JP7276141B2 - 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム - Google Patents
標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム Download PDFInfo
- Publication number
- JP7276141B2 JP7276141B2 JP2019557052A JP2019557052A JP7276141B2 JP 7276141 B2 JP7276141 B2 JP 7276141B2 JP 2019557052 A JP2019557052 A JP 2019557052A JP 2019557052 A JP2019557052 A JP 2019557052A JP 7276141 B2 JP7276141 B2 JP 7276141B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- expression
- target molecules
- target molecule
- label
- 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
- 238000000034 method Methods 0.000 title claims description 39
- 230000014509 gene expression Effects 0.000 claims description 258
- 238000004458 analytical method Methods 0.000 claims description 85
- 230000010365 information processing Effects 0.000 claims description 82
- 238000001727 in vivo Methods 0.000 claims description 72
- 239000000975 dye Substances 0.000 claims description 60
- 239000007850 fluorescent dye Substances 0.000 claims description 57
- 239000003550 marker Substances 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 47
- 238000009826 distribution Methods 0.000 claims description 27
- 238000005516 engineering process Methods 0.000 description 110
- 210000004027 cell Anatomy 0.000 description 50
- BFMYDTVEBKDAKJ-UHFFFAOYSA-L disodium;(2',7'-dibromo-3',6'-dioxido-3-oxospiro[2-benzofuran-1,9'-xanthene]-4'-yl)mercury;hydrate Chemical compound O.[Na+].[Na+].O1C(=O)C2=CC=CC=C2C21C1=CC(Br)=C([O-])C([Hg])=C1OC1=C2C=C(Br)C([O-])=C1 BFMYDTVEBKDAKJ-UHFFFAOYSA-L 0.000 description 26
- 230000004913 activation Effects 0.000 description 18
- 238000010801 machine learning Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 11
- KZMAWJRXKGLWGS-UHFFFAOYSA-N 2-chloro-n-[4-(4-methoxyphenyl)-1,3-thiazol-2-yl]-n-(3-methoxypropyl)acetamide Chemical compound S1C(N(C(=O)CCl)CCCOC)=NC(C=2C=CC(OC)=CC=2)=C1 KZMAWJRXKGLWGS-UHFFFAOYSA-N 0.000 description 10
- 108090000623 proteins and genes Proteins 0.000 description 9
- 102000004169 proteins and genes Human genes 0.000 description 9
- 238000000926 separation method Methods 0.000 description 9
- 238000012744 immunostaining Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 241000894007 species Species 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000000684 flow cytometry Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 102000036639 antigens Human genes 0.000 description 3
- 108091007433 antigens Proteins 0.000 description 3
- 238000003556 assay Methods 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003365 immunocytochemistry Methods 0.000 description 3
- 238000003364 immunohistochemistry Methods 0.000 description 3
- 230000003834 intracellular effect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000011859 microparticle Substances 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 101000738771 Homo sapiens Receptor-type tyrosine-protein phosphatase C Proteins 0.000 description 2
- 102100037422 Receptor-type tyrosine-protein phosphatase C Human genes 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 201000008274 breast adenocarcinoma Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012921 fluorescence analysis Methods 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 108091006047 fluorescent proteins Proteins 0.000 description 2
- 102000034287 fluorescent proteins Human genes 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000002493 microarray Methods 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 239000012099 Alexa Fluor family Substances 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 102000000905 Cadherin Human genes 0.000 description 1
- 108050007957 Cadherin Proteins 0.000 description 1
- 238000002965 ELISA Methods 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 101150048357 Lamp1 gene Proteins 0.000 description 1
- 108020004711 Nucleic Acid Probes Proteins 0.000 description 1
- 101710172711 Structural protein Proteins 0.000 description 1
- 102000004243 Tubulin Human genes 0.000 description 1
- 108090000704 Tubulin Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000890 antigenic effect Effects 0.000 description 1
- 208000036815 beta tubulin Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000004748 cultured cell Anatomy 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 108010048367 enhanced green fluorescent protein Proteins 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 108020001507 fusion proteins Proteins 0.000 description 1
- 102000037865 fusion proteins Human genes 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 230000002132 lysosomal effect Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000007899 nucleic acid hybridization Methods 0.000 description 1
- 239000002853 nucleic acid probe Substances 0.000 description 1
- 210000003463 organelle Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 235000000346 sugar Nutrition 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 238000012559 user support system Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 238000001262 western blot Methods 0.000 description 1
Images
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
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
-
- 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—Optical investigation techniques, e.g. flow cytometry
- G01N15/1425—Optical investigation techniques, e.g. flow cytometry using an analyser being characterised by its control arrangement
-
- 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—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- 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—Optical investigation techniques, e.g. flow cytometry
- G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
- G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- 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
- 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
- G01N2021/6417—Spectrofluorimetric devices
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Software Systems (AREA)
- Genetics & Genomics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dispersion Chemistry (AREA)
- Molecular Biology (AREA)
- Bioethics (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Signal Processing (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Description
ネットワークを介して、分析対象となる複数の標的分子に関する情報を取得する情報取得部と、
前記複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部と、
前記生成された支援情報を前記ネットワークを介して送信する送信部と、
を有し、
前記発現情報は生体内における発現量に関する情報であり、前記情報処理部は、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度を選択する、
標識選択支援システムを提供する。
また、本技術は、
ネットワークを介して、分析対象となる複数の標的分子に関する情報を取得する情報取得部と、
前記複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部と、
前記生成された支援情報を前記ネットワークを介して送信する送信部と、
を有し、
前記発現情報は生体内における発現分布に関する情報であり、前記情報処理部は、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長を選択する、
標識選択支援システムも提供する。
本技術の一つの実施態様に従い、前記情報処理部が、前記発現情報から、前記標的分子の夫々について、標的分子の量に関するデータをセルに有するデータテーブルを生成するデータテーブル生成部を含みうる。
本技術の一つの実施態様に従い、前記情報処理部が、前記生成されたデータテーブルを参照して、前記標的分子夫々に対して割り当てる標識に関する支援情報を生成する支援情報生成部を含みうる。
本技術の一つの実施態様に従い、前記支援情報生成部が、前記生成されたデータテーブル間の相関関係に基づき、前記支援情報を生成しうる。
本技術の一つの実施態様に従い、前記標識が色素でありうる。
本技術の一つの実施態様に従い、前記標識が蛍光色素であり、前記支援情報生成部が、前記生成されたデータテーブル間の相関関係に基づき、データテーブル間により強い相関関係がある2つの標的分子の夫々により遠い波長を有する蛍光色素が割り当てられるように、前記標的分子の夫々に標識を割り当てうる。
本技術の一つの実施態様に従い、前記標的分子が生体分子でありうる。
本技術の一つの実施態様に従い、前記データテーブル生成部が、標的分子の量に関するデータをセルに有するデータテーブルを各標的分子について生成しうる。
本技術の一つの実施態様において、前記情報処理部が、前記発現情報に加えて、前記標的分子の分析前の処理条件に関するデータをさらに取得しうる。
本技術の一つの実施態様に従い、前記データテーブル生成部が、前記標的分子の分析前の処理条件を項目として含む処理条件データテーブルを各標的分子について生成しうる。
本技術の一つの実施態様に従い、前記情報処理部が、各標的分子について生成された前記処理条件データテーブルを参照して、より多くの標的分子について分析が可能となる処理条件を選択する処理条件選択部をさらに備えていてよい。
本技術の一つの実施態様に従い、前記情報処理部がさらに、前記標的分子を分析するための装置に関する装置情報を取得し、前記装置情報に基づき、データベースから当該装置において使用可能な標識データを取得し、そして、前記標識データに含まれる標識のうちから、標的分子に割り当てられる標識を選択しうる。
前記発現情報は生体内における発現量に関する情報であり、前記情報処理部は、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度を選択する、
標識選択支援装置も提供する。
また、本技術は、分析対象となる複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部を備えており、
前記発現情報は生体内における発現分布に関する情報であり、前記情報処理部は、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長を選択する、
標識選択支援装置も提供する。
標識選択支援システムが、
分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程と
を実行することを含み、
前記発現情報は生体内における発現量に関する情報であり、
前記支援情報生成工程において、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度が選択される、
標識選択支援方法も提供する。
また、本技術は、
標識選択支援システムが、
分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程と
を実行することを含み、
前記発現情報は生体内における発現分布に関する情報であり、
前記支援情報生成工程において、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長が選択される、
標識選択支援方法も提供する。
分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程であって、前記発現情報が発現量に関する情報であるところの前記発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程であって、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度が選択されるところの前記支援情報生成工程と
をコンピュータに実行させるための標識選択支援用プログラムも提供する。
また、本技術は、
分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程であって、前記発現情報が発現分布に関する情報であるところの前記発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程であって、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度が選択されるところの前記支援情報生成工程
をコンピュータに実行させるための標識選択支援用プログラムも提供する。
1.本技術の主な課題及び基本概念
2.第1の実施形態(標識選択支援システム)
(1)第1の実施形態の説明
(2)第1の実施形態の第1の例(標識選択支援システム)
(3)第1の実施形態の第2の例(標識選択支援システム)
(4)第1の実施形態の第3の例(標識選択支援システム)
3.第2の実施形態(標識選択支援装置)
(1)第2の実施形態の説明
(2)第2の実施形態の例(標識選択支援装置)
4.第3の実施形態(標識選択支援方法)
(1)第3の実施形態の説明
(2)第3の実施形態の第1の例(標識選択支援方法)
5.第4の実施形態(標識選択支援用プログラム)
(1)第4の実施形態の説明
(2)第4の実施形態の例(標識選択支援用プログラム)
6.ハードウェア構成例
本技術に従う標識選択支援システムは、前記情報取得部、前記情報処理部、及び前記送信部が1つの装置に組み込まれたシステムであってよく、又は、これら構成要素が、本技術の効果のいずれかを奏するように複数の装置に分散されているシステムであってもよい。
本技術の一つの実施態様に従い、前記情報処理部は、前記生成されたデータテーブルを参照して、前記標的分子夫々に対して割り当てる標識に関する支援情報を生成する支援情報生成部を含みうる。
前記支援情報生成部が、上記のとおりに生成されたデータテーブルを参照して、標的分子夫々に対する標識の割り当てに関する支援情報を生成する。標的分子の分析を行うユーザは、当該支援情報を参照することで、各標的分子の分析に適した標識を簡便に選択することができる。
本技術において、標的分子は特には生体内に存在しうる分子であり、例えば生体分子、薬剤分子、及び有害分子を挙げることができ、より特には生体分子でありうる。生体分子として、例えば核酸、タンパク質、糖類、脂質、及びビタミン類などを挙げることができる。核酸の例として、DNA及びRNAが挙げられる。タンパク質の例として、抗原タンパク質、例えば細胞表面マーカー、抗体、酵素タンパク質、構造タンパク質、及び接着タンパク質が挙げられる。
本技術において、標識は、蛍光色素が結合された抗体も包含する。蛍光色素が結合された抗体を用いた標的分子の分析方法は、蛍光免疫染色とも呼ばれる。蛍光免疫染色には、例えば免疫細胞化学(ICC)及び免疫組織化学(IHC)が包含されうる。ICCでは、組織から分離された細胞又は培養された細胞の染色が行われうる。IHCでは、組織の薄切片内の標的分子が染色されうる。本技術において、好ましくは蛍光免疫染色において用いられる標識、すなわち蛍光色素が結合された抗体、を選択するための支援情報が生成されうる。
前記蛍光免疫染色には、直接蛍光免疫染色法及び間接蛍光免疫染色法が包含される。前者では、蛍光色素が結合した抗体が、標的分子に直接的に結合する。そして、当該蛍光色素を検出することで、標的分子の分析が行われうる。後者では、蛍光色素が結合した抗体(二次抗体ともいう)が、標的分子に特異的に結合した抗体(一次抗体ともいう)に結合する。すなわち、蛍光色素が結合した二次抗体が、標的分子に、一次抗体を介して結合する。
標的分子に割り当てられるべき標識の名称(例えば化合物名)、略称(例えば化合物名の略称)、商品番号、若しくは商品名;
標識が有するべき波長の範囲;
標識が有するべき波長範囲に蛍光波長を有する一つ又は複数の色素のリスト;
標識が有するべき蛍光強度の範囲;
標識が有するべき化学構造;及び
標的分子に割り当てられるべきでない標識又は波長範囲。
本技術において用いられるデータベースの例として以下を挙げることができる。いずれも、インターネット上で公開されているデータベースである。以下のうち、タンパク質発現のデータベースであるGeneCards及び/又はProteomicsDBを用いることがより好ましい
。
GeneCards(商標)(http://www.genecards.org/)
ProteomicsDB(https://www.proteomicsdb.org/proteomicsdb/#overview)
Gene Expression Omnibus (https://www.ncbi.nlm.nih.gov/geo/)
Gene eXpression Database (http://www.informatics.jax.org/expression.shtml)
Expression Atlas (https://www.ebi.ac.uk/gxa/home)
All Of gene Expression (http://aoe.dbcls.jp/)
Reference Expression dataset (http://refex.dbcls.jp/)
本技術において、前記情報処理部は、前記発現情報に加えて、分析条件に関するデータ及び/又は分析装置に関するデータも取得しうる。
前記分析条件に関するデータとしては、前記分析結果を得る為の分析の条件、例えば分析前の処理条件、分析条件、及び分析後の処理条件などを挙げることができる。分析条件に関するデータには、例えば前記標的分子の量に関するデータが得られた場合の分析条件に関するデータが包含される。当該データは、例えば或る分析条件にて分析を行った場合に得られた標的分子の量に関するデータとして取得されてもよい。
前記分析装置に関するデータとして、例えば装置名、装置の種類、装置の操作条件、装置において使用可能な標識の範囲、例えば装置により分析可能な波長範囲など、及び装置において使用可能な試薬の範囲を挙げることができる。
例えば、標的分子が生体分子である場合、前記情報処理部により取得される情報としてとして、例えば以下を挙げることができる:
生体分子の存在量若しくは発現量、発現分布、存在若しくは発現の位置若しくは領域、及び発現の程度;
生体分子を有する生物の種、齢、及び性別;
生体分子を有する生物の疾病の有無、疾病の種類、及び既往歴;
生体分子を発現する臓器又は細胞の種類、源、及び入手方法若しくは培養方法;
データの取得時期(例えば分析データがデータベースに掲載された時期);及び
データの被引用回数(例えば分析データを記載する論文の被引用回数)。
これらの情報のうち1種又は2種以上が、前記情報処理部により取得されてよい。
好ましくは、前記情報処理部により取得される発現情報は、生体内における発現分布又は発現量に関する情報でありうる。
例えば、前記情報処理部により取得される発現情報は生体内における発現量に関する情報であり、前記情報処理部は前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度を選択しうる。
例えば、前記情報処理部により取得される発現情報は生体内における発現分布に関する情報であり、前記情報処理部は前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長を選択しうる。
本技術の他の実施態様に従い、前記情報処理部により取得される発現情報は、標的分子の量に関する情報、及び、標的分子が存在する位置若しくは領域に関する情報を少なくとも含んでもよい。
本技術のさらに他の実施態様に従い、前記情報処理部により取得される発現情報は、標的分子の量に関する情報、標的分子が存在する位置若しくは領域に関する情報、及び標的分子を有する生物種及び/又は細胞種に関する情報を少なくとも含んでもよい。
本技術においてこのような発現情報を用いることで、標識のより適切な割り当てに資する支援情報が生成される。
例えば、複数の標的分子の細胞内分布が異なっていれば、たとえ用いられる蛍光色素の波長が近くても、色の識別が容易である。このことを、図16を参照して説明する。
図16は、5つの色素を用いて蛍光免疫染色されたヒト乳腺癌細胞(MCF7)を共焦点レーザ走査型顕微鏡(Olympus FV1000、×60)により撮影することで得られた写真である。当該蛍光免疫染色では、細胞表面に存在する標的分子E-cadherinに対して蛍光色素BV480、細胞質に存在するβ-tubulinに対してAlexa488、核小体に存在するKi-67に対してAlexa555、ゴルジ体に存在するGM130に対してAlexa647、及びリソソーム顆粒膜に存在するLamp1に対してBV421が用いられた。
図16に示されるとおり、標的分子の細胞内分布が異なっていれば色の識別が容易である。
また、複数の標的分子の細胞内分布が同じでも細胞分布が異なっていれば色の識別が容易である。このことを、図17を参照して説明する。
図17は、4つの色素を用いて蛍光免疫染色されたJurkat細胞を顕微鏡により撮影することで得られた写真である。当該蛍光免疫染色では、標的分子CD3に対して蛍光色素BV480(シアン)、CD45に対してFITC(緑)、CD3に対してAlexa647(赤)、及びCD45に対してPE-Cy5(黄)が用いられた。また、図17の写真のうち右下の写真は明視野での撮影により得られたものである。標的分子はいずれも細胞表面に発現している。
図17に示されるとおり、標的分子のいずれもが細胞表面に発現していても、標的分子を発現する細胞が異なれば、色の識別が容易である。
行項目及び列項目として他のデータが用いられてもよく、例えば前処理条件、特には分析前の処理の種類並びに分析前の処理におけるpH、温度、試薬、及び処理時間などを挙げることができるが、これらに限定されない。
前記情報処理部は、標的分子と標識の組合せの適性について学習した学習済みモデルを利用して前記支援情報を生成してもよい。当該学習済みモデルとして、当業者に既知の手法により生成されたものが用いられてよい。当該学習済みモデルは、例えば、以下「(4)第1の実施形態の第3の例(標識選択支援システム)」で述べるルール群であってよく、又は、「(4)第1の実施形態の第3の例(標識選択支援システム)」で述べる機械学習により生成されてもよい。
本技術の一つの実施態様に従い、前記標識の割り当てに関する支援情報は、前記支援情報生成部が、前記データテーブルを参照して生成しうる。本技術の一つの実施態様に従い、当該支援情報は、標的分子の夫々について生成されたデータテーブル間の相関関係に基づき生成されうる。例えば、前記支援情報生成部は、標的分子のうちの2つについてデータテーブル間の相関係数を取得することを、分析対象となる標的分子の組合せ(好ましくは全ての組合せ)について行い、そして、取得された相関係数に基づき、標識の割り当てに関する支援情報を生成する。
割り当てのルールに関する第1の例は、以下のルール1である。
ルール1:データテーブル間により強い相関関係がある2つの標的分子の夫々により遠い波長を有する蛍光色素が割り当てられるように、標的分子の夫々に対する蛍光色素を選択する。
好ましい実施態様において、当該ルールは、データテーブルの要素が標的分子の量に関するデータであり、且つ、データテーブルの項目の一つが、標的分子が存在する位置若しくは領域及び/又は時期若しくは時間である場合に適用されうる。この実施態様において、標的分子の量及び標的分子が存在する空間及び/又は時間が考慮されるので、より適切な標識が標的分子に割り当てられる。例えば標識が色素である場合、また、この実施態様において、色分離をより容易に行うことを可能とする蛍光色素が標的分子に割り当てられる。この実施態様は、例えば蛍光顕微鏡による標的分子の観察又は各種アレイによる標的分子の分析に適している。
他の好ましい実施態様において、当該ルールは、データテーブルの要素が標的分子の量に関するデータであり、且つ、データテーブルの項目の一つが、標的分子が存在する生物種及び/又は細胞種である場合に適用されうる。この実施態様において、標的分子の量及び標的分子が存在する生物及び/又は細胞が考慮されるので、より適切な標識が標的分子に割り当てられる。例えば、標識が蛍光色素である場合、この実施態様において、標的分子の量及び標的分子が存在する生物種及び/又は細胞種が考慮されるので、より適切な標識が標的分子に割り当てられる。また、この実施態様において、色分離をより容易に行うことを可能とする蛍光色素が標的分子に割り当てられる。この実施態様は、例えばフローサイトメトリーによる標的分子の分析に適している。
割り当てのルールに関する第2の例は、以下のルール2~4のセットである。
ルール2:データテーブル間に正の相関関係を有する2つの標的分子について、より強い相関関係を有する標的分子の夫々に、より遠い波長を有する蛍光色素が割り当てられるように、標的分子の夫々に対する蛍光色素を選択する。
ルール3:データテーブル間に負の相関関係を有する2つの標的分子については、既に割り当てられた蛍光色素以外の蛍光色素を割り当ててよい。ただし、ルール3により割り当てられる蛍光色素は、既に割り当てられた蛍光色素の波長と所定波長以上離れているものとする。
ルール4:ルール2がルール3に対して優先する。
ルール3により割り当てられる蛍光色素は、既に割り当てられた蛍光色素の波長と所定波長以上離れているので、スペクトルの重なりが減少されて、色分離がより容易に行われうる。
ルール4により、ルール2がルール3に優先するので、より強い正の相関関係を有する2つの標的分子に対して優先的に蛍光色素が割り当てられる。その結果、より適切な割り当てが可能となる。
本技術の一つの実施態様に従い、正の相関関係を有する標的分子に対する標識の割り当てが、負の相関関係を有する標的分子に対する標識の割り当てに優先して行われうる。すなわち、支援情報生成部は、正の相関関係を有する2つの標的分子に対して優先的に標識を割り当てうる。これにより、より適切な標識を選択することが可能となる。
割り当てのルールに関する第3の例は、以下のルール5~7のセットである。
ルール5:データテーブル間に正の相関関係を有する標的分子の数で、所定の波長領域を分け、分けられた波長範囲のそれぞれから1つずつ選択された蛍光色素を、当該標的分子のそれぞれに割り当てる。
ルール6:データテーブル間に負の相関関係を有する2つの標的分子については、既に割り当てられた蛍光色素以外の蛍光色素を割り当ててよい。ただし、ルール6により割り当てられる蛍光色素は、既に割り当てられた蛍光色素の波長と所定波長以上離れているものとする。
ルール7:ルール5がルール6に対して優先する。
ルール6により、上記でルール3に関して述べたとおりの標識選択が行われうる。ルール7により、正の相関関係を有する2つの標的分子に対して優先的に蛍光色素が割り当てられるので、より適切な割り当てが可能となる。
ルール5において、或る波長範囲に複数の蛍光色素が属する場合に、当該複数の蛍光色素のうちからどの蛍光色素を選択するかは、例えば以下のルールのいずれかに従い決定されうる。
ルール5-1:(標的分子の量)×(蛍光色素の蛍光強度)の値が最大となるように、蛍光色素が選択される。
ルール5-2:(標的分子の量)×(蛍光色素の蛍光強度)の値が所定の数値範囲内に入るように、蛍光色素が選択される。
ルール5-3:(標的分子の量)×(蛍光色素の蛍光強度)の値が所定の数値範囲内に入り、且つ、当該値が当該範囲内で最大若しくは最小となるように又は当該範囲の中央に最も近くなるように、蛍光色素が選択される。
以上のルール5-1~5-3によって、適切な標識の絞込みができる。ルール5-1~5-3によって、例えば標識候補が複数存在する場合に、より少数の標識、例えば1つの標識だけを選択することができる。
例えば、ルール5-1~5-3は、分析対象となる標的分子が1つだけである場合に適用することができる。また、ルール5-1~5-3は、上記ルール3において、既に割り当てられた蛍光色素以外の蛍光色素を割り当てる場合、又は、下記ルール8において、或る波長範囲から1つの蛍光色素を選択する場合に適用されてもよい。
標的分子の量(例えば発現量)に関するデータ及び蛍光色素の蛍光強度に関するデータは、いずれもデータベースより取得可能である。また、(標的分子の発現量)×(蛍光色素の蛍光強度)の値自体を、データベースより取得してもよい。これらのデータは、情報処理部により取得されうる。
割り当てのルールに関する第4の例は、以下のルール8~11のセットである。
ルール8:データテーブル間に正の相関関係を有する標的分子の数で、所定の波長領域を分け、分けられた波長範囲のそれぞれから1つずつ選択された蛍光色素を、当該標的分子のそれぞれに割り当てる。
ルール9:ルール8において、より強い正の相関関係を有する2つの標的分子について、より離れた波長範囲から蛍光色素が選択されるものとする。
ルール10:データテーブル間に負の相関関係を有する2つの標的分子については、既に割り当てられた蛍光色素以外の蛍光色素を割り当ててよい。ただし、ルール2により割り当てられる蛍光色素は、既に割り当てられた蛍光色素の波長と所定波長以上離れているものとする。
ルール11:ルール8がルール10に対して優先する。
割り当てのルールに関する第5の例は、以下のルール12である。
ルール12:データテーブル間に正の相関関係を有する標的分子の数で、所定の波長領域を分け、分けられた波長範囲のそれぞれに属する複数の蛍光色素を、標的分子に対する標識候補として提示する。
割り当てのルールに関する第6の例は、以下のルール13である。
ルール13:或る標的分子に対しては、所定の蛍光色素を標識候補として提示しない。
例えば蛍光色素が標的分子の物性に悪影響を及ぼすなどの理由により、標的分子の標識に用いられるべきでない蛍光色素もある。このような場合には、ルール13が用いられうる。
割り当てのルールに関する第7の例は、以下のルール14である。
ルール14:或る標的分子に対しては、所定の蛍光色素を必ず選択する。
ユーザが或る標的分子に対して使用することを既に決定している蛍光色素がある場合には、ルール14が用いられうる。ルール14が適用される場合には、当該既に決定された蛍光色素の蛍光波長から所定範囲内の波長を有する蛍光色素は、標識候補から除外されうる。
図1は、本技術に従う標識選択支援システムを使用している状況の一例を示す模式図である。図1において、標識選択支援システム100は、ネットワーク101を介して、ユーザ端末102及びデータベース103に接続されている。
図2は、標識選択支援システム100のブロック図である。標識選択支援システム100は、情報取得部201、情報処理部202、及び送信部206を備えている。情報処理部202は、発現情報取得部203、データテーブル生成部204、及び支援情報生成部205を含む。なお、図2において、ネットワーク101は省略されている。
また、当該画面には、標的分子を分析するために用いられる装置の名称を入力する欄が設けられていてもよい。標的分子の名称に加えて、装置の名称を入力したうえで、送信ボタンをクリックすることに応じて、端末102は、標的分子の名称及び装置の名称に関する情報を標識選択支援システム100に送信する。
また、情報取得部201は、当該標的分子の名称に加えて当該装置の名称を、ネットワーク101を介して取得してもよい。
検索されるデータベースは、例えば情報処理部202が、当該標的分子の名称に応じて選択しうる。又は、検索されるデータベースは、標的分子の分析を行うユーザにより予め選択されてもよい。
また、情報処理部202は、当該装置の名称をキーとして、データベース103を検索しうる。当該検索によって、情報処理部202は、データベース103から、当該装置において使用可能な標識のデータを取得しうる。
当該データテーブルは、例えば以下のように生成される。
例えば或るデータベースより、分子1(Molecule 1)の細胞A~細胞F(Cell A~Cell F)における発現量のデータが、発現情報取得部203により取得される。図4上部のAの表が、各細胞種における発現量を示す。例えば、図4Aに示されるとおり、細胞Aにおける分子1の発現量データとして1×102という値が取得される。また、当該データベース又は当該データベースとは異なるデータベースより、細胞Aの種々の細胞領域における発現の程度を5段階で示すデータが取得される。図4中段のBの表が、各細胞領域における発現の程度を示す。例えば細胞Aの形質膜(Plasma membrane)における分子1の発現の程度は5である。なお、図4では、細胞B~Fに関する発現の程度は省略されている。上記のとおり取得された発現量のデータに発現の程度のデータを乗ずることで、図4下部のCに記載のデータテーブルが生成される。
図5には、分子2について同様に取得された発現量データ及び種々の細胞領域における発現の程度を示すデータ、並びに、同様に生成されたデータテーブルが示されている。
割り当てられる標識は、例えば、情報処理部202によって取得された、前記装置において使用可能な標識のうちから選択されうる。装置情報が使用可能でない場合は、例えば予め情報処理部に格納されている色素リストのうちから、割り当てられる標識が選択されうる。当該色素リストは、例えば可視光領域に蛍光波長を有する市販入手可能な蛍光色素のリストでありうる。
図6に記載の分子1及び2に関するグラフはそれぞれ、図4及び5に記載のデータテーブルを3次元マトリックス状に表したものである。図6のうち、分子3及び4に関するグラフは、分子1及び2に関するグラフと同様に、分子3及び4についてデータテーブルを生成し、そして当該データテーブルを3次元マトリックス状に表したものである。分子3及び4のデータテーブルは、後述する図7に示されている。分子3及び4のデータテーブルも、分子1及び2と同様に生成されたものである。
ルール1:正の相関の分子間では、相関係数の高い順に蛍光波長の遠い色素を割り当てる。
ルール2:負の相関の分子間では、蛍光波長の近い色素を利用できる。
分子1及び3、分子1及び4、分子2及び3、分子2及び4、並びに分子3及び4の間には負の相関がある。
支援情報生成部205は、ルール1及び2に従い、例えば以下に述べる実施態様のとおりに、色素割り当ての支援情報を生成する。
次に、支援情報生成部205は、分子1及び2に対して割り当てられた色素以外の色素のうちから、分子3及び4に対する色素が割り当てられるべきであるとの支援情報を生成する。
ここで、支援情報生成部205が参照する色素データベースに含まれる色素は、予め、所定の波長範囲内の波長を有する色素の群に分類されている。例えば、可視光領域の波長が例えば2~20、3~15、又は4~10などの複数の範囲に分けられており、複数の色素が、その色素の蛍光波長によって当該複数の範囲に分類されている。波長範囲の区分けのより具体的な例は、例えば380~430nm(紫)、430~490nm(青)、490~550nm(緑)、550~590nm(黄)、590~640nm(橙)、及び640~770nm(赤)でありうる。このように区分けされた波長範囲のそれぞれに、蛍光波長によって複数の色素が予め分類され、複数の色素群を形成していてよい。
支援情報生成部205は、波長範囲の最も遠い2つの色素群(例えば紫の群及び赤の群)から、分子1及び2に対してそれぞれ色素が選択されるべきであるとの支援情報を生成する。又は、支援情報生成部205は、波長範囲の最も遠い2つの色素群のそれぞれに属する色素から1つずつ色素を選択して得られる色素の組合せを支援情報として生成してもよい。
次に、支援情報生成部205は、分子1及び2に対して選択されるべきであると提示された上記2つの色素群以外の色素群に属する色素のうちから、分子3及び4に対する色素が割り当てられるべきであるとの支援情報を生成する。
処理条件選択部を含むことで、複数の分子についてより適切な処理条件がユーザに提示することが可能となる。その結果、ユーザはより簡便に処理条件を選択することができる。
図1は、上記「(2)第1の実施形態の第1の例(標識選択支援システム)」において説明したものと同じである。
図9は、上記「(2)第1の実施形態の第1の例(標識選択支援システム)」において説明した図2の標識選択支援システム100に処理条件選択部307が追加されたものである。
上記画面を端末102に表示させるためのデータは、例えば標識選択支援システム100の送信部306により行われうる。当該データは、例えば情報処理部302内に格納されていてよい。
前処理条件に関するデータテーブルの例を図10に示す。図10に示されるとおり、前処理条件に関するデータテーブルは、分子1~4のそれぞれについて、例えば以下のとおりに作成される。
例えば或るデータベースより、分子1の分析の前処理の条件としてpH及び温度、並びに、当該前処理による賦活化(特には抗原の賦活化)の程度が、発現情報取得部303により取得される。賦活化の程度は、0~5の6段階で表されており、0は賦活化されなかったことを意味し、1が賦活化の程度が最も弱く、1から5の順に賦活化の程度がより強くなり、5が賦活化の程度が最も強いことを意味する。当該取得されたデータから、図10に示されるとおりのデータテーブルが生成される。同様に、分子2~4についても、図10に示されるとおりのデータテーブルが生成される。当該データテーブルは、pH及び温度を項目とし且つ賦活化の程度を各セルに有するデータテーブルである。
例えば、図10において、生成された分子1~4についてのデータテーブルのうち、全ての分子の賦活化の程度が1以上である場合(すなわち賦活化された場合)の処理条件が温度60℃且つpH5~10の場合、温度70℃且つpH4~6の場合、及び、温度80℃且つpH4の場合である。よって、これらの処理条件によって、分子1~4の全てが賦活化される。
この実施態様において、発現量が少ない分子がより強く賦活化される処理条件が選択されるので、処理後の分析において、分子1~4についての蛍光分析において検出される蛍光強度のばらつきが抑制されるという効果が奏される。例えば、複数の蛍光色素を用いるフローサイトメトリーでは、当該複数の蛍光色素から発せられる蛍光の強度は所定範囲内にある必要がある。そのため、この実施態様は、特にフローサイトメトリーに用いられる蛍光色素の選択に適している。
すなわち、上記で述べたとおり、処理条件選択部307によって、分子1の賦活化の程度が最も大きくなる前処理条件として、温度70℃且つpH6という条件が選択される。この場合、分子1~4の賦活化の程度は、図10に示されるとおり、それぞれ3、3、3、及び1である。また、分子1~4の発現量の最大値は、図7に示されるとおり、それぞれ5×102、3×103、5×103、及び1×104である。そこで、例えば、支援情報生成部305は、(発現量)×(賦活化の程度)×(色素の蛍光強度)の値の分子間での差がより小さくなるように標的分子に色素を割り当てる。これにより、分子1~4の一括分析に適した色素が選択される。当該割当の例を、図11を参照して説明する。
以上のとおり、支援情報生成部305は、(発現量)×(賦活化の程度)×(色素の蛍光強度)の値の分子間での差をより小さくするために、分子1にはPEが割り当てられ、分子2にはBV711が割り当てられ、分子3にはBV480が割り当てられ、且つ、分子4にはBV605が割り当てられるべきであるとの支援情報を生成する。
また、本技術の一つの実施態様において、前記支援情報生成部は、標的分子に関する情報及び当該標的分子の分析に関する情報に基づき生成された分類器によって、支援情報の生成ルールを決定する支援情報生成ルール決定部をさらに含みうる。
本技術において、支援情報生成ルールとして、例えば上記「(1)第1の実施形態の説明」、「(2)第1の実施形態の第1の例(標識選択支援システム)」、及び「(3)第1の実施形態の第2の例(標識選択支援システム)」で述べたルールを挙げることができるが、これらに限定されない。
また、本技術の一つの実施態様に従い、前記機械学習に用いられる学習データには、本技術に従い生成された支援情報に対するユーザの評価が含まれてもよい。当該ユーザの評価は、例えば、当該支援情報に基づいて分析を行ったか若しくは行わなかったか、当該支援情報が参考になったか若しくはならなかったか、又は、当該支援情報に基づいて分析を行った結果所望の結果が得られたか若しくは得られなかったかなどでありうる。このようなユーザの評価が分類器に反映されることで、より適切な支援情報を生成することが可能となる。
図1は、上記「(2)第1の実施形態の第1の例(標識選択支援システム)」において説明したものと同じである。
図12は、上記「(2)第1の実施形態の第1の例(標識選択支援システム)」において説明した図2の標識選択支援システム100に、データテーブル生成ルール決定部407及び支援情報生成ルール決定部408が追加されたものである。図12は、データテーブル生成ルール決定部407及び支援情報生成ルール決定部408はそれぞれデータテーブル生成部404及び支援情報生成部405に備えられている態様を示すが、データテーブル生成ルール決定部407及び支援情報生成ルール決定部408は、データテーブル生成部404及び支援情報生成部405から独立して備えられていてもよい。
当該分類器は、予め設定されたデータテーブル生成ルール、及び/又は、データベース中の情報を学習データとして用いた機械学習によって当該データテーブル生成ルールを更新して得られたデータテーブル生成ルールを有していてよい。さらに、当該分類器は、データベース中の情報を学習データとして用いた機械学習により新たに得られたデータテーブル生成ルールを有していてもよい。
当該データテーブル生成ルールは、例えばデータテーブルのセル中のデータの種類の選択及び/又はデータテーブルの項目の選択に関するルールでありうる。データテーブルのセル中のデータの種類は、例えば上記で述べた発現量、発現の程度、及び賦活化の程度などを挙げることができる。データテーブルの項目は、例えば発現の位置若しくは領域、細胞種若しくは生物種、分析条件、分析に用いた装置若しくは試薬、分析の前に行われた処理条件、又は分析後に行われた処理条件などを挙げることができる。
当該機械学習は、当技術分野で既知の手法により行われてよい。機械学習の手法として、例えばロジスティック回帰分析、サポートベクターマシン、及びニューラルネットなどを挙げることができる。
標的分子に関する情報は、上記「(1)第1の実施形態の説明」において述べたとおりである。
当該標的分子の分析に関する情報は、例えば上記「(1)第1の実施形態の説明」において述べた「標的分子の分析結果、分析条件、及び分析装置に関するデータ」から選ばれる。
当該分類器は、予め設定された支援情報生成ルール、及び/又は、データベース中の情報を学習データとして用いた機械学習によって当該支援情報生成ルールを更新して得られた支援情報生成ルールを有していてよい。さらに、当該分類器は、データベース中の情報を学習データとして用いた機械学習により新たに得られた支援情報生成ルールを有していてもよい。
当該支援情報生成ルールとして、例えばデータテーブルの参照の仕方に関するルール、どの標的分子から標識の割り当てを行うかに関するルール、割り当てられる標識の選択に関するルール、前処理条件の参照の仕方に関するルール、相関係数の算出の仕方に関するルール、及び重み付けの仕方に関するルールを挙げることができるが、これらに限定されない。
当該機械学習は、当技術分野で既知の手法により行うことができる。機械学習の手法として、例えばロジスティック回帰分析、サポートベクターマシン、及びニューラルネットなどを挙げることができる。
標的分子に関する情報は、上記「(1)第1の実施形態の説明」において述べたとおりである。
当該標的分子の分析に関する情報は、例えば上記「(1)第1の実施形態の説明」において述べた「標的分子の分析結果、分析条件、及び分析装置に関するデータ」でありうる。
図1は、上記「2.第1の実施形態(標識選択支援システム)」において説明したとおりである。
図14は、本技術に従う標識選択支援方法のフローの一例を示す図である。
当該画面には、標的分子を分析するために用いられる装置の名称を入力する欄が設けられていてもよい。標的分子の名称に加えて、装置の名称を入力したうえで、送信ボタンをクリックすることに応じて、端末102は、標的分子の名称及び装置の名称に関する情報を標識選択支援システム100に送信する。
すなわち、本技術に従う標識選択支援用プログラムは、本技術に従う標識選択支援方法をコンピュータに実行させるためのプログラムである。当該プログラムにより実行される各工程は、上記「4.第3の実施形態(標識選択支援方法)」において述べたとおりであるので、これらについての説明は省略する。
CPU1002は、情報処理装置1001の制御及び演算を行う。CPU1002として、任意のプロセッサを用いることができ、その例としてXeon(登録商標)シリーズ、Core(商標)シリーズ、又はAtom(商標)シリーズのプロセッサを挙げることができる。図2を参照して説明した標識選択支援システム100の各構成要素は例えばCPU1002により実現されうる。
RAM1003は、例えばキャッシュ・メモリ及びメイン・メモリを含み、CPU1002により使用されるプログラムなどを一時記憶しうる。
ディスク1004には、オペレーティング・システム(例えば、WINDOWS(登録商標)、UNIX(登録商標)、又はLINUX(登録商標)など)、本技術に従う標識選択支援用プログラム及び他の種々のプログラム、並びに各種データが格納されうる。
通信装置1006は、情報処理装置1001をネットワーク1010に有線又は無線で接続する。通信装置1006は、ネットワーク1010を介して、データベース及び端末との通信を可能とする装置である。通信装置1006の種類は当業者により適宜選択されてよい。
出力装置1007は、情報処理装置1001による処理結果を出力しうる。出力装置1007として、ディスプレイなどの表示装置、スピーカなどの音声出力装置、又はプリンタを挙げることができるが、これらに限定されない。
入力装置1008は、ユーザ(例えば標識選択支援システムの管理者など)が情報処理装置1001を操作するための装置である。入力装置1008として、例えばマウス及びキーボードを挙げることができるが、これらに限定されない。
ドライブ1009は、記録媒体に記録されている情報を読み出して、RAM1003に出力すること及び/又は記録媒体に各種データを書き込むことができる。記録媒体は、例えば、DVDメディア、フラッシュメモリ、又はSDメモリカードであるが、これらに限定されない。
〔1〕ネットワークを介して、分析対象となる複数の標的分子に関する情報を取得する情報取得部と、
前記複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部と、
前記生成された支援情報を前記ネットワークを介して送信する送信部と、
を有する標識選択支援システム。
〔2〕前記発現情報は生体内における発現分布及び/又は発現量に関する情報である、〔1〕の標識選択支援システム。
〔3〕前記発現情報は生体内における発現量に関する情報であり、前記情報処理部は前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度を選択する、〔1〕の標識選択支援システム。
〔4〕前記発現情報は生体内における発現分布に関する情報であり、前記情報処理部は前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長を選択する、〔1〕の標識選択支援システム。
〔5〕前記情報処理部は空間的に近接する複数の標的分子に対して、蛍光波長スペクトルの遠い蛍光色素をそれぞれ割り当てる、〔1〕~〔4〕のいずれか一つである標識選択支援システム。
〔6〕前記情報処理部は、標的分子と標識の組合せの適性について学習した学習済みモデルを利用して前記支援情報を生成する、〔1〕~〔5〕のいずれか一つである標識選択支援システム。
〔7〕前記情報処理部が、前記発現情報から、前記標的分子の夫々についてデータテーブルを生成するデータテーブル生成部を含む、〔1〕~〔6〕のいずれか一つの標識選択支援システム。
〔8〕前記情報処理部が、前記生成されたデータテーブルを参照して、前記標的分子夫々に対して割り当てる標識に関する支援情報を生成する支援情報生成部を含む、〔7〕の標識選択支援システム。
〔9〕前記支援情報生成部が、前記生成されたデータテーブル間の相関関係に基づき、前記支援情報を生成する、〔8〕の標識選択支援システム。
〔10〕前記標識が色素である、〔1〕~〔9〕のいずれか一つの標識選択支援システム。
〔11〕前記標識が蛍光色素であり、
前記支援情報生成部が、前記生成されたデータテーブル間の相関関係に基づき、データテーブル間により強い相関関係がある2つの標的分子の夫々により遠い波長を有する蛍光色素が割り当てられるように、前記標的分子の夫々に標識を割り当てる、
〔8〕~〔10〕のいずれか一つの標識選択支援システム。
〔12〕前記データテーブル生成部が、標的分子に関する情報及び当該標的分子の分析に関する情報に基づき生成された分類器によってデータテーブルの生成ルールを決定するデータテーブル生成ルール決定部をさらに含む、〔7〕~〔11〕のいずれか一つの標識選択支援システム。
〔13〕前記支援情報生成部が、標的分子に関する情報及び当該標的分子の分析に関する情報に基づき生成された分類器によって支援情報の生成ルールを決定する支援情報生成ルール決定部をさらに含む、〔8〕~〔12〕のいずれか一つの標識選択支援システム。
〔14〕前記標的分子が生体分子である、〔1〕~〔13〕のいずれか一つの標識選択支援システム。
〔15〕前記データテーブル生成部が、標的分子の量に関するデータをセルに有するデータテーブルを各標的分子について生成する、〔7〕~〔14〕のいずれか一つの標識選択支援システム。
〔16〕前記情報処理部が、前記発現情報に加えて、生体分子の分析前の処理条件に関するデータも取得する、〔1〕~〔15〕のいずれか一つの標識選択支援システム。
〔17〕前記データテーブル生成部が、生体分子の分析前の処理条件を項目として含む処理条件データテーブルを各生体分子について生成する、〔7〕~〔16〕のいずれか一つの標識選択支援システム。
〔18〕前記情報処理部が、各生体分子について生成された前記処理条件データテーブルを参照して、より多くの生体分子について分析が可能となる処理条件を選択する処理条件選択部をさらに備えている、〔17〕の標識選択支援システム。
〔19〕前記情報処理部がさらに、
前記標的分子を分析するための装置に関する装置情報を取得し、
当該装置情報に基づき、データベースから当該装置において使用可能な標識データを取得し、そして
前記標識データに含まれる標識のうちから、標的分子に割り当てられる標識を選択する、
〔1〕~〔18〕のいずれか一つの標識選択支援システム。
〔20〕分析対象となる複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部を備えている標識選択支援装置。
〔21〕分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程と
を含む標識選択支援方法。
〔22〕分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程と
をコンピュータに実行させるための標識選択支援用プログラム。
101 ネットワーク
102 端末
201 情報取得部
202 情報処理部
203 発現情報取得部
204 データテーブル生成部
205 支援情報生成部
206 送信部
Claims (19)
- ネットワークを介して、分析対象となる複数の標的分子に関する情報を取得する情報取得部と、
前記複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部と、
前記生成された支援情報を前記ネットワークを介して送信する送信部と、
を有し、
前記発現情報は生体内における発現量に関する情報であり、前記情報処理部は、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度を選択する、
標識選択支援システム。 - ネットワークを介して、分析対象となる複数の標的分子に関する情報を取得する情報取得部と、
前記複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部と、
前記生成された支援情報を前記ネットワークを介して送信する送信部と、
を有し、
前記発現情報は生体内における発現分布に関する情報であり、前記情報処理部は、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長を選択する、
標識選択支援システム。 - 前記情報処理部が、前記発現情報から、前記標的分子の夫々について、標的分子の量に関するデータをセルに有するデータテーブルを生成するデータテーブル生成部を含む、請求項1に記載の標識選択支援システム。
- 前記情報処理部が、前記生成されたデータテーブルを参照して、前記標的分子夫々に対して割り当てる標識に関する支援情報を生成する支援情報生成部を含む、請求項3に記載の標識選択支援システム。
- 前記支援情報生成部が、前記生成されたデータテーブル間の相関関係に基づき、前記支援情報を生成する、請求項4に記載の標識選択支援システム。
- 前記標識が色素である、請求項1~5のいずれか一項に記載の標識選択支援システム。
- 前記標識が蛍光色素であり、
前記支援情報生成部が、前記生成されたデータテーブル間の相関関係に基づき、データテーブル間により強い相関関係がある2つの標的分子の夫々により遠い波長を有する蛍光色素が割り当てられるように、前記標的分子の夫々に標識を割り当てる、
請求項4に記載の標識選択支援システム。 - 前記標的分子が生体分子である、請求項1~7のいずれか一項に記載の標識選択支援システム。
- 前記データテーブル生成部が、標的分子の量に関するデータをセルに有するデータテーブルを各標的分子について生成する、請求項3に記載の標識選択支援システム。
- 前記情報処理部が、前記発現情報に加えて、前記標的分子の分析前の処理条件に関するデータも取得する、請求項1~9のいずれか一項に記載の標識選択支援システム。
- 前記データテーブル生成部が、前記標的分子の分析前の処理条件を項目として含む処理条件データテーブルを各標的分子について生成する、請求項3に記載の標識選択支援システム。
- 前記情報処理部が、各標的分子について生成された前記処理条件データテーブルを参照して、より多くの標的分子について分析が可能となる処理条件を選択する処理条件選択部をさらに備えている、請求項11に記載の標識選択支援システム。
- 前記情報処理部がさらに、
前記標的分子を分析するための装置に関する装置情報を取得し、
当該装置情報に基づき、データベースから当該装置において使用可能な標識データを取得し、そして
前記標識データに含まれる標識のうちから、標的分子に割り当てられる標識を選択する、
請求項1~12のいずれか一項に記載の標識選択支援システム。 - 分析対象となる複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部を備えており、
前記発現情報は生体内における発現量に関する情報であり、前記情報処理部は、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度を選択する、
標識選択支援装置。 - 分析対象となる複数の標的分子に関する情報を用いて、標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得し、前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する情報処理部を備えており、
前記発現情報は生体内における発現分布に関する情報であり、前記情報処理部は、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長を選択する、
標識選択支援装置。 - 標識選択支援システムが、
分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程と
を実行することを含み、
前記発現情報は生体内における発現量に関する情報であり、
前記支援情報生成工程において、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度が選択される、
標識選択支援方法。 - 標識選択支援システムが、
分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程と
を実行することを含み、
前記発現情報は生体内における発現分布に関する情報であり、
前記支援情報生成工程において、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光波長が選択される、
標識選択支援方法。 - 分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程であって、前記発現情報が発現量に関する情報であるところの前記発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程であって、前記標的分子の発現量に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度が選択されるところの前記支援情報生成工程
をコンピュータに実行させるための標識選択支援用プログラム。 - 分析対象となる複数の標的分子に関する情報を用いて、前記標的分子の生体内における発現情報を格納するデータベースから前記複数の標的分子の生体内における発現情報を取得する発現情報取得工程であって、前記発現情報が発現分布に関する情報であるところの前記発現情報取得工程と、
前記発現情報に基づき前記複数の標的分子それぞれに対する標識の割り当てに関する支援情報を生成する支援情報生成工程であって、前記標的分子の発現分布に関する情報に基づき、前記標的分子に対して割り当てる標識の蛍光強度が選択されるところの前記支援情報生成工程
をコンピュータに実行させるための標識選択支援用プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023073927A JP2023109772A (ja) | 2017-11-29 | 2023-04-28 | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017228662 | 2017-11-29 | ||
JP2017228662 | 2017-11-29 | ||
PCT/JP2018/038024 WO2019106973A1 (ja) | 2017-11-29 | 2018-10-12 | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023073927A Division JP2023109772A (ja) | 2017-11-29 | 2023-04-28 | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019106973A1 JPWO2019106973A1 (ja) | 2020-10-01 |
JP7276141B2 true JP7276141B2 (ja) | 2023-05-18 |
Family
ID=66664991
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019557052A Active JP7276141B2 (ja) | 2017-11-29 | 2018-10-12 | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム |
JP2023073927A Pending JP2023109772A (ja) | 2017-11-29 | 2023-04-28 | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023073927A Pending JP2023109772A (ja) | 2017-11-29 | 2023-04-28 | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム |
Country Status (5)
Country | Link |
---|---|
US (2) | US11551783B2 (ja) |
EP (1) | EP3579238A4 (ja) |
JP (2) | JP7276141B2 (ja) |
CN (1) | CN110178013B (ja) |
WO (1) | WO2019106973A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4187247A4 (en) * | 2020-07-21 | 2024-01-10 | Sony Group Corporation | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING SYSTEM AND INFORMATION PROCESSING METHOD AND PROGRAM |
CN116194756A (zh) * | 2020-07-21 | 2023-05-30 | 索尼集团公司 | 信息处理系统和信息处理方法 |
JP2022044213A (ja) * | 2020-09-07 | 2022-03-17 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2022264539A1 (ja) * | 2021-06-17 | 2022-12-22 | ソニーグループ株式会社 | 情報処理システム、情報処理方法及び蛍光体構造体 |
WO2023136201A1 (ja) * | 2022-01-17 | 2023-07-20 | ソニーグループ株式会社 | 情報処理装置及び情報処理システム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003083894A (ja) | 2001-09-14 | 2003-03-19 | Sumitomo Electric Ind Ltd | 蛍光値補正方法、蛍光値補正装置、蛍光値補正プログラム及び前記蛍光値補正プログラムを記録した記録媒体 |
JP2014506122A (ja) | 2010-12-07 | 2014-03-13 | ライフ テクノロジーズ コーポレーション | バーチャル細胞染色システム |
JP2016517000A (ja) | 2013-03-15 | 2016-06-09 | ベックマン コールター, インコーポレイテッド | フローサイトメトリーにおけるパネル設計のためのシステム及び方法 |
WO2017011549A1 (en) | 2015-07-15 | 2017-01-19 | Becton, Dickinson And Company | System and method for label selection |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5630674B2 (ja) * | 2010-09-30 | 2014-11-26 | 日本電気株式会社 | 情報処理装置、情報処理システム、情報処理方法、プログラム及び記録媒体 |
US10041950B2 (en) | 2012-03-27 | 2018-08-07 | Ventana Medical Systems, Inc. | Signaling conjugates and methods of use |
JP5975074B2 (ja) | 2014-08-07 | 2016-08-23 | ソニー株式会社 | データ表示方法、プログラム、データ解析装置及び微小粒子分析システム |
JP6505421B2 (ja) * | 2014-11-19 | 2019-04-24 | 株式会社東芝 | 情報抽出支援装置、方法およびプログラム |
JP7084695B2 (ja) | 2017-03-28 | 2022-06-15 | シスメックス株式会社 | 試薬選択支援装置、方法、プログラムおよび記録媒体並びに試料測定装置 |
AU2019379160A1 (en) * | 2018-11-14 | 2021-06-24 | Massachusetts Institute Of Technology | CRISPR system based droplet diagnostic systems and methods |
-
2018
- 2018-10-12 EP EP18884363.5A patent/EP3579238A4/en active Pending
- 2018-10-12 US US16/479,725 patent/US11551783B2/en active Active
- 2018-10-12 JP JP2019557052A patent/JP7276141B2/ja active Active
- 2018-10-12 WO PCT/JP2018/038024 patent/WO2019106973A1/ja unknown
- 2018-10-12 CN CN201880007027.XA patent/CN110178013B/zh active Active
-
2022
- 2022-12-12 US US18/079,831 patent/US20230109967A1/en active Pending
-
2023
- 2023-04-28 JP JP2023073927A patent/JP2023109772A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003083894A (ja) | 2001-09-14 | 2003-03-19 | Sumitomo Electric Ind Ltd | 蛍光値補正方法、蛍光値補正装置、蛍光値補正プログラム及び前記蛍光値補正プログラムを記録した記録媒体 |
JP2014506122A (ja) | 2010-12-07 | 2014-03-13 | ライフ テクノロジーズ コーポレーション | バーチャル細胞染色システム |
JP2016517000A (ja) | 2013-03-15 | 2016-06-09 | ベックマン コールター, インコーポレイテッド | フローサイトメトリーにおけるパネル設計のためのシステム及び方法 |
WO2017011549A1 (en) | 2015-07-15 | 2017-01-19 | Becton, Dickinson And Company | System and method for label selection |
Non-Patent Citations (3)
Title |
---|
DINKLA, K et al.,Screenit: Visual Analysis of Cellular Screens,IEEE Transactions on Visualization and Computer Graphics [online],2017年01月,Vol. 23, No. 1,p.591-600,検索日 : 2022.10.19, URL : https://ieeexplore.ieee.org/document/7539649 |
水島 昇, 他1名,正しい知識が捏造を防ぐ データを正確に解釈するための6つのポイント,蛋白質 核酸 酵素,日本,共立出版株式会社,2009年02月01日,Vol. 54, No. 2,p.185-194,ISSN : 0039-9450 |
清河 信敬, 他9名,9 colorフローサイトメトリーによる小児白血病のマーカー解析,サイトメトリーリサーチ [online],20巻, 2号,2017年06月12日,p.27-33,検索日 : 2022.10.19,DOI : https://doi.org/10.18947/cytometryresearch.20.2_27 |
Also Published As
Publication number | Publication date |
---|---|
US20210335450A1 (en) | 2021-10-28 |
CN110178013B (zh) | 2024-06-18 |
CN110178013A (zh) | 2019-08-27 |
JPWO2019106973A1 (ja) | 2020-10-01 |
JP2023109772A (ja) | 2023-08-08 |
US11551783B2 (en) | 2023-01-10 |
WO2019106973A1 (ja) | 2019-06-06 |
US20230109967A1 (en) | 2023-04-13 |
EP3579238A4 (en) | 2020-03-25 |
EP3579238A1 (en) | 2019-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7276141B2 (ja) | 標識選択支援システム、標識選択支援装置、標識選択支援方法、及び標識選択支援用プログラム | |
Rees et al. | Imaging flow cytometry | |
Deutsch et al. | Trans‐Proteomic Pipeline, a standardized data processing pipeline for large‐scale reproducible proteomics informatics | |
Cheng et al. | BERTMHC: improved MHC–peptide class II interaction prediction with transformer and multiple instance learning | |
Uesaka et al. | Bioinformatics in bioscience and bioengineering: recent advances, applications, and perspectives | |
Cohen et al. | Multispectral live‐cell imaging | |
den Braanker et al. | How to prepare spectral flow cytometry datasets for high dimensional data analysis: a practical workflow | |
EP4384827A1 (en) | Image-based antibody test | |
WO2022019006A1 (ja) | 情報処理システム及び情報処理方法 | |
Serrano et al. | Reproducible image-based profiling with Pycytominer | |
US20230253072A1 (en) | Computer implemented methods for detecting analytes in immunoassays | |
Goetz et al. | Flow Cytometry: Definition, History, and Uses in Biological Research | |
Borgmann et al. | Single molecule fluorescence microscopy and machine learning for rhesus D antigen classification | |
Hussain et al. | Digging deep into Golgi phenotypic diversity with unsupervised machine learning | |
Kroll et al. | High‐Content Microscopy Analysis of Subcellular Structures: Assay Development and Application to Focal Adhesion Quantification | |
McAlary et al. | Assessment of protein inclusions in cultured cells using automated image analysis | |
Challa et al. | Imaging and AI based chromatin biomarkers for diagnosis and therapy evaluation from liquid biopsies | |
WO2019031048A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Rivera et al. | Automatic identification and quantification of extra-well fluorescence in microarray images | |
WO2023136201A1 (ja) | 情報処理装置及び情報処理システム | |
WO2022019016A1 (ja) | 情報処理装置、情報処理システム、情報処理方法、及びプログラム | |
van Biljon et al. | Visualizing DNA damage repair proteins in patient-derived ovarian Cancer organoids via immunofluorescence assays | |
US20240028892A1 (en) | Method and device for training a classifier for molecular biological examinations | |
US20240296549A1 (en) | Systems and methods for spatial mapping of expression profiling | |
Kuhn et al. | Accessible high-speed image-activated cell sorting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210827 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221214 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230417 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7276141 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |