JP5247089B2 - 遺伝子プロファイル処理装置、遺伝子プロファイル処理プログラムおよび遺伝子プロファイル処理方法 - Google Patents
遺伝子プロファイル処理装置、遺伝子プロファイル処理プログラムおよび遺伝子プロファイル処理方法 Download PDFInfo
- Publication number
- JP5247089B2 JP5247089B2 JP2007216300A JP2007216300A JP5247089B2 JP 5247089 B2 JP5247089 B2 JP 5247089B2 JP 2007216300 A JP2007216300 A JP 2007216300A JP 2007216300 A JP2007216300 A JP 2007216300A JP 5247089 B2 JP5247089 B2 JP 5247089B2
- Authority
- JP
- Japan
- Prior art keywords
- gene
- profile
- expression level
- combination
- shift amount
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
このとき、遺伝子の発現量(絶対量)は測定条件によって変動するため、測定開始時点の発現量を基準として発現量の変化割合を示すように、プロファイルの正規化が行われている。以下、測定環境による発現量の差を「測定誤差」とし、測定開始時点の発現量を基準として発現量の変化割合を求める正規化を「Log−ratio」とする。
ことを特徴とする。
図1は、実施の形態1における遺伝子プロファイル処理装置100の機能構成図である。
実施の形態1における遺伝子プロファイル処理装置100の機能構成について、図1に基づいて以下に説明する。
プロファイル記憶部191は、複数の遺伝子について、発現量を時系列に示すプロファイル(例えば、前記配列a)を記憶機器を用いて記憶する。
シフト量算出部110は、プロファイル記憶部191に記憶された各プロファイルに基づいて、プロファイルを発現量の増減方向にシフトさせることにより遺伝子間でプロファイルを近似させるシフト量αを遺伝子の組み合わせ毎にCPUを用いて算出する。
距離算出部120(正規化部)は、シフト量算出部110が算出したシフト量αだけプロファイルをシフトさせ、シフトさせたプロファイルに基づいて後述する遺伝子間距離dαを遺伝子の組み合わせ毎にCPUを用いて算出する。このとき、距離算出部120は正規化したプロファイルとしてシフト後のプロファイルを記憶機器(出力機器の一例)に記憶する。
クラスタリング部130は、距離算出部120が算出した各遺伝子間距離dαに基づいて各遺伝子に対する任意のクラスタリング処理(例えば、UPGMA:Unweighted Pair Group Method with Arithmetic mean[非加重結合法])をCPUを用いて行い、各遺伝子のクラスタ情報を記憶機器(出力機器の一例)に記憶する。
図2において、遺伝子プロファイル処理装置100は、プログラムを実行するCPU911(Central・Processing・Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう)を備えている。CPU911は、バス912を介してROM913、RAM914、通信ボード915、表示装置901(例えば、CRT(Cathode・Ray・Tube)ディスプレイや液晶ディスプレイ)、キーボード902(Key・Board:K/B)、マウス903、FDD904(Flexible・Disk・Drive)、CDD905(コンパクトディスク装置)、プリンタ装置906、スキャナ装置907、マイク908、スピーカー909、磁気ディスク装置920と接続され、これらのハードウェアデバイスを制御する。磁気ディスク装置920の代わりに、光ディスク装置、メモリカード読み書き装置などの記憶装置でもよい。
RAM914は、揮発性メモリの一例である。ROM913、FDD904、CDD905、磁気ディスク装置920の記憶媒体は、不揮発性メモリの一例である。これらは、記憶機器、記憶装置あるいは記憶部の一例である。また、入力データが記憶されている記憶機器は入力機器、入力装置あるいは入力部の一例であり、出力データが記憶される記憶機器は出力機器、出力装置あるいは出力部の一例である。
通信ボード915、キーボード902、スキャナ装置907、FDD904などは、入力機器、入力装置あるいは入力部の一例である。
また、通信ボード915、表示装置901、プリンタ装置906などは、出力機器、出力装置あるいは出力部の一例である。
「〜ファイル」や「〜データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータや信号値や変数値やパラメータは、読み書き回路を介してCPU911によりメインメモリやキャッシュメモリに読み出され、抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示などのCPUの動作に用いられる。抽出・検索・参照・比較・演算・計算・処理・出力・印刷・表示のCPUの動作の間、情報やデータや信号値や変数値やパラメータは、メインメモリやキャッシュメモリやバッファメモリに一時的に記憶される。
また、実施の形態において説明するフローチャートの矢印の部分は主としてデータや信号の入出力を示し、データや信号値は、RAM914のメモリ、FDD904のフレキシブルディスク、CDD905のコンパクトディスク、磁気ディスク装置920の磁気ディスク、その他光ディスク、ミニディスク、DVD(Digital・Versatile・Disc)等の記録媒体に記録される。また、データや信号値は、バス912や信号線やケーブルその他の伝送媒体によりオンライン伝送される。
実施の形態1における遺伝子プロファイル処理方法の処理の流れについて、図3に基づいて以下に説明する。
遺伝子プロファイル処理装置100の各部は以下に説明する各処理をCPUを用いて実行する。
シフト量算出部110は、プロファイル記憶部191に記憶された各プロファイルに基づいて、プロファイルを発現量の増減方向にシフトさせることにより遺伝子間でプロファイルを近似させるシフト量αを遺伝子の組み合わせ毎に算出する。
以下に、シフト量算出処理(S110)の詳細について説明する。
図4は、実施の形態1におけるグラフ化したプロファイルの一例を示す。
プロファイル記憶部191に記憶されたプロファイルをグラフ化すると、l番目の遺伝子(以下、遺伝子lとする)の発現量xl(tk)およびm番目の遺伝子(以下、遺伝子mとする)の発現量xm(tk)は、例えば、図4に示すような折れ線グラフ(波形グラフ)で表される。図4において、横軸は測定開始時からの経過時間tk(目盛り:1時間単位)を示し、縦軸は発現量xの対数値(logx)を示している。以下において、プロファイルをグラフ化した各図の見方は図4と同様である。
図4では、実線で示す遺伝子lの発現量logxl(tk)は測定開始から1時間の間に急激に増大し、以後、微増し続けている。また、点線で示す遺伝子mの発現量logxm(tk)は測定開始から3時間経過時にピークとなり、6時間経過時まで減少を続け、以後、微増し続けている。
このように、各遺伝子は特性に応じて異なる発現の仕方を示す。
ここで、プロファイルが示す遺伝子の発現量(絶対量)は測定環境(例えば、蛍光色素による標識誤差)によって変動するため、各遺伝子のプロファイルを単純に比較することはできない。そこで、シフト量算出部110は各遺伝子のプロファイルを比較可能に正規化するためにシフト量αを算出する。以下、シフト量αを「正規化係数」ともいう。
例えば、図5において、実線で示す遺伝子iの発現量logxi(tk)と点線で示すシフト前の遺伝子jの発現量logxj(tk)とを比較する場合、遺伝子jの発現量logxj(tk)をシフト量logαijだけシフトすることにより、遺伝子iのプロファイルと遺伝子jのプロファイルとの比較が容易になる。一点鎖線がシフト量logαijだけシフトしたシフト後の遺伝子jの発現量logαijxj(tk)を示す。
シフト量αij(または、logαij)は、図5に示すように、遺伝子iのプロファイルに対してシフトする遺伝子jのプロファイルのシフト量であり、遺伝子jのプロファイルを発現量の増減方向にシフトさせることにより遺伝子iと遺伝子jとのプロファイルを近似させるシフト量である。但し、シフト量αijに基づいて遺伝子iのプロファイルをシフトさせても構わない。以下、シフト量αijを加算したシフト後の遺伝子jの発現量logαijxj(または、logxj+logαij)を遺伝子iに対する遺伝子jの「比較量」ともいう。
ここで、「遺伝子間距離dαij」は、遺伝子iのプロファイルとシフト後の遺伝子jのプロファイルとの差を示し、遺伝子iの発現量logxi(tk)とシフト後の遺伝子jの発現量logαijxi(tk)(遺伝子jの比較量)との差を測定時刻毎に合計した値とする。例えば、図6では、発現量を6回測定した際の各測定時刻(経過時間:30分,1時間,3時間,6時間,12時間、24時間)における遺伝子iとシフト後の遺伝子jとの発現量の差の合計値(=(d1 2+d2 2+d3 2+d4 2+d5 2+d6 2)1/2)が遺伝子間距離dαijとなる。
遺伝子間距離dαijは以下の式1に示す距離関数dαijとして表される。以下、「遺伝子間距離dαij」と「距離関数dαij」とを同義とする。
距離算出部120は、シフト量算出部110が算出したシフト量αだけプロファイルをシフトさせ、シフトさせたプロファイル(正規化したプロファイル)に基づいて遺伝子間距離dαを遺伝子の組み合わせ毎に算出する。
以下に、距離算出処理(S120)の詳細について説明する。
図8は、実施の形態1の距離算出処理(S120)における比較量logαxについての処理結果の一例を示す。
図9は、実施の形態1の距離算出処理(S120)における遺伝子間距離dαについての処理結果の一例を示す。
シフト量算出処理(S110)において、シフト量算出部110は、図7に示すように、遺伝子の組み合わせ毎にシフト量αを算出し、算出した各シフト量αを記憶機器に記憶する。
また、距離算出処理(S120)において、距離算出部120は、図8に示すように、遺伝子の組み合わせ毎および測定時刻毎に比較量logαxを算出し、算出した各比較量logαxを正規化したプロファイルとして記憶機器に記憶する。
また、距離算出処理(S120)において、距離算出部120は、図9に示すように、遺伝子の組み合わせ毎に遺伝子間距離dαを算出し、算出した各遺伝子間距離dαを記憶機器に記憶する。
図7、図8および図9では、遺伝子の数を“5”、測定数を“3”としている。
シフト量算出部110、距離算出部120は算出したシフト量α、比較量logαx、遺伝子間距離dαをテーブルデータや配列データとして記憶する。
クラスタリング部130は距離算出部120が算出した各遺伝子間距離dαに基づいて各遺伝子に対する任意のクラスタリング処理を行い、各遺伝子のクラスタ情報を出力する。
例えば、クラスタリング部130は各遺伝子間距離dαに基づいてUPGMA(非加重結合法)でクラスタリングを行い、各遺伝子を複数のクラスタにグループ分けする。ここで、UPGMAとは、各遺伝子がそれぞれ1つのクラスタを構成するものとし、最も近いクラスタを段階的に結合していく方法である。結合したクラスタと他のクラスタとの遺伝子間距離dαは、結合したクラスタに含まれる各遺伝子と他のクラスタの遺伝子との遺伝子間距離dαの平均値となる。
クラスタリング部130は各遺伝子のクラスタ情報を記憶機器に記憶したり、プリンタ装置906から印刷したり、表示装置901に表示したりする。
クラスタリング部130が生成した各遺伝子のクラスタ情報は、類似の特性を有する複数の遺伝子の特定など、各種の遺伝子解析に用いることができる。
クラスタリング部130はUPGMA以外の方法によりクラスタリングしても構わず、例えば、K−平均値法(K−means)によりクラスタリングしても構わない。
図10は、実施の形態1における正規化前の遺伝子Aと遺伝子Bとのプロファイルの一例を示す。
ここでは、評価用データの一例として、図10において実線で表す10個のプロファイルと点線で表す10個のプロファイルとの計20個のプロファイルを用いた。実線で表す各プロファイルは遺伝子Aのプロファイルを示し、点線で表す各プロファイルは遺伝子Bのプロファイルを示す。そして、シフト量αを用いた正規化により、遺伝子Aのプロファイルと遺伝子Bのプロファイルとにグループ分けするクラスタリング処理結果を得ることを目的とする。
なお、実線で表す遺伝子Aの10個のプロファイルは、実験により実際に得られた1つの標本的なプロファイルに対して測定時刻毎に0.5〜2.0倍の範囲でランダムに変動させた擬似的なプロファイルである。また、点線で表す遺伝子Bの10個のプロファイルも同様である。
ここで、遺伝子発現量の測定値には測定環境(蛍光色素による識別誤差など)の変化に応じて一般的に0.5〜2.0倍程度の測定誤差が含まれる。そこで、測定誤差の範囲(0.5〜2.0倍)で変動させた擬似プロファイルが正しくクラスタリングできれば、実施の形態1におけるシフト量αを用いた遺伝子プロファイルの正規化方法が測定誤差に対して頑健性を有するクラスタリング結果を得ることができる方法であると考えられる。
実施の形態1におけるシフト量αを用いて正規化した各プロファイルは、図11に示すように実線で表す遺伝子Aのプロファイル同士と点線で表す遺伝子Bのプロファイル同士とがそれぞれ比較的良くまとまっており、UPGMAによりクラスタリングした結果、図11に示すように遺伝子Aのプロファイル(実線)と遺伝子Bのプロファイル(点線)とに正しくグループ分けすることができた。つまり、クラスタリングの誤り率は「0%」であった。
なお、図11において、太い実線と太い点線とはそれぞれ擬似プロファイル(細い実線および細い点線)の生成に用いた遺伝子Aの標本プロファイル(ノミナル値)と遺伝子Bの標本プロファイル(ノミナル値)とを示している。ここでは、標本プロファイルに近似させるシフト量αを用いて各擬似プロファイルを正規化した。また、記号付き実線と記号付き点線とは各プロファイルの中央値を取ったプロファイルを示している。
一方、測定開始時点の発現量を基準として発現量の変化割合を求める正規化(Log−tatio)による各プロファイルは、図12に示すように遺伝子Aのプロファイルと遺伝子Bのプロファイルとが重なり合っており、UPGMAによりクラスタリングした結果、図12に示すように遺伝子Bのプロファイルの一部が遺伝子Aのプロファイルのグループに含まれ、実線で表す16個のプロファイルと点線で表す4個のプロファイルとに誤ってグループ分けされた。つまり、クラスタリングの誤り率は「30%(=6/20)」であった。
なお、太線、記号付き線の意味は図11と同じである。
実施の形態1におけるシフト量αを用いた正規化方法(以下、Alphaとする)と従来方法のLog−ratioの他、従来方法のPearson法およびUncentered Pearson法についても上記図10〜図12で説明した評価実験を行った結果を図13に示す。
図13において、横軸は標本プロファイルに対するランダム変動の範囲を示している。例えば、「1.5」の変動範囲は「0.67(=1/1.5)〜1.5倍」である。また、縦軸は複数回行った実験結果におけるクラスタリングの誤り率(=誤ったプロファイルの数/プロファイルの総数)の平均値を示している。
図13に示すように、実施の形態1におけるシフト量αを用いた正規化方法(Alpha)は、いずれの変動範囲においてもクラスタリングの誤り率が一番低い。つまり、実施の形態1におけるシフト量αを用いた正規化方法は、他の正規化方法に比べて、遺伝子のプロファイルをより適切に正規化し、各遺伝子を適切にクラスタリングすることができる。
例えば、遺伝子のプロファイルは農薬や肥料などの薬品の濃度毎に発現量を示すものでもよいし、気温や湿度などの環境ストレスに応じた発現量を示すものでもよい。つまり、プロファイルは、測定時刻、薬品濃度、気温、湿度などについて、各時刻、各濃度、各気温、各湿度を項目(要素)として、項目毎に遺伝子の発現量を示すものである。例えば、図4のようにプロファイルをグラフ化した場合、時間の経過、濃度の大小、気温の大小、湿度の大小が横軸項目となる。
Claims (12)
- 遺伝子の発現量に関する項目の項目値毎に項目値と遺伝子の発現量とを対応付けるプロファイルを遺伝子毎に記憶機器を用いて記憶するプロファイル記憶部と、
2つの遺伝子を組み合わせた組み合わせ毎に、当該組み合わせを構成する第1の遺伝子のプロファイルと当該組み合わせを構成する第2の遺伝子のプロファイルとに基づいて、前記第2の遺伝子の各発現量を正規化するためのシフト量であって前記第1の遺伝子の各発現量と前記第2の遺伝子の正規化後の各発現量との項目値毎の発現量の差を合計した値を最小にするシフト量をCPU(Central Proccessing Unit)を用いて算出するシフト量算出部と、
前記組み合わせ毎に、前記シフト量算出部によって算出された当該組み合わせのシフト量を用いて当該組み合わせを構成する前記第2の遺伝子の各発現量を正規化すると共に、前記第1の遺伝子の発現量と前記第2の遺伝子の正規化後の発現量との項目値毎の発現量の差を合計した値を遺伝子間距離としてCPUを用いて算出する距離算出部と、
前記距離算出部によって算出された各遺伝子間距離に基づいて各遺伝子に対する任意のクラスタリング処理をCPUを用いて行い、各遺伝子のクラスタ情報を出力機器に出力するクラスタリング部と
を備えることを特徴とする遺伝子プロファイル処理装置。 - 前記項目が経過時間と薬品濃度と気温と湿度とのいずれかであることを特徴とする請求項1から請求項3いずれかに記載の遺伝子プロファイル処理装置。
- 遺伝子の発現量に関する項目の項目値毎に項目値と遺伝子の発現量とを対応付けるプロファイルを遺伝子毎に記憶機器を用いて記憶するプロファイル記憶部と、
2つの遺伝子を組み合わせた組み合わせ毎に、当該組み合わせを構成する第1の遺伝子のプロファイルと当該組み合わせを構成する第2の遺伝子のプロファイルとに基づいて、前記第2の遺伝子の各発現量を正規化するためのシフト量であって前記第1の遺伝子の各発現量と前記第2の遺伝子の正規化後の各発現量との項目値毎の発現量の差を合計した値を最小にするシフト量をCPU(Central Proccessing Unit)を用いて算出するシフト量算出部と、
前記組み合わせ毎に、前記シフト量算出部によって算出された当該組み合わせのシフト量を用いて当該組み合わせを構成する前記第2の遺伝子の各発現量を正規化すると共に、前記第2の遺伝子の正規化後のプロファイルを出力機器に出力する正規化部と
を備えることを特徴とする遺伝子プロファイル処理装置。 - プロファイル記憶部を備えるコンピュータに実行させる遺伝子プロファイル処理プログラムにおいて、
前記プロファイル記憶部は、遺伝子の発現量に関する項目の項目値毎に項目値と遺伝子の発現量とを対応付けるプロファイルを遺伝子毎に記憶機器を用いて記憶する記憶部であり、
2つの遺伝子を組み合わせた組み合わせ毎に、当該組み合わせを構成する第1の遺伝子のプロファイルと当該組み合わせを構成する第2の遺伝子のプロファイルとに基づいて、前記第2の遺伝子の各発現量を正規化するためのシフト量であって前記第1の遺伝子の各発現量と前記第2の遺伝子の正規化後の各発現量との項目値毎の発現量の差を合計した値を最小にするシフト量をCPU(Central Proccessing Unit)を用いて算出するシフト量算出処理と、
前記組み合わせ毎に、前記シフト量算出処理によって算出された当該組み合わせのシフト量を用いて当該組み合わせを構成する前記第2の遺伝子の各発現量を正規化すると共に、前記第1の遺伝子の発現量と前記第2の遺伝子の正規化後の発現量との項目値毎の発現量の差を合計した値を遺伝子間距離としてCPUを用いて算出する距離算出処理と、
前記距離算出処理によって算出された各遺伝子間距離に基づいて各遺伝子に対する任意のクラスタリング処理をCPUを用いて行い、各遺伝子のクラスタ情報を出力機器に出力するクラスタリング処理と
を前記コンピュータに実行させることを特徴とする遺伝子プロファイル処理プログラム。 - 前記項目が経過時間と薬品濃度と気温と湿度とのいずれかであることを特徴とする請求項6から請求項8いずれかに記載の遺伝子プロファイル処理プログラム。
- プロファイル記憶部を備えるコンピュータに実行させる遺伝子プロファイル処理プログラムにおいて、
前記プロファイル記憶部は、遺伝子の発現量に関する項目の項目値毎に項目値と遺伝子の発現量とを対応付けるプロファイルを遺伝子毎に記憶機器を用いて記憶する記憶部であり、
2つの遺伝子を組み合わせた組み合わせ毎に、当該組み合わせを構成する第1の遺伝子のプロファイルと当該組み合わせを構成する第2の遺伝子のプロファイルとに基づいて、前記第2の遺伝子の各発現量を正規化するためのシフト量であって前記第1の遺伝子の各発現量と前記第2の遺伝子の正規化後の各発現量との項目値毎の発現量の差を合計した値を最小にするシフト量をCPU(Central Proccessing Unit)を用いて算出するシフト量算出処理と、
前記組み合わせ毎に、前記シフト量算出処理によって算出された当該組み合わせのシフト量を用いて当該組み合わせを構成する前記第2の遺伝子の各発現量を正規化すると共に、前記第2の遺伝子の正規化後のプロファイルを出力機器に出力する正規化処理と
を前記コンピュータに実行させることを特徴とする遺伝子プロファイル処理プログラム。 - プロファイル記憶部と、シフト量算出部と、距離算出部と、クラスタリング部とを備える遺伝子プロファイル処理装置によって実行する遺伝子プロファイル処理方法において、
前記プロファイル記憶部は、遺伝子の発現量に関する項目の項目値毎に項目値と遺伝子の発現量とを対応付けるプロファイルを遺伝子毎に記憶機器を用いて記憶する記憶部であり、
前記シフト量算出部が、2つの遺伝子を組み合わせた組み合わせ毎に、当該組み合わせを構成する第1の遺伝子のプロファイルと当該組み合わせを構成する第2の遺伝子のプロファイルとに基づいて、前記第2の遺伝子の各発現量を正規化するためのシフト量であって前記第1の遺伝子の各発現量と前記第2の遺伝子の正規化後の各発現量との項目値毎の発現量の差を合計した値を最小にするシフト量をCPU(Central Proccessing Unit)を用いて算出するシフト量算出処理を行い、
前記距離算出部が、前記組み合わせ毎に、前記シフト量算出部によって算出された当該組み合わせのシフト量を用いて当該組み合わせを構成する前記第2の遺伝子の各発現量を正規化すると共に、前記第1の遺伝子の発現量と前記第2の遺伝子の正規化後の発現量との項目値毎の発現量の差を合計した値を遺伝子間距離としてCPUを用いて算出する距離算出処理を行い、
前記クラスタリング部が、前記距離算出部によって算出された各遺伝子間距離に基づいて各遺伝子に対する任意のクラスタリング処理をCPUを用いて行い、各遺伝子のクラスタ情報を出力機器に出力するクラスタリング処理を行う
ことを特徴とする遺伝子プロファイル処理方法。 - プロファイル記憶部と、シフト量算出部と、正規化部とを備える遺伝子プロファイル処理装置によって実行する遺伝子プロファイル処理方法において、
前記プロファイル記憶部は、遺伝子の発現量に関する項目の項目値毎に項目値と遺伝子の発現量とを対応付けるプロファイルを遺伝子毎に記憶機器を用いて記憶する記憶部であり、
前記シフト量算出部が、2つの遺伝子を組み合わせた組み合わせ毎に、当該組み合わせを構成する第1の遺伝子のプロファイルと当該組み合わせを構成する第2の遺伝子のプロファイルとに基づいて、前記第2の遺伝子の各発現量を正規化するためのシフト量であって前記第1の遺伝子の各発現量と前記第2の遺伝子の正規化後の各発現量との項目値毎の発現量の差を合計した値を最小にするシフト量をCPU(Central Proccessing Unit)を用いて算出するシフト量算出処理を行い、
前記正規化部が、前記組み合わせ毎に、前記シフト量算出部によって算出された当該組み合わせのシフト量を用いて当該組み合わせを構成する前記第2の遺伝子の各発現量を正規化すると共に、前記第2の遺伝子の正規化後のプロファイルを出力機器に出力する正規化処理を行う
ことを特徴とする遺伝子プロファイル処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007216300A JP5247089B2 (ja) | 2007-08-22 | 2007-08-22 | 遺伝子プロファイル処理装置、遺伝子プロファイル処理プログラムおよび遺伝子プロファイル処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007216300A JP5247089B2 (ja) | 2007-08-22 | 2007-08-22 | 遺伝子プロファイル処理装置、遺伝子プロファイル処理プログラムおよび遺伝子プロファイル処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009048562A JP2009048562A (ja) | 2009-03-05 |
JP5247089B2 true JP5247089B2 (ja) | 2013-07-24 |
Family
ID=40500686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007216300A Expired - Fee Related JP5247089B2 (ja) | 2007-08-22 | 2007-08-22 | 遺伝子プロファイル処理装置、遺伝子プロファイル処理プログラムおよび遺伝子プロファイル処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5247089B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5733530B2 (ja) | 2012-08-22 | 2015-06-10 | 横河電機株式会社 | データ類似度算出方法およびデータ類似度算出装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4459597B2 (ja) * | 2003-11-14 | 2010-04-28 | 三菱スペース・ソフトウエア株式会社 | 遺伝子発現作用推定方法、遺伝子発現作用推定装置及び遺伝子発現作用推定プログラム |
JP4174775B2 (ja) * | 2005-03-31 | 2008-11-05 | 株式会社インテックシステム研究所 | 生命情報解析装置、生命情報解析方法および生命情報解析プログラム |
-
2007
- 2007-08-22 JP JP2007216300A patent/JP5247089B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2009048562A (ja) | 2009-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10262233B2 (en) | Image processing apparatus, image processing method, program, and storage medium for using learning data | |
JP5142135B2 (ja) | データを分類する技術 | |
US10747637B2 (en) | Detecting anomalous sensors | |
Scheel et al. | The influence of missing value imputation on detection of differentially expressed genes from microarray data | |
US20070010966A1 (en) | System and method for mining model accuracy display | |
RU2517286C2 (ru) | Классификация данных выборок | |
WO2009087757A1 (ja) | 情報フィルタリングシステム、情報フィルタリング方法および情報フィルタリングプログラム | |
JP6667865B1 (ja) | 会計情報処理装置、会計情報処理方法及び会計情報処理プログラム | |
EP3462386A2 (en) | Learning data selection program, learning data selection method, and learning data selection device | |
JP5189438B2 (ja) | 波形解析装置、波形解析方法及び波形解析プログラム | |
US20220327394A1 (en) | Learning support apparatus, learning support methods, and computer-readable recording medium | |
JP5247089B2 (ja) | 遺伝子プロファイル処理装置、遺伝子プロファイル処理プログラムおよび遺伝子プロファイル処理方法 | |
JP5516925B2 (ja) | 信頼度計算装置、信頼度計算方法、及びプログラム | |
Su et al. | An online outlier detection method based on wavelet technique and robust RBF network | |
CN110297989B (zh) | 异常检测的测试方法、装置、设备和介质 | |
Reisetter et al. | Penalized linear mixed models for structured genetic data | |
JP4461240B2 (ja) | 遺伝子発現プロファイル検索装置、遺伝子発現プロファイル検索方法およびプログラム | |
US11177018B2 (en) | Stable genes in comparative transcriptomics | |
EP3163463A1 (en) | A correlation estimating device and the related method | |
JP2003323601A (ja) | 信頼性尺度付き予測装置 | |
US20200134480A1 (en) | Apparatus and method for detecting impact factor for an operating environment | |
US20200357484A1 (en) | Method for simultaneous multivariate feature selection, feature generation, and sample clustering | |
TW202121205A (zh) | 臨限值生成裝置、臨限值生成方法及記錄有臨限值生成程式的記錄媒體 | |
US11080612B2 (en) | Detecting anomalous sensors | |
JP2018151913A (ja) | 情報処理システム、情報処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100407 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120807 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120912 |
|
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: 20130312 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130409 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5247089 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160419 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |