CN111587374A - 成像质谱分析用数据处理装置 - Google Patents
成像质谱分析用数据处理装置 Download PDFInfo
- Publication number
- CN111587374A CN111587374A CN201880086132.7A CN201880086132A CN111587374A CN 111587374 A CN111587374 A CN 111587374A CN 201880086132 A CN201880086132 A CN 201880086132A CN 111587374 A CN111587374 A CN 111587374A
- Authority
- CN
- China
- Prior art keywords
- mass
- value
- charge ratio
- imaging
- reference image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 66
- 238000001871 ion mobility spectroscopy Methods 0.000 title claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 77
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 238000001819 mass spectrum Methods 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 29
- 150000002500 ions Chemical class 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 17
- 230000007717 exclusion Effects 0.000 claims description 13
- 238000004949 mass spectrometry Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 8
- 238000010238 partial least squares regression Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 abstract description 49
- 238000000611 regression analysis Methods 0.000 abstract description 7
- 238000000879 optical micrograph Methods 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 description 60
- 239000011159 matrix material Substances 0.000 description 20
- 239000000523 sample Substances 0.000 description 16
- 238000013500 data storage Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 230000000155 isotopic effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000010186 staining Methods 0.000 description 3
- 238000004435 EPR spectroscopy Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 241000699666 Mus <mouse, genus> Species 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000007876 drug discovery Methods 0.000 description 2
- 238000002073 fluorescence micrograph Methods 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 239000003535 biological staining Substances 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007490 hematoxylin and eosin (H&E) staining Methods 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000000816 matrix-assisted laser desorption--ionisation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000037353 metabolic pathway Effects 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000003068 pathway analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- 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
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0004—Imaging particle spectrometry
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
在通过成像质谱分析找出表示与光学显微图像等参照图像相似的分布的化合物时,使其搜索的效率和准确性提高。在本发明所涉及的使用了数据处理装置的成像质谱分析装置中,回归分析执行部(16)使用每个测定点处的质谱数据和参照图像数据执行PLS,按每个m/z值求出反映了分布的相似性的回归系数。m/z值搜索部(17)按回归系数从大到小的顺序选出m/z值,但如果在将整个m/z测定范围按规定宽度划分出的各m/z搜索范围中已经选出了一个m/z值,则从搜索的对象中排除包含该m/z值的m/z搜索范围。由于在质谱上源自某个化合物的峰及其同位素峰大致进入一个m/z搜索范围内,因此根据上述处理,能够避免源自某个化合物的离子的m/z值和源自其同位素的离子的m/z值被重复地选为m/z候选。
Description
技术领域
本发明涉及一种用于在成像质谱分析装置中对获取到的质谱数据进行处理的数据处理装置,该成像质谱分析装置能够针对试样上的测定区域内的多个测定点分别获取质谱数据。
背景技术
质谱分析成像法是一种通过对生物体组织切片等试样的二维的测定区域内的多个测定点(微小区域)分别进行质谱分析、来研究具有特定质量的物质的空间分布的方法,该质谱分析成像法正不断应用于药物找出(drug discovery)、生物标记搜索、各种疾病/疾患的原因探明等。用于实施质谱分析成像的质谱分析装置一般被称为成像质谱分析装置(参照非专利文献1等)。
在成像质谱分析装置中,一般针对试样上的各测定点获得遍及规定的质荷比(m/z)范围的质谱数据(包括n为2以上的MSn谱数据)。然后,当用户指定源自想要观察的化合物的离子的质荷比时,提取该指定的质荷比下的各测定点的信号强度,按照灰阶或色标使该信号强度值可视化,从而制作与测定点的位置对应的二维图像(MS成像图像)并显示在显示部的画面上。
近年来,正在盛行以下研究:利用这样的成像质谱分析装置观察从生物体组织切取的试样中的特定化合物的二维的分布,由此进行药物代谢动力学解析、代谢途径解析、分子相关性的解析等。在这样的解析中,作为观察对象的靶的化合物已决定,经常存在能够通过生物体染色等方法使该化合物的二维的分布可视化的情况(参照专利文献1等)。
如果列举一例,则已知老鼠、人等动物的脂肪组织细胞蓄积脂肪滴的情况,通过对作为这些动物的生物体组织切片等的试样实施HE(苏木精-伊红)染色,能够使用光学显微镜观察脂肪滴。因此,在例如作为脂肪肝的老鼠肝脏切片中想要将目标设为脂肪来搜索与该脂肪相关联的化合物的情况下,只要搜索能够获得图像图案与HE染色图像的图像图案相似的MS成像图像的质荷比值即可,所述HE染色图像是通过对该生物体组织切片进行HE染色而得到的。以下,将为了找出像这样表示特定的图像图案的MS成像图像而利用的图像称为“参照图像”。该参照图像有时仅是生物体组织切片等试样的光学显微镜图像,有时是如上述那样的染色图像,或者荧光显微镜图像。
如上所述,在搜索表示图像图案与参照图像的图像图案相似的二维分布的质荷比值(以下,有时将质荷比称为“m/z”)的情况下,一般来说,首先制作TIC(Total Ion Count(总离子数)或Total Ion Current(总离子流))谱,该TIC谱是按每个质荷比值对测定区域内的所有测定点处的多个质谱的信号强度值进行累计而得到的。然后,在该TIC谱中按信号强度值从大到小的顺序选择峰,用户通过视觉观察来判定与该选择出的峰对应的m/z值下的MS成像图像与参照图像的图像图案的相似性。
然而,通常在TIC谱中出现源自各种化合物的多个峰,因此即使锁定于信号强度值为规定的阈值以上的峰,在MS成像图像的制作和图像图案的确认中也需要相当的劳力。另外,在这样的作业中会花费大量的时间,效率不高。
因此,以往提出了如下一种方法:并非由人进行判断,而是利用统计解析的方法来自动地搜索提供图像图案与参照图像的图像图案相似的MS成像图像的m/z值。在该方法中,例如进行以参照图像的像素值为目标变量、以各测定点处的质谱数据为说明变量的回归分析。然后,通过选择该回归分析后得到的回归系数的绝对值大的m/z值,来找出表示与参照图像的图像图案相似的分布的化合物。
这样的方法在不依赖人手地提取准确的m/z值方面是有效的,但存在如下的问题。
即,源自生物体的试样中含有的化合物大多具有同位素。因此,如果利用成像质谱分析装置测定含有分别具有同位素的多种化合物的试样并如上所述那样求出TIC谱,则在该TIC谱中观测到许多同位素峰。由于源自相同化合物的同位素峰表示相同的空间分布,因此即使通过如上所述的方法求出m/z值的候选,有时也只选择了源自一个或少数化合物的同位素峰的m/z值。即使m/z值不同,作为化合物来说,源自一个化合物的同位素峰也相同,因此被提取的化合物的数量变少,成为从搜索结果中漏掉表示与参照图像相似的分布的其它化合物的主要原因。另外,用户确认这种实质上是相同的化合物的多种物质的二维分布也是浪费时间。
现有技术文献
专利文献
专利文献1:国际公开第2017/002226号(第[0037]段)
专利文献2:日本特开2009-25275号公报
非专利文献
非专利文献1:“iMScope TRIOイメージング質量顕微鏡”,[线上],[平成29年6月5日检索],株式会社岛津制作所,因特网<URL:http://www.an.shimadzu.co.jp/bio/imscope/>
发明内容
发明要解决的问题
本发明是鉴于上述问题而完成的,其目的在于提供如下一种成像质谱分析用数据处理装置:在通过统计解析处理等找出表示图像图案与参照图像的图像图案相似的二维分布的化合物时,能够排除化合物的同位素的影响地列举为以源自多种化合物的离子为目标的化合物的候选。
用于解决问题的方案
为了解决上述问题而完成的本发明是一种成像质谱分析用数据处理装置,对在试样上的二维的测定区域内的多个测定点处分别得到的质谱数据进行处理,该成像质谱分析用数据处理装置具备:
a)参照图像信息获取部,其获取用于形成与所述测定区域有关的参照图像的参照图像数据;
b)解析处理部,其通过基于所述测定区域内的各测定点的质谱数据和由所述参照图像信息获取部获取到的参照图像数据进行统计解析,来按每个质荷比计算同MS成像图像与参照图像的图像图案的相似性相关联的指标值,所述MS成像图像表示具有该质荷比的离子的信号强度的分布;以及
c)质荷比值搜索部,其搜索并选出表示在由所述解析处理部得到的每个质荷比的指标值中相对大的指标值的质荷比,将存在于包括已经选出的一个质荷比值的规定的质荷比范围内的、表示比与该质荷比值对应的指标值小的指标值的质荷比值从选出对象中排除。
在本发明所涉及的成像质谱分析用数据处理装置中,上述参照图像能够利用通过质谱分析以外的各种方法得到的图像。作为参照图像,例如能够考虑通过电子显微镜、光学显微镜、荧光显微镜等得到的观察图像;通过拉曼分光测定、各种波长(太赫兹区域、远近红外区域、可见光区域、紫外区域、X射线区域等)的电磁波的放射强度的测定、吸收测定等得到的成像图像;通过PET(Positron Emission Tomography:正电子发射断层扫描)测定、MRI(Magnetic Resonance Imaging:磁共振成像)测定、ESR(Electron Spin Resonance:电子自旋共振)测定、CT(Computed Tomography:计算机断层扫描)测定、利用EPMA(ElectronProbe MicroAnalyser:电子探针显微分析仪)进行的表面分析等各种测定或分析得到的图像等。
在本发明所涉及的成像质谱分析用数据处理装置中,参照图像信息获取部读入构成光学图像的数据,该光学图像是通过利用光学显微镜拍摄例如被染色的试样而得到的。解析处理部通过基于测定区域内的各测定点的质谱数据和参照图像数据执行统计解析,来按每个m/z值计算同MS成像图像与参照图像的图像图案的相似性相关联的指标值,所述MS成像图像表示具有该m/z的离子的信号强度的分布。
具体地说,例如能够使用部分最小平方回归分析(PLS)来作为统计解析的方法。在该情况下,通过进行以各测定点处的质谱数据为说明变量、以与各测定点对应的参照图像中的各像素的像素值为目标变量的回归分析,能够求出每个m/z值的回归系数来作为上述指标值。
如果回归系数等指标值大(此外,由于也存在回归系数为负的情况,因此严格地说,在回归系数的情况下,如果其绝对值大),则提供该回归系数的m/z值的二维分布应该接近参照图像的图像图案。然而,如上所述,如果仅选择上述指标值大的m/z值,则源自相同化合物的同位素的离子也被选择。因此,质荷比值搜索部基本上搜索表示在计算出的指标值中相对大的指标值的m/z值,但还将存在于包括已经选出的一个m/z值的规定的m/z范围内的、提供更小的指标值的m/z值从m/z值的选出对象中排除。也就是说,忽略这样的m/z值。
一般来说,在质谱上源自某个化合物的离子的峰与其同位素峰的m/z值差即便大,也小至几Da左右。因此,如果事先适当地确定相对于源自一个化合物分子的峰而言的m/z范围,则该同位素峰大致收敛于该m/z值范围内。因而,根据由质荷比值搜索部进行的上述处理,当选出源自某个化合物的离子的m/z值时,实际上几乎能够避免在此之后选出源自该化合物的同位素的离子的m/z值。也就是说,源自某个化合物的m/z值和源自该化合物的同位素的m/z值几乎不会重复地被选出。
在上述本发明所涉及的成像质谱分析用数据处理装置的第一实施方式中,优选设为以下结构:预先确定将整个质荷比测定范围按规定的质荷比宽度划分出的连续的多个质荷比搜索范围,所述质荷比值搜索部在一个质荷比搜索范围内选出表示在该范围内最大的指标值的质荷比值的情况下,将该质荷比搜索范围内包括的其它质荷比值从选出对象中排除。
在该结构中,以预先确定的质荷比搜索范围为单位进行从m/z值的选出对象中排除的处理即可。因此,排除这样的m/z范围的处理是简单的。
在上述第一实施方式中,所述质荷比值搜索部能够设为以下结构:在所述多个质荷比搜索范围的每个质荷比搜索范围内选出表示最大的指标值的质荷比值之后,进一步在所选出的这些多个质荷比值中选出表示规定的阈值以上的指标值的质荷比值。
在该结构中,能够在排除源自同位素的m/z值的同时,选出指标值为规定的阈值以上、即被推测为与参照图像的分布的相似性的确高的m/z值。
另外,在上述第一实施方式中,所述质荷比值搜索部也可以设为以下结构:在测定对象的整个质荷比范围内按指标值从大到小的顺序选出多个质荷比值。
根据该结构,能够在排除源自同位素的m/z值的同时,按指标值从大到小的顺序、即按被推测为分布与参照图像相似的可能性从高到低的顺序,选出适当的m/z值。由此,能够高效地选出源自分布与参照图像相近的目标化合物的离子候选。
在本发明所涉及的成像质谱分析用数据处理装置的第二实施方式中,优选设为以下结构:所述质荷比值搜索部在选出一个质荷比值之后,决定相对于这一个质荷比值在质荷比的减少方向和增加方向上分别设定了相同或不同的宽度所得到的排除范围,并将该排除范围中包括的其它质荷比值从选出对象中排除。
在该结构中,与上述第一实施方式不同,没有预先确定质荷比搜索范围,而是根据实际选出的m/z值来决定m/z排除范围。在上述第一实施方式中,在质谱上源自某一个化合物分子的峰及其同位素峰以跨及相邻的质荷比搜索范围的方式存在的情况下,无法将该同位素峰的m/z值从选出对象中排除。与此相对地,在第二实施方式中,能够将源自相对于某一个化合物而言的一个或多个同位素的离子几乎完全地从选出对象中排除。
此外,在该结构中,也与上述第一实施方式同样地,所述质荷比值搜索部能够设为以下结构:在测定对象的整个质荷比范围内按指标值由大到小的顺序选出多个质荷比值。由此,能够高效地选出源自分布与参照图像相近的目标化合物的离子候选。
发明的效果
根据本发明所涉及的成像质谱分析用数据处理装置,在搜索表示与光学显微图像等参照图像相似的分布的化合物时,能够排除实质上是相同的化合物的同位素的影响地找出源自多种化合物的离子。由此,能够高精度且迅速地找出分布与参照图像相近的化合物。
附图说明
图1是使用了本发明所涉及的成像质谱分析用数据处理装置的成像质谱分析装置的一个实施例的概要结构图。
图2是由本实施例的成像质谱分析装置中的成像质谱分析部测定的试样上的测定区域的概念图。
图3是本实施例的成像质谱分析装置的特征性的m/z值搜索处理的流程图。
图4是用于说明图3所示的m/z值搜索处理的概念图。
图5是使用了本发明所涉及的成像质谱分析用数据处理装置的成像质谱分析装置的另一实施例中的m/z值搜索处理的流程图。
图6是用于说明图5所示的m/z值搜索处理的概念图。
图7是使用了本发明所涉及的成像质谱分析用数据处理装置的成像质谱分析装置的又一实施例中的m/z值搜索处理的流程图。
图8是用于说明图7所示的m/z值搜索处理的概念图。
具体实施方式
以下,参照所附附图对使用了本发明所涉及的成像质谱分析用数据处理装置的成像质谱分析装置的一个实施例进行说明。
图1是本实施例的成像质谱分析装置的概要结构图,图2是在本实施例的成像质谱分析装置中用成像质谱分析部测定的试样上的测定区域的概念图。
本实施例的成像质谱分析装置具备成像质谱分析部4、参照图像摄影部5、数据处理部1、操作部2以及显示部3。操作部2和显示部3是用户接口。
成像质谱分析部4例如包括矩阵辅助激光解吸离子化离子阱飞行时间质谱分析装置(MALDI-IT-TOFMS),能够获取生物体组织切片等试样6上的二维的测定区域内的多个测定点(微小区域)各自的质谱数据。该质谱数据还包含n为2以上的MSn谱数据。另一方面,参照图像摄影部5是光学显微镜、荧光显微镜或相位差显微镜等,用于获取试样6上的至少包括测定区域的范围的光学显微图像、染色图像、荧光图像、相位差显微图像等参照图像。当然,作为参照图像,能够使用通过除此以外的各种测定方法得到的与试样有关的二维图像。
数据处理部1接收由成像质谱分析部4收集到的各测定点处的质谱数据以及通过参照图像摄影部5进行摄像所得到的参照图像数据,并进行规定的处理,数据处理部1具备参照图像数据存储部11、MS成像数据存储部12、参照图像制作部13、MS成像图像制作部14、运算数据制作部15、回归分析执行部16、m/z值搜索部17以及m/z值候选呈现部18等功能模块。
通常,数据处理部1的实体是个人计算机(或者更高性能的工作站),能够构成为通过使安装于该计算机的专用的软件在该计算机上运行来实现上述各模块的功能。在该情况下,操作部2是键盘、鼠标等指示设备,显示部3是显示监视器。
如图2所示,在本实施例的成像质谱分析装置中,当在老鼠肝脏切片之类的源自生物体的试样6上设定测定区域60时,成像质谱分析部4对该测定区域60的范围内的多个测定点61分别执行质谱分析(或MSn分析),并获取遍及规定的m/z范围的质谱数据。其结果,得到与测定区域60内的测定点61的数量相当的质谱数据的集合(以下将其称为“MS成像数据”),从成像质谱分析部4向数据处理部1输入该数据并将其存储在MS成像数据存储部12中。
另一方面,参照图像摄影部5针对相同的试样6拍摄例如染色图像。此外,此时得到的染色图像的摄影范围也可以不与测定区域60一致,只要包括测定区域60即可。参照图像数据存储部11读入构成由参照图像摄影部5得到的参照图像的参照图像数据并进行存储。
参照图3和图4对如上所述那样在MS成像数据存储部12中存储有MS成像数据且在参照图像数据存储部11中存储有参照图像数据的状态下在数据处理部1中执行的特征性的m/z值搜索处理进行说明。图3是示出该m/z值搜索处理的过程的流程图,图4是用于说明该m/z值搜索处理的概念图。
当处理开始时,运算数据制作部15从参照图像数据存储部11读出在处理中利用的参照图像数据(步骤S1)。此外,此时,参照图像制作部13也可以根据读出的参照图像数据制作参照图像并显示在显示部3的画面上。另外,运算数据制作部15从MS成像数据存储部12读出在处理中利用的、测定区域60内的各测定点61处的质谱数据(步骤S2)。
运算数据制作部15制作将参照图像中的与测定区域60内的各测定点61对应的各像素的像素值数据和每个测定点61的质谱数据分别设为矩阵形式的运算数据(步骤S3)。如上所述,在参照图像的摄影范围比测定区域60大的情况下,在参照图像中仅切取与该测定区域60相当的部分来使用即可。另外,通常,参照图像的像素的尺寸与被实施了质谱分析的测定点61的尺寸不同,在大多情况下,像素远远小于测定点61。因此,优选通过使用与一个测定点61对应的多个像素的像素值进行的校正处理等来求出与该测定点对应的像素值。此外,这样的数据的变换处理本身是已知的,例如能够使用如专利文献2等中公开的方法。基于参照图像中的像素值数据的矩阵是由每个测定点61的像素值y1、y2、…、yn排列而成的一维的矩阵Y。另外,基于每个测定点的质谱数据的矩阵是使每个测定点以及每个m/z值的信号强度值(峰强度值)x11、x12、…、x1m、x21、x22、…、x2m、xn1、xn2、…、xnm二维地排列而得到的二维矩阵X。
回归分析执行部16以在上述步骤S3中制作出的基于质谱数据得到的信号强度值的二维矩阵X为说明变量(输入变量),以在上述步骤S3中制作出的基于参照图像数据得到的像素值的一维矩阵Y为目标变量(输出变量),来执行公知的部分最小平方回归分析(PLS)的运算。由此,计算出回归系数矩阵(步骤S4)。
该回归系数矩阵的元素数是m,该回归系数矩阵是由每个m/z值的回归系数排列而成的一维矩阵。各回归系数的值表示以参照图像的像素值为教师数据的、参照图像与MS成像图像的每个m/z值的图像图案(二维分布状况)的相似性的高低。因而,回归系数的绝对值大的m/z值是能够得到具有与参照图像相似的图像图案的MS成像图像的m/z。因此,例如,如果在回归系数矩阵中选择回归系数为某阈值以上的m/z值,则该m/z可以说是源自表示与参照图像的图像图案相似的分布的化合物的离子的m/z。
但是,源自一个化合物的离子的m/z与源自该化合物的同位素的离子的m/z不同,如果选择这些多个m/z,则会重复选择实质上相同的化合物。因此,在本实施例的成像质谱分析装置中,在从回归系数矩阵选出有意义的m/z值时,实施如以下那样的特征性的处理,使得尽量排除同位素。
在此,如图4的(a)所示,预先确定将整个m/z测定范围按规定m/z宽度ΔM划分出的连续的多个(N个)m/z搜索范围。m/z宽度ΔM例如能够适当地确定为10Da等。m/z值搜索部17在如上述那样预先确定的各个m/z搜索范围内搜索回归系数的绝对值最大的m/z值,并将该回归系数的值和m/z值决定为该m/z搜索范围的代表值。通过该处理,求出N个代表值(步骤S5)。
当前,在将横轴设为m/z轴的图4的(b)中,用○标记表示回归系数矩阵中的各元素(也就是回归系数)。也就是说,m/z轴上的○标记的位置表示与该回归系数对应的m/z值。如果如图4的(c)所示那样在各m/z搜索范围内排除回归系数并非最大的m/z值(标注×标记的m/z值),则在图4的(c)中残留用○标记表示的元素。如果在某个m/z搜索范围内只有一个元素,则该元素必然成为代表值。
接着,m/z值搜索部17从在步骤S5中求出的N个代表值中选出回归系数的绝对值为阈值以上的代表值的m/z值(步骤S6)。或者,也可以取代回归系数的绝对值为阈值以上这样的条件,而选出满足其它适当的条件的代表值的m/z值。例如,也可以按回归系数的绝对值从大到小的顺序选出规定个数的代表值,来求出该代表值的m/z值。由此,如图4的(e)所示,排除不满足所设定的条件的m/z值,选出在各m/z搜索范围内回归系数的绝对值最大且满足所设定的条件的m/z值。
m/z值候选呈现部18制作列出了在步骤S6中选出的所有m/z值的m/z值候选列表,并将该列表显示在显示部3的画面上(步骤S7)。用户确认该列表,通过操作部2选择指示例如一个m/z值候选。于是,MS成像图像制作部14在接收到该指示后,从测定区域60内的各测定点61处的质谱数据中提取被指示的m/z值的信号强度值,制作MS成像图像并显示在显示部3的画面上。由此,用户能够在画面上确认被推断为图像图案与参照图像的图像图案相似的m/z值候选的MS成像图像。此时,优选一并显示参照图像。用户能够通过这样的确认来找出适当的m/z值候选,并根据该m/z值来推断目标化合物。
接着,对使用了本发明所涉及的成像质谱分析用数据处理装置的成像质谱分析装置的另一实施例进行说明。本实施例的成像质谱分析装置的结构与图1所示的上述实施例的成像质谱分析装置的结构相同,因此省略说明。
图5是本实施例的成像质谱分析装置中的m/z值搜索处理的流程图,图6是用于说明m/z值搜索处理的概念图。如图5所示,步骤S1~S4的处理、即直到通过PLS计算回归系数矩阵为止的处理与上述实施例完全相同,只有在m/z值搜索部17中实施的、从回归系数矩阵搜索适当的m/z值的处理不同。因此,以下详细说明这一点。
如图6的(a)所示,预先确定将m/z测定范围按规定m/z宽度ΔM划分出的连续的多个m/z搜索范围这一点与上述实施例相同。m/z值搜索部17首先在整个m/z测定范围内搜索回归系数的绝对值最大的m/z,并选出与该回归系数对应的m/z值(步骤S15)。当前,设为如图6的(b)所示那样存在回归系数矩阵中的各元素,其中,搜索最大的回归系数所得到的结果为图6的(c)。
m/z值搜索部17排除包含在步骤S15中选出的唯一的m/z值的m/z值搜索范围,来设定新的m/z测定范围(步骤S16)。即,在图6的(c)的例子中,选出了与用○标记表示的一个元素对应的m/z值,因此从m/z测定范围中排除在图6的(d)中用×表示的一个m/z搜索范围,来设定新的m/z测定范围。然后,在排除了该一个或多个m/z搜索范围后的m/z测定范围内搜索最大的回归系数,并选出与该回归系数对应的m/z值(步骤S17)。因而,即使在先被排除的m/z搜索范围内存在表示大的回归系数的m/z值,也不会选出该m/z值。在图6的(d)所示的m/z测定范围内搜索到最大的回归系数时,使得找出图6的(e)所示的用○标记表示的回归系数。
然后,判定是否满足预先决定的结束条件(步骤S18),如果不满足,则从步骤S18返回到S16。例如,既可以将选出预先确定的个数的m/z值作为结束条件,也可以将从处理开始起的时间经过了规定时间作为结束条件。或者,还可以将该时间点的最大的回归系数低于规定的阈值作为结束条件。这样,作为结束条件,能够考虑各种条件。
总之,在步骤S18中判定为满足了结束条件之前,重复进行步骤S16~S18的处理。例如,当选出图6的(e)所示的用○标记表示的值之后返回到步骤S16时,如图6的(f)所示,从m/z测定范围中排除包含新选出的该m/z值的m/z值搜索范围。因而,与上述实施例同样地,在一个m/z搜索范围内仅选出最大的一个m/z值,即使在包含已经选出的m/z值的m/z搜索范围内存在源自同位素的m/z值,也能够避免选出该m/z值。
根据结束条件,在本实施例的成像质谱分析装置中,也如图6的(g)所示,在各m/z搜索范围内选出最大的一个、回归系数相对大的m/z值。m/z值候选呈现部18制作列出了在步骤S15和多次的步骤S17中选出的m/z值的m/z值候选列表,并将该列表显示在显示部3的画面上(步骤S19)。
接着,对使用了本发明所涉及的成像质谱分析用数据处理装置的成像质谱分析装置的又一实施例进行说明。本实施例的成像质谱分析装置的结构也与图1所示的上述实施例的成像质谱分析装置的结构相同,因此省略说明。
图7是本实施例的成像质谱分析装置中的m/z值搜索处理的流程图,图8是用于说明m/z值搜索处理的概念图。如图7所示,步骤S1~S4的处理、即直到通过PLS计算回归系数矩阵为止的处理与上述实施例中的处理完全相同,只有在m/z值搜索部17中实施的、从回归系数矩阵中搜索适当的m/z值的处理不同。因此,以下详细叙述这一点。
m/z值搜索部17首先在给定的m/z测定范围内搜索回归系数的绝对值最大的值,并选出与该回归系数对应的m/z值(步骤S25)。当前,在图8的(b)所示的回归系数中,搜索最大的回归系数所得到的结果为图8的(c)。
m/z值搜索部17在步骤S25中选出的一个m/z值的前后确定规定宽度的m/z排除范围。具体地说,分别预先确定m/z小的方向上的m/z宽度ΔMa和m/z大的方向上的m/z宽度ΔMb(也可以与ΔMa相同),如果决定了被选出的m/z值M1,则将M1-ΔMa~M1+ΔMb的范围设为m/z排除范围即可。优选的是,ΔMa、ΔMb分别以尽可能地包含一个化合物的同位素且尽可能地小的方式决定。然后,如果决定了m/z排除范围,则将从m/z测定范围排除了m/z排除范围后的范围设定为新的m/z测定范围(步骤S26)。
例如,能够基于与图8的(c)所示的一个回归系数对应的m/z值来确定在图8的(d)中用ΔP表示的m/z排除范围。m/z值搜索部17在被排除了其中一个或多个m/z排除范围后的m/z测定范围内搜索其绝对值最大的回归系数,并选出与该回归系数对应的m/z值(步骤S27)。因而,即使在先选出的m/z值的极近处(在上述m/z排除范围内)存在大值的回归系数,也不会选出与该回归系数对应的m/z值。在图8的(d)所示的m/z测定范围内搜索最大的回归系数时,使得找出图8的(e)所示的用○标记表示的回归系数。
然后,判定是否满足预先决定的结束条件(步骤S28),如果不满足,则从步骤S28返回到S26。此时的结束条件与上述的步骤S18的结束条件相同。
总之,在步骤S28中判定为满足结束条件之前,重复进行步骤S26~S28的处理。例如,如果在选出图8的(e)所示的用○标记表示的回归系数之后返回到步骤S26,则如图8的(f)所示,将包含新选出的该m/z值的m/z排除范围从m/z测定范围中排除。因而,即使在质谱上已经选出的m/z值的附近存在源自同位素的离子峰,也不会选出该离子峰的m/z值。
无论在以上的哪一个实施例的成像质谱分析装置中,都能够避免将源自某个化合物的同位素的离子的m/z值选为候选,而且能够可靠地将源自表示与参照图像的图像图案相似的二维分布的化合物的离子的m/z值选为m/z值候选。即,能够避免源自一个化合物的离子的m/z值和源自同一化合物的同位素的离子的m/z值被重复地选出。
此外,在上述实施例中,在统计解析的处理中使用了PLS,但只要是能够按每个m/z获得反映了离子强度的二维分布与参照图像的图像图案的相似性的指标值的方法,就可以利用PLS以外的多变量分析。具体地说,能够使用相关分析等。
另外,上述实施例是本发明的一例,即使在本发明的宗旨的范围内适当地进行变更、修改、追加,当然也包含在本申请的权利要求书中。
附图标记说明
1:数据处理部;11:参照图像数据存储部;12:MS成像数据存储部;13:参照图像制作部;14:MS成像图像制作部;15:运算数据制作部;16:回归分析执行部;17:m/z值搜索部;18:m/z候选呈现部;2:操作部;3:显示部;4:成像质谱分析部;5:参照图像摄影部;6:试样。
Claims (7)
1.一种成像质谱分析用数据处理装置,对在试样上的二维的测定区域内的多个测定点处分别得到的质谱数据进行处理,该成像质谱分析用数据处理装置的特征在于,具备:
a)参照图像信息获取部,其获取用于形成与所述测定区域有关的参照图像的参照图像数据;
b)解析处理部,其通过基于所述测定区域内的各测定点的质谱数据和由所述参照图像信息获取部获取到的参照图像数据进行统计解析,来按每个质荷比计算同MS成像图像与参照图像的图像图案的相似性相关联的指标值,所述MS成像图像表示具有该质荷比的离子的信号强度的分布;以及
c)质荷比值搜索部,其搜索并选出表示在由所述解析处理部得到的每个质荷比的指标值中相对大的指标值的质荷比,将存在于包括已经选出的一个质荷比值的规定的质荷比范围内的、表示比与该质荷比值对应的指标值小的指标值的质荷比值从选出对象中排除。
2.根据权利要求1所述的成像质谱分析用数据处理装置,其特征在于,
预先确定将整个质荷比测定范围按规定的质荷比宽度划分出的连续的多个质荷比搜索范围,所述质荷比值搜索部在一个质荷比搜索范围内选出表示在该范围内最大的指标值的质荷比值的情况下,将该质荷比搜索范围内包括的其它质荷比值从选出对象中排除。
3.根据权利要求2所述的成像质谱分析用数据处理装置,其特征在于,
所述质荷比值搜索部在所述多个质荷比搜索范围的每个质荷比搜索范围内选出表示最大的指标值的质荷比值之后,进一步在所选出的这些多个质荷比值中选出表示规定的阈值以上的指标值的质荷比值。
4.根据权利要求2所述的成像质谱分析用数据处理装置,其特征在于,
所述质荷比值搜索部在测定对象的整个质荷比范围内按指标值从大到小的顺序选出多个质荷比值。
5.根据权利要求1所述的成像质谱分析用数据处理装置,其特征在于,
所述质荷比值搜索部在选出一个质荷比值之后,决定相对于这一个质荷比值在质荷比的减少方向和增加方向上分别设定了相同或不同的宽度所得到的排除范围,并将该排除范围中包括的其它质荷比值从选出对象中排除。
6.根据权利要求5所述的成像质谱分析用数据处理装置,其特征在于,
所述质荷比值搜索部在测定对象的质荷比范围内按指标值从大到小的顺序选出多个质荷比值。
7.根据权利要求1~6中的任一项所述的成像质谱分析用数据处理装置,其特征在于,
所述统计解析是部分最小平方回归,所述指标值是回归系数。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/003601 WO2019150554A1 (ja) | 2018-02-02 | 2018-02-02 | イメージング質量分析用データ処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111587374A true CN111587374A (zh) | 2020-08-25 |
CN111587374B CN111587374B (zh) | 2024-02-06 |
Family
ID=67478097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880086132.7A Active CN111587374B (zh) | 2018-02-02 | 2018-02-02 | 成像质谱分析用数据处理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11276565B2 (zh) |
EP (1) | EP3748350A4 (zh) |
JP (1) | JP6939912B2 (zh) |
CN (1) | CN111587374B (zh) |
WO (1) | WO2019150554A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118376672A (zh) * | 2015-07-01 | 2024-07-23 | 株式会社岛津制作所 | 数据处理装置 |
JP6973639B2 (ja) * | 2018-05-30 | 2021-12-01 | 株式会社島津製作所 | イメージング質量分析データ処理装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1898674A (zh) * | 2003-10-20 | 2007-01-17 | 瑟诺生物科学有限责任公司 | 用于校准质谱仪(ms)与其它仪器系统和用于处理ms与其它数据的方法 |
US20100116981A1 (en) * | 2007-04-04 | 2010-05-13 | Shimadzu Corporation | Method and system for mass spectrometry data analysis |
CN102057271A (zh) * | 2008-06-04 | 2011-05-11 | 株式会社岛津制作所 | 质量分析数据解析方法以及质量分析数据解析装置 |
US20120303288A1 (en) * | 2011-05-25 | 2012-11-29 | Shimadzu Corporation | Mass spectrometry data analysis method and analysis device |
CN105940402A (zh) * | 2014-01-10 | 2016-09-14 | Ima生物科技公司 | 用于处理分子成像数据的方法及对应的数据服务器 |
WO2017002226A1 (ja) * | 2015-07-01 | 2017-01-05 | 株式会社島津製作所 | データ処理装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4973360B2 (ja) | 2007-07-24 | 2012-07-11 | 株式会社島津製作所 | 質量分析装置 |
WO2015052842A1 (ja) | 2013-10-11 | 2015-04-16 | 株式会社島津製作所 | 質量分析データ解析装置 |
EP3175390A1 (en) * | 2014-08-01 | 2017-06-07 | Katholieke Universiteit Leuven | System for interpretation of image patterns in terms of anatomical or curated patterns |
-
2018
- 2018-02-02 WO PCT/JP2018/003601 patent/WO2019150554A1/ja unknown
- 2018-02-02 CN CN201880086132.7A patent/CN111587374B/zh active Active
- 2018-02-02 US US16/966,664 patent/US11276565B2/en active Active
- 2018-02-02 EP EP18903784.9A patent/EP3748350A4/en not_active Withdrawn
- 2018-02-02 JP JP2019568521A patent/JP6939912B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1898674A (zh) * | 2003-10-20 | 2007-01-17 | 瑟诺生物科学有限责任公司 | 用于校准质谱仪(ms)与其它仪器系统和用于处理ms与其它数据的方法 |
US20100116981A1 (en) * | 2007-04-04 | 2010-05-13 | Shimadzu Corporation | Method and system for mass spectrometry data analysis |
CN102057271A (zh) * | 2008-06-04 | 2011-05-11 | 株式会社岛津制作所 | 质量分析数据解析方法以及质量分析数据解析装置 |
US20120303288A1 (en) * | 2011-05-25 | 2012-11-29 | Shimadzu Corporation | Mass spectrometry data analysis method and analysis device |
CN105940402A (zh) * | 2014-01-10 | 2016-09-14 | Ima生物科技公司 | 用于处理分子成像数据的方法及对应的数据服务器 |
US20160335473A1 (en) * | 2014-01-10 | 2016-11-17 | Imabiotech | Method for processing molecular imaging data and corresponding data server |
WO2017002226A1 (ja) * | 2015-07-01 | 2017-01-05 | 株式会社島津製作所 | データ処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2019150554A1 (ja) | 2020-12-10 |
US11276565B2 (en) | 2022-03-15 |
US20210035790A1 (en) | 2021-02-04 |
EP3748350A1 (en) | 2020-12-09 |
WO2019150554A1 (ja) | 2019-08-08 |
CN111587374B (zh) | 2024-02-06 |
JP6939912B2 (ja) | 2021-09-22 |
EP3748350A4 (en) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11776799B2 (en) | Data processing device | |
JP5565810B2 (ja) | 質量分析データ処理方法及び装置 | |
US20090001262A1 (en) | System and Method for Spectral Analysis | |
JP6207036B2 (ja) | 質量分析データ処理方法及び装置 | |
Jones et al. | Preprocessing strategies to improve MCR analyses of hyperspectral images | |
JP2011191222A (ja) | 質量分析データ処理方法及び装置 | |
JP6908136B2 (ja) | データ解析装置 | |
CN111587374B (zh) | 成像质谱分析用数据处理装置 | |
CN112136041B (zh) | 成像数据处理装置 | |
JP6179600B2 (ja) | 質量分析データ解析装置 | |
JP6477833B2 (ja) | データ処理装置 | |
JP7040537B2 (ja) | イメージング質量分析装置 | |
US20200357122A1 (en) | Data analysis device and data analysis system | |
Akbari Lakeh et al. | Discriminating normal regions within cancerous hen ovarian tissue using multivariate hyperspectral image analysis | |
CN114096839A (zh) | 成像质量分析装置 | |
US20240153086A1 (en) | Imaging analysis device and imaging data analysis method | |
CN118392971A (zh) | 数据处理装置 | |
WO2019150574A1 (ja) | イメージング質量分析装置 |
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 |