信号变化量数据集的信号变化量来获取各个周期中的累积值并提供重建的数据集的指令以及利用上述重建的数据集来确定样品内的目标分析物质的存在与否。
根据本发明另一实施方式，本发明提供包括体现用于执行样品内的目标分析物质检测方法的处理器的指令的计算机可读记录介质，上述方法包括如下步骤：步骤(a)，接收与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的多信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；步骤(c)，通过直接修改上述信号变化量数据集来提供修改的信号变化量数据集的步骤；步骤(d)，通过转换上述经过修改的信号变化量数据集来提供经过转换的数据集；以及步骤(e)，利用上述经过转换的数据集来确定样品内的目标分析物质的存在与否。
根据本发明另一实施方式，本发明提供存储于计算机可读记录介质的计算机程序，上述计算机可读记录介质包括体现用于执行样品内的目标分析物质检测方法的处理器的指令，上述方法包括如下步骤：步骤(a)，接收与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；步骤(c)，通过直接修改上述信号变化量数据集来提供经过修改的信号变化量数据集；步骤(d)，通过转换上述经过修改的信号变化量数据集来提供经过转换的数据集；以及步骤(e)，利用上述经过转换的数据集来确定样品内的目标分析物质的存在与否。
当程序指令通过处理器执行时，处理器执行上述本发明的方法。执行用于样品内的目标分析物质的方法的程序指令可包括如下指令：接收与目标分析物质有关的数据集的指令、利用上述数据集的信号值来获取各个周期中的信号变化量并提供信号变化量数据集的指令、直接修改上述信号变化量数据集来提供修改的信号变化量数据集的指令、转换上述修改的信号变化量数据集来提供转换的数据集的指令以及利用上述转换的数据集来确定样品内的目标分析物质的存在与否。
根据本发明的一实施方式，本发明提供包括体现用于执行数据集重建方法的处理器的指令的计算机可读记录介质，上述方法包括如下步骤：步骤(a)，接收与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；步骤(b)，利用数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
根据本发明的另一实施方式，本发明提供存储于计算机可读记录介质的计算机程序，上述计算机可读记录介质包括体现用于执行数据集重建方法的处理器的指令，上述方法包括如下步骤：步骤(a)，接收与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；步骤(b)，利用数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
当程序指令通过处理器执行时，处理器执行上述本发明的方法。执行数据集重建方法的程序指令可包含以下指令：利用数据集的信号值来获取各个周期中的信号变化量并提供信号变化量数据集的指令、利用上述信号变化量数据集的信号变化量来获取各个周期中的累积值并提供重建的数据集的指令。
根据本发明的另一实施方式，本发明提供包括体现用于执行数据集平滑方法的处理器的指令的计算机刻度记录介质，上述方法包括如下步骤：步骤(a)，接收与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
根据本发明的另一实施方式，本发明提供存储于计算机可读记录介质的计算机程序，上述计算机可读记录介质体现用于执行数据集平滑方法的处理器，上述方法包括如下步骤：步骤(a)，接收与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；步骤(b)，利用上述数据集的信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
当程序指令通过处理器执行时，处理器执行上述本发明的方法。执行数据集平滑方法的程序指令可包括如下指令：接收与目标分析物质有关的数据集的指令、利用上述数据集的信号值来获取各个周期中的信号变化量并提供信号变化量数据集的指令、利用上述信号变化量数据集的信号变化量来获取各个周期中的累积值并提供重建的数据集的指令。
本发明的方法在处理器中执行，上述处理器可以为独立执行型计算机(stand-alone computer)、网络附着计算机或如在实时聚合酶链反应装置的数据收集装置的处理器。
计算机可读记录介质包括本发明所属技术领域的普通技术人员公知的多种存储介质，例如，CD-R、CD-ROM、DVD、闪存、软盘、硬盘、便携式硬盘、USB、磁带、MINIDISC、非易失性存储卡、EEPROM、光盘、光存储介质、RAM、ROM、系统村呼气及网页服务器，但并不局限于此。
数据集可通过多种方式收集。例如，数据集可通过在聚合酶链反应数据收集装置的处理器收集。数据集可实时向处理器提供，或者，存储于存储单元或缓冲器，在完成实验之后，向处理器提供。类似地，数据集通过与上述收集装置的网络连接(例如，LAN、VPN、网络及内部网)或直接连接(例如，USB或其他直接有线连接或无线连接)向台式计算机的系统的额外系统提供，或者，形成于CD、DVD、软盘及便携式硬盘的便携式介质。类似地，数据集通过网络连接(例如，LAN、VPN、网络、局内网及无线通信网络)向如笔记本电脑及台式电脑系统的客户端的服务器系统提供。
实现执行本发明的处理器的指令可包含在逻辑系统。上述指令虽然向记录介质(例如，便携式硬盘、USB、软盘、CD及DVD)，也可以下载存储于存储模块(例如，硬盘驱动器或逻辑或如附着RAM、ROM的其他存储器)。执行本发明的计算机代码可通过如C、C++、Java、Visual Basic、VBScript、JavaScript、Perl及XML的程序语言执行。并且，多种语言及协议用于本发明的数据集与指令的外部及内部存储和传递。
根据本发明的另一实施方式，本发明提供用于检测样品内的目标分析物质的装置，上述装置包括：(a)计算机处理器；以及(b)与上述计算机处理器偶联的上述本发明的计算机可读记录介质。
根据本发明的另一实施方式，本发明提供用于重建数据集的装置，上述装置包括：(a)计算机处理器；以及(b)与上述计算机处理器偶联的上述本发明的计算机可读记录介质。
根据本发明的另一实施方式，本发明提供用于使数据平滑的装置，上述装置包括：(a)计算机处理器；以及(b)与上述计算机处理器偶联的上述本发明的计算机可读记录介质。
根据本发明的一实例，本发明的装置可还包括用于收容样品及信号发生单元的反应容器、调节上述反应容器的温度的温度调节单元和/或检测扩增周期中的信号的检测器。
根据本发明的一实例，计算机系统不仅接收周期的信号值，对数据集进行处理，提供重建的数据集，并确定样品内的目标分析物质的存在与否。
计算机处理器使一个处理器均执行上述工作。选择性地，处理单元使多个护理期执行各个工作。
根据本发明的一实例，处理器可通过在用于根据本发明的一实例，(例如，目标核酸分子)的监测的以往的装置(例如，实时聚合酶链反应装置)嵌入软件来实现。
概括本发明的特征及优点如下。
(A)将用于目标分析物质检测的数据集转换为信号变化量数据集之后，利用信号变化量数据集的信号变化量来获取各个周期中的累积值并再构成。由此，没有基线区域的设定等以往的复杂步骤地来获取如数据集的基线化或平滑的用于目标分析物质的检测的数据集的修改的效果。
(B)在以往的目标分析物质的检测方法中，信号变化量数据集仅用于提供直接修改原始数据集的信息，与数据集有关的修改以上述获取的信息为基础在上述原始数据集直接执行。
根据本发明，通过信号变化量数据集的分析，用于识别的修改直接适用于信号变化量数据集，通过上述信号数据集的转换，上述需要的修改适用于检测目标的数据集。
通过这种方法，没有与数据集的信号值有关的直接修改，可实现用于如错误修改及基线化的目标分析物质检测的数据集加工。包括信号变化量数据集及重建的数据集的提供步骤的本发明的目标分析物质检测方法可有效检测并去除包含在数据集中的误差信息。
(c)如jump error的特定位置中的误差在之后周期中也会发生错误。根据通过信号变化量数据集修改非正常信号的本发明的方法，不修改所有周期的所有信号值，而是通过修改发生错误的周期的信号变化值来修改如jump error的错误。
(d)包括信号变化量数据集的转换的本发明的目标分析物质检测方法利用如使用信号变化量数据集来呈现出重建的数据集或信号变化量数据集的变化水平的数据集的多种数据来分析目标分析物质。
(e)本发明的平滑(smoothing)方法可同时进行数据集的修改和基线化。并且，通过数据转换次数的调节来调节平滑程度。
以下，通过实施例，更加详细说明本发明。这些实施例用于具体说明本发明，根据本发明的主旨，本发明的范围并不局限于这些实施例对本发明所属技术领域的普通技术人员来说是显而易见的。
实施例1：利用信号变化量的累积值的目标分析物质的检测
在本实施例中，获取从与目标核酸有关的实时聚合酶链反应获取的数据集的信号变化量的累积值来通过包括重建数据集的步骤的本发明的方法来实验是否有效检测目标分析物质。
为了执行目标分析物质(例如，目标核酸分子)的检测而使用包括如下步骤的过程：(i)与目标分析物质有关的数据集提供、(ii)通过信号变化量获取的信号变化量数据集提供、(iii)获取信号变化量的累积值来提供重建的数据集及(iv)上述利用重建的数据集的目标分析物质检测。
为了评价本发明的有效性，加工通过与目标核酸分子有关的实时聚合酶链反应获取的数据集来获取重建的数据集，在上述获取的重建的数据集适用预先确定的目标检测用阈值来确定目标核酸分子是否存在。
<1-1>数据集的获取
与目标核酸分子有关的实时聚合酶链反应利用Bio-Rad公司的CFX96TMReal-TimePCR Detection System，将探针用为信号发生单元来执行扩增周期50次。
在从实时聚合酶链反应获取的数据集中，选择适用本发明的3个数据集。图3为绘制被命名为数据集1、数据集2及数据集3的上述选择的3个数据集的扩增曲线。
<1-2>变化值数据集获取
从上述获取的原始数据集获取信号变化量数据集。信号变化量根据基于以下数据时3的差分法(difference method)计算。
数学式3
Δyi＝yi-yi-1(if i＝1，Δyi＝0)
i：数据集的周期号码
yi：第i个周期的信号值
Δyi：第i个周期中的信号变化量
<1-3>信号变化量数据集的基线化(选择性过程)
如图3的数据集2或数据集3，在数据集的基线倾斜的情况下，<1-3>通过信号变化量数据集的修改解决这种错误的步骤。相反，如数据集1，在基线并未倾斜的情况下，无需执行<1-3>。
以使信号变化量数据集的基线具有0的值的方式在信号变化量数据集的各个周期的信号变化量扣除规定值。具体地，在信号变化量数据集预先指定并未检测到信号的反应初期特定周期号码或特定周期区间之后，计算上述指定的周期号码或区间的平均变化量，在各个周期的信号变化量扣除上述计算的平均变化量。
在本实施例中，用于信号变化量数据集的基线化的平均信号变化量将起始周期(S)指定为3，将结束周期(E)指定为10的基线区间来根据<数学式4>进行了计算，根据<数学式5>，以使上述区间的平均变化量为0的方式修改信号变化量数据集的整体周期的信号变化量。而且，为了确认结果，绘制(X轴：周期号码，Y轴：ΔRFU)基线化的信号变化量数据集来获取基线化的信号变化值曲线。
数学式4
i：数据集的周期号码
Δyi：第i个周期中的信号变化量
基线区间的平均信号变化量
S：信号变化量数据集的基线区间的起始周期号码
E：信号变化量数据集的基线区间的最后周期号码
n：E–S+1
数学式5
i：数据集的周期号码
Δyi：第i个周期中的信号变化量
Δy：基线区间的平均信号变化量
fit.Δyi：基线化的信号变化量数据集的第i个周期中的信号变化量.<1-4>通过获取信号变化量的累积值获取的重建的数据集的获取获取累积值来获取重建的数据集。各个周期中的累积和通过从信号变化量数据集的第一个周期至对周期的信号变化量累积来获取。在本实施例中，上述累积和根据以下的数学式6计算。绘制上述重建的数据集来获取重建的扩增曲线(X轴：周期号码，Y轴：RFU)。
数学式6
cum.yI＝CSV(CSC＝I)
CSV：重建的数据集的累积起始周期的信号强度
CSC：数据集的累积起始周期号码
i：数据集的周期号码
I：累积值计算的周期号码
Δyi：信号变化量数据集的第i个周期中的信号变化量
cum.yi：重建的数据集的第i个周期中的信号强度
当使信号变化量数据集基线化时，数学式5的fit.Δyi为数学式6的Δyi。
在本实施例中，累积起始周期为1，CSV为0。
相互比较绘制通过上述过程获取的重建的数据集来获取的曲线。
如图4的数据集1所示，根据步骤<1-1>、<1-2>及<1-4>加工与目标分析物质有关的数据集的结果，以使数据集的基线区域的信号值收敛为0的方式重建数据。这种结果通过本发明的方法，没有基线区域的设定步骤地使基线区域的信号值收敛为0或所需要的值。
如图5A的数据集2所示，将与目标分析物质有关的数据集没有基线化步骤地根据步骤<1-1>、<1-2>及<1-4>来加工的结果，第一个信号值收敛为0，但是，倾斜基线的问题未被修改。在这种情况下，若在步骤<1-2>与<1-4>之间追加步骤<1-3>，则可修改倾斜的基线。进而，如图5B所示，数据集3的倾斜基线也通过追加适用步骤<1-3>来修改。
如上所述，执行作为基线化步骤的住追加步骤<1-3>来修改数据集的倾斜基线。
<1-5>目标分析物质的检测
利用上述获取的重建的数据集来检测目标分析物质。对呈现出预先确定的阈值以上的荧光值的样品判定为阳性，呈现出小于阈值的荧光值的样品被判定为阴性。上述预先确定的阈值被指定为RFU1000。如图4、图5A及图5B的CUSUM结果所示，通过本发明，没有检测错误地，目标分析物质成功被检测。
实施例2：用于信号变化量的累积值获取的多种计算法比较
在本实施例中，利用计算信号变化量的累积值的多种方法获取重建的数据集并相互比较。
重建的数据集根据包括如下步骤的方法提供：(i)与目标分析物质有关的数据集获取、(ii)通过信号变化量获取的信号变化量数据集获取、(iii)通过信号变化量的累积值获取的重建的数据集提供步骤。
<2-1>数据集的获取
如实施例1所示，从实时聚合酶链反应获取包含与各个周期有关的荧光值的数据集1。
<2-2>信号变化量数据集的获取
从上述获取的原始数据集获取信号变化量数据集。
信号变化量利用上述数学式3的差分法、以下实施例7的数学式7、以下实施例8的比率法或以下微分方程式的微分法来计算。
数学式7
I：计算数据集的信号变化量的周期号码
xi：第i个周期号码
yi：第i个周期中测定信号强度
Δyi：第i个周期中的信号变化量
“a”和“b”：0至10的整数
n：a+b+1，用于计算信号变化量的数据的数
从“I-a”至“I+b”的周期号码的平均
从“I-a”至“I+b”的周期中测定的信号强度的平均
在本发明中，在“a”和“b”使用1。在“I-a”小于1的情况下，上述a被调节为1。在“I+b”大于整体数据点的数的情况下，上述b与整个数据点的数相同。
数学式8
i：数据集的周期号码
yi：第i个周期中测定的信号强度
Δyi：第i个周期中的信号变化量
微分方程式
Δyi＝4.E-04xi 5-0.0547xi 4+2.6164xi 3-52.906xi 2+433.63xi-1072.3
i：数据集的周期号码
xi：第i个周期号码
Δyi：第i个周期中的信号变化量
上述微分方程式微分从原始数据集计算的6次多项式来获取。
<2-3>基于信号变化量的累积值获取的重建的数据集获取
重建的数据集获取如信号变化量的累积值、累积乘或积分信号变化量的累积值来通过。通过以下数学式9的累积乘及以下的积分方程式的积分计算。
数学式9
cum.yI＝CSV(CSC＝I，CSV≠0)
CSV：重建的数据集的累积起始周期的信号强度
CSC：数据集的累积起始周期号码
I：累积值计算周期号码
i：数据集的周期号码
Δyi：信号变化量数据集的第i个周期中的信号变化量
cum.yi：重建的数据集的第i个周期中的信号强度
积分方程式
cum.Δyi＝3E-06xi 7-0.0004xi 6+0.0237xi 5-0.6453xi 4+8.2817xi 3-45.475xi 2+75.669xi
i：数据集的周期号码
xi：第i个周期号码
cum.yi：重建的数据集的第i个周期的信号强度
上述积分方程式积分从信号变化量数据集计算的6次多项式来获取。
相互比较绘制通过上述步骤获取的重建的数据集来获取的曲线。
<2-4>利用多种累积起始周期及累积起始值来比较获取的重建的数据集
利用多种累积起始周期及累积起始值来从信号变化量数据集获取重建的数据集，并对其进行了比较。
信号变化量数据集利用基于上述数学式3的差分法来获取，利用基于上述数学式6的累积和来获取重建的数据集。累积起始周期分别被指定为1、34及50，CSV分别被指定为-2000、0、2000。
各个数据集的扣除的数据集以使周期号码1的信号值收敛为0的方式从重建的数据集的各个周期的信号值口出特定值来获取。
如图6A所示，在各个重建的数据集利用不相同的累积起始周期来获取重建的数据集的情况下，这些具有相同周期中的不同信号值，重建的数据集使用相同的累积起始值，因此，累积起始周期中的信号值相同。但是，各个扣除的数据集与累积起始周期的差无关地具有相同周期中的相同信号值。
如图6B所示，在各个重建的数据集利用不相同的累积起始值来获取重建的数据集的情况下，具有相同周期中的不相同信号值，这些是被称为累积是兼职的相同种类的信号值。但是，各个扣除的数据集与累积起始值的差异无关地具有相同周期中的相同信号值。
结果，即使使用不同累积起始周期或累积起始值来计算的重建的数据集的累积值的信号强度(换句话说，Y轴的值)不相同，各个重建的数据集具有相同的信号模式。
<2-5>多种信号变化量及累积值的计算方法的比较
利用计算信号变化量及累积值的多种方法获取重建的数据集，比较上述获取的重建的数据集。
信号变化量利用基于上述数学式7的最小二乘法、基于上述数学式8的比率法或基于上述微分方程式的微分法来计算。
累积值通过基于上述数学式6的累积值、基于上述数学式9的累积值及上述积分方程式的积分法来计算。
在重建的数据集利用累积值来获取的情况下，在累积起始周期指定1值，在CSV指定0。并且，在重建的数据集利用累积乘来获取的情況下，在累积起始周期指定1值，在CSV指定1.00值。
如图7所示，信号变化量数据集可通过从原始数据集计算信号变化量的多种方法获取。并且，重建的数据集可通过从信号变化量数据集计算累积值的多种方法来获取。
结果，在信号变化量及累积值计算可使用多种已知的计算方法。
实施例3：基于信号变化量修改的检测错误修改
在实施例3中，可通过利用信号变化量的修改的本发明的方法去除通过数据集的非正常信号发生的目标分析物质的存在与否确定上的错误。
在本实施例中，信号变化量修改及数据集的重建根据包括如下步骤的处理执行。
(i)与目标分析物质有关的数据集提供、(ii)基于信号变化量获取的信号变化量数据集提供、(iii)获取的信号变化量数据集的非正常信号修改、(iv)通过信号变化量的累积值获取的重建的数据集提供及(v)利用重建的数据集的目标分析物质检测。
<3-1>包括非正常信号的数据集获取
与目标核酸分子有关的实时聚合酶链反应利用Bio-Rad公司的CFX96TM Real-TimePCR Detection System，将探针用为信号发生单元来执行扩增周期50次。通过实时聚合酶链反应，在获取的数据集中，为了适用本发明而选择存在Jump错误的3个数据集。图9为绘制上述选择的3个数据集的结果。
<3-2>信号变化量数据集获取
从上述获取的原始数据集获取信号变化量数据集。信号变化量根据上述数学式7及实施例<2-2>，适用最小二乘法来计算。
<3-3>信号变化量数据集的非正常信号修改
信号变化量数据集的非正常信号的修改根据(a)非正常信号的检测及(b)非正常信号的修改的步骤进行。
a.非正常信号检测
作为用于判断信号变化量峰值的存在有无的“信号变化量阈值”，在本实施例中使用了变化值200。在信号变化量数据集存在信号变化量为200以上的周期的情况下，判断为信号变化量峰值的存在。在确定信号变化量峰值的存在之后，为了区分上述峰值是否为正常峰值或非正常峰值而使用“半峰值宽度”方法。半峰值宽度计算根据以下的数学式10进行。
数学式10
Half Peak Width(＝Δcycle)＝MaXcycle-Start cycle
MaXcycle：表示峰值中最高信号变化量的数据点的周期号码
Start cycle：在峰值内，呈现出在MaXcycle之前，信号变化量阈值(thresholdfor signal change amount)以上的信号变化量的最初数据点的周期信号
在计算半峰值宽度之后，使用预先设定的峰值阈值来区分正常峰值与非正常峰值。在本实施例中，将上述峰值阈值指定为2。在上述计算的半峰值宽度为峰值阈值以下的情况下，上述峰值为非正常峰值，在半峰值宽度大于峰值阈值的情况下，上述峰值为正常峰值。
b.非正常信号修改
在识别非正常峰值之后，修改表示非正常信号的峰值。如图10的第二个曲线所示，将表示信号变化量阈值以上的信号变化量的部分修改为0，由此获取修改的信号变化量数据集。
c.噪声修改(选择性步骤)
本过程为在修改非正常峰值之后，为了修改背景信号的噪声而使用的过程。如图8的第三个曲线所示，在去除非正常峰值之后，在存在正常峰值的情况下，从0周期至上述正常峰值的起始周期之前的周期的信号变化量为0。并且，在正常峰值没有的情况下，将周期的所有信号峰值识别为噪声，将信号变化量修改为0。正常峰值的起始周期之前的周期的号码可通过在表示曲线与信号变化量阈值交叉的位置的周期号码中扣除预先确定的周期数的方法确定。
<3-4>通过信号变化量累的重建的数据集获取及目标分析物质检测
从修改的信号变化量数据集累积信号变化量来获取重建的数据集，利用上述重建的数据集来检测目标核酸。重建的数据集的获取及目标核酸的检测通过与实施例1记载相同的方法执行。在本实施例中，将目标检测用阈值指定为RFU500。
通过信号变化量数据集的信号变化量的修改(换句话说，非正常信号的修改)及累积获取的重建的数据集绘制在图11A。为了比较，没有修改地来将通过信号变化量数据集的信号变化量的累积获取的重建的数据集在图11A以虚线表示。
如图11A所示，非正常信号(例如，jump error)通过信号变化量的修改被修改。并且，在正常信号和非正常信号同时存在的情况下，不会对正常信号产生影响，仅修改非正常信号。通过数据集1及3的目标核酸分子没有错误地检测，不包含目标核酸分子的数据集2中，没有错误地检测目标核酸分子。
为了确认噪声修改处理效果，分别绘制施加噪声修改的信号变化量数据集与未施加噪声修改的信号变化量数据集。如图11B所示，包含修改的信号变化量数据集1和未修改的信号变化量数据集1的噪声信号的周期的一部分区域中，修改的数据集1去除噪声信号，没有信号水平变动地恒定。
如上所述，本发明的方法可修改扩增曲线的非正常信号，由此，可有效减少基于非正常信号的目标核酸存在与否有关的确定错误。进而，本发明的方法提供可更加准确定量目标分析物质的加工的数据集。
实施例4：利用转换的数据集的目标分析物质的检测
在实施例4中，进行了是否可以通过与目标分析物质有关的信号变化量数据集的修改及修改的信号变化量数据集的转换来检测目标分析物质的实验。
在本实施例中，目标分析物质检测方法根据包括如下步骤的处理执行。
(i)与目标分析物质有关的数据集提供、(ii)基于信号变化量获取的信号变化量数据集提供及获取的信号变化量数据集的修改、(iii)修改的信号变化量数据集的转换、(iv)利用转换的数据集的目标分析物质检测。
<4-1>数据集获取
与目标核酸分子有关的实时聚合酶链反应利用Bio-Rad公司的CFX96TM Real-TimePCR Detection System，将探针使用为信号发生单元来执行扩增周期50次。通过实时聚合酶链反应，在获取的数据中，为了适用本方法二选择3个数据集。图13为绘制上述选择的3个数据集的结果。
<4-2>信号变化量数据集的获取及修改
从上述3个的原始数据集通过计算第一次变化量来获取信号变化量数据集，修改信号变化量数据集的第一次信号变化量来去除非正常信号。
信号变化量数据集的获取及修改通过与实施例<3-2>及<3-3>相同的方法执行。非正常信号的修改通过与实施例<3-3>记载相同的方法执行。具体地，在检测非正常信号之后，将在峰值内，包含作为信号变化量阈值的200以上的信号变化量的多个周期的信号变化量修改为0。
<4-3>修改的信号变化量数据集的转换
转换上述修改的信号变化量数据集来获取转换的数据集，利用其来检测目标分析物质。在本实施例中，上述转换通过从信号变化量数据集获取第二次信号变化量数据集的方法执行。
具体地，第二次信号变化量根据以下的数学式11计算。为了目标分析物质检测，绘制上述第二次信号变化量数据集来获取转换的数据集的曲线。
数学式11
I：计算信号变化量的周期号码
xi：第i个周期号码
cor.si：第i个周期中的修改的信号变化量
cor.ssi：第i个周期中的转换的信号变化量
“a”和“b”：0至10的整数
n：a+b+1，用于信号变化量计算的数据数
从“I-a”至“I+b”的周期号码的平均
从“I-a”至“I+b”的修改的信号变化量的平均
在本实施例中，在“a”和“b”使用1。在“I-a”小于1的情况下，上述a将“I-a”调节为1。在“I+b”大于整个数据点的数的情况下，上述b将“I+b”调节为与整体数据点的数相同。
<4-4>目标分析物质的检测
利用上述获取的转换的数据集检测目标核酸分子(换句话说，目标分析物质)。将第二次信号变化量为预先确定的阈值以上的样品判断为阳性，将第二次信号变化量小于预先确定的阈值的样品判断为阴性。在本实施例中，通过上述预先确定的目标检测用阈值指定第二次信号变化值70。
如图14所示，转换的数据集的曲线中，检测目标分析物质的结果根据与信号变化量有关的修改适用有无不同。
具体地，在仅存在正常信号的阳性样品为数据集1的情况下，与信号变化量有关的修改有无无关地，导出与目标核酸存在相同的结果。
在包含非正常信号的阴性样品为数据集2的情况下，在不修改信号变化量的情况下，因目标检测用阈值以上的非正常信号，观察到假阳性结果。相反，在修改信号变化量的情况下，在转换的数据集的曲线中去除非正常信号，因此，导出阴性结果。
在包含非正常信号的阳性样品的数据集3的情况下，在不修改信号变化量的情况下，因目标检测用阈值以上的非正常信号而发生检测错误。相反，在修改信号变化量的情况下，在转换的数据集的曲线中去除非正常信号，因此导出阳性结果。
如上所述，根据包括信号变化量数据集的修改及转换的本发明的方法，去除目标分析物质检测错误，更加准确地进行检测。
实施例5：利用重建的数据集的数据集的平滑
实施例5中，实验了绘制重建的数据集来获取的曲线是否平滑(smoothing)。
如图15所示，数据集的平滑根据包括如下步骤的处理来执行。(i)与目标分析物质有关的数据集提供、(ii)基于利用数据集的信号值的各个周期中的信号变化量获取的信号变化量数据集提供、(iii)基于利用信号变化量数据集的信号变化量的各个周期中的累积值获取的重建的数据集提供。追加地，上述处理可追加选择性反复上述步骤(ii)及(iii)的步骤。
<5-1>数据集的获取
如实施例1所示，通过实时聚合酶链反应获取各个周期的荧光值的数据集。
<5-2>信号变化量数据集的获取
通过信号变化量获取，从上述获取的数据集获取信号变化量数据集。信号变化量通过上述数学式7的最小二乘法计算。
在本实施例中，“a”和“b”使用2个。在“I-a”小于1的情况下，上述a使“I-a”变为1。在“I+b”大于整个数据点的数的情况下，上述b使“I+b”与整个数据点的数相同。
基线化通过与在实施例<1-3>中记载的相同的方法执行，在信号变化量数据集的第一个重建之前执行1次。
<5-3>通过信号变化量的累积值获取的重建的数据集获取
求出信号变化量数据集的各个周期中的累积值来获取重建的数据集。累积和利用上述数学式6来计算。
在本实施例中，累积起始周期被指定为1，CSV为0。
<5-4>通过数据集重建的反复的平滑效率上升
实验了通过数据集重建处理的反复，数据集平滑效果是否增加。通过将在步骤<5-3>中获取的重建的数据集作为<5-2>中的数据集再使用的方法，反复进行上述步骤<5-2>及<5-3>来获取最终重建的数据集。上述步骤<5-2>及<5-3>的反复执行2次，因此，可获取改变反复数的总共3个重建的数据集。当数据集的重建反复时，为了防止信号发生位置的改变，在数学式7中，a为3，b为1。
为了确认数据集的平滑效果上升，绘制所有重建的数据集来进行比较。
并且，利用各个重建反复步骤的重建的数据集来执行目标核酸检测。表示预先确定的目标检测用阈值以上的荧光值的样品被判定为阳性，表示小于预先确定的目标检测用阈值的荧光值的样品被判定为阴性。在本实施例中，R将FU300指定为上述预先确定的目标检测用阈值。
如图16A所示，数据集的平滑效果在第一个重建的数据集呈现，重建处理越反复，其效果越增加。并且，在目标核酸检测没有错误。
图16B放大从重建的数据集的背景区域相对应的0至20周期的部位的曲线。如图16B所示，呈现出背景区域(0至20周期)中的数据集的平滑效果。
如上所述，本发明的数据集重建方法中，使绘制数据集的曲线平滑，可去除背景区域的噪声信号。因此，本发明的方法可以使样品内的目标分析物质的检测及定量更加准确且可靠。
以上，详细说明了本发明的特定部分，对本发明所属技术领域的普通技术人员来说，这种具体记述仅是优选实例，本发明的范围并不局限于此。因此，本发明的实际范围通过附加的发明要求保护范围和其的等同技术方案定义。

Claims (26)

1.一种样品内的目标分析物质检测方法，其特征在于，包括：
步骤(a)，提供与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；
步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；
步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点；以及
步骤(d)，利用上述重建的数据集来检测样品内的目标分析物质。
2.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，各个上述周期中的累积值根据与累积起始周期(CSC)的号码有关的各个周期的号码(Xi)，通过以下的计算方法中的一个来计算，
上述累积起始周期为在上述信号变化量数据集的周期中选择的周期，
计算法-1：在上述各个周期的号码(Xi)大于累积起始周期(CSC)的号码的情况下，上述各个周期中的累积值通过对(i)累积起始值及(ii)从上述累积起始周期随后的周期至上述各个周期的信号转换量进行累积来计算，上述累积起始值为上述累积起始周期中的累积值，
计算法-2：在上述各个周期的号码(Xi)小于累积起始周期(CSC)的号码的情况下，上述各个周期中的累积值通过对(i)累积起始值及(ii)源于从上述各个周期随后的周期至上述累积起始周期的信号变化量的值进行累积来计算，
计算法-3：在上述各个周期的号码(Xi)与累积起始周期(CSC)的号码相同的情况下，上述累积起始值被指定为上述各个周期中的累积值。
3.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，上述各个周期中的累积值通过累积从第一周期至上述各个周期的信号变化量来计算。
4.根据权利要求1至3中的任一项所述的样品内的目标分析物质检测方法，其特征在于，上述各个周期中的信号变化量选自由上述各个周期中的多个信号值的微分值、各个周期中的多个信号值的差分值、各个周期中的多个信号值的比率及在各个周期中通过执行线性回归分析来获取的斜率值组成的组中。
5.根据权利要求4所述的样品内的目标分析物质检测方法，其特征在于，上述各个周期中的累积值选自由各个周期中的多个微分值的累积值、各个周期中的多个差分值的累积值、各个周期中的多个比率的累积值及多个斜率值的累积值组成的组中。
6.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，还包括对上述信号变化量数据集的至少一个信号变化量进行加工的步骤。
7.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，上述步骤(a)的数据集为原始数据集、上述原始数据集的经过数学加工的数据集、上述原始数据集的标准化的数据集或上述原始数据集的上述经过加工的数据集的标准化的的数据集。
8.根据权利要求6所述的样品内的目标分析物质检测方法，其特征在于，上述标准化的数据集通过包括如下步骤的处理来提供：
步骤(i)，提供用于修改上述原始数据集或上述原始数据集的经过数学加工的数据集的标准化系数的步骤，上述标准化系数利用基准值、基准周期及上述数据集来提供，上述基准周期选自上述数据集的多个周期，上述基准值为任意确定的值，通过确定与上述基准周期相对应的上述数据集的周期中的信号值与上述基准值之间的关系来提供上述标准化系数；以及
步骤(ii)，通过获取将上述标准化系数适用于上述数据集的多个信号值而修改的多个信号值来提供标准化的数据集的步骤。
9.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，上述信号变化量数据集为基线被扣除的信号变化量数据集。
10.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，还包括将在上述步骤(c)中提供的上述重建的数据集用作上述步骤(b)的数据集来反复上述步骤(b)-(c)的步骤，使得数据集平滑。
11.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，上述步骤(d)的目标分析物质的检测为对上述样品内的目标分析物质的定性检测或定量检测。
12.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，在上述步骤(a)之前，还包括执行用于获取与样品内的目标分析物质有关的数据集的信号发生反应的步骤。
13.根据权利要求1所述的样品内的目标分析物质检测方法，其特征在于，上述信号发生反应为信号扩增反应。
14.一种样品内的目标分析物质检测方法，其特征在于，包括：
步骤(a)，提供与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；
步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；
步骤(c)，通过直接修改上述信号变化量数据集来提供经过修改的信号变化量数据集；
步骤(d)，通过转换上述经过修改的信号变化量数据集来提供经过转换的数据集；以及
步骤(e)，利用上述经过转换的数据集来检测样品内的目标分析物质。
15.根据权利要求14所述的样品内的目标分析物质检测方法，其特征在于，上述经过转换的数据集为N次信号变化量数据集，上述N次信号变化量数据集包含用于表示上述经过加工的信号变化量数据集的信号变化量的变化的N次信号变化量，上述N为2以上的整数。
16.根据权利要求14所述的样品内的目标分析物质检测方法，其特征在于，上述步骤(e)的目标分析物质的检测为对上述样品内的目标分析物质的定性检测或定量检测。
17.一种数据集重建方法，其特征在于，包括：
步骤(a)，利用数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及
步骤(b)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
18.根据权利要求17所述的数据集重建方法，其特征在于，上述各个周期中的信号变化量选自由上述各个周期中的多个信号值的微分值、各个周期中的多个信号值的差分值、各个周期中的多个信号值的比率及在各个周期中通过执行线性回归分析来获取的斜率值组成的组中。
19.根据权利要求17所述的数据集重建方法，其特征在于，上述各个周期中的累积值选自由各个周期中的多个微分值的累积值、各个周期中的多个差分值的累积值、各个周期中的多个比率的累积值及多个斜率值的累积值的组成的组中。
20.一种数据集平滑方法，其特征在于，包括：
步骤(a)，提供与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；
步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及
步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
21.根据权利要求20所述的数据集平滑方法，其特征在于，上述方法还包括将在上述步骤(c)提供的上述重建的数据集用作上述步骤(b)的数据集来反复上述步骤(b)-(c)的步骤，使得数据集平滑。
22.根据权利要求20所述的数据集平滑方法，其特征在于，上述信号变化量为通过在各个周期中执行线性回归分析来获取的斜率值。
23.一种计算机可读记录介质，包含实现用于执行样品内的目标分析物质检测方法的处理器的指令，其特征在于，上述样品内的目标分析物质检测方法包括：
步骤(a)，接收上述与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；
步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；
步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点；以及
步骤(d)，利用上述重建的数据集来确定样品内的目标分析物质的存在与否。
24.一种计算机可读记录介质，包含实现用于执行样品内的目标分析物质检测方法的处理器的指令，其特征在于，上述样品内的目标分析物质检测方法包括：
步骤(a)，接收与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；
步骤(b)，利用上述数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；
步骤(c)，通过直接修改上述信号变化量数据集来提供经过修改的信号变化量数据集；
步骤(d)，通过转换上述经过修改的信号变化量数据集来提供经过转换的数据集；以及
步骤(e)，利用上述经过转换的数据集来确定样品内的目标分析物质的存在与否。
25.一种计算机可读记录介质，包含实现用于执行数据集重建方法的处理器的指令，其特征在于，上述数据集重建方法包括：
步骤(a)，接收与目标分析物质有关的数据集，上述数据集包含包含多个周期及信号发生反应的多个信号值的多个数据点；
步骤(b)，利用数据集的多个信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含包含多个周期及上述多个周期中的多个信号变化量的多个数据点；以及
步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
26.一种计算机可读记录介质，包含实现用于执行数据集平滑方法的处理器的指令，其特征在于，上述数据集平滑方法包括：
步骤(a)，接收与目标分析物质有关的数据集，上述数据集从利用信号发生单元对上述与目标分析物质进行的信号发生反应中获取，上述数据集包含包含多个周期及上述信号发生反应的多个信号值的多个数据点；
步骤(b)，利用上述数据集的信号值获取各个周期中的信号变化量来提供信号变化量数据集，上述信号变化量数据集包含多个数据点，上述多个数据点包含多个周期及上述多个周期中的多个信号变化量；以及
步骤(c)，利用上述信号变化量数据集的信号变化量获取各个周期中的累积值来提供重建的数据集，上述重建的数据集包含包含多个周期及上述多个周期中的多个累积值的多个数据点。
CN201780048113.0A 2016-06-02 2017-06-02 利用信号变化量数据集的样品内的目标分析物质检测方法 Active CN109923613B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR20160068932 2016-06-02
KR10-2016-0068932 2016-06-02
PCT/KR2017/005790 WO2017209563A1 (en) 2016-06-02 2017-06-02 Method for detecting a target analyte in a sample using a signal change-amount data set

Publications (2)

Publication Number Publication Date
CN109923613A true CN109923613A (zh) 2019-06-21
CN109923613B CN109923613B (zh) 2023-07-04

Family

ID=60478835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780048113.0A Active CN109923613B (zh) 2016-06-02 2017-06-02 利用信号变化量数据集的样品内的目标分析物质检测方法

Country Status (6)

Country Link
US (1) US20190156920A1 (zh)
EP (1) EP3465504A4 (zh)
JP (1) JP6835877B2 (zh)
KR (2) KR102326604B1 (zh)
CN (1) CN109923613B (zh)
WO (1) WO2017209563A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669910A (zh) * 2020-12-30 2021-04-16 杭州博日科技股份有限公司 扩增曲线基线确定方法、装置以及电子设备
CN113641957A (zh) * 2021-06-29 2021-11-12 南京邮电大学 一种基于归一化流的信号检测方法
CN115641916A (zh) * 2022-09-29 2023-01-24 杭州准芯生物技术有限公司 一种分子生物学检测方法、计算机设备及可读存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017086762A1 (en) * 2015-11-20 2017-05-26 Seegene, Inc. Method for calibrating a data set of a target analyte
AU2019255933B2 (en) * 2018-04-20 2022-08-25 Seegene, Inc. . Method and apparatus for detecting a plurality of target nucleic acid sequences in sample
KR102699175B1 (ko) * 2018-12-14 2024-08-26 주식회사 씨젠 기울기 데이터 세트에 대한 s자 형태의 함수를 사용하여 샘플 내 타겟 분석물질을 검출하는 방법

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115673A (en) * 1997-08-14 2000-09-05 Instrumentation Metrics, Inc. Method and apparatus for generating basis sets for use in spectroscopic analysis
JP2005516630A (ja) * 2002-02-07 2005-06-09 アプレラ コーポレイション リアルタイムｐｃｒのための自動閾値設定およびベースライン決定
CN1746319A (zh) * 2005-09-22 2006-03-15 广州华银医药科技有限公司 一种呼吸道病原体的实时荧光聚合酶链式反应检测方法
CN101076607A (zh) * 2004-10-18 2007-11-21 布兰迪斯大学 用于核酸扩增的引物、探针和方法
US20140127793A1 (en) * 2007-12-28 2014-05-08 Abbott Laboratories Allelic discrimination analysis using an efficiency related value (efr)
WO2014186526A2 (en) * 2013-05-15 2014-11-20 Thorne Diagnostics, Inc. Nucleic acid amplification signal acquisition and signal analysis
CN104271767A (zh) * 2012-02-03 2015-01-07 加州理工学院 多路生化测定中信号的编码和解码
US20150186598A1 (en) * 2013-12-30 2015-07-02 Roche Molecular Systems, Inc. Detection and correction of jumps in real-time pcr signals
US20150232916A1 (en) * 2012-09-10 2015-08-20 Biofire Diagnostics, Llc Multiple amplification cycle detection
WO2016052991A1 (en) * 2014-10-01 2016-04-07 Seegene, Inc. Methods for analyzing samples
KR20160039529A (ko) * 2014-10-01 2016-04-11 주식회사 씨젠 증폭곡선을 보정하는 방법 및 시료 분석을 위한 정보를 획득하는 방법, 그 기록매체, 그 컴퓨터 프로그램, 컴퓨터 장치

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7587283B2 (en) * 2006-07-01 2009-09-08 Celera Corporation Growth and baseline identification determination for amplification data
US8005628B2 (en) * 2007-01-29 2011-08-23 Applied Biosystems, Llc Systems and methods for baseline correction using non-linear normalization

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6115673A (en) * 1997-08-14 2000-09-05 Instrumentation Metrics, Inc. Method and apparatus for generating basis sets for use in spectroscopic analysis
JP2005516630A (ja) * 2002-02-07 2005-06-09 アプレラ コーポレイション リアルタイムｐｃｒのための自動閾値設定およびベースライン決定
US20120072120A1 (en) * 2002-02-07 2012-03-22 Life Technologies Corporation Automatic threshold setting and baseline determination for real-time pcr
CN101076607A (zh) * 2004-10-18 2007-11-21 布兰迪斯大学 用于核酸扩增的引物、探针和方法
CN1746319A (zh) * 2005-09-22 2006-03-15 广州华银医药科技有限公司 一种呼吸道病原体的实时荧光聚合酶链式反应检测方法
US20140127793A1 (en) * 2007-12-28 2014-05-08 Abbott Laboratories Allelic discrimination analysis using an efficiency related value (efr)
CN104271767A (zh) * 2012-02-03 2015-01-07 加州理工学院 多路生化测定中信号的编码和解码
US20150232916A1 (en) * 2012-09-10 2015-08-20 Biofire Diagnostics, Llc Multiple amplification cycle detection
JP2015529085A (ja) * 2012-09-10 2015-10-05 バイオファイア・ダイアグノスティクス，リミテッド・ライアビリティ・カンパニー マルチプル増幅サイクル検出
WO2014186526A2 (en) * 2013-05-15 2014-11-20 Thorne Diagnostics, Inc. Nucleic acid amplification signal acquisition and signal analysis
US20150186598A1 (en) * 2013-12-30 2015-07-02 Roche Molecular Systems, Inc. Detection and correction of jumps in real-time pcr signals
WO2016052991A1 (en) * 2014-10-01 2016-04-07 Seegene, Inc. Methods for analyzing samples
KR20160039529A (ko) * 2014-10-01 2016-04-11 주식회사 씨젠 증폭곡선을 보정하는 방법 및 시료 분석을 위한 정보를 획득하는 방법, 그 기록매체, 그 컴퓨터 프로그램, 컴퓨터 장치

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
WANGSHENGQI ET AL.: "A new fluorescent quantitative polymerase chain reaction technique", 《ANALYTICAL BIOCHEMISTRY》 *
WANGSHENGQI ET AL.: "A new fluorescent quantitative polymerase chain reaction technique", 《ANALYTICAL BIOCHEMISTRY》, vol. 309, no. 2, 15 November 2002 (2002-11-15), pages 206 - 211, XP008140849, DOI: 10.1016/S0003-2697(02)00317-2 *
YOUNG-JO LEE ET AL.: "Single-channel multiplexing without melting curve analysis in real-time PCR", 《SCIENTIFIC REPORTS 》 *
YOUNG-JO LEE ET AL.: "Single-channel multiplexing without melting curve analysis in real-time PCR", 《SCIENTIFIC REPORTS 》, 11 December 2014 (2014-12-11), pages 1 - 6 *
林玲: "定量PCR技术的研究进展", 《国外医学.遗传学分册》 *
林玲: "定量PCR技术的研究进展", 《国外医学.遗传学分册》, no. 3, 12 June 1999 (1999-06-12), pages 1 - 5 *
种康等: "聚合酶链反应(PCR)对未知序列DNA的扩增技术", 《植物生理学通讯》, no. 2, pages 116 - 118 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669910A (zh) * 2020-12-30 2021-04-16 杭州博日科技股份有限公司 扩增曲线基线确定方法、装置以及电子设备
CN113641957A (zh) * 2021-06-29 2021-11-12 南京邮电大学 一种基于归一化流的信号检测方法
CN113641957B (zh) * 2021-06-29 2024-08-13 南京邮电大学 一种基于归一化流的信号检测方法
CN115641916A (zh) * 2022-09-29 2023-01-24 杭州准芯生物技术有限公司 一种分子生物学检测方法、计算机设备及可读存储介质
CN115641916B (zh) * 2022-09-29 2024-05-03 杭州准芯生物技术有限公司 一种分子生物学检测方法、计算机设备及可读存储介质

Also Published As

Publication number Publication date
KR102326604B1 (ko) 2021-11-15
US20190156920A1 (en) 2019-05-23
KR20210138152A (ko) 2021-11-18
EP3465504A1 (en) 2019-04-10
KR20190004834A (ko) 2019-01-14
WO2017209563A9 (en) 2018-12-27
KR102385959B1 (ko) 2022-04-12
EP3465504A4 (en) 2020-02-12
JP2019525289A (ja) 2019-09-05
WO2017209563A1 (en) 2017-12-07
JP6835877B2 (ja) 2021-02-24
CN109923613B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN109923613A (zh) 利用信号变化量数据集的样品内的目标分析物质检测方法
JP5068748B2 (ja) ポリヌクレオチドを定量するための方法およびアルゴリズム
JP4443717B2 (ja) 被験体の定量方法
JP6685396B2 (ja) 標的分析物質に対するデータセットの補正方法
JP6463332B2 (ja) 較正の方法、装置およびコンピュータプログラム製品
US11781180B2 (en) Detection of abnormal signal using two or more datasets
US10978173B2 (en) Method for reducing noise level of data set for a target analyte
US20180247015A1 (en) Multiple dataset analysis for determining the presence or absence of target analyte
CN111149170A (zh) 分析试样内靶分析物的方法及装置
KR101771402B1 (ko) 핵산 정량 방법
US20220025449A1 (en) Method for detecting a target analyte in a sample using an s-shaped function for a slope data set
US8990059B2 (en) Analyzing tool for amplification reactions
CN110475871A (zh) 用于确定靶核酸序列的存在的分析信号
Noguchi et al. About sequence quality: impact on clinical applications
Spas et al. Internal validation of a DNA quantification method using the quantifiler® human DNA quantification kit and the 7500 real-time PCR system with the hid real-time PCR analysis software V 1.1 at the biology department of the central forensic laboratory of the police. Forensic practice

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
GR01 Patent grant
GR01 Patent grant