JP6670757B2 - 判定装置、解析方法、および解析プログラム - Google Patents

判定装置、解析方法、および解析プログラム Download PDF

Info

Publication number
JP6670757B2
JP6670757B2 JP2016565839A JP2016565839A JP6670757B2 JP 6670757 B2 JP6670757 B2 JP 6670757B2 JP 2016565839 A JP2016565839 A JP 2016565839A JP 2016565839 A JP2016565839 A JP 2016565839A JP 6670757 B2 JP6670757 B2 JP 6670757B2
Authority
JP
Japan
Prior art keywords
cell
correlation
feature amount
change
determination device
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
JP2016565839A
Other languages
English (en)
Other versions
JPWO2016103501A1 (ja
Inventor
昌之 村田
昌之 村田
ふみ 加納
ふみ 加納
誉之 野口
誉之 野口
信彦 米谷
信彦 米谷
智沙子 岩本
智沙子 岩本
聖子 山▲崎▼
聖子 山▲崎▼
真史 山下
真史 山下
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.)
Nikon Corp
University of Tokyo NUC
Original Assignee
Nikon Corp
University of Tokyo NUC
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 Nikon Corp, University of Tokyo NUC filed Critical Nikon Corp
Publication of JPWO2016103501A1 publication Critical patent/JPWO2016103501A1/ja
Application granted granted Critical
Publication of JP6670757B2 publication Critical patent/JP6670757B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • G01N21/6458—Fluorescence microscopy
    • G01N15/1433—
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/38—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of metabolites or enzymes in the cells
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/48—Automatic or computerized control
    • G01N15/01—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Electro-optical investigation, e.g. flow cytometers
    • G01N2015/1497—Particle shape
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6452—Individual samples arranged in a regular 2D-array, e.g. multiwell plates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Description

本発明は、判定装置、解析方法、および解析プログラムに関する。
生物科学や医学等において、生物の健康や疾患等の状態は、例えば、細胞や細胞内の小器官等の状態と関連性があることが知られている。そのため、これら関連性を解析することは、生物科学や医学等の諸処の課題を解決する一つの手段になる。また、細胞間、或いは細胞内で伝達される情報の伝達経路を解析することは、例えば、工業用途でのバイオセンサーや、疾病予防を目的とした製薬等の研究に役立てることができる。
細胞や組織片等に関する種々の解析技術として、例えば、画像処理を用いた技術が知られている（例えば、特許文献１参照）。このような従来の技術は、例えば、生体等から取得された細胞の画像に対して画像処理を行い解析する技術であり、所定の時間ごとに細胞の画像データを取得し、取得した画像データと異なるタイミングで取得された細胞の形態に関わる画像データを比較することで、細胞の形態の特徴量の相関及び差分を算出するという技術である。これによって、取得された細胞の活性度を判断することができ、細胞のがん化や病態化等の生体現象の解明に役立てることができる。
米国特許第９２８０６９８号明細書
しかしながら、上述した従来の技術では、専ら、細胞の形態に関わる画像の画像処理によって得られた情報から特徴量の相関及び差分を算出するため、得られる情報が不十分な場合があった。
このように、上述した従来の技術では、細胞に係る生命現象を司る機構を構成する要素間の関連性を解析することが困難な場合があった。
本発明は、このような事情を考慮してなされたものであり、画像の解析を適切に行いつつ、細胞に係る生命現象を司る機構を構成する要素間の関連性を解析することができる判定装置、解析方法、および解析プログラムを提供することを目的の一つとする。
［１］上記問題を解決するために、本発明の一態様は、刺激が付与された細胞を撮像した細胞画像から、前記細胞と前記細胞を構成する物質との少なくとも一方を含む複数の要素の特徴量の変化を、前記要素毎に抽出する特徴量抽出部と、前記特徴量抽出部により抽出される第１要素の特徴量の変化と、前記第１要素とは異なる種類の第２要素の特徴量の変化との相関関係である第１相関関係と、前記特徴量抽出部により抽出される第３要素の特徴量の変化と、前記第３要素とは異なる種類の第４要素の特徴量の変化との相関関係である第２相関関係とを算出する算出部と、前記算出部が算出する前記第１相関関係の強さと、前記第２相関関係の強さとを比較する判定部を備える、判定装置である。
［２］また、上記問題を解決するために、本発明の他の態様は、刺激が付与された細胞を撮像した細胞画像から、前記細胞と前記細胞を構成する物質との少なくとも一方を含む複数の要素の特徴量の変化を、前記要素毎に抽出し、抽出した第１要素の特徴量の変化と、前記第１要素とは異なる種類の第２要素の特徴量の変化との相関関係である第１相関関係と、抽出した第３要素の特徴量の変化と、前記第３要素とは異なる種類の第４要素の特徴量の変化との相関関係である第２相関関係とを算出し、算出した前記第１相関関係の強さと、前記第２相関関係の強さとを比較する判定装置に、前記細胞画像を解析させ、前記判定装置により算出される要素間の相関関係を示すモデルが所定の関係になるまで、新たな前記細胞画像を前記判定装置に解析させることを繰り返す解析方法である。
［３］また、上記問題を解決するために、本発明の他の態様は、刺激が付与された細胞を撮像した細胞画像から、前記細胞と前記細胞を構成する物質との少なくとも一方を含む複数の要素の特徴量の変化を、前記要素毎に抽出し、抽出した第１要素の特徴量の変化と、前記第１要素とは異なる種類の第２要素の特徴量の変化との相関関係である第１相関関係と、抽出した第３要素の特徴量の変化と、前記第３要素とは異なる種類の第４要素の特徴量の変化との相関関係である第２相関関係とを算出し、算出した前記第１相関関係の強さと、前記第２相関関係の強さとを比較する判定装置に、前記細胞画像を解析させる処理と、前記判定装置により算出される要素間の相関関係を示すモデルが所定の関係になるまで、新たな前記細胞画像を前記判定装置に解析させることを繰り返す処理と、を実行させる解析プログラムである。
本発明によれば、画像の解析を適切に行いつつ、細胞に係る生命現象を司る機構を構成する要素間の関連性を解析することができる。
一実施形態に係る解析装置１００を含む観察装置１の構成の一例を模式的に示す図である。 ウェルプレートＷＰ上に培養される細胞及びその要素の一例を示す図である。 解析装置１００の機能構成の一例を示した概略図である。 細胞ｃｅｌｌの内部の一例を示した断面図である。 蛍光染色試薬が与えられた培養容器の全体を低倍率（広範囲）で撮像した場合の画像の一例を示す図である。 低解像度の画像に基づいて生成される細胞領域マスクの一例を示す図である。 走査した範囲内の輝度値に基づいて、輝度値のピーク数及び平均輝度値を算出する処理を示した図である。 関心領域Ｒの検出結果の一例を示す模式図である。 透過ＤＩＣ画像３０及び発色画像３２の一例を示す図である。 発色画像に対して行われる細胞領域の検出処理の一例を示す図である。 輝度値を補正する処理の一例を示す図である。 発色された細胞の画像の一例を示す図である。 細胞内の微小線維の一例を示す図である。 蛋白質複合体の一例を示す図である。 蛋白質複合体の凝集前後の画像に対して、線状に輝度値の走査を行う処理の一例を示す図である。 特徴量抽出部１２２により時系列で抽出された特徴量の一例を示す図である。 特徴データａに対して強い相関を示す特徴データの一例を示す図である。 機構解析部１２４により構築された全ての特徴データ間の相関関係の対応表の一例を示す図である。 阻害薬が添加された細胞が示す特徴データに対して強い相関を示す特徴データの一例を示す図である。 機構解析部１２４により新たに算出された特徴データ間の相関関係の対応表の一例を示す図である。 特徴量ｄの変化が失われる処置を施された細胞が示す特徴データに対して強い相関を示す特徴データの一例を示す図である。 機構解析部１２４により新たに算出された特徴データ間の相関関係の対応表の他の例を示す図である。 相関マトリクスの一例を示す図である。 要素間の相関関係を示すモデルの図である。 要素ａの特徴量である発現が失われる処置を施した後に構築される要素間の相関関係を示すモデルの図である。 要素間の相関関係を示すモデルの図である。 機構解析部１２４により算出される相互相関係数の一例を示す図である。 細胞に対して行うグループ化の処理を示す一例の概略図である。 機構解析部１２４によってグループ毎に構築されたシグナルカスケードのモデルの一例を示す図である。 解析装置１００により実行される処理の流れを示すフローチャートである。 細胞間に伝達される刺激の信号の広がり方を表した一例を示す図である。 最適な撮像条件ＯＣに基づいて行われる処理の一例を示す図である。 予め他の情報と対応付けられた画像を取得する処理の一例を示す図である。 取得した撮像情報に基づいて、次の撮像位置を選定する処理の一例を示す図である。
以下、図面を参照し、本発明の観察装置の実施形態について説明する。以下の実施形態では、生命現象を解明するために、例えば、生命現象を司る機構を構成する一因子である蛋白質のシグナルカスケードのモデルを構築し解析する処理について説明する。シグナルカスケードとは、最初に細胞に与えられた刺激、もしくは細胞自身の状態変化が信号となって細胞を構成する要素間に連鎖して伝達され、伝達される際に関与する要素が次々に増大、減少、フィードバック制御するような信号の伝達経路を表した機構の一例である。
以下、本発明の一実施形態に係る解析装置１００の実施形態について説明する。図１は、本発明の一実施形態に係る解析装置１００を含む観察装置１の構成の一例を模式的に示す図である。
観察装置１は、例えば、細胞等を撮像することで取得される画像を解析する装置である。観察装置１は、例えば、内部バスＩＢを介して顕微鏡２００と接続された解析装置１００が、ネットワークＮＷを介して外部記憶装置３００等と通信を行う。ネットワークＮＷは、インターネットや電話回線等の通信回線である。
顕微鏡２００は、例えば、水平方向の二次元平面内において、撮像対象物（例えば培養容器）の位置を任意に稼働可能な電動ステージ２１０を備える生物顕微鏡である。顕微鏡２００は、例えば、微分干渉顕微鏡（Differential Interference Contrast microscope；DIC）や位相差顕微鏡、蛍光顕微鏡、共焦点顕微鏡、超解像顕微鏡等の機能を有する。顕微鏡２００は、電動ステージ２１０上に載置された培養容器（例えばウェルプレートＷＰ）を撮像する。顕微鏡２００は、ウェルプレートＷＰが有する多数のウェル（穴）の中に培養された細胞に光を照射することで、細胞を透過した透過光を細胞の画像として撮像する。これによって、細胞の透過ＤＩＣ画像や、位相差画像、暗視野画像、明視野画像等の画像を取得することができる。さらに、細胞に蛍光物質を励起する励起光を照射することで、生体物質から発光される蛍光を細胞の画像として撮像する。また、顕微鏡２００は、生体物質内に取り込まれた発色物質そのものから発光される蛍光や、発色団を持つ物質が生体物質に結合することによって発光される蛍光を、上述した細胞の画像として撮像してもよい。これにより、観察装置１は、蛍光画像、共焦点画像、超解像画像を取得することができる。本実施形態における細胞とは、例えば、初代培養細胞や、継代培養細胞、組織切片等である。なお、細胞の状態は、特に制限されず、生きている状態であっても、或いは固定されている状態であってもよく、“in-vivo”または“in-vitro”のどちらでもよい。
図２は、ウェルプレートＷＰ上に培養される細胞及びその要素の一例を示す図である。ウェルプレートＷＰは、例えば、細胞を培養するための、１２×８の９６個のウェルＵを有するプレートである。ウェルＵの中に培養される細胞は、特定の条件下におかれて培養される。特定の条件とは、刺激が付与されてからの経過時間、付与される刺激の種類や強さ、刺激の有無、生物学的特徴の誘導等を含む。刺激とは、例えば、電気、音波、磁気、光等の物理的刺激や、物質や薬物の投与による化学的刺激等である。また、生物学的特徴とは、細胞の分化の段階や、形態、細胞数等を示す特徴である。
細胞は、例えば、ウェルプレートＷＰの長手方向（Ｘ方向）上に、特定の条件の種類に応じて１２段階で分類されて培養される。また、１２段階に分類された細胞は、ウェルプレートＷＰの短手方向（Ｙ方向）上に、解析対象毎に分類される。解析対象とは、例えば、細胞と、細胞内の核や、核内構造体、ミトコンドリア、小胞体等の細胞小器官（オルガネラ）と、細胞体マトリックスや、細胞表面の糖鎖、細胞内の蛋白質、ペプチド、ｍＲＮＡ（核酸）、代謝産物、活性酸素種、各種イオン等の生体物質とを含む、生命現象を司る機構を構成する要素である。
図２に示すように、解析対象である要素は、例えば、プレート１行目（Ａ行）に対してａ〜ｃ、２行目（Ｂ行）に対してｄ〜ｆ、以下、間を省略し、８行目（Ｈ行）に対してｌ〜ｍの３種類ごとに分類される。なお、ウェルプレートＷＰは、９６個のウェルＵを有するものに限らず、任意の数のウェルＵを有するプレートであってよい。これに応じて、細胞も任意の段階数で分類されてよい。また、培養容器は、ウェルプレートＷＰに限らず、顕微鏡２００によって画像が取得できれば、どのようなプレートでもよく、例えば、シャーレやスライドガラス等であってもよい。
また、解析対象は蛍光物質等で染色又は標識されるなどして、間接的に撮像されたものであってもよい。また、生命現象を司る機構を構成する要素とは、細胞本来の機構を構成するもののみに制限されず、阻害剤やアゴニスト、ウイルス等の細胞本来の機構に人為的に加えられた要素であってもよい。
図３は、解析装置１００の機能構成の一例を示した概略図である。解析装置１００は、顕微鏡２００によって取得された画像を解析するコンピュータ装置である。なお、解析装置１００によって解析される画像は、顕微鏡２００によって撮像される画像だけに限らず、例えば、解析装置１００内部に備える記憶部１３０に予め記憶されている画像や外部記憶装置３００に予め記憶されている画像であってもよい。
解析装置１００は、ＣＰＵ（Central Processing Unit）等のプロセッサ、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read−Only Memory）、フラッシュメモリ等の記憶部１３０、他装置と通信を行うための通信インターフェース等を備える。
解析装置１００は、制御部１１０及び記憶部１３０を備える。制御部１１０は、顕微鏡制御部１１２と、密度算出部１１４と、関心領域検出部１１６と、細胞領域分離部１１８と、輝度値補正部１２０と、特徴量抽出部１２２と、機構解析部１２４とを備える。制御部１１０は、例えば、プロセッサが記憶部１３０に格納されたプログラムを実行することにより機能するソフトウェア機能部である。また、これらの制御部１１０の各機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）等のハードウェア機能部であってもよい。
記憶部１３０は、プレ観察及び本観察に用いる実験条件のパラメータ、制御部１１０の処理によって得られる情報、及び細胞の情報等を記憶するように制御される。なお、記憶部１３０は、解析装置１００に内蔵されるものに代えて、外付け型の記憶装置（例えばＮＡＳ（Network Attached Storage）装置）でもよい。
＜プレ観察＞
観察装置１は、後述する「本観察」を行う前に「プレ観察」を行う。プレ観察とは、本観察すべき領域を導出するために自動で行われる処理である。
顕微鏡制御部１１２は、培養容器の全体を低倍率（広範囲）で撮像するように顕微鏡２００を制御する。これにより、撮像時において、細胞に光が当たることによって生じる光毒性や蛍光の退色を抑えつつ、解析対象に適する細胞の存在領域を示す画像を取得することができる。
また、顕微鏡制御部１１２は、培養容器の全体を低から中程度の倍率でタイリング撮像するように顕微鏡２００を制御してもよい。タイリング撮像とは、培養容器の全体を２分割、３分割、４分割等に分けて撮像することである。これによって、細胞の状態をある程度に観察可能で、かつ培養容器内の解析対象に適する細胞の存在領域を示す画像を取得することができる。このとき、低解像度、必要最低限の蛍光チャネルでの高速撮像を行うことで、光毒性や蛍光の退色を抑えることができる。
また、顕微鏡制御部１１２は、同一の細胞ｃｅｌｌに対して、複数の解析を同時に行う場合、解析対象ごとに焦点位置を補正するための焦点位置補正データを決定する。ここで、図４を参照して、顕微鏡制御部１１２が行う解析対象ごとに焦点位置を補正する処理について説明する。図４は、細胞ｃｅｌｌの内部の一例を示した断面図である。
まず、顕微鏡制御部１１２は、顕微鏡２００により撮像された画像全体の輝度値のコントラストや積算値が最大となる焦点位置をベストフォーカス位置Ｐ１に設定する。次に、顕微鏡制御部１１２は、細胞ｃｅｌｌに対して、ベストフォーカス位置Ｐ１を起点に、上下に焦点位置を変えながら連続して撮像するように顕微鏡２００を制御する。これによって、解析装置１００は、細胞ｃｅｌｌの三次元画像を取得することができる。
顕微鏡制御部１１２は、ベストフォーカス位置Ｐ１を基準に、解析対象に応じて最適な焦点位置を検出するように顕微鏡２００を制御する。例えば、蛋白質凝集体１２を解析したい場合、顕微鏡制御部１１２は、例えば、顕微鏡２００によって撮像された画像全体の輝度値の分散値が最大となる焦点位置を、蛋白質凝集体１２の焦点位置Ｐ２として設定する。顕微鏡制御部１１２は、ベストフォーカス位置Ｐ１から蛋白質凝集体１２の焦点位置Ｐ２までの相対値を算出する。
また、細胞質内部における蛋白質の局在変化を解析したい場合、顕微鏡制御部１１２は、例えば、顕微鏡２００によって撮像された画像全体の輝度値の積算値が最大となる焦点位置を、焦点位置Ｐ３として設定する。すなわち、顕微鏡制御部１１２は、Ｘ−Ｙ平面における細胞ｃｅｌｌの面積が最大となる位置を焦点位置Ｐ３として設定する。顕微鏡制御部１１２は、ベストフォーカス位置Ｐ１から焦点位置Ｐ３までの相対値を算出する。
顕微鏡制御部１１２は、算出した各種相対値と解析対象とを対応付けて記憶部１３０に記憶させる。これによって、同一の細胞ｃｅｌｌに対して複数の解析を同時に行う場合、解析対象ごとに対応付けられた相対値を記憶部１３０から取得することにより、最適な焦点位置を設定することができる。この結果、より短い時間で解析処理を行うことができる。
図５は、蛍光染色試薬が与えられた培養容器の全体を低倍率（広範囲）で撮像した場合の画像の一例を示す図である。
密度算出部１１４は、顕微鏡２００によって取得された画像において、培養容器の全体像を示す領域Ｆの中に存在する細胞ｃｅｌｌの細胞密度及び細胞密着度を算出する。図５に示すように、密度算出部１１４は、顕微鏡２００によって取得された画像から、培養容器中の細胞の存在領域を検出し、その中から任意の領域（例えば領域Ａ〜Ｃ）を抽出する。まず、密度算出部１１４は、抽出した任意の領域の中に存在する細胞ｃｅｌｌの領域を示す細胞領域２０から、細胞領域マスクを生成する。また、密度算出部１１４は、領域Ａから領域２０を差し引いた領域を示す背景領域２２から、背景領域マスクを生成する。密度算出部１１４は、例えば、所定の輝度値以上で蛍光されている細胞領域２０を“１”とし、その他の領域を“０”とする細胞領域マスクを生成し、細胞領域マスクから細胞領域２０を除いたマスクを背景領域マスクとして生成する。所定の輝度値とは、蛍光を発する細胞、或いは蛍光標識されている細胞か否かを判定することができる輝度値であり、実験等によって予め求められている。
次に、密度算出部１１４は、領域全体における細胞領域マスクの総面積Ｓを背景領域マスクの総面積で除算することにより細胞密度を算出する。密度算出部１１４は、例えば、領域Ａの場合、細胞領域マスクの総面積Ｓ＝３（単位は、例えば［μｍ２］）と背景領域マスクの総面積１２（単位は、例えば［μｍ２］）とから、細胞密度を２５（単位は［％］）と算出する。
また、密度算出部１１４は、記憶部１３０に予め記憶された基準細胞サイズと、算出した細胞領域マスクの総面積Ｓとに基づいて、任意の領域内に存在する細胞ｃｅｌｌの数を算出する。例えば、密度算出部１１４は、細胞領域マスクの総面積Ｓを基準細胞サイズで除算することで、細胞ｃｅｌｌの数を算出する。基準細胞サイズとは、培養容器に培養される細胞に応じて統計的に予め算出された細胞１つ当たりの大きさを示す値である。解析装置１００は、記憶部１３０に基準細胞サイズが記憶されていない場合、通信インターフェースを介して接続される図示しない入力装置（例えばマウスやキーボード、タッチパネル等）から入力される値を基準細胞サイズとして受け付けてもよい。また、解析装置１００は、基準細胞サイズの記憶の有無に関わらず、入力装置から入力される値を基準細胞サイズとして記憶部１３０に上書きして記憶させてもよい。
また、密度算出部１１４は、算出した細胞領域マスクと背景領域マスクとに基づいて、任意の領域内における細胞ｃｅｌｌの分布のばらつきを算出する。密度算出部１１４は、例えば、所定の輝度値以上であることを示す値“１”の画素が、所定の細胞サイズ以上の画素で構成されていた場合、細胞ｃｅｌｌの分布のばらつきを小さい値として算出する。すなわち、密度算出部１１４は、細胞どうしが隣り合う、または重なり合う場合、任意の領域内における細胞のばらつきが少ないことを示す値を算出する。
図５における細胞ｃｅｌｌグラフＧ１〜Ｇ３に示すヒストグラムは、密度算出部１１４により算出される細胞ｃｅｌｌの分布傾向を示すものである。グラフＧ１〜Ｇ３の横軸は、ひとかたまりの細胞領域マスクの総面積Ｓｇ［μｍ２］であり、縦軸は、その総面積Ｓｇに該当する細胞領域マスクに含まれる細胞ｃｅｌｌの数Ｎの合計値である。すなわち、密度算出部１１４は、ひとかたまりの細胞領域マスクの総面積Ｓｇと、その総面積Ｓに該当する細胞領域マスクに含まれる細胞ｃｅｌｌの数Ｎの合計値との対応関係を算出する。このように算出された対応関係は、図示しない表示部によって表示されると好適である。例えば、グラフＧ１では、細胞領域マスクの総面積Ｓ及び細胞ｃｅｌｌの数Ｎが共に小さい値であることから、細胞密度及び細胞密着度は小さいと評価することができる。また、グラフＧ２では、細胞領域マスクの総面積Ｓが小さく、細胞ｃｅｌｌの数Ｎが大きい値であることから、細胞密度は大きく、細胞密着度は小さいと評価することができる。また、グラフＧ３では、細胞領域マスクの総面積Ｓ及び細胞ｃｅｌｌの数Ｎが大きい値であることから、細胞密度及び細胞密着度は大きいと評価することができる。
また、密度算出部１１４は、細胞ｃｅｌｌと細胞ｃｅｌｌとの密着の度合を示した細胞密着度を算出する。例えば、密度算出部１１４は、ひとかたまりの細胞領域マスクの総面積Ｓｇのうち最も大きいものを、領域全体の細胞領域マスクの総面積Ｓで除算することにより、細胞密着度を算出する。これによって、図５に示すような細胞ｃｅｌｌの数Ｎ（細胞密度）が同値である領域Ｂ及び領域Ｃの場合、細胞密着度を算出することによって、任意の領域に存在する細胞の状態を定量的に判断することができる。この結果、培養容器内に培養されている複数の細胞（以下、細胞群と記載する）から、解析装置１００によって解析したい細胞を選定することができる。また、細胞密度及び細胞密着度を算出することによって、癌転移や白血球接着不全等の疾患を解明することに役立てることができる。
なお、密度算出部１１４は、顕微鏡２００によって撮像された画像に対して係る処理を行うものとして説明したが、記憶部１３０に予め記憶されている画像や、外部記憶装置３００等に予め記憶されている画像に対して係る処理を行ってもよい。
また、密度算出部１１４は、低解像で撮像された画像に基づいて細胞領域マスクを生成してもよい。図６は、低解像度の画像に基づいて生成される細胞領域マスクの一例を示す図である。
図６に示すように、密度算出部１１４は、撮像された低解像度の画像において、所定の輝度値（例えば、黒色を示す輝度値）以上で且つ所定の画素数により構成される画像（例えば、４×８画素で構成される四角画像）を検出する。すなわち、図６において、密度算出部１１４は、黒色で示される領域を“０”とし、他の色で示される領域を“１”とする細胞領域マスクを生成する。これによって、密度算出部１１４は、細胞密度及び細胞密着度を算出することができる。
また、密度算出部１１４は、任意の領域に対して線状に輝度値の走査を行い、走査した範囲内の輝度値に基づいて、輝度値のピーク数及び平均輝度値を算出してもよい。図７は、走査した範囲内の輝度値に基づいて、輝度値のピーク数及び平均輝度値を算出する処理を示した図である。図７に示すように、密度算出部１１４は、任意の領域において、矢印２４に示す方向に沿って輝度値の走査を行う。なお、密度算出部１１４は、１方向だけに限らず、矢印２４に直交する方向等にさらに走査を行ってもよい。
例えば、密度算出部１１４は、走査して得られた輝度値が所定の輝度値ＴＨを超える回数を振幅のピーク数として算出する。密度算出部１１４が走査して得た輝度値は、グラフＧ４〜Ｇ６に示すような曲線（ＬＮ１〜ＬＮ３）によって表すことができる。グラフＧ４〜Ｇ６の横軸は、走査する直線状の範囲（単位は、［μｍ］）であり、縦軸は、画素の輝度値である。グラフＧ４に示すように、例えば、１つの蛍光された細胞上を走査した場合、走査して得られた輝度値を示す曲線ＬＮ１は、振幅のピークが１つの曲線になる。また、グラフＧ５に示すように、例えば、３つの蛍光された細胞上を走査した場合、走査して得られた輝度値を示す曲線ＬＮ２は、振幅のピークが３つの曲線になる。また、グラフＧ６に示すように、例えば、隣り合う、または重なり合う複数の蛍光された細胞上を走査した場合、走査して得られた輝度値を示す曲線ＬＮ３は、振幅のピークが１つの曲線になる。すなわち、蛍光された細胞が隣り合う、または重なり合う場合を除き、走査した範囲内に存在する蛍光された細胞の数と、グラフに示される輝度値のピーク数とは同じになる傾向がある。
密度算出部１１４は、走査した範囲内で得られた輝度値から平均輝度値を算出する。平均輝度値は、走査して得られた輝度値を走査した範囲内に存在する画素数で除算することにより算出される。密度算出部１１４は、例えば、グラフＧ４から、平均輝度値１０（任意単位［ａｒｂ．ｕｎｉｔ］）を算出することができ、グラフＧ５から、平均輝度値４５を算出することができ、グラフＧ４から、平均輝度値８０を算出することができる。この結果、蛍光された細胞が隣り合う、または重なり合う場合を含む全条件において、密度算出部１１４は、振幅のピーク数及び平均輝度値を算出することによって、細胞領域マスクを生成せず、簡易な処理によって細胞密着度を算出することができる。
以上、密度算出部１１４の処理によって算出された細胞密度及び細胞密着度に基づいて、本観察すべき領域を導出することができる。
関心領域検出部１１６は、密度算出部１１４により算出された細胞密度及び細胞密着度に基づいて、関心領域Ｒ（Region Of Interest；ＲＯＩ）を検出する。関心領域Ｒとは、培養容器の全体像を示す領域Ｆの中から、本観察を行うべき対象領域として検出される領域である。関心領域Ｒは、「着目箇所」に対応する。
図８は、関心領域Ｒの検出結果の一例を示す模式図である。関心領域検出部１１６は、例えば、領域Ｆ１において、細胞密度及び細胞密着度が、それぞれに対して設定されたしきい値（例えば、それぞれ８０％程度）を超えた領域を関心領域Ｒ１として検出する。なお、このしきい値は、シミュレーションや実験等によって予め求められている。
これによって、本観察時に観察したい領域を適切に抽出することができる。また、培養容器の全体像を示す領域Ｆの中から細胞が存在しない領域を除くことができるため、解析処理の時間を短縮することができる。
また、関心領域検出部１１６は、ユーザによって形成された領域を関心領域Ｒとして検出してもよい。関心領域Ｒは、例えば、ユーザが通信インターフェースを介して接続される図示しない入力装置（例えばマウスやキーボード、タッチパネル等）を使用し、特定の領域を指定する入力を行うことで形成される。この場合、関心領域検出部１１６は、ユーザにより入力された所定の線幅を有する線で囲まれた領域を関心領域Ｒとして検出する。これによって、ユーザの任意の領域を関心領域Ｒとして検出することができる。
＜本観察＞
観察装置１は、プレ観察の結果に基づいて、撮像時の種々のパラメータを決定し、このパラメータで関心領域Ｒを高解像で撮像する。すなわち、顕微鏡制御部１１２は、関心領域Ｒを高倍率で撮像するように顕微鏡２００を制御する。この際、観察装置１は、当該本観察の対象物の条件が、記憶部１３０等に記憶されている過去のデータと一致または類似する場合、このデータが取得された際に適用された撮像時のパラメータを、当該本観察の撮像パラメータとして適用してもよい。また、観察装置１は、画像のＳＮ比（Signal−Noise ratio）を自動計測して精度を向上させてもよい。以下に、本観察時における解析装置１００の処理について説明する。
＜画像上における細胞の分離化Ｉ＞
細胞領域分離部１１８は、顕微鏡２００により撮像された画像から、細胞領域を検出し細胞を分離する。細胞領域分離部１１８は、例えば、同一の細胞群から取得される透過ＤＩＣ画像、位相差画像、暗視野画像、明視野画像、及び発色画像から、細胞１つごとの細胞領域を検出する。発色画像とは、蛍光染色試薬や抗体等によって、細胞全体、細胞質、細胞膜、核、細胞内小器官群、生体物質のうち、一つ以上が呈色されたことを示す画像である。
ここで、図９を参照して、細胞領域分離部１１８の処理の一例を説明する。図９は、透過ＤＩＣ画像３０及び発色画像３２の一例を示す図である。
細胞領域分離部１１８は、例えば、顕微鏡２００により撮像された透過ＤＩＣ画像３０及び発色画像３２を重ね合わせる。細胞領域分離部１１８は、重ね合わせた透過ＤＩＣ画像３０及び発色画像３２から、細胞膜及び呈色された核を検出する。細胞同士の密着度が非常に高く、細胞間の境界が不鮮明な場合、細胞領域分離部１１８は、検出した呈色された核が、細胞膜の内部に1つずつ存在するように細胞を画像上で分離する。具体的には、核と核との距離が等しくなるように細胞を分離する。細胞領域分離部１１８は、分離した細胞の内部の面積を算出することによって細胞領域を検出する。細胞領域分離部１１８は、検出した全ての細胞領域の面積の平均値を算出し、記憶部１３０に記憶さる。
また、細胞領域分離部１１８は、顕微鏡２００により撮像された画像として、透過ＤＩＣ画像、位相差画像、明視野画像、又は暗視野画像等の単一の画像に基づいて細胞領域を検出してもよい。細胞領域分離部１１８は、例えば、透過ＤＩＣ画像３０に対して、細胞膜及び核が検出できるようにシャープ化を行う。シャープ化とは、微分フィルタ等を用いて、鮮鋭な画像に変換する処理である。細胞領域分離部１１８は、シャープ化された画像から細胞膜及び核を検出する。これによって、細胞領域分離部１１８は、細胞を分離することができ、分離した細胞膜の内部の面積を算出することによって細胞領域を検出することができる。また、蛍光染色試薬や酵素等によって細胞を呈色させないため、細胞への害となる影響を少なくすることができる。
また、細胞領域分離部１１８は、検出した細胞膜の一部が途切れている場合、適切な処理を行い、途切れた細胞膜をつなげて細胞を分離してもよい。また、細胞領域分離部１１８は、記憶部１３０や外部記憶装置３００等に記憶された情報に基づいて機械学習を行うことによって細胞を分離してもよい。これによって、細胞の分離をより正確に行うことができる。
＜画像上における細胞の分離化ＩＩ＞
また、細胞領域分離部１１８は、発色画像に基づいて、細胞領域を検出してもよい。図１０は、発色画像に対して行われる細胞領域の検出処理の一例を示す図である。
細胞領域分離部１１８は、所定の焦点位置で撮像された発色画像４０、或いは発色画像４２に基づいて、細胞領域マスク４４を生成する。所定の焦点位置とは、例えば、ベストフォーカス位置、或いはベストフォーカス位置からＺ軸の正方向（又は負方向）に所定の補正量分ずらした位置である。所定の補正量は、解析対象（要素）の一つである細胞の状態に応じて予め算出され、記憶部１３０や外部記憶装置３００等に記憶されている。
これら細胞の分離化の処理によって、培養容器内に培養されている細胞群に対して、細胞領域の検出を行うことができる。また、細胞群の密着度や密度が大きい場合でも、細胞領域の検出を行うことができる。
＜輝度値を補正する処理＞
解析装置１００は、画像上で分離した各細胞に対して、特徴量を抽出する前に、以下の処理を予め行ってもよい。図１１は、輝度値を補正する処理の一例を示す図である。
輝度値補正部１２０は、培養容器の全体像を示す領域Ｆにおいて、背景領域の輝度値を補正する。輝度値補正部１２０は、例えば、培養容器の全体像を示す領域Ｆの中において、細胞領域分離部１１８により分離された細胞ｃｅｌｌの領域を示す細胞領域から細胞領域マスク５０を生成する。また、輝度値補正部１２０は、領域Ｆから細胞領域を差し引いた領域を示す背景領域から背景領域マスク５２を生成する。輝度値補正部１２０は、生成した背景領域マスク５２の全体の平均輝度値を算出する。輝度値補正部１２０は、算出した平均輝度値を、生成した細胞領域マスク５０を構成する各画素の輝度値から減算することにより、背景領域の輝度値を補正する。
また、輝度値補正部１２０は、次に示す処理によって背景領域の輝度値を補正してもよい。輝度値補正部１２０は、細胞領域分離部１１８により分離された細胞ｃｅｌｌごとに、その細胞ｃｅｌｌの近傍における背景領域マスク５４の平均輝度値を算出する。近傍とは、細胞ｃｅｌｌを示す画素のうち最外郭の画素から、例えば５画素以内であることを表す。すなわち、輝度値補正部１２０は、細胞ｃｅｌｌの外郭を囲うような一部の背景領域マスク５４に対して平均輝度値を算出する。輝度値補正部１２０は、算出した平均輝度値を、生成した細胞領域マスク５０を構成する各画素の輝度値から減算することにより、背景領域の輝度値を補正する。
これによって、細胞が存在しない培養容器を撮像した画像と、細胞が存在する培養容器を撮像した画像とを比較することにより、背景領域を補正する従来の処理が不要になる。この結果、解析処理をより簡易に行うことができる。また、培養容器の撮像時に、周辺減光や顕微鏡の感度の不均一性等によって輝度の斑が生じた場合、背景領域の輝度値を補正することにより、画像全体を平均的に一様な明るさにすることができる。この結果、特徴量をより正確に抽出することができる。
＜画像上における細胞の分離化ＩＩＩ＞
細胞領域分離部１１８は、発色された解析対象の画像から所定の発色パターンを検出し、解析対象の画像に対して、所定の発色パターンと予め対応付けられた最適な細胞領域の検出方法を選択する。細胞領域分離部１１８は、例えば、画像の輝度の分散値に基づいて、所定の発色パターンを検出する。図１２は、発色された細胞の画像の一例を示す図である。
細胞領域分離部１１８は、例えば、所定の発色パターンとして細胞核検出パターンの画像６０を検出した場合、記憶部１３０に予め記憶された細胞領域の検出方法の中から、細胞核暗色パターンと対応した所定の方法を取得する。細胞核検出パターンとは、細胞の核を示す画像の領域と核周辺の画像の領域との輝度値に差が生じることにより、核が検出できる発色パターンである。細胞領域分離部１１８は、記憶部１３０から取得した所定の方法に基づいて、画像上で細胞膜を分離し、個々の細胞領域を算出する（例えば、画像６２）。
また、細胞領域分離部１１８は、例えば、所定の発色パターンとして細胞核不検出パターンの画像６４を検出した場合、記憶部１３０に予め記憶された細胞領域の検出方法の中から、細胞核不検出パターンと対応した所定の方法を取得する。細胞核不検出パターンとは、細胞の核を示す画像の領域と核周辺の画像の領域との輝度値が略同一であることにより、核が検出できない発色パターンである。細胞領域分離部１１８は、記憶部１３０から取得した所定の方法に基づいて、画像上で細胞を分離し、個々の細胞領域を算出する（例えば、画像６６）。
これによって、細胞の解析に関する知識を有しないユーザであっても、画像上で細胞を分離し、個々の細胞領域を算出することができる。また、細胞の分離化の処理に要する時間を短縮することができる。
なお、所定の発色パターンと予め対応付けられた最適な細胞領域の検出方法は、記憶部１３０に記憶されている構成としたが、これに限らない。例えば、外部記憶装置３００や他の記憶装置に記憶されていてもよい。
また、所定の発色パターンと予め対応付けられているものは、最適な細胞領域の検出方法としたが、種々の特徴量を抽出する方法や解析対象（要素）そのものを検出する方法等であってもよい。
以下、解析時に行う処理について説明する。解析対象（要素）の一つである細胞は、予め画像上において分離化が行われ、細胞領域が算出されているものとする。ここでは、種々の現象を定量的に解析するための一例を以下に示す。
＜蛋白質の局在の解析＞
特徴量抽出部１２２は、関心領域検出部１１６により検出された関心領域内部における、細胞領域分離部１１８により分離された細胞に対して、細胞の核と細胞質との間を往来する物質の特徴量を抽出する。なお、これらの物質は、抗体や蛍光蛋白質等で、予め蛍光染色しておく。特徴量抽出部１２２は、例えば、細胞の核と細胞質との間を往来する物質である蛋白質の特徴量を抽出する。特徴量抽出部１２２は、例えば、核の内部に局在していた蛋白質が、核の外部を覆う細胞質に移動した場合、蛋白質の移動前後の画像から特徴量として以下の値を抽出する。また、特徴量抽出部１２２は、細胞質に局在していた蛋白質が、核の内部に移動した場合でも、蛋白質の移動前後の画像から特徴量を抽出する。なお、以下に示す特徴量は一例であって、他の特徴量を抽出してもよい。
・核の総輝度値／細胞質の総輝度値。
・核の総輝度値／細胞の総輝度値。
・核の平均輝度値／細胞質の平均輝度値。
・核の平均輝度値／細胞の平均輝度値。
・細胞内の輝度値の分散。
・核内の輝度値の分散。
・核内の輝度値の平均。
・細胞質内の輝度値の分散。
・細胞内の輝度値の平均。
・細胞質内の輝度値の平均。
・核の輝度の中央値／細胞質の輝度の中央値。
・核の輝度の中央値／細胞の輝度の中央値。
・細胞内の輝度値の中央値。
・核内の輝度値の中央値。
・細胞質の輝度値の中央値。
また、特徴量抽出部１２２は、細胞の核膜と細胞の核との間を往来する物質の特徴量、又は細胞の核膜と細胞質との間を往来する物質の特徴量を抽出してもよい。特徴量抽出部１２２は、例えば、上記細胞構造の間で往来する物質として、Ｎｕｐ９８等の蛋白質の特徴量を抽出する。特徴量抽出部１２２は、例えば、細胞の核膜（細胞の核）に局在していた蛋白質が細胞の核（細胞の核膜）に移動した場合、又は細胞の核膜（細胞質）に局在していた蛋白質が細胞質（細胞の核膜）に移動した場合、蛋白質の移動前後の画像から特徴量として以下の値を抽出する。なお、以下に示す特徴量は一例であって、他の特徴量を抽出してもよい。
・核膜の総輝度値／核の総輝度値。
・核膜の平均輝度値／核の平均輝度値。
・核内の輝度値の分散。
・細胞質内の輝点数。
・細胞内の輝点の平均輝度値。
・細胞内の輝点の総輝度値（細胞毎の合計値）
・各輝点の面積。
・細胞毎の輝点の平均面積。
・核膜の輝度値の中央値／核の輝度値の中央値。
・核膜の総輝度値／細胞質の総輝度値。
・核膜の平均輝度値／細胞質の平均輝度値。
・核膜の輝度値の中央値／細胞質の輝度値の中央値。
・核膜の総輝度値／細胞の総輝度値。
・核膜の平均輝度値／細胞の平均輝度値。
・核膜の輝度値の中央値／細胞の輝度値の中央値。
・核膜の総輝度値。
・核膜の平均輝度値。
・核膜の輝度分散。
・核膜の中央値。
・細胞質内の輝度値の分散。
・細胞内の輝度値の平均。
・細胞質内の輝度値の平均。
・核の輝度の中央値／細胞質の輝度の中央値。
・核の輝度の中央値／細胞の輝度の中央値。
・細胞内の輝度値の中央値。
・核内の輝度値の中央値。
・細胞質の輝度値の中央値。
＜蛋白質の凝集体の形成の解析Ｉ＞
特徴量抽出部１２２は、細胞の所定の領域に一様に分布している物質が凝集（スポット）するように形成された場合、凝集する前後の画像から物質の特徴量を抽出する。特徴量抽出部１２２は、例えば、細胞の所定の領域に一様に分布している物質として、ＧＳＫ３βやｐ−ＧＳＫ３β等の蛋白質から特徴量を抽出する。特徴量抽出部１２２は、例えば、蛋白質の凝集する前後の画像から特徴量として以下の値を抽出する。なお、以下に示す特徴量は一例であって、他の特徴量を抽出してもよい。
・核の総輝度値／細胞の総輝度値。
・核の総輝度値／細胞質の総輝度値。
・核の平均輝度値／細胞の平均輝度値。
・核の平均輝度値／細胞質の平均輝度値。
・細胞内の輝度値の分散。
・スポット数。
・核内のスポット数／核外のスポット数。
＜蛋白質の凝集体の形成の解析ＩＩ＞
特徴量抽出部１２２は、細胞の所定の領域に一様に分布している物質が部分集合し特定の集合体（ドメイン）を形成する場合、特定の集合体（ドメイン）を形成する物質の特徴量を抽出する。特徴量抽出部１２２は、例えば、特定の集合体（ドメイン）を形成する物質である蛋白質の特徴量を抽出する。蛋白質は、例えば、アクチン（Ａｃｔｉｎ）、ＳＮＸ−９、ｐ−Ａｋｔ（Ｓ４７３）、ＷＡＳＨ１、及びＥＥＡ１等である。特徴量抽出部１２２は、例えば、蛋白質が特定の集合体（ドメイン）を形成する前後の画像から特徴量として以下の値を抽出する。なお、以下に示す特徴量は一例であって、他の特徴量を抽出してもよい。
・細胞質の輝度値の分散。
・ドメインの面積。
・細胞内のドメインの数（細胞毎の合計値及び平均値）。
・ドメインの総輝度値／細胞質の総輝度値。
・ドメインの平均輝度値／細胞の平均輝度値。
＜蛋白質の共局在の解析＞
特徴量抽出部１２２は、細胞の所定の領域に一様に分布している物質が部分集合し特定の集合体（ドメイン）を形成する場合、特定の集合体（ドメイン）と同箇所に集合する他の物質について特徴量を抽出する。また、特徴量抽出部１２２は、特定の集合体を形成しない場合において、複数の物質が同箇所に存在するか否かをその物質の特徴量の抽出により解析する。特徴量抽出部１２２は、特徴量抽出部１２２は、例えば、特定の集合体（ドメイン）と同箇所に集合する物質である蛋白質の特徴量を抽出する。
特徴量抽出部１２２は、例えば、蛋白質の一種であるアクチンがドメインを形成する場合（以下、「アクチンドメイン」と記載する）、ドメイン周囲の一定の範囲に分布する蛋白質の輝度値から特徴量を抽出する。特徴量抽出部１２２は、蛋白質の輝度値の特徴量として以下の値を抽出する。なお、以下に示す特徴量は一例であって、他の特徴量を抽出してもよい。
・アクチンドメイン周囲の一定の範囲における蛋白質の輝度値の分散。
・アクチンドメイン上の蛋白質の総輝度値／細胞全体の蛋白質の総輝度値。
・アクチンドメイン上の蛋白質の平均輝度値／細胞全体の蛋白質の平均輝度値。
・アクチンドメイン周囲の一定の範囲における蛋白質の総輝度値／細胞全体の蛋白質の総輝度値。
・アクチンドメイン上の蛋白質の平均輝度値／ドメイン周囲の一定の範囲における蛋白質の平均輝度値。
・アクチンドメイン上の蛋白質の総輝度値／ドメイン周囲の一定の範囲における蛋白質の総輝度値。
また、特徴量抽出部１２２は、例えば、アクチンと、他の蛋白質とがドメインを形成する場合、形成されたドメインに基づいて以下の値を特徴量として抽出する。なお、以下に示す特徴量は一例であって、他の特徴量を抽出してもよい。
・アクチンドメイン及び蛋白質ドメインが重複する領域の面積／アクチンドメイン及び蛋白質ドメインの総領域の面積。
・アクチンドメイン周囲の一定の範囲における蛋白質の輝度値の分散。
＜微小線維の方向性の解析＞
細胞は、移動して活動する際に細胞の形を変化させる場合がある。このとき、細胞内に存在する蛋白質の一種であるアクチンや、微小管等の微小線維が、細胞の変化に伴って特定の方向性を示す。これらの微小繊維は、抗体や蛍光蛋白質等により蛍光染色することが可能である。
特徴量抽出部１２２は、微小線維が方向性を示す前後の画像から、細胞内に存在する微小線維の特徴量を抽出する。図１３は、細胞内の微小線維の一例を示す図である。特徴量抽出部１２２は、細胞内の方向性を有した微小線維からベクトル及び角度θを特徴量として抽出する。
特徴量抽出部１２２は、方向性を有した微小線維の数と、方向性を有した微小線維の角度θとを算出する。グラフＧ７は、方向性を有した微小線維の数、及び方向性を有した微小線維の角度θから構成されるヒストグラムである。
また、特徴量抽出部１２２は、微小線維を内部に有する細胞の数と、細胞毎の微小線維の角度θの統計値とを算出する。グラフＧ８は、微小線維を内部に有する細胞の数、及び細胞毎の微小線維の角度θの統計値から構成されるヒストグラムである。
また、特徴量抽出部１２２は、方向性を有した微小線維の数と、方向性を有した微小線維の長さとを算出する。グラフＧ９は、方向性を有した微小線維の数、及び方向性を有した微小線維の長さから構成されるヒストグラムである。
また、特徴量抽出部１２２は、微小線維を内部に有する細胞の数と、細胞毎の微小線維の長さの統計値とを算出する。グラフＧ９は、微小線維を内部に有する細胞の数、及び細胞毎の微小線維の長さの統計値から構成されるヒストグラムである。なお、上述した全てのヒストグラムは、同一条件の細胞ごとに生成される。
これによって、細胞の遊走性を定量的に解析することができる。この結果、予め細胞の方向性に対応した情報を取得していた場合、細胞を特定することができる。
＜蛋白質複合体の凝集の解析＞
細胞の核の内部に一様に分布しているクロマチン等の蛋白質複合体は、細胞が死ぬ際に小さな塊となって凝集する。これらの蛋白質は、抗体、蛍光蛋白質、蛍光色素（例えばDAPIやHoechst等）により蛍光染色することが可能である。
特徴量抽出部１２２は、蛋白質複合体の凝集前後の画像から、蛋白質複合体の凝集度合を特徴量として抽出する。図１４は、蛋白質複合体の一例を示す図である。特徴量抽出部１２２は、例えば、細胞領域分離部１１８により検出された核７０の領域全体の輝度値の分散を、蛋白質複合体の凝集度合を示す特徴量として抽出する。これによって、蛋白質複合体の凝集を定量的に解析することができる。この結果、細胞死の現象を解明することに役立てることができる。
また、特徴量抽出部１２２は、細胞領域分離部１１８により検出された核７０に対して線状に輝度値の走査を行い、走査した範囲内の輝度値に基づいて、輝度値のピーク数及び平均輝度値を算出してもよい。図１５は、蛋白質複合体の凝集前後の画像に対して、線状に輝度値の走査を行う処理の一例を示す図である。図１５に示すように、特徴量抽出部１２２は、核７０に対して、矢印７２に示す方向に沿って輝度値の走査を行う。なお、特徴量抽出部１２２は、１方向だけに限らず、矢印７２に直交する方向等にさらに走査を行ってもよい。
特徴量抽出部１２２は、走査して得られた輝度値が所定の輝度値ＴＨを超える回数を振幅のピーク数として算出する。特徴量抽出部１２２が走査して得た輝度値は、グラフＧ１１、Ｇ１２に示すような曲線（ＬＮ４、ＬＮ５）によって表すことができる。グラフＧ１１、Ｇ１２の横軸は、走査する直線状の範囲（単位は、［μｍ］）であり、縦軸は、画素の輝度値である。グラフＧ１１に示すように、蛋白質複合体が核７０の内部に一様に分布している場合、走査して得られた輝度値を示す曲線ＬＮ４は、例えば、振幅のピークが１つの曲線になる。また、グラフＧ１２に示すように、蛋白質複合体が核７０の内部で凝集している場合、走査して得られた輝度値を示す曲線ＬＮ５は、例えば、振幅のピークが３つの曲線になる。これによって、蛋白質複合体の凝集が進むに連れて振幅のピーク数が増加することが判断できる。また、蛋白質複合体の凝集過程を時系列の画像によって解析した場合、時間及び振幅のピーク数で表されたグラフＧ１３を示すことができる。これによって、蛋白質複合体の凝集を定量的に解析することができる。
また、特徴量抽出部１２２は、解析対象（例えば細胞）を示す画像から、空間系列に関する特徴量を抽出してもよい。空間系列に関する特徴量とは、例えば、画像上における座標情報や、複数の解析対象間の距離等である。
これによって、解析対象の可視化や、イメージング、画像解析等の処理の際に、空間系列に関する特徴量を１つの指標として用いることができる。
＜機構の解析Ｉ＞
機構解析部１２４は、時系列、もしくは、刺激条件等の細胞周辺環境の変化に伴って、もしくは、分化段階や刺激後の経過時間や、遺伝子発現等の、細胞の状態変化に伴って特徴量抽出部１２２により抽出された種々の特徴量を示すデータ（以下、「特徴データ」と記載する）に基づいて、特徴データ間の相関関係を算出する。本実施形態において、特徴データは、例えば、１つの解析対象（要素）に対して複数生成される。例えば、要素ａからは、特徴データａ１〜ａｎ個のデータが生成され、要素ｂからは、特徴データｂ１〜ｂｎ個のデータが生成される。なお、要素ｃ以降については説明を省略する。また、ここでｎは、正の整数を表すものとする。
例えば、要素が細胞である場合、特徴データは、形態、速度、方向性（遊走方向）等の特徴量を示すデータとして生成される。また、例えば、要素がオルガネラの場合、特徴データは、形態、分布等の特徴量を示すデータとして生成される。また、例えば、要素が生体物質の場合、特徴データは、発現、局在、共局在、凝集等の特徴量を示すデータとして生成される。また、例えば、要素が核内構造体の場合、特徴データは、形態、分布等の特徴量を示すデータとして生成される。また、例えば、要素が特定の遺伝子又はその遺伝子産物と対応づけられている場合、特徴データは、遺伝子の発現、遺伝子産物の局在、共局在、凝集等の特徴量を示すデータとして生成される。
図１６は、特徴量抽出部１２２により時系列で抽出された特徴量の一例を示す図である。
機構解析部１２４は、例えば、グラフＧ１４に示す時間によって変化する特徴データＸと、グラフＧ１５に示す時間によって変化する特徴データＹと、グラフＧ１６に示す時間によって変化する特徴データＺとの相関関係を、下記に示す式（１）及び（２）に基づいて算出する。特徴量は、例えば、長さｎ、時間差ｋで表される。式（１）は、相互共分散Ｃｋを算出する算出式であり、式（２）は、相互相関Ｒｋを算出する算出式である。
まず、特徴データＸ−Ｙ間の相関について説明する。
機構解析部１２４は、例えば、特徴データＸの変化量が大きい区間（ｔ〜ｔ＋ｎ）と、特徴データＹの変化量が大きい区間（ｔ＋ｋ〜ｔ＋ｋ＋ｎ）とを比較することにより、特徴データＸ及び特徴データＹの相関関係を算出する。このとき、特徴データＸ及び特徴データＹの相関関係は、例えば、相互相関係数０．９（正の相関）として算出される。機構解析部１２４は、例えば、特徴データに対して、一定の刻み幅で特徴データの値をサンプリングし、時間的に隣接するデータとの差分がしきい値以上である区間を変化量が大きい区間として特定する。
機構解析部１２４は、例えば、核の内部に局在していた蛋白質（ＦｏｘＯ１）が核の外部を覆う細胞質に移動した際に抽出される特徴データＸと、核膜に存在していた蛋白質（Ｎｕｐ９８）が核の内部に移動する際に抽出される特徴データＹとを比較することにより相関関係を算出する。
機構解析部１２４は、例えば、図１６に示す特徴データＸの変化によって特徴データＹの変化が引き起こされたという仮説を立てる。「仮説を立てる」とは、暫定の特徴データ間の相関関係を示す情報を記憶部１３０に書き込んでおき、後の処理で種々選択することをいう。つまり、機構解析部１２４は、特徴データＸを主とし、特徴データＹを従とした暫定の特徴データ間の相関関係を算出する。
次に、特徴データＸ−Ｚ間の相関について説明する。
機構解析部１２４は、例えば、特徴データＸの変化量が大きい区間（ｔ〜ｔ＋ｎ）と、特徴データＺの変化量が大きい区間（ｔ＋ｋ〜ｔ＋ｋ＋ｎ）とを比較することにより、特徴データＸ及び特徴データＺの相関関係を算出する。図１６に示す具体例においては、特徴データＸ及び特徴データＺの相関関係は、例えば、相互相関係数−０．９（負の相関）として算出される。
機構解析部１２４は、例えば、図１６に示す特徴データＸの変化によって特徴データＺの変化が引き起こされたという仮説を立てる。つまり、機構解析部１２４は、特徴データＸを主とし、特徴データＺを従とした特徴データ間の相関関係を算出する。
なお、相関関係を表す相互相関係数の値は、複数の基準レベルによって段階的に区分されている。相互相関係数の値は、例えば、範囲Ａ７（−１．０〜−０．７）及び範囲Ａ１（０．７〜１．０）において、強い相関を示すレベルとして区分される。また、相互相関係数の値は、例えば、範囲Ａ６（−０．７〜−０．４）及び範囲Ａ２（０．４〜０．７）において、相関を示すレベルとして区分される。また、相互相関係数の値は、例えば、範囲Ａ５（−０．４〜−０．２）及び範囲Ａ３（０．２〜０．４）において、弱い相関を示すレベルとして区分される。また、相互相関係数の値は、例えば、範囲Ａ４（−０．２〜０．２）において、相関が無いことを示すレベルとして区分される。なお、これらの相互相関係数に対するレベルの区分は一例であり、より細分化されたレベルであってもよい。
ここで、図１７〜２２を参照して、機構解析部１２４の処理の具体例を説明する。図１７は、特徴データａに対して強い相関を示す特徴データの一例を示す図である。
機構解析部１２４は、例えば、区間（０〜ｋ）における特徴データａを基準に、他の特徴データｂ〜ｆに対して、強い相関を示す区間を特定する。機構解析部１２４は、例えば、特徴データｂにおいて、区間（０〜ｋ）における特徴データａと強い相関を示す区間を（６〜６＋ｋ）として特定する。また、機構解析部１２４は、例えば、特徴データｃにおいて、区間（０〜ｋ）における特徴データａと強い相関を示す区間を（９〜９＋ｋ）として特定する。また、機構解析部１２４は、例えば、特徴データｄにおいて、区間（０〜ｋ）における特徴データａと強い相関を示す区間を（４〜４＋ｋ）として特定する。また、機構解析部１２４は、例えば、特徴データｅにおいて、区間（０〜ｋ）における特徴データａと強い相関を示す区間はないことから強い相関を示す区間を特定しない。また、機構解析部１２４は、例えば、特徴データｆにおいて、区間（０〜ｋ）における特徴データａと強い相関を示す区間を（８〜８＋ｋ）として特定する。
これらの結果から、機構解析部１２４は、強い相関を示した特徴データのうち、区間の始まりの時刻が早いものをより強い相関を示すものとした順を仮定する。機構解析部１２４は、仮定した順に基づいて、特徴データ間の相関関係を算出する。すなわち、機構解析部１２４は、特徴データａを主とした場合、特徴データｄ、ｂ、ｆ、ｃの順列で特徴データ間の相関関係を算出する。
また、機構解析部１２４は、例えば、区間（６〜６＋ｋ）における特徴データｂを基準に、他の特徴データｃ〜ｆに対して、強い相関を示す区間を特定する。以下、機構解析部１２４は、全ての特徴データに対して同様の処理を行い、特徴データの特徴データ間の相関関係を示すモデルを構築する。機構解析部１２４により構築された全ての特徴データ間の相関関係を示す対応表を図１８に示す。
機構解析部１２４により算出された全ての特徴データ間の相関関係を検証するために、主として仮定された特徴量の変化が失われる処置を細胞に施し、その他の条件は同一にして細胞（サンプル）を作成する。観察装置１は、特徴量の変化が失われる処置が施された後の細胞に対して、特徴量の変化が失われる処置が施す前と同様に、時系列で画像を撮像し、特徴量の変化が失われる処置が施す前と同じ特徴量を取得する。
次に、図１９〜２１を参照して、阻害薬が添加された細胞が示す特徴データの相関の算出について説明する。
図１９は、阻害薬が添加された細胞が示す特徴データに対して強い相関を示す特徴データの一例を示す図である。特徴データａは、区間（０〜ｋ）において、阻害薬が添加されたことにより特徴量の変化が失われている。
機構解析部１２４は、例えば、区間（０〜ｋ）における阻害薬が添加された細胞の特徴データａと、所定の区間における他の特徴データｂ、ｃ、ｄ、ｆとを比較することで相関関係を算出する。所定の区間とは、他の特徴データが、阻害薬が添加される前の特徴データａに対して強い相関を示す区間である。
機構解析部１２４は、例えば、特徴量aの変化が失われる処置を施された細胞の特徴データａと強い相関が示される特徴データとして特徴データｂ、ｆを特定する。すなわち、機構解析部１２４は、特徴データａの特徴量の変化が減少することに起因して、特徴量の変化が減少する特徴データを特定する。これによって、機構解析部１２４は、特徴量aの変化が失われる処置が施される前に算出された特徴データ間の相関関係から、相関関係の弱いものを除いて、新たに特徴データ間の相関関係を算出する。機構解析部１２４により新たに算出された特徴データ間の相関関係を示す対応表を図２０に示す。
また、ここで新たに特徴量ｄの変化が失われる処置を細胞に施し、その他の条件は同一にして新たな細胞（サンプル）を作成する。観察装置１は、特徴量ｄの変化が失われる処置が施された後の細胞に対して、特徴量ｄの変化が失われる処置が施す前と同様に、時系列で画像を撮像し、特徴量ｄの変化が失われる処置が施す前と同じ特徴量を取得する。
機構解析部１２４は、この特徴量に基づいて、特徴データ間の相関関係を算出する。図２１は、特徴量ｄの変化が失われる処置を施された細胞が示す特徴データに対して強い相関を示す特徴データの一例を示す図である。特徴データｄは、区間（４〜４＋ｋ）において、施された処置により特徴量の変化が失われている。
機構解析部１２４は、例えば、区間（４〜４＋ｋ）における特徴量ｄの変化が失われる処置が施された細胞の特徴データｄと、所定の区間における他の特徴データａ、ｂ、ｃ、ｆとを比較することで特徴データ間の相関関係を算出する。
機構解析部１２４は、例えば、特徴量ｄの変化が失われる処置が施された細胞の特徴データｄと強い相関が示される特徴データとして特徴データｂ、ｃを特定する。すなわち、機構解析部１２４は、特徴データｄの特徴量の変化が減少することに起因して、特徴量の変化が減少する特徴データを特定する。これによって、機構解析部１２４は、特徴量ａの変化が失われる処置を実施され、且つ特徴量ｄの変化が失われる処置を施される前に算出された特徴データ間の相関関係から、相関関係の弱いものを除いて、新たに特徴データ間の相関関係を算出する。機構解析部１２４により新たに算出された特徴データ間の相関関係を示す対応表を図２２に示す。
機構解析部１２４は、算出した特徴データ間の相関関係に基づいて、相関マトリクスを算出する。相関マトリクスは、特徴データの組み合わせと、この組み合わせによって算出された相関関係の度合を示す指標（例えば相互相関係数）とで表される。機構解析部１２４は、例えば、特徴データの組み合わせのパターン（バリエーション）を全て網羅するように相関マトリクスを複数算出する。
図２３は、相関マトリクスの一例を示す図である。本実施形態において、例えば、要素ａからは、特徴データａ１〜ａｎ個のデータが生成され、要素ｂからは、特徴データｂ１〜ｂｎ個のデータが生成される。以下の要素については説明を省略する。
このため、機構解析部１２４は、例えば、要素ａから抽出された各種特徴データａ１〜ａｎと、要素ｂから抽出された各種特徴データｂ１〜ｂｎとの組み合わせをマトリクスとして表す。機構解析部１２４は、これらマトリクスの各成分に、特徴データの組み合わせによって算出された相関関係の数値を格納する。解析装置１００は、算出した相関マトリクスをユーザに提示する場合、相関関係の数値に応じた色で各成分を表すと好適である。
機構解析部１２４は、算出した相関マトリクスから、相関が高い特徴データの組み合わせを抽出する。機構解析部１２４は、例えば、相関を示す値（相互相関係数等）が所定値より高い成分の数を算出し、算出した成分の数が大きい組み合わせを、相関が高い特徴データの組み合わせとして抽出する。
機構解析部１２４は、抽出した相関が高い特徴データの組み合わせに基づいて、要素間の相関関係を示すモデルを構築する。以下、要素間の相関関係を示すモデルの構築を行う処理について説明する。
図２４は、要素間の相関関係を示すモデルの図である。図示の例のモデルは、例えば、要素ａ、ｂと、要素ａ、ｎと、要素ｂ、ｃと、要素ｃ、ｎと、要素ｃ、ｍとの組み合わせが、機構解析部１２４によって相関が高いものとして抽出された場合に、各組み合わせの相関係数に基づいて構築されたものである。なお、図２４に示す各要素間を繋ぐ実線の太さは、相関関係の強さを表す。また、各要素間を繋ぐ破線は、要素ａの特徴量が失われる処置を施したことにより、要素間の相関関係が変化したことを示している。また、各要素間を繋ぐ実線は、要素ａの特徴量が失われる処置の施しの有無に関わらず、要素間の相関関係が変化しないことを示している。
要素ｂ、ｃの特徴データとしては、例えば、蛋白質の発現や、核および細胞間の局在変化、凝集体数等の特徴量を示す。また、要素ｌの特徴データとしては、例えば、核酸（ｍＲＮＡ）の発現や、細胞質局在、所定の蛋白質との共局在等の特徴量を示す。また、要素ｎの特徴データとしては、例えば、オルガネラの配向や、長さ等の特徴量を示す。また、要素ｍの特徴データとしては、例えば、細胞の面積や、円形の度合等の特徴量を示す。
ここで、例えば、図２４のモデルを示す特徴データの抽出元である細胞に要素ａの変化が失われる処置を施す。この結果、機構解析部１２４は、新たな要素間の相関関係を示すモデルを構築することが可能となる。以下、図を参照して相関関係を示すモデルを説明する。
図２５は、要素ａの特徴量である発現が失われる処置を施した後に構築される要素間の相関関係を示すモデルの図である。図２５において、アンダーラインが付与された特徴データ（特徴量）は、要素ａの特徴量の１つである発現が失われる処置を施した際に、変化する特徴データ（特徴量）を表す。また、アンダーラインが付与されていない特徴データ（特徴量）は、要素ａの特徴量の１つである発現が失われる処置を施した際に、変化しない特徴データ（特徴量）を表す。
図示の例では、要素ａの下流側における隣接した位置に、要素ｂ、ｎを配置して示している。これは、要素ａの発現を失わせる処置を施した後に、要素ｂ、ｎの特徴量が変化したことを表している。このような図の例の場合、機構解析部１２４は、次の処理を行っている。
機構解析部１２４は、要素ａの発現を示す特徴データが変化した場合、この変化に伴って変化する特徴データの抽出元の要素ｂ、ｎを、要素ａの下流側の隣接した位置に配置したモデルを構築する。この結果、機構解析部１２４は、要素ａが要素ｂ、ｎを制御していると判定する。
また、図示の例では、要素ａの隣接しない位置に、要素ｌ、ｃ、ｍを配置して示している。これは、要素ａの発現を失わせる処置を施した後に、要素ｌ、ｃ、ｍの特徴量が変化しないことを表している。この場合、機構解析部１２４は、次の処理を行っている。
機構解析部１２４は、要素ａの発現を示す特徴データが変化した場合、この変化に伴って変化しない特徴データの抽出元の要素ｌ、ｃ、ｍを、要素ａの下流側の隣接しない位置に配置したモデルを構築する。この結果、機構解析部１２４は、要素ａが要素ｌ、ｃ、ｍを制御していないと判定する。
機構解析部１２４は、上述した処理を他の要素に対して行うことにより、同様に以下の判定結果を導くことができる。
・要素ｂの発現は要素ａの制御を受けていない。
・要素ｂの局在変化と凝集は、要素ａの制御を受けている。
・要素ｂの発現量は、要素ｃを制御していることが推定される。
・要素ｎの配向は、要素ａと連動していることが推定される。
・要素ｎの配向は、要素ｂの局在変化か凝集と連動していることが推定される。
＜機構の解析ＩＩ＞
機構解析部１２４は、要素ａの発現を失わせる処理と同時に、または当該処理のあとに、他の要素ごとに対して、その変化が失われる処置を実施して、その他の要素の特徴量の変化を算出する。これを繰り返すことで、要素間の相関関係を示すモデルを構築する。すなわち、機構解析部１２４は、算出した特徴データ間の相関に基づいて、解析対象（要素）間の相関を算出し、要素間の相関関係を示すモデルを構築する。上述した要素間の相関関係は、例えば、ベクトルによって、相関関係の強さおよび方向を表す。以下、このベクトルを、「相関ベクトル」と称する。
また、要素の相関関係とは、ある要素の変動、維持、消失、発現が、他の要素の変動、維持、消失、発現に影響を与える関係、或いはある要素の変動、維持、消失、発現が、自身の変動、維持、消失、発現に影響を与える関係であることをいう。なお、これらの関係は、一方向、双方向、又はフィードバックの関係である。また、このようなモデルは、例えば、所謂シグナルカスケードや、シグナルネットワークなどに相当する。なお、機構解析部１２４は、特徴量ａの変化が失われる処置だけでなく、その他の特徴量の変化が失われる処置を行い、要素間の相関を算出してもよい。また、要素間の相関関係（例えばシグナルカスケード）には、遺伝子発現、蛋白質の活性化や代謝産物生成といった化学物質の反応だけに限られず、オルガネラの活性や、微小線維の方向性、細胞死、細胞周期などの細胞の反応も含む、生命現象全般にわたる要素のカスケード反応であってもよい。
図２６は、要素間の相関関係を示すモデルの図である。図２６に示す矢印は相関ベクトルを表す。このため、矢印の太さは相関関係の強さを表し、矢印の向きは相関関係の方向を表す。機構解析部１２４は、例えば、要素ａを主とした場合、要素aを基点として、要素aと最も相関関係の強い要素を次の連鎖先とするように要素間の相関関係を示すモデルを構築する。図２６に示すように、機構解析部１２４は、算出した特徴データ間の相関関係に基づき、要素ｎ、ｂを基点の次の連鎖先としたモデルを構築する。
図示の例において、解析装置１００は、以下のことを推定可能である。要素ａは、要素ｎ（微小管）の配向について制御するとともに、要素ｂ（蛋白質）の核および細胞間の局在変化、凝集体数等を制御している。また、要素ｎ（微小管）の長さは、要素ｍ（細胞）の方向性（遊走性）を制御している。また、要素ｂ（蛋白質）の発現は、要素ｃ（蛋白質）の発現、核および細胞間の局在変化、凝集体数等を制御している。また、要素ｃ（蛋白質）の核移行は、要素ｌ（核酸ｍＲＮＡ）の発現を更新している。また、要素ｃ（蛋白質）の発現は、要素ｍ（細胞）の肥大化を招いている。
解析装置１００は、機構解析部１２４により算出される要素間の相関関係を示すモデルが、所定の関係を示すまで、ユーザは、特定の特徴量の変化が失われる処置、または複数の特徴量の組み合わせの変化が失われる処置を実施した細胞を新たに作成し、前述した処理を繰り返す。所定の関係とは、例えば、相関ベクトルの方向性が定まることである。つまり、機構解析部１２４は、特徴データＸの抽出元である解析対象Ｘを主とし、特徴データＹの抽出元である解析対象Ｙを従とした要素間の相関関係を示すモデルを算出する。これによって、ユーザの任意の細胞を作製することができる。
＜機構の解析ＩＩＩ＞
また、機構解析部１２４は、特徴データ間の相互相関係数に基づいて、所定の特徴量に近い要素毎にグループ化を行い、グループ化した要素間の相関関係を算出してもよい。以下に、要素毎にグループ化を行う処理について説明する。また、以下の記載では、一例として要素を「細胞」として説明するが、その他の生命現象を司る機構を構成する要素であってもよい。
機構解析部１２４は、例えば、細胞領域分離部１１８により分離された細胞毎に相関関係を示す値として相互相関係数を算出する。機構解析部１２４は、例えば、細胞領域分離部１１８により分離された細胞１において、細胞１を構成する要素ａ〜ｆのそれぞれの相互相関係数を算出する。
機構解析部１２４により算出される相互相関係数の一例を図２７に示す。機構解析部１２４は、例えば、要素ａから要素ｂに対する相互相関係数を０．８５として算出する。
機構解析部１２４は、細胞毎に算出した相互相関係数に基づいて、所定の特徴量に近い細胞毎にグループ化を行う。所定の特徴量とは、例えば、要素間の影響を示したｎ次元ベクトル空間の座標上において、一定のしきい値を超える細胞間の距離を示す量である。なお、所定の特徴量は、予め実験等によって算出され、記憶部１３０等に記憶されていてもよい。
図２８は、細胞に対して行うグループ化の処理を示す一例の概略図である。機構解析部１２４は、要素間の影響を示した数を次元数ｎとしたｎ次元座標に細胞を分布させる。機構解析部１２４は、ｎ次元座標上に分布する細胞に対して、所定の特徴量に基づいてクラスタリング処理を行い、細胞をグループ化する。機構解析部１２４は、例えば、要素ａから要素ｂ方向の影響と、要素ｂから要素ｇ方向の影響と、要素ｄから要素ｂ方向の影響とに基づいて、ｎ次元座標上に細胞を分布させる。機構解析部１２４は、ｎ次元座標上に分布させた細胞をクラスタリング処理により、例えば、３つのグループ（ＧＰ１〜ＧＰ３）に分類する。
次に、機構解析部１２４は、グループ化した細胞の相互相関係数に基づいて、要素間の相関関係を示すモデル（例えばシグナルカスケード）を構築し解析する。
図２９は、機構解析部１２４によってグループ毎に構築されたシグナルカスケードのモデルの一例を示す図である。機構解析部１２４は、例えば、分類した３つのグループ（ＧＰ１〜ＧＰ３）に対して、それぞれシグナルカスケードのモデルを構築する。
これによって、解析対象が異なるシグナルカスケードが活性されている複数の細胞や、同じシグナルカスケードでも活性化程度が異なる細胞で構成された細胞の場合、それらの細胞の活性状態の時空間的特性を解析することができる。
図３０は、解析装置１００により実行される処理の流れを示すフローチャートである。解析装置１００は、本フローチャートの処理を、例えば、ユーザの任意の回数分繰り返し実行する。
まず、プレ観察として、顕微鏡制御部１１２は、培養容器の全体を低倍率（広範囲）で撮像するように顕微鏡２００を制御し、低解像の画像を取得する（ステップＳ１００）。また、顕微鏡制御部１１２は、中程度の倍率で培養容器の全体をタイリング撮像するように顕微鏡２００を制御してもよい。次に、密度算出部１１４は、顕微鏡２００によって取得された画像において、培養容器の全体像を示す領域Ｆの中に存在する細胞ｃｅｌｌの細胞密度及び細胞密着度を算出する（ステップＳ１０２）。次に、関心領域検出部１１６は、密度算出部１１４により算出された細胞密度及び細胞密着度に基づいて、関心領域Ｒを検出する（ステップＳ１０４）。
次に、本観察として、顕微鏡制御部１１２は、関心領域Ｒを高倍率で撮像するように顕微鏡２００を制御し、高解像の画像を取得する（ステップＳ１０６）。次に、細胞領域分離部１１８は、顕微鏡２００により高倍率で撮像された画像上において、細胞領域を検出し細胞を分離する（ステップＳ１０８）。次に、特徴量抽出部１２２は、細胞領域分離部１１８により細胞が分離された画像に対して、細胞間または細胞内で往来する物質や、遺伝子発現、オルガネラの活性、細胞内の要素の方向性、細胞周期等の細胞の反応などの種々の特徴量を抽出する（ステップＳ１１０）。
次に、機構解析部１２４は、特徴量抽出部１２２により抽出された時系列、もしくは細胞の生育環境の変化、もしくは細胞自身の状態を変化に伴う特徴データ及び空間系列の特徴データに基づいて、特徴量データ間の相関関係を算出する（ステップＳ１１２）。次に、機構解析部１２４は、算出した特徴量データ間の相関関係に基づいて、特徴データの抽出元である要素間の相関関係を算出する（ステップＳ１１４）。これによって、本フローチャートが終了する。
＜機構解析部１２４の他の処理＞
機構解析部１２４は、特徴量抽出部１２２により空間系列で抽出された種々の特徴データに基づいて、要素間の相関関係を算出してもよい。図３１は、細胞間に伝達される刺激の信号の広がり方を表した一例を示す図である。図３１に示すように、機構解析部１２４は、例えば、外部から培養容器内に刺激８０が与えられる場合、この刺激８０に応じて細胞８２から周囲の細胞へと信号が伝達される。そのため、機構解析部１２４は、培養容器に与えられた刺激がトリガとなって、周囲の細胞で活性化されるシグナルネットワーク群を特定することができる。この結果、解析装置１００は、活性化されたシグナルネットワーク群を特定する特徴量を、各細胞に対して計測し、その特徴量が発現する時空間的タイミングを計測することで、シグナルネットワーク群が活性化される時空間タイミングを解析することができる。
また、機構解析部１２４は、空間系列で抽出された特徴データ８４と、時系列で抽出された特徴データ８６とを組み合わせることで、シグナルネットワーク群が活性化される時空間タイミングを解析してもよい。
また、機構解析部１２４は、刺激を与えた細胞を主とし、刺激を与えない細胞を従とした関連性を構築してもよい。これによって、機構解析部１２４は、刺激を与えない細胞から抽出されて相関を示した特徴データのうち、より相関の強いもから順列として仮定することができる。機構解析部１２４は、仮定した特徴データの順列に基づいて、要素間の相関関係を示すモデルを構築する。すなわち、機構解析部１２４は、要素間の距離に基づいて、要素間の相関を算出し、算出した要素間の相関の大きさに基づいて、要素間の相関関係を示すモデルを構築する。
＜観察補助システム＞
解析装置１００は、解析対象の撮像の際に、外部記憶装置３００から最適な撮像条件（Optical Configuration：ＯＣ）を取得し、取得した最適な撮像条件ＯＣに基づいて係る処理を行ってもよい。最適な撮像条件ＯＣは、例えば、解析対象に対応付けられた顕微鏡２００の倍率や焦点位置検出器の感度、露光条件、検出器の解像度、透過光の強度、蛍光励起光の強度や波長、オートフォーカスの条件、蛍光撮像用のフィルタ選択等のパラメータである。なお、最適な撮像条件ＯＣは、予め解析装置１００や他の解析装置等によって取得され、外部記憶装置３００等の記憶装置に記憶されているものとする。
図３２は、最適な撮像条件ＯＣに基づいて行われる処理の一例を示す図である。解析装置１００は、解析対象に応じて、一致又は類似する最適な撮像条件ＯＣを外部記憶装置３００から取得する。解析装置１００は、外部記憶装置３００から取得した最適な撮像条件ＯＣに基づいて係る処理を行う。解析装置１００は、外部記憶装置３００から取得した最適な撮像条件ＯＣの一部を変更して解析対象を撮像した場合、その変更点を加味した条件を新たな最適な撮像条件ＯＣとして外部記憶装置３００に記憶させる。これによって、解析対象の撮像において、条件（パラメータ）の設定を少なくすることができる。また、解析に係る実験の再現性が良くなる。
また、解析装置１００は、予め他の情報と対応付けられた画像を、外部記憶装置３００等の記憶装置から取得してもよい。図３３は、予め他の情報と対応付けられた画像を取得する処理の一例を示す図である。解析装置１００は、例えば、予め画像と他の情報とを対応付けて外部記憶装置３００等の記憶装置に記憶させておく。他の情報とは、例えば、波長、解析対象名、細胞種、プロジェクト名、実験条件等の解析に関係したあらゆる情報である。ユーザは、例えば、解析対象名である蛋白質に関係した画像を、解析装置１００を介して外部記憶装置３００から取得することができる。また、ユーザは、例えば、実験条件である所定の染色に関係した画像を、解析装置１００を介して外部記憶装置３００から取得することができる。これによって、ユーザの使用様態に適応することができ、利便性が向上する。
＜撮像領域の指定システム＞
解析装置１００は、複数回にわたり培養容器内を撮像する場合、前撮像位置の情報を記憶部１３０から取得し、取得した前撮像位置の情報に基づいて、次の撮像位置を選定してもよい。前撮像位置とは、培養容器内において既に撮像した位置である。図３４は、取得した撮像情報に基づいて、次の撮像位置を選定する処理の一例を示す図である。
図３４に示すように、解析装置１００は、例えば、次の撮像位置９０に対して前撮像位置９２が同じ位置であった場合、前撮像位置９２を回避して次の撮像位置を選定する。これによって、撮像時における光の照射による光毒性の影響や蛍光の退色等を抑えることができる。また、光の強度の評価や細胞毒性の評価等を行う際に有用になる。
以上説明した実施形態の解析装置１００によれば、細胞の画像を取得し、取得した細胞の画像に基づいて、生命現象を司る機構を構成する要素を識別し、識別した要素ごとに要素の特徴量を示す特徴データを算出し、算出した特徴データに基づいて特徴データ間の相関関係を算出し、算出した特徴データ間の相関関係に基づいて要素間の相関関係を算出する。これによって、解析装置１００は、画像の解析を適切に行いつつ、細胞に係る生命現象を司る機構を構成する要素間の関連性を解析することができる。
また、本実施形態の解析装置１００によれば、取得された細胞の画像に基づいて識別可能な要素を対象に解析を行うことにより、生命現象を司る機構の信頼度が高く反映された、要素間の相関を算出することができる。さらに、本実施形態の解析装置１００によれば、取得された細胞の画像に基づいて識別可能な要素を対象に解析を行うことにより、異なる種類の要素間の相関であっても、信頼度の高い相関を算出することができる。
また、実施形態の機構解析部１２４によれば、分類したグループに対し、要素間の相関関係を示すモデルとして、それぞれシグナルカスケードのモデルを構築することにより、異なるシグナルカスケードが活性されている複数の細胞により構成された細胞の場合でも、それに適合したシグナルカスケードのモデルを構築することができる。
また、実施形態の機構解析部１２４によれば、空間系列で抽出された特徴データと、時系列で抽出された特徴データとを組み合わせることで、刺激に対する細胞間の信号の伝達具合や細胞間の接触の影響等に対しても解析を行うことができる。
また、実施形態の解析方法によれば、機構解析部１２４により構築される要素間の相関関係を示すモデルが、所定の関係を示すまで繰り返し解析処理を行うことができる。
また、実施形態の解析方法によれば、機構解析部１２４により構築される要素間の相関関係を示すモデルが、所定の関係を示すまで繰り返し解析処理を行うことにより、ユーザの任意の細胞を作ることができる。
なお、上記実施形態における顕微鏡２００が、「取得部」の一例であり、密度算出部１１４、関心領域検出部１１６および細胞領域分離部１１８が、「識別部」の一例であり、特徴量抽出部１２２および機構解析部１２４が、「算出部」の一例である。なお、特徴量抽出部１２２および機構解析部１２４の処理は、何れか一方の機能部のみによって実施されてもよい。また、特徴量抽出部１２２および機構解析部１２４の処理は、密度算出部１１４、関心領域検出部１１６および細胞領域分離部１１８等の他の機能部によって実施されてもよい。
以下に、その他の実施例（変形例）について記載する。
本発明の実施形態における解析装置１００の各処理を実行するためのプログラムをコンピューター読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピューターシステムに読み込ませ、実行することにより、上述した種々の処理を行ってもよい。
なお、ここでいう「コンピューターシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピューターシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピューター読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピューターシステムに内蔵されるハードディスク等の記憶装置のことをいう。
さらに「コンピューター読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピューターシステム内部の揮発性メモリ（例えばＤＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピューターシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピューターシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピューターシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。
以上、本発明の実施形態について図面を参照して詳述したが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
１…観察装置、１００…解析装置、１１０…制御部、１１２…顕微鏡制御部、１１４…密度算出部、１１６…関心領域検出部、１１８…細胞領域分離部、１２０…輝度補正部、１２２…特徴量抽出部、１２４…機構解析部、１３０…記憶部、２００…顕微鏡、３００…外部記憶装置

Claims (24)

  1. 刺激が付与された細胞を撮像した細胞画像から、前記細胞と前記細胞を構成する物質との少なくとも一方を含む複数の要素の特徴量の変化を、前記要素毎に抽出する特徴量抽出部と、
    前記特徴量抽出部により抽出される第１要素の特徴量の変化と、前記第１要素とは異なる種類の第２要素の特徴量の変化との相関関係である第１相関関係と、前記特徴量抽出部により抽出される第３要素の特徴量の変化と、前記第３要素とは異なる種類の第４要素の特徴量の変化との相関関係である第２相関関係とを算出する算出部と、
    前記算出部が算出する前記第１相関関係の強さと、前記第２相関関係の強さとを比較する判定部を備える、判定装置。
  2. 前記第１要素と前記第３要素とは同じである、請求項１に記載の判定装置。
  3. 前記算出部は、時間と、前記細胞の生育環境の変化度合と、前記細胞の状態変化度合とのうちいずれか１つ以上の特徴量の変化を用い前記第１相関関係及び前記第２相関関係を算出する、
    請求項１または２に記載の判定装置。
  4. 前記算出部は、前記第１相関関係が最も大きくなったときの、前記時間と、前記細胞の生育環境の変化度合と、前記細胞の状態変化度合とのうちいずれか１つ以上を変化させた方向に基づいて、前記要素間の相関関係を算出する、
    請求項３に記載の判定装置。
  5. 前記第１相関関係の強さと、前記第２相関関係の強さとは、相互相関係数に基づいて算出される
    請求項１から請求項４のいずれか一項に記載の判定装置。
  6. 前記第１相関関係の強さと、前記第２相関関係の強さとに基づいて、前記第１相関関係を表す線の太さと、前記第２相関関係を表す線の太さとを変えて表示部に図示する
    請求項１から５のいずれか一項に記載の判定装置。
  7. 前記第１相関関係の強さと、前記第２相関関係の強さとは複数の段階に区分されている
    請求項１から６のいずれか一項に記載の判定装置。
  8. 前記第１相関関係の強さと、前記第２相関関係の強さとは、所定の値より強い、
    請求項１から７のいずれか一項に記載の判定装置。
  9. 前記物質は、細胞小器官と、前記細胞の生体物質との少なくとも一方を含む
    請求項１から請求項８のいずれか一項に記載の判定装置。
  10. 前記要素は、前記細胞画像のコントラストの情報に基づき識別可能な物質と、前記細胞画像のコントラストの情報に基づき識別可能な現象との少なくとも一方を含む、
    請求項１から９のいずれか一項に記載の判定装置。
  11. 前記特徴量抽出部は、前記細胞内に存在する要素の形状の分布または位置の分布を、前記特徴量として抽出する、
    請求項１から１０のいずれか一項に記載の判定装置。
  12. 前記特徴量抽出部は、前記細胞の核内部に存在する要素の形状の分布を、前記要素の特徴量として抽出する、
    請求項１１に記載の判定装置。
  13. 前記特徴量抽出部は、前記細胞内に存在する要素の方向性を、前記要素の特徴量として抽出する、
    請求項１から１２のいずれか一項に記載の判定装置。
  14. 前記特徴量抽出部は、前記細胞の状態を、前記要素の特徴量として抽出する、
    請求項１から１３のうちいずれか一項に記載の判定装置。
  15. 前記細胞の状態とは、細胞死と細胞周期とを含む状態である、
    請求項１４に記載の判定装置。
  16. 前記特徴量抽出部は、前記細胞内に存在する要素の移動を、前記特徴量として抽出する、
    請求項１から１５のいずれか一項に記載の判定装置。
  17. 前記特徴量抽出部は、前記細胞内に存在する要素の位置の共局在を、前記特徴量として抽出する、
    請求項１から１６のいずれか一項に記載の判定装置。
  18. 前記特徴量抽出部は、前記細胞内に存在する物質によって形成されるドメインを、前記特徴量として抽出する、
    請求項１から１７のいずれか一項に記載の判定装置。
  19. 前記判定部は、前記第１相関関係の方向を判定する、請求項１から１８のいずれか一項に記載の判定装置。
  20. 前記算出部は、前記特徴量抽出部により抽出される前記特徴量に基づいて、前記第１相関関係及び前記第２相関関係を示すマトリクスを算出する、
    請求項１から１９のいずれか一項に記載の判定装置。
  21. 刺激が付与された細胞を撮像した細胞画像から、前記細胞と前記細胞を構成する物質との少なくとも一方を含む複数の要素の特徴量の変化を、前記要素毎に抽出し、
    抽出した第１要素の特徴量の変化と、前記第１要素とは異なる種類の第２要素の特徴量の変化との相関関係である第１相関関係と、抽出した第３要素の特徴量の変化と、前記第３要素とは異なる種類の第４要素の特徴量の変化との相関関係である第２相関関係とを算出し、
    算出した前記第１相関関係の強さと、前記第２相関関係の強さとを比較する判定装置に、前記細胞画像を解析させ、
    前記判定装置により算出される要素間の相関関係を示すモデルが所定の関係になるまで、新たな前記細胞画像を前記判定装置に解析させることを繰り返す、
    解析方法。
  22. 前記細胞画像は、時間と、前記細胞の生育環境の変化度合と、前記細胞の状態変化度合
    とのうちいずれか１つ以上を変化させながら撮像した画像である、
    請求項２１に記載の解析方法。
  23. 前記所定の関係とは、少なくとも一部の関係の方向性が定まることである、
    請求項２１または２２に記載の解析方法。
  24. 刺激が付与された細胞を撮像した細胞画像から、前記細胞と前記細胞を構成する物質との少なくとも一方を含む複数の要素の特徴量の変化を、前記要素毎に抽出し、
    抽出した第１要素の特徴量の変化と、前記第１要素とは異なる種類の第２要素の特徴量の変化との相関関係である第１相関関係と、抽出した第３要素の特徴量の変化と、前記第３要素とは異なる種類の第４要素の特徴量の変化との相関関係である第２相関関係とを算出し、
    算出した前記第１相関関係の強さと、前記第２相関関係の強さとを比較する判定装置に、前記細胞画像を解析させる処理と、
    前記判定装置により算出される要素間の相関関係を示すモデルが所定の関係になるまで、新たな前記細胞画像を前記判定装置に解析させることを繰り返す処理と、
    を実行させる解析プログラム。
JP2016565839A 2014-12-26 2014-12-26 判定装置、解析方法、および解析プログラム Active JP6670757B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2014/084664 WO2016103501A1 (ja) 2014-12-26 2014-12-26 解析装置、解析方法、解析プログラム、細胞の製造方法、および細胞

Publications (2)

Publication Number Publication Date
JPWO2016103501A1 JPWO2016103501A1 (ja) 2017-10-05
JP6670757B2 true JP6670757B2 (ja) 2020-03-25

Family

ID=56149583

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016565839A Active JP6670757B2 (ja) 2014-12-26 2014-12-26 判定装置、解析方法、および解析プログラム

Country Status (4)

Country Link
US (1) US10746647B2 (ja)
EP (1) EP3239287A4 (ja)
JP (1) JP6670757B2 (ja)
WO (1) WO2016103501A1 (ja)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017109860A1 (ja) * 2015-12-22 2017-06-29 株式会社ニコン 画像処理装置
JP6333318B2 (ja) * 2016-07-29 2018-05-30 株式会社Ｓｃｒｅｅｎホールディングス 画像処理方法、画像処理装置、および撮像装置
EP3519828A4 (en) * 2016-09-29 2020-06-03 Animantis, LLC METHOD AND DEVICE FOR EVALUATING IMMUNE SYSTEM ACTIVITY AND THERAPEUTIC EFFECTIVENESS
US20200043159A1 (en) * 2016-10-03 2020-02-06 Nikon Corporation Analysis device, analysis method, and program
WO2018087861A1 (ja) 2016-11-10 2018-05-17 国立大学法人東京大学 解析装置、解析方法、及びプログラム
JPWO2018122908A1 (ja) * 2016-12-26 2019-06-24 株式会社ニコン 算出装置、算出プログラム、及び算出方法
JP6824748B2 (ja) 2017-01-05 2021-02-03 オリンパス株式会社 顕微鏡パラメータの設定方法および観察方法
WO2018142570A1 (ja) * 2017-02-03 2018-08-09 株式会社ニコン 画像処理装置、解析装置、画像処理方法、画像処理プログラム及び表示装置
JPWO2018193612A1 (ja) * 2017-04-21 2020-05-21 株式会社ニコン 相関算出装置、相関算出方法及び相関算出プログラム
TWI659395B (zh) * 2017-07-19 2019-05-11 銳準醫光股份有限公司 類ｈ＆ｅ影像之合成方法及採用該方法之光學系統
CN111263817B (zh) * 2017-09-28 2023-10-31 Bd科斯特公司 用于自动化评估抗生素敏感性的方法和系统
US20210200986A1 (en) * 2018-05-25 2021-07-01 Sony Corporation Control device, control method, and program
CN112789622A (zh) * 2018-08-01 2021-05-11 Cdx医疗Ip公司 针对生物样本的增强的焦深扩展
WO2020090089A1 (ja) * 2018-11-01 2020-05-07 株式会社ニコン 判定装置、判定方法、及び判定プログラム
JP2020094925A (ja) * 2018-12-13 2020-06-18 住友電気工業株式会社 品質評価方法
JP7420346B2 (ja) * 2019-01-09 2024-01-23 国立大学法人九州大学 三次元形状情報生成装置、細胞判定システム
JP7452544B2 (ja) 2019-07-09 2024-03-19 ソニーグループ株式会社 情報処理装置およびプログラム
CN110736751B (zh) * 2019-11-06 2022-04-19 合肥御微半导体技术有限公司 一种表面缺陷检测方法及装置
CN114663330A (zh) * 2020-12-03 2022-06-24 富泰华工业（深圳）有限公司 干细胞密度确定方法、装置、电子设备及存储介质
WO2022130884A1 (ja) * 2020-12-18 2022-06-23 ソニーグループ株式会社 測定装置、測定方法、測定システム
WO2024014489A1 (ja) * 2022-07-12 2024-01-18 国立大学法人東京工業大学 解析システム、解析装置、解析プログラム、及び解析方法

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2389692B (en) * 2001-02-20 2005-06-29 Cytokinetics Inc Method and apparatus for automated cellular bioinformatics
US20050014217A1 (en) * 2003-07-18 2005-01-20 Cytokinetics, Inc. Predicting hepatotoxicity using cell based assays
JP4454998B2 (ja) * 2003-09-29 2010-04-21 株式会社ニコン 細胞観察装置および細胞観察方法
AU2006206159A1 (en) * 2005-01-24 2006-07-27 Massachusetts Institute Of Technology Method for modeling cell signaling systems by means of bayesian networks
US7796815B2 (en) * 2005-06-10 2010-09-14 The Cleveland Clinic Foundation Image analysis of biological objects
EP1736780A1 (en) * 2005-06-24 2006-12-27 Eppendorf Array Technologies S.A. Method and means for detecting and/or quantifying hierarchical molecular change of a cell in response to an external stimulus
US8041090B2 (en) * 2005-09-10 2011-10-18 Ge Healthcare Uk Limited Method of, and apparatus and computer software for, performing image processing
GB2435926A (en) * 2006-03-09 2007-09-12 Cytokinetics Inc Cellular predictive models for phospholipidosis
US8114615B2 (en) * 2006-05-17 2012-02-14 Cernostics, Inc. Method for automated tissue analysis
JP4869843B2 (ja) * 2006-09-06 2012-02-08 オリンパス株式会社 細胞画像処理装置および細胞画像処理方法
FR2920878B1 (fr) * 2007-09-10 2019-07-26 Innovative Concepts In Drug Development (Icdd) Procede de toxicologie predictive ou de test d'efficacite par mesure de mobilite d'organites
JP4968595B2 (ja) * 2008-07-23 2012-07-04 株式会社ニコン 細胞の状態判別手法及び細胞観察の画像処理装置
WO2010098105A1 (ja) 2009-02-26 2010-09-02 国立大学法人名古屋大学 培養状態評価装置、培養状態評価方法、インキュベータおよびプログラム
GB0907079D0 (en) * 2009-04-24 2009-06-03 Ge Healthcare Uk Ltd Method and apparatus for multi-parameter data analysis
JP5482057B2 (ja) * 2009-09-29 2014-04-23 オリンパス株式会社 細胞核を構成する構造体の解析方法
JP2011229411A (ja) * 2010-04-23 2011-11-17 Nagoya Univ 細胞評価モデル生成装置、細胞評価装置、インキュベータ、プログラム、および、培養方法
JP5848885B2 (ja) * 2010-04-23 2016-01-27 国立大学法人名古屋大学 化学物質のスクリーニング方法
JP5740101B2 (ja) * 2010-04-23 2015-06-24 国立大学法人名古屋大学 細胞評価装置、インキュベータ、細胞評価方法、細胞評価プログラムおよび細胞の培養方法
JP5816415B2 (ja) * 2010-04-23 2015-11-18 国立大学法人名古屋大学 細胞評価装置、インキュベータ、プログラム、および、培養方法
US8913121B2 (en) * 2010-07-11 2014-12-16 Spynsite, LLC System for image rendering or spectral recognition
EP2646795B1 (en) * 2010-11-29 2019-02-20 Dako Denmark A/S Methods for analyzing images of specimens processed by a programmable quantitative assay
WO2012083231A1 (en) * 2010-12-16 2012-06-21 Massachusetts Institute Of Technology Rnai based method of drug screening and characterization
US10288603B2 (en) * 2011-02-01 2019-05-14 Greiner Bio-One North America, Inc. 3D cell viability assay
JP5762764B2 (ja) * 2011-02-09 2015-08-12 オリンパス株式会社 細胞画像解析システム
JP5854418B2 (ja) * 2011-02-28 2016-02-09 国立大学法人名古屋大学 細胞培養環境評価方法及びその装置
WO2012176785A1 (ja) 2011-06-20 2012-12-27 株式会社ニコン 画像処理装置および方法、並びにプログラム
WO2013027399A1 (ja) * 2011-08-23 2013-02-28 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム
JP5945434B2 (ja) * 2012-03-16 2016-07-05 オリンパス株式会社 生物試料の画像解析方法、画像解析装置、画像撮影装置およびプログラム
JP2013230145A (ja) * 2012-04-30 2013-11-14 Masahiko Sato 細胞集団の状態を評価するための方法、候補化合物の発癌性を評価するための方法、潜在的な抗癌化合物の抗癌活性を評価するための方法及び治療用細胞集団の品質を評価するための方法
JP5984559B2 (ja) * 2012-07-31 2016-09-06 オリンパス株式会社 壊死細胞領域検出装置及びその方法、壊死細胞領域検出プログラム
CA2888308C (en) * 2012-10-26 2021-01-19 Fluidigm Canada Inc. Cell analysis by mass cytometry
WO2014134550A1 (en) * 2013-02-28 2014-09-04 Auxogyn, Inc. Apparatus, method, and system for image-based human embryo cell classification
US9177105B2 (en) * 2013-03-29 2015-11-03 Case Western Reserve University Quantitatively characterizing disease morphology with co-occurring gland tensors in localized subgraphs
JP6546177B2 (ja) * 2013-09-13 2019-07-17 ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー 質量タグ及び二次イオン質量分析計を用いた組織の多重化イメージング
US9355459B2 (en) * 2014-01-29 2016-05-31 Cellogy, Inc. Method and system for characterizing cell motion
US9483685B2 (en) * 2014-04-28 2016-11-01 University Of Pittsburgh - Of The Commonwealth System Of Higher Education System and method for automated identification of abnormal ciliary motion
EP3155592B1 (en) * 2014-06-10 2019-09-11 Leland Stanford Junior University Predicting breast cancer recurrence directly from image features computed from digitized immunohistopathology tissue slides

Also Published As

Publication number Publication date
WO2016103501A1 (ja) 2016-06-30
US20170350805A1 (en) 2017-12-07
US10746647B2 (en) 2020-08-18
EP3239287A4 (en) 2018-08-15
EP3239287A1 (en) 2017-11-01
JPWO2016103501A1 (ja) 2017-10-05

Similar Documents

Publication Publication Date Title
JP6670757B2 (ja) 判定装置、解析方法、および解析プログラム
CN107209934B (zh) 用于定量分析异质生物标志物分布的方法、系统和装置
US8320655B2 (en) Process and system for analyzing the expression of biomarkers in cells
Runge et al. Fully automated interpretation of ionizing radiation-induced γH2AX foci by the novel pattern recognition system AKLIDES®
JP6416135B2 (ja) スペクトル・アンミキシング
US9298968B1 (en) Digital image analysis of inflammatory cells and mediators of inflammation
US8831327B2 (en) Systems and methods for tissue classification using attributes of a biomarker enhanced tissue network (BETN)
CN109196554A (zh) 肿瘤接近度量
JP2018529950A (ja) 解析的に別個の検体染色のパターンの混合を有する細胞サンプルの自動化解析
EP3124953B1 (en) Evaluation method of spheroid and spheroid evaluation apparatus
JP2016519321A (ja) 画像適応的な生理学的に妥当な色分離
JP7187151B2 (ja) 生存細胞の画像解析のための方法及び装置
JP2007020449A (ja) スクリーニング方法およびスクリーニング装置
JP7407107B2 (ja) 生細胞の視覚化及び分析
KR102431217B1 (ko) 화상 해석 장치, 방법 및 프로그램
Delestro et al. In vivo large-scale analysis of Drosophila neuronal calcium traces by automated tracking of single somata
US20210343009A1 (en) Distance-based tissue state determination
Brezovjakova et al. Junction Mapper is a novel computer vision tool to decipher cell–cell contact phenotypes
WO2017171720A1 (en) Digital image analysis of inflammatory cells and mediators of inflammation
Michálek et al. Quantitative assessment of anti-cancer drug efficacy from coregistered mass spectrometry and fluorescence microscopy images of multicellular tumor spheroids
US20200043159A1 (en) Analysis device, analysis method, and program
Reichinnek et al. Reliable optical detection of coherent neuronal activity in fast oscillating networks in vitro
US20220375606A1 (en) Systems and methods for machine learning (ml) model diagnostic assessments based on digital pathology data
US20190073517A1 (en) Image processing device, observation device, and program
Shimoni et al. Normalized polarization ratios for the analysis of cell polarity

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170614

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170922

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170922

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180828

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20181024

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20181026

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190507

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20190708

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190904

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: 20200204

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200302

R150 Certificate of patent or registration of utility model

Ref document number: 6670757

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