JP5933032B2 - クロマトグラフィーピークを処理しグループ化するシステム及び方法 - Google Patents

クロマトグラフィーピークを処理しグループ化するシステム及び方法 Download PDF

Info

Publication number
JP5933032B2
JP5933032B2 JP2014552389A JP2014552389A JP5933032B2 JP 5933032 B2 JP5933032 B2 JP 5933032B2 JP 2014552389 A JP2014552389 A JP 2014552389A JP 2014552389 A JP2014552389 A JP 2014552389A JP 5933032 B2 JP5933032 B2 JP 5933032B2
Authority
JP
Japan
Prior art keywords
peak
statistic
comparing
chromatographic
processing
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.)
Active
Application number
JP2014552389A
Other languages
English (en)
Other versions
JP2015503768A (ja
Inventor
ワーン,ジホン
ウィリス,ピーター・マーケル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Leco Corp
Original Assignee
Leco Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Leco Corp filed Critical Leco Corp
Publication of JP2015503768A publication Critical patent/JP2015503768A/ja
Application granted granted Critical
Publication of JP5933032B2 publication Critical patent/JP5933032B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01JELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00Particle spectrometers or separator tubes
    • H01J49/0027Methods for using particle spectrometers
    • H01J49/0036Step by step routines describing the handling of the data generated during a measurement
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/86Signal analysis
    • G01N30/8624Detection of slopes or peaks; baseline correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02Column chromatography
    • G01N30/86Signal analysis
    • G01N30/8603Signal analysis with integration or differentiation
    • G01N2030/862Other mathematical operations for data preprocessing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Pathology (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Biochemistry (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Description

[0001]本開示は、クロマトグラフィー質量分析システムでの取得されたデータのためのデータ処理技法に関する。
[0002]クロマトグラフィー質量分析計が大量のデータを発生させることは知られている。その様なデータを解析して関連性のあるデータとノイズを見分けるために、米国仮特許出願第61/451,952号に記載されているシステムの様なシステム及び方法が既に導入されている。
米国仮特許出願第61/451,952号 米国特許第7,501,621号 米国特許第7,825,373号 米国特許第7,884,319号 米国仮特許出願第61/445,674号
[0003]クロマトグラフィーシステムでのクロマトグラフィーピークを処理するためのシステム及び方法が記載されている。或る実施形では、システム及び方法は、第1のピークを第2のピークと比較する段階と、第1のピークと第2のピークはひとまとめにグループ化されるべきかどうかを判定する段階と、を含んでいる。
[0004]本開示に記載されている或る実施形による、ピークグループ化に関連する全体的なプロセスを描いている。 [0005]或る実施形による、ピーク平均及びピーク標準偏差を求めるための例示としての方法を描いている。 [0006]或る実施形による、第1のピーク及び第2のピークの平均保持時間が実質的に同じであるかどうかを判定するための例示としての方法を描いている。 [0007]或る実施形による、第1のピーク及び第2のピークの分散が実質的に同じであるかどうかを判定するための例示としての方法を描いている。
[0008]様々な図面での同様の符号は同様の要素を指し示している。
[0009]本方法は、液体型及びガス型を含むあらゆる型式のクロマトグラフィーシステムに使用することができるものと理解されたい。或る実施形では、データは、質量分析計と関連付けられているデータ捕捉システムによって、解析向けに供給される。本開示の記載上、データ捕捉は、米国特許第7,501,621号、米国特許第7,825,373号、米国特許第7,884,319号に示されているシステムとされ得るものと理解されたい。
[0010]また、その様な解析を行う前に、データ捕捉システムからのデータは、米国仮特許出願第61/445,674号に示されている様に調節されてもよい。上記及び全ての他の言及されている特許及び特許出願をここに参考文献としてそっくりそのまま援用する。援用されている参考文献中の用語の定義及び用語遣いがここに提供されている当該用語の定義と矛盾する或いは相反する場合には、ここに提供されている当該用語の定義が適用され、参考文献における当該用語の定義は適用されない。
[0011]図1を参照すると、ピークのグループ化及び識別、即ちデータセット内の個々のピークを識別すること及びそれぞれの識別された個々のピークのスペクトルを識別すること、のための例示としての方法が開示されている。理解されるであろうが、その様なピークの適正な識別が、その後のデータ解析段階でのより効率的なプロセスを実現し易くする。
[0012]開示されている方法及びプロセスを使用する或る実施形では、イオン統計量が信号における分散の有力なソースである。イオン統計量を有力なソースとして達成することは、概して信号内からの電気ノイズを抑制する超高分解能質量分析計を使用することによって実現し易くなろう。当該システムに基づくと、大抵は、その様なシステム内の質量スペクトル干渉の殆どは機器の高分解能品質のおかげで自動的に分解される。翻せば、このことは、外部質量スペクトル干渉の有意回避をもたらし、共有質量が存在する場合には、その様なシステムは逆重畳を行うことができる。
[0013]ここに論じられている方法の実施形態を利用するにあたり、解析される信号内に存在するイオンの数は既知である。ここに論じられている例では、解析される信号中のイオンの体積は既に分かっているので、捕捉方法は電気ノイズの殆どを除去するように適合される。信号からのノイズは、例えば、他にも実現性があるがその中で、米国特許第7,501,621号、米国特許第7,825,373号、及び米国特許第7,884,319号に記載されているデータ捕捉システムを使用して除去された。
[0014]本開示の記載上、各々が1刻みのサイズ(m)を有する第1のピーク(x)と第2のピーク(y)を使用する例示を論じてゆく。本書における表記法は、第1及び第2のピーク(x,y)に対する以下の変数を割り当てている。即ち、
x:ベースピークのクロマトグラフィーピークの列ベクトル、
:xのi番目の要素のスカラー、
y:xとの併合を審査するクロマトグラフィーピークの列ベクトル、
:yのi番目の要素のスカラー、
:i番目の場所の保持時間のスカラー、
m:x及びyの長さのスカラー、
px:ピークx中のイオン数のスカラー、
py:ピークy中のイオン数のスカラー、
α:有意レベルのスカラー、
meanpx:ピークxの平均のスカラー、
meanpy:ピークyの平均のスカラー、
σpx:ピークxの標準偏差のスカラー、
σpy:ピークyの標準偏差のスカラー、
px:ピークxの標準偏差の推定のスカラー、
py:ピークyの標準偏差の推定のスカラー、
xy:ベクトルxとベクトルyの相関係数のスカラー、とされている。
[0015]図1を参照して、或る実施形では、ピークをグループ化及び識別する方法は、S110での第1のピーク(x)を第2のピーク(y)と比較する段階と、S160での第1及び第2のピーク(x,y)はひとまとめにグループ化されるべきかどうかを判定する段階と、を含んでいる。
[0016]本開示の記載上、言及されているピークとは、イオン統計量が実質的に有力で、ノイズは概して排除され、イオン体積が既知であるとしたときの、平均及び標準偏差を有するイオンの確率分布である、と考えるものと理解しておきたい。或る実施形では、比較する段階S110は、120での第1のピーク(x)の平均保持時間を第2のピーク(y)の平均保持時間と比較する段階と、S160での第1のピーク(x)の分散を第2のピーク(y)の分散と比較する段階と、S180での第1及び第2のピーク(x,y)を両比較段階の条件に基づいて関係有り又は関係無しの何れかとして分類する段階と、を含んでいる。更に、或る実施形では、第1及び第2のピーク(x,y)は、(a)第1のピーク及び第2のピークの平均保持時間が実質的に同じであり且つ(b)第1のピーク及び第2のピークの分散が実質的に同じであるという条件において、関係有りと分類される。
[0017]図2は、後で使用されることになるピーク平均とピーク標準偏差を求めるための或る例示としての方法を描いている。図示されている様に、第1のピーク(x)の平均と第2のピーク(y)の平均はS210で求められる。或る実施形では、平均は、次式、即ち、
Figure 0005933032
Figure 0005933032
に従って求められる。
[0018]引き続き図2を参照して、第1のピーク(x)の標準偏差及び第2のピーク(y)の標準偏差はS220で求められる。これらのピーク標準偏差は、次式、即ち、
Figure 0005933032
Figure 0005933032
に示されている様に求めることができる。
[0019]ピーク平均及びピーク標準偏差を求めるには、ここに示されている例以外の他の方法が使用されてもよいものと理解しておきたい。例えば、他にもあろうが中でも、高い強度と概ね滑らかなイオン確率密度関数(PDF)を有している正規(例えばガウス)分布を持つピークの場合、ピーク平均は頂点場所として推定することができ、ピーク標準偏差は信号の半値全幅(FWHM)と関係付けることができる。但し、頂点/FWHM関連付けは、低強度ピークの場合には、ピーク平均と頂点場所の間でバイアスが大きくなり得ることから、適用可能でないことも理解しておきたい。代わりに、頂点と平均の間、また同じくFWHMと標準偏差の間、のバイアスを最小限にするために、様々な平滑化を適用することができよう。
[0020]或る実施形では、言及されている様に、第1のピーク(x)の平均保持時間を第2のピーク(y)の平均保持時間と比較する段階(S120)は、t仮説と呼称される。t仮説は、第1のピーク(x)及び第2のピーク(y)の保持時間の平均が実質的に同じであり、よってそれらの間の信頼区間が潜在的に第1のピーク(x)の第2のピーク(y)とのグループ化を正当化するかどうかを検定するのに採用することができる。
[0021]図3を参照しながら、第1のピーク(x)の平均保持時間を第2のピーク(y)の平均保持時間と比較する場合の或る実施形を開示する。まずS124で、所与の信頼区間について、t統計量が、次式、即ち、
Figure 0005933032
に従って求められる。
[0022]或る実施形では、S128で、t統計量を広げるために信頼区間が使用されるが、そのうちで次式、即ち、
Figure 0005933032
は、その様な信頼区間を割り当てるほんの一例である。
[0023]S132で、
Figure 0005933032
であるなら、第1のピーク(x)及び第2のピーク(y)の保持時間の平均は実質的に同じであり、よって、それらの間の信頼区間は潜在的に第1のピーク(x)の第2のピーク(y)とのグループ化を正当化する、ということになる。
[0024]或る実施形では、本開示の残り部分について言及されている様に、第1のピーク(x)の分散を第2のピーク(y)の分散と比較する段階(S160)は、F仮説と呼称される。或る実施形では、F仮説は、第1のピーク(x)及び第2のピーク(y)の分散が実質的に同じであり、よってそれらの間の信頼区間が潜在的に第1のピーク(x)の第2のピーク(y)とのグループ化を正当化するかどうかを検定するのに採用される。
