JP2008546048A

JP2008546048A - 統計的線形データの同定

Info

Publication number: JP2008546048A
Application number: JP2008511434A
Authority: JP
Inventors: ラーナー，ジェフリー
Original assignee: バイオ−ラッドラボラトリーズ，インコーポレイティド
Priority date: 2005-05-13
Filing date: 2006-05-12
Publication date: 2008-12-18
Anticipated expiration: 2026-05-12
Also published as: EP1880334A4; WO2006124673A2; AU2006247597B2; CA2603389C; AU2006247597A1; WO2006124673A3; CN101292245A; EP1880334A2; CA2603389A1; CN101292245B; JP5091122B2

Abstract

ノイズを有するデータセットを処理してデータセットが統計的に線形挙動を示すかを決定するために、ノイズを有するデータセットを処理する方法、装置、及びシステムが提供される。真のデータシグナルは、データの局所的性質に基づいて計算され、そしてデータ中のノイズの見積もり値は、真のデータシグナルから計算される。見積もられたノイズの尺度は次に当該データセットへの線形近似の性質に比較される。

Description

本発明は、一般的にデータ処理システム及び方法、並びにより具体的にポリメラーゼ連鎖反応(ＰＣＲ)などの増幅過程において統計的線形データを同定するシステム及び方法に関する。

関連出願へのクロスリファレンス
本出願は、２００５年５月１３日に出願された「SYSTEMS AND METHODS FOR IDENTIFYING STATISTICALLY FLAT DATA IN A DATA SET」と表題を付された米国仮特許出願60/681,182号の利益を主張し、当該出願は「DETERMINATION OF BASELINE END CYCLE IN REAL TIME PCR USING DERIVATIVE PEAK ANALYSIS」と表題を付された米国仮特許出願第60/680,765号(出願人整理番号第002558-072200US)と同時に出願されており、関連している。これらの文献の開示は、その全てを本明細書に援用する。本出願はまた、同一出願人による「BASELINING AMPLIFICATION DATA」と表題を付された米国特許出願第＿＿＿＿＿号(出願人整理番号第002558-072210US)に関連する。これらの出願の各開示は、全ての目的のため本明細書に援用される。

多くの実験的プロセスは量の増幅を示す。例えば、ＰＣＲでは、量は複製されたＤＮＡ鎖の部分の数に相当し、この数は増幅段階又は増幅領域で劇的に増幅される。増幅を示す他の実験的プロセスは、細菌増殖過程を含む。量は、データシグナルを介して実験装置から検出され、データシグナルのデータポイントは、増幅についての情報を決定するために分析される。データ分析の一環として、増幅が潜在的に生じているかを知ることは重要であり；このことを知らなければ、増幅が生じないデータを分析するという労力が無駄になされうる。データが統計的に線形であれば、増幅は生じていない。

理想的には、増幅検出装置から得たデータは、単調かつ連続的なシグナルであり、そうして当該データ、又はデータの一部が統計的に線形挙動を有するかを容易に同定することができる。しかしながら、増幅装置から得たシグナルは一般的にノイズを含み、そうしてシグナルの挙動を同定することが難しくなる。ノイズは、装置から得たシグナルの各データ点において現れ、真のシグナル、例えば実際のＤＮＡ鎖の数、の上に生じるランダムな揺らぎを与える。こうして、線形挙動を同定するためには、データを処理することが必要となる。

統計的に線形であるかを決定するための一般的な従来のデータ処理方法は、線形最小二乗法(ＬＳＱ)近似を用いる。ＬＳＱ近似の相関値は、適切な近似が存在するかを決定するために使用することができる。標準的な変換により、０の相関値は、近似しないこと(bad fit)に関し、そうして当該データは線形ではなく、そして１の相関値は線形について良好な近似を示唆する。ノイズの存在下では、統計的に線形に見えるデータについて相関値が０又は１の近くになってしまうことがあるという問題点がある。さらに、相関値は、さらなる洞察及び有効性を提供する物理量に対応しない。こうして、相関値は、かなりノイズの多いデータでは容認できる判定基準とはならない。

その結果、ノイズを有するデータセットを処理し、そして当該データセットが統計的に線形であるかを同定するシステム及び方法であって、上記及び他の問題を克服する方法を提供することが望まれている。

従って、本発明の実施態様は、データが統計的に線形挙動を示すかを決定するためにデータを処理する方法及びシステムを提供する。統計的線形データは、当該データが一般的に下方向又は上方向に曲がらず、又はそうでない場合に当該データが増幅を示さないということを意味する。このようなデータは、一般的に、当該データ上に重ねられた大きいノイズシグナルを伴ってもおおまかに線形であると表される。当該データは、リアルタイムＰＣＲ処理又は増幅若しくは増殖を示す他の過程から得ることができる。

本発明の代表的な実施態様では、データの処理方法が提供される。当該方法は、一般的にシグナル成分とノイズ成分とを有するデータポイントのオリジナルセットを得ることを含む。オリジナルデータセットは線形関数に近似される。１の態様では、近似は、当該データセットに対して最小二乗法近似を計算することにより達成される。当該方法は、オリジナルデータセットと線形近似との間の残差を計算し、そしてオリジナルデータセットと線形近似との間の残差の尺度(measure)を計算することを含む。１の態様では、当該尺度は標準偏差である。

当該方法は、一般的に平滑化データセットを計算し、そして平滑化データセットとオリジナルのデータセットとの間の残差を計算することにより、データセット中に存在するノイズ成分を見積もることを含む。平滑化データポイントは、平滑化データポイントの近くに位置するオリジナルデータポイントの数値(values of original data points that are local to that smoothed data point)に基づく。１の態様では、平滑化データセットを計算するためにローパスフィルターが使用される。代表的なローパスフィルターは、Savitzy-Golayフィルター、デジタルフィルター、又はデジタル平滑化多項式フィルターを含む。別の態様では、平滑化データポイントの数値は、平滑化データポイントの周囲のウインドウ内に存在するオリジナルデータポイントの平均である。

当該方法は、一般的に、見積もられたノイズの残差の尺度を計算し、そして当該尺度を比較して当該オリジナルデータセットが統計的に線形挙動を示すかを決定することを含む。比較は、第一尺度と第二尺度の比を計算して、当該比が、所定の値より小さいか又は大きいかを決定することを含みうる。一の態様では、所定の値は１のオーダーである。

好ましい態様では、当該方法は独立型コンピュータ、ネットワーク接続コンピュータ、又はリアルタイムＰＣＲ装置などのデータ取得装置などのプロセッサーにおいて実行される。リアルタイムＰＣＲ装置の一例は、ＢｉｏＲａｄＬａｂｏｒａｔｏｒｉｅｓにより販売されるｉＣｙｃｌｅｒｉＱＳｙｓｔｅｍである。

本発明の別の代表的な実施態様では、当該曲線が線形挙動を示すかを決定するために、情報処理装置がデータ処理を実行するように命令するために適用された複数の指示を有する情報貯蔵媒体が提供される。１の態様では、情報貯蔵媒体は、ＲＡＭ又はＲＯＭユニット、ハードドライブ、ＣＤ、ＤＶＤ、又は他の持ち運び可能な媒体である。

本発明の別の具体的な実施態様では、ＰＣＲ検出システムが提供される。ＰＣＲ検出システムは、シグナル成分とノイズ成分とを有するデータポイントのオリジナルセットをもたらす検出器を含み、そして当該データが線形挙動を示すかを決定するためにデータを処理するロジックを含む。

図面及び特許請求の範囲を含む当該明細書の残りの部分を参照すれば、本発明の他の特徴及び利点が認識されよう。本発明のさらなる特徴及び利点、並びに本発明の様々な実施態様の構造及び実施は、添付の図面に関して以下に詳細に記載されている。図面において、同様の参照番号が同一又は機能的に類似する要素を示す。

本発明は、データセットを処理し、そして当該データセットが統計的に線形であるかを同定し、並びにこのような線形データセットを増幅シグナルを含むデータセットから区別する技術を提供する。好ましい態様では、本発明は、ＰＣＲ増幅又は増殖過程から得たデータを処理して、当該データをさらに解析する前に統計的線形データを同定し、そして取り除くために特に有用である。しかしながら、本発明の教示は、ノイズを含みうる全てのデータセット又は曲線、並びに特にノイズを含まなければ増殖又は増幅を示す曲線、例えば細菌増殖過程、に適用できるということが認められるべきである。

図１は、ＰＣＲ曲線１００の例を示す。ここで強度値１１０対サイクル数１２０が一般的なＰＣＲプロセスについてプロットされている。強度値１１０は、目的の物理量のいずれかであり、そしてサイクル数は、当該処理の時間又は回数に関連する任意の単位であってもよい。このような増幅曲線は通常、図１に示されるように直線領域１３０の後に増幅領域１４０を含み、次に漸近領域１５０を有する。下向き曲線データなどのさらなる挙動タイプが存在することもある。増幅領域は、指数関数的、シグモイド様、高次多項式、又は他のタイプのロジスティック関数又はロジスティック曲線であって、増殖をモデル化する曲線を有してもよい。

関与する実験的プロセスを理解するために、増幅領域１４０の位置及び形を同定することは重要である。例えば、ＰＣＲ過程において、基線領域(線形領域１３０)の末端で生じる増幅の開始を同定することが望ましいこともある。当該位置を同定するステップは、ＰＣＲ過程が増幅を示さない場合、潜在的な増幅領域が存在するかを同定することに等しい。しかしながら、リアルタイムＰＣＲデータがノイズを有するので、データセットが増幅を示すかという同定、又は同等に、統計的に線形ではないという同定は難しいこともある。

例えば、図２は、シグナル及びノイズを含むデータポイント２４０を有するデータセットから作成されたリアルタイムＰＣＲ曲線２００の線形領域２３０を示す。一定シグナルを産生する装置についてさえ、当該データを分析用のデータポイントに分けなければならない点に注意すべきである。ノイズは、データポイントにおける揺らぎを引き起こす。全体として、データは大まかに線形様式で上向きに移動する(つまりプラスの傾き)。しかしながら、曲線２００は、点から点においてかなり非線形であるので、当該曲線にそった任意の１点で曲線２００を直接分析することによっては全体として線形挙動は測定できない。曲線２００の直接的な分析は、データが統計的に線形な挙動を示さないということを誤って決定するであろう。本発明の実施態様は、データが統計的に線形挙動を示すかを効果的に決定する。

さらに、線形挙動を有するデータ曲線と増幅挙動を有するデータ曲線とを区別することは重要である。図３は、増幅を示すリアルタイムＰＣＲ曲線３００を示す。最初に、データは領域３３０で線形挙動を示し、そして後のサイクルにおいて領域３４０では増幅を示す。本発明の実施態様は、線形挙動のみを有するＰＣＲ曲線２００と、ＰＣＲ曲線３００などの増幅曲線を有する可能性のあるＰＣＲ曲線とを確実にかつ一貫した正確性で区別する。

図４は、本発明の実施態様に従って当該データが統計的線形挙動を示すかを決定するためにデータを処理する方法４００を示す。当該データセットは、データポイントから構成され、そしてシグナル成分とノイズ成分を有する曲線を示す。

ステップ４０５において、まずデータセットを集めるか又は受け取る。当該データセットは、多くのメカニズムを介して受け取られてもよい。例えば、当該データセットは、ｉＣｙｃｌｅｒｉＱ装置又は類似するＰＣＲ分析装置などのＰＣＲデータ獲得装置内にある(指示を実行する）プロセッサーにより得られうる。当該データセットは、データが回収されるとすぐにプロセッサーに供されてもよいし、又はデータセットはメモリーユニット又はバッファ中に格納され、そして実験が完了した後にプロセッサーに供されてもよい。同様に、データセットは、ネットワーク接続(例えばＬＡＮ、ＶＰＮ、イントラネット、インターネットなど)を介して、又は取得装置への直接的な接続(例えば、ＵＳＢ又は他の直接的な有線又は無線接続)を介してデスクトップコンピューターシステムなどの分離したシステムに提供されてもよいし、又はＣＤ、ＤＶＤ、又はフロッピーディスクなどの持ち運び可能な媒体で独立型コンピューターシステムに提供されてもよい。データセットが受け取られるか又は獲得された後に、当該データが分析されてもよい。

ステップ４１０において、データセットへの線形近似が計算される。一般的に、近似はデータセットと近似との間の一致又は差異を計測するメリット関数Ｓを定義し、ここで低い数値のメリット関数は、典型的に当該近似についてより優れたパラメーターを示す。例えば、線形最小二乗近似では、メリット関数は、データ値Ｙと近似関数ｆ(ｘ_i)との間の差の二乗であり、ここでＮのデータポイントについて、以下の：

の通りである。ＰＣＲ過程において、Ｙはデータ強度であり、そしてｘはサイクル数である。図５Ａは、ＰＣＲ曲線２００の線形近似５１０を示す。図５Ｂは、ＰＣＲ曲線３００の線形近似５５０を示す。

メリット関数は、異なるデータポイントについてメリット関数に対する異なる荷重貢献度(weight contribution)又は規格化因子(normalization factor)を含んでもよい。メリット関数は、データポイント値を測ってもよいし、又は差分を得る前にデータポイントの関数を取得してもよい。当該差は、１のｘ値におけるデータと異なるｘ値におけるｆ(ｘ)との間で取られてもよい。例えば、メリット関数の項(term)は、線形近似に直交する線のデータ曲線から線形近似までの長さを示すこともある。これは、線形近似が０の傾きを有さない限り、異なるサイクル数で生じる。当業者は、使用されうる多くの異なるメリット関数を認識するであろう。

ステップ４１５では、データと線形近似との間の残差Ｒが計算される。残差Ｒは、線形近似からのデータポイントまでの誤差に一致する値のセットである。例えば、残差は、線形近似値と各サイクル数における実際のデータポイントとの差であってもよく、Ｒ_i＝Ｙ_i-ｆ(ｘ_i)を与える。当該式は、残差の標準形態である。幾つかの実施態様では、残差は、線形近似のメリット関数を決定するために使用される数値に関する。他の実施態様では、残差は異なる数値である。図５Ａでは、誤差５２０は、曲線２００と線形近似５１０との間の残差Ｒの値を計算するために使用される。図５Ｂでは、誤差５６０は、曲線３００と線形近似５５０との間の残差Ｒの値を計算するために使用される。

ステップ４２０では、データと線形近似との間の残差の尺度(measure)σ₁が計算される。尺度は、残差の数値セットから作成される単一値である。１の実施態様では、残差は、標準偏差であり、以下の：

が与えられる。幾つかの実施態様は、残差の各値について荷重値(weighting value)を有し、そして他の実施態様は、各残差の値又は全ての残差の値を、更なる又は他の関数にかけてもよい。当業者は、使用されうる多くの異なる尺度を認識するであろう。

ステップ４２５において、データセットに存在する見積りのノイズ成分が計算される。データは、２個の成分、真のシグナルとノイズからなると仮定される。こうして、ノイズは、真のシグナルと実際のデータポイントとの間の差異である。しかしながら、シグナルが検出される場合に、常にノイズが加わっているか又は存在しているので、真のシグナルは決して直接計測することはできない。

真のシグナルは、平滑化データポイントから構成される平滑化データセットとして見積もられる。図６Ａは、ＰＣＲ曲線３００の平滑化データセット６７０を示す。平滑化データポイントの値は、当該平滑化データポイントの近くに位置する複数のオリジナルデータポイントの関数Ｇに基づく。近いという用語は、データポイントのｘ値が、計算されたデータポイントからどれだけ離れているかに関する。例えば、予定されたサイクル数(ウインドウ)だけ異なる場合、ポイントは他のポイントの近くに位置するとされる。３〜５回のサイクルのウインドウは適切であるが、他のウインドウは１０又は２０サイクル、又はそれより多くが使用されてもよい。様々なウインドウ値が使用されてもよく、つまり各平滑化データポイントは、異なるウインドウで計算されてもよい。さらに、例えば分数のデータポイントが挿入される場合、分数のサイクル数を有するウインドウが使用されてもよい。ウインドウは、データポイントの周囲で対称でなくてもよく、つまり当該データポイントの前の１のポイントと後の３個のポイントが使用されてもよい。ポイントは、ｘ値の差異が使用されるトータルスケール、つまり全サイクル数、に達すると、近くに位置することはなくなる。

１の実施態様では、関数Ｇは、移動平均又はローパスフィルターである。例えば、関数Ｇは、所定のサイクル数の範囲内のオリジナルデータポイントの平均、例えば中心平均値(centered mean)をとりうる。こうして、１の態様では、以下の：

［式中、Ｌは、計算された平滑化データポイントの指数であり、そしてＫは使用されるウインドウである］
である。

また、ステップ４２５では、平滑化データとオリジナルデータとの間の残差が計算される。当該残差は、見積もられたノイズであると定義される。平滑化データとオリジナルデータとの間の残差は、オリジナルデータと線形近似との間の残差と同じ様式で定義されてもよく、又は当該残差は異なる様式で定義されてもよい。図６Ｂは、ＰＣＲ曲線３００に関して見積もられたノイズ成分６８０と平滑化データセット６７０を示す。シグナル６７０上にノイズ成分６８０を重ね合わせると、データ曲線３００を与える。

ステップ４３０では、平滑化データとオリジナルデータとの間の残差の尺度σ₂が計算される。σ₂値は、固有のノイズの増幅の尺度として使用される。１の実施態様ではσ₂は標準偏差である。尺度σ₁及びσ₂は、類似の又は異なる様式で定義されてもよい。

ステップ４３５では、第一尺度σ₁は、当該データセットが線形挙動を示すかを決定するために、第二尺度σ₂と比較される。１の実施態様では、σ₁とσ₂の比が得られる。当該比が所定の数値よりも小さいか又は大きい場合、当該データは線形挙動を示すと決定される。例えば、σ₁／σ₂が１のオーダーの数値、例えば１.５より小さい場合、当該データは線形であると決定される。同様に、σ₁＜ｃ₀＊σ₂が使用されてもよい。当該表現は、データと線形近似との間の差の尺度が、当該データに存在する見積もられたノイズの尺度の定数倍より小さくなくてはならないということを示す。幾つかの実施態様では、ｃ₀の数値は変化してもよい。

定数ｃ₀は、ノイズの定義、並びに他の数値の定義が固有ではないと言う事実に関する。ｃ₀の値は、多数のデータセットを試験することにより取得して、当該数字について理に適った数値を得ることができる。標準残差の標準偏差が使用される場合、定数(ｃ₀)について１.５の数値が上手く機能するということが試験により示唆された。他の残差及び残差の尺度が使用される場合、他の数値がより適することもある。一般的に、１のオーダーのｃ₀の値は上手く機能するべきである。

データが統計的にフラット(線形)である、例えば上向き又は下向きに曲がっていないか、又はそうでない場合に増幅を示していない、と同定されると、データはさらに分析をすることなく捨てられてもよい。

ある態様では、本発明のデータ処理技術を実行するためにプロセッサーを制御するコード及び指示は、コンピュータが読み取り可能である情報貯蔵媒体、例えばＲＡＭ又はＲＯＭユニット、ハードドライブ、ＣＤ、ＤＶＤ、又は持ち運び可能な他の媒体に格納される。

図７は、本発明の１の実施態様に従ったシステム７００を記載する。図示されるように当該システムは、サンプル７０５、例えば細菌又はＤＮＡを、サンプルホルダー７１０内に含む。当該サンプルからの物理的特徴７１５、例えば蛍光強度の値などは、検出器７２０により検出される。ノイズ成分を含むシグナル７２５は、検出器７２０からロジックシステム７３０に送られる。シグナル７２５から得たデータは、ローカルメモリー７３５又は外部メモリー７４０、又は貯蔵デバイス７４５に貯蔵されてもよい。１の実施態様では、アナログ-デジタルコンバーターは、アナログシグナルをデジタル形態に変換する。

ロジックシステム７３０は、コンピューターシステム、ＡＳＩＣ、マイクロプロセッサーなどであってもよいし、又は含んでもよい。ロジックシステムは、ディスプレイ(例えば、モニター、ＬＥＤディスプレイなど)及びユーザー入力装置(例えば、マウス、キーボード、ボタンなど)を含んでもよいし、又はこれらに接続されていてもよい。ロジックシステム７３０及び他の成分は、独立型又はネットワーク接続コンピューターシステムの一部であってもよいし、又はサーマルサイクラー装置に直接取り付けられるか、又は取り込まれてもよい。ロジックシステム７３０は、プロセッサー７５０において行われる最適化ソフトウェアを含んでもよい。

１の実施態様では、ロジックシステム７３０は、データをプロセッシングし、そして統計的にフラットなデータを同定するための指示を含む。当該指示は、好ましくはダウンロードされ、そしてメモリモジュール７３５、７４０、又は７４５(例えば、ハードドライブ又は他のメモリー、例えばローカルＲＡＭ又はＲＯＭ或いは取り付けられたＲＡＭ又はＲＯＭ)に格納されるが、指示は、フロッピーディスク、ＣＤ、ＤＶＤなどの任意のソフトウェア貯蔵媒体上に提供されてもよい。本発明の実施態様ではコンピューターコードは、Ｃ、Ｃ＋＋、Ｊａｖａ（登録商標）、ビジュアルベーシックなどの様々なコード言語、或いはＶＢスクリプト、Ｊａｖａ（登録商標）スクリプト又はＰｅｒｌなどの任意のスクリプト言語、或いはＸＭＬなどのマークアップ言語で実行されうる。さらに、様々な言語及びプロトコルは、本発明の態様に従って、外部及び内部記憶、及びデータ送達、及びコマンドにおいて使用することができる。

本明細書に記載されるプロセスが、例示的であり、そしてバリエーション及び変更が可能であることが認められよう。連続的に記載されたステップは、平行して行われてもよく、ステップの順番は変えられてもよく、そしてステップは変更されるか又は組み合わされてもよい。

本発明が例示の方法により記載され、そして特定の実施態様について記載される一方、本発明が、開示された実施態様に限定されないということが理解されるべきである。反対に、本発明は当業者に明らかである様々な変更及び類似するアレンジに及ぶように意図される。その結果、添付の請求項の範囲は、その様な全ての変更及び類似するアレンジを包含するように最も広い解釈が認められるべきである。

図１は、ＰＣＲ増幅曲線の例を示す。図２は、ノイズ及び統計的に線形挙動を示すリアルタイムＰＣＲデータセットを示す。図３は、ノイズ及び増幅を示すリアルタイムＰＣＲデータセットを示す。図４は、本発明の実施態様に従って、当該データセットが統計的に線形挙動示すかを決定するためにデータセットを処理する方法を示す。図５Ａは、統計的線形挙動を示すデータセットへの線形近似を示す。図５Ｂは、増幅挙動を示すデータセットへの線形近似を示す。図６Ａは、本発明の実施態様に従ったリアルタイムＰＣＲデータの平滑化データセットを示す。図６Ｂは本発明の実施態様に従ったリアルタイムＰＣＲデータの見積もられたノイズを示す。図７は、本発明の実施態様に従ったリアルタイムＰＣＲデータを処理するシステムを示す。

Claims

データセットが統計的線形挙動を示すかを決定するために当該データセットを処理する方法であって、当該方法が以下の：
シグナル成分とノイズ成分を有するデータポイントのオリジナルセットを受け取り；
上記オリジナルデータセットを線形関数に近似し；
上記オリジナルデータセットと上記近似された線形関数との間の残差を計算し；
上記オリジナルデータセットと上記近似された線形関数との間の残差の第一尺度を計算し；
上記オリジナルデータセットに存在する上記ノイズ成分を、以下の：
ｉ)平滑化データポイントのセットを測定することにより平滑化データセットを計算し、ここで平滑化データポイントの数値は当該平滑化データポイントの近くに位置する複数のオリジナルデータポイントの数値に基づいており；そして
ｉｉ)上記平滑化データセットと上記オリジナルデータセットとの間の残差を計算する
により見積もり；
上記平滑化データセットと上記オリジナルデータセットとの間の残差の第二尺度を計算し；そして
上記第一尺度と上記第二尺度を比較して上記オリジナルデータセットが統計的線形挙動を示すかを決定する
を含む、前記方法。
前記オリジナルデータセットの近似が、最小二乗法近似を使用することを含む、請求項１に記載の方法。
前記平滑化データセットの計算が、ローパスフィルターを使用することを含む、請求項１に記載の方法。
平滑化データポイントの数値が、当該平滑化データポイントの周辺のウインドウ内に存在する上記オリジナルデータポイントの平均である、請求項１に記載の方法。
前記ウインドウが５ユニットである、請求項４に記載の方法。
前記第一尺度と前記第二尺度が各々標準偏差である、請求項１に記載の方法。
前記比較が、前記第一尺度と前記第二尺度の比率を計算して、当該比率が所定の値より小さいか又は大きいかを決定することを含む、請求項１に記載の方法。
前記所定の値が１のオーダーである、請求項７に記載の方法。
前記データがＰＣＲ増幅曲線を表す、請求項１に記載の方法。
前記方法が、プロセッサーで実行される、請求項１に記載の方法。
前記プロセッサーが、独立型コンピューターシステム、ネットワーク接続コンピューターシステム、又はリアルタイムＰＣＲ装置に組み込まれている、請求項１０に記載の方法。
データ処理を実行して、当該データが線形挙動を示すかを決定する命令を実行するように情報装置を指図するために適用された複数の指示を有する情報貯蔵媒体であって、当該処理が以下のステップ：
シグナル成分とノイズ成分を有するデータポイントのオリジナルセットを受け取り；
上記オリジナルデータセットを線形関数に近似し；
上記オリジナルデータセットと上記近似された線形関数との間の残差を計算し；
上記オリジナルデータセットと上記近似された線形関数との間の残差の第一尺度を計算し；
上記オリジナルデータセットに存在する上記ノイズ成分を、以下の：
ｉ)平滑化データポイントのセットを決定することにより平滑化データセットを計算し、ここで平滑化データポイントの数値は当該平滑化データポイントの近くに位置する複数のオリジナルデータポイントの値に基づいており；そして
ｉｉ)上記平滑化データセットと上記オリジナルデータセットとの間の残差を計算する
ことにより見積もり
上記平滑化データセットと上記オリジナルデータセットとの間の残差の第二尺度を計算し；そして
上記第一尺度と上記第二尺度とを比較して当該オリジナルデータセットが統計的に線形挙動を示すかを決定する
を含む、前記媒体。
前記オリジナルデータセットを近似することが、最小二乗法近似を用いることを含む、請求項１２に記載の情報貯蔵媒体。
前記平滑化データセットの計算がローパスフィルターを使用することを含む、請求項１２に記載の情報貯蔵媒体。
平滑化データポイントの数値が、当該平滑化データポイント周辺のウインドウ内の上記オリジナルデータポイントの平均である、請求項１２に記載の情報貯蔵媒体。
前記第一尺度と前記第二尺度が各々標準偏差である、請求項１２に記載の情報貯蔵媒体。
前記比較が、前記第一尺度と前記第二尺度の比率を計算して、当該比率が所定の値より小さいか又は大きいかを決定することを含む、請求項１２に記載の情報貯蔵媒体。
前記データがＰＣＲ増幅曲線を示す、請求項１２に記載の情報貯蔵媒体。
以下の：
シグナル成分とノイズ成分を有するデータポイントのオリジナルセットを産生する検出器；並びに
当該データが線形挙動を示すかを決定するためにデータを処理するロジックであって、以下の：
上記オリジナルデータセットを線形関数に近似し；
上記オリジナルデータセットと上記近似された線形関数との間の残差を計算し；
上記オリジナルデータセットと上記近似された線形関数との間の残差の第一尺度を計算し；
上記オリジナルデータセット中に存在する上記ノイズ成分を、以下の：
ｉ)平滑化データポイントのセットを決定することにより平滑化データセットを計算し、ここで平滑化データポイントの数値が当該平滑化データポイントの近くに位置する複数のオリジナルデータポイントの数値に基づいており；そして
ｉｉ)上記平滑化データセットと上記オリジナルデータセットとの間の残差を計算する
により見積もり；
上記平滑化データセットと上記オリジナルデータセットとの間の残差の第二尺度を計算し；そして
上記第一尺度と上記第二尺度を比較して、上記オリジナルデータセットが統計的に線形挙動を示すかを決定する
ことによるロジック
を含むＰＣＲ検出装置。
前記オリジナルデータセットの近似が、最小二乗法近似を用いることを含む、請求項１９に記載のＰＣＲ検出装置。
前記平滑化データセットがローパスフィルターを使用することを含む、請求項１９に記載のＰＣＲ検出装置。
平滑化データポイントの値が、平滑化データポイント周辺オウインドウ内の上記オリジナルデータポイントの平均である、請求項１９に記載のＰＣＲ検出装置。
前記第一尺度と前記第二尺度が、各々標準偏差である、請求項１９に記載のＰＣＲ検出装置。
前記比較が、前記第一尺度と前記第二尺度の比を計算して、当該比が所定の数値より小さいか又は大きいかを決定することを含む、請求項１９に記載のＰＣＲ検出装置。