JP7156213B2 - 質量分析データ処理方法、質量分析データ処理システム、及びプログラム - Google Patents
質量分析データ処理方法、質量分析データ処理システム、及びプログラム Download PDFInfo
- Publication number
- JP7156213B2 JP7156213B2 JP2019157607A JP2019157607A JP7156213B2 JP 7156213 B2 JP7156213 B2 JP 7156213B2 JP 2019157607 A JP2019157607 A JP 2019157607A JP 2019157607 A JP2019157607 A JP 2019157607A JP 7156213 B2 JP7156213 B2 JP 7156213B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- mass spectrometry
- values
- marker proteins
- sample data
- 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
Images
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
それぞれが互いに異なる既知微生物に関する複数のマーカータンパク質のm/z値を含んだデータである複数の既知サンプルデータを取得し、
前記複数の既知サンプルデータに含まれる、前記複数のマーカータンパク質のうちの同じマーカータンパク質のm/z値同士を比較し、両者の差が予め定められた許容誤差範囲に含まれるm/z値同士を同一グループに分類することによって、該マーカータンパク質に関するm/z値を一つ以上のグループに分割し、
前記複数の既知サンプルデータの各々に含まれる前記マーカータンパク質のm/z値を、前記一つ以上のグループのうちの、該m/z値が分類されたグループに固有の識別子であるグループ識別子に置換することによって学習データを作成し、
前記複数のマーカータンパク質のうちの同種のマーカータンパク質については、互いに異なるグループ識別子間の距離はいずれも等価であるとして前記学習データを用いた機械学習を行うことによって判別モデルを作成するものである。
それぞれが互いに異なる既知微生物に関する複数のマーカータンパク質のm/z値を含んだデータである複数の既知サンプルデータを取得する既知サンプルデータ取得部と、
前記複数の既知サンプルデータに含まれる、前記複数のマーカータンパク質のうちの同種のマーカータンパク質のm/z値同士を比較し、両者の差が予め定められた許容誤差範囲に含まれるm/z値同士を同一グループに分類することによって、該マーカータンパク質に関するm/z値を一つ以上のグループに分割するグループ化部と、
前記複数の既知サンプルデータの各々に含まれる前記マーカータンパク質のm/z値を、前記一つ以上のグループのうちの、該m/z値が分類されたグループに固有の識別子であるグループ識別子に置換することによって学習データを作成する学習データ生成部と、
前記複数のマーカータンパク質のうちの同種のマーカータンパク質については、互いに異なるグループ識別子間の距離はいずれも等価であるとして前記学習データを用いた機械学習を行うことによって判別モデルを作成する判別モデル生成部と、を備えるものである。
上述した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
それぞれが互いに異なる既知微生物に関する複数のマーカータンパク質のm/z値を含んだデータである複数の既知サンプルデータを取得し、
前記複数の既知サンプルデータに含まれる、前記複数のマーカータンパク質のうちの同じマーカータンパク質のm/z値同士を比較し、両者の差が予め定められた許容誤差範囲に含まれるm/z値同士を同一グループに分類することによって、該マーカータンパク質に関するm/z値を一つ以上のグループに分割し、
前記複数の既知サンプルデータの各々に含まれる前記マーカータンパク質のm/z値を、前記一つ以上のグループのうちの、該m/z値が分類されたグループに固有の識別子であるグループ識別子に置換することによって学習データを作成し、
前記複数のマーカータンパク質のうちの同種のマーカータンパク質については、互いに異なるグループ識別子間の距離はいずれも等価であるとして前記学習データを用いた機械学習を行うことによって判別モデルを作成するものである。
前記既知微生物が、タイプが既知であるアクネ菌であり、
前記複数のマーカータンパク質が、少なくともリボソームタンパク質S8、L13、L15、L23、L27、L6、L7/L12、並びにAntitoxinを含むものであって、
前記判別モデルがアクネ菌のタイプを判別するものであってもよい。
それぞれが互いに異なる既知微生物に関する複数のマーカータンパク質のm/z値を含んだデータである複数の既知サンプルデータを取得する既知サンプルデータ取得部と、
前記複数の既知サンプルデータに含まれる、前記複数のマーカータンパク質のうちの同種のマーカータンパク質のm/z値同士を比較し、両者の差が予め定められた許容誤差範囲に含まれるm/z値同士を同一グループに分類することによって、該マーカータンパク質に関するm/z値を一つ以上のグループに分割するグループ化部と、
前記複数の既知サンプルデータの各々に含まれる前記マーカータンパク質のm/z値を、前記一つ以上のグループのうちの、該m/z値が分類されたグループに固有の識別子であるグループ識別子に置換することによって学習データを作成する学習データ生成部と、
前記複数のマーカータンパク質のうちの同種のマーカータンパク質については、互いに異なるグループ識別子間の距離はいずれも等価であるとして前記学習データを用いた機械学習を行うことによって判別モデルを作成する判別モデル生成部とを備えている。
前記既知微生物が、タイプが既知であるアクネ菌であり、
前記複数のマーカータンパク質が、少なくともリボソームタンパク質S8、L13、L15、L23、L27、L6、L7/L12、並びにAntitoxinを含むものであって、
前記判別モデルがアクネ菌のタイプを判別するものであってもよい。
20…前処理部
21…既知サンプルデータ取得部
22…グループ化部
23…学習データ生成部
30…判別モデル生成部
40…判別部
41…未知サンプルデータ取得部
42…判別対象データ生成部
43…判別実行部
50…データ記憶部
60…入力部
70…表示部
Claims (5)
- それぞれが互いに異なる既知微生物に関する複数のマーカータンパク質のm/z値を含んだデータである複数の既知サンプルデータを取得し、
前記複数の既知サンプルデータに含まれる、前記複数のマーカータンパク質のうちの同種のマーカータンパク質のm/z値同士を比較し、両者の差が予め定められた許容誤差範囲に含まれるm/z値同士を同一グループに分類することによって、該マーカータンパク質に関するm/z値を一つ以上のグループに分割し、
前記複数の既知サンプルデータの各々に含まれる前記マーカータンパク質のm/z値を、前記一つ以上のグループのうちの、該m/z値が分類されたグループに固有の識別子であるグループ識別子に置換することによって学習データを作成し、
前記複数のマーカータンパク質のうちの同種のマーカータンパク質については、互いに異なるグループ識別子間の距離はいずれも等価であるとして前記学習データを用いた機械学習を行うことによって判別モデルを作成する質量分析データ処理方法。 - 前記既知微生物が、タイプが既知であるアクネ菌であり、
前記複数のマーカータンパク質が、少なくともリボソームタンパク質S8、L13、L15、L23、L27、L6、L7/L12、並びにAntitoxinを含むものであって、
前記判別モデルがアクネ菌のタイプを判別するものである請求項1に記載の質量分析データ処理方法。 - それぞれが互いに異なる既知微生物に関する複数のマーカータンパク質のm/z値を含んだデータである複数の既知サンプルデータを取得する既知サンプルデータ取得部と、
前記複数の既知サンプルデータに含まれる、前記複数のマーカータンパク質のうちの同種のマーカータンパク質のm/z値同士を比較し、両者の差が予め定められた許容誤差範囲に含まれるm/z値同士を同一グループに分類することによって、該マーカータンパク質に関するm/z値を一つ以上のグループに分割するグループ化部と、
前記複数の既知サンプルデータの各々に含まれる前記マーカータンパク質のm/z値を、前記一つ以上のグループのうちの、該m/z値が分類されたグループに固有の識別子であるグループ識別子に置換することによって学習データを作成する学習データ生成部と、
前記複数のマーカータンパク質のうちの同種のマーカータンパク質については、互いに異なるグループ識別子間の距離はいずれも等価であるとして前記学習データを用いた機械学習を行うことによって判別モデルを作成する判別モデル生成部と、
を備える質量分析データ処理システム。 - 前記既知微生物が、タイプが既知であるアクネ菌であり、
前記複数のマーカータンパク質が、少なくともリボソームタンパク質S8、L13、L15、L23、L27、L6、L7/L12、並びにAntitoxinを含むものであって、
前記判別モデルがアクネ菌のタイプを判別するものである請求項3に記載の質量分析データ処理システム。 - コンピュータを、請求項3又は請求項4に記載の質量分析データ処理システムの各部として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019157607A JP7156213B2 (ja) | 2019-08-30 | 2019-08-30 | 質量分析データ処理方法、質量分析データ処理システム、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019157607A JP7156213B2 (ja) | 2019-08-30 | 2019-08-30 | 質量分析データ処理方法、質量分析データ処理システム、及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021036202A JP2021036202A (ja) | 2021-03-04 |
JP2021036202A5 JP2021036202A5 (ja) | 2022-01-06 |
JP7156213B2 true JP7156213B2 (ja) | 2022-10-19 |
Family
ID=74716809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019157607A Active JP7156213B2 (ja) | 2019-08-30 | 2019-08-30 | 質量分析データ処理方法、質量分析データ処理システム、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7156213B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006522340A (ja) | 2003-04-02 | 2006-09-28 | メルク エンド カムパニー インコーポレーテッド | 質量分析データの分析法 |
JP2007523323A (ja) | 2004-01-30 | 2007-08-16 | サイファージェン バイオシステムズ インコーポレイテッド | スペクトルにおけるシグナルをクラスタにする方法 |
JP2007316063A (ja) | 2006-04-28 | 2007-12-06 | National Institute Of Advanced Industrial & Technology | 細胞の迅速識別方法及び識別装置 |
JP2015184020A (ja) | 2014-03-20 | 2015-10-22 | 株式会社島津製作所 | 微生物の識別方法 |
JP2017211762A (ja) | 2016-05-24 | 2017-11-30 | 富士通株式会社 | データ分類方法、データ分類装置およびデータ分類プログラム |
JP2018155522A (ja) | 2017-03-16 | 2018-10-04 | 株式会社島津製作所 | データ解析装置 |
JP2020153933A (ja) | 2019-03-22 | 2020-09-24 | 株式会社島津製作所 | 微生物の識別方法 |
-
2019
- 2019-08-30 JP JP2019157607A patent/JP7156213B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006522340A (ja) | 2003-04-02 | 2006-09-28 | メルク エンド カムパニー インコーポレーテッド | 質量分析データの分析法 |
JP2007523323A (ja) | 2004-01-30 | 2007-08-16 | サイファージェン バイオシステムズ インコーポレイテッド | スペクトルにおけるシグナルをクラスタにする方法 |
JP2007316063A (ja) | 2006-04-28 | 2007-12-06 | National Institute Of Advanced Industrial & Technology | 細胞の迅速識別方法及び識別装置 |
JP2015184020A (ja) | 2014-03-20 | 2015-10-22 | 株式会社島津製作所 | 微生物の識別方法 |
JP2017211762A (ja) | 2016-05-24 | 2017-11-30 | 富士通株式会社 | データ分類方法、データ分類装置およびデータ分類プログラム |
JP2018155522A (ja) | 2017-03-16 | 2018-10-04 | 株式会社島津製作所 | データ解析装置 |
JP2020153933A (ja) | 2019-03-22 | 2020-09-24 | 株式会社島津製作所 | 微生物の識別方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021036202A (ja) | 2021-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Steinegger et al. | Protein-level assembly increases protein sequence recovery from metagenomic samples manyfold | |
Girard et al. | Identification and typing of the emerging pathogen Candida auris by matrix‐assisted laser desorption ionisation time of flight mass spectrometry | |
Scheuch et al. | RIEMS: a software pipeline for sensitive and comprehensive taxonomic classification of reads from metagenomics datasets | |
Lewis et al. | Support vector machine learning from heterogeneous data: an empirical analysis using protein sequence and structure | |
Poon et al. | Detecting signatures of selection from DNA sequences using Datamonkey | |
Moran-Gilad | Whole genome sequencing (WGS) for food-borne pathogen surveillance and control–taking the pulse | |
Piro et al. | DUDes: a top-down taxonomic profiler for metagenomics | |
JP6899560B2 (ja) | 質量分析データ解析装置及び質量分析データ解析用プログラム | |
JP2004028782A (ja) | 質量分析データの解析方法および質量分析データの解析装置および質量分析データの解析プログラムならびにソリューション提供システム | |
Dou et al. | A comprehensive review of the imbalance classification of protein post-translational modifications | |
US11851704B2 (en) | Deepsimulator method and system for mimicking nanopore sequencing | |
Tomachewski et al. | Ribopeaks: a web tool for bacterial classification through m/z data from ribosomal proteins | |
Ushakov et al. | CPE and CVE based technique for software security risk assessment | |
CN113536770B (zh) | 基于人工智能的文本解析方法、装置、设备及存储介质 | |
JP7156213B2 (ja) | 質量分析データ処理方法、質量分析データ処理システム、及びプログラム | |
Hasan et al. | PredSucc-site: Lysine succinylation sites prediction in proteins by using support vector machine and resolving data imbalance issue | |
Gross et al. | Isotopic composition and accurate mass | |
Vervier et al. | MetaVW: Large-scale machine learning for metagenomics sequence classification | |
Deng et al. | An efficient algorithm for the blocked pattern matching problem | |
US20230410947A1 (en) | Systems and methods for rapid microbial identification | |
JP7268530B2 (ja) | 質量分析データ処理方法、質量分析データ処理システム、及び質量分析データ処理プログラム | |
JP7334549B2 (ja) | 微生物判別方法、微生物判別システム、及び微生物判別プログラム | |
US11990327B2 (en) | Method, system and program for processing mass spectrometry data | |
US11177017B2 (en) | Method of deconvolution of mixed molecular information in a complex sample to identify organism(s) | |
WO2020230397A1 (ja) | 理論質量の外れ値検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190925 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211129 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211129 |
|
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: 20220906 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220919 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7156213 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |