JP5088731B2 - 多変量解析装置及びコンピュータプログラム - Google Patents
多変量解析装置及びコンピュータプログラム Download PDFInfo
- Publication number
- JP5088731B2 JP5088731B2 JP2007235895A JP2007235895A JP5088731B2 JP 5088731 B2 JP5088731 B2 JP 5088731B2 JP 2007235895 A JP2007235895 A JP 2007235895A JP 2007235895 A JP2007235895 A JP 2007235895A JP 5088731 B2 JP5088731 B2 JP 5088731B2
- Authority
- JP
- Japan
- Prior art keywords
- sample
- variable
- group
- data
- variables
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Description
サンプル群の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記対象データ群を記憶する対象データ記憶手段と、
前記対象データ群を用いて多変量解析を行う多変量解析手段と、前記対象データ群を用いて特徴抽出処理を行う特徴抽出手段とを有する計算・制御手段と、
前記多変量解析の結果と前記特徴抽出処理の結果をグラフィカル・ユーザ・インタフェース(以下、GUIと略称する)に可視的に表示する表示手段と
を備え、
前記計算・制御手段の前記多変量解析手段は、前記多変量解析によって判明した前記サンプル群の特性と前記複数の変数の特性とを表す複数の多変量解析チャートを生成し、
前記表示手段は、前記複数のチャートを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、前記サンプル群中の任意のサンプルサブ群又は前記複数の変数中の任意の変数を指定し、前記対象データ群に基づいて、前記指定されたサンプルサブ群に特徴的な変数、若しくは前記指定された変数に特徴的なサンプルサブ群、又は、前記対象データ記憶手段に他のサンプル群の対象データ群も記憶されている場合には前記他のサンプル群中で前記指定されたサンプルサブ群に関連するサンプルサブ群、を検出し、
前記表示手段は、前記指定されたサンプルサブ群又は前記指定された変数と、前記検出された特徴的な変数、若しくは前記検出された特徴的なサンプルサブ群、又は前記検出された関連するサンプルサブ群を、前記GUI上でハイライトして表示する。
前記多変量解析手段が行う前記多変量解析には、主成分解析が含まれ、
前記GUI上に表示される前記複数の多変量解析チャートには、
A. 所定の主成分軸からなる座標空間にて、前記サンプル群のそれぞれのサンプルが、所定の主成分についてのスコアに応じた座標にプロットされたサンプル・プロット・チャート、
B. 所定の主成分軸からなる座標空間にて前記複数の変数が、所定の主成分についてのローディングに応じた座標にプロットされた変数プロット・チャート、
C. 前記複数の変数の所定の主成分ついての寄与率が図示された寄与率チャート、及び
D. 前記複数の変数の所定の主成分についてのローディングの和が図示されたローディング・チャート、
のうちの少なくとも二つが含まれ、
前記表示手段は、前記指定されたサンプルサブ群又は前記検出された関連するサンプルサブ群を、前記サンプル・プロット・チャート上でハイライトして表示し、前記検出されたマーカ変数を、前記変数プロット・チャート、前記寄与率チャート、及び前記ローディング・チャートの内の少なくとも一つのチャート上でハイライトして表示する。
前記サンプル群中から任意のサンプルサブ群を指定するサンプル指定手段と、
前記対象データ群がもつ前記変数の値に基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記指定されたサンプルサブ群と前記検出されたマーカ変数とを前記GUI上でハイライトして表示する。
前記計算・制御手段の前記特徴抽出手段は、
前記複数の変数中から任意の変数をマーカ変数として指定するマーカ変数指定手段と、
前記サンプル群の対象データ群がもつ各変数の値に基づいて、前記指定されたマーカ変数に共通する1以上の特徴的なサンプルサブ群を検出する特徴サンプル検出手段と
を有し、
前記表示手段は、前記指定されたマーカ変数と前記検出された特徴的なサンプルサブ群とを前記GUI上でハイライトして表示する。
前記サンプル群の1種類以上の付加データ群を記憶する付加データ記憶手段をさらに備え、
前記計算・制御手段の前記特徴抽出手段は、
前記1種類以上の付加データ群中から任意の種類の付加データ群を指定する付加データ指定手段と、
前記指定された種類の付加データ群の値に基づいて、前記指定された種類の付加データ群に共通する1以上の特徴的なサンプルサブ群を、前記サンプル群中から検出する特徴サンプル検出手段と、
前記対象データ群がもつ各変数の値に基づいて、前記検出された特徴的なサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記検出された特徴的なサンプルサブ群と前記検出されたマーカ変数とを前記GUI上でハイライトして表示する。
前記特徴サンプル検出手段は、前記指定された種類の付加データ群全体での前記付加データの値の分布を求め、求まった前記付加データ群全体での前記付加データの値の分布と、各サンプルの付加データがもつ値とに基づいて、前記特徴的なサンプルサブ群を検出し、
前記マーカ変数検出手段は、前記対象データ群全体での各変数の値の分布を求め、求められた前記対象データ群全体での各変数の値の分布と、前記検出された特徴的なサンプルサブ群の対象データがもつ各変数の値とに基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を検出する。
前記サンプル群の1種類以上の付加データ群を記憶する付加データ記憶手段をさらに備え、
前記計算・制御手段の前記多変量解析手段は、前記多変量解析として少なくとも主成分解析を行い、前記主成分解析の結果に基づいて、所定の1以上の主成分軸からなる座標空間にて、前記サンプル群のそれぞれのサンプルが、所定の主成分についてのスコアに応じた座標にプロットされたサンプル・プロット・チャートを、前記多変量解析チャートの一つとして作成し、
前記表示手段は、前記サンプル・プロット・チャートを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記所定の1以上の主成分軸中から任意の主成分軸を指定し、且つ、前記1種類以上の付加データ群中から任意の種類の付加データ群を指定する付加データ指定手段と、
前記主成分解析の結果と前記指定された種類の付加データ群の値とに基づいて、前記サンプル・プロット・チャート中の前記指定された主成分軸を前記指定された種類の付加データ群の値に対応する座標軸に置換してなる置換サンプル・プロット・チャートを作成する主成分軸置換手段と
を有し、
前記表示手段は、前記置換サンプル・プロット・チャートを前記GUI上に表示する。
前記対象データ記憶手段は、
第1のサンプル群の第1の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第1の対象データ群と、
第2のサンプル群の第2の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第2の対象データ群と
を記憶し、前記第1と第2のサンプル群間で互いに共通性のあるサンプル同士を関連づけており、
前記計算・制御手段の前記多変量解析手段は、前記第1の対象データ群を用いた第1の多変量解析と前記第2の対象データ群を用いた第2の多変量解析とを行ない、前記第1の多変量解析の結果を示す1以上の第1のチャートと、前記第2の多変量解析の結果を示す1以上の第2のチャートとを作成し、
前記表示手段は、前記第1のチャートと前記第2のチャートとを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記第1のサンプル群中から任意の第1のサンプルサブ群を指定するサンプル指定手段と、
前記第1と第2のサンプル群間の関連付けに基づいて、前記指定された第1のサンプルサブ群に共通性のある第2のサンプルサブ群を、前記第2のサンプル群中から検索する関連サンプル検索手段と、
を有し、
前記表示手段は、前記指定された第1のサンプルサブ群と前記検出された第2のサンプルサブ群とを前記GUI上でハイライトして表示する。
前記計算・制御手段の前記特徴抽出手段は、
前記第1の対象データ群がもつ各変数の値に基づいて、前記指定された第1のサンプルサブ群に共通する1以上の特徴的な変数を、前記第1の対象データ群がもつ前記複数の変数中から、第1のマーカ変数として検出する第1のマーカ変数検出手段と、
前記第2の対象データ群がもつ各変数の値に基づいて、前記検索された第2のサンプルサブ群に共通する1以上の特徴的な変数を、前記第2の対象データ群がもつ前記複数の変数中から、第2のマーカ変数として検出する第2のマーカ変数検出手段と
をさらに備え、
前記表示手段は、前記検出された第1と第2のマーカ変数を前記GUI上でハイライトして表示する。
前記対象データ記憶手段は、
第1のサンプル群の第1の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第1の対象データ群と、
第2のサンプル群の第2の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第2の対象データ群と
を記憶し、前記第1と第2のサンプル群間で互いに共通性のあるサンプル同士を関連づけており、
前記計算・制御手段の前記多変量解析手段は、前記第1の対象データ群を用いた第1の多変量解析と前記第2の対象データ群を用いた第2の多変量解析とを行ない、前記第1の多変量解析の結果を示す1以上の第1のチャートと、前記第2の多変量解析の結果を示す1以上の第2のチャートとを作成し、
前記表示手段は、前記第1のチャートと前記第2のチャートとを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記第1の対象データ群がもつ前記複数の変数中から任意の変数をマーカ変数として指定するマーカ変数指定手段と、
前記第1の対象データ群がもつ各変数の値に基づいて、前記指定されたマーカ変数に共通する1以上の特徴的な第1のサンプルサブ群を、前記第1のサンプル群中から検出する特徴サンプル検出手段と、
前記第1と第2のサンプル群間の関連付けに基づいて、前記検出された第1のサンプルサブ群に共通性のある第2のサンプルサブ群を、前記第2のサンプル群中から検索する関連サンプル検索手段と、
を有し、
前記表示手段は、前記指定されたマーカ変数と前記検出された第1の特徴的なサンプルサブ群と前記検索された第2の特徴的なサンプルサブ群とを前記GUI上でハイライトして表示する。
前記計算・制御手段の前記特徴抽出手段は、
前記第2の対象データ群がもつ各変数の値に基づいて、前記検索された第2のサンプルサブ群に共通する1以上の特徴的な変数を、前記第2の対象データ群がもつ前記複数の変数中から、関連マーカ変数として検出する第2のマーカ変数検出手段と
をさらに備え、
前記表示手段は、前記指定されたマーカ変数と前記検出された第1の特徴的なサンプルサブ群と前記検索された第2の特徴的なサンプルサブ群だけでなく、前記検出された関連マーカ変数も、前記GUI上でハイライトして表示する。
前記計算・制御手段は、前記別構造データを図示した別構造データ・チャートを作成する手段をさらに有し、
前記表示手段は、前記複数の多変量解析チャートだけでなく前記別構造データ・チャートも前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記別構造データの前記複数のデータ部分中から任意のデータ部分を指定するデータ部分指定手段と、
前記サンプル群中から、前記指定されたデータ部分に関連付けられたサンプルサブ群を検出する関連サンプル検出手段と、
前記対象データ群がもつ各変数の値に基づいて、前記検出されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記指定されたデータ部分と前記検出されたサンプルサブ群と前記検索されたマーカ変数とを前記GUI上でハイライトして表示する。
前記サンプル群のそれぞれのサンプルに関連付けられた複数のデータ部分を有する別構造データを記憶した別構造データ記憶手段を更に備え、
前記計算・制御手段は、前記別構造データを図示した別構造データ・チャートを作成する手段をさらに有し、
前記表示手段は、前記複数の多変量解析チャートだけでなく前記別構造データ・チャートも前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記サンプル群中から任意のサンプルサブ群を指定するサンプル指定手段と、
前記別構造データの前記複数のデータ部分中から、前記指定されたサンプルサブ群に関連付けられたデータ部分を検出する関連データ部分検出手段と、
前記対象データ群がもつ各変数の値に基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記指定されたサンプルサブ群と前記検出されたデータ部分と前記検索されたマーカ変数とを前記GUI上でハイライトして表示する。
前記サンプル群のそれぞれのサンプルに関連付けられた複数のデータ部分を有する別構造データを記憶した別構造データ記憶手段を更に備え、
前記計算・制御手段は、前記別構造データを図示した別構造データ・チャートを作成する手段をさらに有し、
前記表示手段は、前記複数の多変量解析チャートだけでなく前記別構造データ・チャートも前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記複数の変数中から、任意の変数をマーカ変数として指定するマーカ変数指定手段と、
前記対象データ群がもつ各変数の値に基づいて、前記指定されたマーカ変数に共通する1以上の特徴的なサンプルサブ群を、前記サンプル群中から検出する特徴サンプル検出手段と、
前記別構造データの前記複数のデータ部分中から、前記検出された特徴的なサンプルサブ群に関連付けられたデータ部分を検出する関連データ部分検出手段と、
を有し、
前記表示手段は、前記指定されたマーカ変数と前記検出された特徴的なサンプルサブ群と前記検出されたデータ部分とを前記GUI上でハイライトして表示する。
図1に示すように、本実施形態に係る多変量解析装置は、元データ入力処理100、元データ処理102、多変量解析処理104及び特徴抽出処理106を行うことができる。
(1) 1事象のデータの解析結果に基づく特徴変数及び相関の検出、
(2) 複数事象のデータの解析結果に基づく特徴変数及び相関の検出、及び
(3) 異構造のデータの解析結果に基づく特徴変数及び相関の検出
がある。
(1) 1事象のデータの解析結果に基づく特徴変数及び相関の検出、
(2) 複数事象のデータの解析結果に基づく特徴変数及び相関の検出、及び
(3) 異構造のデータの解析結果に基づく特徴変数及び相関の検出
がある。
(1) 「1事象のデータの解析結果に基づく特徴変数及び相関の検出」機能、
(2) 「複数事象のデータの解析結果に基づく特徴変数及び相関の検出」機能、及び
(3) 「異構造のデータの解析結果に基づく特徴変数及び相関の検出」機能
各々について、より具体的に説明する。
この機能には、複数のサブ機能が含まれ、各サブ機能は、コントロール・パネル150へのユーザの操作の仕方に応じて選択される。それらサブ機能には、「特定サンプルの特徴変数の抽出によるマーカ変数の検出」、「指定マーカ変数による特徴サンプルの検出」、「分析データと付加データとの相補的な解析#1」、「分析データと付加データとの相補的な解析#2」などがある。以下、各サブ機能について説明する。
多変量解析などの統計的手法により、解析されたサンプル群全体の傾向を見ることが可能である。もし、このサンプル群全体が複数のサブ群に分れているようであるならば、ユーザが考える解析プロセスの次の課題の一つは、「分割されたサンプルサブ群毎に、どのような特徴があるのか、つまり、特にどの変数がそのサブ群を特徴づけるのに寄与しているのか?」であろう。この課題を解決するために、このサブ機能は、ユーザが任意に指定したサンプルのサブ群のデータと、その他のサンプルのデータとを比較して、指定されたサンプルサブ群を他のサンプルから分離するのに寄与している可能性のある幾つかの特徴変数を抽出し、更に寄与率を用いてノイズ情報を除去して、より確度の高い特徴変数を抽出する。このサブ機能により、指定されたサンプルサブ群の特異的な特徴変数が導き出される。
多変量解析装置110は、或る事象の或るサンプル群の対象データ群を、対応する解析テーブル120から読み込み、多変量解析、例えばPCA解析、を行ない、そして、その解析結果を一つのGUI上に表示する。そのGUIにおけるそのサンプル群が表示されたウィンドウ、例えば図8に示すようなPCA解析で得られたサンプル・プロット・チャートを表したサンプル・プロット・ウィンドウ152中から、ユーザが、マウスなどのポインティング・デバイスを用いて、興味のある任意のサンプル(例えば、他のサンプルから分離されているサンプルのサブ群)178を指定する。すると、多変量解析装置110は、指定されたサンプルサブ群178を、サンプル・プロット・ウィンドウ152上でハイライト表示する。さらに、多変量解析装置110は、そのサンプル群の解析テーブル120を参照し、その解析テーブル120に記述されたリンクを用いて、指定されたサンプルの実態データ(スペクトルデータ)を読み出し、そして、図8に示すように、それらの実態データに基づいて指定されたサンプルのスペクトルを、スペクトル・ウィンドウ160に表示する。
ステップ170で指定されたサンプルに共通する特徴的ないくつかの変数が、多変量解析装置110により計算される。ここで、或るサンプルに「特徴的な変数(特徴変数)」とは、そのサンプルがもつその変数の値が、他のサンプルがもつその変数の値と比べて、明らかに大きいもしくは小さいと判断される変数である。そのような変数の判別方法として、統計的ないろいろな手法が採用できるが、本実施形態では、以下に説明するような平均値を利用した方法を採用する。
ここで、k列目(k番目の変数)のサンプル群全体内での最小値をxk_min、最大値をxk_maxとする。また、特徴的か否かを判別するために設定される閾値レベルを、それぞれxk_min_th、xk_max_thとする。このサンプル群におけるk列目(k番目の変数)の値の分布は、例えば図9Aまたは図9Bに示されるようになる。
このステップ174では、上記ステップ172で得られた特徴変数の各々について、その変数が、指定サンプルサブ群をそれ以外のサンプルから差別化するという点で本当に意味のある変数であるかどうかを、寄与率のような別のパラメータを用いて評価をする。特にノイズのようにランダムで偶発的に選択された変数を、事前に求められた寄与率などの事前パラメータを用いて検出し、それを除去する。具体的には、或る変数の寄与率があるレベル以下であれば、その変数を除去する。結果として、上記観点で本当に意味のある(より確度の高い)特徴変数のみが絞り込まれる。このような特徴変数をそれぞれ以下「マーカ変数」という。
このステップ176では、上記ステップ174で抽出されたマーカ変数を、GUI上で視覚的に識別できるようにハイライトして表示する。例えば、図8に例示するように、スペクトル・チャート・ウィンドウ160、寄与率チャート・ウィンドウ156、ローディング・チャート・ウィンドウ158を通じて、抽出されたマーカ変数に対してのみ所定カラーの帯180が付され、また、変数プロット・ウィンドウ154で、それらのマーカ変数が他の変数とは異なるカラーのドット182で表示される。それにより、ユーザはGUI上で、それらのマーカ変数を視覚的に容易に識別可能である。好ましくは、マーカ変数が、図9Aに示された最大値に近い(つまり、指定サンプルサブ群がもつその変数の値が、他のサンプルのそれより明らかに大きい)のか、もしくは最小値に近い(つまり、指定サンプルサブ群がもつその変数の値が、他のサンプルのそれより明らかに小さい)のかを、異なるカラーを使って区別して表示する(例えば、前者に付された帯180のカラーはオレンジ、後者に付された帯180のカラーはブルー)。これにより、ユーザは、指定サンプルサブ群の量的な特徴を視覚的に容易に把握できる。
前述の「特定サンプルの特徴変数の抽出によるマーカ変数の検出」サブ機能は、指定サンプルサブ群に共通するマーカ変数を探索する手法である。他方、「指定マーカの有意差検定によるサンプル特徴分布検出」サブ機能は、前述のサブ機能と逆のアプローチにより、指定されたマーカ変数がどのサンプルサブ群に特異的に影響を与えているかを探索する手法である。このサブ機能では、指定されたマーカ変数を寄与率によりフィルタリングし、その後、指定されたマーカ変数が特徴的に表れているサンプルサブ群を抽出する。
多変量解析装置110は、或る事象の或るサンプル群の対象データ群を、対応する解析テーブル120から読み込み、多変量解析、例えばPCA解析、を行ない、そして、その解析結果を一つのGUI上に表示する。そのGUI上で変数が表示されているウィンドウ、例えば変数プロット・ウィンドウ154上で、ユーザが、興味ある任意の任意の1以上の変数198を、マーカ変数として指定する(寄与率プロット・ウィンドウ156またはローディング・チャート・ウィンドウ158でマーカ変数を指定してもよい。)。図11に示された例では、ユーザは、変数プロット・ウィンドウ154上で他の変数から分離されて孤立しているような1又は複数の変数198に興味を持ち、その変数198をマーカ変数として指定している。
上記ステップ190で指定された変数について、その変数に意味があるかどうかが、寄与率等の別のパラメータを用いて評価される。特にノイズのようにランダムで偶発的に指定された変数が、事前に求められた寄与率等による評価結果に基づいて検出され、マーカ変数から除外される。具体的には、寄与率などのパラメータの値が或るレベル以下である変数を排除することで、本当に意味のある変数のみがマーカ変数として絞り込まれる。
上記ステップ192で決定されたマーカ変数に共通する特徴的な1以上のサンプル(サンプルサブ群)が検出される。ここで、或るマーカ変数に「特徴的なサンプル」とは、そのサンプルがもつそのマーカ変数の値が、他のサンプルがもつそのマーカ変数の値と比べて、明らかに大きいもしくは小さいと判断されるサンプルである。判別方法として種々の統計的な手法が採用できるが、本実施形態は、次に説明するような平均値を利用した方法を採用する。
上記ステップ194で最終的に抽出された特徴サンプル202、204が、GUIのサンプル・プロット・ウィンドウ152上に、視覚的に識別できるようにハイライトされて表示される。また、それら特徴サンプルの実態データが読み出され、それらのスペクトルがスペクトル・チャート・ウィンドウ160上に表示される。好ましくは、それぞれの特徴サンプル202、204のもつ指定マーカ変数の値が最大値に近いのか、もしくは最小値に近いのかが、視覚的に区別できるように、前者の特徴サンプル202と後者の特徴サンプル204とが異なる色で表示される。例えば、サンプル・プロット・ウィンドウ152上で、前者の特徴サンプル202の表にカラーがオレンジであり、後者の特徴サンプル204の表示カラーがブルーである。さらに、例えば、サンプル・プロット・ウィンドウ152上で、特徴サンプル202、204の各々がもつマーカ変数の値も表示される。これにより、指定したマーカ変数の量的な特徴が視覚的に容易に把握できる。
従来行われているほとんどの解析手法は、一つの観点から(例えば、一つの事象に関して、一つの一次分析装置を用いて)分析して得られたデータを基に、一意的な結論を求めようとしている。しかし、多くの異なる観点から分析を行って様々な関連する情報、データを収集し、それらの情報(知見)を総合的または相補的に解釈してこそ、より正しい結論が導き出される筈である。また、それぞれの観点から得られた情報(知見)同士の相関を見ることにより、新たな知見を得ることができるであろう。このサブ機能は、ある観点での分析データから得られた結果と、それに関連する別の1以上の観点での情報(付加データ)とを有機的に結合し、それらの相関が一つのGUIにて視覚的に理解できるように提示する機能である。このサブ機能は、指定された付加データに特徴的なサンプルを自動的に抽出し、そして、それらのサンプルに特異なマーカ変数を自動的に見つけ出す機能である。これにより、ユーザは、付加データと変数との相関関係を視覚的に容易に把握することができる。なお、付加データは、図3に示された解析テーブル120内の付加データ欄140に予め登録されている。
多変量解析装置110は、或る事象の或るサンプル群の対象データ群を、対応する解析テーブル120から読み込み、多変量解析、例えばPCA解析、を行ない、そして、その解析結果を一つのGUI上に表示する。ユーザは、そのGUIのコントロール・パネル150上の付加データ選択メニュー220を用いて、興味ある任意の種類の付加データ(例えば生化学データの一種である体重差データ)を選択する。
解析テーブル120から、サンプル群全体の指定生化学データの値が読み出される。上述の1.2.3項で説明したステップ194で指定マーカ変数について行われた方法(図12を参照して説明した方法)と同様の方法で、指定された生化学データの各々についてサンプル群全体での値の分布が計算され、それらの分布に基づいて、指定された生化学データに共通する特徴的なサンプル(サンプルサブ群)220、222が抽出される。指定生化学データの値が最大値に近い特徴サンプル220と、最小値に近い特徴サンプル222とが、区別できるように別のカラーで、サンプル・プロット・ウィンドウ152上で表示される。特徴サンプル220、222の実態データが読み出され、それらのスペクトルが、スペクトル・チャート・ウィンドウ160上に表示される。
1.1.2項で説明したステップ172と同様な方法で、上記ステップ212で抽出された特徴サンプルサブ群に共通する特徴的な変数が抽出される。
1.1.3項で説明したステップ174と同様な方法によるフィルタリングが、上記ステップ214で抽出された特徴変数に対して適用されて、マーカ変数が決定される。マーカ変数は、スペクトル・チャート・ウィンドウ160、寄与率チャート・ウィンドウ156及びローディング・チャート・ウィンドウ158を通じて、視覚的に区別できるように、例えば所定カラーの帯224によりハイライトされて表示される。
1.1.4項で説明したステップ176と同様な方法で、マーカ変数が、視覚的に識別できように他の変数とは別のカラーで、変数プロット・ウィンドウ154上に表示される。これらのマーカ変数は、指定された付加データ(生化学データ)との相関が、他の変数より高いと推定することができる。
このサブ機能は、1.3項で説明したサブ機能と同様に、ある観点での分析データから得られた結果と、それに関連する別の1以上の観点での情報(付加データ)とを有機的に結合し、それらの相関が一つのGUIにて視覚的に理解できるように提示する機能である。このサブ機能は、PC(主成分)解析で得られたPC(主成分)と、指定された付加データとを座標軸とする座標空間に、サンプル群をプロットして、GUI上に表示する機能である。
多変量解析装置110は、或る事象の或るサンプル群の対象データ群を、対応する解析テーブル120から読み込み、多変量解析、例えばPCA解析、を行ない、そして、その解析結果を一つのGUI上に表示する。ユーザは、そのGUIのコントロール・パネル150上の3つの座標軸(x、y、z軸)選択メニュー234を用いて、少なくとも1つの任意の座標軸に、興味ある任意の種類の付加データ(例えば生化学データの一種である体重差データ)を指定し、残りの座標軸に、PC(主成分)解析で得られた任意のPCを指定する。図15に示された例では、x軸に生化学データの一つである体重差が指定され、y軸とz軸には或る同じPCが指定されている(y軸とz軸に異なるPCを指定しても、勿論よい。)。
多変量解析装置110は、解析対象のサンプル群の解析テーブル120から、サンプル群の指定付加データのデータを読み込み、そして、サンプル・プロット・ウィンドウ152に表示されている座標空間を構成する複数のPC軸の内、ユーザに指定されたPC軸を、ユーザに指定された付加データの値に対応する座標軸(以下、付加データ軸という)に置き換える。そして、その付加データ軸と残りのPC軸とから構成される座標空間に、そのサンプル群をプロットし直したサンプル・プロット・チャートを作成し、そして、そのサンプル・プロット・チャートを、サンプル・プロット・ウィンドウ152に表示する。図15に例示された例では、x軸に体重差が指定され、y軸とz軸には同一のPCが指定されている(つまり、座標軸が実質的に2本である)ため、サンプル・プロット・ウィンドウ152には2次元(縦軸が体重差、横軸が指定PC)のサンプル・プロット・チャートが表示されているが、x、y、zの3軸にそれぞれ異なる成分が指定されていれば、3次元のサンプル・プロット・チャートが表示されることになる。
この機能には、「異事象の分析データ間の相関およびマーカ変数の検出」サブ機能及び「指定マーカ変数における異事象での挙動の抽出」サブ機能が含まれる。以下、これらのサブ機能について説明する。
このサブ機能は、ある現象を理解するために、利用可能な複数の分析・評価法を活用して異なる事象の観点からデータを収集し分析して、その現象の全体像を探索することを容易にする。一般的に、それ一つで万能であるという分析法・評価法は存在しないので、研究者は、各手法の得手・不得手を理解した上で、各手法で得られたデータ(情報)を処理し解析し、そして、最終的に研究者の頭の中で、異なる手法で得られた情報を総合的・相補的に組み合わせながら一つの結論(推論)を導き出している。このサブ機能は、各種の手法から得られた異なる事象のデータ(情報)を、一つのGUI上で、相互の相関が把握しやすいように表示する機能である。このサブ機能は、特に、異事象間で共通性のあるサンプル(サンプルのデータ)をピックアップし、それら異事象間で共通性のあるサンプルに特異的なマーカ変数を検出し表示する。それにより、ユーザは、異なる手法で得られた情報を総合的・相補的に組み合わせることが容易になる。
多変量解析装置110は、複数の異なる事象の対象データ群を、それぞれの事象の解析テーブル120から読み込み、事象毎に多変量解析、例えばPCA解析、を行ない、そして、それら複数の事象の解析結果を一つのGUI上に表示する。例えば、図17に示したGUI上には、メタボローム、プロテオーム、ゲノムの観点からの3種類の事象A〜Cについて、PCA解析結果として、サンプル・プロット・ウィンドウ152A〜152C、スペクトル・チャート・ウィンドウ160A〜160C及び寄与率チャート・ウィンドウ156A〜156Cなどが、3事象を通じて同じ配置で、表示されている。
多変量解析装置110は、事象A、B、Cの解析テーブル120に登録されている各サンプルに割り当てられたキーワード(要するに、異事象A、B、Cのサンプル群間で、共通性のあるサンプル同士を関連づけるリンク情報)を頼りに、上記ステップ240で事象Aに関し指定されたサンプルサブ群250のデータと共通性のある他の事象B、Cのサンプルサブ群252、254のデータを検索する。ここで、異事象間で「共通性のある」サンプルのデータとは、例えば、同じサンプルソース(例えば、同じ人)から得られた異種類のサンプル(例えば血液、細胞、染色体)を分析したデータ、あるいは、同じサンプル(例えば、或る混合物)を異なる一次分析装置(例えば、NMR装置、MS装置、DNAアレイなど)で分析して得たデータなどを意味する。
上述1.1.2項から1.1.4項で説明したと同様の方法で、事象A、B、Cのそれぞれについて、指定サンプルサブ群(事象A)及びそれに関連付けられたサンプルサブ群(事象B、C)に共通する特徴変数の抽出、寄与率によるフィルタリング、及びマーカ変数の表示の処理が行われる。その結果、図18に例示するように、それらの事象A、B、Cにおいて検出されたマーカ変数256、258、259がハイライト表示される。
このサブ機能も、上記2.1のサブ機能と同様、ある現象を理解するために、利用可能な複数の分析・評価法を活用して異なる事象の観点からデータを収集し分析して、その現象の全体像を探索することを容易にする。このサブ機能は、特に、特定の事象における特定のマーカ変数が指定されると、そのマーカ変数により特徴付けられるサンプルのサブ群をその特定事象と他の事象のサンプル群からピックアップし、そして、それら異事象のサンプルに特異的なマーカ変数を検出し表示する。それにより、ユーザは、異なる手法で得られた情報を総合的・相補的に組み合わせることが容易になる。
多変量解析装置110は、上記2.1のサブ機能の場合と同様、複数の異なる事象の対象データ群を、それぞれの事象の解析テーブル120から読み込み、事象毎に多変量解析、例えばPCA解析、を行ない、そして、それら複数の事象の解析結果を一つのGUI上に表示する。例えば、図21に示したGUI上には、3種類の事象A〜Cについて、PCA解析結果として、サンプル・プロット・ウィンドウ152A〜152C、スペクトル・チャート・ウィンドウ160A〜160C及び寄与率チャート・ウィンドウ156A〜156Cなどが、3事象を通じて同じ配置で、表示されている。
上述1.2.2項〜1.2.4項で説明した方法と同様な方法で、上記1つの事象Aに関して、指定マーカ変数の寄与率によるフィルタリング、フィルタリングで絞り込まれたマーカ変数に共通する特徴サンプルサブ群の抽出、及び抽出された特徴サンプルサブ群の表示が行われる。図21に例示されるように、寄与率によるフィルタリングで絞り込まれたマーカ変数280は、視覚的に容易に識別できるようにハイライト表示される。また、図21に例示されるように、マーカ変数280の分布の最大値に近い特徴領域にそのマーカ変数280を有する特徴サンプルサブ群282と、同分布の最小値に近い特徴領域にそのマーカ変数280を有する特徴サンプルサブ群284とが抽出され、そして、その2種類の特徴サンプルサブ群282、284は視覚的に区別できるように、サンプル・プロット・ウィンドウ152A上で異なるカラーでハイライト表示される。さらに、その特徴サンプルサブ群282、284の実態データから得られたスペクトルが、スペクトル・チャート・ウィンドウ160Aに表示される。
上述2.1.2項で説明した方法と同様の方法で、上記ステップ262〜264で事象Aに関して抽出された特徴サンプルサブ群282、284のデータと共通性のある他の事象B、Cのサンプルサブ群286、282;290、292のデータが検索される。そして、検索された共通性のあるサンプルサブ群286、282;290、292のデータは、それぞれの事象B、Cのサンプル・プロット・ウィンドウ152B、152C上で、同様にハイライト表示される。さらに、それら共通性のあるサンプルサブ群286、282;290、292の実態データから得られたスペクトルが、それぞれの事象B、Cのスペクトル・チャート・ウィンドウ160B、160C上に表示される。これにより、異なる事象A、B、Cに関する同じサンプルサブ群のデータが相互に関連づけられる。
上述1.1.2項から1.1.4項で説明したと同様の方法で、上記ステップ268で検索された他事象B、Cのサンプルサブ群286、282;290、292のそれぞれについて、そのサンプルサブ群に共通する特徴変数の抽出、寄与率によるフィルタリング、及びマーカ変数の表示の処理が行われる。その結果、図21に例示するように、他事象B、Cにおいて検出されたマーカ変数294、296がハイライト表示される。
この機能は、上述した異事象のデータの解析の概念をさらに発展させたもので、前述の機能で取り扱われたような多変量解析に適した構造をもつデータ(又は、そのような構造のデータから把握される現象)と、それとは別の構造をもつデータ(例えば、画像データ、又は、そのような別構造のデータから把握される現象)との間の相関を調べ、特徴抽出することにより、今までに得ることのできなかった全く新たな情報を得ることを容易にする。以下では、具体例として、MRI装置のCSI(Chemical Shift Imaging)機能により得られるCSIスペクトルデータ(多変量解析に適した構造のデータ)と、そのMRI装置から得られるMRI画像データ(別構造のデータ)とを用いた解析法を説明する。ここで、CSIスペクトルデータは、大まかにいえば、MRI画像中の多数の部位(ボクセル)の各々のケミカルなスペクトルデータ(NMRスペクトルデータの一種)である。
図22は、このサブ機能の処理の流れを示し、図23は、このサブ機能の処理をGUIを用いて説明している。以下、図22に示す各ステップを、図23を一緒に参照しつつ説明する。
多変量解析装置110は、MRI画像データ(図2に示された別構造の実態データ118に相当)を読み込み、MRI画像データに基づきMRI画像を作成してこれをGUI上に表示する。また、多変量解析装置110は、GUI上に表示されたMRI画像中の多数の部位つまりボクセル(以下、サンプルという)のCSIヒストグラム・データ群(図2に示される対象データ群)を読み込み、CSIヒストグラム・データ群の多変量解析、例えばPCA解析、を行ない、そして、その解析結果を同じGUI上に表示する。例えば、図23に例示したGUI上には、別構造データ・ウィンドウ164にMRI画像が表示され、また、サンプル・プロット・ウィンドウ152、変数プロット・ウィンドウ154、寄与率チャート・ウィンドウ156及びローディング・チャート・ウィンドウ158に、そのMRI画像内の多数のサンプル(ボクセル)のスペクトルデータのPCA解析結果を表示されている。
多変量解析装置110は、上記ステップ300で指定されたサンプル(ボクセル)のMRI画像上での位置情報(識別番号)と、解析テーブル120のキーワードとを用いて、指定されたサンプル(ボクセル)のMRI画像上の位置と、そのサンプル(ボクセル)の対象データの多変量解析結果とを相互に関連づけて連結する。
前述した1.1.2項から1.1.4項で説明したと同様の方法で、検索されたサンプル(ボクセル)(つまり、指定されたサンプルサブ群)314に共通する特徴変数が抽出され、それらについて寄与率等によるフィルタリングが行われ、それにより、最終的に指定されたサンプル(ボクセル)に特異なマーカ変数が検出され、検出されたマーカ変数が図23に例示するようにハイライトされて表示される。
図25は、このサブ機能の処理の流れを示し、図26は、このサブ機能の処理をGUIを用いて説明している。以下、図25に示す各ステップを、図26を一緒に参照しつつ説明する。
上述した3.1項の「異構造データ間の相関の検出#1」サブ機能の場合と同様に、MRI画像とMRI画像中の多数のサンプル(ボクセル)の対象データ群(CSIヒストグラム・データ群)の多変量解析結果がGUI上に表示されている状態において、ユーザは、このGUIのサンプル・プロット・ウィンドウ152上で、興味ある任意のサンプル(ボクセル)330を指定する。
多変量解析装置110は、上記ステップ320で指定されたサンプル(ボクセル)330の解析テーブル120上のキーワードと、MRI画像上での位置情報(識別番号)とを用いて、指定されたサンプル(ボクセル)の対象データの多変量解析結果と、それらのサンプル(ボクセル)のMRI画像上の位置とを相互に関連づけて連結する。
前述した1.1.2項から1.1.4項で説明したと同様の方法で、指定されたサンプル(対象データ)(指定されたサンプルサブ群)330に共通する特徴変数が抽出され、それらについて寄与率等によるフィルタリングが行われ、それにより、最終的に指定されたサンプル(対象データ)に特異なマーカ変数が検出され、検出されたマーカ変数が図26に例示するようにハイライトされて表示される。
図28は、このサブ機能の処理の流れを示し、図29は、このサブ機能の処理をGUIを用いて説明している。以下、図28に示す各ステップを、図29を一緒に参照しつつ説明する。
上述した3.1項の「異構造データ間の相関の検出#1」サブ機能の場合と同様に、MRI画像とMRI画像中の多数のサンプル(ボクセル)の対象データ群(CSIヒストグラム・データ群)の多変量解析結果がGUI上に表示されている状態において、ユーザは、このGUIの変数プロット・ウィンドウ154上で、興味ある任意の任意の1以上の変数360を、マーカ変数として指定する(寄与率プロット・ウィンドウ156またはローディング・チャート・ウィンドウ158でマーカ変数を指定してもよい。)。
前述の1.2.2項から1.2.3項で説明されたのと同様の方法で、指定されたマーカ変数360に対する寄与率等によるフィルタリングが行われ、フィルタリングで絞り込まれたマーカ変数に共通する特徴サンプルサブ群364、366(マーカ変数の値が最小値に近い特徴サンプルサブ群364と、最大値に近い特徴サンプルサブ群366)が抽出され、そして、抽出された特徴サンプルサブ群364、366がサンプル・プロット・ウィンドウ152上でハイライトされて表示される。このとき、マーカ変数の値が最小値に近い特徴サンプルサブ群364と、最大値に近い特徴サンプルサブ群366とは、一目で区別できるよう、例えば異なるカラーで表示される。また、抽出された特徴サンプルサブ群364、366のスペクトルの画像が、スペクトル・チャート・ウィンドウ160上に表示される。
前述の3.2.2項で説明されたのと同様の方法で、上記ステップ346で抽出された特徴サンプルサブ群364、366に対応するMRI画像上の対応する特徴サンプルサブ群(ボクセルのサブ群)368、370が割り出され、そして、抽出された特徴サンプルサブ群364、366の対象データと、割り出されたMRI画像上の特徴サンプルサブ群(ボクセルのサブ群)368、370とがGUI上で可視的に関連付けられ連結される。
上記ステップ348での関連付けの結果として、MRI画像上の特徴サンプル(ボクセル)サブ群(ボクセルのサブ群)368、370が、別構造データ・ウィンドウ164上でハイライトされて表示される。このとき、マーカ変数の値が最小値に近い特徴サンプルサブ群368と、最大値に近い特徴サンプルサブ群370とは、一目で区別できるように例えば異なるカラーで表示される。
112 計算・制御モジュール
114 表示モジュール
115 UIからの要求
116 標準構造の実態データ
118 別構造の実態データ
120 解析テーブル
150 コントロール・パネル
152 サンプル・プロット・ウィンドウ
154 変数プロット・ウィンドウ
156 寄与率チャート・ウィンドウ
158 ローディング・チャート・ウィンドウ
160 スペクトル・チャート・ウィンドウ
162 ビュー・ナビゲータ・ウィンドウ
164 別構造データ・ウィンドウ
Claims (17)
- サンプル群の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記対象データ群を記憶する対象データ記憶手段と、
前記対象データ群を用いて多変量解析を行う多変量解析手段と、前記対象データ群を用いて特徴抽出処理を行う特徴抽出手段とを有する計算・制御手段と、
前記多変量解析の結果と前記特徴抽出処理の結果をグラフィカル・ユーザ・インタフェース(以下、GUIと略称する)に可視的に表示する表示手段と
を備え、
前記計算・制御手段の前記多変量解析手段は、前記多変量解析によって判明した前記サンプル群の特性と前記複数の変数の特性とを表す複数の多変量解析チャートを生成し、
前記表示手段は、前記複数のチャートを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記サンプル群中から任意のサンプルサブ群を指定するサンプル指定手段と、
前記サンプル群の対象データ群全体での各変数の値の分布を求め、求められた前記対象データ群全体での各変数の値の分布と、前記指定されたサンプルサブ群の対象データがもつ各変数の値とに基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、を有し、
前記表示手段は、前記指定されたサンプルサブ群と前記検出されたマーカ変数とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項1記載の多変量解析装置において、
前記多変量解析手段が行う前記多変量解析には、主成分解析が含まれ、
前記GUI上に表示される前記複数の多変量解析チャートには、
A. 所定の主成分軸からなる座標空間にて、前記サンプル群のそれぞれのサンプルが、所定の主成分についてのスコアに応じた座標にプロットされたサンプル・プロット・チャート、
B. 所定の主成分軸からなる座標空間にて前記複数の変数が、所定の主成分についてのローディングに応じた座標にプロットされた変数プロット・チャート、
C. 前記複数の変数の所定の主成分ついての寄与率が図示された寄与率チャート、及び
D. 前記複数の変数の所定の主成分についてのローディングの和が図示されたローディング・チャート、
のうちの少なくとも二つが含まれ、
前記表示手段は、前記指定されたサンプルサブ群を、前記サンプル・プロット・チャート上でハイライトして表示し、前記検出されたマーカ変数を、前記変数プロット・チャート、前記寄与率チャート、及び前記ローディング・チャートの内の少なくとも一つのチャート上でハイライトして表示する、
多変量解析装置。 - 請求項1記載の多変量解析装置において、
前記多変量解析手段が行う前記多変量解析には、主成分解析が含まれ、
前記マーカ変数検出手段は、前記検出されたマーカ変数に対して、前記主成分解析で得られた寄与率に基づいたフィルタリングを行なって、より確度の高いマーカ変数に絞り込む、
多変量解析装置。 - 請求項1〜3のいずれか一項記載の多変量解析装置において、
前記計算・制御手段の前記特徴抽出手段は、
前記複数の変数中から任意の変数をマーカ変数として指定するマーカ変数指定手段と、
前記サンプル群の対象データ群がもつ各変数の値に基づいて、前記指定されたマーカ変数に共通する1以上の特徴的なサンプルサブ群を検出する特徴サンプル検出手段と
を有し、
前記表示手段は、前記指定されたマーカ変数と前記検出された特徴的なサンプルサブ群とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項4記載の多変量解析装置において、
前記特徴サンプル検出手段は、前記対象データ群全体での前記指定されたマーカ変数の各々の値の分布を求め、求まった前記対象データ群全体での前記指定されたマーカ変数の各々の値の分布と、各サンプルの対象データがもつ前記指定されたマーカ変数の各々の値とに基づいて、前記特徴的なサンプルサブ群を検出する、
多変量解析装置。 - 請求項4又は5記載の多変量解析装置において、
前記多変量解析手段が行う前記多変量解析には、主成分解析が含まれ、
前記特徴サンプル検出手段は、前記指定されたマーカ変数に対して、前記主成分解析で得られた寄与率に基づいたフィルタリングを行なって、より確度の高いマーカ変数に絞り込む、
多変量解析装置。 - 請求項1〜6のいずれか一項記載の多変量解析装置において、
前記サンプル群の1種類以上の付加データ群を記憶する付加データ記憶手段をさらに備え、
前記計算・制御手段の前記特徴抽出手段は、
前記1種類以上の付加データ群中から任意の種類の付加データ群を指定する付加データ指定手段と、
前記指定された種類の付加データ群の値に基づいて、前記指定された種類の付加データ群に共通する1以上の特徴的なサンプルサブ群を、前記サンプル群中から検出する特徴サンプル検出手段と、
前記対象データ群がもつ各変数の値に基づいて、前記検出された特徴的なサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記検出された特徴的なサンプルサブ群と前記検出されたマーカ変数とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項7記載の多変量解析装置において、
前記特徴サンプル検出手段は、前記指定された種類の付加データ群全体での前記付加データの値の分布を求め、求まった前記付加データ群全体での前記付加データの値の分布と、各サンプルの付加データがもつ値とに基づいて、前記特徴的なサンプルサブ群を検出し、
前記マーカ変数検出手段は、前記対象データ群全体での各変数の値の分布を求め、求められた前記対象データ群全体での各変数の値の分布と、前記検出された特徴的なサンプルサブ群の対象データがもつ各変数の値とに基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を検出する、
多変量解析装置。 - 請求項1〜8のいずれか一項記載の多変量解析装置において、
前記サンプル群の1種類以上の付加データ群を記憶する付加データ記憶手段をさらに備え、
前記計算・制御手段の前記多変量解析手段は、前記多変量解析として少なくとも主成分解析を行い、前記主成分解析の結果に基づいて、所定の1以上の主成分軸からなる座標空間にて、前記サンプル群のそれぞれのサンプルが、所定の主成分についてのスコアに応じた座標にプロットされたサンプル・プロット・チャートを、前記多変量解析チャートの一つとして作成し、
前記表示手段は、前記サンプル・プロット・チャートを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記所定の1以上の主成分軸中から任意の主成分軸を指定し、且つ、前記1種類以上の付加データ群中から任意の種類の付加データ群を指定する付加データ指定手段と、
前記主成分解析の結果と前記指定された種類の付加データ群の値とに基づいて、前記サンプル・プロット・チャート中の前記指定された主成分軸を前記指定された種類の付加データ群の値に対応する座標軸に置換してなる置換サンプル・プロット・チャートを作成する主成分軸置換手段と
を有し、
前記表示手段は、前記置換サンプル・プロット・チャートを前記GUI上に表示する、
多変量解析装置。 - 請求項1〜9のいずれか一項記載の多変量解析装置において、
前記対象データ記憶手段は、
第1のサンプル群の第1の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第1の対象データ群と、
第2のサンプル群の第2の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第2の対象データ群と
を記憶し、前記第1と第2のサンプル群間で互いに共通性のあるサンプル同士を関連づけており、
前記計算・制御手段の前記多変量解析手段は、前記第1の対象データ群を用いた第1の多変量解析と前記第2の対象データ群を用いた第2の多変量解析とを行ない、前記第1の多変量解析の結果を示す1以上の第1のチャートと、前記第2の多変量解析の結果を示す1以上の第2のチャートとを作成し、
前記表示手段は、前記第1のチャートと前記第2のチャートとを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記第1のサンプル群中から任意の第1のサンプルサブ群を指定するサンプル指定手段と、
前記第1と第2のサンプル群間の関連付けに基づいて、前記指定された第1のサンプルサブ群に共通性のある第2のサンプルサブ群を、前記第2のサンプル群中から検索する関連サンプル検索手段と、
を有し、
前記表示手段は、前記指定された第1のサンプルサブ群と前記検出された第2のサンプルサブ群とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項10記載の多変量解析装置において、
前記計算・制御手段の前記特徴抽出手段は、
前記第1の対象データ群がもつ各変数の値に基づいて、前記指定された第1のサンプルサブ群に共通する1以上の特徴的な変数を、前記第1の対象データ群がもつ前記複数の変数中から、第1のマーカ変数として検出する第1のマーカ変数検出手段と、
前記第2の対象データ群がもつ各変数の値に基づいて、前記検索された第2のサンプルサブ群に共通する1以上の特徴的な変数を、前記第2の対象データ群がもつ前記複数の変数中から、第2のマーカ変数として検出する第2のマーカ変数検出手段と
をさらに備え、
前記表示手段は、前記検出された第1と第2のマーカ変数を前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項1〜11のいずれか一項記載の多変量解析装置において、
前記対象データ記憶手段は、
第1のサンプル群の第1の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第1の対象データ群と、
第2のサンプル群の第2の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記第2の対象データ群と
を記憶し、前記第1と第2のサンプル群間で互いに共通性のあるサンプル同士を関連づけており、
前記計算・制御手段の前記多変量解析手段は、前記第1の対象データ群を用いた第1の多変量解析と前記第2の対象データ群を用いた第2の多変量解析とを行ない、前記第1の多変量解析の結果を示す1以上の第1のチャートと、前記第2の多変量解析の結果を示す1以上の第2のチャートとを作成し、
前記表示手段は、前記第1のチャートと前記第2のチャートとを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記第1の対象データ群がもつ前記複数の変数中から任意の変数をマーカ変数として指定するマーカ変数指定手段と、
前記第1の対象データ群がもつ各変数の値に基づいて、前記指定されたマーカ変数に共通する1以上の特徴的な第1のサンプルサブ群を、前記第1のサンプル群中から検出する特徴サンプル検出手段と、
前記第1と第2のサンプル群間の関連付けに基づいて、前記検出された第1のサンプルサブ群に共通性のある第2のサンプルサブ群を、前記第2のサンプル群中から検索する関連サンプル検索手段と、
を有し、
前記表示手段は、前記指定されたマーカ変数と前記検出された第1の特徴的なサンプルサブ群と前記検索された第2の特徴的なサンプルサブ群とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項12記載の多変量解析装置において、
前記計算・制御手段の前記特徴抽出手段は、
前記第2の対象データ群がもつ各変数の値に基づいて、前記検索された第2のサンプルサブ群に共通する1以上の特徴的な変数を、前記第2の対象データ群がもつ前記複数の変数中から、関連マーカ変数として検出する第2のマーカ変数検出手段と
をさらに備え、
前記表示手段は、前記指定されたマーカ変数と前記検出された第1の特徴的なサンプルサブ群と前記検索された第2の特徴的なサンプルサブ群だけでなく、前記検出された関連マーカ変数も、前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項1記載の多変量解析装置において、
前記サンプル群のそれぞれのサンプルに関連付けられた複数のデータ部分を有する別構造データを記憶した別構造データ記憶手段を更に備え、
前記計算・制御手段は、前記別構造データを図示した別構造データ・チャートを作成する手段をさらに有し、
前記表示手段は、前記複数の多変量解析チャートだけでなく前記別構造データ・チャートも前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記別構造データの前記複数のデータ部分中から任意のデータ部分を指定するデータ部分指定手段と、
前記サンプル群中から、前記指定されたデータ部分に関連付けられたサンプルサブ群を検出する関連サンプル検出手段と、
前記対象データ群がもつ各変数の値に基づいて、前記検出されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記指定されたデータ部分と前記検出されたサンプルサブ群と前記検索されたマーカ変数とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項1〜14のいずれか一項記載の多変量解析装置において、
前記サンプル群のそれぞれのサンプルに関連付けられた複数のデータ部分を有する別構造データを記憶した別構造データ記憶手段を更に備え、
前記計算・制御手段は、前記別構造データを図示した別構造データ・チャートを作成する手段をさらに有し、
前記表示手段は、前記複数の多変量解析チャートだけでなく前記別構造データ・チャートも前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記サンプル群中から任意のサンプルサブ群を指定するサンプル指定手段と、
前記別構造データの前記複数のデータ部分中から、前記指定されたサンプルサブ群に関連付けられたデータ部分を検出する関連データ部分検出手段と、
前記対象データ群がもつ各変数の値に基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出するマーカ変数検出手段と、
を有し、
前記表示手段は、前記指定されたサンプルサブ群と前記検出されたデータ部分と前記検索されたマーカ変数とを前記GUI上でハイライトして表示する、
多変量解析装置。 - 請求項1〜15のいずれか一項記載の多変量解析装置において、
前記サンプル群のそれぞれのサンプルに関連付けられた複数のデータ部分を有する別構造データを記憶した別構造データ記憶手段を更に備え、
前記計算・制御手段は、前記別構造データを図示した別構造データ・チャートを作成する手段をさらに有し、
前記表示手段は、前記複数の多変量解析チャートだけでなく前記別構造データ・チャートも前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、
前記複数の変数中から、任意の変数をマーカ変数として指定するマーカ変数指定手段と、
前記対象データ群がもつ各変数の値に基づいて、前記指定されたマーカ変数に共通する1以上の特徴的なサンプルサブ群を、前記サンプル群中から検出する特徴サンプル検出手段と、
前記別構造データの前記複数のデータ部分中から、前記検出された特徴的なサンプルサブ群に関連付けられたデータ部分を検出する関連データ部分検出手段と、
を有し、
前記表示手段は、前記指定されたマーカ変数と前記検出された特徴的なサンプルサブ群と前記検出されたデータ部分とを前記GUI上でハイライトして表示する、
多変量解析装置。 - サンプル群の対象データ群であって、個々の対象データが複数の変数の値をもつ、前記対象データ群を記憶する対象データ記憶手段と、
前記対象データ群を用いて多変量解析を行う多変量解析手段と、前記対象データ群を用いて特徴抽出処理を行う特徴抽出手段とを有する計算・制御手段と、
前記多変量解析の結果と前記特徴抽出処理の結果をグラフィカル・ユーザ・インタフェース(以下、GUIと略称する)に可視的に表示する表示手段と
を備え、
前記計算・制御手段の前記多変量解析手段は、前記多変量解析によって判明した前記サンプル群の特性と前記複数の変数の特性とを表す複数の多変量解析チャートを生成し、
前記表示手段は、前記複数のチャートを前記GUI上に表示し、
前記計算・制御手段の前記特徴抽出手段は、前記サンプル群中から任意のサンプルサブ群を指定し、前記サンプル群の対象データ群全体での各変数の値の分布を求め、求められた前記対象データ群全体での各変数の値の分布と、前記指定されたサンプルサブ群の対象データがもつ各変数の値とに基づいて、前記指定されたサンプルサブ群に共通する1以上の特徴的な変数を、前記複数の変数中からマーカ変数として検出し、
前記表示手段は、前記指定されたサンプルサブ群と、前記検出されたマーカ変数とを、前記GUI上でハイライトして表示する、
多変量解析装置として、コンピュータを機能させるコンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007235895A JP5088731B2 (ja) | 2007-09-11 | 2007-09-11 | 多変量解析装置及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007235895A JP5088731B2 (ja) | 2007-09-11 | 2007-09-11 | 多変量解析装置及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009066088A JP2009066088A (ja) | 2009-04-02 |
JP5088731B2 true JP5088731B2 (ja) | 2012-12-05 |
Family
ID=40602992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007235895A Expired - Fee Related JP5088731B2 (ja) | 2007-09-11 | 2007-09-11 | 多変量解析装置及びコンピュータプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5088731B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5330456B2 (ja) * | 2010-07-09 | 2013-10-30 | 株式会社東芝 | 医用画像診断装置及び制御方法 |
JP5780089B2 (ja) * | 2011-09-28 | 2015-09-16 | 富士通株式会社 | 計算方法、計算プログラムおよび計算装置 |
JP6021272B2 (ja) | 2014-07-08 | 2016-11-09 | 京セラドキュメントソリューションズ株式会社 | 情報処理システムおよび情報処理方法 |
WO2019202728A1 (ja) * | 2018-04-20 | 2019-10-24 | ヒューマン・メタボローム・テクノロジーズ株式会社 | データ解析装置及びデータ解析方法 |
US20220359176A1 (en) * | 2019-09-13 | 2022-11-10 | Shimadzu Corporation | Analysis device |
WO2023008447A1 (ja) * | 2021-07-28 | 2023-02-02 | パナソニックIpマネジメント株式会社 | 情報表示方法、情報表示装置およびプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3104985B2 (ja) * | 1990-10-23 | 2000-10-30 | 株式会社東芝 | 磁気共鳴診断装置 |
JP5020491B2 (ja) * | 2005-05-02 | 2012-09-05 | 株式会社 Jeol Resonance | Nmrデータの処理装置及び方法 |
-
2007
- 2007-09-11 JP JP2007235895A patent/JP5088731B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2009066088A (ja) | 2009-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101106201B1 (ko) | 임상검사분석장치, 임상검사분석방법 및 그 방법을 컴퓨터에 실행시키는 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체 | |
JP5088731B2 (ja) | 多変量解析装置及びコンピュータプログラム | |
JP4860575B2 (ja) | クロマトグラフィー質量分析の分析結果表示方法及び表示装置 | |
JP5767471B2 (ja) | テストの網羅性を評価する装置及び方法 | |
US20220237796A1 (en) | Quality Control of Automated Whole-slide Analyses | |
JP5527232B2 (ja) | 質量分析データ処理方法及び装置 | |
JP6438651B2 (ja) | 散在するログを探索して表示する方法及びシステム | |
US10089518B2 (en) | Graphical user interface for analysis of red blood cells | |
CN108090032A (zh) | 逻辑回归模型的可视化解释方法及装置 | |
JP5771060B2 (ja) | 検体分析装置及びデータ処理装置 | |
JP6295474B2 (ja) | 分光学的探索アプリケーションにおいて対象の標準物質をタグ付けする方法 | |
EP3797420A1 (en) | Condition specific sample analysis | |
JP5272822B2 (ja) | 代謝物解析用データ処理装置 | |
US8504301B2 (en) | Sample analyzer, method for displaying analysis result information of a sample and computer program product | |
JP6973640B2 (ja) | イメージング質量分析データ処理装置 | |
JP5020491B2 (ja) | Nmrデータの処理装置及び方法 | |
JP5415476B2 (ja) | Nmrデータの処理装置及び方法 | |
JP2011192059A (ja) | テキスト解析システムおよびテキスト解析方法 | |
JP5297750B2 (ja) | 検査結果表示装置、検査結果表示システム、検査結果表示方法及びコンピュータプログラム | |
KR102113834B1 (ko) | Pls-da를 기반으로 하는 db의 웹서비스 구현 방법 | |
JP3395627B2 (ja) | 生体の粒子画像の分類方法 | |
WO2018061240A1 (ja) | 計装図データ生成装置、計装図検索システム及びプログラム | |
US20230195279A1 (en) | Viewer for analysis, display system, display method, and display program | |
JP5818250B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP4007608B2 (ja) | データの意味と価値に基づくコンピュータ処理用操作ボタンの生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100226 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100604 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20110705 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20111214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120529 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120724 |
|
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: 20120814 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120904 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150921 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |