JP7173354B2 - 検出装置、検出方法およびプログラム - Google Patents
検出装置、検出方法およびプログラム Download PDFInfo
- Publication number
- JP7173354B2 JP7173354B2 JP2021536880A JP2021536880A JP7173354B2 JP 7173354 B2 JP7173354 B2 JP 7173354B2 JP 2021536880 A JP2021536880 A JP 2021536880A JP 2021536880 A JP2021536880 A JP 2021536880A JP 7173354 B2 JP7173354 B2 JP 7173354B2
- Authority
- JP
- Japan
- Prior art keywords
- sensor
- unit
- response
- component
- state space
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/403—Cells and electrode assemblies
- G01N27/414—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS
- G01N27/4145—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS specially adapted for biomolecules, e.g. gate electrode with immobilised receptors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/403—Cells and electrode assemblies
- G01N27/414—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS
- G01N27/4146—Ion-sensitive or chemical field-effect transistors, i.e. ISFETS or CHEMFETS involving nanosized elements, e.g. nanotubes, nanowires
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nanotechnology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Description
以下に、本実施の形態1に係る検出装置について図面を参照しながら説明する。図1は、本実施の形態1に係る検出装置の構成を説明するための概略図である。図1に示す検出装置100は、グラフェンFETセンサを用いて検出対象であるタンパク質溶液の濃度を検出する。グラフェンFETセンサは、下地の上に設けられたグラフェン膜を有するFETセンサである。グラフェン膜は、膜の表面で生じる原子、分子の結合、吸着あるいは近接に対して電気的に大きな特性変化を生じる膜である。そのため、当該グラフェン膜を有するグラフェンFETセンサは、イオンセンサ、酵素センサ、DNAセンサ、抗原・抗体センサ、タンパク質センサ、呼気センサ、ガスセンサなどへの応用が期待されている。
状態方程式:xt=G(xt-1,wt)
観測方程式:yt=F(xt,qt,vt)
ここで、xtがセンサ1の変動成分(ドリフト成分)、ytがセンサ1からの信号(測定部10で測定した電流値)、qtが検出する対象であるタンパク質溶液の濃度とセンサ1の応答量との関係を表す応答モデルをそれぞれ示している。wtは、システムノイズを、vtは、観測ノイズをそれぞれ表している。なお、方程式中の各変数(例えば、xtおよびwt)は、ベクトル量であってもよい。例えば、上記の状態方程式において、xt=(xt,xt-1)、xt-1=(xt-1,xt-2)とすることで、二時刻前までの状態を扱うことも可能になる。
状態方程式:xt-xt-1=xt-1-xt-2+wt wt~N(0,σw)
観測方程式:yt=xt+qt+vt vt~N(0,σv)
上記の状態方程式は二階差分モデルと呼ばれ、緩やかな時系列変化xtを表現することができる。センサ1の変動成分は、少しずつ変動するような緩やかなものであると考えられるため、二階差分モデルはより適切な状態方程式である。観測方程式では、緩やかな変動成分と、タンパク質への応答成分と、観測ノイズとを各々足し合わせたものが信号として得られることをモデル化している。
応答モデル:qt=(ct/(10a+ct))・b
ここで、ctは時間tでのタンパク質溶液の濃度、a,bは応答モデルqtのパラメータをそれぞれ示している。上記の式は、ラングミュアの吸着等温式と呼ばれる式で、溶液中の溶質が固体表面に吸着する現象をモデル化した式である。本実施の形態では、タンパク質がセンサ1に吸着することで濃度を検出することができるため、上記の式のラングミュアの吸着等温式を応答モデルqtに適用した。応答モデルqtは、もちろんこれに限定されず、他の非線形関数などでモデル化してもよく、応答モデルqtのパラメータの数についても制限されない。
実施の形態1では、図1に示すように1つのセンサ1が測定部10に接続された検出装置100について説明した。本実施の形態2では、測定部に複数のセンサが接続された検出装置について説明する。図11は、本実施の形態2に係る検出装置200の構成を説明するための概略図である。なお、図11に示す検出装置200のうち、図1に示す検出装置100と同じ構成については同じ符号を付して詳しい説明を繰返さない。
(1)前述の実施の形態おいて、検出装置100,200が学習フェーズ(第1演算フェーズ)で応答モデルqtのパラメータa,bを決定し、予測フェーズ(第2演算フェーズ)で決定した応答モデルqtのパラメータa,bを用いて対象(例えば、タンパク質溶液の濃度c)を求めると説明した。しかし、検出装置100,200は、検出処理を行う度に学習フェーズ(第1演算フェーズ)と予測フェーズ(第2演算フェーズ)とを行ってもよいが、1回の学習フェーズ(第1演算フェーズ)を行った後に、複数回予測フェーズ(第2演算フェーズ)を行ってもよい。例えば、検出装置100,200は、起動時に学習フェーズ(第1演算フェーズ)を1回行い、その後、予測フェーズ(第2演算フェーズ)のみ行い対象(例えば、タンパク質溶液の濃度c)を求めてもよい。また、学習フェーズ(第1演算フェーズ)と予測フェーズ(第2演算フェーズ)とで、異なる検出装置を用いてもよい。
Claims (10)
- センサに基づいて対象を検出する検出装置であって、
前記センサからの信号を測定する測定部と、
前記測定部で測定した信号を前記センサの変動成分と応答成分とに分離する演算部と、を備え、
前記演算部は、
前記センサの変動成分の時系列情報により規定された状態方程式と、前記センサの変動成分と前記センサの応答成分とが分離されて規定される観測方程式とを含む状態空間モデルを用いて解析を行う状態空間モデル解析部と、
前記状態空間モデル解析部で用いる前記状態空間モデルに含まれるパラメータを決定するパラメータ決定部と、を含み、
前記パラメータ決定部で決定したパラメータを用いて、応答成分に対応する対象を求め、
前記状態方程式がx t =G(x t-1 ,w t )で、
前記観測方程式がy t =F(x t ,q t ,v t )であり、
x t が前記センサの変動成分、y t が前記センサからの信号、q t が応答モデル、w t がシステムノイズ、v t が観測ノイズをそれぞれ表している、検出装置。 - 前記演算部での演算フェーズを制御する制御部をさらに備え、
前記制御部において前記演算部での演算フェーズを第1演算フェーズに制御した場合、前記パラメータ決定部は、既知の対象と、当該既知の対象から得られる応答情報とを前記状態空間モデルに適用して、対象と応答成分との関係を表す応答モデルのパラメータを決定し、
前記制御部において前記演算部での演算フェーズを第2演算フェーズに制御した場合、前記状態空間モデル解析部は、前記測定部で測定した信号を前記センサの変動成分と応答成分とに分離し、前記第1演算フェーズで決定した前記応答モデルのパラメータを用いて、応答成分に対応する対象を求める、請求項1に記載の検出装置。 - 前記観測方程式は、前記センサの応答成分が非線形の前記応答モデルである、請求項2に記載の検出装置。
- 前記演算部は、シミュレーションにより前記状態空間モデルの数値計算を行うシミュレーション部をさらに備え、
前記シミュレーション部は、前記第1演算フェーズにおいて前記応答モデルのパラメータをシミュレーションにより算出し、前記第2演算フェーズにおいて前記応答モデルから応答成分に対応する対象をシミュレーションにより求める、請求項3に記載の検出装置。 - 前記シミュレーション部は、マルコフ連鎖モンテカルロ法を用いて前記状態空間モデルの数値計算を行う、請求項4に記載の検出装置。
- 前記センサは、複数のセンサ素子を含むアレイセンサで、
前記演算部は、各々のセンサ素子で測定した信号を前記センサの変動成分と応答成分とにそれぞれ分離する演算を行う、請求項2~請求項5のいずれか1項に記載の検出装置。 - 前記状態空間モデル解析部は、各々のセンサ素子の前記応答モデルのパラメータに異なる事前分布を与える、請求項6に記載の検出装置。
- 前記パラメータ決定部は、各々のセンサ素子に対して前記第1演算フェーズで決定した前記応答モデルのパラメータが所定基準内か否かを判定し、
前記状態空間モデル解析部は、前記所定基準外のパラメータのセンサ素子に対して前記第2演算フェーズの演算を行わない、請求項6または請求項7に記載の検出装置。 - センサからの信号を測定する測定部と、前記測定部で測定した信号を前記センサの変動成分と応答成分とに分離する演算部と、前記演算部での演算フェーズを制御する制御部と、を備え、前記演算部は、前記センサの変動成分の時系列情報により規定された状態方程式と、前記センサの変動成分と前記センサの応答成分とが分離されて規定される観測方程式とを含む状態空間モデルを用いて解析を行う状態空間モデル解析部と、前記状態空間モデル解析部で用いる前記状態空間モデルに含まれるパラメータを決定するパラメータ決定部と、を含む前記センサに基づいて対象を検出する検出装置での検出方法であって、
前記制御部において前記演算部での演算フェーズを第1演算フェーズに制御した場合、前記パラメータ決定部で、既知の対象と、当該既知の対象から得られる応答情報とを前記状態空間モデルに適用して、対象と応答成分との関係を表す応答モデルのパラメータを決定するステップと、
前記制御部において前記演算部での演算フェーズを第2演算フェーズに制御した場合、前記状態空間モデル解析部で、前記測定部で測定した信号を前記センサの変動成分と応答成分とに分離し、前記第1演算フェーズで決定した前記応答モデルのパラメータを用いて、応答成分に対応する対象を求めるステップと、を有し、
前記状態方程式がx t =G(x t-1 ,w t )で、
前記観測方程式がy t =F(x t ,q t ,v t )であり、
x t が前記センサの変動成分、y t が前記センサからの信号、q t が応答モデル、w t がシステムノイズ、v t が観測ノイズをそれぞれ表している、検出方法。 - センサからの信号を測定する測定部と、前記測定部で測定した信号を前記センサの変動成分と応答成分とに分離する演算部と、前記演算部での演算フェーズを制御する制御部と、を備え、前記演算部は、前記センサの変動成分の時系列情報により規定された状態方程式と、前記センサの変動成分と前記センサの応答成分とが分離されて規定される観測方程式とを含む状態空間モデルを用いて解析を行う状態空間モデル解析部と、前記状態空間モデル解析部で用いる前記状態空間モデルに含まれるパラメータを決定するパラメータ決定部と、を含む前記センサに基づいて対象を検出する検出装置の前記演算部で実行するプログラムであって、
前記制御部において前記演算部での演算フェーズを第1演算フェーズに制御した場合、前記パラメータ決定部で、既知の対象と、当該既知の対象から得られる応答情報とを前記状態空間モデルに適用して、対象と応答成分との関係を表す応答モデルのパラメータを決定するステップと、
前記制御部において前記演算部での演算フェーズを第2演算フェーズに制御した場合、前記状態空間モデル解析部で、前記測定部で測定した信号を前記センサの変動成分と応答成分とに分離し、前記第1演算フェーズで決定した前記応答モデルのパラメータを用いて、応答成分に対応する対象を求めるステップと、を実行し、
前記状態方程式がx t =G(x t-1 ,w t )で、
前記観測方程式がy t =F(x t ,q t ,v t )であり、
x t が前記センサの変動成分、y t が前記センサからの信号、q t が応答モデル、w t がシステムノイズ、v t が観測ノイズをそれぞれ表している、プログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019142490 | 2019-08-01 | ||
JP2019142490 | 2019-08-01 | ||
JP2020069205 | 2020-04-07 | ||
JP2020069205 | 2020-04-07 | ||
PCT/JP2020/026837 WO2021020063A1 (ja) | 2019-08-01 | 2020-07-09 | 検出装置、検出方法およびプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021020063A1 JPWO2021020063A1 (ja) | 2021-02-04 |
JPWO2021020063A5 JPWO2021020063A5 (ja) | 2022-03-09 |
JP7173354B2 true JP7173354B2 (ja) | 2022-11-16 |
Family
ID=74230644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021536880A Active JP7173354B2 (ja) | 2019-08-01 | 2020-07-09 | 検出装置、検出方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220146452A1 (ja) |
JP (1) | JP7173354B2 (ja) |
WO (1) | WO2021020063A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016121992A (ja) | 2014-12-19 | 2016-07-07 | スティヒティング・イメック・ネーデルラントStichting IMEC Nederland | ドリフト補償されたイオンセンサ |
JP2018146586A (ja) | 2017-03-07 | 2018-09-20 | エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト | 分析物濃度を決定する方法 |
WO2018207524A1 (ja) | 2017-05-07 | 2018-11-15 | 国立大学法人大阪大学 | 識別方法、分類分析方法、識別装置、分類分析装置および記憶媒体 |
JP2018187479A (ja) | 2011-04-15 | 2018-11-29 | デックスコム・インコーポレーテッド | センサシステム |
JP2019115714A (ja) | 2013-12-16 | 2019-07-18 | メドトロニック・ミニメッド・インコーポレーテッド | 直交冗長センサの信頼性を改善する方法およびシステム |
JP2019505029A5 (ja) | 2016-10-11 | 2019-10-31 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3273298B2 (ja) * | 1995-02-24 | 2002-04-08 | 日本光電工業株式会社 | 炭酸ガス濃度測定装置 |
AU2016338856B2 (en) * | 2015-10-14 | 2021-01-28 | President And Fellows Of Harvard College | Automatically classifying animal behavior |
-
2020
- 2020-07-09 JP JP2021536880A patent/JP7173354B2/ja active Active
- 2020-07-09 WO PCT/JP2020/026837 patent/WO2021020063A1/ja active Application Filing
-
2022
- 2022-01-21 US US17/580,785 patent/US20220146452A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018187479A (ja) | 2011-04-15 | 2018-11-29 | デックスコム・インコーポレーテッド | センサシステム |
JP2019115714A (ja) | 2013-12-16 | 2019-07-18 | メドトロニック・ミニメッド・インコーポレーテッド | 直交冗長センサの信頼性を改善する方法およびシステム |
JP2016121992A (ja) | 2014-12-19 | 2016-07-07 | スティヒティング・イメック・ネーデルラントStichting IMEC Nederland | ドリフト補償されたイオンセンサ |
JP2019505029A5 (ja) | 2016-10-11 | 2019-10-31 | ||
JP2018146586A (ja) | 2017-03-07 | 2018-09-20 | エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト | 分析物濃度を決定する方法 |
WO2018207524A1 (ja) | 2017-05-07 | 2018-11-15 | 国立大学法人大阪大学 | 識別方法、分類分析方法、識別装置、分類分析装置および記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
US20220146452A1 (en) | 2022-05-12 |
JPWO2021020063A1 (ja) | 2021-02-04 |
WO2021020063A1 (ja) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Anderssen et al. | Reducing over-optimism in variable selection by cross-model validation | |
US9910966B2 (en) | System and method of increasing sample throughput | |
US20210018479A1 (en) | Odor sensing apparatus, odor detection method, and computer-readable recording medium | |
WO2020003532A1 (ja) | 学習モデル作成支援装置、学習モデル作成支援方法、及びコンピュータ読み取り可能な記録媒体 | |
JP6228639B2 (ja) | 試料処理量を高めるための内挿センサデータの外挿 | |
Tomic et al. | Standardization methods for handling instrument related signal shift in gas-sensor array measurement data | |
JP7173354B2 (ja) | 検出装置、検出方法およびプログラム | |
Alsaedi et al. | Multivariate limit of detection for non-linear sensor arrays | |
US7200495B2 (en) | Method and apparatus for analyzing spatial and temporal processes of interaction | |
JP7140191B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
Baker et al. | Unscented Kalman filter with parameter identifiability analysis for the estimation of multiple parameters in kinetic models | |
Yi et al. | Dynamic neutron scattering from conformational dynamics. II. Application using molecular dynamics simulation and Markov modeling | |
JP5882043B2 (ja) | 検量線作成装置、検量線作成方法、及びプログラム、並びに濃度定量装置及び濃度定量方法。 | |
JP7074194B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
WO2018097197A1 (ja) | 化学センサ測定による試料識別方法、試料識別装置、及び入力パラメータ推定方法 | |
Deshpande et al. | Development of an insilico model of eccrine sweat using molecular modelling techniques | |
Parastar et al. | Multivariate curve resolution-particle swarm optimization: a high-throughput approach to exploit pure information from multi-component hyphenated chromatographic signals | |
CN107664655B (zh) | 用于表征分析物的方法以及装置 | |
de Brauwere et al. | Refined parameter and uncertainty estimation when both variables are subject to error. Case study: estimation of Si consumption and regeneration rates in a marine environment | |
US20230118020A1 (en) | Data generation apparatus, data generation method, and recording medium | |
Valente et al. | Framework for the Validation of Mechanistic and Hybrid Models as Process Analytical Tools in the Pharmaceutical Industry | |
CN114187971B (zh) | 分子自由能计算、稳定性分析方法、装置、设备及存储介质 | |
JP7205549B2 (ja) | 臭気センサデータ補正装置、臭気センサデータ補正方法、及びプログラム | |
Stanimirovic et al. | Variable selection methods as a tool to find sensor locations for distributed parameter systems | |
WO2020090018A1 (ja) | 臭気センサ検査装置、臭気センサ検査方法、及びコンピュータ読み取り可能な記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211210 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211210 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A801 Effective date: 20211210 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20211210 |
|
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: 20221004 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221017 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7173354 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |