JP2018527674A - データ発見ノード - Google Patents
データ発見ノード Download PDFInfo
- Publication number
- JP2018527674A JP2018527674A JP2018510702A JP2018510702A JP2018527674A JP 2018527674 A JP2018527674 A JP 2018527674A JP 2018510702 A JP2018510702 A JP 2018510702A JP 2018510702 A JP2018510702 A JP 2018510702A JP 2018527674 A JP2018527674 A JP 2018527674A
- Authority
- JP
- Japan
- Prior art keywords
- data
- algorithm
- analysis
- program product
- processor
- 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
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 235
- 238000004458 analytical method Methods 0.000 claims abstract description 166
- 238000000034 method Methods 0.000 claims abstract description 88
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000002474 experimental method Methods 0.000 claims abstract description 20
- 238000012800 visualization Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 29
- 238000007405 data analysis Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000012805 post-processing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 10
- 239000013067 intermediate product Substances 0.000 claims description 4
- 230000006399 behavior Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 58
- 230000014759 maintenance of location Effects 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 238000000844 transformation Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 9
- 238000002405 diagnostic procedure Methods 0.000 abstract description 4
- 238000003745 diagnosis Methods 0.000 abstract 2
- 210000004027 cell Anatomy 0.000 description 55
- 230000009471 action Effects 0.000 description 15
- 230000008901 benefit Effects 0.000 description 11
- 238000012549 training Methods 0.000 description 11
- 210000001744 T-lymphocyte Anatomy 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 101000738771 Homo sapiens Receptor-type tyrosine-protein phosphatase C Proteins 0.000 description 8
- 102100037422 Receptor-type tyrosine-protein phosphatase C Human genes 0.000 description 8
- 238000003066 decision tree Methods 0.000 description 8
- 201000010099 disease Diseases 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 102100030312 Dendrin Human genes 0.000 description 6
- 238000000684 flow cytometry Methods 0.000 description 6
- 230000022131 cell cycle Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000003915 cell function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 102100024222 B-lymphocyte antigen CD19 Human genes 0.000 description 3
- 101000980825 Homo sapiens B-lymphocyte antigen CD19 Proteins 0.000 description 3
- 230000036755 cellular response Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000004698 lymphocyte Anatomy 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000007619 statistical method Methods 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000008614 cellular interaction Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012636 effector Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 210000000822 natural killer cell Anatomy 0.000 description 2
- 210000003819 peripheral blood mononuclear cell Anatomy 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 102100038080 B-cell receptor CD22 Human genes 0.000 description 1
- 230000008836 DNA modification Effects 0.000 description 1
- 101000884305 Homo sapiens B-cell receptor CD22 Proteins 0.000 description 1
- 101000917858 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-A Proteins 0.000 description 1
- 101000917839 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-B Proteins 0.000 description 1
- 101000946889 Homo sapiens Monocyte differentiation antigen CD14 Proteins 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 102100029185 Low affinity immunoglobulin gamma Fc region receptor III-B Human genes 0.000 description 1
- 102100035877 Monocyte differentiation antigen CD14 Human genes 0.000 description 1
- 102000003729 Neprilysin Human genes 0.000 description 1
- 108090000028 Neprilysin Proteins 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000012152 algorithmic method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 210000003719 b-lymphocyte Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 210000004970 cd4 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000005754 cellular signaling Effects 0.000 description 1
- -1 central memory Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 210000002865 immune cell Anatomy 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000011222 transcriptome analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/164—File meta data generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44521—Dynamic linking or loading; Link editing at or after load time, e.g. Java class loading
- G06F9/44526—Plug-ins; Add-ons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/30—Data warehousing; Computing architectures
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/102—Entity profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/141—Setup of application sessions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/143—Termination or inactivation of sessions, e.g. event-controlled end of session
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/53—Network services using third party service providers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioethics (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Stored Programmes (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本特許出願は、2015年5月8日に出願された「Data Discovery Nodes」と題する米国仮特許出願第62/158,903号の優先権を主張し、その開示全体が参照により本明細書に組み込まれる。
技術の進歩により、単一細胞実験機器は、以前の世代の機器よりもはるかに多くの情報を生成することが可能である。例えば、フローサイトメータは、各細胞毎に多数のパラメータ(例えば、10以上のパラメータ)を有する、何千もの個々の細胞を表すデータを生成し得る。その結果、同定され得る可能性のある表現型の数が、指数関数的に増加する。言い換えると、本出願の出願前には、単一細胞アッセイによってもたらされる情報コンテンツは、実質的に増加している。さらに、単一細胞の審査が、細胞及びDNA修飾毎に何千もの転写産物(RNA)分子の照会を含むように拡大されている。例えば、トランスクリプトーム解析全体は、1万個の遺伝子を一度に検査することになる。
上記問題を考慮して、本発明が開発された。発明者は、セッション内でリアルタイムに、任意の外部アルゴリズムを呼び出して取り入れ、上記アルゴリズムと対話するためのフレームワーク及びインタフェースを開示する。発明者は、また、再現可能で更新可能なノード及びデータ駆動型解析にこれらのノードを活用することを開示する。データ駆動型解析によって、データ自体が、解析ワークフローにおける反復及び最適化に至るアルゴリズムの選択、変数、及び提示を指示することができる。実施形態の例のこれらの2つの態様を通じて、発見または診断プロセス全体が、特定のデータセットに対して実行されてもよく、それによって、同一の発見または診断プロセス、表現型同定、及び視覚化が、将来の実験においても繰り返され、発行され、検証され、または別の研究者と共有され得るように、発見または診断プロセスを特定データセットから分離する。
単一細胞アッセイの研究の中で、科学者及びアルゴリズム研究者は、取得機器によって収集されるデータの解析を合理化する有用な解析アルゴリズムを生成し続けている。例えば、いくつかの外部解析アルゴリズムは、細胞集団を同定するように構成される。
解析ソフトウェア内で、「ノード」は、幾何学ベースのツールを用いて幾何学的クラスタを定義するステップ、または取得機器によって取得されるデータに統計解析を適用するステップなど、解析ステップ全体を表す。このような「ノード」は、処理ステップ、または入力、フルセットもしくはサブセットもしくはイベントレベルの生データ、及び、細胞サブセットの幾何学的定義、または数学的モデル(例えば、細胞周期における細胞のパーセンテージ)などの出力を用いた計算を表す。言い換えると、ノードは、解析ソフトウェアが、集団同定、統計計算、数学関数、幾何学的ゲーティング、結果提示、結果増強などの解析計算を実行するように解析ソフトウェアに命令することによって作成されるデータ構造である。さらに、ノードデータ構造は、解析機能に入力するデータの仕様、及びCSVファイル、ゲーティングMLファイルなど、結果を提示する方法を含む。データ構造は、さらに、データ入力のタイプ次第であってもよい。
a.ユーザは、ゲートノードとしてT細胞集団を同定するためにCD3+ゲートを作成する。
b.ノードは、2つの結論を有するユーザインタフェースにおいて、ユーザによりDDNとして割り当てられる(ローカルクライアントにおいて、即ち、「これをDDNにする」)。
i.以下の集団及びサンプル情報が、ナレッジベースの物理メモリに書き込まれる。
1.「サンプル情報」
a.FCS(生)ファイルに含まれるメタデータ、例えば、どの機器で、どの取得ソフトウェアによって
b.サンプルコンテキスト(細胞タイプ、種)が、DDNナレッジに送信する。
2.DDN実行パラメータ。以下にその概略を示す。
3.生物学的結果情報−解析の統計値及び数値結果
ii.DDNが、反復数n>1の場合、DDNは、「自分のデータに基づいて、このCD3+頻度は、前の観測より低い2つの標準偏差である」などの、任意のフラグをユーザに返す。
c.よって、ナレッジベースは、参照を提供し、DDNは、当面の解析者と、DDNパラメータの前述の例(図5Bを参照)によって確立された現在のパターンに合致する、全ての以前の解析者のデータとの間に双方向の対話を提供する。DDNは、この交換を「駆動する」コンポーネント、即ち、(「生」データファイルにアクセスするプロセッサとは別々の)ホストされたネットワークを有効にするユーザ対向ノードである。
a.細胞表現型が定義されたパラメータ。例としてフローサイトメトリを用いると、散乱パラメータは、サイズ及び粒度の相対的な測定値であり、例えば血液中の主要な細胞サブセットを同定するのに有用であり、一方、蛍光パラメータは、生体分子の測定値である。このように、パラメータは、本来、相互交換不可能であり、DDNについて選択されたレベルで使用されるパラメータ及びその階層は、解析の再現性を容易にする生物学的に関連のある情報である。
b.集団を同定するために使用される任意のアルゴリズムについての種類及び入力変数に関するパラメータ、例えば、ゲーティング及び解析情報(頂点、隣接集団の位置、ゲートタイプ、集団特性(凸状、希少など)、集団名、ゲートが描かれたパラメータ、親ゲート(オントロジー)、集団を同定するために使用されるアルゴリズム)。
c.一連のアルゴリズム及び計算についての階層型解析の種類の数(及び、したがって、動作の次数)
・Comp−APC−Ax700−A subset これは、通常手動で定義されるサブセットである。この例では、DDNは、上記で概説したそのパラメータによって、ナレッジベースからの情報をアルゴリズム的に使用してこの集団を同定し、ピーク検出(集団同定のための別のアルゴリズム的方法)を実行し、次いで、その順序で、子の亜集団に対して統計値の計算を呼び出す。
〇ピーク1
■幾何平均:CD3(Comp−APC−Ax700−A subset) ユーザは、解析アプリケーションツールを用いてComp−APC−Ax700−Aサブセット集団の幾何平均を計算している。図7の右下にある図は、この解析の階層及びユーザへの表示を示している。
■中央値CD3(Comp−APC−Ax700−A subset) 上記幾何平均についてと同様であるが、この場合は中央値についてである。
〇ピーク2
■幾何平均:CD3(Comp−APC−Ax700−A subset)
■中央値CD3(Comp−APC−Ax700−A subset)
a.図9における2つの分岐は、第1に解析が完了され得るかどうかを検査するために、DDNが実行する検証のプロセスを示す。(DDN実行パラメータとの比較、この場合、サンプルがSSC及びCD45パラメータを含むか?)
b.そうであれば、ナレッジベースからの専門家のゲートが、SSC及びCD45パラメータによって同定される集団に適用される。
c.ピーク検出(集団同定)アルゴリズムは、(既にゲーティングされたCD45+集団に対して)CD45の不鮮明なピークがあるかどうかを見るためだけに、CD45パラメータを検査して実行される。
i.ピークが存在する場合、この場合は急性単球白血病(AML)の芽細胞を同定するように、別の専門家の一連の階層型ゲートが適用される。
d.ともかく、CD19+細胞は、リンパ球上のCD19+頻度が異常に高い(DDN作成後に専門家によって定義されるような2つの標準偏差よりも大きい)かどうか検査するためにナレッジベースと比較されるDDN適用された集団定義によって同定される。CD19頻度が、リンパ球上で異常に高い場合、DDNは、Kappa/Lambda、CD10、CD22などのようなB細胞固有情報についての解析を適用することとなる。
Claims (79)
- 任意の特定データセットから独立したモデルに従って科学データを処理するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品は、
非一時的コンピュータ可読記憶媒体上に存在するデータ発見ノードデータ構造と、
非一時的コンピュータ可読記憶媒体上に存在する複数のプロセッサ実行可能命令と、
を備え、
前記データ発見ノードデータ構造は、(1)反復型科学データ解析を受けるべき科学データの仕様、(2)前記反復型科学データ解析のための出力フォーマットの仕様、及び(3)前記反復型科学データ解析を制御するための複数の動作変数の仕様を含み、指定された前記動作変数は、(i)前記反復型科学データ解析の一部として、指定された前記科学データに対して実行されるべきアルゴリズムの仕様、(ii)メタデータの仕様であって、指定された前記メタデータが、指定された前記アルゴリズムが指定された前記科学データに適用される条件を定義するように構成される、前記メタデータの仕様、及び(iii)充足変数の仕様であって、指定された前記充足変数が、前記反復型科学データ解析の一部として実行される反復の回数を制御するように構成される、前記充足変数の仕様を含み、
前記命令は、コンピュータのプロセッサによる実行時に、前記コンピュータに、前記データ発見ノードデータ構造を読み出し及び呼び出して、指定された前記動作変数に従って指定された前記科学データに対応する特定データセットに対し前記反復型科学データ解析を実行させ、指定された前記出力フォーマットで結果を生成させるように構成される、
コンピュータプログラム製品。 - 前記命令が、前記プロセッサによる実行時に、前記読み出し及び呼び出し動作の一部として前記コンピュータに、
指定された前記動作変数をメモリにロードさせ、
ロードされた前記メタデータを前記特定データセットに対してテストさせ、
前記メタデータテスト動作に基づいて、前記特定データセットに対して実行されるべき指定されたアルゴリズムを決定させ、
決定された前記アルゴリズムを指定された前記データセットに適用してデータ解析結果を生成させ、
前記結果及び前記反復型科学データ解析についての状態を記憶するメモリ内に一時データオブジェクトを作成させ、
ロードされた前記充足変数に基づいて前記反復型科学データ解析の別の反復が必要かどうかを判断させ、
前記反復型科学データ解析の別の反復が必要であるという判断に応答して、(1)ロードされた前記充足変数が充足したという判断が行われるまで、前記メタデータテスト動作、前記指定されたアルゴリズム決定、前記アルゴリズム適用動作、及び前記別の反復判断動作を繰り返させ、(2)繰り返される前記アルゴリズム適用動作に基づいて前記一時データオブジェクトを更新させ、
前記科学データ解析の別の反復が必要でないという判断に応答して、指定された前記出力フォーマットに従って前記反復型科学データ解析の結果をワークスペースに書き込ませる、
ようにさらに構成される、
請求項1に記載のコンピュータプログラム製品。 - 前記非一時的コンピュータ可読記憶媒体上に存在する複数の前記データ発見ノードデータ構造をさらに備え、複数の前記データ発見ノードデータ構造が、互いに対して異なる仕様を含み、前記命令が、前記プロセッサによる実行時に、前記コンピュータに、
ユーザ入力に応答して、前記複数のデータ発見ノードデータ構造の中からデータ発見ノードデータ構造を選択させ、
選択された前記データ発見ノードデータ構造に対して前記読み出し及び呼び出し動作を実行させるようにさらに構成される、
請求項1または2に記載のコンピュータプログラム製品。 - 前記命令が、前記プロセッサによる実行時に、前記コンピュータに、
ユーザ入力に応答して、選択された前記データ発見ノードデータ構造についての指定された前記動作変数のうちの少なくとも1つを定義させるようにさらに構成される、
請求項3に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、外部アルゴリズムを含み、前記命令が、前記プロセッサによる実行時に、前記コンピュータに、
外部アルゴリズムプラグインインタフェースフレームワークを介して前記外部アルゴリズムを呼び出させるようにさらに構成される、
請求項1〜4のいずれか1項に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、リモートコンピュータによって実行され、前記命令が、前記プロセッサによる実行時に、前記コンピュータに、
リモートコンピュータプラグインインタフェースフレームワークを介して指定された前記アルゴリズムを呼び出させるようにさらに構成される、
請求項1〜5のいずれか1項に記載のコンピュータプログラム製品。 - 前記科学データが、実験からの細胞データを含む、
請求項1〜6のいずれか1項に記載のコンピュータプログラム製品。 - 前記細胞データが、フローサイトメータによって取得される単一細胞データを含む、
請求項7に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、集団同定アルゴリズムを含む、
請求項7または8に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、幾何学的ゲーティングアルゴリズムを含む、
請求項7〜9のいずれか1項に記載のコンピュータプログラム製品。 - 科学データを解析するための方法であって、
データ発見ノードデータ構造をデータファイルに適用するステップであって、前記データファイルが、取得機器によって収集される科学データを含み、前記データファイルが、関連付けられるメタデータを有するステップを含み、
前記適用するステップが、
前記データ発見ノードに関連付けられる複数の動作変数及び前記データファイルに関連付けられる前記メタデータをメモリにロードするステップと、
前記メタデータが前記複数の動作変数のうちの1つによって指定されるメタデータルール基準を満たすかどうかを判断するステップと、
前記メタデータが前記メタデータルール基準を満たすという判断に応答して、
前記データファイルに関連付けられる前記科学データをメモリにロードするステップと、
前記データファイルに関連付けられる前記科学データに対して第1の解析アルゴリズムを実行するステップであって、前記複数の動作変数のうちの1つが前記第1の解析アルゴリズムを指定するステップと、
充足変数を定義する一時データオブジェクトを作成するステップと、
前記一時データオブジェクトの充足変数が、前記複数の動作変数のうちの1つによって指定される充足閾値を充足するかどうかを判断するステップと、
前記一時データオブジェクトの充足変数が前記充足閾値を充足しないという判断に応答して、(1)前記データファイルに関連付けられる前記科学データのフルセットまたはサブセットに対して前記第1の解析アルゴリズムまたは第2の解析アルゴリズムのいずれかを実行するステップであって、前記複数の動作変数のうちの1つが、前記第1の解析アルゴリズムまたは前記第2の解析アルゴリズムを生データの前記フルセットまたは前記サブセットに適用するかどうかを定義するステップと、(2)前記第1の解析アルゴリズムまたは前記第2の解析アルゴリズムの前記実行に基づいて前記一時データオブジェクトを更新するステップと、
(1)前記一時データオブジェクトの充足変数が前記充足閾値を充足するかどうかを判断するステップと、(2)前記第1の解析アルゴリズムまたは前記第2の解析アルゴリズムのいずれかを実行するステップと、(3)更新済みの前記一時データオブジェクトの充足変数が前記充足閾値を充足するまで、前記一時データオブジェクトを更新するステップと、を繰り返し実行するステップと、
を含み、
前記方法のステップが、プロセッサによって実行される、
方法。 - 前記データ発見ノードが、データベースに保存された予め定義されたデータ構造である、
請求項11に記載の方法。 - 前記データ発見ノードが、ユーザによって作成される、新たに定義されたデータ構造である、
請求項11に記載の方法。 - 新たに定義された前記データ発見ノードを将来の使用のためにデータベースに記憶するステップをさらに含む、
請求項13に記載の方法。 - 前記プロセッサが前記データベース内の類似のデータ発見ノードを探索するステップと、
前記類似のデータ発見ノードのパラメータを解析するステップと、
前記類似のデータ発見ノードの前記パラメータを前記データ発見ノードの前記パラメータと比較するステップと、
をさらに含む、
請求項14に記載の方法。 - 前記動作変数が、複数の取得機器のパラメータ、特徴変数、反復変数、及び範囲変数を含む、
請求項11〜15のいずれか1項に記載の方法。 - 前記メタデータがメタデータルール基準を満たすかどうかを判断する前記ステップが、緩やかなモード、中程度モード、及び厳密モードからなる群から選択されるモードに従って、前記プロセッサが前記メタデータルール基準に対して前記メタデータをテストするステップを含む、
請求項11〜16のいずれか1項に記載の方法。 - 非一時的コンピュータ可読記憶媒体上に存在する複数のプロセッサ実行可能命令であって、前記命令が、前記コンピュータにノードデータ構造をデータファイルに適用させることによって科学データを解析するように、前記プロセッサによる実行のために構成され、
前記データファイルが、取得機器によって収集される科学データを含み、前記データファイルが、関連付けられるメタデータを有し、前記適用動作が、
前記データ発見ノードに関連付けられる複数の動作変数及び前記データファイルに関連付けられる前記メタデータをメモリにロードし、
前記メタデータが前記複数の動作変数のうちの1つによって指定されるメタデータルール基準を満たすかどうかを判断し、
前記メタデータが前記メタデータルール基準を満たすという判断に応答して、
前記データファイルに関連付けられる前記科学データをメモリにロードし、
前記データファイルに関連付けられる前記科学データに対して第1の解析アルゴリズムを実行し、前記複数の動作変数のうちの1つが前記第1の解析アルゴリズムを指定し、
充足変数を定義する一時データオブジェクトを作成し、
前記一時データオブジェクトの充足変数が、前記複数の動作変数のうちの1つによって指定される充足閾値を充足するかどうかを判断し、
前記一時データオブジェクトの充足変数が前記充足閾値を充足しないという判断に応答して、(1)前記データファイルに関連付けられる前記科学データのフルセットまたはサブセットに対して前記第1の解析アルゴリズムまたは第2の解析アルゴリズムのいずれかを実行し、前記複数の動作変数のうちの1つが、前記第1の解析アルゴリズムまたは前記第2の解析アルゴリズムを生データの前記フルセットまたは前記サブセットに適用するかどうかを定義し、(2)前記第1の解析アルゴリズムまたは前記第2の解析アルゴリズムの前記実行に基づいて前記一時データオブジェクトを更新し、
(1)前記一時データオブジェクトの充足変数が前記充足閾値を充足するかどうかとの判断動作と、(2)前記第1の解析アルゴリズムまたは前記第2の解析アルゴリズム実行動作と、(3)更新済みの前記一時データオブジェクトの充足変数が前記充足閾値を充足するまで、前記更新動作を繰り返し実行する、
ように構成される、
コンピュータプログラム製品。 - 科学データを解析するための方法であって、
複数の動作変数の仕様を受信するステップであって、前記仕様が、(1)充足基準の仕様、(2)第1の解析アルゴリズムの仕様、(3)第2の解析アルゴリズムの仕様、ならびに(4)前記第1の及び第2の解析アルゴリズムが前記科学データに適用されるべき条件の仕様を含むステップと、
前記第1の解析アルゴリズムを指定する前記動作変数、及び前記第1の解析アルゴリズムが前記科学データに適用されるべき条件を指定する前記動作変数に基づいて、前記科学データの少なくとも一部に対して前記第1の解析アルゴリズムを実行するステップと、
前記充足基準が満たされるまで、前記実行ステップの前記結果及び前記動作変数に基づいて前記科学データの少なくとも一部に対し前記第1の解析アルゴリズムまたは第2の解析アルゴリズムを繰り返し実行するステップと、
を含み、
前記方法のステップが、プロセッサによって実行される、
方法。 - 前記複数の動作変数のうちの1つが、前記科学データまたは前記科学データのサブセットを解析するかどうかを指定する、
請求項19に記載の方法。 - 充足値を含む一時オブジェクトを前記プロセッサが作成するステップであって、前記プロセッサがデータに対して解析アルゴリズムを実行した後、前記プロセッサが前記充足値を更新するステップと、
前記プロセッサが、前記充足値の値を前記充足基準と比較して前記充足基準が満たされるかどうかを判断するステップと、
をさらに含む、
請求項19または20に記載の方法。 - 前記プロセッサが前記科学データに対して前記第1の解析アルゴリズムを実行することによって生成される結果に基づいて、前記プロセッサが、前記第1の、または前記第2の解析アルゴリズムを実行するかどうかを判断する、
請求項19〜21のいずれか1項に記載の方法。 - 前記プロセッサが前記科学データに対して前記第1の解析アルゴリズムを実行することによって生成される結果に基づいて、前記プロセッサが、前記科学データまたは前記科学データのサブセットを解析するかどうかを判断する、
請求項19〜22のいずれか1項に記載の方法。 - 指定された前記解析アルゴリズムのうちの少なくとも1つが、外部解析アルゴリズムを含む、
請求項19〜23のいずれか1項に記載の方法。 - メモリ内のデータ発見ノードデータ構造にアクセスするステップであって、前記データ発見ノードデータ構造が、複数のデータセットのうちのいずれかに対して実行されるべき複数の処理動作を定義するように構成され、前記データ発見ノードデータ構造が、任意の特定データセットから独立した処理のためのモデルとして構成されるステップと、
データセットを選択するステップと、
プロセッサによって、選択された前記データセットについての処理結果を生成するために、アクセスされた前記データ発見ノードデータ構造を選択された前記データセット内のデータに適用するステップと、
を含む方法。 - 前記データ発見ノードデータ構造が、(1)充足基準の仕様、(2)第1の解析アルゴリズムの仕様、(3)第2の解析アルゴリズムの仕様、ならびに(4)前記第1の及び第2の解析アルゴリズムがデータセットに適用されるべき条件の仕様を含み、
前記適用するステップは、前記プロセッサが、(1)指定された前記条件に基づいて、指定された前記解析アルゴリズムのうちのどれを実行するかを決定するステップと、(2)選択された前記データセット内のデータに関して、決定された前記解析アルゴリズムを実行するステップと、(3)決定された前記解析アルゴリズムの前記実行が、指定された前記充足基準の充足をもたらしたかどうかを判断するステップと、(4)指定された前記充足基準が充足したという判断が行われるまで、(i)指定された前記条件に基づいて、指定された前記解析アルゴリズムのうちのどれを実行するかを決定するステップと、(ii)選択された前記データセット内のデータに関して、決定された前記解析アルゴリズムを実行するステップと、(iii)決定された前記解析アルゴリズムの前記実行が、指定された前記充足基準の充足をもたらしたかどうかを判断するステップと、を繰り返すステップと、
を含む、
請求項25に記載の方法。 - 非一時的コンピュータ可読記憶媒体上に存在する複数のプロセッサ実行可能な命令を含み、前記命令が、前記コンピュータに、
複数の動作変数の仕様を受信させ、前記仕様が、(1)充足基準の仕様、(2)第1の解析アルゴリズムの仕様、(3)第2の解析アルゴリズムの仕様、ならびに(4)前記第1の及び第2の解析アルゴリズムが科学データに適用されるべき条件の仕様を含み、
前記第1の解析アルゴリズムを指定する前記動作変数、及び前記第1の解析アルゴリズムが前記科学データに適用されるべき条件を指定する前記動作変数に基づいて、前記科学データの少なくとも一部に対して前記第1の解析アルゴリズムを実行させ、
前記充足基準が満たされるまで、前記実行ステップの前記結果及び前記動作変数に基づいて前記科学データの少なくとも一部に対し前記第1の解析アルゴリズムまたは第2の解析アルゴリズムを繰り返し実行させることによって前記科学データを解析するように、前記プロセッサによる実行のために構成される、
コンピュータプログラム製品。 - 非一時的コンピュータ可読記憶媒体上に存在する複数のプロセッサ実行可能な命令を含み、前記命令が、前記コンピュータに、
メモリ内のデータ発見ノードデータ構造にアクセスさせ、前記データ発見ノードデータ構造が、複数のデータセットのうちのいずれかに対して実行されるべき複数の処理動作を定義するように構成され、前記データ発見ノードデータ構造が、任意の特定データセットから独立した処理のためのモデルとして構成され、
データセットを選択させ、
プロセッサによって、選択された前記データセットについての処理結果を生成するために、アクセスされた前記データ発見ノードデータ構造を選択された前記データセット内のデータに適用させることによって科学データを解析するように、前記プロセッサによる実行のために構成される、
コンピュータプログラム製品。 - 前記データ発見ノードオブジェクトが、ライブラリとして記憶されたデータ発見オブジェクトのデータベース内の複数のデータ発見ノードオブジェクトのうちの1つを含み、各データ発見オブジェクトが、選択された前記データに基づいて解析アルゴリズムを指定するように構成されるメタデータに関連付けられる、
請求項28に記載のコンピュータプログラム製品。 - 前記データセットが、フローサイトメータによって取得される単一細胞データを含む、
請求項28または29に記載のコンピュータプログラム製品。 - コンピュータによって実行されるデータ解析ソフトウェアと前記データ解析ソフトウェアの外部アルゴリズムとの間で、プラグインインタフェースフレームワークを提供するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、
非一時的コンピュータ可読記憶媒体上に存在し、前記プラグインインタフェースフレームワークを定義する複数のプロセッサ実行可能な命令を含み、前記命令が、前記コンピュータのプロセッサによる実行時に、前記コンピュータに、
前記データ解析ソフトウェアの実行セッション中にサンプルデータの解析に関するワークスペースを開かせ、
前記外部アルゴリズムへの前記インタフェースのためのラッパーを作成させ、
前記外部アルゴリズムの呼び出しのための要求を構成させ、前記要求が、前記外部アルゴリズムの識別及び前記外部アルゴリズムのためのデータ入力の仕様を含み、
サンプルデータ、前記サンプルデータについてのメタデータ、及び前記外部アルゴリズムが、前記要求に従って前記外部アルゴリズムを呼び出すために結果を前記外部アルゴリズムに保存すべき出力先を提供させ、
前記出力先において、前記外部アルゴリズムから結果を受信させ、
受信された前記結果を前記ワークスペース内に保存させ、
前記外部アルゴリズムからの前記結果を前記データ解析ソフトウェアワークスペースに統合するために、前記ワークスペースを前記データ解析ソフトウェアに復元させるように構成される、
前記コンピュータプログラム製品。 - 前記サンプルデータが、実験からの細胞データを含む、
請求項31に記載のコンピュータプログラム製品。 - 前記細胞データが、フローサイトメータによって取得される単一細胞データを含む、
請求項32に記載のコンピュータプログラム製品。 - 前記プラグインインタフェースフレームワークが、(1)前記サンプルデータの入力ファイル、(2)前記出力先、及び(3)前記サンプルデータのデータ記述を含む、
請求項32または33に記載のコンピュータプログラム製品。 - 前記データ記述が、(1)前記サンプルデータについてのメタデータ、(2)前記サンプルデータに到達するために使用される1つまたは複数の以前の計算の識別、及び(3)前記サンプルデータを処理及び視覚化するために使用される1つまたは複数の変換の識別を含む、
請求項34に記載のコンピュータプログラム製品。 - 前記命令が、前記プロセッサによる実行時に、前記コンピュータに、
前記外部アルゴリズムによって生成される中間生成物を管理させるようにさらに構成される、
請求項32〜35のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、第1の言語で書かれており、前記第1の言語が、第2の言語でのプログラムへの呼び出しをサポートするように構成され、前記外部アルゴリズムが、前記第2の言語で書かれている、
請求項32〜36のいずれか1項に記載のコンピュータプログラム製品。 - 前記第1の言語が、Javaである、
請求項36に記載のコンピュータプログラム製品。 - 前記第2の言語が、Cである、
請求項38に記載のコンピュータプログラム製品。 - 前記第2の言語が、Rである、
請求項38に記載のコンピュータプログラム製品。 - 前記第2の言語が、ウェブベース計算エンジン言語である、
請求項38に記載のコンピュータプログラム製品。 - 前記ラッパーが、外部集団ノードを含む、
請求項32〜41のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記プロセッサによる実行時に、前記コンピュータに、
前記サンプルデータについての導出パラメータを作成させるようにさらに構成され、前記導出パラメータが、前記サンプルデータ内の亜集団を作成するために前記データ解析ソフトウェアにより使用するためである、
請求項42に記載のコンピュータプログラム製品。 - 前記データ入力の仕様が、(1)前記サンプルデータのためのファイルパス、(2)前記サンプルデータのためのパラメータの数、(3)前記サンプルデータのためのクラスタの数、(4)前記サンプルデータに関する次元削減のための変数、(5)色選択、(6)視覚化タイプ、及び(7)画像タイプからなる群の少なくとも1つの要素を含む、
請求項32〜43のいずれか1項に記載のコンピュータプログラム製品。 - 前記外部アルゴリズムが、集団同定アルゴリズムを含む、
請求項32〜44のいずれか1項に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、幾何学的ゲーティングアルゴリズムを含む、
請求項32〜45のいずれか1項に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、レポート生成アルゴリズムを含む、
請求項32〜46のいずれか1項に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、解析視覚化アルゴリズムを含む、
請求項32〜47のいずれか1項に記載のコンピュータプログラム製品。 - 指定された前記アルゴリズムが、高スループットゲノミクス解析アルゴリズム及び高スループットフェノミクスデータ解析アルゴリズムからなる群の要素を含む、
請求項32〜48のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記データ解析ソフトウェアの一部である、
請求項32〜49のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記データ解析ソフトウェアのユーザによる介入なしに前記コンピュータの前記プロセッサによる実行のために構成される、
請求項32〜50のいずれか1項に記載のコンピュータプログラム製品。 - 科学データを解析するための方法であって、
外部集団ノードを作成するステップであって、前記外部集団ノードが、(1)取得機器により収集されるデータを表すデータセット、(2)出力フォルダ先、及び(3)前記データセットのマークアップ言語記述を含み、前記マークアップ言語記述が、(i)前記データセットについてのメタ情報、及び(ii)前記データセットに到達するために使用される以前の計算の仕様を含むステップと、
前記外部集団ノードに基づいて外部アルゴリズムを呼び出すステップであって、前記外部アルゴリズムが、前記データセットに対する処理を実行するように構成され、前記出力フォルダ先が、前記外部アルゴリズムがその処理からの結果を保存するべき場所を定義するステップと、
前記データセットに対して前記外部アルゴリズムにより実行される前記処理の結果として、前記外部アルゴリズムから結果を受信するステップと、
前記外部アルゴリズムからの前記結果を解析ワークスペースファイルに統合するステップと、
を含み、
前記方法のステップが、プロセッサによって実行される、
方法。 - 前記外部アルゴリズムが、細胞集団同定アルゴリズムを含む、
請求項52に記載の方法。 - 前記外部アルゴリズムが、高スループットゲノミクスデータ解析アルゴリズムを含む、
請求項52または53に記載の方法。 - 前記外部アルゴリズムが、解析結果のレポート及び視覚化を生成する、
請求項52〜54のいずれか1項に記載の方法。 - 前記作成するステップが、前記外部アルゴリズムにより使用されるべき動作変数を設定するように前記プロセッサが前記ユーザに促すステップを含む、
請求項52〜55のいずれか1項に記載の方法。 - 前記外部アルゴリズムの結果が、(1)CSVファイル、(2)CLRファイル、(3)ゲーティングMLファイル、及び(4)FCSファイルからなる群の要素を含む、
請求項52〜56のいずれか1項に記載の方法。 - 前記データセットが変化したときに、前記プロセッサが前記外部アルゴリズムを再呼び出しするステップをさらに含む、
請求項52〜57のいずれか1項に記載の方法。 - 科学データを解析するための方法であって、
(1)取得機器によって収集される科学データに関連付けられるメタデータ、及び(2)リモートコンピュータシステムに接続するためのインタフェースに関連付けられるメタデータを読み出すステップと、
前記科学データに関連付けられる前記メタデータ、及び前記インタフェースに関連付けられる前記メタデータに基づいて、生データ解析の方法を指示するステップと、
前記ワークスペース及び前記インタフェースの状態を保存するステップと、
前記リモートコンピュータシステムについてのネットワークアドレスを参照すること及び前記リモートコンピュータシステムとの接続を生成することによって、前記インタフェースを通して前記リモートコンピュータシステムと通信するステップと、
前記ワークスペースに関連付けられるワークスペースデータを前記リモートコンピュータシステムに送信するステップと、
前記リモートコンピュータシステムからデータを受信するステップと、
前記リモートコンピュータシステムとの前記接続を終了するステップと、
を含み、
前記方法のステップが、プロセッサによって実行される、
方法。 - 前記リモートコンピュータシステムから受信される前記データが、(1)オープンソースデータベースからの実験データ、(2)外部データベースからの注釈付き実験データ、及び(3)臨床試験のための追跡識別番号からなる群の要素を含む、
請求項59に記載の方法。 - 前記終了するステップが、データベース接続または他のコンピュータリソースを前記プロセッサが解放するステップを含む、
請求項59または60に記載の方法。 - 前記リモートコンピュータシステムから承認を受けるために、前記リモートコンピュータシステムと資格証明書を交換するステップをさらに含む、
請求項59〜61のいずれか1項に記載の方法。 - 前記リモートコンピュータシステムによって実行されるプレ処理ステップ及びポスト処理ステップからなる群の要素を反映するために、前記ワークスペースに関連付けられる前記メタデータを前記プロセッサが増強するステップをさらに含む、
請求項59〜62のいずれか1項に記載の方法。 - 第1のコンピュータによって実行されるデータ解析ソフトウェアが第2のコンピュータによって実行される動作関数を呼び出すことを可能にするために、前記第1のコンピュータと前記第2のコンピュータとの間でプラグインインタフェースフレームワークを提供するためのコンピュータプログラム製品であって、前記コンピュータプログラム製品が、
非一時的コンピュータ可読記憶媒体上に存在し、前記プラグインインタフェースフレームワークを定義する複数のプロセッサ実行可能命令を含み、前記命令が、前記第1のコンピュータのプロセッサによる実行時に、前記第1のコンピュータに、
前記データ解析ソフトウェアの実行セッション中にサンプルデータの解析に関するワークスペースを開かせ、
前記ワークスペースのデータ記述を読み出させ、前記ワークスペースデータ記述が、前記サンプルデータについてのメタデータを含み、
前記プラグインインタフェースフレームワークのデータ記述を読み出させ、前記インタフェースデータ記述が、前記第2のコンピュータについてのアドレスを識別するメタデータを含み、
前記アドレスに基づいて前記第2のコンピュータへの接続を確立させ、
前記サンプルデータに関して前記第2のコンピュータの動作関数を呼び出すために、前記接続を通して前記第2のコンピュータと通信させ、
前記呼び出しに応答して前記接続を通して前記第2のコンピュータからデータを受信させ、
受信された前記データに基づいて前記ワークスペースを修正させ、
修正された前記ワークスペースに基づいて前記ワークスペースメタデータを修正させ、
前記データ解析ソフトウェアセッション内で、修正された前記ワークスペースをメモリに保存させ、
修正された前記ワークスペースメタデータをメモリに保存させ、
前記セッションを終了させるように構成される、
コンピュータプログラム製品。 - 前記サンプルデータが、実験からの細胞データを含む、
請求項64に記載のコンピュータプログラム製品。 - 前記細胞データが、フローサイトメータによって取得される単一細胞データを含む、
請求項65に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
前記細胞データに関するゲートの追加によって、受信された前記データに基づいて前記ワークスペースを修正させるようにさらに構成される、
請求項65または66に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
前記細胞データについての統計値の追加によって、受信された前記データに基づいて前記ワークスペースを修正させるようにさらに構成される、
請求項65〜67のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
前記細胞データについてのサンプル名の追加によって、受信された前記データに基づいて前記ワークスペースを修正させるようにさらに構成される、
請求項65〜68のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
修正された前記ワークスペースが定義されたスキーマを遵守するように、受信された前記データに基づいて前記ワークスペースを修正させるようにさらに構成される、
請求項65〜69のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
修正された前記ワークスペースに基づいて、前記データ解析ソフトウェアによって計算を呼び出しさせるようにさらに構成される、
請求項65〜70のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
修正された前記ワークスペースメタデータが、前記セッションに関する前記プラグインインタフェースフレームワークについての保持状態を表すデータを含むように、修正された前記ワークスペースに基づいて前記ワークスペースメタデータを修正させるようにさらに構成される、
請求項65〜71のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記第1のコンピュータの前記プロセッサによる実行時に、前記第1のコンピュータに、
コンピュータリソースを解放するように前記接続の終了を通して前記セッションを終了させるようにさらに構成される、
請求項65〜72のいずれか1項に記載のコンピュータプログラム製品。 - 前記サンプルデータが、複数のパラメータについてのデータ値を含み、前記サンプルデータメタデータが、前記サンプルデータについてのパラメータ名を含む、
請求項65〜73のいずれか1項に記載のコンピュータプログラム製品。 - 前記第2のコンピュータのアドレスが、データベースまたはサーバについてのURIを含む、
請求項65〜74のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記データ解析ソフトウェアの一部である、
請求項65〜75のいずれか1項に記載のコンピュータプログラム製品。 - 前記命令が、前記データ解析ソフトウェアのユーザによる介入なしに前記第1のコンピュータの前記プロセッサによる実行のために構成される、
請求項65〜76のいずれか1項に記載のコンピュータプログラム製品。 - 前記ワークスペースが、XMLデータを含む、
請求項65〜77のいずれか1項に記載のコンピュータプログラム製品。 - 前記ワークスペースデータ記述が、XMLデータを含む、
請求項65〜78のいずれか1項に記載のコンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562158903P | 2015-05-08 | 2015-05-08 | |
US62/158,903 | 2015-05-08 | ||
PCT/US2016/031518 WO2016183026A2 (en) | 2015-05-08 | 2016-05-09 | Data discovery nodes |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018527674A true JP2018527674A (ja) | 2018-09-20 |
JP2018527674A5 JP2018527674A5 (ja) | 2019-05-16 |
JP6758368B2 JP6758368B2 (ja) | 2020-09-23 |
Family
ID=57221869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018510702A Active JP6758368B2 (ja) | 2015-05-08 | 2016-05-09 | データ発見ノード |
Country Status (7)
Country | Link |
---|---|
US (3) | US10783439B2 (ja) |
EP (1) | EP3295336A4 (ja) |
JP (1) | JP6758368B2 (ja) |
KR (1) | KR20180016391A (ja) |
CN (1) | CN107851031B (ja) |
CA (1) | CA2985345A1 (ja) |
WO (1) | WO2016183026A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021501410A (ja) * | 2017-10-26 | 2021-01-14 | ザイマージェン インコーポレイテッド | ハイスループットゲノム製造動作を計画および実行するためのデバイス非依存のシステム |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10616219B2 (en) | 2014-12-11 | 2020-04-07 | FlowJo, LLC | Single cell data management and analysis systems and methods |
US10783439B2 (en) | 2015-05-08 | 2020-09-22 | FlowJo, LLC | Plugin interface and framework for integrating a remote server with sample data analysis software |
US9973503B2 (en) * | 2015-12-15 | 2018-05-15 | Foundation of the Idiap Research Institute (IDIAP) | Method and internet-connected server for reviewing a computer-executable experiment |
US20180165414A1 (en) | 2016-12-14 | 2018-06-14 | FlowJo, LLC | Applied Computer Technology for Management, Synthesis, Visualization, and Exploration of Parameters in Large Multi-Parameter Data Sets |
EP3631417B1 (en) | 2017-05-25 | 2024-02-14 | Flowjo, LLC | Visualization, comparative analysis, and automated difference detection for large multi-parameter data sets |
USD833479S1 (en) | 2017-08-29 | 2018-11-13 | FlowJo, LLC | Display screen or portion thereof with graphical user interface |
USD832296S1 (en) | 2017-08-29 | 2018-10-30 | FlowJo, LLC | Display screen or portion thereof with graphical user interface |
USD907062S1 (en) | 2017-08-29 | 2021-01-05 | FlowJo, LLC | Display screen or portion thereof with graphical user interface |
US10761825B2 (en) * | 2018-03-30 | 2020-09-01 | Barracuda Networks, Inc. | System and method for application plug-in distribution |
WO2020047468A1 (en) * | 2018-08-30 | 2020-03-05 | Becton, Dickinson And Company | Characterization and sorting for particle analyzers |
WO2020068141A1 (en) * | 2018-09-26 | 2020-04-02 | Google Llc | Predicted variables in programming |
CN109582795B (zh) * | 2018-11-30 | 2021-01-05 | 奇安信科技集团股份有限公司 | 基于全生命周期的数据处理方法、设备、系统和介质 |
CA3062337C (en) * | 2019-02-05 | 2022-11-22 | Azure Vault Ltd. | Laboratory device monitoring |
WO2021137601A1 (ko) | 2019-12-30 | 2021-07-08 | 매니코어소프트주식회사 | 강화 학습 기반의 프로그램 최적화 방법 |
CN111767028B (zh) * | 2020-06-10 | 2023-09-19 | 中国人民解放军军事科学院国防科技创新研究院 | 一种认知资源管理架构及认知资源调用方法 |
CN112269879B (zh) * | 2020-11-02 | 2023-03-31 | 武汉烽火众智数字技术有限责任公司 | 基于k-means算法的中台日志分析方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006277424A (ja) * | 2005-03-30 | 2006-10-12 | Sysmex Corp | 分析システム、データ処理装置、測定装置、及びアプリケーションプログラム |
JP2011513841A (ja) * | 2008-02-28 | 2011-04-28 | マイクロソフト コーポレーション | リモートリソースのウェブアクセスのためのxmlベースのウェブフィード |
JP2012141847A (ja) * | 2011-01-04 | 2012-07-26 | Hitachi Solutions Ltd | データ移行システム、データ移行装置、及びデータ移行方法 |
US20120215481A1 (en) * | 2008-07-10 | 2012-08-23 | Nodality, Inc. | Methods and apparatus related to management of experiments |
JP2016531367A (ja) * | 2013-08-21 | 2016-10-06 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | キャッシュクエリ要求の生成 |
Family Cites Families (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108670A (en) | 1997-11-24 | 2000-08-22 | International Business Machines Corporation | Checking and enabling database updates with a dynamic, multi-modal, rule based system |
US6233618B1 (en) * | 1998-03-31 | 2001-05-15 | Content Advisor, Inc. | Access control of networked data |
US6947953B2 (en) | 1999-11-05 | 2005-09-20 | The Board Of Trustees Of The Leland Stanford Junior University | Internet-linked system for directory protocol based data storage, retrieval and analysis |
US20020150966A1 (en) * | 2001-02-09 | 2002-10-17 | Muraca Patrick J. | Specimen-linked database |
US7689272B2 (en) | 2001-06-07 | 2010-03-30 | Lawrence Farwell | Method for brain fingerprinting, measurement, assessment and analysis of brain function |
US20030107572A1 (en) * | 2001-07-02 | 2003-06-12 | Smith Joshua Edward | Method and apparatus for reducing the polygon count of a textured, three dimensional model of an object |
US20030078703A1 (en) * | 2001-10-19 | 2003-04-24 | Surromed, Inc. | Cytometry analysis system and method using database-driven network of cytometers |
EP1488229B1 (en) * | 2002-03-13 | 2012-10-24 | Q3Dm, Llc | System and method for automatic color segmentation and minimum significant response for measurement of fractional localized intensity of cellular compartments |
US7424717B2 (en) * | 2002-05-01 | 2008-09-09 | Bea Systems, Inc. | Systems and methods for business process plug-in development |
US20040073463A1 (en) * | 2002-08-13 | 2004-04-15 | Helms Russell W. | Apparatus, methods and computer software products for clinical study analysis and presentation |
US7865534B2 (en) | 2002-09-30 | 2011-01-04 | Genstruct, Inc. | System, method and apparatus for assembling and mining life science data |
US7951580B2 (en) | 2004-04-21 | 2011-05-31 | The Regents Of The University Of California | Automated, programmable, high throughput, multiplexed assay system for cellular and biological assays |
US8881094B2 (en) | 2004-05-27 | 2014-11-04 | Zedasoft, Inc. | Container-based architecture for simulation of entities in a time domain |
KR20060091486A (ko) | 2005-02-15 | 2006-08-21 | 삼성에스디아이 주식회사 | 양극 활물질, 그 제조 방법 및 이를 채용한 양극과 리튬 전지 |
WO2006108061A2 (en) * | 2005-04-05 | 2006-10-12 | The Board Of Trustees Of Leland Stanford Junior University | Methods, software, and systems for knowledge base coordination |
US20070112652A1 (en) * | 2005-11-01 | 2007-05-17 | Ricketts John A | Throughput accounting for professional, scientific and technical services |
US7593927B2 (en) * | 2006-03-10 | 2009-09-22 | Microsoft Corporation | Unstructured data in a mining model language |
US7979245B1 (en) | 2006-05-17 | 2011-07-12 | Quest Software, Inc. | Model-based systems and methods for monitoring computing resource performance |
EP2620341B1 (en) * | 2006-06-26 | 2017-11-29 | GE Hybrid Technologies, LLC | Method, apparatus, signals, and media, for selecting operating conditions of a genset |
US7664622B2 (en) * | 2006-07-05 | 2010-02-16 | Sun Microsystems, Inc. | Using interval techniques to solve a parametric multi-objective optimization problem |
US20100138774A1 (en) * | 2006-10-31 | 2010-06-03 | Nicholas Daryl Crosbie | system and method for processing flow cytometry data |
US8244021B2 (en) | 2006-12-20 | 2012-08-14 | Ventana Medical Systems, Inc. | Quantitative, multispectral image analysis of tissue specimens stained with quantum dots |
US8304245B2 (en) * | 2007-11-02 | 2012-11-06 | Children's Hospital And Research Center At Oakland | Microfluidic flow lysometer device, system and method |
US8078749B2 (en) * | 2008-01-30 | 2011-12-13 | Microsoft Corporation | Synchronization of multidimensional data in a multimaster synchronization environment with prediction |
EP2252889B1 (en) | 2008-02-08 | 2020-10-07 | Health Discovery Corporation | Method and system for analysis of flow cytometry data using support vector machines |
WO2009146036A2 (en) | 2008-04-01 | 2009-12-03 | Purdue Research Foundation | Quantification of differences between measured values and statistical validation based on the differences |
US8548950B2 (en) * | 2008-05-22 | 2013-10-01 | The Board Of Trustees Of The Leland Stanford Junior University | Method and system for data archiving |
US20100053211A1 (en) | 2008-06-27 | 2010-03-04 | Vala Sciences, Inc. | User interface method and system with image viewer for management and control of automated image processing in high content screening or high throughput screening |
US8861810B2 (en) * | 2009-01-06 | 2014-10-14 | Vala Sciences, Inc. | Automated image analysis with GUI management and control of a pipeline workflow |
US20100203058A1 (en) * | 2009-02-11 | 2010-08-12 | Indiana University Research And Technology Corporation | Diagnostics and therapeutics based on circulating progenitor cells |
US8392896B2 (en) * | 2009-03-06 | 2013-03-05 | Microsoft Corporation | Software test bed generation |
US8612380B2 (en) | 2009-05-26 | 2013-12-17 | Adobe Systems Incorporated | Web-based collaboration for editing electronic documents |
US9400314B2 (en) * | 2010-04-15 | 2016-07-26 | Atc Logistics & Electronics, Inc. | Extended systems and methods for testing power supplies |
JP2012048026A (ja) | 2010-08-27 | 2012-03-08 | Sony Corp | 顕微鏡及びフィルタ挿入方法 |
EP2446895A1 (en) | 2010-10-01 | 2012-05-02 | Stemgen S.P.A. | EPH receptor expression in tumor stem cells |
US8407461B2 (en) | 2010-12-17 | 2013-03-26 | Oracle International Corporation | Plug-in system for software applications |
US20120166209A1 (en) * | 2010-12-28 | 2012-06-28 | Datastream Content Solutions, Llc | Determining clinical trial candidates from automatically collected non-personally identifiable demographics |
US20140206559A1 (en) | 2011-05-23 | 2014-07-24 | President And Fellows Of Harvard College | Assay for metastatic potential of tumor cells |
US8560531B2 (en) * | 2011-07-01 | 2013-10-15 | International Business Machines Corporation | Search tool that utilizes scientific metadata matched against user-entered parameters |
US8571764B2 (en) * | 2011-10-25 | 2013-10-29 | Agco Corporation | Dynamic spray buffer calculation |
US20140095504A1 (en) | 2012-09-28 | 2014-04-03 | United Video Properties, Inc. | Systems and methods for cataloging user-generated content |
CN103812882B (zh) * | 2012-11-06 | 2018-01-30 | 腾讯科技(深圳)有限公司 | 一种文件传输的方法及系统 |
WO2014141034A2 (en) * | 2013-03-15 | 2014-09-18 | Richard Harry Turner | A system and methods for the in vitro detection of particles and soluble chemical entities in body fluids |
US11055450B2 (en) * | 2013-06-10 | 2021-07-06 | Abb Power Grids Switzerland Ag | Industrial asset health model update |
US9467853B2 (en) * | 2013-10-17 | 2016-10-11 | Lg Electronics Inc. | Server for managing home appliance and system including the same |
US9697491B2 (en) * | 2013-12-19 | 2017-07-04 | Trapeze Software Ulc | System and method for analyzing performance data in a transit organization |
US10616219B2 (en) | 2014-12-11 | 2020-04-07 | FlowJo, LLC | Single cell data management and analysis systems and methods |
US10783439B2 (en) | 2015-05-08 | 2020-09-22 | FlowJo, LLC | Plugin interface and framework for integrating a remote server with sample data analysis software |
-
2016
- 2016-05-09 US US15/150,125 patent/US10783439B2/en active Active
- 2016-05-09 CN CN201680039876.4A patent/CN107851031B/zh active Active
- 2016-05-09 US US15/150,095 patent/US10713572B2/en active Active
- 2016-05-09 KR KR1020177035302A patent/KR20180016391A/ko not_active Application Discontinuation
- 2016-05-09 US US15/150,106 patent/US10438120B2/en active Active
- 2016-05-09 EP EP16793334.0A patent/EP3295336A4/en not_active Ceased
- 2016-05-09 JP JP2018510702A patent/JP6758368B2/ja active Active
- 2016-05-09 CA CA2985345A patent/CA2985345A1/en active Pending
- 2016-05-09 WO PCT/US2016/031518 patent/WO2016183026A2/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006277424A (ja) * | 2005-03-30 | 2006-10-12 | Sysmex Corp | 分析システム、データ処理装置、測定装置、及びアプリケーションプログラム |
JP2011513841A (ja) * | 2008-02-28 | 2011-04-28 | マイクロソフト コーポレーション | リモートリソースのウェブアクセスのためのxmlベースのウェブフィード |
US20120215481A1 (en) * | 2008-07-10 | 2012-08-23 | Nodality, Inc. | Methods and apparatus related to management of experiments |
JP2012141847A (ja) * | 2011-01-04 | 2012-07-26 | Hitachi Solutions Ltd | データ移行システム、データ移行装置、及びデータ移行方法 |
JP2016531367A (ja) * | 2013-08-21 | 2016-10-06 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | キャッシュクエリ要求の生成 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021501410A (ja) * | 2017-10-26 | 2021-01-14 | ザイマージェン インコーポレイテッド | ハイスループットゲノム製造動作を計画および実行するためのデバイス非依存のシステム |
US11581064B2 (en) | 2017-10-26 | 2023-02-14 | Zymergen Inc. | Device-agnostic system for planning and executing high-throughput genomic manufacturing operations |
Also Published As
Publication number | Publication date |
---|---|
EP3295336A4 (en) | 2018-12-26 |
WO2016183026A3 (en) | 2017-01-19 |
CN107851031A (zh) | 2018-03-27 |
JP6758368B2 (ja) | 2020-09-23 |
US20160328249A1 (en) | 2016-11-10 |
US10438120B2 (en) | 2019-10-08 |
EP3295336A2 (en) | 2018-03-21 |
US20160328516A1 (en) | 2016-11-10 |
WO2016183026A2 (en) | 2016-11-17 |
CN107851031B (zh) | 2021-05-28 |
CA2985345A1 (en) | 2016-11-17 |
US20160328649A1 (en) | 2016-11-10 |
US10783439B2 (en) | 2020-09-22 |
US10713572B2 (en) | 2020-07-14 |
KR20180016391A (ko) | 2018-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6758368B2 (ja) | データ発見ノード | |
WO2021190597A1 (zh) | 一种神经网络模型的处理方法以及相关设备 | |
Brohée et al. | Network Analysis Tools: from biological networks to clusters and pathways | |
Ludäscher et al. | Scientific Process Automation and Workflow Management. | |
Clifford et al. | Tracking provenance in a virtual data grid | |
Fei et al. | A dataflow-based scientific workflow composition framework | |
Vyawahare et al. | A hybrid database approach using graph and relational database | |
CN108984155B (zh) | 数据处理流程设定方法和装置 | |
WO2010005698A2 (en) | Enabling provenance management for pre-existing applications | |
WO2022134001A1 (zh) | 基于容器化技术的机器学习模型框架的开发方法与系统 | |
Dong | Functional lock-in and the problem of design transformation | |
JP2019531539A (ja) | 分散コンピューティングタスクを実行するための方法及び装置 | |
Rios et al. | Benchpress: A scalable and versatile workflow for benchmarking structure learning algorithms | |
CN108537006A (zh) | 一种基因序列数据处理方法、装置及系统 | |
US20130218893A1 (en) | Executing in-database data mining processes | |
US7657417B2 (en) | Method, system and machine readable medium for publishing documents using an ontological modeling system | |
Mehdi et al. | A linked data platform for finite element biosimulations | |
WO2022267070A1 (en) | Devices and methods for supporting intent driven networking | |
Khan et al. | A comparative study of single-step and multi-step data mining tools | |
Brown et al. | Drawing Recognition-Integrating Machine Learning Systems into Architectural Design Workflows | |
US20230335293A1 (en) | Methods and systems for accelerating quantitative systems pharmacology (qsp) models | |
Kaushal | A Development Environment to Integrate Big Data with Deep Learning | |
Saied | Migration to Microservices: A Comparative Study of Decomposition Strategies and Analysis Metrics | |
bin Samer et al. | Acceleration and Clustering of Liver Disorder Using K-Means Clustering Method with Mahout’s Library | |
Al-Hamzi | Neural Network-based Framework for understanding Machine deep learning systems' open issues and future trends: A systematic literature review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20180522 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180525 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20180525 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190405 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190405 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200420 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200717 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200803 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200901 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6758368 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |