JP2006107396A - Ｓｎｐ遺伝子型分類方法、ｓｎｐ遺伝子型分類装置およびｓｎｐ遺伝子型分類プログラム - Google Patents

Abstract

【課題】分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができるＳＮＰ遺伝子型分類方法、ＳＮＰ遺伝子型分類装置およびＳＮＰ遺伝子型分類プログラムを提供することを課題とする。
【解決手段】本発明にかかるＳＮＰ遺伝子型分類装置１００は、ＳＮＰ遺伝子型分類装置１００を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介してＳＮＰ遺伝子型分類装置１００をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されている。
【選択図】 図１

Description

本発明は、タイピング法で得られたＳＮＰ（Ｓｉｎｇｌｅ Ｎｕｃｌｅｏｔｉｄｅ Ｐｒｏｌｙｍｏｒｐｈｉｓｍ）の遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法、ＳＮＰ遺伝子型分類装置およびＳＮＰ遺伝子型分類プログラムに関するものである。

タイピング法で得られたＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類する従来の方法として、非特許文献１に記載の方法が知られている。ここで、非特許文献１に記載の方法では、分類すべき集団の数を３つに限定しており、さらに３つの集団がそれぞれ０°、４５°、９０°付近に存在することを前提としている。具体的には、非特許文献１に記載の方法では、２次元蛍光強度情報を１次元角度情報に変換し、変換した１次元角度情報を「０°付近」、「４５°付近」、「９０°付近」のいずれかに分類することで、２次元蛍光強度情報を３つの集団に分類している。

藤澤洋徳，"モデルに基づいたＳＮＰ遺伝子型タイピング"，統計関連学会連合大会講演報告集，２００３，ｐｐ．２２１−２２２

しかしながら、非特許文献１に記載の方法では、タイピング法に依存した原因で混入することがある分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）も他の２次元蛍光強度情報と共に分類するため、分類すべきでない２次元蛍光強度情報が分類対象のデータ中に含まれていた場合には必ずしも期待する精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができなかった、という問題点があった。

本発明は上記問題点に鑑みてなされたもので、分類すべきでない２次元蛍光強度情報が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができるＳＮＰ遺伝子型分類方法、ＳＮＰ遺伝子型分類装置およびＳＮＰ遺伝子型分類プログラムを提供することを目的とする。

上記目的を達成するために、本発明にかかる請求項１に記載のＳＮＰ遺伝子型分類方法は、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法において、予め取得した前記複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する非分類対象情報選別ステップを含むことを特徴とする。

また、本発明にかかる請求項２に記載のＳＮＰ遺伝子型分類方法は、請求項１に記載のＳＮＰ遺伝子型分類方法において、前記非分類対象情報選別ステップで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する分類対象情報集合生成ステップと、前記分類対象情報集合生成ステップで生成した分類対象情報集合の中に所定数の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を前記非分類対象情報集合に含める第１非分類対象情報集合包含ステップと、前記第１非分類対象情報集合包含ステップで前記非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を前記所定の数まで集約する第１分類対象情報集合集約ステップと、をさらに含むことを特徴とする。

また、本発明にかかる請求項３に記載のＳＮＰ遺伝子型分類方法は、請求項２に記載のＳＮＰ遺伝子型分類方法において、前記第１分類対象情報集合集約ステップで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する第２分類対象情報集合集約ステップと、前記第２分類対象情報集合集約ステップで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する遺伝子型決定ステップと、前記遺伝子型決定ステップで遺伝子型を決定した分類対象情報集合の数が前記所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない分類対象情報集合を前記非分類対象情報集合に含める第２非分類対象情報集合包含ステップと、をさらに含むことを特徴とする。

また、本発明にかかる請求項４に記載のＳＮＰ遺伝子型分類方法は、請求項３に記載のＳＮＰ遺伝子型分類方法において、前記非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定するＭＣＭＣ法実行ステップをさらに含むことを特徴とする。

また、本発明はＳＮＰ遺伝子型分類装置に関するものであり、本発明にかかる請求項５に記載のＳＮＰ遺伝子型分類装置は、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類装置において、予め取得した前記複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する非分類対象情報選別手段を備えたことを特徴とする。

また、本発明にかかる請求項６に記載のＳＮＰ遺伝子型分類装置は、請求項５に記載のＳＮＰ遺伝子型分類装置において、前記非分類対象情報選別手段で選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する分類対象情報集合生成手段と、前記分類対象情報集合生成手段で生成した分類対象情報集合の中に所定数の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を前記非分類対象情報集合に含める第１非分類対象情報集合包含手段と、前記第１非分類対象情報集合包含手段で前記非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を前記所定の数まで集約する第１分類対象情報集合集約手段と、をさらに備えたことを特徴とする。

また、本発明にかかる請求項７に記載のＳＮＰ遺伝子型分類装置は、請求項６に記載のＳＮＰ遺伝子型分類装置において、前記第１分類対象情報集合集約手段で集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する第２分類対象情報集合集約手段と、前記第２分類対象情報集合集約手段で集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する遺伝子型決定手段と、前記遺伝子型決定手段で遺伝子型を決定した分類対象情報集合の数が前記所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない分類対象情報集合を前記非分類対象情報集合に含める第２非分類対象情報集合包含手段と、をさらに備えたことを特徴とする。

また、本発明にかかる請求項８に記載のＳＮＰ遺伝子型分類装置は、請求項７に記載のＳＮＰ遺伝子型分類装置において、前記非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定するＭＣＭＣ法実行手段をさらに備えたことを特徴とする。

また、本発明はＳＮＰ遺伝子型分類プログラムに関するものであり、本発明にかかる請求項９に記載のＳＮＰ遺伝子型分類プログラムは、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法をコンピュータに実行させるＳＮＰ遺伝子型分類プログラムにおいて、予め取得した前記複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する非分類対象情報選別ステップを含むことを特徴とする。

また、本発明にかかる請求項１０に記載のＳＮＰ遺伝子型分類プログラムは、請求項９に記載のＳＮＰ遺伝子型分類プログラムにおいて、前記非分類対象情報選別ステップで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する分類対象情報集合生成ステップと、前記分類対象情報集合生成ステップで生成した分類対象情報集合の中に所定数の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を前記非分類対象情報集合に含める第１非分類対象情報集合包含ステップと、前記第１非分類対象情報集合包含ステップで前記非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を前記所定の数まで集約する第１分類対象情報集合集約ステップと、をさらに含むことを特徴とする。

また、本発明にかかる請求項１１に記載のＳＮＰ遺伝子型分類プログラムは、請求項１０に記載のＳＮＰ遺伝子型分類プログラムにおいて、前記第１分類対象情報集合集約ステップで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する第２分類対象情報集合集約ステップと、前記第２分類対象情報集合集約ステップで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する遺伝子型決定ステップと、前記遺伝子型決定ステップで遺伝子型を決定した分類対象情報集合の数が前記所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない分類対象情報集合を前記非分類対象情報集合に含める第２非分類対象情報集合包含ステップと、をさらに含むことを特徴とする。

また、本発明にかかる請求項１２に記載のＳＮＰ遺伝子型分類プログラムは、請求項１１に記載のＳＮＰ遺伝子型分類プログラムにおいて、前記非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定するＭＣＭＣ法実行ステップをさらに含むことを特徴とする。

本発明にかかる請求項１に記載のＳＮＰ遺伝子型分類方法は、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法において、非分類対象情報選別ステップで、予め取得した複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができる、という効果を奏する。また、本発明を実施することで、分類結果の修正に費やす時間を短縮することができ、それに費やす労力も軽減することができる。

また、本発明にかかる請求項２に記載のＳＮＰ遺伝子型分類方法は、まず、分類対象情報集合生成ステップで、非分類対象情報選別ステップで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する。換言すると、従来のように最初から３つの集団に分類するのではなく、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて分類対象情報を段階的に集約して、分類対象情報で構成される分類対象情報集合を複数（例えば、下記の所定の数「Ａ」以上の数）生成する。これにより、２次元蛍光強度情報の誤分類の可能性を低減することができるという効果を奏する。つぎに、第１非分類対象情報集合包含ステップで、分類対象情報集合生成ステップで生成した分類対象情報集合の中に所定数（例えば「１」や「２」など）の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を非分類対象情報集合に含める。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）を確実に抽出して分類対象情報集合から除外することができ、よって、分類すべきでない２次元蛍光強度情報が分類対象のデータ中に含まれていた場合でも充分な精度で２次元蛍光強度情報を分類することができるという効果を奏する。つぎに、第１分類対象情報集合集約ステップで、第１非分類対象情報集合包含ステップで非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数「Ａ」（なお、本明細書において、所定の数「Ａ」は、分類する遺伝子型の数である。）より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を所定の数「Ａ」まで集約する。これにより、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。

また、本発明にかかる請求項３に記載のＳＮＰ遺伝子型分類方法は、まず、第２分類対象情報集合集約ステップで、第１分類対象情報集合集約ステップで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する。これにより、例えば分類対象情報集合の数が２つの場合にも対応することができるという効果を奏する。つぎに、遺伝子型決定ステップで、第２分類対象情報集合集約ステップで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する。これにより、分類対象情報集合と遺伝子型との対応付けを適切に行うことができるという効果を奏する。つぎに、第２非分類対象情報集合包含ステップで、遺伝子型決定ステップで遺伝子型が決定した分類対象情報集合の数が所定の数「Ａ」である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない（具体的にはハーディ・ワインバーグ平衡からのずれが大きい）分類対象情報集合を非分類対象情報集合に含める。これにより、従来のように３つの集団に固定的に分類するのではなく、例えば分類した集団の数が３の場合はハーディ・ワインバーグ平衡からのずれを考慮して２つの集団に集約することができるという効果を奏する。つまり、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。

また、本発明にかかる請求項４に記載のＳＮＰ遺伝子型分類方法は、ＭＣＭＣ法実行ステップで、非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定する。これにより、非分類対象情報が分類対象情報集合に属するか否かをＭＣＭＣ法で検証することができ、よって、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。また、本発明では、ＭＣＭＣ法を実行する際の入力データには精度よく分類された２次元蛍光強度情報を用いるので、ＭＣＭＣ法を効果的に実行することができるという効果を奏する。

本発明にかかる請求項５に記載のＳＮＰ遺伝子型分類装置は、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類装置において、非分類対象情報選別手段で、予め取得した複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができる、という効果を奏する。また、本発明を実施することで、分類結果の修正に費やす時間を短縮することができ、それに費やす労力も軽減することができる。

また、本発明にかかる請求項６に記載のＳＮＰ遺伝子型分類装置は、まず、分類対象情報集合生成手段で、非分類対象情報選別手段で選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する。換言すると、従来のように最初から３つの集団に分類するのではなく、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて分類対象情報を段階的に集約して、分類対象情報で構成される分類対象情報集合を複数（例えば、下記の所定の数「Ａ」以上の数）生成する。これにより、２次元蛍光強度情報の誤分類の可能性を低減することができるという効果を奏する。つぎに、第１非分類対象情報集合包含手段で、分類対象情報集合生成手段で生成した分類対象情報集合の中に所定数（例えば「１」や「２」など）の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を非分類対象情報集合に含める。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）を確実に抽出して分類対象情報集合から除外することができ、よって、分類すべきでない２次元蛍光強度情報が分類対象のデータ中に含まれていた場合でも充分な精度で２次元蛍光強度情報を分類することができるという効果を奏する。つぎに、第１分類対象情報集合集約手段で、第１非分類対象情報集合包含手段で非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数「Ａ」（なお、本明細書において、所定の数「Ａ」は、分類する遺伝子型の数である。）より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を所定の数「Ａ」まで集約する。これにより、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。

また、本発明にかかる請求項７に記載のＳＮＰ遺伝子型分類装置は、まず、第２分類対象情報集合集約手段で、第１分類対象情報集合集約手段で集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する。これにより、例えば分類対象情報集合の数が２つの場合にも対応することができるという効果を奏する。つぎに、遺伝子型決定手段で、第２分類対象情報集合集約手段で集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する。これにより、分類対象情報集合と遺伝子型との対応付けを適切に行うことができるという効果を奏する。つぎに、第２非分類対象情報集合包含手段で、遺伝子型決定手段で遺伝子型が決定した分類対象情報集合の数が所定の数「Ａ」である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない（具体的にはハーディ・ワインバーグ平衡からのずれが大きい）分類対象情報集合を非分類対象情報集合に含める。これにより、従来のように３つの集団に固定的に分類するのではなく、例えば分類した集団の数が３の場合はハーディ・ワインバーグ平衡からのずれを考慮して２つの集団に集約することができるという効果を奏する。つまり、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。

また、本発明にかかる請求項８に記載のＳＮＰ遺伝子型分類装置は、ＭＣＭＣ法実行手段で、非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定する。これにより、非分類対象情報が分類対象情報集合に属するか否かをＭＣＭＣ法で検証することができ、よって、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。また、本発明では、ＭＣＭＣ法を実行する際の入力データには精度よく分類された２次元蛍光強度情報を用いるので、ＭＣＭＣ法を効果的に実行することができるという効果を奏する。

本発明にかかる請求項９に記載のＳＮＰ遺伝子型分類プログラムは、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法をコンピュータに実行させるＳＮＰ遺伝子型分類プログラムにおいて、非分類対象情報選別ステップで、予め取得した複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができる、という効果を奏する。また、本発明を実施することで、分類結果の修正に費やす時間を短縮することができ、それに費やす労力も軽減することができる。

また、本発明にかかる請求項１０に記載のＳＮＰ遺伝子型分類プログラムは、まず、分類対象情報集合生成ステップで、非分類対象情報選別ステップで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する。換言すると、従来のように最初から３つの集団に分類するのではなく、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて分類対象情報を段階的に集約して、分類対象情報で構成される分類対象情報集合を複数（例えば、下記の所定の数「Ａ」以上の数）生成する。これにより、２次元蛍光強度情報の誤分類の可能性を低減することができるという効果を奏する。つぎに、第１非分類対象情報集合包含ステップで、分類対象情報集合生成ステップで生成した分類対象情報集合の中に所定数（例えば「１」や「２」など）の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を非分類対象情報集合に含める。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）を確実に抽出して分類対象情報集合から除外することができ、よって、分類すべきでない２次元蛍光強度情報が分類対象のデータ中に含まれていた場合でも充分な精度で２次元蛍光強度情報を分類することができるという効果を奏する。つぎに、第１分類対象情報集合集約ステップで、第１非分類対象情報集合包含ステップで非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数「Ａ」（なお、本明細書において、所定の数「Ａ」は、分類する遺伝子型の数である。）より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を所定の数「Ａ」まで集約する。これにより、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。

また、本発明にかかる請求項１１に記載のＳＮＰ遺伝子型分類プログラムは、まず、第２分類対象情報集合集約ステップで、第１分類対象情報集合集約ステップで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する。これにより、例えば分類対象情報集合の数が２つの場合にも対応することができるという効果を奏する。つぎに、遺伝子型決定ステップで、第２分類対象情報集合集約ステップで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する。これにより、分類対象情報集合と遺伝子型との対応付けを適切に行うことができるという効果を奏する。つぎに、第２非分類対象情報集合包含ステップで、遺伝子型決定ステップで遺伝子型が決定した分類対象情報集合の数が所定の数「Ａ」である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない（具体的にはハーディ・ワインバーグ平衡からのずれが大きい）分類対象情報集合を非分類対象情報集合に含める。これにより、従来のように３つの集団に固定的に分類するのではなく、例えば分類した集団の数が３の場合はハーディ・ワインバーグ平衡からのずれを考慮して２つの集団に集約することができるという効果を奏する。つまり、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。

また、本発明にかかる請求項１２に記載のＳＮＰ遺伝子型分類プログラムは、ＭＣＭＣ法実行ステップで、非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定する。これにより、非分類対象情報が分類対象情報集合に属するか否かをＭＣＭＣ法で検証することができ、よって、２次元蛍光強度情報の誤分類の可能性をさらに低減することができるという効果を奏する。また、本発明では、ＭＣＭＣ法を実行する際の入力データには精度よく分類された２次元蛍光強度情報を用いるので、ＭＣＭＣ法を効果的に実行することができるという効果を奏する。

以下に、本発明にかかるＳＮＰ遺伝子型分類方法、ＳＮＰ遺伝子型分類装置およびＳＮＰ遺伝子型分類プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。

まず、本実施の形態のＳＮＰ遺伝子型分類装置１００の構成について、図１を参照して説明する。図１は、ＳＮＰ遺伝子型分類装置１００の構成を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。

ＳＮＰ遺伝子型分類装置１００は、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類する。具体的には、ＳＮＰ遺伝子型分類装置１００では、最終的に、複数の２次元蛍光強度情報を「ホモ１」、「ヘテロ」、「ホモ２」、「分類不可能」のいずれかに分類する。ＳＮＰ遺伝子型分類装置１００は、ＳＮＰ遺伝子型分類装置１００を統括的に制御するＣＰＵ等の制御部１０２と、ルータ等の通信装置および専用線等の有線または無線の通信回線を介してＳＮＰ遺伝子型分類装置１００をネットワーク３００に通信可能に接続する通信インターフェース部１０４と、各種のデータベースやテーブルやファイルなどを格納する記憶部１０６と、入力装置１１２や出力装置１１４に接続する入出力インターフェース部１０８と、で構成されており、これら各部は任意の通信路を介して通信可能に接続されている。なお、ネットワーク３００は、ＳＮＰ遺伝子型分類装置１００と外部システム２００とを相互に通信可能に接続する機能を有し、例えばインターネットやＬＡＮ等である。外部システム２００は、ネットワーク３００を介してＳＮＰ遺伝子型分類装置１００と相互に通信可能に接続され、２次元蛍光強度情報や各種パラメータ等に関する外部データベースや、２次元蛍光強度情報を遺伝子型と対応付けて分類するための外部プログラム等を提供する機能など、を有する。また、外部システム２００はＷＥＢサーバやＡＳＰサーバ等として構成してもよく、そのハードウェアは一般に市販されるワークステーションやパーソナルコンピュータ等の情報処理装置およびその付属装置で構成してもよい。また、外部システム２００の各機能は外部システム２００のハードウェア構成中のＣＰＵやディスク装置やメモリ装置や入力装置や出力装置や通信制御装置等およびそれらを制御するプログラム等で実現される。

記憶部１０６は、ストレージ手段であり、例えば、ＲＡＭ、ＲＯＭ等のメモリ装置や、ハードディスクのような固定ディスク装置や、フレキシブルディスクや、光ディスク等を用いることができる。記憶部１０６は、図示の如く、２次元蛍光強度情報ファイル１０６ａを格納する。ここで、２次元蛍光強度情報ファイル１０６ａに格納される情報について図２を参照して説明する。図２は、２次元蛍光強度情報ファイル１０６ａに格納される情報の一例を示す図である。図２に示すように、２次元蛍光強度情報ファイル１０６ａは、各２次元蛍光強度情報を一意に識別するための識別情報と、２次元蛍光強度情報のｘ座標値と、２次元蛍光強度情報のｙ座標値と、遺伝子型（分類結果）と、を相互に関連付けて格納する。なお、図２における「遺伝子型」の欄には、情報は当初格納されていない。

通信インターフェース部１０４は、ＳＮＰ遺伝子型分類装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信を媒介する。すなわち、通信インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。

入出力インターフェース部１０８は、入力装置１１２や出力装置１１４に接続する。ここで、出力装置１１４には、モニタ（家庭用テレビを含む）の他、スピーカやプリンタを用いることができる（なお、以下で、出力装置１１４をモニタとして記載する場合がある。）。また、入力装置１１２には、キーボードやマウスやマイクの他、マウスと協働してポインティングデバイス機能を実現するモニタを用いることができる。

制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、各種の処理手順等を規定したプログラムおよび所要データを格納するための内部メモリを有し、これらのプログラムに基づいて種々の処理を実行するための情報処理を行う。また、制御部１０２は、図示の如く、大別して、非分類対象情報選別部１０２ａと、分類対象情報集合生成部１０２ｂと、第１非分類対象情報集合包含部１０２ｃと、第１分類対象情報集合集約部１０２ｄと、第２分類対象情報集合集約部１０２ｅと、遺伝子型決定部１０２ｆと、第２非分類対象情報集合包含部１０２ｇと、ＭＣＭＣ法実行部１０２ｈと、を備えている。ここで、非分類対象情報選別部１０２ａは、予め取得した複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する。分類対象情報集合生成部１０２ｂは、非分類対象情報選別部１０２ａで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数（例えば、下記の所定の数「Ａ」以上の数）生成する。第１非分類対象情報集合包含部１０２ｃは、分類対象情報集合生成部１０２ｂで生成した分類対象情報集合の中に所定数（例えば「１」や「２」など）の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を非分類対象情報集合に含める。第１分類対象情報集合集約部１０２ｄは、第１非分類対象情報集合包含部１０２ｃで非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数「Ａ」（所定の数「Ａ」は、分類する遺伝子型の数であり、本実施の形態では３つの遺伝子型に分類するので、「Ａ」は「３」である（以下同様）。）より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を所定の数「Ａ」まで集約する。第２分類対象情報集合集約部１０２ｅは、第１分類対象情報集合集約部１０２ｄで集約した後の分類対象情報集合間の類似度が所定の式（例えば、当該類似度の値と所定の閾値とを比較するための不等式）を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する。遺伝子型決定部１０２ｆは、第２分類対象情報集合集約部１０２ｅで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する。このとき、対応する遺伝子型がない場合は非分類対象情報集合に含める。第２非分類対象情報集合包含部１０２ｇは、遺伝子型決定部１０２ｆで遺伝子型が決定した分類対象情報集合の数が所定の数「Ａ」である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない（具体的にはハーディ・ワインバーグ平衡からのずれが大きい）分類対象情報集合を非分類対象情報集合に含める。ＭＣＭＣ法実行部１０２ｈは、非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定する。すなわち、ＭＣＭＣ法実行部１０２ｈは、非分類対象情報が遺伝子型の決定した分類対象情報集合に属するか否かをＭＣＭＣ法で検証し、検証の結果、分類対象情報集合に属すると判定された２次元蛍光強度情報を当該分類対象情報集合の遺伝子型と対応付け、分類対象情報集合に属さないと判定された２次元蛍光強度情報を「分類不可能」な情報として分類する。最終的に２次元蛍光強度情報の帰属先の分類対象情報及び非分類対象情報集合を帰属度から再度決定する。

以上の構成において、ＳＮＰ遺伝子型分類装置１００で行われる処理である「（１）ＳＮＰ遺伝子型分類処理」および「（２）ＭＣＭＣ法実行処理」を、図３から図６などを参照して順に説明する。

（１）ＳＮＰ遺伝子型分類処理
図３および図４は、ＳＮＰ遺伝子型分類装置１００で行われるＳＮＰ遺伝子型分類処理の一例を示すフローチャートである。
まず、非分類対象情報選別部１０２ａで、予め取得して２次元蛍光強度情報ファイル１０６ａの所定の領域に格納した複数の２次元蛍光強度情報（図１４参照）の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する（ステップＳＡ−１）。具体的には、まず、非分類対象情報選別部１０２ａで、予め定められたＮＴＣ（Ｎｏ Ｔａｒｇｅｔ Ｃｏｎｔｒｏｌ）を構成する２次元蛍光強度情報（ＮＴＣ情報）を複数の２次元蛍光強度情報の中から選別して、選別したＮＴＣ情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に「非分類対象」を格納する。ついで、制御部１０２で、ＮＴＣ情報の重心座標（重心ｘ座標値，重心ｙ座標値）を算出して、算出した重心座標を原点に設定し、非分類対象情報選別部１０２ａで、設定した原点のｘ座標値かつｙ座標値以下の領域や設定した原点の近傍に存在するＮＴＣ情報以外の２次元蛍光強度情報（原点近傍情報）を複数の２次元蛍光強度情報の中から選別して、選別した原点近傍情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に「非分類対象」を格納する。換言すると、図９に示すように、原点付近および原点のｘ座標値かつｙ座標値以下の領域の２次元蛍光強度情報（図９における点線で囲まれた座標点）は信頼できないデータであるため、「非分類対象」として設定する。これにより、２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に「非分類対象」が格納された２次元蛍光強度情報を非分類対象情報とすることで、非分類対象情報集合が生成された。ここで、ＮＴＣ情報の重心座標（重心ｘ座標値，重心ｙ座標値）は下記数式１で算出してもよい。また、「原点の近傍」とは、例えば「設定した原点を含む所定の楕円領域内」である。

ここで、「ｘ_cg」はＮＴＣ情報の重心ｘ座標値を示し、「ｙ_cg」はＮＴＣ情報の重心ｙ座標値を示す。「Ｍ」はＮＴＣを構成する２次元蛍光強度情報の総数であり、「Ｎ」はＮＴＣ情報以外の２次元蛍光強度情報の総数である。「ｉ」はＮからＮ＋Ｍ−１の値をとる整数である。「ｘ_i」は識別情報「ｉ」に対応する２次元蛍光強度情報のｘ座標値を示し、「ｙ_i」は識別情報「ｉ」に対応する２次元蛍光強度情報の重心ｙ座標値を示す。

再び図３に戻り、分類対象情報集合生成部１０２ｂで、ステップＳＡ−１で選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数（例えば、下記の所定の数「Ａ」以上の数）生成する（ステップＳＡ−２）。具体的には、まず、制御部１０２で、分類対象情報のｘ座標値およびｙ座標値を、ＮＴＣ情報の重心を原点とした座標系における値に変換し（ここで、当該座標系の各軸を正規化してもよい。）、変換後の分類対象情報を、当該座標系のｘ軸からの角度である角度情報に変換する。角度情報は、複数の２次元蛍光強度情報から算出した重心を原点とする座標系において定義される。なお、ＮＴＣ情報の重心を原点とすることで、各分類対象情報の角度情報を適切に計算することができる。ついで、分類対象情報集合生成部１０２ｂで、階層的クラスタリング手法の中の最短距離法により角度情報の差が近い分類対象情報同士から順に集約することで分類対象情報集合を生成し、分類対象情報集合の数が予め定めた数（具体的には、下記の所定の数「Ａ」以上の数である「５」）になるまで当該集約を繰り返す。そして、分類対象情報集合生成部１０２ｂで、生成した各分類対象情報集合を構成する各分類対象情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に分類対象情報集合を識別する分類対象情報集合識別情報（例えば、「集合１」や「集合２」など）を格納する。ここで、２次元蛍光強度情報から角度情報への変換は下記数式２で行ってもよい。また、「予め定めた数」は分類対象のデータに応じて適した値に変えてもよい。

ここで、「θ_i」は識別情報「ｉ」に対応する座標系変換後の２次元蛍光強度情報の角度情報を示す。「ｘ_i」および「ｙ_i」はそれぞれ、座標系変換前の２次元蛍光強度情報のｘ座標値、ｙ座標値を示す。「ｘ_cg」および「ｙ_cg」はそれぞれ、座標系変換前のＮＴＣ情報のｘ座標値、ｙ座標値を示す。

ここで、最短距離法とは、各ノード（座標点の集合）に属する２つの座標点の中から１つずつ非類似度をとった時、最も小さい非類似度をそのノードとノードの非類似度と考える方法である。最短距離法のアルゴリズムは以下の通りである。まず、各座標点それぞれが１つのノードを形成しているとする。なお、座標点の数を「Ｎ」とすれば、初期のノード数も「Ｎ」である。すなわち、座標点の番号を「ｉ＝０、１、・・・、Ｎ−１」とすれば、各ノードの初期値（初期番号）も「ｉ＝０，１，・・・，Ｎ−１」である。ついで、下記手順（手順１〜手順３）で類似度が高い（非類似度が低い）ノード同士を結合する。具体的には、「ｉｎｄｅｘ１［ｓｅｑ２［ｉ］］＞ｉｎｄｅｘ２［ｓｅｑ２［ｉ］］」の場合、ノードｉｎｄｅｘ１［ｓｅｑ２［ｉ］］に属す全座標点をノードｉｎｄｅｘ２［ｓｅｑ２［ｉ］］の所属に変更し（手順１）、また「ｉｎｄｅｘ１［ｓｅｑ２［ｉ］］＜ｉｎｄｅｘ２［ｓｅｑ２［ｉ］］」の場合、ノードｉｎｄｅｘ２［ｓｅｑ２［ｉ］］に属す全座標点をノードｉｎｄｅｘ１［ｓｅｑ２［ｉ］］の所属に変更し（手順２）、そして、手順１および手順２を「ｉ＝０，１，・・・，Ｎ−１」に対して行う（手順３）。ここで、手順１から手順３において、「ｉｎｄｅｘ１［］」、「ｉｎｄｅｘ２［］」および「ｓｅｑ２［］」はそれぞれ配列を示す。ここで、各配列のデータ構造について図７および図８を参照して説明する。図７および図８は、本ＳＮＰ遺伝子型分類処理で用いる各配列のデータ構造の一例を示す図である。まず、「ｉｎｄｅｘ１［］」とは座標点の識別番号を格納する配列であり、「ｄｉｆ［ｉ］」が座標点ｍとｎとの間の距離である時、座標点ｍを「ｉｎｄｅｘ１［ｉ］」に格納する。具体的には図８に示すように、「ｉｎｄｅｘ１［０］」には、ある座標点の識別番号「０」が格納されている。つぎに、「ｉｎｄｅｘ２［］」とは座標点の識別番号を格納する配列であり、「ｄｉｆ［ｉ］」が座標点ｍとｎとの間の距離である時、座標点ｎを「ｉｎｄｅｘ２［ｉ］」に格納する。具体的には図８に示すように、「ｉｎｄｅｘ２［０］」には、ある座標点の識別番号「２」が格納されている。なお、「ｄｉｆ［］」とは各座標点間の距離であり、座標点ｍとｎとの間の距離は「ａｂｓ（ａｒｃｔａｎ［ｍ］−ａｒｃｔａｎ［ｎ］）」（角度差の絶対値）で計算する。具体的には図８に示すように、「ｄｉｆ［０］」には識別番号「０」の座標点と識別番号「２」の座標点との間の距離「０．０００１」が格納されている。また、「ａｒｃｔａｎ［］」とは各座標点の角度情報であり、具体的には図７に示すように識別情報「０」の座標点の角度情報「０．０００１」が格納されている。つぎに、「ｓｅｑ２［］」とは各座標点間の距離に関する昇順順位を格納する配列であり、具体的には図８に示すように、「ｓｅｑ２［０］」には「ｄｉｆ［０］」の値「０．０００１」の昇順順位である「０」が格納されている。ちなみに、図７に示す「ｓｅｑ［］」とは各座標点の角度情報に関する昇順順位を格納する配列であり、具体的には図７に示すように、「ｓｅｑ［０］」には「ａｒｃｔａｎ［０］」の値「０．０００１」の昇順順位である「０」が格納されている。

再び図３に戻り、第１非分類対象情報集合包含部１０２ｃで、ステップＳＡ−２で生成した分類対象情報集合の中に所定数（具体的には「１」）の分類対象情報で構成される分類対象情報集合がある場合（ステップＳＡ−３：Ｙｅｓ）、当該分類対象情報集合を非分類対象情報集合に含める（ステップＳＡ−４）。具体的には、第１非分類対象情報集合包含部１０２ｃで、２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に格納されている各分類対象情報集合識別情報の個数を算出し、算出した結果、１個のみの分類対象情報集合識別情報がある場合には当該分類対象情報集合識別情報を「非分類対象」に書換えることで、当該分類対象情報集合識別情報に対応する分類対象情報を非分類対象情報集合に含める。これにより、図１０に示すように、分類対象情報集合を上記の予め定めた数（具体的には、下記の所定の数「Ａ」以上の数である「５」）になるまで繋げた上で、所定数（具体的には「１」）の分類対象情報で構成される分類対象情報集合（図１０に示す点線で囲まれた点）を「非分類対象」として設定することで、外れ値を取り除くことができる。

再び図３に戻り、第１分類対象情報集合集約部１０２ｄで、ステップＳＡ−４で非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数「Ａ」（具体的には、「３」）より多い場合（ステップＳＡ−５：Ｙｅｓ）、分類対象情報集合間の類似度に基づいて分類対象情報集合を所定の数「Ａ」まで集約する（ステップＳＡ−６）。具体的には、ステップＳＡ−４で非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が「３」より多い場合、まず、制御部１０２で、各分類対象情報集合の重心座標を算出し、算出した重心座標間の距離を分類対象情報集合間の類似度として算出する。ついで、第１分類対象情報集合集約部１０２ｄで、算出した重心座標間の距離が近い分類対象情報集合同士から順に集約し（繋げ）、分類対象情報集合の数が「３」になるまで当該集約を繰り返す。そして、第１分類対象情報集合集約部１０２ｄで、集約した後の分類対象情報集合を構成する各分類対象情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に格納されている分類対象情報集合識別情報を共通のものに書換える。なお、ステップＳＡ−６が終了した時点での分類対象情報集合の数は当該所定の数「Ａ」（具体的には、「３」）以下である。

ついで、第２分類対象情報集合集約部１０２ｅで、ステップＳＡ−６で集約した後の分類対象情報集合間の類似度が所定の式（例えば、当該類似度の値と所定の閾値とを比較するための不等式）を満たす場合（ステップＳＡ−７：Ｙｅｓ）、当該式を満たした類似度に関連する分類対象情報集合同士を集約する（ステップＳＡ−８）。具体的には、まず、制御部１０２で、ステップＳＡ−６で集約した後の各分類対象情報集合の重心座標を改めて算出して、算出した重心座標間の距離を分類対象情報集合間の類似度として算出する。ついで、第２分類対象情報集合集約部１０２ｅで、算出した重心座標間の距離が不等式「距離＜閾値」を満たす場合には、当該不等式を満たした距離に関連する分類対象情報集合同士を集約する。そして、第２分類対象情報集合集約部１０２ｅで、集約した後の分類対象情報集合を構成する各分類対象情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に格納されている分類対象情報集合識別情報を共通のものに書換える。これにより、図１１に示すように、分類対象情報集合の数が２つの場合も対応することができる。

ついで図４へ進み、遺伝子型決定部１０２ｆで、第２分類対象情報集合集約部１０２ｅで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する（ステップＳＡ−９）。具体的には、遺伝子型決定部１０２ｆで、分類対象情報集合の数や組み合わせによって決まる分類結果の配置から、各分類対象情報集合がどの遺伝子型（本実施の形態では、「ホモ１」、「ヘテロ」、「ホモ２」）および非分類対象情報集合（「分類不可能」）に属するかを角度情報に基づいて決定し、各分類対象情報集合を構成する各分類対象情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項を、決定した遺伝子型（「ホモ１」、「ヘテロ」、「ホモ２」）に書換える。以上、ステップＳＡ−９までの処理で、２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項には、遺伝子型（「ホモ１」、「ヘテロ」、「ホモ２」）を識別する情報や「非分類対象」の情報が格納された。

ついで、第２非分類対象情報包含部１０２ｇで、遺伝子型決定部１０２ｆで遺伝子型が決定した分類対象情報集合の数が上記の所定の数「Ａ」（具体的には「３」）である場合（ステップＳＡ−１０：Ｙｅｓ）、ハーディ・ワインバーグ平衡（ＨＷＥ：Ｈａｒｄｙ−Ｗｅｉｎｂｅｒｇ'ｓ ｅｑｕｉｌｉｂｒｉｕｍ）に関する所定の条件を満たさない（具体的には、ハーディ・ワインバーグ平衡からのずれが大きい）分類対象情報集合を非分類対象情報集合に含める（ステップＳＡ−１１）。具体的には、第２非分類対象情報包含部１０２ｇで、遺伝子型決定部１０２ｆで遺伝子型が決定した分類対象情報集合の数が「３」である（図１２において点線で囲んだ３つの分類対象情報集合）場合、ハーディ・ワインハーディ・ワインバーグ平衡からのずれが大きい分類対象情報集合を非分類対象情報集合に含めて、２つの分類対象情報集合（図１３において実線で囲んだ２つの分類対象情報集合）に集約する。

以上、「（１）ＳＮＰ遺伝子型分類処理」の説明を終了する。

（２）ＭＣＭＣ法実行処理
つぎに、ＳＮＰ遺伝子型分類装置１００で行われるＭＣＭＣ法実行処理を、図５などを参照して説明する。図５は、ＳＮＰ遺伝子型分類装置１００で行われるＭＣＭＣ法実行処理の一例を示すフローチャートである。

ＭＣＭＣ法実行部１０２ｈで、上述したＳＮＰ遺伝子型分類処理で決定した非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定する（ステップＳＢ−１）。具体的には、ＭＣＭＣ法実行部１０２ｈで、非分類対象情報が、遺伝子型の決定した分類対象情報集合のいずれに属するか否かをＭＣＭＣ法で検証し、検証の結果、ある分類対象情報集合に属すると判定された２次元蛍光強度情報を当該分類対象情報集合の遺伝子型と対応付け、いずれの分類対象情報集合にも属さないと判定された２次元蛍光強度情報を最終的に「分類不可能」な情報として分類する（図１５参照）。なお、図１５では、図１４に示す２次元蛍光強度情報が図１５に示す点線で囲まれた３つの分類対象情報集合に分類された結果を示している。また、図１５における「ａｌｌｅｌｅ（アレル）１」、「Ｂｏｔｈ」、「ａｌｌｅｌｅ（アレル）２」、「Ｕｎｄｅｔｅｒｍｉｎｅｄ」はそれぞれ、「ホモ１」、「ヘテロ」、「ホモ２」、「非分類対象（または分類不可能）」に対応する。ここで、ステップＳＢ−１で行われるＭＣＭＣ法実行処理の具体例について、図６を参照して詳細に説明する。なお、図６では、ＭＣＭＣ法の中のギブス抽出法（Ｇｉｂｂｓ−ｓａｍｐｌｅｒ法）の具体例を説明する。図６は、ＳＮＰ遺伝子型分類装置１００で行われるＭＣＭＣ法実行処理の具体例を詳細に示すフローチャートである。

まず、ＭＣＭＣ法実行部１０２ｈで、内部変数「ｉ」に「０」を代入する（ステップＳＣ−１）。ついで、ＭＣＭＣ法実行部１０２ｈで、各遺伝子型に対応する分類対象情報集合に対して２次元正規分布パラメータ（平均、標準偏差、相関係数）を算出し、非分類対象情報集合に対しては確率密度（定数）を与える（ステップＳＣ−２）。ここで、２次元正規分布の密度関数、平均、標準偏差、相関係数はそれぞれ、下記数式３で定義される。また、ステップＳＣ−２では、非分類対象情報集合に対する確率密度も考慮することで、推移候補先が「非分類対象」になる可能性も考えている。

ここで、「ｆ（ｘ，ｙ）」は２次元正規分布の密度関数を示す。「μ_x（上付き「∧」あり）」および「μ_y（上付き「∧」あり）」はそれぞれ、ｘ座標およびｙ座標の標本平均を示す。「σ_x（上付き「∧」あり）」および「σ_y（上付き「∧」あり）」はそれぞれ、ｘ座標およびｙ座標の標本標準偏差を示す。「ρ（上付き「∧」あり）」は標本相関係数を示す。

ついで、ＭＣＭＣ法実行部１０２ｈで、非分類対象情報集合から任意に非分類対象情報を選択し、選択した非分類対象情報に対して推移候補先の分類対象情報集合（遺伝子型が決定した分類対象情報集合）を決定する（ステップＳＣ−３）。具体的には、ＭＣＭＣ法実行部１０２ｈで、一様乱数を発生させて変化を与える非分類対象情報を選択し、選択した非分類対象情報の推移候補先の分類対象情報集合を、ハーディ・ワインバーグ平衡に基づき、マイナーアレル頻度により決定する。

ついで、ＭＣＭＣ法実行部１０２ｈで、ステップＳＣ−３で選択した非分類対象情報の推移確率を算出する（ステップＳＣ−４）。換言すると、ＭＣＭＣ法実行部１０２ｈで、ステップＳＣ−３で選択した非分類対象情報について、各分類対象情報集合の帰属度に従ってベイズ（Ｂａｙｅｓ）の定理により事後確率を算出する。ここで、推移確率（事後確率）は下記数式４で算出される値「α」である。

ここで、「α」は、非分類対象情報（ｘ_i，ｙ_i）の推移候補先の分類対象情報集合が「ｊ^*」である時の推移確率である。

ついで、ＭＣＭＣ法実行部１０２ｈで、ステップＳＣ−４で算出した推移確率に基づいて、ステップＳＣ−３で選択した非分類対象情報が推移候補先の分類対象情報集合に推移するか否かを判定し、判定結果が「推移」である場合、ステップＳＣ−３で選択した非分類対象情報を推移候補先の分類対象情報集合に推移させる。具体的には、ＭＣＭＣ法実行部１０２ｈで、０以上１以下の間で一様乱数を発生させて、当該一様乱数が推移確率「α」以下である場合（ステップＳＣ−５：Ｙｅｓ）、ステップＳＣ−３で選択した非分類対象情報を推移候補先の分類対象情報集合に推移させる（ステップＳＣ−６）。ただし、ステップＳＣ−６において、ステップＳＣ−３で選択した非分類対象情報を分類対象情報集合に含めても、当該非分類対象情報はステップＳＣ−３では非分類対象情報集合として扱う。

ついで、ＭＣＭＣ法実行部１０２ｈで、内部変数「ｉ」に「ｉ＋１」を代入する（ステップＳＣ−７）。ついで、ＭＣＭＣ法実行部１０２ｈで、内部変数「ｉ」の値が「ｉ≦１０００００」を満たすか否かを判定し、判定結果が「満たす」である場合（ステップＳＣ−８：Ｙｅｓ）、ステップＳＣ−２の処理に戻り、判定結果が「満たさない」である場合（ステップＳＣ−８：Ｎｏ）、ステップＳＣ−９の処理へ進む。すなわち、予め設定した数値である「１０００００」まで、ステップＳＣ−２からステップＳＣ−８までの処理を繰り返す。なお、当該「１０００００」は一例であり、繰り返し回数には任意の値を設定することができる。ステップＳＣ−８までの処理で、非分類対象情報集合を構成する全ての非分類対象情報を、遺伝子型が決定している分類対象情報集合に推移させた。

ついで、ＭＣＭＣ法実行部１０２ｈで、各２次元蛍光強度情報に対し各分類対象情報集合への帰属度を算出し、算出した帰属度に基づいて帰属先の分類対象情報集合および非分類対象情報集合をベイズの定理を用いて再度決定する（ステップＳＣ−９）。具体的には、ＭＣＭＣ法実行部１０２ｈで、最尤推定された２次元正規分布パラメータを用い、各２次元蛍光強度情報における各分類対象情報集合への帰属度をベイズ（Ｂａｙｅｓ）の定理により求め、求めた帰属度が予め設定した閾値より大きい場合には２次元蛍光強度情報を分類対象情報集合へ帰属させ、求めた帰属度が全て当該閾値より小さい場合には２次元蛍光強度情報を「分類不可能」な情報として決定する。すなわち、求めた帰属度が予め設定した閾値より大きい場合には２次元蛍光強度情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に格納されている情報を帰属先の分類対象情報集合の遺伝子型に書換え、求めた帰属度が全て当該閾値より小さい場合には２次元蛍光強度情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に格納されている情報を「分類不可能」に書換える。ここで、識別情報「ｉ」の２次元蛍光強度情報における分類対象情報集合「ｊ」への帰属度は下記数式５で定義される。これにて、ＳＮＰ遺伝子型分類装置１００で行われるＭＣＭＣ法実行処理の具体例の説明を終了する。

なお、ステップＳＢ−１において、分類対象情報集合間を推移させる方法は、例えばＥＭアルゴリズムを利用して実現してもよい。具体的には、まず、下記数式６で定義される各分類対象情報集合「ｊ」に関するパラメータを求める。

ついで、数式６で求めたパラメータを代入した確率密度関数「ｆ_j ^(k)（ｘ_i，ｙ_i）」を使って、２次元蛍光強度情報の分類対象情報集合「ｊ」への帰属度を下記数式７で計算しなおす。

ついで、「非分類対象」以外のいずれかの分類対象情報集合に属すると仮定した場合の確率密度関数が特定の値より小さくなった場合は、どの分類対象情報集合にも属さないと決め、非分類対象情報に対応する２次元蛍光強度情報ファイル１０６ａの「遺伝子型」の項に格納されている「非分類対象」を「分類不可能」に書換える（「非分類対象」への帰属度を「１」、他への帰属度を「０」とする。）。ついで、収束するまで繰り返し、最終的に推定された「ｍ_ij ^(k)」を最尤推定値「ｍ＾_ij」とし、分類対象情報集合「ｊ」への帰属度とする。なお、収束判定条件は、（「Ｚ^(k+1)」−「Ｚ^(k)」）／「Ｚ^(k)」がある定数より小さくなった場合とする（但し、「Ｚ」は数式６で定義した５つのパラメータのいずれかである。）。

以上、「（２）ＭＣＭＣ法実行処理」の説明を終了する。

以上説明したように、ＳＮＰ遺伝子型分類装置１００は、ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するにあたり、まず、非分類対象情報選別部１０２ａで、予め取得した複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができる。また、実験の失敗などにより分類すべきでないと判断されるデータも正確に選別することができる。また、ＳＮＰ遺伝子型分類装置１００を用いることで、分類結果の修正に費やす時間を短縮することができ、それに費やす労力も軽減することができる。また、従来の方法では、各々の実データに応じて例えば原点移動などのデータの前処理を手動で行う必要があるため、自動分類は困難であった。そのため、従来の方法では、ＳＮＰが数万、サンプル数が数十万の大量データを分類することは非常に困難であった。しかし、ＳＮＰ遺伝子型分類装置１００では、全ての処理が全自動であるので、大量のデータでも精度よく分類することが可能である。

また、ＳＮＰ遺伝子型分類装置１００は、まず、分類対象情報集合生成部１０２ｂで、非分類対象情報選別部１０２ａで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する。換言すると、従来の方法ように最初から３つの集団に分類するのではなく、階層的クラスタリング手法（例えば、最短距離法や最長距離法、群平均法など）により分類対象情報間の類似度に基づいて分類対象情報を段階的に集約して、分類対象情報で構成される分類対象情報集合を複数生成する。これにより、２次元蛍光強度情報の誤分類の可能性を低減することができる。つぎに、ＳＮＰ遺伝子型分類装置１００は、第１非分類対象情報集合包含部１０２ｃで、分類対象情報集合生成部１０２ｂで生成した分類対象情報集合の中に所定数（例えば「１」や「２」など）の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を非分類対象情報集合に含める。これにより、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）を確実に抽出して分類対象情報集合から除外することができ、よって、分類すべきでない２次元蛍光強度情報が分類対象のデータ中に含まれていた場合でも充分な精度で２次元蛍光強度情報を分類することができる。つぎに、ＳＮＰ遺伝子型分類装置１００は、第１分類対象情報集合集約部１０２ｄで、第１非分類対象情報集合包含部１０２ｃで非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数「Ａ」より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を所定の数「Ａ」まで集約する。これにより、２次元蛍光強度情報の誤分類の可能性をさらに低減することができる。

また、ＳＮＰ遺伝子型分類装置１００は、まず、第２分類対象情報集合集約部１０２ｅで、第１分類対象情報集合集約部１０２ｄで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する。これにより、例えば分類対象情報集合の数が２つの場合にも対応することができる。つぎに、ＳＮＰ遺伝子型分類装置１００は、遺伝子型決定部１０２ｆで、第２分類対象情報集合集約部１０２ｅで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する。これにより、分類対象情報集合と遺伝子型との対応付けを適切に行うことができる。つぎに、第２非分類対象情報集合包含部１０２ｇで、遺伝子型決定部１０２ｆで遺伝子型が決定した分類対象情報集合の数が所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない（具体的にはハーディ・ワインバーグ平衡からのずれが大きい）分類対象情報集合を非分類対象情報集合に含める。これにより、従来の方法のように３つの集団に固定的に分類するのではなく、例えば分類した集団の数が３の場合はハーディ・ワインバーグ平衡からのずれを考慮して２つの集団に集約することができる。つまり、２次元蛍光強度情報の誤分類の可能性をさらに低減することができる。

また、ＳＮＰ遺伝子型分類装置１００は、ＭＣＭＣ法実行部１０２ｈで、上述した「（１）ＳＮＰ遺伝子型分類処理」で決定した非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定する。ここで、上述した「（１）ＳＮＰ遺伝子型分類処理」では、外れ値を除くために、所定数（具体的には「１」）の２次元蛍光強度情報で構成された分類対象情報集合を「非分類対象」として分類している。しかし、外れ値がないデータでは、その２次元蛍光強度情報の近くにある分類対象情報集合に属するようにしたい。また、分類対象情報集合のうち、分散が大きい分類対象情報集合には「非分類対象」として分類するのが適切である２次元蛍光強度情報が含まれている場合がある。そのような場合には、ＭＣＭＣ法を用いることが有効であると考えられる。そこで、ＳＮＰ遺伝子型分類装置１００は、ＭＣＭＣ法実行部１０２ｈで、２次元正規分布パラメータ（平均、標準偏差、相関係数）を最尤推定し、各２次元蛍光強度情報の各分類対象情報集合への帰属度を計算して、ある分類対象情報集合への帰属度が所定の閾値より高い場合は当該分類対象情報集合に属すると結論付け、そうでない場合は「分類不可能」と結論付ける。これにより、非分類対象情報がどの分類対象情報集合に属するか否かをＭＣＭＣ法で検証することができ、よって、２次元蛍光強度情報の誤分類の可能性をさらに低減することができる。また、ＭＣＭＣ法を実行する際の入力データには、上述した「（１）ＳＮＰ遺伝子型分類処理」で精度よく分類された２次元蛍光強度情報を用いるので、ＭＣＭＣ法を効果的に実行することができる。

以上のように、本発明にかかるＳＮＰ遺伝子型分類方法、ＳＮＰ遺伝子型分類装置およびＳＮＰ遺伝子型分類プログラムは、分類すべきでない２次元蛍光強度情報（例えば相対的に著しく異なる蛍光強度値を持つ２次元蛍光強度情報など）が分類対象のデータ中に含まれる場合でも充分な精度で２次元蛍光強度情報を遺伝子型と対応付けて分類することができ、医療や創薬などの分野において極めて有用である。

ＳＮＰ遺伝子型分類装置１００の構成を示すブロック図である。 ２次元蛍光強度情報ファイル１０６ａに格納される情報の一例を示す図である。 ＳＮＰ遺伝子型分類装置１００で行われるＳＮＰ遺伝子型分類処理の一例を示すフローチャートである。 ＳＮＰ遺伝子型分類装置１００で行われるＳＮＰ遺伝子型分類処理の一例を示すフローチャートである。 ＳＮＰ遺伝子型分類装置１００で行われるＭＣＭＣ法実行処理の一例を示すフローチャートである。 ＳＮＰ遺伝子型分類装置１００で行われるＭＣＭＣ法実行処理の具体例を詳細に示すフローチャートである。 ＳＮＰ遺伝子型分類処理で用いる各配列のデータ構造の一例を示す図である。 ＳＮＰ遺伝子型分類処理で用いる各配列のデータ構造の一例を示す図である。 ステップＳＡ−１で非分類対象情報として選別される２次元蛍光強度情報の一例を示す図である。 ステップＳＡ−４で非分類対象情報集合に含められる２次元蛍光強度情報の一例を示す図である。 ステップＳＡ−８で分類対象情報集合を集約した結果の一例を示す図である。 ステップＳＡ−１１の処理を行う前の３つの分類対象情報集合の一例を示す図である。 ステップＳＡ−１１の処理を行った後の３つの集合（実線で示す２つの分類対象情報集合と点線で示す１つの非分類対象情報集合）の一例を示す図である。 入力データとして取得した２次元蛍光強度情報ファイル１０６ａの複数の２次元蛍光強度情報の一例を示す図である。 図１４に示す２次元蛍光強度情報をＳＮＰ遺伝子型分類装置１００で処理した結果の一例を示す図である。

符号の説明

１００ ＳＮＰ遺伝子型分類装置
１０２ 制御部
１０２ａ 非分類対象情報選別部
１０２ｂ 分類対象情報集合生成部
１０２ｃ 第１非分類対象情報集合包含部
１０２ｄ 第１分類対象情報集合集約部
１０２ｅ 第２分類対象情報集合集約部
１０２ｆ 遺伝子型決定部
１０２ｇ 第２非分類対象情報集合包含部
１０２ｈ ＭＣＭＣ法実行部
１０４ 通信インターフェース部
１０６ 記憶部
１０６ａ ２次元蛍光強度情報ファイル
１０８ 入出力インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ 外部システム
３００ ネットワーク

Claims (12)

1. ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法において、
   予め取得した前記複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する非分類対象情報選別ステップ
   を含むことを特徴とするＳＮＰ遺伝子型分類方法。
2. 前記非分類対象情報選別ステップで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する分類対象情報集合生成ステップと、
   前記分類対象情報集合生成ステップで生成した分類対象情報集合の中に所定数の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を前記非分類対象情報集合に含める第１非分類対象情報集合包含ステップと、
   前記第１非分類対象情報集合包含ステップで前記非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を前記所定の数まで集約する第１分類対象情報集合集約ステップと、
   をさらに含むことを特徴とする請求項１に記載のＳＮＰ遺伝子型分類方法。
3. 前記第１分類対象情報集合集約ステップで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する第２分類対象情報集合集約ステップと、
   前記第２分類対象情報集合集約ステップで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する遺伝子型決定ステップと、
   前記遺伝子型決定ステップで遺伝子型を決定した分類対象情報集合の数が前記所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない分類対象情報集合を前記非分類対象情報集合に含める第２非分類対象情報集合包含ステップと、
   をさらに含むことを特徴とする請求項２に記載のＳＮＰ遺伝子型分類方法。
4. 前記非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定するＭＣＭＣ法実行ステップ
   をさらに含むことを特徴とする請求項３に記載のＳＮＰ遺伝子型分類方法。
5. ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類装置において、
   予め取得した前記複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する非分類対象情報選別手段
   を備えたことを特徴とするＳＮＰ遺伝子型分類装置。
6. 前記非分類対象情報選別手段で選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する分類対象情報集合生成手段と、
   前記分類対象情報集合生成手段で生成した分類対象情報集合の中に所定数の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を前記非分類対象情報集合に含める第１非分類対象情報集合包含手段と、
   前記第１非分類対象情報集合包含手段で前記非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を前記所定の数まで集約する第１分類対象情報集合集約手段と、
   をさらに備えたことを特徴とする請求項５に記載のＳＮＰ遺伝子型分類装置。
7. 前記第１分類対象情報集合集約手段で集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する第２分類対象情報集合集約手段と、
   前記第２分類対象情報集合集約手段で集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する遺伝子型決定手段と、
   前記遺伝子型決定手段で遺伝子型を決定した分類対象情報集合の数が前記所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない分類対象情報集合を前記非分類対象情報集合に含める第２非分類対象情報集合包含手段と、
   をさらに備えたことを特徴とする請求項６に記載のＳＮＰ遺伝子型分類装置。
8. 前記非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定するＭＣＭＣ法実行手段
   をさらに備えたことを特徴とする請求項７に記載のＳＮＰ遺伝子型分類装置。
9. ＳＮＰの遺伝子型に関する複数の２次元蛍光強度情報を遺伝子型と対応付けて分類するＳＮＰ遺伝子型分類方法をコンピュータに実行させるＳＮＰ遺伝子型分類プログラムにおいて、
   予め取得した前記複数の２次元蛍光強度情報の中から非分類対象の２次元蛍光強度情報である非分類対象情報を選別して、非分類対象情報で構成される非分類対象情報集合を生成する非分類対象情報選別ステップ
   を含むことを特徴とするＳＮＰ遺伝子型分類プログラム。
10. 前記非分類対象情報選別ステップで選別した非分類対象情報以外の２次元蛍光強度情報である分類対象情報を、階層的クラスタリング手法により分類対象情報間の類似度に基づいて集約して、分類対象情報で構成される分類対象情報集合を複数生成する分類対象情報集合生成ステップと、
    前記分類対象情報集合生成ステップで生成した分類対象情報集合の中に所定数の分類対象情報で構成される分類対象情報集合がある場合、当該分類対象情報集合を前記非分類対象情報集合に含める第１非分類対象情報集合包含ステップと、
    前記第１非分類対象情報集合包含ステップで前記非分類対象情報集合に含めた分類対象情報集合以外の分類対象情報集合の数が所定の数より多い場合、分類対象情報集合間の類似度に基づいて分類対象情報集合を前記所定の数まで集約する第１分類対象情報集合集約ステップと、
    をさらに含むことを特徴とする請求項９に記載のＳＮＰ遺伝子型分類プログラム。
11. 前記第１分類対象情報集合集約ステップで集約した後の分類対象情報集合間の類似度が所定の式を満たす場合、当該式を満たした類似度に関連する分類対象情報集合同士を集約する第２分類対象情報集合集約ステップと、
    前記第２分類対象情報集合集約ステップで集約した後の各分類対象情報集合の配置と当該分類対象情報集合の角度情報とに基づいて分類対象情報集合に対応する遺伝子型を決定して、各々の分類対象情報の遺伝子型を決定する遺伝子型決定ステップと、
    前記遺伝子型決定ステップで遺伝子型を決定した分類対象情報集合の数が前記所定の数である場合、ハーディ・ワインバーグ平衡に関する所定の条件を満たさない分類対象情報集合を前記非分類対象情報集合に含める第２非分類対象情報集合包含ステップと、
    をさらに含むことを特徴とする請求項１０に記載のＳＮＰ遺伝子型分類プログラム。
12. 前記非分類対象情報集合を構成する非分類対象情報に対しＭＣＭＣ法を実行して各々の２次元蛍光強度情報の遺伝子型を再度決定するＭＣＭＣ法実行ステップ
    をさらに含むことを特徴とする請求項１１に記載のＳＮＰ遺伝子型分類プログラム。

Images