[0025]図4を参照しながら、第1のピーク(x)の分散を第2のピーク(y)の分散と比較する場合の或る実施形を開示する。まずS164で、所与の有意レベルについて、F統計量が、次式、即ち、
Figure 0005933032
に従って求められる。
[0026]或る実施形では、S168で、値を広げるために信頼区間が使用されるが、そのうちで次式、即ち、
Figure 0005933032
は、その様な信頼区間を割り当てるほんの一例である。
[0027]S172で、
Figure 0005933032
であるなら、第1のピーク(x)及び第2のピーク(y)の分散は実質的に同じであり、よって、それらの間の信頼区間は潜在的に第1のピーク(x)の第2のピーク(y)とのグループ化を正当化する、ということになる。
[0028]大きなサイズのデータセットでは、毎回ピーク間でF統計量を計算するというのは処理の見地からするとあまりに悠長であろう。或る実施形では、プロセスをスピードアップするのに助けとなる、F統計量を求める代わりの方法は、既定のF統計量値をシステム内に記憶する段階を含んでおり、既定のF統計量値は特異値分解を用いて事前に計算され、システムのメモリ内に記憶される。或る実施形態では、メモリ内に記憶されている表は、以下のF統計量情報、即ち、
Figure 0005933032
ここに、i=1,...,1000;j=1,...,1000、
を含んでいよう。
[0029]或る実施形では、表は、以下の様なF統計量に対する特異値分解、即ち、
Figure 0005933032
又は、
Figure 0005933032
を実施することによって更に分解されていてもよい。
[0030]従って、分解された表は、百万(1,000,000)個ではなしに六千(6,000)個の値を有することになり、それにより、メモリ所要量を削減でき、また上の式によってFtableX及びFtableY、追加的にFtable(i,j)を再構築すればよいだけなので計算速度を上げられる。
[0031]α/2及び1−α/2の両側F統計量を計算するのに2つの表が使用されてもよい。1000より大きい自由度の場合については、F統計量を再構築する際に値1000が使用され、即ち、
Figure 0005933032
Figure 0005933032
である。
[0032]ここに記載されているシステム及び技法の様々な実施形は、デジタル電子回路構成、集積回路構成、特別に設計されたASIC(特定用途向け集積回路)、コンピュータハードウェア、ファームウェア、ソフトウェア、及び/又はそれらの組合せ、に実施することができるものと理解されたい。これらの様々な実施形は、専用又は汎用であって、データ及び命令をストレージシステム、少なくとも1つの入力デバイス、及び少なくとも1つの出力デバイスから受信するように、及びデータ及び命令をストレージシステム、少なくとも1つの入力デバイス、及び少なくとも1つの出力デバイスへ送信するように、連結されている少なくとも1つのプロセッサ、を含むプログラム可能なシステム上で実施可能及び/又は翻訳可能である1つ又はそれ以上のコンピュータプログラムでの実施形を含むことができる。
[0033]これらのコンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、又はコードとしても知られている)は、プログラム可能なプロセッサのための機械命令を含み、高級手続き型及び/又はオブジェクト指向型プログラミング言語に、及び/又はアセンブリ/機械言語に、実装されてもよい。ここでの使用に際し、「機械可読媒体」、「コンピュータ可読媒体」という用語は、機械命令を機械可読信号として受信する機械可読媒体を含め、機械命令及び/又はデータをプログラム可能なプロセッサへ提供するのに使用される何れのコンピュータプログラム製品、装置、及び/又はデバイス(例えば、磁気ディスク、光ディスク、メモリ、プログラム可能論理デバイス(PLD))をも指す。「機械可読信号」という用語は、機械命令及び/又はデータをプログラム可能なプロセッサへ提供するのに使用される何れの信号をも指す。
[0034]ユーザーとの対話を提供するために、ここに記載のシステム及び技法は、情報をユーザーへ表示するためのディスプレイデバイス(例えば、CRT(ブラウン管)又はLCD(液晶ディスプレイ)モニタ)と、ユーザーが入力をコンピュータへ提供できるようにするキーボード及びポインティングデバイス(例えば、マウス又はトラックボール)と、を有するコンピュータ上に実装することができる。ユーザーとの対話を提供するのに同様に他の種類のデバイスを使用することもでき、例えば、ユーザーに提供されるフィードバックは、何らかの形態の感覚フィードバック(例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック)であってもよいし、またユーザーからの入力は、音響入力、音声入力、又は触覚を用いた入力を含む何れの形態で受信されてもよい。
[0035]ここに記載のシステム及び技法は、バックエンド構成要素(例えば、データサーバとして)を含んでいるコンピューティングシステム、又はミドルウェア構成要素(例えば、アプリケーションサーバ)を含んでいるコンピューティングシステム、又はフロントエンド構成要素(例えば、グラフィックユーザーインターフェースを有するクライアントコンピュータ、又はユーザーがここに記載のシステム及び技法の実施形と対話できるようにするウェブブラウザ)を含んでいるコンピューティングシステム、又はその様なバックエンド、ミドルウェア、又はフロントエンドの構成要素の何らかの組合せを含んでいるコンピューティングシステム、に実装することができる。システムの構成要素は、何らかの形態又は何らかの媒体のデジタルデータ通信(例えば、通信ネットワーク)によって相互接続されていてもよい。通信ネットワークの例には、ローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、及びインターネットが含まれる。
[0036]コンピューティングシステムは、クライアントとサーバを含んでいよう。クライアントとサーバは、概して互いから遠隔にあり、典型的には通信ネットワークを通じて対話している。クライアントとサーバの関係は、それぞれのコンピュータ上で走っていて互いにクライアント−サーバ関係を有しているコンピュータプログラムに基づいて発生する。
[0037]本明細書に記載の主題及び機能的動作の実施形は、デジタル電子回路構成に、又は本明細書に開示されている構造並びにそれらの構造的等価物を含むコンピュータソフトウェア、ファームウェア、又はハードウェアに、又はそれらの1つ又はそれ以上から成る組合せに、実装することができる。本明細書に記載されている主題の実施形は、1つ又はそれ以上のコンピュータプログラム製品として、即ち、データ処理装置による実行のために又はデータ処理装置の動作を制御するようにコンピュータ可読媒体上にエンコードされているコンピュータプログラム命令の1つ又はそれ以上のモジュールとして、実装することができる。コンピュータ可読媒体は、機械可読ストレージデバイス、機械可読ストレージ基板、メモリデバイス、機械可読伝搬信号を実効化する組成物、又はそれらの1つ又はそれ以上から成る組合せであってもよい。「データ処理装置」という用語は、一例としてプログラム可能なプロセッサ、コンピュータ、又は複数のプロセッサ又はコンピュータを含め、データを処理するためのあらゆる装置、デバイス、及び機械を網羅する。装置は、ハードウェアに加え、問題のコンピュータプログラムのための実行環境を作り出すコード、例えば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、又はそれらの1つ又はそれ以上から成る組合せ、を構成しているコードを含んでいてもよい。伝播信号は、適した受信側装置への送信に向けて情報をエンコードするために生成されている人工的に生成された信号、例えば、機械生成の電気信号、光信号、又は電磁信号である。
[0038]コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、又はコードとしても知られている)は、コンパイル又は翻訳された言語を含む何れの形態のプログラミング言語で書かれていてもよく、また、独立型プログラムとしての形態、又はモジュール、構成要素、サブルーチン、又はコンピューティング環境での使用に適した他のユニットとしての形態、を含む何れの形態に配備されていてもよい。コンピュータプログラムは、必ずしも、ファイルシステム中のファイルに対応しているわけではない。プログラムは、ファイルの他のプログラム又はデータを保持している部分に格納されていてもよいし(例えば、マークアップ言語文書に格納されている1つ又はそれ以上のスクリプト)、又は問題のプログラム専用の単一ファイルに格納されていてもよいし、又は複数の連係ファイルに格納されていてもよい(例えば、1つ又はそれ以上のモジュール、サブプログラム、又はコードの部分、を格納している複数ファイル)。コンピュータプログラムは、1つのコンピュータ上で実行されるように配備されていてもよいし、又は1つの現場に設置されているか又は複数の現場をまたいで分散されていて通信ネットワークによって相互接続されている複数のコンピュータ上で実行されるように配備されていてもよい。
[0039]本明細書に記載されているプロセス及び論理フローは、1つ又はそれ以上のコンピュータプログラムを実行して入力データに対する動作及び出力の生成によって機能を遂行させる1つ又はそれ以上のプログラム可能なプロセッサによって遂行されてもよい。プロセス及び論理フローは、同様に、特殊目的論理回路構成、例えば、FPGA(フィールドプログラマブルゲートアレイ)又はASIC(特定用途向け集積回路)によって遂行されてもよく、装置は、その様な特殊目的論理回路構成として実装されてもよい。
[0040]コンピュータプログラムの実行に適したプロセッサには、一例として、汎用と特殊目的の両方のマイクロプロセッサ、及び何らかの種類のデジタルコンピュータの何れか1つ又はそれ以上のプロセッサが含まれる。概して、プロセッサは、読み出し専用メモリ又はランダムアクセスメモリ又はそれら両方から命令及びデータを受信することになろう。コンピュータの必須要素は、命令を遂行するためのプロセッサと、命令及びデータを格納するための1つ又はそれ以上のメモリデバイスである。概して、コンピュータは、更に、データを格納するための1つ又はそれ以上のマスストレージデバイス、例えば、磁気ディスク、光磁気ディスク、光ディスク、を含んでいるか、又はその様なマスストレージデバイスからデータを受信する又は当該デバイスへデータを送信する又はその両方を行うように動作可能に連結されることになろう。とはいえ、コンピュータはその様なデバイスを有していなくてもよい。また、コンピュータは、別のデバイス、例えば、ほんの数例を挙げるなら、移動体電話、パーソナルデジタルアシスタント(PDA)、移動体オーディオプレーヤー、全地球測位システム(GPS)受信機、に内蔵されていてもよい。コンピュータプログラム命令及びデータを格納するのに適したコンピュータ可読媒体には、あらゆる形態の不揮発性メモリ、媒体、及びメモリデバイスが含まれ、一例として、半導体メモリデバイス、例えば、EPROM、EEPROM、及びフラッシュメモリデバイス;磁気ディスク、例えば、内部ハードディスク又はリムーバブルディスク;光磁気ディスク;及びCD ROM及びDVD−ROMディスク、が挙げられる。プロセッサ及びメモリは、特殊目的論理回路構成によって補完されていてもよいし、当該論理回路構成に組み込まれていてもよい。
[0041]ユーザーとの対話を提供するために、本明細書に記載されている主題の実施形は、情報をユーザーへ表示するためのディスプレイデバイス(例えば、CRT(ブラウン管)又はLCD(液晶ディスプレイ)モニタ)と、ユーザーが入力をコンピュータへ提供できるようにするキーボード及びポインティングデバイス、例えば、マウス又はトラックボールと、を有するコンピュータ上に実装することができる。ユーザーとの対話を提供するのに同様に他の種類のデバイスを使用することもでき、例えば、ユーザーに提供されるフィードバックは、何らかの形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック、であってもよいし、またユーザーからの入力は、音響入力、音声入力、又は触覚を用いた入力を含む何れの形態で受信されてもよい。
[0042]本明細書は多くの詳細を含んでいるが、これらは本発明の範囲又は特許請求されるものの範囲への限定としてではなく、むしろ本発明の特定の実施形に固有の特徴の記述として解釈されたい。本明細書中に別々の実施形に照らして記載されている一部の特定の特徴は、更に、組み合わせて単一の実施形に実施することもできる。逆に、単一の実施形に照らして記載されている様々な特徴は、同様に、複数の実施形に別々に又は何らかの適した部分的組合せに実施することもできる。また、特徴は特定の組合せで作用するものとして以上に記載されているかもしれないし、更にはそういうものとして冒頭に特許請求されているかもしれないが、特許請求されている組合せからの1つ又はそれ以上の特徴は、場合によっては、当該組合せから削除されることもあり得るし、また特許請求されている組合せは、部分的組合せ又は部分的組合せの変型へ向けられてもよい。
[0043]同様に、動作は図面では特定の順序に描かれているが、このことは、その様な動作が示されている特定の順序で又は連続した順序で遂行されること、又は所望の結果を実現するのに例示されている動作全てが遂行されること、を要求しているものと理解されてはならない。一部の特定の状況では、マルチタスク処理及び並列処理が有利であるかもしれない。また、上述の実施形の様々なシステム構成要素の分離は、その様な分離が全ての実施形で要求されているものと理解されてはならず、また、記載のプログラム構成要素及びシステムは、概して、一体に単一のソフトウェア製品に統合することもできるし、又は複数のソフトウェア製品へパッケージ化することもできるものと理解されたい。
[0044]以上、数多くの実施形を説明してきた。とはいえ、本開示の精神及び範囲から逸脱することなく様々な修正がなされる余地のあることが理解されるであろう。例えば、以上に示されているフローの様々な形態は、諸段階を順序換えしたり、追加したり、或いは除去して使用されてもよい。また、本システム及び方法の幾つかの応用を説明してきたが、数々の他の応用が企図されるものと認識されたい。従って、他の実施形は、付随の特許請求の範囲による範囲内にある。

Claims (8)

  1. クロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法において、
    第1のピークを第2のピークと、それらの間の1つ又はそれ以上の条件に基づいて、比較する段階(S110)と、
    前記第1のピーク及び前記第2のピークを、1つ又はそれ以上の条件に基づいて、関係有り又は関係無しの何れかとして分類する段階(S180)と、を備え、
    前記比較する段階(S110)が、前記第1のピークの平均保持時間を前記第2のピークの平均保持時間と比較する段階(S120)を備え、
    平均保持時間と比較する前記段階(S120)が、
    前記第1のピークと前記第2のピークの間のt統計量を求める段階(S124)と、
    前記t統計量に関係付けられるt統計量信頼区間を割り当てる段階(S128)と、
    前記t統計量信頼区間を既定のt統計量パラメータに対照して比較する段階(S132)と、
    前記t統計量信頼区間を既定のt統計量パラメータに対照して比較する前記段階(S132)に基づいて、前記第1のピークと前記第2のピークを関係有り又は関係無しとして特徴付ける段階(S180)と、を備えている、方法。
  2. 前記比較する段階(S110)は、前記第1のピークの分散を前記第2のピークの分散と比較する段階(S160)をさらに備えている、請求項1に記載のクロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法。
  3. 前記第1のピークの分散を前記第2のピークの分散と比較する前記段階(S160)は、
    前記第1のピークと前記第2のピークの間のF統計量を求める段階(S164)と、
    前記統計量に関係付けられるF統計量信頼区間を割り当てる段階(S168)と、
    前記F統計量信頼区間を既定の統計量パラメータに対照して比較する段階(S172)と、
    前記F統計量信頼区間を既定のF統計量パラメータに対照して比較する前記段階(S172)に基づいて、前記第1のピークと前記第2のピークを関係有り又は関係無しとして特徴付ける段階(S180)と、を備えている、請求項2に記載のクロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法。
  4. クロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法において、
    第1のピークを第2のピークと、それらの間の1つ又はそれ以上の条件に基づいて、比較する段階(S110)と、
    前記第1のピーク及び前記第2のピークを、1つ又はそれ以上の条件に基づいて、関係有り又は関係無しの何れかとして分類する段階(S180)と、を備え、
    前記比較する段階(S110)が、前記第1のピークの分散を前記第2のピークの分散と比較する段階(S160)を備え、
    前記第1のピークの分散を前記第2のピークの分散と比較する前記段階(S160)が、
    前記第1のピークと前記第2のピークの間のF統計量を求める段階(S164)と、
    前記統計量に関係付けられるF統計量信頼区間を割り当てる段階(S168)と、
    前記F統計量信頼区間を既定の統計量パラメータに対照して比較する段階(S172)と、
    前記F統計量信頼区間を既定のF統計量パラメータに対照して比較する前記段階(S172)に基づいて、前記第1のピークと前記第2のピークを関係有り又は関係無しとして特徴付ける段階(S180)と、を備えている、方法。
  5. 前記クロマトグラフィーシステムはF統計量ルックアップ表を有するメモリ含んでおり、F統計量を求める前記段階は、前記ルックアップ表上の前記F統計量をルックアップする段階を含んでいる、請求項3に記載のクロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法。
  6. 前記F統計量ルックアップ表は、特異値分解を用いて計算され前記システムのメモリ内に記憶されている既定のF統計量値を含んでいる、請求項5に記載のクロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法。
  7. 前記クロマトグラフィーシステムはF統計量ルックアップ表を有するメモリを含んでおり、F統計量を求める前記段階は、前記ルックアップ表上の前記F統計量をルックアップする段階を含んでいる、請求項4に記載のクロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法。
  8. 前記F統計量ルックアップ表は、特異値分解を用いて計算され前記システムのメモリ内に記憶されている既定のF統計量値を含んでいる、請求項7に記載のクロマトグラフィーシステムでのクロマトグラフィーピークを処理するための方法。
JP2014552389A 2012-01-16 2013-01-16 クロマトグラフィーピークを処理しグループ化するシステム及び方法 Active JP5933032B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261587025P 2012-01-16 2012-01-16
US61/587,025 2012-01-16
PCT/US2013/021685 WO2013109592A1 (en) 2012-01-16 2013-01-16 Systems and methods to process and group chromatographic peaks

Publications (2)

Publication Number Publication Date
JP2015503768A JP2015503768A (ja) 2015-02-02
JP5933032B2 true JP5933032B2 (ja) 2016-06-08

Family

ID=47716149

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014552389A Active JP5933032B2 (ja) 2012-01-16 2013-01-16 クロマトグラフィーピークを処理しグループ化するシステム及び方法

Country Status (5)

Country Link
US (2) US20150046096A1 (ja)
JP (1) JP5933032B2 (ja)
CN (1) CN104053989B (ja)
DE (1) DE112013000579T5 (ja)
WO (1) WO2013109592A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11244818B2 (en) 2018-02-19 2022-02-08 Agilent Technologies, Inc. Method for finding species peaks in mass spectrometry

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0395481A3 (en) * 1989-04-25 1991-03-20 Spectra-Physics, Inc. Method and apparatus for estimation of parameters describing chromatographic peaks
JP3391862B2 (ja) * 1993-10-05 2003-03-31 株式会社日立製作所 クロマトグラム解析方法
US6015667A (en) * 1996-06-03 2000-01-18 The Perkin-Emer Corporation Multicomponent analysis method including the determination of a statistical confidence interval
EP1316049A2 (en) * 2000-06-02 2003-06-04 TRANSGENOMIC, Inc. Analysis of data from liquid chromatographic separation of dna
FR2860591B1 (fr) * 2003-10-03 2005-12-16 Actaris Gaszaehlerbau Gmbh Procede d'identification de composants d'un gaz naturel par chromatographie en phase gazeuse.
US7645984B2 (en) * 2004-02-13 2010-01-12 Waters Technologies Corporation Apparatus and method for identifying peaks in liquid chromatography/mass spectrometry data and for forming spectra and chromatograms
CA2501003C (en) * 2004-04-23 2009-05-19 F. Hoffmann-La Roche Ag Sample analysis to provide characterization data
CN1279353C (zh) * 2004-07-09 2006-10-11 清华大学 一种利用特征图谱对药材进行鉴别的方法
JP2006184275A (ja) * 2004-11-30 2006-07-13 Jeol Ltd 質量分析方法および質量分析装置
US7501621B2 (en) 2006-07-12 2009-03-10 Leco Corporation Data acquisition system for a spectrometer using an adaptive threshold
US20090318556A1 (en) * 2008-05-15 2009-12-24 Idle Jeffrey R Biomarkers for detecting radiation exposure: methods and uses thereof
CN101477089B (zh) * 2009-01-09 2012-06-13 中国科学院计算技术研究所 一种蛋白质翻译后修饰的发现方法
EP2322922B1 (en) * 2009-08-26 2015-02-25 Thermo Fisher Scientific (Bremen) GmbH Method of improving the resolution of compounds eluted from a chromatography device
DE112012001185B4 (de) * 2011-03-11 2014-08-28 Leco Corporation Systeme und Verfahren zur Datenverarbeitung in Chromatographiesystemen
US20150051843A1 (en) * 2012-01-16 2015-02-19 Leco Corporation Systems and Methods to Process Data in Chromatographic Systems

Also Published As

Publication number Publication date
US10636637B2 (en) 2020-04-28
JP2015503768A (ja) 2015-02-02
US20150046096A1 (en) 2015-02-12
WO2013109592A1 (en) 2013-07-25
US20180122626A1 (en) 2018-05-03
DE112013000579T5 (de) 2014-11-27
CN104053989B (zh) 2016-10-19
CN104053989A (zh) 2014-09-17

Similar Documents

Publication Publication Date Title
JP6077568B2 (ja) クロマトグラフィーシステムでのデータを処理するためのシステム及び方法
JP5941073B2 (ja) クロマトグラフィーシステムでのデータを処理するためのシステム及び方法
Ross Parametric and nonparametric sequential change detection in R: The cpm package
Vitells et al. Estimating the significance of a signal in a multi-dimensional search
Padmanabhan et al. Mining weak lensing surveys
JP2017090912A (ja) ニューラルネットワークトレーニング装置及び方法と、音声認識装置及び方法
Huijse et al. An information theoretic algorithm for finding periodicities in stellar light curves
JP6748085B2 (ja) 干渉検出および着目ピークのデコンボルーション
Komaty et al. On the Behavior of EMD and MEMD in Presence of Symmetric $\alpha $-Stable Noise
EP3550565B1 (en) Audio source separation with source direction determination based on iterative weighting
Tsuruta et al. Higher order kernel density estimation on the circle
Vazquez-Padin et al. ML estimation of the resampling factor
US20130325890A1 (en) Leveraging persisted data queries in stream-based complex event processing
JP5933032B2 (ja) クロマトグラフィーピークを処理しグループ化するシステム及び方法
Yue et al. A validation study of α-stable distribution characteristic for seismic data
Garcia-Cifuentes et al. Unraveling parameter degeneracy in GRB data analysis
Breebaart Evaluation of statistical inference tests applied to subjective audio quality data with small sample size
Figueroa‐López et al. Nonparametric regression with rescaled time series errors
Liew et al. Periodicity analysis of DNA microarray gene expression time series profiles in mouse segmentation clock data
Vázquez-Padín et al. Derivation of the asymptotic eigenvalue distribution for causal 2D-AR models under upscaling
Ajith et al. Robust vetoes for gravitational-wave burst triggers using known instrumental couplings
Chekanov et al. A nonparametric peak finder algorithm and its application in searches for new physics
Yueyue et al. Performance evaluation for frequency domain blind source separation algorithms
De Cabrera et al. Robust estimation of the magnitude squared coherence based on kernel signal processing
Watanabe et al. Denoising cosmic rays radio signal using Wavelets techniques

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140825

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150409

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150527

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150826

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20150925

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20151027

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151127

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: 20160401

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160428

R150 Certificate of patent or registration of utility model

Ref document number: 5933032

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

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250