JP5009784B2

JP5009784B2 - 質量分析計

Info

Publication number: JP5009784B2
Application number: JP2007510124A
Authority: JP
Inventors: デニー、リチャード; リチャードソン、キース; スキリング、ジョン
Original assignee: マイクロマスユーケーリミテッド
Priority date: 2004-04-30
Filing date: 2005-05-03
Publication date: 2012-08-22
Anticipated expiration: 2025-05-03
Also published as: EP1745500B1; GB2413695B; WO2005106453A2; CA2564279C; US8012764B2; CA2564279A1; EP1745500A2; WO2005106453A3; GB0508935D0; JP2007535673A; GB2413695A; US20080076186A1

Description

本発明は、質量分析方法および質量分析計に関する。好ましい実施形態は、特に不完全な測定やノイズが含まれる測定を行った場合に、分析化合物の相対的定量化を可能にする方法に関する。特に、好ましい実施形態は、ペプチド消化物または娘化合物存在量の測定および定量化に適用可能である。好ましい実施形態は、分析物／娘集団の相対的ベイジアン定量化に関する。

以下に詳細に説明するように、好ましい実施形態は、２つ以上のサンプルに存在する成分、分子または分析物の相対的定量化決定に対する確率的またはベイジアンアプローチに関する。背景として、ベイジアンの確率定理は命題の確率を扱う。確率は、ある命題がどれくらい真であるかを表す。例えば、確率１は、絶対に確実であることを意味する。また、確率０は、絶対に確実であるが、命題が偽であることが絶対に確実であることを意味する。確率０．５は、命題が真であるか偽であるかの不確実性が最大であることを意味する。

新しい情報を得た際に確率を変更することはベイジアン推論の重要な側面である。いわゆるベイズ規則は、合理的エージェントが新しい情報（証拠）を得たときにその信頼をどのように変更するかを定義する。

ベイジアン確率または確実性は常に条件付きである。これは、確率が背景条件に基づいて推定されることを意味する。条件付き確率は、通常Ｐ（事象｜条件）という表記を使用して記載される。確率は、条件が真であると信じられる場合に事象が真であることはどれくらい確実であるかを示す、０と１の間の数である。条件付き確率は、Ｍを依存モデル、ＤをデータとしてＰ（Ｄ｜Ｍ）またはＰ（Ｍ｜Ｄ）という形で記載されることが多い。したがって、Ｐ（Ｄ｜Ｍ）は、モデルＭが真のモデルであると信じられる場合にデータＤを得る確率を意味する。同様に、Ｐ（Ｍ｜Ｄ）は、データＤが与えられた際にモデルＭが真のモデルである確率を意味する。確率は単にＰ（Ｍ）またはＰ（Ｄ）として与えられる場合があるが、これらは一般に不正確なベイジアン表記法であると考えられる。なぜなら、すべての確率は実際には条件付きだからである。しかし、すべての項が同じ背景条件を有する場合はそれを繰り返さなくてもよいことがある。理論上は、Ｕを背景条件の集合として、確率はＰ（Ｄ｜Ｍ，Ｕ）、Ｐ（Ｍ｜Ｄ，Ｕ）、Ｐ（Ｍ｜Ｕ）およびＰ（Ｄ｜Ｕ）の形で記載する。

エキスパートシステムは、各親の事象に重みを与えることによって相互依存事象の確率を計算することがよくある。ベイジアンネットワークは、数学的に正しく、したがって、事象のお互いへの影響を測定するより正確な方法を提供すると考えられる。数学を取り入れることによって双方向の計算が可能になる。したがって、例えば、どの事象が別の事象の最も可能性の高い原因であるかを見出すことが可能である。

以下の独立事象に対する確率の生成規則は周知である。

ここでｐ（ＡＢ）はＡおよびＢが起こる確率を意味する。

これは、以下の従属事象に対する生成規則の特別な場合であり、ｐ（Ａ｜Ｂ）はＢがすでに起きた場合のＡの確率を意味する。

つまり、以下の式が成り立つ。

その結果、以下の式が成り立つ。

上記の式はベイズの定理を単純化したものである。この式は、既知の他の確率に関して計算された、Ｂが起きた場合にＡが起きる確率を与える。

ベイズの定理は以下のように要約される。

Ｈ₀は、初めから（ａｂｉｎｉｔｉｏ）得られるかまたは事前の観測集合から誘導される前提条件であるが、新しい観測または証拠Ｅの前の前提条件とすることができる。項Ｐ（Ｈ₀）はＨ₀の事前確率と呼ばれる。項Ｐ（Ｅ｜Ｈ₀）は、前提条件Ｈ₀が真である場合に観測Ｅを見込む条件付き確率（Ｅが与えられたＨ₀の関数）であり、尤度関数と呼ばれる。項Ｐ（Ｅ）はＥの周辺確率と呼ばれ、正規化定数であり、相互排除的なすべての前提条件の和として計算され得る。

項Ｐ（Ｈ₀｜Ｅ）はＥが与えられたＨ₀の事後確率と呼ばれる。スケーリングファクタＰ（Ｅ｜Ｈ₀）／Ｐ（Ｅ）は、観測が有する前提条件への信頼性の影響の尺度が得られる。考えられている特定の前提条件が真でない場合に観測がなされる可能性が低いならば、このスケーリングファクタは大きくなる。正確な前提条件の事前確率によってこのスケーリングファクタを乗算すると、観察が与える正確な前提条件の事前確率の尺度が得られる。

推定作業を行うための鍵は、前提条件を与えられた事前確率および可能な代替の割当て、並びに異なる前提条件のもとでの観測の条件付き確率の計算である。

複数の生物学的サンプルまたは生物学的サンプルの複合混合物の分析においては、成分化合物の相対的な濃度を比較することが望ましいことがある。例えば、２つ以上の異なるサンプルにおけるタンパク質またはペプチドの発現量が異なっているかどうかを判断することが望ましいことがある。例えば、一方のサンプルは健常な生体からのサンプルを含み、他方のサンプルは患者からのサンプルを含んでもよい。患者のサンプルにおいて特定のタンパク質またはペプチドが、健常な生体から採取されたサンプル（コントロールサンプル）と比較して著しく多くまたは少なく発現されているならば、疾病状態を示している可能性がある。

生物学的サンプルの複合混合物は、質量分析計を使用し、好ましくは液体クロマトグラフを併用して分析され得る。

質量分析計によって記録されるイオン強度またはイオン数率を各ペプチドの濃度の尺度として使用することが知られている。しかし、各サンプルに関連するデータは、注入体積誤差などの種々の系統誤差およびカウント統計などの種々の非系統的な影響を受けやすい。

サンプルが複雑であったり、場合によっては、サンプル中の種々の成分、分子または分析物の濃度が低いことにより、データはときどきまたはしばしば不完全になる。また、データは干渉を含むことがある。その結果、データを成分、分子若しくは分析物に割当てること、または、成分、分子若しくは分析物を同定することが不確実になることがある。

従来のアプローチによれば、これらの要因がアウトプットを異常に見えさせ、その結果棄却されることなり得る。結果として、２つ以上のサンプル中に存在するいくつかの成分、分子または分析物について必ずしも常に定量化できるとは限らず、および／または実際には異常でないかもしれないが手に負えず棄却してしまうデータがあり得る。

したがって、２つ以上の異なるサンプルの測定がノイズを含みかつ不完全である場合においても、サンプル中に存在する成分、分子または分析物を定量できる改善された方法を提供することが望まれる。

本発明の一局面によれば、
成分、分子または分析物の第１の混合物を含む第１のサンプルを準備すること、
成分、分子または分析物の第２の混合物を含む第２の異なるサンプルを準備すること、および、
第２のサンプル中の成分、分子または分析物の強度、濃度または発現レベルに対する第１のサンプル中の成分、分子または分析物の相対的な強度、濃度または発現レベルを確率的に決定または定量化することを含む質量分析方法が提供される。

好ましい実施形態は２つの別々のサンプルに関するが、特に好ましい実施形態によると、成分、分子または分析物の混合物をそれぞれ含む複数のさらなるサンプルを準備されてもよい。好ましくは、成分、分子または分析物はタンパク質、タンパク質消化物、ペプチドまたはペプチドの断片を含む。

好ましくは、第１の混合物中の成分、分子または分析物は、第２の混合物中の成分、分子または分析物および／またはさらなる混合物中の成分、分子または分析物と同じ種である。しかし、あるいは、第１の混合物中の成分、分子または分析物は、第２の混合物中の成分、分子または分析物および／またはさらなる混合物中の成分、分子または分析物と異なる種であってもよい。

好ましくは、上記方法は、成分、分子または分析物の第１の混合物を消化すること、および／または成分、分子または分析物の第２の混合物を消化すること、および／または成分、分子または分析物のさらなる混合物を消化することをさらに含む。好ましくは、成分、分子または分析物の第１の混合物は消化されて第１の複合混合物を形成し、および／または成分、分子または分析物の第２の混合物は消化されて第２の複合混合物を形成し、および／または成分、分子または分析物のさらなる混合物は消化されてさらなる複合混合物を形成する。

好ましくは、複合混合物は、ペプチドまたはタンパク質消化物の複合混合物を含む。

上記好ましい実施形態によれば、上記方法は、第１のサンプルを１つ以上の第１の複製サンプルに分割すること、および／または第２のサンプルを１つ以上の第２の複製サンプルに分割すること、および／またはさらなるサンプルを１つ以上のさらなる複製サンプルに分割すること、および／または第１の複合混合物を１つ以上の第１の複製サンプルに分割すること、および／または第２の複合混合物を１つ以上の第２の複製サンプルに分割すること、および／またはさらなる複合混合物を１つ以上のさらなる複製サンプルに分割することをさらに含む。

一実施形態によれば、上記方法は、第１のサンプル中の成分、分析物または分子を分離処理手段によって分離すること、および／または第２のサンプル中の成分、分析物または分子を分離処理手段によって分離すること、および／またはさらなるサンプル中の成分、分析物または分子を分離処理手段によって分離すること、および／または第１の複製サンプル中の成分、分析物または分子を分離処理手段によって分離すること、および／または第２の複製サンプル中の成分、分析物または分子を分離処理手段によって分離すること、および／またはさらなる複製サンプル中の成分、分析物または分子を分離処理手段によって分離することをさらに含む。

上記分離処理は液体クロマトグラフィを含む。一実施形態によれば、上記分離処理は、（ｉ）高速液体クロマトグラフィ（「ＨＰＬＣ」）、（ｉｉ）陰イオン交換、（ｉｉｉ）陰イオン交換クロマトグラフィ、（ｉｖ）陽イオン交換、（ｖ）陽イオン交換クロマトグラフィ、（ｖｉ）イオン対逆相クロマトグラフィ、（ｖｉｉ）クロマトグラフィ、（ｖｉｉｉ）一次元電気泳動、（ｉｘ）多次元電気泳動、（ｘ）サイズ排除、（ｘｉ）アフィニティ、（ｘｉｉ）逆相クロマトグラフィ、（ｘｉｉｉ）キャピラリ電気泳動クロマトグラフィ（「ＣＥＣ」）、（ｘｉｖ）電気泳動、（ｘｖ）イオン移動分離、（ｘｖｉ）電界非対称イオン移動分離またはスペクトロメトリ（「ＦＡＩＭＳ」）または（ｘｖｉ）キャピラリ電気泳動を含む。

好ましくは、上記方法は、第１のサンプル中の成分、分析物または分子をイオン化すること、および／または第２のサンプル中の成分、分析物または分子をイオン化すること、および／またはさらなるサンプル中の成分、分析物または分子をイオン化すること、および／または第１の複製サンプル中の成分、分析物または分子をイオン化すること、および／または第２の複製サンプル中の成分、分析物または分子をイオン化すること、および／またはさらなる複製サンプル中の成分、分析物または分子をイオン化することをさらに含む。

好ましくは、上記方法は、第１のサンプル中の成分、分析物または分子を質量分析すること、および／または第２のサンプル中の成分、分析物または分子を質量分析すること、および／またはさらなるサンプル中の成分、分析物または分子を質量分析すること、および／または第１の複製サンプル中の成分、分析物または分子を質量分析すること、および／または第２の複製サンプル中の成分、分析物または分子を質量分析すること、および／またはさらなる複製サンプル中の成分、分析物または分子を質量分析することをさらに含む。

好ましくは、成分、分析物または分子を質量分析する工程は、複数の質量ピークを含む質量スペクトルデータを生成することをさらに含む。好ましくは、上記方法は、１つ以上の質量ピークの質量または質量電荷比を決定することをさらに含む。好ましくは、上記方法は、１つ以上の質量ピークに対して、信号強度または積分信号を決定することをさらに含む。

上記好ましい実施形態によれば、上記方法は、１つ以上の質量ピークに対して保持時間を決定することをさらに含む。

好ましくは、上記方法は、第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプルからの質量ピークをクラスタリングすることをさらに含む。好ましくは、上記方法は第１の複製サンプルおよび／または第２の複製サンプルおよび／またはさらなる複製サンプルからの質量ピークをクラスタリングすることを含む。

一実施形態によれば、上記方法は、第１のサンプル中の成分、分析物または分子を認識または同定すること、および／または第２のサンプル中の成分、分析物または分子を認識または同定すること、および／またはさらなるサンプル中の成分、分析物または分子を認識または同定すること、および／または第１の複製サンプル中の成分、分析物または分子を認識または同定すること、および／または第２の複製サンプル中の成分、分析物または分子を認識または同定すること、および／またはさらなる複製サンプル中の成分、分析物または分子を認識または同定することをさらに含む。

好ましくは、成分、分析物または分子は、質量または質量電荷比もしくは正確な質量または正確な質量電荷比に基づいて認識または同定される。成分、分析物または分子の正確な質量または質量電荷比は、２０ｐｐｍ、１９ｐｐｍ、１８ｐｐｍ、１７ｐｐｍ、１６ｐｐｍ、１５ｐｐｍ、１４ｐｐｍ、１３ｐｐｍ、１２ｐｐｍ、１１ｐｐｍ、１０ｐｐｍ、９ｐｐｍ、８ｐｐｍ、７ｐｐｍ、６ｐｐｍ、５ｐｐｍ、４ｐｐｍ、３ｐｐｍ、２ｐｐｍ、１ｐｐｍ以内または＜１ｐｐｍである。

好ましくは、成分、分析物または分子の質量電荷比は、０．０１質量単位、０．００９質量単位、０．００８質量単位、０．００７質量単位、０．００６質量単位、０．００５質量単位、０．００４質量単位、０．００３質量単位、０．００２質量単位、０．００１質量単位以内または＜０．００１質量単位である。

好ましくは、成分、分析物または分子は、クロマトグラフィ保持時間または別の物理化学特性に基づいて認識または同定される。

一実施形態によれば、上記方法は、成分、分析物または分子を衝突または断片化セルにおいて断片化して複数の断片、娘または生成イオンを形成、作成または生成することをさらに含む。好ましくは、断片、娘または生成イオンは質量分析される。

一実施形態によれば、上記方法は、断片、娘または生成イオンに基づいて第１のサンプル中の成分、分子または分析物を同定または認識すること、および／または断片、娘または生成イオンに基づいて第２のサンプル中の成分、分子または分析物を同定または認識すること、および／または断片、娘または生成イオンに基づいてさらなるサンプル中の成分、分子または分析物を同定または認識することをさらに含む。

一実施形態によれば、上記方法は、質量ピークの正確な同定のために確率を得ることまたは割当てることをさらに含む。好ましくは、上記方法は、タンパク質検索手順から確率を得ることまたは導き出すことをさらに含む。

好ましくは、上記方法は、タンパク質検索手順から確率が得られない場合または導かれない場合に正確な同定の一定の確率を割当てることをさらに含む。好ましくは、上記方法は、正確な同定の確率を値ｘ％として割当てることをさらに含む。ここで、ｘは、（ｉ）＜５％、（ｉｉ）５〜１０％、（ｉｉｉ）１０〜１５％、（ｉｖ）１５〜２０％、（ｖ）２０〜２５％、（ｖｉ）２５〜３０％、（ｖｉｉ）３０〜３５％、（ｖｉｉｉ）３５〜４０％、（ｉｘ）４０〜４５％、（ｘ）４５〜５０％、（ｘｉ）５０〜５５％、（ｘｉｉ）５５〜６０％、（ｘｉｉｉ）６０〜６５％、（ｘｉｖ）６５〜７０％、（ｘｖ）７０〜７５％、（ｘｖｉ）７５〜８０％、（ｘｖｉｉ）８０〜８５％、（ｘｖｉｉｉ）８５〜９０％、（ｘｉｘ）９０〜９５％、および（ｘｘ）＞９５％からなる群から選択される。

一実施形態によれば、上記方法は、タンパク質検索手順が行われない場合に正確な同定の一定の確率を割当てることをさらに含む。好ましくは、上記方法は、正確な同定の確率を値ｘ％として割当てることをさらに含む。ここで、ｘは、（ｉ）＜５％、（ｉｉ）５〜１０％、（ｉｉｉ）１０〜１５％、（ｉｖ）１５〜２０％、（ｖ）２０〜２５％、（ｖｉ）２５〜３０％、（ｖｉｉ）３０〜３５％、（ｖｉｉｉ）３５〜４０％、（ｉｘ）４０〜４５％、（ｘ）４５〜５０％、（ｘｉ）５０〜５５％、（ｘｉｉ）５５〜６０％、（ｘｉｉｉ）６０〜６５％、（ｘｉｖ）６５〜７０％、（ｘｖ）７０〜７５％、（ｘｖｉ）７５〜８０％、（ｘｖｉｉ）８０〜８５％、（ｘｖｉｉｉ）８５〜９０％、（ｘｉｘ）９０〜９５％および（ｘｘ）＞９５％からなる群から選択される。

一実施形態によれば、上記方法は、各サンプル中に存在する成分、分子または分析物の相対量または濃度Ｌについての事前確率分布関数Ｐｒ（Ｌ）を決定、定式化または割当てることをさらに含む。好ましくは、事前確率分布関数Ｐｒ（Ｌ）はｅｘｐ（−Ｌ／Λ）に比例する。ここで、Λは質量ピークに対して記録された最大信号強度に一致する。好ましくは、Λは質量ピークに対して記録された平均信号強度に一致する。

一実施形態によれば、事前確率分布関数Ｐｒ（Ｌ）はガンマ、ポアソン、ガウシアン、指数、正規または対数正規分布を有する。好ましくは、事前確率分布関数Ｐｒ（Ｌ）は１に等しい積分値をともなった分布を有する。

一実施形態によれば、上記方法は、サンプル中の各成分、分子または分析物の全応答ファクタｋについての事前確率分布関数Ｐｒ（ｋ）を決定、定式化または割当てることをさらに含む。好ましくは、ｋは、（ｉ）消化効率、（ｉｉ）相対生成量、（ｉｉｉ）送達における損失、（ｉｖ）イオン化効率、（ｖ）伝播効率、および（ｖｉ）検出効率の１つ以上を含む。一実施形態によれば、事前確率分布関数Ｐｒ（ｋ）はｅｘｐ（−ｋ／ｋ₀）に比例し、ここでｋ₀は定数である。好ましくは、ｋ₀＝１である。

一実施形態によれば、事前確率分布関数Ｐｒ（ｋ）は、ガンマ、ポアソン、ガウシアン、指数、正規または対数正規分布を有する。好ましくは、事前確率分布関数Ｐｒ（ｋ）は、１に等しい積分値をともなう分布を有する。

一実施形態によれば、上記方法は、分析において使用される各サンプル中の各成分、分子または分析物のサンプルｈの相対量についての事前確率分布関数Ｐｒ（ｈ）を決定、定式化または割当てることをさらに含む。好ましくは、ｈは、（ｉ）添加された溶媒の量、および（ｉｉ）注入された物質の量の１つ以上を含む。

一実施形態によれば、事前確率分布関数Ｐｒ（ｈ）はｅｘｐ（−ｈ／ｈ₀）に比例し、ここでｈ₀は定数である。好ましくは、ｈ₀＝１である。

一実施形態によれば、事前確率分布関数Ｐｒ（ｈ）は、ガンマ、ポアソン、ガウシアン、指数、正規または対数正規分布を有する。好ましくは、事前確率分布関数Ｐｒ（ｈ）は、１に等しい積分値をともなう分布を有する。

一実施形態によれば、上記方法は、観測される信号強度に対して想定される、および／または予測される信号強度に適用されるノイズ寄与ファクタＧについての事前確率分布関数Ｐｒ（Ｇ）を決定、定式化または割当てることをさらに含む。好ましくは、Ｇは、（ｉ）イオン統計ショットノイズおよび（ｉｉ）エレクトロスプレーイオン化飛沫統計ショットノイズのうち１つ以上を含む。

好ましくは、事前確率分布関数Ｐｒ（Ｇ）はｅｘｐ（−Ｇ／Ｇ₀）に比例し、ここでＧ₀は定数である。好ましくは、Ｇ₀＝１である。

一実施形態によれば、事前確率分布関数Ｐｒ（Ｇ）は、ガンマ、ポアソン、ガウシアン、指数、正規または対数正規分布を有する。好ましくは、事前確率分布関数Ｐｒ（Ｇ）は、１に等しい積分値をともなう分布を有する。

一実施形態によれば、上記方法は、１つ以上の内部標準または基準を検索、決定、同定または選択することをさらに含む。好ましくは、１つ以上の内部標準または基準は、サンプルのすべてにおいて実質的に同じ強度、濃度または発現レベルを有する１つ以上の成分、分子または分析物を含む。

１つ以上の内部標準または基準は、各サンプルに対して添加される１つ以上の成分、分子または分析物を含んでもよい。１つ以上の内部標準または基準は、第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプルに対して内因性または外因性であってもよい。

好ましくは、上記方法は、マルコフ連鎖モンテカルロアルゴリズムを使用してマルコフ連鎖モンテカルロ予測手順または探索を繰返し適用または使用して、サンプルの各々における各成分、分子または分析物の相対濃度Ｌに対するもっともらしい値を決定することをさらに含む。好ましくは、マルコフ連鎖モンテカルロ予測手順またはアルゴリズムは、（ｉ）メトロポリス−ヘイスティングアルゴリズム、（ｉｉ）ギブスサンプリングアルゴリズム、（ｉｉｉ）ハミルトニアンモンテカルロアルゴリズム、および（ｉｖ）スライスサンプリングアルゴリズムからなる群から選択される。

一実施形態によれば、マルコフ連鎖モンテカルロ予測手順またはアルゴリズムは、シミュレーテッドアニーリングおよび／または入れ子サンプリングを併用して使用される。

一実施形態によれば、上記方法は、確率分布関数Ｐｒ（Ｌ）および／またはＰｒ（ｋ）および／またはＰｒ（ｈ）および／またはＰｒ（Ｇ）を与える、および／または、正確な同定の確率ｐを与える各質量ピーク強度を観測され得ることを予測することをさらに含む。

一実施形態によれば、上記方法は、予測されるピーク強度と観測されるピーク強度とを比較することをさらに含む。

一実施形態によれば、上記方法は、Ｌの値または確率分布関数Ｐｒ（Ｌ）を調整することをさらに含む。

一実施形態によれば、上記方法は、ｋの値または確率分布関数Ｐｒ（ｋ）を調整することをさらに含む。

一実施形態によれば、上記方法は、ｈの値または確率分布関数Ｐｒ（ｈ）を調整することをさらに含む。

一実施形態によれば、上記方法は、Ｇの値または確率分布関数Ｐｒ（Ｇ）を調整することをさらに含む。

一実施形態によれば、上記方法は、調整された確率分布関数Ｐｒ（Ｌ）および／またはＰｒ（ｋ）および／またはＰｒ（ｈ）および／またはＰｒ（Ｇ）を与える、および／または正確な同定の確率ｐを与える各質量ピーク強度を観測され得ることを予測することをさらに含む。

好ましくは、上記方法は、予測されるピーク強度と観測されるピーク強度とを比較することをさらに含む。

一実施形態によれば、上記方法は、調整された確率分布関数を受け入れるかまたは不採用とすることをさらに含む。好ましくは、上記方法は、確率分布関数を調整する、および／または強度を予測する、および／または予測される強度と観測される強度を比較するサイクルを繰り返すか、または終了することをさらに含む。

好ましくは、上記方法は、サンプルの各ペアｉ，ｊに対するサンプルの各々における各成分、分子または分析物の相対濃度Ｌの比Ｌ_ijを決定することをさらに含む。

一実施形態によれば、上記方法は、マルコフ連鎖モンテカルロ予測手順を継続して、サンプルの各々における各成分、分子または分析物の相対濃度Ｌおよび相対濃度Ｌの比Ｌ_ijに対するよりもっともらしい値を決定することをさらに含む。

好ましくは、相対濃度Ｌの比Ｌ_ijの決定回数は、平均値の要求された正確度にしたがって予め規定される。

上記方法は、サンプルの各ペアｉ，ｊに対するサンプルの各々における各成分、分子または分析物の相対濃度Ｌの比Ｌ_ijに対する平均値を計算することをさらに含む。

一実施形態によれば、上記方法は、サンプルの各ペアｉ，ｊに対するサンプルの各々における各成分、分子または分析物の相対濃度Ｌの比Ｌ_ijに対する標準偏差および／または相対標準偏差を計算することをさらに含む。

一実施形態によれば、第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプルは、複数の異なるバイオポリマー、タンパク質、ペプチド、ポリペプチド、オリゴヌクレオチド、オリゴヌクレオシド、アミノ酸、炭水化物、糖、脂質、脂肪酸、ビタミン、ホルモン、ＤＮＡの部分若しくは断片、ｃＤＮＡの部分若しくは断片、ＲＮＡの部分若しくは断片、ｍＲＮＡの部分若しくは断片、ｔＲＮＡの部分若しくは断片、ポリクローナル抗体、モノクローナル抗体、リボヌクレアーゼ、酵素、代謝産物、多糖類、リン酸化ペプチド、リン酸化タンパク質、糖ぺプチド、糖タンパク質またはステロイドを含む。

第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプルは、少なくとも２、５、１０、２０、３０、４０、５０、６０、７０、８０、９０、１００、２００、３００、４００、５００、６００、７００、８００、９００、１０００、１５００、２０００、２５００、３０００、３５００、４０００、４５００または５０００の異なる同一性を有するかまたは異なる種である成分、分子または分析物を含んでもよい。

第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプルは、モル濃度の等しくない異種複合混合物であってもよい。好ましくは、（ｉ）第１のサンプルは罹患生体から採取され、かつ、第２のサンプルは非罹患生体から採取される、（ｉｉ）第１のサンプルは処置生体から採取され、かつ、第２のサンプルは非処置生体から採取される、または（ｉｉｉ）第１のサンプルは変異生体から採取され、かつ、第２のサンプルは野生型生体から採取される、のいずれかである。

一実施形態によれば、上記方法は、第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプル中の成分、分子または分析物を同定することをさらに含む。

好ましくは、第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプル中の成分、分子または分析物は、第１のサンプルの成分、分子または分析物の強度が第２のサンプルおよび／またはさらなるサンプル中の成分、分子または分析物の強度との違いが所定量より大きくなる場合にのみ同定される。

第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプル中の成分、分子または分析物は、第１のサンプルの複数の成分、分子または分析物の平均強度が第２のサンプルおよび／またはさらなるサンプル中の複数の成分、分子または分析物の平均強度との違いが所定量より大きくなる場合にのみ同定されてもよい。

好ましくは、所定量は、（ｉ）１％、（ｉｉ）２％、（ｉｉｉ）５％、（ｉｖ）１０％、（ｖ）２０％、（ｖｉ）５０％、（ｖｉｉ）１００％、（ｖｉｉｉ）１５０％、（ｉｘ）２００％、（ｘ）２５０％、（ｘｉ）３００％、（ｘｉｉ）３５０％、（ｘｉｉｉ）４００％、（ｘｉｖ）４５０％、（ｘｖ）５００％、（ｘｖｉ）１０００％、（ｘｖｉｉ）５０００％および（ｘｖｉｉｉ）１００００％からなる群から選択される。

好ましくは、成分、分子または分析物および／またはペプチド消化物および／または断片、娘または生成イオンの質量または質量電荷比は、（ｉ）フーリエ変換（「ＦＴ」）質量分析計、（ｉｉ）フーリエ変換イオンサイクロトロン（「ＦＴＩＣＲ」）質量分析計、（ｉｉｉ）飛行時間（「ＴＯＦ」）質量分析計、（ｉｖ）直交加速飛行時間（「ｏａＴＯＦ」）質量分析計、（ｖ）扇形磁場質量分析計、（ｖｉ）四重極質量分析器、（ｖｉｉ）イオントラップ質量分析器または（ｖｉｉｉ）フーリエ変換オービトラップ、静電イオンサイクロトロン共鳴質量分析計または静電フーリエ変換質量分析計のいずれかによって質量分析される。

好ましくは、第１のサンプルおよび／または第２のサンプルおよび／またはさらなるサンプルを、（ｉ）エレクトロスプレーイオン化（「ＥＳＩ」）イオン源、（ｉｉ）大気圧光イオン化（「ＡＰＰＩ」）イオン源、（ｉｉｉ）大気圧化学イオン化（「ＡＰＣＩ」）イオン源、（ｉｖ）マトリックス支援レーザ脱離イオン化（「ＭＡＬＤＩ」）イオン源、（ｖ）レーザ脱離イオン化（「ＬＤＩ」）イオン源、（ｖｉ）大気圧イオン化（「ＡＰＩ」）イオン源、（ｖｉｉ）シリコンを用いた脱離イオン化（「ＤＩＯＳ」）イオン源、（ｖｉｉｉ）電子衝突（「ＥＩ」）イオン源、（ｉｘ）化学イオン化（「ＣＩ」）イオン源、（ｘ）電界イオン化（「ＦＩ」）イオン源、（ｘｉ）電界脱離（「ＦＤ」）イオン源、（ｘｉｉ）誘導結合プラズマ（「ＩＣＰ」）イオン源、（ｘｉｉｉ）高速原子衝撃（「ＦＡＢ」）イオン源、（ｘｉｖ）液体二次イオン質量分析（「ＬＳＩＭＳ」）イオン源、（ｘｖ）脱離エレクトロスプレーイオン化（「ＤＥＳＩ」）イオン源および（ｘｖｉ）ニッケル−６３放射性イオン源からなる群から選択されるイオン源を使用してイオン化される。

本発明の一実施形態によれば、第１のサンプル中の成分、分子または分析物の相対的な強度、濃度または発現レベルを、第２のサンプル中の成分、分子または分析物の強度、濃度または発現レベルに対して、確率的に決定または定量化するように構成された手段を備える質量分析計が提供される。

好ましくは、上記質量分析計は、液体クロマトグラフをさらに備える。

一実施形態によれば、上記質量分析計は、１つ以上の質量フィルタおよび／または１つ以上の質量分析部をさらに備える。好ましくは、１つ以上の質量フィルタおよび１つ以上の質量分析部は、（ｉ）直交加速飛行時間質量分析部、（ｉｉ）軸方向加速飛行時間質量分析部、（ｉｉｉ）ポール３Ｄ四重極イオントラップ質量分析部、（ｉｖ）２Ｄまたは線形四重極イオントラップ質量分析部、（ｖ）フーリエ変換イオンサイクロトロン共鳴質量分析部、（ｖｉ）扇形磁場質量分析部、（ｖｉｉ）四重極質量分析部および（ｖｉｉｉ）ペニングトラップ質量分析部からなる群から選択される。

好ましくは、上記質量分析計はイオン源をさらに備える。イオン源はパルス化イオン源または連続イオン源を備えてもよい。イオン源は、（ｉ）エレクトロスプレーイオン化（「ＥＳＩ」）イオン源、（ｉｉ）大気圧光イオン化（「ＡＰＰＩ」）イオン源、（ｉｉｉ）大気圧化学イオン化（「ＡＰＣＩ」）イオン源、（ｉｖ）マトリックス支援レーザ脱離イオン化（「ＭＡＬＤＩ」）イオン源、（ｖ）レーザ脱離イオン化（「ＬＤＩ」）イオン源、（ｖｉ）大気圧イオン化（「ＡＰＩ」）イオン源、（ｖｉｉ）シリコンを用いた脱離イオン化（「ＤＩＯＳ」）イオン源、（ｖｉｉｉ）電子衝突（「ＥＩ」）イオン源、（ｉｘ）化学イオン化（「ＣＩ」）イオン源、（ｘ）電界イオン化（「ＦＩ」）イオン源、（ｘｉ）電界脱離（「ＦＤ」）イオン源、（ｘｉｉ）誘導結合プラズマ（「ＩＣＰ」）イオン源、（ｘｉｉｉ）高速原子衝撃（「ＦＡＢ」）イオン源、（ｘｉｖ）液体二次イオン質量分析（「ＬＳＩＭＳ」）イオン源、（ｘｖ）脱離エレクトロスプレーイオン化（「ＤＥＳＩ」）イオン源および（ｘｖｉ）ニッケル−６３放射性イオン源からなる群から選択される。

本発明の一局面によれば、数個のサンプルの中で１つ以上の分子種を相対的に定量化する方法であって、
各サンプルを複数の複製サンプルに分割すること、
複製サンプルの各々に関する、該分子種の数個の暫定的に同定された消化物の各々の信号であって、ランダムノイズの影響を受けやすい親種の濃度に比例する信号を得ることであって、
各暫定同定が正しいという確率を得るか、または割当てること、
各サンプル中の各分子種の相対量Ｌについての事前確率分布を割当てること、
各分子種から生成される消化物の相対量ｋについての事前確率分布を割当てること、
各複製サンプルに対するサンプルの相対量ｈについての事前確率分布を割当てること、
各サンプル中のノイズレベルＧについての事前確率分布を割当てること、
濃度が複製サンプルのすべてにおいて同じであることが既知である内部標準を選択すること、
各サンプル中の各分子種の相対量Ｌに対する確率分布を更新すること、
複製サンプルの各異なるペアｉ，ｊに対する比率Ｌ＿ｉ対Ｌ＿ｊの単調関数の各サンプルにおける各分子種の相対量Ｌに対する確率分布にしたがってサンプルを得ること、および、
ペアの各々に対する関数の平均値および標準偏差を計算することを含む方法が提供される。

本発明の一局面によれば、
成分、分子または分析物の第１の混合物を含む第１のサンプルを準備すること、
成分、分子または分析物の第２の混合物を含む第２の異なるサンプルを準備すること、および、
第２のサンプル中の成分、分子または分析物の強度、濃度または発現レベルに対する第１のサンプル中の成分、分子または分析物の相対的な強度、濃度または発現レベルを決定または定量化することを含む質量分析方法が提供される。

本発明の一局面によれば、第１のサンプル中の成分、分子または分析物の相対的な強度、濃度または発現レベルを、第２のサンプル中の成分、分子または分析物の強度、濃度または発現レベルに対して、決定または定量化するように構成された手段を備える質量分析計が提供される。

好ましい実施形態は、順方向モデリングアルゴリズムを使用して、測定されたイオン数に対する未知のイオン化および消化効率の寄与の平均をとることが好ましい。測定されたペプチドのイオン数は、元のサンプル中における生成物の濃度およびそのイオン化および消化効率に関するファクタに比例するとして表現すことができる。好ましくは、濃度および消化／イオン化効率の値は各ぺプチドに対して探索され、好ましくは、尤度は各結果に対して、サンプル中に存在する化合物の与えられる確率を使用して、計算される。好ましくは、尤度計算は、欠落データを補間または別の方法で埋める必要がないという格別の効果がある。これは従来のアプローチとは対照的である。

好ましい実施形態の探索のさらなる特徴は、外れ値または範囲外のデータの存在を調べ得るようにデータへの割当てのオンオフを切り替えられ得ることである。次いで各サンプル中のタンパク質またはペプチドの相対濃度が計算でき、パーセンテージ信頼度間隔が確率的探索結果を使用して与えられる。

質量スペクトルデータおよびマイクロアレイデータには異なる問題がある。特に、好ましい実施形態は、内在するポアソンノイズ（カウント統計）を示すデータに関係する。特に、これは、分析器が娘化合物（例えば、ペプチドまたはペプチド消化物）の存在量を決定し、多くの事象（例えば、強度）を報告する場合に適切である。例えば、事象は、四重極飛行時間質量分析計におけるイオン到達数に関連する。しかし、これはマイクロアレイスポットの色／輝度などの連続量に対しては適切でない。

最も単純な形態では、本発明の方法および装置において実施されるような好ましい実施形態は、２つの未知の数ＡおよびＢがあり、Ｂ／Ａの比を決定することが望まれる場合の問題を解決することに関すると考えられ得る。Ａ（Ａ１，Ａ２．．．ＡＮ）およびＢ（Ｂ１，Ｂ２．．．ＢＭ）のサンプルが与えられる。一般に、ＮおよびＭは等しくないが、Ｎ＝１かつＭ＝１の場合も許される。ＡおよびＢのサンプルは「良い」または「悪い」のいずれかであると考えられることができ、各サンプルはＰｒ（Ａ３は良い）などの確率を伴うと考えてもよい。Ａの「良い」サンプルは、ある数学的に十分に定義された意味においてＡに近い。Ａの「悪い」サンプルはほとんどいかなるものであってもよい。Ｂについても同様である。

好ましい実施形態によると、この情報のみが与えられた場合の比Ｂ／Ａを推測し、またその比の不確実性の推定を与えることが望ましい。好ましい実施形態において、数ＡおよびＢは質量分析計によって測定されるように溶液中のペプチドの濃度に比例する。以下の例を考えてもよい。

上記データから、Ａの最後のサンプルとＢの３番目のサンプルが「悪い」と考えられ、外れ値として棄却されるならば、Ａは１００に等しく、Ｂが５００に等しいことがもっともらしいと考えてもよい。しかし、好ましい実施形態は、最初は偽りに見えるデータを直ちには棄却しない。

好ましい実施形態によって決定されるように比Ｂ／Ａおよび対応する不確実性の推定は、５．１±０．１であると決定される。

好ましい実施形態は異なる観点から考えることができ、第２の関連する問題に対応すると考えることができる。この問題は、２＋Ｋ個の未知数Ａ、Ｂ、ｋ₁、ｋ₂．．．ｋ_Kがあり、２＊Ｋ個の可能な積の一部が与えられるか、または既知であると考えられる。

これらの積のいずれかの任意の数のサンプルが与えられると考えることができる。サンプルは上記と同じ意味において「良い」または「悪い」のいずれかであると考えることができ、各サンプルは対応付けられた確率を伴う。問題はやはりＢ／Ａを推定し、不確実性の推定を与えることである。

好ましい実施形態によると、数ＡおよびＢは、消化前の溶液中の完全な状態のタンパク質の濃度に比例し、その他の未知数ｋｉは、そのタンパク質トリプシンペプチドの消化およびイオン化特性に関連する。係数ｋｉには特に重要性がないので実際に計算する必要はない。

好ましい実施形態は、分析物またはその生成物および少なくとも１つの内部標準化合物を含むいくつかの物理サンプルに対して分析化合物の存在量における変化を定量化するように設計されたアルゴリズムを含む方法および装置に関する。各サンプルからいくつもの反復された測定値を得てもよく、データはノイズを含んでもよいし、また概ね不完全であってもよい。データの不適当な割当ての確率が存在し、ある割当ては他の割当てよりも正しい傾向がついよいことは最初から知られている。

好ましい実施形態は、データの新規な数学モデルのアプリケーションに関し、マルコフ連鎖モンテカルロ手法を使用して、関連する不確実性を有する存在量の変化を測定し、決定できるようにモデルパラメータの空間を探索することに関する。

ペアごとのｔ−検定およびＡＮＯＶＡなどの標準の統計手法は、各サンプルの測定値の数が異なる場合、測定値が欠落する場合、データの割当てがあいまいな場合、測定値が実験的に相関する場合または測定値の数が非常に少ない場合において適用できない。

当業者によって理解されるように、現実においては、実験データはノイズを含み、不完全であることが多いので、従来の公知技術はノイズを含み不完全な実験データを処理および分析する能力に使用限度があることが明らかである。

好ましい実施形態の特に有利な局面は、２つ以上の別々のサンプル中に存在する特定の分析物の相対濃度を決定するために標準化工程を独立した工程として行う必要がないことである。

好ましくは、複数の実験を行い、すべての実験において濃度が同じである分析物が内部標準として使用される。好ましい実施形態は、親（例えば、タンパク質）に確率的に対応付けられた娘化合物（例えば、ペプチド）を考慮に入れる。娘がタンパク質の酵素消化物であり、ペプチド同定情報がタンデム質量分析から得られる場合に特に有用である。

また、好ましい実施形態は、欠落データをトランスペアレントに（ユーザに意識されずに）扱う。これに対して、従来のアプローチでは、データ欠落があると特に問題があり、エラーを起こしやすくなる。

好ましい実施形態は、複数の異なるサンプル中に存在する特定の分析物の相対濃度における違いを測定する確率的またはベイジアン方法に関する。

好ましい実施形態は、実験データが完全でないとしてもサンプル中に存在する分析物を正確に定量化できるという特に格別の効果を有する。例えば、データは未知のゲインの影響を受ける場合、および／または全体的なまたはあまり理解されていないノイズ源がある場合がある。オリジナルのサンプル中における各分析物の濃度は１つ以上の化合物によるデータで表され得る。好ましくは、これらの化合物は、消化物／断片（以下、娘と称す）を含む。

各サンプルに対して、好ましくは、複製実験が行われる。すなわち、サンプルは多くのサブサンプルに分割され、各サブサンプルを別々に分析してもよい。複数の複製サンプルに対して好ましい手順を行うことは、好ましい実施形態の定量化ステップの正確度を向上するのに役立つことが分かる。しかし、サンプルが複数の複製サンプルに分割され、各複製サンプルが独立に分析されることは本質な特徴ではない。

各複製実験において異なる（および未知の）量のサンプルを用いて、複製実験間でデータに著しい変化をつけることが考えられる。

各ペプチドの同一性が問題となることがあるが、好ましい実施形態によると、確率ｐ_ij＝Ｐｒ（タンパク質が、ペプチドｉに関連付けられた分析物ｊが与える値である）が得られうるか、またはある一様な値に設定されるかのいずれかである。この情報は、例えば、タンデム質量分析（ＭＳＭＳ）によるペプチドの断片の分析から得られる。ここで、ペプチド断片消化物は衝突または断片化セルにおいて断片化され、その結果の断片、娘または生成物が質量分析される。

低濃度以外の理由によって、いくらかのペプチドはすべての実験において完全にカバーできるとは限らない。そのような理由は実際に検討する事項であるかもしれない。例えば、類似した質量電荷比を有する多くのペプチドが同様の時間で液体クロマトグラフから溶出し得るので、同定が困難となる。

好ましい実施形態は、関連する不確実性を有する条件のペア間の各分析物に対する濃度比、各比が１を超える確率、各比に対する完全な事後確率分布または他の所望の統計を含む結果が生成されることを可能にする。

好ましい方法は、質量スペクトルデータにおける各ペプチドの理想測定強度が対応する親タンパク質の濃度に比例すること、測定強度が少なくともポアソンノイズ（カウント統計）に本質的に影響を受けやすいこと、各サンプルに対する各実験において同じ濃度であると仮定できる少なくとも１つの測定ペプチドが存在すること（以下、これを「内部標準」と称す）を仮定する。

好ましい方法は、上記の問題および要件を考慮してデータのモデルを構築することによって決まる。

各ぺプチドに対する基礎データＤ_U（ノイズおよびゲインの前）は以下によって与えられると仮定される。

ここで、Ｌはサンプル中に存在するタンパク質の濃度、ｈはどれくらいのサンプル（サンプルのどの部分）が特定の複製実験において使用されたかを示し、ｋはペプチドが対応するタンパク質イオンからどれくらいの効率で生成されるか、かつまた質量分析計がペプチドイオンをどれくらいの効率で観測するかを示す係数である。

実際に観測されるデータＤ₀は、ノイズレベルの全体的なスケーリングを考慮するために、ポアソンノイズおよび未知のゲインＧの影響を受けやすいと仮定される。特定のペプチドイオンに対して、特定のひと組のモデルパラメータＬ、ｋおよびｈを仮定したＤ₀を観測する確率を以下に示す。

ここで、下記式が成り立つ。

式（３）は、予測された理論データが実際に実験で観測されたデータと一致する度合いをとらえる変形ポアソン分布である。

以下、式（２）の量は尤度と称す。上記式（２）および（３）を参照すると、ガンマ関数Γ（ｘ）は一般に使用される特殊な関数であり、ｐは親分析物が正しく割当てられる確率であり、およびＰｒ（Ｄ₀｜Ｂ）は不適当な親割当ての場合の特定データＤ₀を観測する背景確率である。好ましい実施形態によると、以下の通りである。

式（４）は、不適当な割当てに付されたデータがデータΛのスケール全体にほぼ一致するほとんど何であってもよいという事実を反映する。ある好ましい実施形態において、Λは最大基準サイズである。やや好ましい実施形態において、Λはすべてのデータの確率重み付け平均である。式（４）において詳細が記載されるように確率関数の結果がより大きく、すなわち、尤度の計算（式（２））において式（３）の結果よりもより有意である場合は、割当ては正しくないと考えられる。

問題の確率的定式化を完成させるために、パラメータＬ、ｈ、ｋおよびＧの各々についての事前確率分布を特定する必要がある。事前確率分布はＰｒ（Ｌ）、Ｐｒ（ｈ）などと表記される。事前確率分布は、データが調べられる前に何がパラメータについて知られている化を要約し、非現実的な値を調べないようにすることを確かにする。好ましい実施形態において、好ましくは、パラメータＬ、ｈ、ｋおよびＧについての事前確率分布のために指数形態が使用される。例えば、以下の通りである。

式（５）におけるＬ₀を選択するために種々の異なる規定が考えられる。好ましい実施形態によると、Ｌ₀はΛに設定され、ｋ₀は１に設定され、ｈ₀は１に設定され、Ｇ₀も１に設定される。

これらの定義されたパラメータを用いて、事前確率分布の特定の選択をＬ、ｈおよびｋの任意の値に対して計算された尤度と関連付けて、同時確率分布を与えることができる。この同時確率分布を以下に示す。

ここで、Ｌ、ｈおよびｋは、上記式のＬＨＳ上のベクトルである。ベクトルＬの次元は、サンプル数×分析物の数である。ベクトルｈの次元は実験回数である。ベクトルｋの次元は、娘（例えば、ペプチド）の数である。したがって、モデルパラメータ（ゲインを含み、内部標準を無視する）の総数は、（サンプル数×分析物の数）＋（実験回数）＋（娘数）＋１に等しい。

したがって、式（６）示すように同時確率分布は高次元関数である。しかし、好ましくは、所定量が、一組のベクトルＬの要素の比と対応する一組の不確実性であり、複数のサンプル中の単一タンパク質またはペプチドに関する。同時確率を最大にする単一ベクトルＬを検索するのではなく、Ｌの要素の比に対する確率分布を得ることが好ましい。例えば、Ｐｒ（Ｌ２／Ｌ１，データ）である。このような確率分布は非対称であることが多く、関連する不確実性を表すことが難しい。このように、Ｌの要素の比の単調関数（例えば、Ｌの要素の比の自然対数）に対する確率分布を表すことが好ましい。これらの分布により、比率の推定を、関連する不確実性またはその他の所望の統計を用いて見積もることができる。

この探索を行うための適切な方法が当業者に知られている。例えば、この種の問題を解くための一般的なツールが存在し、例えば、一般に広く利用可能な推測エンジンＢａｙｅＳｙｓ（登録商標）などがある。

好ましくは、探索の速度を上げるために上記式（６）において詳細に記載したような完全な同時確率を近似してもよい。各ペプチドに対して、各実験からの同時確率（式（６））における積への寄与は（たかだか）１つある。これらの寄与はそれぞれ２つの項を有する。好ましくは、近似は、完全に拡張された同時確率において１タンパク質当たり４つの項だけを保持する。これらの４つの項は、（ｉ）すべての実験において正しく割当てられたペプチド、（ｉｉ）最も確からしくない実験（ｐの値が最低）以外のすべての実験において正しく割当てられたペプチド、（ｉｉｉ）最も強い実験（ｐの値が最も高い）以外のすべての実験において正しく割当てられなかったペプチドおよび（ｉｖ）すべての実験において正しく割当てられなかったペプチドに対応する。

しかし、実際には、マルコフ連鎖モンテカルロアルゴリズムおよびシミュレーテッドアニーリングの適用などの効果的な手法を使用しても、多くの分析物が関与する場合はこれらの問題の解決はやはり非常に遅くなり得る。

好ましい実施形態は、周辺化として知られる手順において、好ましくは、ベクトルｋのすべての成分を除くことによって事後確率分布（式（６））の次元を分析的に低減する、すなわち、探索すべきパラメータを１つ少なくし、計算パワーを節約することによってより効率的に探索を行うことが可能になる。これが可能であるのは、ベクトルｋの大きさを記録する必要がないからである。

周辺化は、同時確率関数（式（６））の両辺が１つのベクトルに対して積分されるような処理である。ある好ましい実施形態において、周辺化はｋに対して同時確率関数を積分することによって行われる。やや好ましい実施形態において、周辺化はｈに対して同時確率関数を積分することによって行われてもよい。

やや好ましい実施形態において、ｋおよびｈの両方が同時確率関数から除かれるようにさらに積分を行ってもよい。しかし、そのような方法の第２の積分は、第１の積分値が真の関数でないことがあるので、困難なことが多い（不可能な場合もある）。

本発明の種々の実施形態を、ほんの一例として、添付の図面を参照して以下に説明する。

図１は、いくつかの分析物に対する測定が得られない場合のノイズのあるシュミレーションデータを示す。

図２は、サンプル量と分析物の発現量との間の実際の関係および好ましい実施形態にしたがって決定されるような関係を示す。

以下に、本発明の好ましい実施形態を説明する。図１は、乱数生成器を使用して生成された数を用いてシミュレーションしたデータを示す。４つのサンプルを検討した。各サンプルについて同じ実験を２回繰り返した。したがって、合計８回の実験を行った。サンプル量ｈ１〜ｈ８の間および分析物の発現量Ｌ１〜Ｌ４の間の実際の関係、基礎の関係または真の関係または比率を図２に示す。また、図２は、好ましい実施形態にしたがって図１に示すようにノイズのある不完全なデータから再構成される実験的に決定された関係または比率を示す。

図１から明らかなように、６番目の実験において、いかなるデータも内部標準または不変イオンに対して存在するか、または得られるものとしてモデル化されていない。しかし、図２から分かるように、比率ｈ６／ｈ１は、好ましい実施形態の方法によるこの実験において内部標準がないにもかかわらずうまく回復されている。

なお、サンプル比率はすべてうまく回復され、図２で示すところでは、報告された不確実さの範囲内で一貫している。これは従来技術では可能でない。

好ましい実施形態のさらなる変形が多く考えられる。一変形によると、上記式（３）において与えられるポアソン分布は、ポアソン分布のガウス近似によって置き換えてもよい。

別の実施形態によると、上記式（４）に表すように指数事前確率分布関数は、パラメータＧ、Ｌ、ｈまたはｋのいずれかについてのガンマ分布によって置き換えてもよい。例えば、一実施形態によると、下記式（７）である。

さらなる実施形態によると、上記式（３）に示すように指数事前確率分布関数を、パラメータＧ、Ｌ、ｈまたはｋのいずれかについての正規分布によって置き換えてもよい。例えば、下記式（８）である。

別の実施形態によると、上記式（３）に示すように指数事前確率分布関数を、パラメータＧ、Ｌ、ｈまたはｋのいずれかについての対数正規分布によって置き換えてもよい。例えば、以下の通りである。

一実施形態によると、上記式（３）における値Ｌ₀は平均データサイズに設定される。

１つの次元をモデルから削除することが考えられる。そのような実施形態によると、尤度を変更せずにＬは定数と乗算され、ｋは同じ定数で割り算され得る（式（２））。以下のような拘束条件が付加され得、ｈへの依存性が双曲線座標において計算し直される。

これは、確率分布を周辺化へと単純化する別の方法を説明する。周辺化の場合、式から出る値を積分するのではなく、代わりに可能な値を制限し、アルゴリズムが探索する「空間」を減らし得る。「空間」の概念を理解するために、ｈ₁軸に対するｈ₂軸のグラフが考えられ得る。ｈの値に制限がないとすれば、アルゴリズムはｈ₁および同様にｈ₂に対してすべての正の値−ゼロから無限大−（すなわち、グラフの正の全領域）を探索しなければいけない。ｈ₁ｈ₂の積をｈ₁ｈ₂＝１と宣言することによって、アルゴリズムが探索する必要のある空間がこのグラフ上の単一の双曲線に制限される（ｈ２＝１／ｈ１、ｙ＝１／ｘ）。これにより、ｈの値にはある程度の自由度が残されるので、単にｈ１＝１とするよりはより良い近似となる。このように制限できるのは、それに応じてｋの値が変更されても尤度は同じままだからである。

別の実施形態によると、周辺化はｋの代わりにｈに対して積分することによって行われてもよい。

上記のように、好ましい実施形態によるとＬおよびＤａｔａの値だけが特に注目されるので、同時確率分布（上記式（６）を参照）におけるすべての他の値（すなわち、Ｇ、ｈ、ｋ）は、攪乱母数、すなわち、計算のために必要であるが結果には不必要なパラメータであると考えることができる。これらの値の１つは、この値について両辺を積分することによって同時確率関数から除くことができる。例えば、ｋを除くために、以下のようにｋについて積分する必要がある。

このようにアルゴリズムが探索すべきパラメータが１つ少なくなるので、計算時間が節約される。このような積分結果は関数でない可能性があるので、さらなる積分はできない可能性がある。通常、Ｇについて上記関数を積分することはできないが、プログラムは通常ｈまたはｋについて積分する。

一実施形態によると、分析物は、一度に全データをモデル化するのではなく、内部標準に従って一度にひとつだけ処理され得る。

一実施形態によると、好ましい実施形態は２点で問題を対処してもよい。まず、ｈが推測され、次いでｈの推測が与えられた状態でＬが推測されてもよい。

一実施形態によると、娘（例えば、ペプチド）がなくてもよい。すなわち、分析物について直接定量化できてもよいし、上記の割当てができず、各娘を独立の分析物として処理できなくてもよい。

上記式（６）に示す同時確率分布に対して異なる近似を行ってもよいというさらなる実施形態が考えられる。例えば、６項または８項まで維持されてもよいし、または全項が保持されてもよい。また、同時確率分布を周辺化せずに探索することも考えられる。

以上、本発明の好ましい実施形態を参照して説明してきたが、特許請求の範囲に記載の本発明の範囲を逸脱することなく形態および詳細において種々の変更が可能であることが当業者に理解されるであろう。

図１は、いくつかの分析物に対する測定が得られない場合のノイズのあるシュミレーションデータを示す。図２は、サンプル量と分析物の発現量との間の実際の関係および好ましい実施形態にしたがって決定されるような関係を示す。

Claims

成分、分子または分析物の第１の混合物を含む第１のサンプルを準備すること、
前記第１のサンプル中の成分、分子または分析物を質量分析して複数の質量ピークを含む質量スペクトルデータを生成すること、
成分、分子または分析物の第２の混合物を含む第２の異なるサンプルを準備すること、
前記第２のサンプル中の成分、分子または分析物を質量分析して複数の質量ピークを含む質量スペクトルデータを生成すること、
前記第２のサンプル中の成分、分子または分析物の強度、濃度または発現レベルに対する前記第１のサンプル中の成分、分子または分析物の相対的な強度、濃度または発現レベルを確率的に決定することを含み、
前記確率的に決定することは、
各サンプル中に存在する成分、分子または分析物の相対量または濃度Ｌについての事前確率分布関数Ｐｒ（Ｌ）を割当てること、
確率分布関数Ｐｒ（Ｌ）を与える各質量ピーク強度が観測され得ることを予測すること、
予測される質量ピーク強度と観測される質量ピーク強度とを比較すること、
前記確率分布関数Ｐｒ（Ｌ）を調整すること、
前記調整された確率分布関数Ｐｒ（Ｌ）を与える各質量ピーク強度が観測され得ることを予測すること、及び
前記調整された確率分布関数を受け入れるか、または却下することを含む、
質量分析方法。
前記成分、分子または分析物の第１の混合物を消化すること、および／または、
前記成分、分子または分析物の第２の混合物を消化すること、をさらに含む請求項１に記載の方法。
前記第１のサンプルを１つ以上の第１の複製サンプルに分割すること、および／または、
前記第２のサンプルを１つ以上の第２の複製サンプルに分割すること、をさらに含む請求項１または２に記載の方法。
前記第１のサンプル中の成分、分析物または分子を分離処理手段によって分離すること、および／または、
前記第２のサンプル中の成分、分析物または分子を分離処理手段によって分離すること、をさらに含む請求項１から３のいずれかに記載の方法。
前記分離処理手段が、液体クロマトグラフィを含む請求項４に記載の方法。
前記第１のサンプルおよび／または前記第２のサンプルからの質量ピークをクラスタリングすることをさらに含む請求項１から５のいずれかに記載の方法。
断片、またはプロダクトイオンに基づいて前記第１のサンプル中の成分、分子または分析物を同定または認識すること、および／または、
断片、またはプロダクトイオンに基づいて前記第２のサンプル中の成分、分子または分析物を同定または認識すること、をさらに含む請求項６に記載の方法。
前記確率的に決定することは、前記サンプル中の各成分、分子または分析物の全応答ファクタｋについての事前確率分布関数Ｐｒ（ｋ）を割当てることをさらに含み、ｋは消化効率を含む、請求項１から７のいずれかに記載の方法。
前記確率的に決定することは、前記サンプル中の各成分、分子または分析物の全応答ファクタｋについての事前確率分布関数Ｐｒ（ｋ）を割当てることをさらに含む請求項１から７のいずれかに記載の方法。
ｋが、（ｉ）イオン化効率、（ｉｉ）伝播効率および（ｉｉｉ）検出効率の１つ以上を含む請求項９に記載の方法。
前記確率的に決定することは、分析において使用される各サンプル中のサンプルｈについての各成分、分子または分析物の相対量についての事前確率分布関数Ｐｒ（ｈ）を割当てることをさらに含む請求項１から１０のいずれかに記載の方法。
前記確率的に決定することは、観測される信号強度に対して仮定される、および／または、予測される信号強度に適用されるノイズ寄与ファクタＧについての事前確率分布関数Ｐｒ（Ｇ）を割当てることをさらに含む請求項１から１１のいずれかに記載の方法。
１つ以上の内部標準または基準を検索、決定、同定または選択することをさらに含む請求項１から１２のいずれかに記載の方法。
確率分布関数Ｐｒ（ｋ）を与える各質量ピーク強度が観測され得ることを予測することをさらに含む請求項８、９又は１０に記載の方法。
前記ｋの値または前記確率分布関数Ｐｒ（ｋ）を調整することをさらに含む請求項１４に記載の方法。
前記調整された確率分布関数Ｐｒ（ｋ）を与える各質量ピーク強度が観測され得ることを予測することをさらに含む請求項１５に記載の方法。
前記調整された確率分布関数を受け入れるかまたは却下することをさらに含む請求項１６に記載の方法。
前記第１のサンプルおよび／または前記第２のサンプルが、複数の異なるバイオポリマー、タンパク質、タンパク質消化物、ペプチド、ペプチドの断片、ポリペプチド、オリゴヌクレオチド、オリゴヌクレオシド、アミノ酸、炭水化物、糖、脂質、脂肪酸、ビタミン、ホルモン、ＤＮＡの部分若しくは断片、ｃＤＮＡの部分若しくは断片、ＲＮＡの部分若しくは断片、ｍＲＮＡの部分若しくは断片、ｔＲＮＡの部分若しくは断片、ポリクローナル抗体、モノクローナル抗体、リボヌクレアーゼ、酵素、代謝産物、多糖類、リン酸化ペプチド、リン酸化タンパク質、糖ぺプチド、糖タンパク質またはステロイドを含む請求項１から１７のいずれかに記載の方法。
（ｉ）前記第１のサンプルが罹患生体から採取され、かつ、前記第２のサンプルが非罹患生体から採取される、（ｉｉ）前記第１のサンプルが処置生体から採取され、かつ、前記第２のサンプルが非処置生体から採取される、または（ｉｉｉ）前記第１のサンプルが変異型生体から採取され、かつ、前記第２のサンプルが野生型生体から採取される、のいずれかである請求項１から１８のいずれかに記載の方法。
前記第１のサンプルおよび／または前記第２のサンプル中の成分、分子または分析物を同定することをさらに含む請求項１から１９のいずれかに記載の方法。
前記第１のサンプルおよび／または前記第２のサンプル中の前記成分、分子または分析物が、前記第１のサンプル中の前記成分、分子または分析物の強度が前記第２のサンプル中の前記成分、分子または分析物の強度との違いが所定量より大きくなる場合にのみ同定される請求項１から２０のいずれかに記載の方法。
前記第１のサンプルおよび／または前記第２のサンプル中の前記成分、分子または分析物が、前記第１のサンプル中の複数の異なる成分、分子または分析物の平均強度が前記第２のサンプル中の複数の異なる成分、分子または分析物の平均強度との違いが所定量より大きくなる場合にのみ同定される請求項１から２１のいずれかに記載の方法。