CN1965232A - 质谱分析装置、质谱分析方法和质谱分析程序 - Google Patents
质谱分析装置、质谱分析方法和质谱分析程序 Download PDFInfo
- Publication number
- CN1965232A CN1965232A CNA2005800186870A CN200580018687A CN1965232A CN 1965232 A CN1965232 A CN 1965232A CN A2005800186870 A CNA2005800186870 A CN A2005800186870A CN 200580018687 A CN200580018687 A CN 200580018687A CN 1965232 A CN1965232 A CN 1965232A
- Authority
- CN
- China
- Prior art keywords
- mass
- peak
- registration
- mentioned
- mass spectrum
- 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
Links
Images
Classifications
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (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
本发明提供一种能够准确分析质谱的质谱分析装置、质谱分析方法和质谱分析程序。本发明的质谱分析装置,是一种分析对多个样本进行测量得到的质谱的质谱分析装置,包括:峰值位置检测装置(14),检测质谱出现峰值的峰值位置;和重合度计算装置(15),基于在多个质谱中关于质量数具有宽度的窗所包含的峰值位置的数,计算峰值的重合度。
Description
技术领域
本发明涉及对测量样本后得到的质谱进行分析的分析装置、分析方法和分析程序。
背景技术
近年,人们正逐渐开始使用MALDI-TOF-MS(Matrix Assisted LaserDesorption/Ionization-Time Of Flight-Mass Spectrometry:基质辅助激光解吸电离飞行时间质谱仪)。MALDI-TOF-MS例如能够进行血液中的蛋白质的质量分析,进行疾病的诊断和发病机理在生物化学上的查清等。作为具体的一例,通过对伴随癌的增殖而在血液中增加的蛋白质的质谱进行测量、分析,找出能够划分癌与非癌的图案(pattern),以该图案作为基准来进行判断。
在MALDI-TOF-MS中,质谱的峰值的分析变得重要。以往,质谱的分析都是由操作者通过人工作业来进行的。即,分别对健康者和患者抽取多个样本,测量质谱。将该多个质谱进行视觉上的叠合,抽出在健康者和患者之间显现差异的特征性的峰值。但是,凭借人类的知觉的判断存在差异,难以进行再现性高的分析。进而,分析所需要的时间变长。尤其是在样本数多的情况下,不仅分析时间变长,进行分析的效率变差,而且难以进行再现性高的分析。
此外,(专利文献1)公开有如下的数据处理装置,即针对2个色谱图(chromatogram)的数据,按每个峰值计算峰值的面积值或者峰值的高度,按每个峰值将所计算出的面积值或者高度的差作成直方图(histogram)。但是,该数据处理装置,是比较2个色谱图的处理装置,不适宜于各种生物样本的质谱的分析。
专利文献1:日本特开平9-210983号公报
发明内容
从生物体抽出的血液等生物样本,一般频谱的变动都大。为此,即便是在比较了患者的数据与健康者的数据的情况下,也并非始终都能观测到确定性的差异。即,因为是生物样本,由生物体本身的个体差异、健康状态的变化,导致即便是从同一患者取得的质谱的峰值,在位置、高度、面积等方面也存在离差。而且,由于存在原子的同位素,多个生物化学物质的共存,导致分析变得复杂。进而,在用不同的质量分析装置测量质谱时,也会由于装置的设定的不同而导致质谱产生差异。
即便存在这样的变动因素,却也不至于严重到能使质谱的峰值的特征变得完全无序。结果是峰值的特征表现为通过熟练者凭知觉判断,能够判断患者与健康者的倾向的程度。
本发明是鉴于上述课题而实施的,目的在于提供一种能够对样本进行准确的质谱分析的质谱分析装置、分析方法和分析程序。
本发明的第一形式的质谱分析装置,是一种分析对多个样本进行测量得到的质谱的质谱分析装置,包括峰值位置检测装置(例如,本发明的实施方式中的峰值位置检测部14),检测上述质谱出现峰值的峰值位置;和重合度计算装置(例如,本发明的实施方式中的峰值位置检测部15),基于在多个上述质谱中关于质量数具有宽度的窗所包含的上述峰值位置的数,计算峰值的重合度。由此,能够准确地进行质谱的分析。
本发明的第二形式的质谱分析装置的特征在于,在上述质谱分析装置中,根据上述窗的位置对峰值数进行了加权。由此,能够准确地进行质谱的分析。
本发明的第三形式的质谱分析装置为在上述质谱分析装置中,对于不同的2组样本分别测量上述多个质谱,还包括重合度差计算装置(例如,本发明的实施方式中的重合度差计算部16),计算上述不同的2组的上述重合度的差。由此,能够准确地进行质谱的分析。
本发明的第四形式的质谱分析方法,是一种分析对多个样本进行测量得到的质谱的质谱分析方法,包括峰值位置检测步骤(例如,本发明的实施方式中的峰值位置检测步骤S102),检测上述质谱出现峰值的峰值位置;和重合度计算步骤(例如,本发明的实施方式中的重合度计算步骤S103),基于在多个上述质谱中关于质量数具有宽度的窗所包含的上述峰值位置的数,计算峰值的重合度。由此,能够准确地进行质谱的分析。
本发明的第五形式的质谱分析方法的特征在于,在上述质谱分析方法中,根据上述窗的位置对峰值数进行了加权。由此,能够准确地进行质谱的分析。
本发明的第六形式的质谱分析装置为在上述质谱分析方法中,对于不同的2组样本分别测量上述多个质谱,还包括重合度差计算步骤(例如,本发明的实施方式中的重合度差计算步骤S105),计算上述不同的2组的上述重合度的差。由此,能够准确地进行质谱的分析。
本发明的第七形式的质谱分析程序,是一种分析对多个样本进行测量得到的质谱的质谱分析程序,使计算机执行以下步骤:峰值位置检测步骤,检测上述质谱出现峰值的峰值位置;和重合度计算步骤,基于在多个上述质谱中关于质量数具有宽度的窗所包含的上述峰值位置的数,计算出峰值的重合度。由此,能够准确地进行质谱的分析。
本发明的第八形式的质谱分析程序的特征在于,在上述质谱分析程序中,根据上述窗的位置对峰值数进行了加权。由此,能够准确地进行质谱的分析。
本发明的第九形式的质谱分析程序为在上述质谱分析程序中,对于不同的2组样本分别测量上述多个质谱,还包括重合度差计算步骤,计算上述不同的2组的上述重合度的差。由此,能够准确地进行质谱的分析。
根据本发明,可以提供一种能够对样本进行准确的质谱分析的质谱分析装置、质谱分析方法和质谱分析程序。
附图说明
图1是示意地表示本发明的实施方式1的质谱分析装置的结构的框图。
图2是表示本发明的实施方式1的分析方法的步骤的流程图。
图3是表示用本发明的测量装置测量的质谱的一例的图。
图4A是表示用本发明的测量装置测量的健康者的组的质谱及其峰值位置的图。
图4B是表示用本发明的测量装置测量的患者的组的质谱及其峰值位置的图。
图4C是表示用本发明的测量装置测量的健康者和患者的组的质谱及其峰值位置的图。
图5是表示用本发明的测量装置测量的患者的质谱的图。
图6是表示用本发明的测量装置测量的患者的质谱的图。
图7是表示本发明的分析方法中的峰值位置和窗的扫描的图。
图8是表示本发明的分析方法中的窗的形状和峰值位置的图。
图9是表示本发明的患者的样本的重合度和峰值位置的图。
图10是表示本发明的健康者的样本的重合度和峰值位置的图。
图11是表示本发明的分析方法中的重合度的差的图。
符号说明
10分析装置
11数据I/F部
12输入部
13分析部
14峰值位置检测部
15重合度计算部
16重合度的差的计算部
17显示部
20测量装置
51窗
52窗的形状
具体实施方式
以下,说明能适用本发明的实施方式。以下的说明用于说明本发明的实施方式,而本发明不受以下实施方式的限制。为了使说明更为明确,以下的记述进行了适当的省略和简化。本领域的技术人员,能够容易地在本发明的范围内,对以下的实施方式的各个因素进行变更、追加、转换。另外,各图中赋予了相同的标号的部分,表示同样的结构,适当省略说明。
在本发明中,为了对患有特定疾病的患者的样本与健康者的样本的质谱进行比较,从多个患者和多个健康者抽取生物样本,对各自的样本测量质谱。然后通过将对患者和健康者测量出的质谱进行比较,求出在质谱中产生的存在特征的峰值。进而,在本实施方式中,为了对本发明的分析结果进行比较,表示出熟练者通过手动进行分析的结果。
使用图1对于本发明的质谱的分析装置进行说明。图1是表示本发明的质谱分析装置的结构的框图。10为分析装置,11为数据I/F部,12为输入部,13为分析部,14为峰值检测部,15为重合度计算部,16为重合度差计算部,17为显示部,20为测量装置。
本发明的分析装置10,例如为个人计算机等计算处理装置,进行对测量装置20测量出的质谱的分析。测量装置20,例如有用于MALDI-TOF-MS(Matrix Assisted Laser Desorption/Ionization-Time OfFlight-Mass Spectrometry:基质辅助激光解吸电离飞行时间质谱仪)的飞行时间型质量分析装置。而且,测量装置20测量血液、尿、体液、或者髓液等生物样本中所包含的蛋白质的质谱。
测量装置20,向蛋白质照射激光,使试料气化,变成游离的离子。然后,利用在真空的电场中使蛋白质的离子飞行,检测离子到达检测器的时间来求出其质量数。另外,此处的质量数实际表示质量数/电荷。飞行时间型质量分析装置,利用了如下的原理,即,由恒定的电场赋予了相同的能量的粒子,由于其质量的不同而具有互不相同的速度。质量数高的粒子,飞行速度低,因此飞行时间变长,质量数低的粒子,飞行速度高,因此飞行时间变短。因此,飞行时间根据质量数发生变化。
测量装置20,基于根据飞行时间所检测出的电流,测量质谱。在这里,飞行时间对应于质量数,检测出的电流对应于强度。由此,可测量存在于生物样本中的蛋白质的质谱。
来自测量装置20的输出,经由数据I/F部11输入分析装置10。数据I/F部,例如将测量装置20的模拟数据转换成数字数据。由此,输入能够用分析装置20进行分析的质谱数据。分析装置10包括硬盘等存储装置(未图示),存储所输入的质谱数据。所存储的质谱数据由分析部13进行分析处理。分析部13包括具有CPU、存储器等的计算处理电路,基于所输入的质谱执行预定的分析处理,输出分析结果。
分析部13包括峰值位置检测部14、重合度计算部15、以及重合度差计算部16。峰值位置检测部14,对于所输入的质谱数据,检测峰值的位置。即,峰值位置检测部14,检测峰值的顶点的质量数。峰值位置检测部14对所输入的每一个质谱检测峰值位置。通常对于1个质谱检测出多个峰值位置。
重合度计算部15计算从多个质谱检测出的峰值位置的重合度。所谓重合度,是表示多个质谱的峰值位置在多大程度上重合的值。例如,当在5个质谱中,4个的峰值位置重合时,重合度为4/5=0.8。即,重合度是表示在全部样本中关于各质量数有多少例确认了峰值的值。进而,在本发明中,为了计算重合度,设定了关于质量数具有一定宽度的窗。而且,当质谱的峰值位置包含于该窗中时,作为峰值重合的度量对重合度进行计数。由此,即便质谱存在变动因素,也不会遗漏特征性的峰值。因此,适宜于变动大的生物样本的分析。该窗的宽度可由使用者变更,利用包括键盘、鼠标等输入装置的输入部12进行输入。由此,能求出在对象生物样本中频繁出现的峰值位置。
由重合度差计算部16计算出用重合度计算部15计算出的2个重合度的差。例如,分别测量患者和健康者的多个样本的质谱。然后,关于患者组和健康者组,分别计算出重合度。重合度差计算部16基于该2个组的重合度计算出差。即,求出患者组的重合度与健康者组的重合度的差。由此,就能求出在患者与健康者之间存在特征性的差的峰值。显示部17包括液晶显示装置等监视器(monitor),用于显示分析结果。使用者能基于该显示出的分析结果,得知例如由特定的疾病所产生的存在特征的峰值。
接着,使用图2对分析方法的步骤进行说明。图2是表示分析方法的步骤的流程图。由测量装置20测量的质谱被输入分析装置10(步骤S101)。该质谱对患者和健康者分别测量多个。即,测量多个患者的质谱和多个健康者的质谱,输入分析装置10。在这里将健康者的组作为A组,将患者的组作为B组。使用者利用输入部12对各质谱是A组还是B组进行输入。将各质谱数据与所输入的组相对应地存储于分析装置10。即,健康者的质谱存储为A组,患者的质谱存储为B组。进而,也可以利用输入部12输入作为测量对象的人的姓名、性别、年龄、病情或者测量日期时刻等测量条件,将其与质谱相对应地存储。
对各质谱检测峰值位置(步骤S102)。在这里,对患者和健康者实施同样的处理,分别对各自的样本检测峰值位置。该峰值位置与所输入的组相对应地存储。在对所输入的所有的质谱检测峰值位置后,在各自的组中计算重合度。首先,对A组的数据,计算峰值的重合度(步骤S103)。由此,能够求出在健康者的质谱中频繁出现的峰值位置。接着,对B组计算峰值的重合度(步骤S104)。由此,能够求出在患者的质谱中频繁出现的峰值位置。
接着,基于A组和B组的重合度计算重合度的差(步骤S105)。即,求出A组的重合度与B组的重合度的差。该重合度的差变成大于或等于一定值的峰值位置,成为存在差的峰值(步骤S106)。在这里,使用者任意由输入部12输入值,使得存在差的峰值以表的形式显示在显示部17。即,由使用者输入的值成为阈值,显示重合度的差大于或等于阈值的峰值位置。使用者能够基于该峰值位置,从新测量出的质谱,判别是患者还是健康者。例如,在患者中频繁出现的峰值位置,而在健康者中不经常出现的峰值位置时,重合度的差变大。使用者能够观测新的质谱在该峰值位置是否存在峰值,判别是健康者还是患者。
接着,使用实际的质谱数据和分析数据对分析处理进行说明。图3是表示由测量装置20测量出的数据的图。在图3中,横轴表示质量数,纵轴表示相对的强度。图3表示出所测量的质谱的一例。另外,横轴的质量数实际表示质量数/电荷(mpz)。测量装置20的飞行时间对应于质量数,测量装置的检测电流对应于强度。另外,图3所示的质谱是从一个样本检测出的1个质谱,是健康者的数据。另外。图3表示质量数3000~10000(mpz)的质谱,在该范围显现出多个峰值。
对4名被实验者,分别在患病中、恢复后各进行2次测量,总计测量了16名质谱。在这里,将患病中的质谱作为患者的数据,将从疾病恢复后时的质谱作为健康者的数据。因此,患者和健康者都是测量了8例质谱。
图3所示的数据是数字数据,强度与各质量数1对1地对应。即,在质量数3000~10000之间,作为数字数据存在对应于每1个质量数的强度。因此,在质量数3000~10000之间,存在对应于各质量数的7000个强度的值。
接着,将用多个样本测量出的质谱表示为图4A~图4C。图4A为健康者组的质谱数据,图4B为患者组的质谱数据。另外,此处将图4B的患者恢复后变成健康者时的质谱数据表示为图4A。在图4中,对患者和健康者将各自的8个质谱重叠进行显示。从这些质谱数据检测出的峰值位置如图4C所示。
在本实施方式中,为了从噪声(noise)多的质谱准确地检测峰值位置,进行以下的处理。首先,对于质谱用微分平滑求出斜率。此处,以平滑点数70求出移动平均,进行微分平滑。即,将质量数70点的强度的平均值作为平滑后的值。对该平滑后的值进行微分,求出斜率。例如,质量数4000时的平滑后的强度为质量数3966~4035的强度的平均值。由此对噪声多的质谱进行平滑。
然后,从平滑后的强度的斜率的变化求出出现极大值的质量数。即,斜率的变化由正切换为负的地点为极大值,因此,求出其质量数。进而,求出在极大值的附近进行平均化之前的数据出现最大值的质量数。此处,将附近点数取为与平滑点数相同的值。对于平滑后的的值出现极大值的质量数,在质量数的宽度70之间,计算出现最大值的质量数。例如,在平滑后的强度的极大值对应质量数4000时,在质量数3966~4035之间,计算出平滑前的强度取最大值时的质量数。进而,将该强度的最大值超过阈值的值作为峰值,计算出峰值位置。即,存在超过阈值的强度的最大值的质量数是峰值位置。由此,即便在噪声多的情况下,也能够准确地检测峰值位置。
由上述处理检测出的峰值位置如图4C所示。图3的横轴表示质量数(mpz),纵轴分别对应于各个样本。即,患病的8个样本对应于纵轴1~8,健康者的8个样本对应于纵轴9~16。在对应于各个样本的横线上,对检测出峰值的质量数记录有纵的标记。即,标记的位置是各个样本的峰值位置。例如,对于样本1、2,在质量数3200附近检测出峰值。另一方面,对于样本3~8,在质量数3200附近没有检测出峰值。从本实施方式的16个样本,检测出如图4C所示的峰值位置。
如图4C所示,即便是相同的疾病的患者,峰值位置也不相同。而且,即使恢复后变成了健康者,峰值位置也不相同。进而,峰值的高度和峰值面积值在各个样本中不相同。在本实施方式中,不关注峰值的高度、面积值,仅着眼于峰值的位置进行分析。由此,即便是变动因素多的生物样本,也能够高再现性地进行无遗漏的分析。
在图4A和图4B中,横轴下记载的箭头,是由熟练者的手动检测检测出的存在特征性的差的质谱的峰值。在手动检测中,在恢复后的质谱中检测出1个存在特征性的差的峰值,在患病中的质谱中检测出4个存在特征性的差的峰值。即,对于在恢复后的质谱中图4A的箭头所示的质量数,由人工判断为在患病中几乎不出现峰值,而在恢复后频繁出现峰值。另一方面,对于在患病中的质谱中图4B的箭头所示的质量数,由人工判断为在恢复中几乎不出现峰值,而在患病中频繁出现峰值。
上述基于人工的判断,是将质谱排成纵一列进行的。例如,如图5所示,将8例恢复后的质谱排成纵一列地配置。而且,如图6所示,将8例患病中的质谱排成纵一列地配置。进而,将恢复后和患病中的质谱排成纵一列地配置。然后,人工凭知觉对配置成纵一列的16例质谱进行判断,在恢复后和患病中,检测出存在差的峰值。将在恢复后频繁出现峰值而在患病中几乎不出现峰值的质量数,和在恢复后几乎不出现峰值而在患病中频繁出现峰值的质量数,检测为特征性的、存在差的峰值位置。基于这些峰值位置,判断是疾病患者还是健康者。
在将图5和图6所示的质谱排列成纵一列地配置,人工凭知觉进行判断时,各个质谱存在众多的峰值,分析变得复杂。因此,有时会导致在特征性的、存在差的峰值位置发生遗漏。而且,因为是生物样本,因此质谱会由于个体差异、健康状态的变化而发生变动。进而,原子的同位素的存在、多个生物化学物质的共存、分析装置的性能、以及分辨能力等都会导致分析变得复杂。在为了提高统计上的精度,增加样本数时,利用基于人工的凭知觉的判断,不仅进行分析的效率变差,而且难以进行高再现性的分析。
本发明利用预定的计算处理进行峰值的自动检测,因此,即便是变动因素多的生物样本,也能够高再现性地进行无遗漏的分析。而且,本发明不关注峰值的高度、面积值,仅着眼于峰值的位置进行分析,因此,适宜于健康状况变化、个体差异等变动大的生物样本。进而,即便在为了提高统计精度,增加了样本数的情况下,也能够缩短分析时间。
接着,使用图7对计算出峰值的重合度的步骤进行说明。图7是表示对患病中的样本的质谱的峰值位置的图。在图7中,与图4C同样,横轴表示质量数(mpz),纵轴分别对应于各个样本。即,患病的8个样本对应于纵轴1~8。在对应于各个样本的横线上,在检测出峰值的质量数处记录有纵的标记。即,标记的位置变成各个样本的峰值位置。
所谓峰值的重合度,是表示多个质谱的峰值位置在多大程度上重合的值。患病中的样本数为8,因此,当在所有8个质谱中,在相同的质量数出现了峰值时,该质量数的重合度为8/8=1。另一方面,当在所有8个质谱中,在相同的质量数完全没有出现峰值时,该质量数的重合度为0。此外,对于仅在8个质谱中的1个,出现了峰值的质量数,该质量数的重合度为1/8=0.125。对各个质量数计算出该峰值的重合度。
进而,在本发明中,考虑到质谱的变动因素,设置关于质量数具有一定宽度的窗51,计算出重合度。即,在成为对象的质谱中,基于该窗的宽度所包含的峰值数计算重合度。例如,在着眼于图7所示的窗51a时,虽然不是完全相同的质量数,但对应于样本3~8的6个峰值包含在窗中。基于该窗所包含的峰值数计算出重合度。这6个峰值位置的质量数既可以完全相同,也可以各不相同。此外,在着眼于图7所示的窗51b时,虽然在样本4和6中检测出质量数不同的峰值,但这些都包含在窗51b中。为此,基于2个峰值对重合度进行计数。在这次分析中,将窗幅取为10mpz,在具有10mpz的宽度的窗中扫描质量数,对窗所包含的峰值数进行计数。即,在具有10mpz的宽度的窗中每次移动1mpz,对包含在该窗中的峰值位置的数进行计数。而且,基于窗所包含的峰值数,计算出各个质量数的重合度。通过这样基于窗所包含的峰值数计算重合度,即便是变动因素多的生物样本,也能进行无遗漏的分析。
如上述那样,基于窗幅内所包含的峰值数,计算重合度。进而,在本发明中,将窗的形状取为余弦曲线,根据窗内的位置,变更窗所包含的峰值数。即,对于窗幅所包含的峰值位置,进行了对应于该位置的加权。用于该加权的函数为余弦函数。使用图8对该窗的形状进行说明。图8是表示窗的形状和峰值位置的关系的图。在图8中,为了便于说明将样本数取为2进行图示。
如图8所示,窗的形状52成余弦曲线。因此,在窗51的中心为最大值1,越往窗51的外侧,值变得越小。而且,窗51的两端为0。即,对所有样本进行对应于窗的形状52的值的积分,再除以样本数,基于这样计算后的值计算出峰值的重合度。例如,在图8所示的2个样本中,相互的峰值位置被窗所包含的程度是不同的。因此,在窗的中心被扫描至一个峰值位置时,另一峰值位置从中心偏移。该值变成0.5。图8表示出扫描至窗的中心与一个峰值位置重合时的结构。此时,对应于另一个峰值位置的窗的形状52的值变成0.5。
在图8所示的结构中,窗的形状52中,一个为1,另一个为0.5。基于对所有样本数的窗的形状52的值的和除以样本数后的值构成重合度。在图8所示的结构中,窗所包含的峰值数为1+0.5=1.5。另一方面,在继续扫描窗使另一个峰值位置与窗的中心重合时,窗所包含的峰值数也为1+0.5=1.5。这样考虑窗的形状52,计算窗所包含的峰值数。然后,扫描窗的位置,对整个质谱计算窗所包含的峰值数。由此,窗所包含的峰值数变成质量数的函数。从该窗所包含的峰值数的斜率的变化求出出现极大值的质量数。即,斜率的变化由正切换为负的地点是极大值,因此,能够求出其质量数。将出现该极大值的质量数的峰值数取为峰值的重合度。窗关于质量数具有一定的宽度,因此,在极大值附近,窗所包含的峰值数一定程度变大,与极大值的值接近。通过对窗所包含的检测出的峰值位置的数求出极大值,并基于该极大值求出峰值的重合度,能够准确计算峰值的重合度。由此,能够求出对各个组频繁出现的峰值位置。
将这样求出的峰值位置和峰值的重合度表示为图9和图10。图9是表示对患病中的样本的分析结果的图。图10是表示对恢复后的样本的分析结果的图。在图9和图10中,上图是表示峰值位置的图,下图是表示峰值的重合度的图。在表示峰值的重合度的图中,横轴为质量数,纵轴为峰值的重合度。这样对2组生物样本分别计算出峰值位置的重合度。
接着,使用图11对计算恢复后的重合度和患病中的重合度的差的步骤进行说明。图11是表示所计算出的重合度的差的图。在图11中表示出由恢复后的重合度减去了患病中的重合度的值的绝对值。因此,该重合度的差越大,就表示在恢复后或者患病中的任一者中频繁出现,而在另一者中几乎不出现的峰值。
通过计算出峰值的重合度的差,能够求出特征性的、存在差的峰值位置。在恢复后频繁出现峰值而在患病中几乎不出现峰值的质量数,重合度的差变大。此外,在患病中频繁出现峰值而在恢复后几乎不出现峰值的质量数,重合度的差变大。在这些质量数所表现出的峰值称作特征性的、存在差的峰值。另一方面,在无论患病中还是恢复后都频繁出现峰值的质量数,重合度的差变小。这种质量数对于大部分的样本都显现峰值,因此,即使在该质量数的附近出现峰值,也称作不存在差的峰值。在无论患病中还是恢复后都几乎不出现峰值的质量数,重合度的差变大。这种质量数对于大部分的样本都不显现峰值,因此,考虑即使在该质量数的附近出现峰值,也是由变动因素造成的。而且,峰值的重合度的差越大,在患者与健康者中出现峰值的频率的差越大。因此,可以说峰值的重合度的差越大,越有可能在该质量数存在特征性的、存在差的峰值。
图11表示出用于比较的手动检测结果60。即,用手动检测结果60圈起来的峰值,是由人工判断为特征性的、存在差的峰值。这样,根据本发明,在由人工判断为特征性的、存在差的峰值的位置之外,还能够检测出多个特征性的、存在差的峰值。进而,可以得知即便是在手动检测结果60中没有检测出的峰值位置,也存在与手动检测结果60中所检测出的相比重合度的差大的峰值位置。如此,通过计算峰值重合度的差,能够不遗漏特征性的、存在差的峰值地进行分析。
进而,将由本发明所分析的峰值位置的分析结果表示为表1。
[表1]
重合度的差 | 自动检测结果 | 手动检测结果 |
0.827 | 4495 | 4489 |
0.7130.7010.6540.5930.5660.4950.4320.427 | 32083279332231633689397930353721 | 3276316436873723 |
在表1中,将由本发明的分析方法检测出的特征性的、存在差的峰值位置表示为自动检测结果。也可以将该分析结果以表的形式显示在显示部17。例如,利用输入部12输入任意的值,在显示部17显示具有大于或等于该值的重合度的差的峰值位置。在表1中,自上而下按重合度的差的顺序显示峰值位置。进而,在表1中,为了进行比较,还表示出在人工手动检测结果中检测出的特征性的、存在差的峰值位置。
如表1所示,即便是重合度差大的质量数,也存在通过手动无法检测出的情况。本发明通过上述那样求出特征性的、存在差的峰值位置,能够进行无遗漏的、准确的分析。进而,即便在为了降低统计误差,增加了样本数的情况下,也能够在与以往的手动检测相比极为短的时间进行分析。这样,通过进行无遗漏的、准确的分析,能够正确地确定在特定的患病中频繁出现的峰值位置。由此,能够基于该峰值位置,对其他对象是否患上了特定的疾病进行正确的判别。
在本发明中,还可以由使用者利用输入部12输入各种各样的设定。例如,可以根据成为分析对象的样本、疾病来调整窗的宽度。而且,也可以使峰值位置检测步骤中的平滑点数、阈值也能够变更。进而,还可以使得能够对窗的形状进行设定,以余弦之外的函数进行加权。通过使得能够由使用者输入这些设定值,可以对应于各种各样的疾病进行准确的分析。再者,窗的扫描间距不限于1mpz。在要进行更为精确的分析时,优选缩小扫描间距,在要缩短分析时间时,优选增大扫描间距。扫描间距、窗的宽度不限于整数,也可以是小数。
上述分析步骤、设定值只是一个例子,本发明不受上述实施例的限制。另外,虽然在上述说明中,取为在质谱中每1个质量数存在1个强度的数据,实际上为每个对应于测量装置20的分辨率的质量数存在1个强度的数据。即,在测量装置的分辨率为0.1时,为每0.1个质量数就存在1个强度的数据。此时,将以0.1的分辨率来检测峰值位置。本发明的分析,例如,适宜于用SELDI法、MALDI法将生物样本中的蛋白质离子化后所获得的质谱。
在本发明中,仅从质谱中抽取涉及峰值位置的信息,基于峰值位置执行分析处理。由此,即便在峰值的高度、面积由于各种各样的变动因素而发生了变动的情况下,也能够高再现性地进行准确的、无遗漏的分析。进而,通过计算关于质量具有一定的宽度的窗所包含的多个生物样本的峰值位置的数,即使在峰值位置由于同位素的存在等变动因素而发生了偏移的情况下,也能够进行准确的、无遗漏的分析。
显然,本发明的质谱分析装置、质谱分析方法除了通常的个人计算机(PC)以外,还可以通过工作站、通用机器、FA计算机、以及这些的组合来实施。其中,这些构成要素只是例示,并不表示所有这些构成要素都是本发明所必需的构成要素。进而,分析装置不需要在物理上是单一的,也可以由多台终端进行并行处理。
工业上的可利用性
本发明可以适用于对测量样本后得到的质谱进行分析的质谱分析装置、质谱分析方法和质谱分析程序。
Claims (9)
1.一种质谱分析装置,分析对多个样本进行测量得到的质谱,其特征在于:包括
峰值位置检测装置,检测上述质谱出现峰值的峰值位置;和
重合度计算装置,基于关于质量数具有宽度的窗中所包含的在多个上述质谱中检测出的上述峰值位置的个数,计算峰值的重合度。
2.根据权利要求1所述的质谱分析装置,其特征在于:
根据上述窗的位置对峰值数进行了加权。
3.根据权利要求1所述的质谱分析装置,其特征在于:
对于不同的2组样本分别测量上述多个质谱,
还包括重合度差计算装置,计算上述不同的2组的上述重合度的差。
4.一种质谱分析方法,分析对多个样本进行测量得到的质谱,其特征在于:包括
峰值位置检测步骤,检测上述质谱出现峰值的峰值位置;和
重合度计算步骤,基于关于质量数具有宽度的窗所包含的在多个上述质谱中检测出的上述峰值位置的数,计算峰值的重合度。
5.根据权利要求4所述的质谱分析方法,其特征在于:
根据上述窗的位置对峰值数进行了加权。
6.根据权利要求4所述的质谱分析方法,其特征在于:
对于不同的2组样本分别测量上述多个质谱,
还包括重合度差计算步骤,计算上述不同的2组的上述重合度的差。
7.一种质谱分析程序,分析对多个样本进行测量得到的质谱,其特征在于:使计算机执行以下步骤
峰值位置检测步骤,检测上述质谱出现峰值的峰值位置;和
重合度计算步骤,基于关于质量数具有宽度的窗所包含的在多个上述质谱中检测出的上述峰值位置的数,计算峰值的重合度。
8.根据权利要求7所述的质谱分析程序,其特征在于:
根据上述窗的位置对峰值数进行了加权。
9.根据权利要求7所述的质谱分析程序,其特征在于:
对于不同的2组样本分别测量上述多个质谱,
还包括重合度差计算步骤,计算上述不同的2组的上述重合度的差。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004170244A JP4191094B2 (ja) | 2004-06-08 | 2004-06-08 | マススペクトル解析装置、マススペクトル解析方法及びマススペクトル解析プログラム |
JP170244/2004 | 2004-06-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1965232A true CN1965232A (zh) | 2007-05-16 |
Family
ID=35503197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2005800186870A Pending CN1965232A (zh) | 2004-06-08 | 2005-06-08 | 质谱分析装置、质谱分析方法和质谱分析程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20070181797A1 (zh) |
JP (1) | JP4191094B2 (zh) |
CN (1) | CN1965232A (zh) |
WO (1) | WO2005121768A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI493168B (zh) * | 2010-06-10 | 2015-07-21 | Ibm | 分析質譜的方法、電腦程式及系統 |
CN107092769A (zh) * | 2012-05-18 | 2017-08-25 | Dh科技发展私人贸易有限公司 | 用于在串联质谱分析中使用交错窗宽度的系统及方法 |
CN109283238A (zh) * | 2017-07-21 | 2019-01-29 | 日本株式会社日立高新技术科学 | 质量分析装置和质量分析方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10533979B2 (en) | 2011-06-01 | 2020-01-14 | Tsumura & Co. | Method of and apparatus for formulating multicomponent drug |
US20130197813A1 (en) * | 2011-06-01 | 2013-08-01 | Tsumura & Co. | Similarity evaluating method, similarity evaluating program, and similarity evaluating device for collective data |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2666838B2 (ja) * | 1986-09-19 | 1997-10-22 | 株式会社島津製作所 | ガスクロマトグラフイ質量分析計を用いた定量分析方法 |
JPH09257780A (ja) * | 1996-03-21 | 1997-10-03 | Shimadzu Corp | クロマトグラフィー/質量分析計のデータ処理装置 |
JP4163534B2 (ja) * | 2002-04-01 | 2008-10-08 | 日本電子株式会社 | 質量スペクトルの解析方法および装置 |
JP3817523B2 (ja) * | 2003-02-14 | 2006-09-06 | 株式会社日立製作所 | 質量分析データ解析システム |
-
2004
- 2004-06-08 JP JP2004170244A patent/JP4191094B2/ja not_active Expired - Fee Related
-
2005
- 2005-06-08 US US11/570,211 patent/US20070181797A1/en not_active Abandoned
- 2005-06-08 CN CNA2005800186870A patent/CN1965232A/zh active Pending
- 2005-06-08 WO PCT/JP2005/010471 patent/WO2005121768A1/ja active Application Filing
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI493168B (zh) * | 2010-06-10 | 2015-07-21 | Ibm | 分析質譜的方法、電腦程式及系統 |
CN107092769A (zh) * | 2012-05-18 | 2017-08-25 | Dh科技发展私人贸易有限公司 | 用于在串联质谱分析中使用交错窗宽度的系统及方法 |
CN107092769B (zh) * | 2012-05-18 | 2020-07-10 | Dh科技发展私人贸易有限公司 | 用于在串联质谱分析中使用交错窗宽度的系统及方法 |
CN109283238A (zh) * | 2017-07-21 | 2019-01-29 | 日本株式会社日立高新技术科学 | 质量分析装置和质量分析方法 |
CN109283238B (zh) * | 2017-07-21 | 2023-02-28 | 日本株式会社日立高新技术科学 | 质量分析装置和质量分析方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2005351669A (ja) | 2005-12-22 |
WO2005121768A1 (ja) | 2005-12-22 |
JP4191094B2 (ja) | 2008-12-03 |
US20070181797A1 (en) | 2007-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Evaluation of a novel, integrated approach using functionalized magnetic beads, bench-top MALDI-TOF-MS with prestructured sample supports, and pattern recognition software for profiling potential biomarkers in human plasma | |
Hortin | Can mass spectrometric protein profiling meet desired standards of clinical laboratory practice? | |
US7991569B2 (en) | Mobility normalizer, normalizing method, normalizing program, self-organized map, substance detecting method, detecting program, detection rule creating method, and data structure | |
CN1965232A (zh) | 质谱分析装置、质谱分析方法和质谱分析程序 | |
US20210350283A1 (en) | Data analyzer | |
CN109791133A (zh) | 用于诊断直结肠癌的装置和用于提供直结肠癌诊断信息的方法 | |
CN115691722A (zh) | 医疗数据检测的质控方法、装置、设备、介质及程序产品 | |
CN111983071A (zh) | 一种末梢微量血维生素d质谱检测方法 | |
Ozarda | Establishing and using reference intervals | |
Cauchi et al. | Comparison of GC-MS, HPLC-MS and SIFT-MS in conjunction with multivariate classification for the diagnosis of Crohn's disease in urine | |
JP4366261B2 (ja) | 測定反応過程の異常の有無判定方法,該方法を実行可能な自動分析装置及び該方法のプログラムを記憶した記憶媒体 | |
Russcher et al. | Evaluation of the HemoCue WBC DIFF system for point-of-care counting of total and differential white cells in pediatric samples | |
CN112415208A (zh) | 一种评价蛋白组学质谱数据质量的方法 | |
Pais et al. | An automated workflow for MALDI-ToF mass spectra pattern identification on large data sets: An application to detect aneuploidies from pregnancy urine | |
JP2004219140A (ja) | 質量スペクトルの解析方法およびコンピュータプログラム | |
US10937525B2 (en) | System that generates pharmacokinetic analyses of oligonucleotide total effects from full-scan mass spectra | |
CN111638261B (zh) | 一种计算设备、存储介质和地中海贫血筛查装置及系统 | |
Umansky et al. | Novel algorithm and MATLAB-based program for automated power law analysis of single particle, time-dependent mean-square displacement | |
Urban et al. | Current state of HPLC-MS data processing and analysis in proteomics and metabolomics | |
CN113314211A (zh) | 一种基于粪便微生物标志物和人dna含量的结直肠癌风险评估的方法及应用 | |
CN111766368A (zh) | 一种铅同位素的重金属源解析方法 | |
Yu et al. | Evaluation of cobas b 101 HbA1c analyzer performance for point-of-care testing | |
CN111474287A (zh) | 一种计算机辅助药物分析组成成份的系统及方法 | |
CN107895159A (zh) | 临床蛋白质质谱数据的分类方法 | |
CN116202918B (zh) | 大气颗粒物组分混合暴露的关键毒性组分的识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |