JP7456665B2

JP7456665B2 - 核酸マススペクトル数値処理方法

Info

Publication number: JP7456665B2
Application number: JP2022535644A
Authority: JP
Inventors: 建▲偉▼ ▲樹▼; 双▲紅▼ 相; 松炯汪
Original assignee: Zhejiang Digena Diagnosis Technology Co Ltd
Current assignee: Zhejiang Digena Diagnosis Technology Co Ltd
Priority date: 2020-02-10
Filing date: 2020-12-09
Publication date: 2024-03-27
Anticipated expiration: 2040-12-09
Also published as: EP4016379C0; CN111325121A; WO2021159833A1; CN111325121B; US20220383979A1; JP2023515296A; EP4016379B1; EP4016379A1; EP4016379A4

Description

本発明は核酸マススペクトル（ＭＡＳＳＳＰＥＣＴＲＵＭ）技術分野に属し、具体的に核酸マススペクトル数値処理方法に関する。

マススペクトル技術は、迅速、正確、高感度などの利点があり、近年では、生物学的分析に広く使用されている。生命の基本物質である核酸は、生物体の生長、発育、繁殖、遺伝および変異などの重大生命現象において重要な役割を果たしている。現代バイオテクノロジーでは、大部分の生理的または疾患的性状がいずれも一連の核酸配列に存在する遺伝子調節によって発現されることを発見した。したがって、核酸に対して、正確なヌクレオチド（ｎｕｃｌｅｏｔｉｄｅ）検測が特に重要である。マススペクトル数値処理は、ヌクレオチド検測の前に必要不可欠な部分として、その重要さは自明である。現在、類似な方法において、データ採取転化率が低く、データ不均衡などの問題が存在し、これらの問題がヌクレオチド検測の結果に深刻な影響を及ぼしており、この点についてはさらなる研究が必要である。

本発明の目的は、マススペクトルデータの採取プロセスに存在する低転化率、データ不均衡などの問題に対し、遺伝子分析前に信頼性の高い特徴値を抽出する核酸マススペクトル数値処理方法を提供することにある。当該方法は、先行技術の制限を改善し、ヌクレオチド検測の正確性を向上させることを目標とする核酸マススペクトル数値処理方法である。

本発明は、以下の技術方案を通じて実現したものである。

核酸マススペクトル数値処理方法は、ステップＳ１、ステップＳ２、ステップＳ３、ステップＳ４を含む。

ステップＳ１：単一のマススペクトルの再校正ステップであり、サンプルの各検測点に対し、検測点の異なる位置に対応する複数のマススペクトルを得る。各マススペクトルは、一組の予想質量電荷比を有する特殊なピークであるアンカーピークで再校正が行われる必要がある。

ステップＳ２：マススペクトルの合成ステップであり、ステップＳ１を基に、検測点の同じ位置に対応する複数のマススペクトルで当該検測点の単一マススペクトルを合成する。

ステップＳ３：ウェーブレットのフィルタリング（ｗａｖｅｌｅｔｆｉｌｔｅｒｉｎｇ）ステップであり、ステップＳ２を基に、ウェーブレットベースデジタルフィルターで高周波ノイズとベースライン（ｂａｓｅｌｉｎｅ）を除去する。

ステップＳ４：ピーク特徴値の抽出ステップであり、ステップＳ３を基に、ピークのフィット（ｐｅａｋｆｉｔｔｉｎｇ）を行い、マススペクトルのフィットされた曲線に基づいて、ピーク高さと、ピーク幅と、ピーク面積と、マスオフセットと、信号対ノイズ比（ＳｉｇｎａｌｔｏＮｏｉｓｅｒａｔｉｏ、ＳＮＲ）とを得る。

好ましくは、上記ステップＳ１において、単一のマススペクトルに対して再校正を行うステップは、ステップＳ１１乃至ステップＳ１５を含む：

ステップＳ１１：候補参照ピークの選択ステップであり、ピーク値が特定区間の質量範囲内に位置しなければらなないとの一つ目の基準と、特定区間の質量範囲内に隣接する参照ピークがないとの二つ目の基準で、全ての可能な予想ピークから一組の参照ピークを選択する。

ステップＳ１２：ピークの位置決めステップであり、幅が９である重み行列畳み込みフィルターをマススペクトルに応用し、行列として（－４，０，１，２，２，２，１，０，－４）が好ましい。マススペクトルの所定点に対して、当該フィルタリングが応用された強度値が周囲９つの値の加重和に等しく、以下の式で示される。

フィルタリング後の強度値に基づいて、総マススペクトルを特定点の間隔に分解し、各間隔に対して、局所ノイズを認識し、局所ノイズの４倍以上であり且つ全般の最小値以上の強度を有するものを候補ピークとして認識し、最小値として、０．０１×最大局所最大値が好ましい。

ステップＳ１３：マススペクトルのピークをフィットするステップである。

ステップＳ１４：最終アンカーピークの選択ステップであり、検測されたピーク値リストに対して、まずカットオフＳＮＲ（ｃｕｔ－ｏｆｆＳＮＲ）である最小ＳＮＲを見つけて、検測されたピークを候補参照ピークリストとマッチングして、質量が候補参照ピークの特定範囲内にあり且つＳＮＲがカットオフＳＮＲより高いピークのみ選択する。

ステップＳ１５：再校正するステップであり、得られたアンカーピーク及びこれらの予想質量に合わせ、非線性フィットの方法を利用して校正係数を算出する。ここで、質量分析計とｍ／ｚ（質量電荷比）との間のマッピング関数がＢｒｕｃｋ関数（ブルカー関数）であり、関数形態が以下のとおりであると仮定する。

さらに、上記ステップＳ１３において、ピークフィットステップは、具体的にステップＳ１３１乃至ステップＳ１３６を含む：
ステップＳ１３１：予想線幅を確定する。
ステップＳ１３２：予想信号の領域がＮＮ個の予想線幅の間隔内で遮蔽され、ＮＮが４であることが好ましい。
ステップＳ１３３：ＭＭλ_ｍ区間内のマススペクトルの強度ｙ_ｉの平均値をインプリシットベースラインとして算出し、ここでλ_ｍは当該区間内の一番小さい推定線幅であり、ここでＭＭが８０であることが好ましい。当該区間の遮蔽領域内において、線形補間でｙ_ｉの値を提供する。
ステップＳ１３４：（信号－ベースライン）の作動の有効値（ＲｏｏｔＭｅａｎＳｑｕａｒｅ、ＲＭＳ）をノイズレベルとして算出する。
ステップＳ１３５：点の遮蔽ステップであり、ピーク領域内において、ＳＮＲ（ピーク高さとノイズの比をＳＮＲとして算出する）が所定値より高く且つノイズが所定値より高い点がさらに遮蔽される。
ステップＳ１３６：各ピークの特定数の推定線幅内がフィット領域として確定され、重ねるピークがない場合、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムで単一のガウスピーク（Ｇａｕｓｓｉａｎｐｅａｋ）をフィットし、指定パラメータを見つけて最適化関数を最小化させる。

さらに、上記ステップＳ１３１において、予想線幅を確定するステップは、具体的に、
λ_ｅ＝Ｌ_Ａ＋Ｌ_Ｂ・Ｍとの式で表し、
ここで、Ｌ_ＡとＬ_Ｂがデフォルトパラメータであり、Ｍが所定のピーク値（Ｄａ）であるステップを含む。

さらに、上記ステップＳ１３６において、最適化関数は、以下のとおりである。

ここで、総和は指定の区間において全ての｛ｙ_ｉ，ｍ_ｉ｝に対して和を求めるものであり、Ｈ_ｆは点Ｍ_ｆに対応するベースライン上方のフィット高度にであり、パラメータＭ_ｆ、λ_ｆはフィット質量、フィット線幅を示し、σ_ｉは条件応じて特定のパラメータに所定する。

さらに好ましい態様として、上記ステップＳ４において、特徴値を抽出するステップは、具体的に、ステップＳ４１乃至ステップＳ４２を含む。
ステップＳ４１：ピークをフィットするステップとして、ステップＳ１３と同じである。
ステップＳ４２：
一、フィットされたピーク値の中心のベースライン以上の高度Ｈ_ｆと、
二、フィット線幅λ_ｆと、
三、ピークオフセット（フィットされたピーク値の中心と予想ピーク値の中心の距離）であるδ_ｆ＝Ｍ_ｆ－Ｍ_ｅと、
四、４λ_ｆ範囲内でフィットされたピークとベースラインとの間の面積Ａと、
五、ＳＮＲ＝Ｈ_ｆ／Ｎ（Ｍ_ｆ）である信号対ノイズ比と、
六、Ｖ＝Ａ／ＳＮＲである面積分散と、
七、フィット面積差Δであるフィットされた強度と測定強度との二乗の差の和の平方根と、
の特徴を記録するステップである。

本発明には、以下のような利点がある。
１、本発明の核酸マススペクトル数値処理方法は、遺伝子分析前に信頼性の高い特徴値を抽出して、先行技術の制限を改善し、ヌクレオチド検測の正確性を向上させることを目標とする。
２、核酸マススペクトル数値処理方法は、核酸マススペクトルデータ採取の信頼性の向上させる。

図１はフィルタリング前のマススペクトルを示す図である。図２はフィルタリング後のマススペクトルを示す図である。図３はピーク値のフィット前後の対比図である。

次に、図と実施例を参照して、本発明の内容をさらに詳しく説明する。

本発明は、核酸マススペクトル数値処理方法であり、ステップＳ１乃至ステップＳ４を含む。

ステップＳ１：単一のマススペクトルの再校正ステップである。単一のサンプルに対し、サンプル検測点の異なる位置に対応する複数の（通常ｎ＝５）マススペクトルを得る。各マススペクトルは、実質上、複数回のレーザー励起（通常、ｎ＝２０）のマススペクトルの和である。マススペクトルの初期係数は、質量分析計（ＭａｓｓＳｐｅｃｔｒｏｍｅｔｅｒ）とｍ／ｚ（質量電荷比）との間のマッピング関数が二次関数（関数形式がｍ＝Ａｔ^２＋Ｂｔ＋Ｃである）であると仮定して生成されたもので、マススペクトルに対して和を算出する前に、マススペクトルの再校正を行う必要がある。再校正プロセスは、アンカーピーク（ａｎｃｈｏｒｐｅａｋ）と呼ばれる一組の特殊認識ピークをその予想質量をマッチングすることで実現し、ステップＳ１１乃至ステップＳ１５に従って行う。

ステップＳ１１：候補参照ピークの選択ステップであり、
１、ピーク値が４０００Ｄａと９０００Ｄａの質量範囲内に位置しなければならないとの基準と、
２、ピーク値が質量±分解能で定義された質量範囲内に隣接する参照ピークがないとの基準で、
全ての可能な予想ピークからクリーンな参照ピーク（ｃｌｅａｎｒｅｆｅｒｅｎｃｅｐｅａｋ）を一組選択する。

ステップＳ１２：ピークの位置決めステップであり、幅が９である重み行列畳み込みフィルターをマススペクトルに応用し、行列として（－４，０，１，２，２，２，１，０，－４）が好ましい。マススペクトルの所定点について、当該フィルタリングが応用された強度値が周囲９つの値の加重和に等しく、以下の公式で示される。

フィルタリング後の強度値に基づいて、比較的に小さなスライドウィンドウ（ｎ＝±３）を使用して局所最大値を認識する。その後、マススペクトル全体を５００個点ごとに一つの区間に分けて、各区間に対して、周囲１５００点ウィンドウ（±区間一つ）内の局所最大値の３３％を局所ノイズとして認識する。局所ノイズの四倍以上であり且つ全般の最小値以上である強度を持つピークを候補ピークとして認識し、最小値が０．０１×最大局所最大値であることが好ましい。認識されたピークリストに対して、一定の範囲内に隣接候補ピークが存在し、ＳＮＲ（フィルタリング後の強度値と局所ノイズの比）≦２及び質量値が予め指定された候補参照ピーク範囲外であるピークが除去させる。最後に、原始強度に基づいてピーク値指数を調整する。フィルター応用前後のマススペクトルとして、図１、図２を参照する。

ステップＳ１３：マススペクトルのピークをフィットするステップであり、図３を参照し、具体的な実現ステップとして、以下のようである。

ステップＳ１３１：予想線幅を確定するステップであり、予想線幅は、
λ_ｅ＝Ｌ_Ａ＋Ｌ_Ｂ・Ｍとの式で確定する。
ここで、Ｌ_ＡとＬ_Ｂがデフォルトパラメータ（デフォルト値がそれぞれ２．５、０．０００５である）であり、Ｍが所定のピーク値（Ｄａ）である。

ステップＳ１３２：予想信号の領域がＮＮ個の予想線幅の間隔内で遮蔽され、ＮＮが４であることが好ましい。

ステップＳ１３３：ＭＭλ_ｍ区間内のマススペクトルの強度ｙ_ｉの平均値をインプリシットベースラインとして算出し、ここでλ_ｍは当該区間内の一番小さい推定線幅であり、ＭＭが８０であることが好ましい。当該区間の遮蔽領域内において、線形補間を使用してｙ_ｉの値を提供する。

ステップＳ１３４：（信号－ベースライン）の作動の有効値（ＲＭＳ）をノイズレベルとして算出する。

ステップＳ１３５：ピーク領域内において、ＳＮＲ（ピーク高さとノイズの比をＳＮＲとして算出する）が５を超え且つノイズが１を超える点がさらに遮蔽される。

ステップＳ１３６：各ピークの４個の推定線幅内がフィット領域として確定され、重ねるピークがない場合、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムで単一のガウスピークをフィットし、最適化関数（関数の原型は以下の通り）を最小化させるパラメータＭ_ｆ、λ_ｆ（フィット質量、フィット線幅）を見つける。

総和は指定の区間において全ての｛ｙ_ｉ，ｍ_ｉ｝に対して和を求めるものであり、Ｈ_ｆは点Ｍ_ｆのベースライン上方のフィット高度に該当する。ピーク値の中心から０．５λ_ｅ以内の点について、σ_ｉを１とし、ピーク値の中心から０．５λ_ｅ以外の点について、σ_ｉを０．２または０．４とする。

ステップＳ１４：最終アンカーピークの選択ステップであり、検測されたピーク値リストに対して、まずカットオフＳＮＲ（即ち最小ＳＮＲ）を見つけ出し、検測されたピークを候補参照ピークリストとマッチングして、質量が候補参照ピーク±２５Ｄａ内にあり且つＳＮＲがカットオフＳＮＲより高いピークのみ選択する。

ステップＳ１５：再校正ステップであり、得られたアンカーピーク及びそれらの予想質量に合わせ、非線性フィットの方法を利用して校正係数を算出する。ここで、質量分析計とｍ／ｚ（質量電荷比）との間のマッピング関数がＢｒｕｃｋ関数であり、関数形態が以下の通りであると仮定する。

ステップＳ２：マススペクトルの合成ステップであり、ステップＳ１を基に、点の異なる位置に対応するいくつかのマススペクトルを総集して当該検測点の唯一なマススペクトルとする。複数のマススペクトルを合成する方法が「自己加重平均値（ｓｅｌｆ－ｗｅｉｇｈｔｅｄａｖｅｒａｇｅ）」であり、以下の式で表現できる。

ここで、ｎがマススペクトルの数であり、Ｉ^－ _ｉが質量ｉの平均強度であり、Ｉ_ｉｊがｊ個目のマススペクトルの質量ｉに由来する強度である。当該マススペクトルが異なるの校正係数を有する場合、マススペクトルからアンカーピークが一番多い最優マススペクトルを選択する。最優マススペクトルで、加算されたマススペクトルを初期化する。当該校正係数と最優スペクトルの校正係数が条件（Ａが１％内で変化する。Ｂが１０％以内で変化する。Ｃが当該２０Ｄａ以内で変化する）を満たす場合のみに、当該マススペクトルをもう一つのマススペクトルの絶対強度または平方強度と和を求める。

ステップＳ３：ウェーブレットフィルタリングステップであり、高周波ノイズとベースラインとを除去するために、ウェーブレットベースフィルタリングが合成されたマススペクトルで完成される。その後当該フィルタリング後のマススペクトルに対してもう一回の再校正を行う。今回の再校正の後、新たなＡＢＣ係数を合成マススペクトルに分配し、これに合わせてｍ／ｚ値を調整する。

ステップＳ４：ピーク特徴値の抽出ステップであり、図３を参照し、フィットプロセスは、以下のようなステップに従う。

ステップＳ４１：ピークをフィットするステップとして、ステップＳ１３と同様である。

ステップＳ４２：フィットするには、
一、フィットされたピーク値の中心のベースライン以上の高度Ｈ_ｆと、
二、フィット線幅λ_ｆと、
三、ピークオフセット（フィットされたピーク値の中心と予想ピーク値の中心の距離）であるδ_ｆ＝Ｍ_ｆ－Ｍ_ｅと、
四、４λ_ｆ範囲内において、フィットされたピークとベースラインとの間の面積Ａと、
五、ＳＮＲ＝Ｈ_ｆ／Ｎ（Ｍ_ｆ）である信号対ノイズ比と、
六、Ｖ＝Ａ／ＳＮＲである面積分散と、
七、フィット面積差Δであるフィットされた強度と測定強度との二乗の差の和の平方根と、の特徴を成功的に記録する。

本発明の核酸マススペクトル数値処理方法は、遺伝子分析前に信頼性の高い特徴値を抽出し、先行技術の制限を改善し、ヌクレオチド検測の正確性を向上させることを目標とする。核酸マススペクトル数値処理方法は、核酸マススペクトルデータ採取の信頼性を向上させる。

Claims

単一のマススペクトルを再校正するステップであって、サンプルの各検測点に対して、検測点の異なる位置に対応する複数のマススペクトルを得て、複数のマススペクトルの各マススペクトルは、一組の予想質量電荷比を有するアンカーピークで再校正が行われる、ステップＳ１と、
マススペクトルを合成するステップであって、ステップＳ１を基に、検測点の異なる位置に対応する複数のマススペクトルを当該検測点の単一マススペクトルに合成するステップＳ２と、
検測点の単一マススペクトルにおいてウェーブレットでフィルタリングするステップであって、ステップＳ２を基に、ウェーブレットベースデジタルフィルターで高周波ノイズとベースラインを除去するステップＳ３と、
ピーク特徴値を抽出するステップであって、ステップＳ３を基に、ピークのフィットを行い、検測点の単一マススペクトルのフィットされた曲線を得て、前記フィットされた曲線に基づいて、ピーク高さと、ピーク幅と、ピーク面積と、ピークオフセットと、信号対ノイズ比とを得るステップＳ４と、を含み、
単一マススペクトル中の強度値の数が、９以上であり、
前記ステップＳ１の単一マススペクトルを再校正するステップは、
一組の参照ピークの選択ステップであって、参照ピークのピーク値が必ず特定区間の質量範囲内の位置にあるとの一つ目の基準と、特定区間の質量範囲内に参照ピークに隣接する参照ピークがないとの二つ目の基準で、全ての可能な予想ピークから前記一組の参照ピークを選択するステップＳ１１と、
ピークの位置決めステップであって、総マススペクトルを得るために幅が９である重み行列畳み込みフィルターを単一マススペクトルに応用し、行列として（－４，０，１，２，２，２，１，０，－４）を用い、単一マススペクトルの所定点について、当該フィルタリングが応用されたフィルタリング後の強度値が所定点の周囲９点の９つの強度値の加重和に等しく、以下の式で示され、
ここで、ｙ' _ｉは、所定点のフィルタリング後の強度値を示し、Ｉ _ｋは、所定点の周囲９点の９つの強度値のうちのｋ番目の強度値を示し、ｙ _ｋは、重み行列畳み込みフィルターのｋ番目の値を示し、ｉは、所定点の強度値を示し、所定点の周囲９点は、所定点よりも前の連続する４点、所定点よりも後の連続する４点、および所定点自体を含み、
総マススペクトルにおいてフィルタリング後の強度値に基づいて、総マススペクトルを特定点の間隔に分解し、各特定点の間隔に対して、局所ノイズを認識し、総マススペクトル中で、局所ノイズの４倍以上であり且つ全般の最小値以上の強度を有するものを検測されたピーク値リストの候補ピークとして認識し、最小値として、０．０１×最大局所最大値を用いるステップＳ１２と、
総マススペクトルをフィットするステップＳ１３と、
最終アンカーピークの選択ステップであって、検測されたピーク値リストに対して、まずカットオフ信号対ノイズ比を見つけて、検測されたピーク値リストの候補ピークを参照ピークリストとマッチングして、検測されたピーク値リストにおいて、質量が参照ピークのリストの任意の参照ピークの特定範囲内にあり且つ信号対ノイズ比がカットオフ信号対ノイズ比より高い候補ピークのみをアンカーピークとして選択し、予想質量電荷比を有する一組のアンカーピークの各アンカーピークは、ステップＳ１４に従って選択され、予想質量電荷比を有する一組のアンカーピークは、ステップＳ１４において選択されたアンカーピークを含む、ステップＳ１４と、
単一マススペクトルにおいて再校正するステップであって、一組のアンカーピーク及び一組のアンカーピークの各アンカーピークの予想質量に合わせ、非線性フィットの方法を利用して算出された校正係数に従って行われ、ここで、質量分析計と質量電荷比との間のマッピング関数がＢｒｕｃｋ関数であり、関数形態が
であり、Ａ、Ｂ、及びＣは校正係数、ｍはピークの質量電荷比、ｔは質量分析計に現れる信号の時間を示す、ステップＳ１５と、を含む、核酸マススペクトル数値処理方法。
前記ステップＳ２は、
自己加重平均値方法を使用して前記複数のマススペクトルを合成するステップを含み、
自己加重平均値方法を使用して前記複数のマススペクトルを合成するステップは、
当該マススペクトルが異なる校正係数を有する場合、マススペクトルからアンカーピークが一番多い最優マススペクトルを選択するステップと、
複数のマススペクトルのうち、前記最優マススペクトルを除く、一つ以上のマススペクトルの校正係数と、前記最優マススペクトルの校正係数とが条件を満たす場合、一つ以上の処理されたマススペクトルを得るために、前記一つ以上のマススペクトルを前記最優マススペクトルで初期化するステップと、
前記最優マススペクトルの絶対強度または平方強度と前記一つ以上の処理されたマススペクトルの絶対強度または平方強度との和を求めるステップと、を含む、請求項１に記載の核酸マススペクトル数値処理方法。
前記ステップＳ３は、高周波ノイズとベースラインとを除去してフィルタリング後のマススペクトルを得るために、ウェーブレットベースフィルタリングが検出点の単一マススペクトルで完成され、その後、前記フィルタリング後のマススペクトルに対して再校正をもう一回行い、これに合わせて質量電荷比値を調整する、請求項１に記載の核酸マススペクトル数値処理方法。
前記ステップＳ４は、
単一マススペクトルのピークをフィットしてフィットされたピークを得るステップＳ４１と、
一、前記フィットされたピーク値の中心のベースライン以上の高度Ｈ_ｆと、
二、フィット線幅λ_ｆと、
三、ピークオフセットであるフィットされたピーク値の中心と予想ピーク値の中心の距離であるδ_ｆ＝Ｍ_ｆ－Ｍ_ｅと、
四、４λ_ｆ範囲内でフィットされたピークとベースラインとの間の面積Ａと、
五、ＳＮＲ＝Ｈ_ｆ／Ｎ（Ｍ_ｆ）である信号対ノイズ比と、
六、Ｖ＝Ａ／ＳＮＲである面積分散と、
七、フィット面積差Δであるフィットされた強度と測定強度との二乗の差の和の平方根と、の特徴を記録するステップＳ４２と、を含む、請求項１に記載の核酸マススペクトル数値処理方法。
前記ステップＳ１３の総マススペクトルをフィットするステップは、
予想線幅を確定するステップＳ１３１と、
予想信号の領域がＮＮ個の予想線幅の間隔内で遮蔽され、ＮＮが４であるステップＳ１３２と、
ＭＭλ_ｍ区間内の単一のマススペクトルの強度ｙ_ｉの平均値をインプリシットベースラインとして算出し、当該ＭＭλ_ｍ区間の遮蔽領域内において、線形補間でｙ_ｉの値を提供し、λ_ｍが当該ＭＭλ_ｍ区間内の一番小さい推定線幅であり、ＭＭが８０であるステップＳ１３３と、
信号－ベースラインの作動の有効値をノイズレベルとして算出するステップＳ１３４と、
点の遮蔽ステップであって、ピーク領域内において、ピーク高さとノイズの比として算出する信号対ノイズ比が当該比の所定値より高く且つノイズが当該ノイズの所定値より高い点がさらに遮蔽されるステップＳ１３５と、
各ピークの特定数の推定線幅内がフィット領域として確定され、重ねるピークがない場合、Ｌｅｖｅｎｂｅｒｇ－Ｍａｒｑｕａｒｄｔアルゴリズムで単一のガウスピークをフィットし、指定パラメータを見つけて最適化関数を最小化させるステップＳ１３６と、を含む、請求項１に記載の核酸マススペクトル数値処理方法。
前記自己加重平均値方法は以下の式で表され、
ｎがマススペクトルの数であり、Ｉ^- _ｉが質量ｉの平均強度であり、Ｉ_ｉｊがｊ個目のマススペクトル質量ｉに由来する強度である、請求項２に記載の核酸マススペクトル数値処理方法。
前記ステップＳ１３１の予想線幅は、λ_ｅ＝Ｌ_Ａ＋Ｌ_Ｂ・Ｍとの式で表され、
Ｌ_ＡとＬ_Ｂがデフォルトパラメータであり、Ｍが所定のピーク値である、請求項５に記載の核酸マススペクトル数値処理方法。
前記ステップＳ１３６の最適化関数は、以下の式で表され、
総和は指定の区間において全ての｛ｙ_ｉ，ｍ_ｉ｝に対して和を求めるものであり、Ｈ_ｆは点Ｍ_ｆに対応するベースライン上方のフィット高度であり、パラメータＭ_ｆ、λ_ｆはフィット質量、フィット線幅を表し、σ_ｉは条件に応じて特定のパラメータに所定する、請求項５に記載の核酸マススペクトル数値処理方法。