JP6503966B2 - Multivariate analysis result display device - Google Patents
Multivariate analysis result display device Download PDFInfo
- Publication number
- JP6503966B2 JP6503966B2 JP2015154673A JP2015154673A JP6503966B2 JP 6503966 B2 JP6503966 B2 JP 6503966B2 JP 2015154673 A JP2015154673 A JP 2015154673A JP 2015154673 A JP2015154673 A JP 2015154673A JP 6503966 B2 JP6503966 B2 JP 6503966B2
- Authority
- JP
- Japan
- Prior art keywords
- multivariate analysis
- display device
- result display
- component
- analysis result
- 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
Links
Description
本発明は、例えば質量分析装置で得られたマススペクトルデータ、ガスクロマトグラフ装置（ＧＣ）や液体クロマトグラフ装置（ＬＣ）で得られたクロマトグラムデータ、分光測定装置で得られた吸光スペクトルデータ、ＤＮＡマイクロアレイ解析で得られたデータ等、各種のデータを多変量解析した結果を表示する多変量解析結果表示装置に関する。 The present invention includes, for example, mass spectrum data obtained by a mass spectrometer, chromatogram data obtained by a gas chromatograph (GC) or a liquid chromatograph (LC), absorption spectrum data obtained by a spectrometer, DNA The present invention relates to a multivariate analysis result display device that displays the results of multivariate analysis of various data, such as data obtained by microarray analysis.
近年、大量のデータから有用な情報を抽出するための統計手法、即ちデータマイニングの手法として、主成分分析（ＰＣＡ＝Principal Component Analysis）、独立成分分析（ＩＣＡ＝Independent Component Analysis）、部分最小二乗法（ＰＬＳ＝Partial Least Squares）など様々な手法による多変量解析が広く利用されている。機器分析の分野においても、測定や分析によって得られた大量のデータを解析するために多変量解析は頻用されている。 In recent years, statistical methods for extracting useful information from a large amount of data, that is, methods of data mining, such as principal component analysis (PCA = Principal Component Analysis), independent component analysis (ICA = Independent Component Analysis), partial least squares method Multivariate analysis by various methods such as (PLS = Partial Least Squares) is widely used. Also in the field of instrumental analysis, multivariate analysis is frequently used to analyze a large amount of data obtained by measurement and analysis.
例えば、多数のサンプルに対してそれぞれ所定の質量電荷比m/z範囲に亘る質量分析を行うと、多数のマススペクトルデータが得られる。こうした多数のマススペクトルデータを利用してその多数のサンプルを複数のグループに分けたり、サンプル間の差異に影響を与える物質を調べたり、或いは、全体的な分布の傾向を把握したりする際には、通常、主成分分析が利用される。 For example, if mass analysis is performed on a large number of samples over a predetermined mass-to-charge ratio m / z range, a large number of mass spectral data can be obtained. When using such a large number of mass spectral data to divide the large number of samples into a plurality of groups, to investigate substances that affect differences between samples, or to grasp the tendency of overall distribution. Usually, principal component analysis is used.
主成分分析を行うためには、まず各マススペクトルについてピーク検出を行い、そのピーク検出結果に基づいて例えば図５に示すようなピークマトリクスを作成する。
図５に示すピークマトリクスは、縦方向にサンプル、横方向にピーク位置（質量電荷比m/z）をとり、信号強度値を各要素の値としたものである。したがって、このピークマトリクスにおける１行の各要素は、一つのサンプルについての各質量電荷比における信号強度値を示しており、１列の各要素は或る質量電荷比における全てのサンプルの信号強度値を示している。
In order to perform principal component analysis, first, peak detection is performed for each mass spectrum, and a peak matrix as shown in FIG. 5 is created based on the peak detection results.
In the peak matrix shown in FIG. 5, the sample is taken in the vertical direction and the peak position (mass-to-charge ratio m / z) is taken in the horizontal direction, and the signal intensity value is taken as the value of each element. Therefore, each element of one row in this peak matrix indicates the signal strength value at each mass-to-charge ratio for one sample, and each element of one column has the signal strength values of all samples at a certain mass-to-charge ratio. Is shown.
こうして作成されたピークマトリクスに対し主成分分析を実行し、サンプル毎の各主成分のスコアや主成分毎のローディングを算出する。そして、その結果からスコアプロットやローディングプロットなどのグラフを作成し、これを表示部の画面上に表示する。スコアプロットは、互いに異なる二つの主成分を軸としたグラフに各サンプルのスコアをプロットしたものであり、ローディングプロットは同様に二つの主成分を軸としたグラフに各ピークの寄与度合いを示すローディングをプロットしたものである。なお、こうした演算や表示を行うために、例えばUmetrics社製の「SIMCA」（非特許文献１参照）などのソフトウエアを利用することができる。 The principal component analysis is performed on the peak matrix thus created, and the score of each principal component for each sample and the loading for each principal component are calculated. Then, a graph such as a score plot and a loading plot is created from the result, and this is displayed on the screen of the display unit. The score plot is obtained by plotting the score of each sample on a graph having two principal components different from each other as an axis, and the loading plot similarly shows the loading of each peak on a graph having two principal components as an axis. Is a plot of Note that software such as "SIMCA" (see Non-Patent Document 1) manufactured by Umetrics, Inc. can be used to perform such calculations and displays.
非特許文献２には、漢方薬である葛根湯について４種類のサンプルを質量分析することで得られたデータに対し主成分分析を実施した例が開示されている。この例では、主成分分析の結果として作成されたスコアプロットから４種類のサンプルが分別可能であることが示されている。また、その分別に寄与しているマススペクトル上のピークの質量電荷比m/zをローディングプロットから確認できることが示されている。 Non-Patent Document 2 discloses an example in which principal component analysis is performed on data obtained by mass analyzing four types of samples of traditional Chinese medicine Shikonto. In this example, it is shown that four types of samples can be sorted out from the score plot created as a result of principal component analysis. It is also shown that the mass-to-charge ratio m / z of the peak on the mass spectrum contributing to the fractionation can be confirmed from the loading plot.
こうした主成分分析において主成分をいくつまで確認するのが適切であるのか、つまりは第ｎ主成分のｎをいくつにするのが適切であるのかは、データ全体の変動に影響を与えているサンプルを探索したいのか、不純物を探索したいのか、或いは、サンプルを複数のグループに分けたいのか、といった解析の目的によって異なるが、場合によっては、１０以上の主成分数（つまりはｎ＞１０）の結果について確認を要することもある。 How many principal components are appropriate to confirm in such principal component analysis, that is, what it is appropriate to set n of the n-th principal component is a sample that affects the fluctuation of the entire data Depending on the purpose of the analysis, such as whether you want to search for impurities, impurities, or to divide samples into multiple groups, but in some cases, results of 10 or more principal components (that is, n> 10) There is also a need for confirmation.
このように確認すべき主成分の数が多い場合、解析結果を網羅的に確認したり評価したりするためには、第１主成分ＰＣ１（以下「第ｎ主成分」を「ＰＣｎ」と記す）と第２主成分ＰＣ２とを二軸とするスコアプロット、第１主成分ＰＣ１と第３主成分ＰＣ３とを二軸とするスコアプロット、…と、様々な主成分の組み合わせのスコアプロットを作成し、それを分析者が互いに見比べて判断を下す必要がある。しかしながら、軸が異なるスコアプロット毎に表示されるサンプルの相対位置は変化するから、複数のスコアプロットに跨って複数のサンプル同士を比較する作業はかなり煩雑である。また、任意の二つの主成分の組み合わせの数はnＣ2になるから、ｎが１０以上である場合、作成すべきスコアプロットは膨大な数となる。こうした膨大な数のスコアプロットに跨って複数のサンプルの比較を行うことは実質的に不可能である。 As described above, when the number of main components to be confirmed is large, the first main component PC1 (hereinafter, “n-th main component” is referred to as “PCn” in order to comprehensively check or evaluate the analysis result. A score plot with the 2nd principal component PC2 as the 2 axis, a score plot with the 1st principal component PC1 and the 3rd main component PC3 as the 2 axis, ... and a score plot of combinations of various principal components And analysts need to look at each other and make decisions. However, since the relative position of the sample displayed for each score plot having different axes changes, the task of comparing a plurality of samples across a plurality of score plots is rather complicated. In addition, since the number of combinations of two arbitrary principal components is n C 2 , when n is 10 or more, the number of score plots to be created is enormous. It is virtually impossible to compare multiple samples across such a huge number of score plots.
一方、主成分分析等の多変量解析によって得られる別の重要な指標として、その成分によってデータ中の変動をどの程度の割合説明できるのかを示す決定係数Ｒ2がある。例えば、第１主成分ＰＣ１のＲ2が８０％、第２主成分ＰＣ２のＲ2が１０％、第３主成分ＰＣ３のＲ2が５％、…であるとすると、データ全体の変動の殆どは第１主成分ＰＣ１のみで以て説明可能であるといえる。したがって、この決定係数Ｒ2はいくつまで主成分を確認すればよいのかを判断するうえで有用である。例えば非特許文献１に記載されているように、従来、各主成分に対する決定係数はスコアプロットとは別の棒グラフ等として表示されるのが一般的である。しかしながら、そうした表示では、分析者がスコアプロットを用いて複数のサンプルの比較を行う際に、決定係数を考慮するのは面倒である。 On the other hand, as another important index obtained by multivariate analysis such as principal component analysis, there is a determination coefficient R 2 indicating whether the possible proportion description of how the change in the data by the component. For example, R 2 is 80% of the first principal component PC1, R 2 is 10% of the second principal component PC2, R 2 is 5% of the third principal component PC3, when a ... a, most of the data overall variation It can be said that the explanation can be made only by the first main component PC1. Therefore, the determination coefficient R 2 is useful for determining how many principal components should be confirmed. For example, as described in Non-Patent Document 1, conventionally, the determination coefficient for each principal component is generally displayed as a bar graph or the like separate from the score plot. However, in such a display, it is cumbersome for the analyst to consider the coefficient of determination when comparing multiple samples using score plots.
また、質量分析装置で得られたマススペクトルデータのみならず、例えば、ガスクロマトグラフ装置や液体クロマトグラフ装置で得られたクロマトグラムデータ、分光測定装置で得られた吸光スペクトルデータなどに基づいて、サンプル群間で存在量に有意な差があるマーカー候補のピークを探索したり、或いは、ＤＮＡマイクロアレイ解析で得られたデータに基づいて、サンプル群間で発現量に有意な差がある遺伝子を探索したりする際にも同様の問題がある。 In addition to mass spectrum data obtained by a mass spectrometer, for example, based on chromatogram data obtained by a gas chromatograph or a liquid chromatograph, absorbance spectrum data obtained by a spectrometer, etc. Search for peaks of marker candidates with significant differences in abundance among groups, or search for genes with significant differences in expression levels among sample groups based on data obtained by DNA microarray analysis. There is a similar problem when
本発明は上記課題を解決するために成されたものであり、その主たる目的は、例えば複数のサンプルについてそれぞれ得られた分析データに対する主成分分析などの多変量解析を実行して得られた結果を分析者が確認したり評価したりする際に、複数のサンプルの的確な比較を簡便に行い、そのデータに基づく知見や情報を得ることができる多変量解析結果表示装置を提供することである。 The present invention has been made to solve the above problems, and its main object is, for example, a result obtained by performing multivariate analysis such as principal component analysis on analysis data obtained for each of a plurality of samples. It is an object of the present invention to provide a multivariate analysis result display device capable of easily performing accurate comparison of a plurality of samples and obtaining knowledge and information based on the data when an analyst confirms or evaluates .
上記課題を解決するために成された本発明は、複数のサンプルについての数値データを多変量解析することで得られた結果を表示する多変量解析結果表示装置であって、
a)多変量解析の過程で求まる成分毎に、複数のサンプルについてそれぞれ求まった統計量を規格化する統計量規格化部と、
b)２次元表示領域上で直交する二軸のうちの第１の軸に沿ってサンプルを、第２の軸に沿って前記成分を配置し、一つのサンプルの一つの成分における規格化後の統計量を、そのサンプル及び成分に対応するセルの色、濃淡、又は色及び濃淡、のいずれかで表現するとともに、各セルの第２の軸方向のサイズを、多変量解析の過程で前記成分毎に求まる、その成分の信頼性を示す指標値に応じて変更した行列型のヒートマップを作成するヒートマップ作成部と、
を備えることを特徴としている。
The present invention made to solve the above-mentioned problems is a multivariate analysis result display device for displaying the results obtained by multivariate analysis of numerical data of a plurality of samples,
a) A statistics normalizing unit that normalizes statistics obtained for each of a plurality of samples for each component obtained in the process of multivariate analysis;
b) arranging the sample along a first of two orthogonal axes on the two-dimensional display area and the component along a second axis, after normalization in one component of one sample The statistical quantity is expressed by any of the cell color, shade, or color and shade corresponding to the sample and component, and the size in the second axial direction of each cell is said component in the course of multivariate analysis. A heat map generation unit that generates a matrix-type heat map that is changed according to an index value that indicates the reliability of the component that is determined for each component;
It is characterized by having.
ここで数値データの内容や種類は特に問わないが、典型的には、様々な分析機器で収集された分析データ、測定データとすることができる。具体的には、質量分析装置で得られたマススペクトルデータ、ＧＣやＬＣで得られたクロマトグラムデータ、分光測定装置で得られた吸光スペクトルデータ、ＤＮＡマイクロアレイ解析で得られたデータなどとすることができる。 Although the content and type of numerical data are not particularly limited here, typically, analytical data and measurement data collected by various analytical instruments can be used. Specifically, mass spectrum data obtained by a mass spectrometer, chromatogram data obtained by GC or LC, absorbance spectrum data obtained by a spectrometer, data obtained by a DNA microarray analysis, etc. Can.
本発明に係る多変量解析結果表示装置において、多変量解析としては主成分分析、独立成分分析、部分最小二乗法による回帰分析、因子分析などを用いることができる。このうち、主成分分析及び独立成分分析はいわゆる「教師なし」の解析手法であり、部分最小二乗法はいわゆる「教師あり」の解析手法である。また、多変量解析の過程で求まる指標値としては、決定係数Ｒ2や予測残差平方和（PRESS値）などを用いればよい。 In the multivariate analysis result display device according to the present invention, principal component analysis, independent component analysis, regression analysis by partial least squares method, factor analysis or the like can be used as multivariate analysis. Among them, the principal component analysis and the independent component analysis are so-called "unsupervised" analysis methods, and the partial least squares method is a so-called "supervised" analysis method. As the index value obtained in the course of the multivariate analysis, the coefficient of determination R 2 and the prediction residual sum of squares (PRESS value) or the like may be used.
本発明に係る多変量解析結果表示装置において、多変量解析として主成分分析が用いられる場合、複数のサンプルのデータに対する主成分分析が実行される過程で、複数の主成分が抽出され、主成分毎に各サンプルのスコアが統計量として算出される。そこで、統計量規格化部は、主成分毎に、複数のサンプルについてそれぞれ求まったスコアを規格化することで、異なる主成分におけるスコアの比較を容易にする。規格化のアルゴリズムは特に限定されず、例えば、主成分毎に、スコアの絶対値の最大値を＋１又は−１に定め、それ以外のスコアの範囲を−１〜＋１の範囲に収める正規化を行えばよい。 In the multivariate analysis result display device according to the present invention, when principal component analysis is used as multivariate analysis, a plurality of principal components are extracted in the process of executing principal component analysis on data of a plurality of samples. For each sample, the score of each sample is calculated as a statistic. Therefore, the statistic normalization unit normalizes the scores obtained for each of the plurality of samples for each main component, thereby facilitating comparison of scores in different main components. The algorithm for normalization is not particularly limited. For example, for each principal component, the maximum value of the absolute value of the score is set to +1 or -1, and the normalization other than that is limited to -1 to +1. You can do it.
ヒートマップ作成部は、２次元表示領域上で直交する二軸（通常、縦軸と横軸）のうちの例えば横軸に沿ってサンプルを、縦軸に沿って主成分を配置する。つまり、行列型のヒートマップの枠を作成する。その枠には、［サンプル数］×［主成分数］の数のセルが配置され、各セルには規格後のスコアが対応する。そこで、各セルに対応する規格後のスコアの値を、色、濃淡、又は色及び濃淡、のいずれかで表現し、さらに、サンプルが配置される方向の軸に沿った各セルのサイズを、主成分分析によって主成分毎に求まる、例えば決定係数Ｒ2の値に応じて変更する。一般的に行列型のヒートマップではセルのサイズは全て同一であるが、ここでは、モザイクプロットで行われているように、セルのサイズ（ここでは一方の軸のみの長さ）で個々のセルに割り当てられている値（規格化後のスコア値）とは別の値を表現している。このようにして、カラースケールやグレイスケールなどに従った行列型のヒートマップが完成するから、これを表示モニタの画面上に表示して分析者に提示する。 The heat map creation unit arranges the sample along the horizontal axis, for example, of the two axes (normally, the vertical axis and the horizontal axis) orthogonal to each other on the two-dimensional display area, and arranges the main component along the vertical axis. That is, a matrix-type heat map frame is created. In the frame, cells of the number of [number of samples] × [number of main components] are arranged, and each cell corresponds to a score after specification. Therefore, the value of the score after specification corresponding to each cell is expressed by either color, gray scale, or color and gray scale, and the size of each cell along the axis in the direction in which the sample is arranged is For example, it changes according to the value of determination coefficient R 2 which is obtained for each principal component by principal component analysis. Generally, in the matrix-type heat map, the cell sizes are all the same, but here, as is the case with the mosaic plot, individual cells with the size of the cell (here only the length of one axis) Represents a value different from the value assigned to (the score value after normalization). In this way, a matrix-type heat map according to color scale, gray scale, etc. is completed, and this is displayed on the display monitor screen and presented to the analyst.
このようにして表示されるヒートマップには、解析対象である全てのサンプルの全ての主成分における規格化後のスコアが色や濃淡などで表示される。また、その主成分に対する決定係数が大きいほどセルの例えば縦方向のサイズは大きく表示される。そのため、分析者は一つのサンプルに対する多数の主成分におけるスコアの比較を視覚的に簡便に行うことができる。また、或る一つの主成分における複数のサンプル間でのスコアの比較も視覚的に簡便に行うことができる。また、主成分の数が多い場合やサンプルの数が多い場合でも、殆どの場合、全ての情報を一つのヒートマップに載せることができるので、サンプル間や主成分間でのスコアの比較が容易になる。 In the heat map displayed in this manner, the normalized scores of all the main components of all the samples to be analyzed are displayed in colors, shades, and the like. Also, for example, the size in the vertical direction of the cell is displayed larger as the determination coefficient for the main component is larger. Therefore, the analyst can easily visually compare the scores of many principal components with one sample. In addition, comparison of scores among a plurality of samples in a single principal component can be made visually simple. In addition, even when the number of main components is large or the number of samples is large, all information can be put on one heat map in most cases, so comparison of scores between samples or among main components is easy. become.
また、本発明に係る多変量解析結果表示装置において、好ましくは、
上記ヒートマップ作成部により作成されたヒートマップが表示された画面上で任意のサンプル及び／又は成分を分析者が指示するための指示部をさらに備え、
上記ヒートマップ作成部は、上記指示部によりサンプル及び／又は成分が指示されたとき、指示されたサンプル及び／又は成分のみに対応するヒートマップを再作成する構成とするとよい。
In the multivariate analysis result display device according to the present invention, preferably,
The system further comprises an instruction unit for the analyst to designate any sample and / or component on the screen on which the heat map created by the heat map creation unit is displayed,
The heat map creation unit may be configured to re-create a heat map corresponding to only the instructed sample and / or component when the sample and / or component are instructed by the instruction unit.
この構成によれば、多数のサンプル、多数の主成分について作成されたヒートマップから、分析者が着目するサンプルや主成分に絞った見易い、具体的には、色や濃淡の相違が明瞭で、且つ決定係数などに応じたセルのサイズの相違も視認し易いヒートマップを作成し表示することができる。 According to this configuration, the heat map prepared for many samples and many main components makes it easy to see the samples and the main components focused by the analyst, specifically, the difference in color and gradation is clear, In addition, it is possible to create and display a heat map that is easy to visually recognize differences in cell size according to the determination coefficient and the like.
なお、本発明に係る多変量解析結果表示装置では、規格後のスコアの値を濃淡にのみ対応付け、色を別の情報を示すのに利用してもよい。例えば、同じグループに属するサンプルが複数あり、且つ複数のグループが存在する場合に、サンプルのグループ分けを示すために色を使用してもよい。これにより、同じグループに属するサンプルがヒートマップ上で一目で分かるようになり、例えばサンプルの差異解析などの効率が向上する。 Note that, in the multivariate analysis result display device according to the present invention, the value of the score after specification may be associated with gradation only and the color may be used to indicate other information. For example, if there are multiple samples belonging to the same group, and multiple groups exist, colors may be used to indicate grouping of samples. As a result, samples belonging to the same group can be seen at a glance on the heat map, and the efficiency of, for example, difference analysis of samples can be improved.
本発明に係る多変量解析結果表示装置によれば、多数のサンプルについての全成分（多変量解析が主成分分析である場合には成分とは主成分）における統計量を一つのヒートマップで表現することができるため、成分数が多い場合であっても複数のサンプル間の異なる成分における統計量の比較が簡便に行える。
また、ヒートマップ上で成分毎の決定係数等の指標値の大小も把握できるため、分析者は例えば、数値データの分散等を説明するのに適当な主成分であるか否かを視覚的に簡単に判断することができる。さらにまた、従来であれば、例えばサンプルの差異解析の際に用いた多変量解析結果として複数のスコアプロットを保存しておく必要があったが、本発明に係る多変量解析結果表示装置によれば、一つのヒートマップを保存しておきさえすればよいので、データの管理が容易であるという効果もある。
According to the multivariate analysis result display device according to the present invention, the statistics in all components of a large number of samples (if the multivariate analysis is principal component analysis, the components are principal components) are represented by one heat map Therefore, even when the number of components is large, comparison of statistics in different components among a plurality of samples can be easily performed.
In addition, since the magnitude of index values such as the determination coefficient for each component can also be grasped on the heat map, the analyst visually recognizes, for example, whether or not the principal component is suitable for explaining dispersion of numerical data. It can be easily determined. Furthermore, conventionally, for example, it was necessary to save a plurality of score plots as multivariate analysis results used in difference analysis of samples, but according to the multivariate analysis result display device according to the present invention For example, since only one heat map needs to be stored, there is also an effect that data management is easy.
以下、本発明に係る多変量解析結果表示装置を用いた質量分析システムの一実施例について、添付図面を参照して説明する。
図１は本実施例の質量分析システムの概略構成図である。
Hereinafter, an embodiment of a mass spectrometry system using a multivariate analysis result display device according to the present invention will be described with reference to the attached drawings.
FIG. 1 is a schematic block diagram of a mass spectrometry system of the present embodiment.
本実施例の質量分析システムは、質量分析装置４と、データ処理部１と、入力部２と、表示部３と、を備える。
質量分析装置４は与えられたサンプルに含まれる化合物をイオン化して質量分析を実行するものであり、そのイオン化手法や質量分離手法などは特に問わない。
データ処理部１は、質量分析装置４で収集されたデータを解析処理してその結果を表示部３に表示するものであり、機能ブロックとして、マススペクトルデータ記憶部１１、ピークマトリクス作成部１２、主成分分析実行部１３、主成分分析結果一時記憶部１４、目的サンプル・成分選択部１５、ヒートマップ枠作成部１６、統計量規格化部１７、統計量ヒートマップ作成部１８、及び、ヒートマップ表示制御部１９、を含む。入力部２は、分析者がパラメータを設定したり何らかの指示を行ったりするためのものであり、表示部３は入力されたパラメータや解析結果等が表示されるモニタである。
The mass spectrometry system of the present embodiment includes a mass spectrometer 4, a data processing unit 1, an input unit 2, and a display unit 3.
The mass spectrometer 4 ionizes a compound contained in a given sample to execute mass analysis, and there is no particular limitation on the ionization method, mass separation method, and the like.
The data processing unit 1 analyzes and processes the data collected by the mass spectrometer 4 and displays the result on the display unit 3. As a functional block, the mass spectrum data storage unit 11, peak matrix creation unit 12, Principal component analysis execution unit 13, Principal component analysis result temporary storage unit 14, Target sample / component selection unit 15, Heat map frame creation unit 16, Statistics amount normalization unit 17, Statistics amount heat map creation unit 18, Heat map And a display control unit 19. The input unit 2 is for the analyst to set a parameter or give some instruction, and the display unit 3 is a monitor on which the input parameter, the analysis result and the like are displayed.
なお、データ処理部１は例えばパーソナルコンピュータをハードウエア資源とし、該コンピュータにインストールされた専用のデータ処理ソフトウエアを該コンピュータ上で実行することにより、上記各機能ブロックが具現化される構成とすることができる。 The data processing unit 1 has, for example, a personal computer as a hardware resource, and executes the dedicated data processing software installed in the computer on the computer to realize the above-described respective functional blocks. be able to.
この質量分析システムでは、例えば多数のサンプルについて質量分析装置４でそれぞれ質量分析を実行することにより得られた所定の質量電荷比範囲に亘るマススペクトルデータがデータ処理部１に入力され、マススペクトルデータ記憶部１１に格納される。データ処理部１では、こうしてマススペクトルデータ記憶部１１に格納された多数のサンプルのマススペクトルデータを用いた多変量解析が実施されるが、その際に、特徴的な表示処理が行われる。
次に、図２に示すフローチャートを参照して、本実施例の質量分析システムのデータ処理部で実施される主成分分析処理とその結果の表示処理について説明する。
In this mass spectrometry system, for example, mass spectrum data over a predetermined mass-to-charge ratio range obtained by performing mass analysis on a large number of samples with the mass spectrometer 4 is input to the data processing unit 1, and mass spectrum data is obtained. It is stored in the storage unit 11. In the data processing unit 1, multivariate analysis is performed using mass spectrum data of a large number of samples stored in the mass spectrum data storage unit 11 in this way, and at that time, characteristic display processing is performed.
Next, with reference to the flowchart shown in FIG. 2, the principal component analysis process performed by the data processing unit of the mass spectrometry system of the present embodiment and the display process of the result will be described.
多数のサンプル由来のマススペクトルデータに対する主成分分析処理の手順は従来と同じである。即ち、分析者が入力部２により解析対象であるサンプルを選択し解析の実行を指示すると、ピークマトリクス作成部１２はマススペクトルデータ記憶部１１から選択されたサンプルのマススペクトルデータをそれぞれ読み込む。なお、ここでいうマススペクトルデータはセントロイド処理されていないプロファイルデータである。 The procedure of the principal component analysis process on mass spectral data derived from a large number of samples is the same as in the prior art. That is, when the analyst selects a sample to be analyzed by the input unit 2 and instructs execution of analysis, the peak matrix creating unit 12 reads mass spectrum data of the selected sample from the mass spectrum data storage unit 11. The mass spectrum data mentioned here is profile data not subjected to centroid processing.
ピークマトリクス作成部１２は、読み込まれたマススペクトルデータ毎に、各マススペクトルに現れるピークを所定のピーク検出アルゴリズムに従って検出し、ピーク位置（質量電荷比値）と信号強度（ピーク値）とを求める。そして、マススペクトル毎に、ピーク位置Ｍpとピーク強度Ｉpとの組（Ｍp，Ｉp）（ただし、ｐ＝１，２，…）を多数集めたピークリストを作成する。さらにピークマトリクス作成部１２はピークリストを用いて図５に例示したようなピークマトリクスを作成する。 The peak matrix generation unit 12 detects a peak appearing in each mass spectrum according to a predetermined peak detection algorithm for each read mass spectrum data, and obtains a peak position (mass-to-charge ratio value) and a signal intensity (peak value). . Then, for each mass spectrum, a peak list is created in which a large number of pairs (Mp, Ip) (where p = 1, 2,...) Of the peak position Mp and the peak intensity Ip are collected. Furthermore, the peak matrix creation unit 12 creates a peak matrix as illustrated in FIG. 5 using the peak list.
主成分分析実行部１３はピークマトリクスに対し一般的な主成分分析を実施し、主成分を抽出するとともに主成分毎にスコア及びローディングを算出する。また、主成分毎に決定係数Ｒ2も算出する。そうして算出された主成分分析結果は主成分分析結果一時記憶部１４に一旦格納される。一般的な主成分分析では、主成分分析結果は上述したようなスコアプロットやローディングプロットとして表示される。それに対し本実施例の質量分析システムでは、特徴的な表示として、スコア値のヒートマップ表示ができるようになっている。 The principal component analysis execution unit 13 performs general principal component analysis on the peak matrix, extracts principal components, and calculates a score and loading for each principal component. Further, the coefficient of determination R 2 is also calculated for each principal component. The principal component analysis result thus calculated is temporarily stored in the principal component analysis result temporary storage unit 14. In general principal component analysis, principal component analysis results are displayed as a score plot and a loading plot as described above. On the other hand, in the mass spectrometry system of the present embodiment, a heat map of score values can be displayed as a characteristic display.
スコア値のヒートマップ表示を行う際には、分析者はヒートマップ表示したいサンプルと主成分とを入力部２から指定する（ステップＳ１）。主成分分析した全てのサンプル、及び、主成分分析の過程で抽出された全ての主成分（例えば第ｎ主成分まで主成分が抽出された場合には、１〜ｎの全ての第ｎ主成分）を指定することも可能である。また、特に分析者が指定しない場合には、主成分分析した全てのサンプル、及び、主成分分析の過程で抽出された全ての主成分がデフォルトで指定されるようにしておいてもよい。 When the heat map display of the score values is performed, the analyst specifies the sample and the main component to be displayed on the heat map from the input unit 2 (step S1). All samples subjected to principal component analysis and all principal components extracted in the process of principal component analysis (for example, when the principal components are extracted up to the n-th principal component, all n-th principal components from 1 to n) It is also possible to specify). In addition, if the analyst does not designate in particular, all samples subjected to principal component analysis and all principal components extracted in the course of principal component analysis may be designated by default.
目的サンプル・成分選択部１５は、指定されたサンプル及び主成分のスコア値を主成分分析結果一時記憶部１４から読み出す（ステップＳ２）。また、ヒートマップ枠作成部１６は、指定された主成分を縦軸に、指定されたサンプルを横軸にとった２次元的なヒートマップの枠を作成する（ステップＳ３）。図３は、指定されたサンプルが３個、指定された主成分数が５（ｎ＝１〜５）である場合のヒートマップ枠の例である。標準的には、主成分はｎの順に上から並べればよく、サンプルはサンプル名称の順にソートして左から並べればよい。なお、図３に示すように、ヒートマップにおいて、一つのサンプル、一つの主成分に対応する矩形状の枠をセルと呼ぶこととする。 The target sample / component selection unit 15 reads out the score values of the designated sample and principal component from the principal component analysis result temporary storage unit 14 (step S2). Further, the heat map frame creation unit 16 creates a two-dimensional heat map frame in which the designated main component is taken on the vertical axis and the designated sample is taken on the horizontal axis (step S3). FIG. 3 shows an example of the heat map frame in the case where the number of designated samples is 3 and the number of designated principal components is 5 (n = 1 to 5). In general, the main components may be arranged from the top in the order of n, and the samples may be sorted in the order of the sample names and arranged from the left. Note that, as shown in FIG. 3, in the heat map, a rectangular frame corresponding to one sample and one main component is called a cell.
統計量規格化部１７は、異なる主成分における統計量であるスコア値の比較が容易に行えるように、主成分毎にスコア値を規格化する（ステップＳ４）。規格化の手法は特に問わないが、典型的な一手法として、各主成分において、絶対値が最も大きいスコア値を基準とした正規化を行うようにするとよい。即ち、或る一つの主成分において、絶対値が最も大きいスコア値の極性が正であればそのスコアを＋１、絶対値が最も大きいスコア値の極性が負であればそのスコアを−１と定める。そして、その主成分における他のスコア値は、基準に定めたスコア値の絶対値で除することで、値を−１〜＋１の範囲に収める。これによると、主成分毎にスコア値が大きく相違していても、正規格化後のスコア値は基準が揃うので、主成分間のスコア値の比較が容易になる。 The statistic normalization unit 17 normalizes the score value for each principal component so as to easily compare the score values that are statistics in different principal components (step S4). Although there is no particular limitation on the method of normalization, as a typical method, it is preferable to perform normalization on each main component based on the score value having the largest absolute value. That is, in one principal component, if the polarity of the score value having the largest absolute value is positive, the score is set to +1, and if the polarity of the score value having the largest absolute value is negative, the score is set to −1 . Then, the other score values in the main component are divided by the absolute value of the score value determined as the standard, so that the value falls within the range of −1 to +1. According to this, even if the score values are largely different for each main component, the score values after normal normalization are uniformed in criteria, and it becomes easy to compare the score values between the main components.
ステップＳ２で得られた全てのスコア値が規格化されたならば、統計量ヒートマップ作成部１８は、規格化後のスコア値に基づいて、ヒートマップ上の各セルの表示色とその濃淡の度合を決定する（ステップＳ５）。例えば、正規化後のスコア値の極性が正であれば表示色を赤、正規化後のスコア値の極性が負であれば表示色を青に定め、正規化後のスコア値の絶対値が０から１に近づくに伴い表示色が濃くなるようにするとよい。また、正規化後のスコア値−１〜＋１の範囲を所定のカラースケールに対応付けるようにしてもよい。また、カラー表示ではなくグレイスケールで正規化後のスコア値を表すようにしてもよい。ヒートマップ上の各セルにはそれぞれ正規化後のスコア値が対応しているから、全てのセルに表示色とその濃淡又はグレイの濃淡による情報が与えられる。 If all the score values obtained in step S2 are normalized, the statistic heat map generation unit 18 determines the display color of each cell on the heat map and its shading based on the normalized score value. The degree is determined (step S5). For example, if the polarity of the score value after normalization is positive, the display color is red, and if the polarity of the score value after normalization is negative, the display color is blue, and the absolute value of the score value after normalization is The display color may be darkened as it approaches 0 to 1. Further, the range of score values -1 to +1 after normalization may be associated with a predetermined color scale. Also, the normalized score value may be represented by gray scale instead of color display. Since each cell on the heat map corresponds to the normalized score value, information on the display color and its gray level or gray level is given to all the cells.
統計量ヒートマップ作成部１８はさらに、ヒートマップのセルの高さＨを、主成分分析結果一時記憶部１４から読み出した各主成分に対応する決定係数Ｒ2の値に応じたものに変更する（ステップＳ６）。通常、決定係数Ｒ2は０〜１の範囲の値（％表示では０〜１００）を採るから、その値に比例したセル高さＨとすればよい。なお、ここでは、セル幅Ｌは一定である。こうして、ヒートマップ枠中の各セルはそのセルに対応したスコア値に応じた表示色及び／又は濃淡の表示となり、各セルの高さＨはそのセルに対応する主成分における決定係数Ｒ2つまりは寄与度を示すものとなるから、ヒートマップ表示制御部１９は作成されたスコア値のヒートマップを表示部３の画面上に表示する（ステップＳ７）。 Further, the statistic heat map generation unit 18 changes the cell height H of the heat map to one corresponding to the value of the determination coefficient R 2 corresponding to each principal component read from the principal component analysis result temporary storage unit 14 (Step S6). Usually, coefficient of determination R 2 may be from taking (0-100 in percentage) values in the range of 0 to 1, the cell height H that is proportional to that value. Here, the cell width L is constant. Thus, each cell in the heat map frame becomes a display color and / or gradation according to the score value corresponding to that cell, and the height H of each cell is the determination coefficient R 2 in the main component corresponding to that cell Since this indicates the degree of contribution, the heat map display control unit 19 displays the heat map of the created score value on the screen of the display unit 3 (step S7).
上記一連の手順で分析者が指定したサンプル及び主成分に対応するスコア値のヒートマップが表示されるが、場合によっては、表示されたヒートマップの中で比較のために不要なサンプルや主成分が存在していることもある。そこで、例えばヒートマップ上で任意のサンプルや主成分を指定して削除等の指示を行うと、その指示に応じたサンプル及び主成分の指定をやり直してヒートマップを作成し直すようにするとよい。また、サンプルや主成分の選択はそのままで、相互の比較が一層容易になるように、ヒートマップ上でサンプルの順序や主成分の順序を適宜入れ替え可能としてもよい。 Although a heat map of the score value corresponding to the sample and principal component designated by the analyst in the above series of procedures is displayed, in some cases, the unnecessary sample or principal component for comparison in the displayed heat map May exist. Therefore, for example, when an arbitrary sample or main component is designated on the heat map and an instruction such as deletion is given, it is preferable to re-specify the sample and the main component according to the instruction and create the heat map again. In addition, the order of the samples and the order of the main components may be appropriately interchanged on the heat map so that the selection of the samples and the main components remains as it is and mutual comparison becomes easier.
図４は具体的なヒートマップ表示の一例である。これは、四つのサンプル、四つの主成分についてのヒートマップ表示である。この例では、第１主成分ＰＣ１の決定係数Ｒ2が他の主成分ＰＣ２〜ＰＣ４の決定係数Ｒ2に比べて格段に大きいことが一目で分かる。このことから、第１主成分ＰＣ１のみでデータの変動の多くについて説明できていることが分かる。また、第１主成分ＰＣ１の中でsample Bとsample Cのスコア値が他のサンプル（sample A, sample D）のスコア値よりも大きいことが分かる。このことから、sample Bとsample Cとがデータ全体の性質（変動状況）を表すのに大きく寄与していることが分かる。 FIG. 4 is an example of a specific heat map display. This is a heat map display for four samples, four principal components. In this example, it can be seen at a glance much larger than the coefficient of determination R 2 of the first principal component PC1 is the coefficient of determination R 2 of the other main component PC2～PC4. From this, it can be seen that many of the data fluctuations can be explained with only the first main component PC1. Further, it can be seen that the score values of sample B and sample C in the first main component PC1 are larger than the score values of other samples (sample A, sample D). From this, it can be seen that sample B and sample C greatly contribute to representing the nature (variation situation) of the entire data.
また、第３主成分ＰＣ３では、いずれのサンプルに対応するセルも表示色が比較的濃い。これは、第３主成分ＰＣ３においては、他のサンプルに比べて顕著な変動を示すサンプルが存在しないことを意味している。さらにまた、第４主成分ＰＣ４では、他の主成分Ｐ１〜Ｐ３では顕著な変動を生じていないsample Aが、他のサンプルに比べて顕著な変動を示していることが分かる。このことから、このsample Aはデータに含まれる不純物の可能性があると推定することができる。
以上のように、こうしたヒートマップ表示によれば、主成分数が多い場合でも、またサンプル数が多い場合でも、異なる主成分間や異なるサンプル間のスコア値を適正に比較評価することができる。また、その際に、決定係数Ｒ2の大きさも考慮しながら、比較評価を行うことができる。
Further, in the third main component PC3, the display color of the cells corresponding to any of the samples is relatively dark. This means that in the third main component PC3, there is no sample that exhibits a significant fluctuation as compared to the other samples. Furthermore, it can be seen that, in the fourth main component PC4, sample A, which does not cause significant fluctuation in the other main components P1 to P3, exhibits a remarkable fluctuation as compared with the other samples. From this, it can be estimated that this sample A has the possibility of impurities contained in the data.
As described above, according to such heat map display, even when the number of main components is large or the number of samples is large, it is possible to appropriately compare and evaluate score values among different main components or between different samples. Further, in time, taking into account also the size of the coefficient of determination R 2, it is possible to perform comparative evaluation.
なお、上記実施例では、スコア値の規格化の手法として、上述したように最大の絶対値を−１及び＋１とする正規化を行ったが、ヒートマップ表示結果を把握し易い手法であれば任意の規格化を行うものとすることができる。 In the above-described embodiment, as described above, normalization is performed to set the maximum absolute value to -1 and +1 as a method for normalizing the score value, but if it is a method for easily understanding the heat map display result Any standardization can be performed.
また、上記説明では、各主成分における変動を表す統計量として決定係数Ｒ2を用いていたが、これに限るものでなく、例えば、クロスバリデーションに基づいて計算された予測残差平方和PRESS（Prediction Residual Error Sum of Squares）などを用いてもよい。 Further, in the above description, the determination coefficient R 2 is used as the statistic representing the variation in each principal component, but the present invention is not limited thereto. For example, the prediction residual square sum PRESS (based on cross validation) Prediction Residual Error (Sum of Squares) or the like may be used.
また、上記実施例では多変量解析として主成分分析を用いていたが、主成分分析のみならず、独立成分分析、部分最小二乗法による回帰分析、因子分析などの多変量解析にも本発明を適用できることは明らかである。 In the above embodiments, principal component analysis was used as multivariate analysis, but the present invention is applicable not only to principal component analysis but also to multivariate analysis such as independent component analysis, regression analysis by partial least squares method, factor analysis, etc. It is clear that it is applicable.
また、上記実施例は質量分析装置で得られたマススペクトルデータの解析に本発明を使用したものであるが、それ以外の様々な分析データや測定データに対して多変量解析を行った結果について、本発明を適用できることは明らかである。例えば、質量分析装置と同様の分析装置の分野で言えば、ＬＣ装置やＧＣ装置で得られたクロマトグラムデータ、分光測定装置で得られた吸光スペクトルデータなど本発明を使用できることは明らかである。さらにまた、ＤＮＡマイクロアレイ解析で得られたデータ（画像を数値化したデータ）の解析にも本発明を使用することができる。 The above embodiment uses the present invention for analyzing mass spectrum data obtained by a mass spectrometer, but the results of multivariate analysis on various other analysis data and measurement data It is clear that the invention is applicable. For example, in the field of an analyzer similar to a mass spectrometer, it is apparent that the present invention can be used such as chromatogram data obtained by an LC device or a GC device, or absorption spectrum data obtained by a spectrometer. Furthermore, the present invention can also be used for analysis of data obtained by DNA microarray analysis (data obtained by digitizing an image).
さらにまた、そうした、いわゆる機器分析によって得られたデータに基づく多変量解析結果だけでなく、それ以外の様々な手法で収集されたデータに基づく多変量解析結果を表示するために本発明を利用可能であることも当然である。
即ち、上記実施例は本発明の一例にすぎず、上記に記載された以外の点で、本発明の趣旨の範囲で適宜変形、修正、追加等を行っても本願特許請求の範囲に包含されることは当然である。
Furthermore, the present invention can be used to display multivariate analysis results based not only on such multivariate analysis results based on data obtained by so-called instrumental analysis but also data collected by various other methods. It is also natural that it is.
That is, the above-described embodiment is only an example of the present invention, and any modification, modification, addition, and the like can be appropriately made within the scope of the present invention except in the respect described above. It is natural.
１…データ処理部
１１…マススペクトルデータ記憶部
１２…ピークマトリクス作成部
１３…主成分分析実行部
１４…主成分分析結果一時記憶部
１５…目的サンプル・成分選択部
１６…ヒートマップ枠作成部
１７…統計量規格化部
１８…統計量ヒートマップ作成部
１９…ヒートマップ表示制御部
２…入力部
３…表示部
４…質量分析装置
1 ... data processing unit 11 ... mass spectrum data storage unit 12 ... peak matrix creation unit 13 ... principal component analysis execution unit 14 ... principal component analysis result temporary storage unit 15 ... target sample / component selection unit 16 ... heat map frame creation unit 17 .... Statistics normalization unit 18 ... Statistics heat map creation unit 19 ... Heat map display control unit 2 ... Input unit 3 ... Display unit 4 ... Mass spectrometer
Claims (7)
a)多変量解析の過程で求まる成分毎に、複数のサンプルについてそれぞれ求まった統計量を規格化する統計量規格化部と、
b)２次元表示領域上で直交する二軸のうちの第１の軸に沿ってサンプルを、第２の軸に沿って前記成分を配置し、一つのサンプルの一つの成分における規格化後の統計量を、そのサンプル及び成分に対応するセルの色、濃淡、又は色及び濃淡、のいずれかで表現するとともに、各セルの第２の軸方向のサイズを、多変量解析の過程で前記成分毎に求まる、その成分の信頼性を示す指標値に応じて変更した行列型のヒートマップを作成するヒートマップ作成部と、
を備えることを特徴とする多変量解析結果表示装置。 A multivariate analysis result display device that displays the results obtained by multivariate analysis of data for a plurality of samples,
a) A statistics normalizing unit that normalizes statistics obtained for each of a plurality of samples for each component obtained in the process of multivariate analysis;
b) arranging the sample along a first of two orthogonal axes on the two-dimensional display area and the component along a second axis, after normalization in one component of one sample The statistical quantity is expressed by any of the cell color, shade, or color and shade corresponding to the sample and component, and the size in the second axial direction of each cell is said component in the course of multivariate analysis. A heat map generation unit that generates a matrix-type heat map that is changed according to an index value that indicates the reliability of the component that is determined for each component;
A multivariate analysis result display device comprising:
前記多変量解析は主成分分析であることを特徴とする多変量解析結果表示装置。 The multivariate analysis result display device according to claim 1, wherein
The multivariate analysis result display device characterized in that the multivariate analysis is principal component analysis.
前記多変量解析は独立成分分析であることを特徴とする多変量解析結果表示装置。 The multivariate analysis result display device according to claim 1, wherein
The multivariate analysis result display device characterized in that the multivariate analysis is an independent component analysis.
前記多変量解析は部分最小二乗法による回帰分析であることを特徴とする多変量解析結果表示装置。 The multivariate analysis result display device according to claim 1, wherein
The multivariate analysis result display device characterized in that the multivariate analysis is a regression analysis by a partial least squares method.
前記多変量解析は因子分析であることを特徴とする多変量解析結果表示装置。 The multivariate analysis result display device according to claim 1, wherein
The multivariate analysis result display device characterized in that the multivariate analysis is factor analysis.
前記指標値は決定係数であることを特徴とする多変量解析結果表示装置。 The multivariate analysis result display device according to any one of claims 1 to 5, wherein
The multivariate analysis result display device characterized in that the index value is a determination coefficient.
前記ヒートマップ作成部により作成されたヒートマップが表示された画面上で任意のサンプル及び／又は成分を分析者が指示するための指示部をさらに備え、
前記ヒートマップ作成部は、前記指示部によりサンプル及び／又は成分が指示されたとき、指示されたサンプル及び／又は成分のみに対応するヒートマップを再作成することを特徴とする多変量解析結果表示装置。 The multivariate analysis result display device according to any one of claims 1 to 6, wherein
The system further comprises an instruction unit for an analyzer to designate an arbitrary sample and / or component on the screen on which the heat map generated by the heat map generation unit is displayed,
The heat map generation unit re-generates a heat map corresponding to only the instructed sample and / or component when the sample and / or component are instructed by the instruction unit. Multivariate analysis result display apparatus.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015154673A JP6503966B2 (en) | 2015-08-05 | 2015-08-05 | Multivariate analysis result display device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015154673A JP6503966B2 (en) | 2015-08-05 | 2015-08-05 | Multivariate analysis result display device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017032470A JP2017032470A (en) | 2017-02-09 |
| JP6503966B2 true JP6503966B2 (en) | 2019-04-24 |
Family
ID=57988651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015154673A Active JP6503966B2 (en) | 2015-08-05 | 2015-08-05 | Multivariate analysis result display device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6503966B2 (en) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111902719A (en) * | 2018-02-19 | 2020-11-06 | 塞尔诺生物科学有限责任公司 | Reliable automated mass spectrometry |
| WO2021044509A1 (en) * | 2019-09-03 | 2021-03-11 | 株式会社島津製作所 | Data analysis device and analysis device |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040027350A1 (en) * | 2002-08-08 | 2004-02-12 | Robert Kincaid | Methods and system for simultaneous visualization and manipulation of multiple data types |
| US20090187420A1 (en) * | 2007-11-15 | 2009-07-23 | Hancock William S | Methods and Systems for Providing Individualized Wellness Profiles |
| JP4578565B1 (en) * | 2009-12-25 | 2010-11-10 | 日本テクノ株式会社 | Energy saving action sheet, energy saving action sheet creation device, energy saving action sheet creation method |
| JP5565810B2 (en) * | 2010-11-29 | 2014-08-06 | 国立大学法人浜松医科大学 | Mass spectrometry data processing method and apparatus |
| US20140087963A1 (en) * | 2012-08-29 | 2014-03-27 | Arizona Board of Regents, a body Corporate of the State of Arizona, Acting for and on Behalf of Ariz | Immunosignaturing: a path to early diagnosis and health monitoring |
| JP5860833B2 (en) * | 2013-04-08 | 2016-02-16 | 株式会社島津製作所 | Mass spectrometry data processing method and apparatus |
| JP2015135318A (en) * | 2013-12-17 | 2015-07-27 | キヤノン株式会社 | Data processing apparatus, data display system, sample data acquisition system, and data processing method |
-
2015
- 2015-08-05 JP JP2015154673A patent/JP6503966B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017032470A (en) | 2017-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5527232B2 (en) | Mass spectrometry data processing method and apparatus | |
| JP5441199B2 (en) | System and method for identifying correlation variables in large amounts of spectroscopic data | |
| JP5348029B2 (en) | Mass spectrometry data processing method and apparatus | |
| Steinfath et al. | Metabolite profile analysis: from raw data to regression and classification | |
| JP4739447B2 (en) | Failure factor analysis display method and failure factor analysis display device | |
| JP5327388B2 (en) | Analytical data processing method and apparatus | |
| JPWO2010116409A1 (en) | Mass spectrometry data processing method and apparatus | |
| JP2009258890A (en) | Influence factor specifying device | |
| JP4860575B2 (en) | Analysis result display method and display apparatus for chromatography mass spectrometry | |
| JP6503966B2 (en) | Multivariate analysis result display device | |
| JP4984617B2 (en) | Mass spectrometry data analysis method | |
| Barlow et al. | Case Study: Visualization for Decision Tree Analysis in Data Mining. | |
| JP6439878B2 (en) | Analysis data analysis apparatus and analysis data analysis program | |
| JPWO2017002156A1 (en) | Analysis result output processing apparatus and analysis result output processing program | |
| US10147590B2 (en) | Mass spectrometry data processing apparatus and mass spectrometry data processing method | |
| US7587285B2 (en) | Method for identifying correlated variables | |
| CN113711031B (en) | Analysis device | |
| CN108780066B (en) | Mass spectrometer | |
| CN113655161A (en) | Analysis support device, analysis support method, and computer-readable medium | |
| JP5860833B2 (en) | Mass spectrometry data processing method and apparatus | |
| US8838397B1 (en) | Representing a plot with a mini-plot | |
| JP2007240374A (en) | Method and apparatus for processing mass spectrometric data | |
| US11961726B2 (en) | Mass spectrum processing apparatus and method | |
| JP5627338B2 (en) | Mass spectrometry method | |
| Urtubia et al. | Predictive power of LDA to discriminate abnormal wine fermentations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171212 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181010 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181120 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181228 |
|
| 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: 20190226 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190311 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6503966 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |