JPH02269951A - スペクトル同定方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本発明はスペクトルを分類し、その分類を使用して未知
物質のスペクトルから未知物質の同定を行う方法に関す
るものである。

更に詳しくは、本発明はそのＤＮＡに由来するスペクト
ルパターンから微生物の既知サンプルを分類して微生物
の未知サンプルの同定を行うためにその分類を使用する
方法に関するものである。

［発明の背景コ 微生物は今まで、いくつかの観察できる特性にもとづい
て、多少便宜的に分類されていた。一般にその分類で満
足され、歴史的には今日まで用いられてきたが、単細胞
生物については、それでは難しくなってきた。これらの
そして他の分類システムは、伝染性の生物、ウィルス等
の正確な分類をするという医学上の現代の要求に対して
は、大ざっばで効果がないことが判明している。

これらの問題点を解決するために、ウェブスター（Ｗｅ
ｂｓｔｅｒ）は米国特許第４．７１７，６８３号（１９
８８年１月５日）で、消化ＤＮＡが、プローブ生物の又
はそれに由来するりボゾームＲＮＡ情報を含む核酸とハ
イブリダイズあるいは再結合した、生物の制限エンドヌ
クレアーゼ消化ＤＮＡのクロマトグラフィーパターンを
、少なくとも２の異なった既知の生物の同等のクロマト
グラフィーパターンとを比較することで、生物を同定し
特徴づけをする方法について述べている。

ＤＮＡ分子は螺旋階段形状のポリマーで、軌道はフォス
フェートとシュガー基の繰り返しからなり、４つの塩基
だけがある：アデニン及びチミン（Ａ及びＴ）それらは
いつも互いに対をなしている；グアニン及びシトシン（
Ｇ及びＣ）も同様に対をなしている。生物のいくつかの
特性を決定する遺伝子は単にＤＮＡの数百あるいは数千
塩基の長さである。

これらの塩基が細胞機能を支配するようにみえる配列で
ある。多くのＤＮＡ配列手法においては、ＤＮＡにおけ
るすべての塩基配列の決定が試みられていた。一方ウェ
ブスターの方法は一定の保持された特性を有する配列の
存在を求めるものである。ＤＮＡ分析の第１歩はＤＮＡ
分子をセグメント化することである。これには、ＤＮＡ
を特定位置で切断する制限酵素−蛋白質に基づくいくつ
かの標準的な方法がある。

フラグメントはゲル電気泳動によってサイズ別に分類さ
れる。この方法では、フラグメントを含んだ混合物はサ
イズ別に分けられゲル中（例えばアガロースゲル）に置
かれ、負に荷電したＤＮＡフラグメントを正極へ誘導す
る。粒子がゆっくりとゲル中を移動するにつれて、最も
小さいフラグメントはより速く移動し、真っ先にゲルの
反対点に到達する。あらかじめ決められた時間の経過後
、典型的には数時間後、電場は除かれる。

ウェブスターは、適切に選択した標識されたプローブ物
質は、フラグメントを一本鎖にした後、これらのＤＮＡ
フラグメントとハイブリダイズし得ることを発見してい
る。プローブ物質は、あたかもジグソーパズルの小片が
適合するように、あるＤＮＡの半フラグメントに適合す
る。プローブ物質は、適した標識、典型的にはリン３２
で標識される。するとプローブ物質の位置は、標識され
たフラグメントのラジオアイソトープが写真フィルム上
の部分を露光する方法である、オートラジオグラフィー
で検知される。

最終結果は、アガロースゲルの一端からもう一方の一端
までの間に、フラグメントのサイズが大きいものから小
さいものへ順に配置された像である。サイズにより分類
された放射標識フラグメントのパターンは微生物を独自
に特徴づけるものである。この技術はバクテリアについ
て示され、他の生命形態に拡張された。そして、バクテ
リア、他の生命形態は、外部認識できる特性よりはＤＮ
Ａで同定できる。

この写真の像は、ゲル電気泳動の列に対応する平行の直
線通路に沿って幅及び鮮明度の異なる一連のバンドを含
んでいる。このシートは標準的なＣＣＤビデオカメラで
スキャンされ、ラジオグラムの電気的像を得る。この像
は、電気泳動ゲルに沿って距離の関数として変化する山
や谷を含んでいるクロマトグラムと非常によく似ている
。この山と谷の一連の像は微生物にとり独自で、個々の
微生物を同定する。ウェブスターがこの特許第１５欄２
４行目で示唆しているように、ユーザーは得られたバン
ドパターンを目視的に比較しても良いしあるいはパター
ンを認識するために用いた一次元のコンピューターを使
用するデジタルスキャナープログラムを用いても良い。

コンピューターメモリーには、複数の既知の生物の異な
ったバンドパターンのライブラリーあるいはカタログを
含んでいる。

今では個々の微生物を同定することは、未知の生物又は
パターンを既知のパターンのカタログとを単に比較する
ことである。

シルマン（Ｓ　ｉ　Ｉｍａｎ）の米国特許節４．７５３
，８７８号（１９８８年６月２８日）に示された関連技
術は、微生物の代謝産物と活発的に結合する標識を微生
物に付加する方法を記載している。代謝産物はゲルから
分離され、標識は典型的にオートラジオグラフィーで検
知される。

その波形あるいはスペクトルが微生物の同定を表示する
電気的信号を与えるために発光パターンが検知される。

この波形はコンピューターで、そのなかに保存されてい
る既知の微生物の収集パターンと比べられる。

微生物の特徴的なりＮＡパターンの同定に加えて、個々
のスペクトルまたはパターンを同定するのが好ましいあ
るいは必要がある他の多くの例がある。例えば米国特許
節４，６５１．２８９号（１９８７年３月１７日）で、
マエダ（Ｍａｅｄａ）らが、声紋認識方法で明らかにし
ている。パターン認識の必要性は、天文学、質量分析計
等を含む多くの分野に広がっている。マエダらは特性認
識の分野で広く用いられる、類似方法あるいはパターン
合わせ方法を記載している。

彼等は、類似同定方法で生じる問題は、多くの参照パタ
ーンの保存が必要とされること及びコンピューターが種
々の保存された参照パターンとインプットした未知のパ
ターンを分析、比較するのに多くのマトリックス計算を
しなければならず、過剰の時間がかかることを指摘して
いる。大メモリーでコンピューター計算に時間がかかる
ため、これらの操作のために高価なコンピューターが必
要となる。

マエダらは類似の測定法として、コサインを使用したデ
ーターベース機構と調査方法を記載している。この方法
を使用すればアクセス時間は、データーベースエントリ
ーの一部に比例し、未知のものを全データーベースのそ
れぞれの要素と比較する従来の方法を幾分改善した。し
かしマエダらは強力なコンピューターとより多くのデー
ターベース保存能力を依然として必要としている。

これら従来の、参照パターンあるいはスペクトルを同定
するための類似性比較システムの多くの欠点は、エント
リーの全数の対数に比例して同定時間を減少させた本発
明により解決された。本発明は、−点一点既知サンプル
の特徴を示す像に基づきスペクトルの階層的ライブラリ
ー （ｈｉｅｒａｒｃｈｌａｌ　１ｉｂｒａｒｙ　）を確立
する方法であって、それぞれのスペクトルは、既知サン
プルの特性−点一点ごとに対応し、それぞれのスペクト
ルは他のすべてのスペクトルと異なるものであり、次の
工程を包含する方法である。

（ａ）それぞれのスペクトルを異なる既知サンプルの一
点一点ごとの表示に対応するベクトル（ｖｅｃｔｏｒ）
に変換する；　（ｂ）すべてのベクトルの間で、類似性
を定めるものとして数学的な角度を決定する；　（Ｃ）
平均のベクトルに最も近く、従ってベクトル集団の中心
を代表する第１のベクトルを選択する；　（ｄ）第１の
ベクトルに最も似ていない局部の集団の中心を代表する
第２のベクトルを選択する；　（ｅ）ベクトルをそれぞ
れの選定したベクトルに最も似ている第１のベクトルグ
ループと第２のベクトルグループに分ける（ｆ）それぞ
れのベクトルグループについて、集団の中心を代表して
いる予め選択されたベクトルを除いて、集団の局部中心
を代表する新しいベクトル及び最もそのベクトルに似て
いないベクトル集団の局部中心を代表する他のベクトル
を選択する；　（ｇ）各グループのベクトルを工程（ｆ
）のベクトルの集団の中心値への類似性によってサブグ
ループの対に分離する；　（ｈ）各ベクトルグループの
ベクトルの集団の各ベクトル中心をサブグループのベク
トル集団の中心と結合させる；　（ｉ）続いて工程（ｆ
）（ｇ）（ｈ）を次の各サブグループにも繰返してすべ
てのベクトルが集団の中心値として選ばれるまで行なう
。

好ましい態様においては、工程（ｇ）の分、離において
、工程（ｆ）の集団ベクトルのそれぞれの中心値のあら
かじめ決定された数学的な角度の節回内のすべてのベク
トルは、それぞれのサブグループに含まれるが両方のサ
ブグループに含まれるようなベクトルもある。情報は関
係するベクトル；　に結合してライブラリーに保存され
るのが好ましい。共通の選択されたベクトルへの連結を
有する選択されたベクトルによって代表されるサブグル
ープは統合する。結局、工程（Ｃ）のベクトル（Ｃ）の
平均値は以下によって決定される。

Ｃ−（Ｃ１、Ｃ２、Ｃ３、・・・・・・・・・ＯＮ）こ
こで、 Ｃ＋　　　−８ＵＭ　　（Ｐｚ／　　ｌ　　Ｖ＋　　ｌ
）ここで、ｉ＝１、２，３，４・・・・・・Ｎｊ＝１、
２，３，４・・・・・・Ｍｌ ここでＮはサンプリング点の数であり、ｐは各点におけ
るサンプルスペクトルの値である。Ｍはライブラリーの
ベクトルの数である。ｌＶ＋ｌは座標値ｐの平方の和の
平方根に等しいベクトルの大きさである。

階層的ライブラリーを利用して、未知のサンプルのスペ
クトルを、未知のサンプルを一点一点ごとの代表に対応
する未知のベクトルに未知サンプルのスペクトルを変換
し、未知のベクトルと第１及び第２のベクトルとの間の
類似性を決定し：未知のベクトルと、第１及び第２のベ
クトルとより似ているものと結合したサブグループの集
団ベクトルの中心との間の類似性を決定し；それぞれさ
らに結合するサブグループがなくなるまで、未知のベク
トルと、更に類似する高位のサブグループに結合してい
る、続くサブグループの対との類似性を決定する各工程
によって同定され、未知のスペクトルは比較される最も
類似のベクトルによって定められる。

従来のスペクトルデーター機構において、調査時間の要
件はデーターベースに保存されているエントリーの全数
と典型的に比例する。本発明の構成方法は、データーベ
ース調査時間をデーターベースエントリーの全数の対数
に比例する数に引き下げるものである。この方法は巨大
なデーターベースに、仕事量の比較的少ないマイクロコ
ンピュータ−で迅速にアクセスすることを狙いとする。

データーベースの構築プロセスは、定期的ではあるが、
ユーザーによるのではなく、計算の費用については考慮
せずに行われるオフライン方式での操作が考えられる。

末端ユーザーは迅速なアクセスができるか、すなわちデ
ーターベースからのアクセスコストについて案じている
。商業上のシステムをはっきり目にみえる形にするため
、データーベースをシステム製造業者が製造し、ディス
クのようなコンピューター媒体として顧客に供給するこ
とができる。データーベースの新しい因子が追加される
と、この追加データーは顧客に配布され、予約も可能で
ある。

端的に言えば、本発明は未知項目をそのスペクトルから
同定する方法と言いうる。

未知項目は声紋であることもあろうし、質量分析計から
のデーター、あるいは天体物体からの放射パターン等で
もあろうし、プローブ物質とハイブリダイズした未知バ
クテリアのＤＮＡフラグメントの分配のゲル電気泳動で
得られるスペクトルを含んでいる。このＤＮＡフラグメ
ントのスペクトルデーターは既知バクテリアのライブラ
リーのＤＮＡフラグメントのスペクトルと比較される。

スペクトルのライブラリーは、最小の比較で未知のもの
が同定できるような階層に組織される。階層に基づくラ
イブラリー組織は、ライブラリー要素の間を連結し、最
小のコンピューター手段での迅速、正確な未知の同定を
促進するものである。

この方法は、従来に比べて比較を少なくしコンピュータ
ー処理が少なくて済むので、低コストのコンピューター
の使用を促進する。このタイプのスペクトルデーターの
ライブラリーは、商業上有益にしようとすると非常に大
きくなるので、上記のことは顕著な利点である。

本発明の方法は本質的な２つの主な工程を含んでいる。

これらの工程の第１はスペクトルライブラリーの構築で
あり、第２はライブラリーを使用した未知項目のスペク
トルの同定である。上述したように、スペクトルは声紋
パターンでも、バーコードパターンであっても、天体物
体からの放射スペクトルデーター等のようないかなるパ
ターンでも同定し得る。本発明はウェブスター特許に記
載されたあるいはそれを利用したスペクトル分解同定方
法に主導されているので、それについてこの章で説明す
る。本発明はそれに限定されるものでなく、いかなるス
ペクトルも同定し得る。

方法は特に第１Ａ図及び第１Ｂ図に記載されている。こ
のように同定される、あるいは階層的ライブラリーの使
用のために同定又は処理されるバクテリアのＤＮＡは、
ウェブスターが示したようにだめに特定位置でＤＮＡを
切断してＤＮＡフラグメントを製造する制限酵素を利用
して、セグメント化される。次いで、これらのフラグメ
ントは、通常のゲル電気泳動によりサイズ別に分類され
る。

この場合は、アガロースゲルを使用し、負に荷電された
フラグメントが正極に誘導されるような電場にフラグメ
ントを置く。フラグメントはアガロースゲル中をゆっく
り移動し、最も小さいフラグメントが最も速く移動し、
真っ先にアガロースゲルの反対点に到達する。

そしてゲルをよく知られた方法で着色し、既知サイズの
フラグメントで構成される標準曲線を使用してフラグメ
ントのサイズを標章化した。分離されたフラグメントは
その後、サザンプロット法によりニトロセルロースベー
パーに転写され、加熱によってそれに共有結合する。ｒ
ＲＮＡ遺伝子配列を含んだフラグメントは、ｒＲＮＡ情
報を含んだ核酸プローブとハイブリダイズする能力によ
り位置づけられる。核酸プローブは放射性でない標識で
も、好ましい放射性の標識でもどちらでもされ得る。放
射性の標識がされたときはプローブはりボゾームＲＮＡ
　（ｒＲＮＡ）あるいは、リボゾームＲＮＡ　（ｒＲＮ
ＡｃＤＮＡ）と相補的である、放射性の標識をされたＤ
ＮＡであり得る、どちらも逆転写により合成されまたは
クローンフラグメントに含まれ、例えばニックトランス
レーションにより標識される。

次ぎに、放射性の標識をされたｒＲＮＡ遺伝子配列を持
ったフラグメントを含んだニトロセルロースフィルムは
、周知の技術であるオートラジオグラフィーで、放射性
の標識のパターンがＸ線フィルム上で現像されるように
Ｘ線フィルムと重ねられることにより目で確かめられる
ようになる。

この技術の最終生産物は、特定位置での異なる強度の明
暗区間を有する、クロマトグラフのバンドパターンまた
はスペクトルである。これらの位置は、λバクテリオフ
ァージＤＮＡを消化するＥｃｏＲＩのようなマーカーの
分離技術を導入することによって、迅速に特定フラグメ
ントサイズ（キロ塩基対）と合致する。この手法では、
各バンドの絶対サイズと同様お互いのバンドの相対位置
は容易に確かめられる。そして後述するように、未知の
バンドパターンはコンピューターライブラリーに存在す
るバンドパターンと比較される。このバンドパターンは
第２図に最も明確に表れている。そこでは異なったマー
カーをもった４つの異なったサンプルが示され、電気泳
動図で表されている。

バクテリアＤＮＡフラグメントの１つまたはそれ以上の
サンプルよりの像を有する生成ラジオグラムは、画像の
数値化のためのＣＯＤラインスキャンカメラの視界に置
かれる。オペレーターは、ラジオグラフを、カメラによ
ってスキャンされるべきラインが、サンプルの第１電気
泳動レーンの軸に沿って集中されるように置く。

ラインがスキャンされ、あるいはカメラの画素（ビクセ
ル、ｐｉｘｅｌ）又は各点の強度レベルが数値化される
。画像強度あるいはラジオグラム密度は典型的に４０９
６レベル（１２ビ・ソト）の解像度で測定される。各レ
ーンに沿った測定は典型的に１０２４ビクセルである。

数値化データーは適したメモリーに保存され、その後、
背景の除去や大きさの測定等のような周知の画像処理技
術を使用して処理される。

近接したピクセルの対はいっしょに平均化され、これら
の平均値は、各レーンに沿った位置の関数としてのラジ
オグラムの密度を表わす。画像密度はフラグメント集団
の関数であるので、この数のセットは、ＤＮＡフラグメ
ント長さの基僧化していないスペクトルである。この数
のセットは、典型的に５１２値からなっている。これら
の工程をラジオグラム上のサンプルの第２そして続く電
気泳動レーンについて繰り返した。

オリジンの位置とフラグメント長さデイメンジョン目盛
りは、各レーンで近接レーンのマーカーフラグメントの
位置を測定することにより決定される。既知の長さの数
個のＤＮＡフラグメントマーカーを含むこれらに続くレ
ーンは、第ル−ンの測定を定規として使用する。既知の
数個のマーカー間の距離を測定することによって、フラ
グメント長さに対する目盛り要素と第ル−ンのオリジン
との両者の位置が計算される。

第ル−ンの数値は、それらをフラグメント長さに較正す
るために目盛られる。フラグメント長さに対する画像密
度を表わす数値の較正されたセットは、較正されたスペ
クトルであるが、単にそのサンプルの「スペクトル」と
して引用される。

スペクトルのライブラリーは、工程Ａ−１を使用して多
くのタイプの既知バクティアサンプルの処理により造ら
れる。このスペクトルのライブラリーは、適したメモリ
ーに保存される。各既知のスペクトルを表わす数字のセ
ットは、ライブラリーの要素と呼ばれる。未知のものを
ライブラリーの要素と比較することにより、効果的に同
定するためには、最小数の比較で正しい同定となるよう
な、ライブラリーの組織化が成されなければならない。

組織化の方法は工程Ｊ−Ｎで述べる。

既知サンプルの各スペクトルは数学的にベクトルとして
扱われる。スペクトルの各フラグメント長さのための数
値は多次元のベクトル空間において一つの座標値として
考えられる。各ベクトルは他のすべてのベクトルと比較
され、ベクトルの対の間の数学的角度が計算される。も
しこの角度が小さければ、２つのベクトルは類似といい
、この角度が大きいときには非類似という。数学的規則
よりこの角度は９０度を越えることができない。

既知サンプルの集団の中心を表わしている平均ベクトル
が計算される。この平均ベクトルに近い集団内のベクト
ルは中心ベクトルと考えられ、比較のためのスタート点
として使用される。後の工程で、比較がなされたとき、
集団の局部中心が決定される。集団の局部中心はそのグ
ループの平均ベクトルに最も近いグループ（サブグルー
プ）のなかの一つのベクトルである。又既知サンプルの
ベクトルは他との非類似性によりランク付けされる。

分析の各工程において、２つの「参照」ベクトルが選ば
れる。１つのベクトルは集団の局部中心に最も類似して
いるもので、他のベクトルはその中心に最も類似してい
ないものである。これらの参照ベクトルのそれぞれは、
それに組み合わされる類似ベクトルのサブグループを有
している。参照ベクトルの１つと明らかに似ていない、
いくつかの要素は、両方の参照ベクトルと組み合わされ
る。ベクトルは参照として選ばれた後、横に置かれ、以
後の比較から除かれる。１の工程の参照ベクトルは、次
ぎの工程の比較のための集団の局部中心となる。

サブグループは再び処理される。いつも新しい２つの参
照が選ばれる。２つの新しい参照と前工程の参照との間
に「連結」がなされる。このプロセスは、ライブラリー
のすべての要素が参照として選ばれ、連結されるまで行
われる。連結は、後に未知のものが同定される時に比較
が行われるような秩序を確立する。

すべての実験室での方法には、実験誤差が入ることが知
られている。ゲル電気泳動と画像数値化から生じるこの
実験誤差は、ライブラリーにおける各要素の真のベクト
ル位置を少し不確実にする。

もしこれらの誤差が考慮されなければ、これらの誤差は
、誤った参照の連結を導くこととなる。この事は、次ぎ
に未知のものの同定を誤ることとなる。実験誤差による
悪影響を克服するため、参照のあらかじめ決められた角
度距離内のすべての要素は、その参照と連結したサブグ
ループに含まれる。これらのサブグループへの「近接」
要素の包含は、実験誤差の悪影響を除くような余裕を提
供する。このプロセスは「復元Ｊと呼ばれる。

結局多数の連結を有するいくつかの要素は要素の２又は
それ以上のサブグループのための参照として選ばれるで
あろう。このような状況下、これらのサブグループは統
合され、以後は１つのサブグループとして処理される。

すべての要素が参照として選ばれ、他の参照と連結され
る時、このライブラリー組織化手順は終了する。

同定すべき未知のものは、上記の方法を使用して処理さ
れる。得られたスペクトルはすべてのベクトルの集団の
局部中心のベクトルと比較される。

未知のものは、最初の２つの参照ベクトルの１つとより
類似していることが見出だされるだろう。

この参照ベクトルの連結は、比較として、次ぎにどの参
照が使用されるべきかを決定する。この方法は更に比較
するための参照連結が残らなくなるまで続ける。最も類
似しているスペクトルの最小スクエア適合方法を使用す
ることにより、未知のものが決定される。

第２図に図示されている数個のサンプルのスペクトルは
、そのマーカーフラグメントと同時に第４図乃至第１０
図にそれぞれ描かれている。塩基対のフラグメントのサ
イズは、ゲル電気泳動による距離によって、キロ塩基対
でプロットされ、大きさは、種々の塩基対の位置に対応
する各フラグメントの量と強度を表している。

本発明の方法を実施するために使用されるハードウェア
は、第３図のブロック図に示されている。

このハードウェアは、典型的には、マツキントラシュ■
型コンピューター１０のようなマイクロコンピュータ−
を具備している。このマツキントラシュ■型コンピュー
ター１０は、標準のＣＣＤラインスキャンカメラ又はス
ペクトルイメージセンサ−１４とインターフェースする
センサーインターフェース１２を具備している。マイク
ロコンピュータ−は又、本発明により提供される分類ラ
イブラリー１８及び同定ソフトウェア２０と相互作用す
るためのランダムアクセスメモリーを具備している。コ
ンピューター１０は又、ＣＲＴカラーデイスプレィ２４
と相互作用するデイスプレーメモリー及びインターフェ
ース２２と、キーボード２８と相互作用するキーボード
インターフェースエレメント２６と、プリンターインタ
ーフェースモジュールにより相互作用するプリンター３
０とを具備している。コンピューターは最終的には、標
準ウィンチエスタ−ディスクのようなハードドライブ３
４を具備するであろう。

処理されたフィルム又はラジオダラムは、透過型の配置
において照明され、スペクトルイメージセンサ−１４の
視野に置かれる。オペレーターは、処理のためデジタル
化され、コンピューターのＲＡＭメモリー１６に送られ
るイメージを得るために、コンピューターにサンプルの
同定番号を入力し、指令し、命令を与える。デジタル化
されたイメージは、同時にＣＲＴに表示される。オペレ
ーターは、デイスプレィ上の適当なポイントに電子的に
カーソルを位置決めすることにより、処理されるイメー
ジの適当な名前を選択し、かつ、イメージのその部分を
処理するようにコンピューターに指令する。特定のサン
プルに対応する特定のスペクトルを処理する前に、幾つ
かの公知のイメージ処理操作が行われる。このように、
イメージデータからランダムノイズを除去するために、
データ平滑操作が行われる。得られた画素の連続対は、
次いでデータエレメントの数を減少させるために平均化
される。

全体フィルム密度とカメラ照明レベルとの差異゛から生
ずる強度の変化を除去するために、バックグランド除去
操作が用いられる。分子１当たりのスペクトル配列は、
マーカーフラグメントの強度のピークを同定し、次いで
、これらの知られた点から分子量スケールを外挿するこ
とにより得られる。スケーリング後、これらのマーカー
フラグメントはイメージデータから減算される。

或いは、ＣＣＤカメラの替わりにエリア（ａｒｅａ）カ
メラを用いて、特定のスペクトルに対するデジタルイメ
ージデータが得られる。エリアカメラを用いて、電気泳
動レーンを同定し、センターライン又はそれぞれのライ
ンの輔を位置決めし、それぞれのサンプルに対応するそ
れぞれのレーンの幅をΔｐ１定するために、イメージデ
ータが処理される。

レーン軸に沿って、全レーン幅の３分の１からなる、そ
れぞれのレーンの中央領域が同定される。

この中央領域内の画素は、レーン軸に沿ったそれぞれの
位置に対する単一の密度値を得るために、平均化される
。これは、レーン軸の対角線に沿って存在する中央領域
内の画素についての平均値を計算することによりなされ
る。これらの平均値は、レーン軸に沿ったそれぞれの位
置についてのイメージの密度値を表わすために蓄積され
る。

本発明の方法を基礎づける数学的原理は、それぞれのス
ペクトルは１組の数であり、そのそれぞれはオートラジ
オグラム上の画素の光学的密度を表わすという事実に基
づく。着目点は、フラグメントの移動方向におけるライ
ンＡ−Ａ　（第２図）に沿っている。オートラジオグラ
ムは、サイズ分離されたＤＮＡフラグメントが付された
膜の接触Ｘ線イメージである。Ｘ線イメージの感光領域
は、ＤＮＡフラグメントの幾つかに選択的に交雑するプ
ローブに付された放射性ラベルの存在を示す。

従って、デジタル化された光学的密度は、サイズ分離さ
れた交雑ＤＮＡフラグメントの固体群密度の尺度を示す
。

スペクトルは、ベクトルとしての数学的思考であり、そ
れぞれのポイントの密度値は、多次元空間におけるそれ
ぞれの軸に沿ったベクトルの座標値を示す。多次元空間
は、物理的に表わすことが出来ないため、超泡間（ｈｙ
ｐｅｒｓｐａｃｅ）と呼ばれる。ポイントの数は、超泡
間における次元の数を決定する。密度値は、１組の数と
してコンピューターに蓄積される。

ベクトルは文字「Ｖ」、及び数字を伴う小文字「ｐＪに
よるポイントで表わされる。

Ｖ＝　（＋）＋　＋　　ｐ２　＋　　ｐ３＋　・・・、
ｐＮ）式中、Ｎはサンプリングポイントの数であり、ｐ
は光学的密度値である。

計算を行う場合、それぞれのベクトルｒＶＪは、次のよ
うに、単位ベクトルｒｖＪに標準化される。

ｖ　＝　（ｐ　＋／Ｖ、　　Ｉ）　２／Ｖ、Ｉ）　３／
Ｖ、・・・、　　Ｉ）　Ｎ／　Ｖ　）式中、ｒＶＪはベ
クトルの大きさは長さであり、すべての座標値ｒｐＪの
２乗の合計の平方根に等しい。

Ｖ−８ＱＲＴ　（合計（２乗（ｐ、）））式中、ｉ＝１
、２，３，・・・、Ｎであり、ｊ−１゜２．３．・・・
、であり、Ｍはデータベースにおけるベクトル（又はス
ペクトル）の数である。

２つのベクトルの類似性、又はベクトル空間における近
接性は、次の式を用いて、ベクトルの内積として定義さ
れる。

（Ｃ，■）　＝Ｓ　ＵＭ　（（ｐ　＋／Ｖ）　＊（ｃ　
＋／Ｃ））式中、ｉ＝１、２，３，・・・、Ｎである。

この類似性値は、正の光学的密度の拘束により負ではな
く、定義によると単位ベクトルのみが比較されるので、
１．０の上限を有する。

より普通の概念において、内積は、２つのベクトル間の
角度のコサインであり、これは方向コサインとも呼ばれ
る。２つのベクトル間の９０°の角度は、ｃｏｓ　（９
０）＝０．０の類似性値を生じ、これらのベクトルは直
角の又は最大の非類似性であると言われている。

内積は、本発明の展開に用いられている唯一の類似性の
概念であり、それぞれのアルゴリズムの決定がそれに基
づくものである。

多成分の知られていないスペクトルにおいて、知られて
いないＵは、その成分Ｖの線形結合であると見なされる
。単位ベクトルは、次の式により関係づけられる。

ｕ＝ｓＵＭ　（ａｈ　＊ｖ＊　） 式中、ｋ＝１、２，・・・Ｋ（成分の数）である。

係数ｒａＪは計算され、正規化された未知のｒｕＪに対
する正規化されたスペクトルｒｖＪの相対的寄与を表わ
す。計算の手順は、行列の変換に還元され、そこでは要
素は次の類似性値である。

Ｍ＋４−　（ＶＩ　、ＶＩ）及びＭ＋　−（ｖｌ、Ｕ）
式中、ｌ　＋　　Ｊ　””　１＋　　２＋　　・・・Ｋ
（成分の数）である。

これらの数学的概念の実行は、恐らく第１１．１２及び
１３図のフローチャートを考慮することにより容易に理
解されるであろう。これらのフローチャートは、最初に
分類ライブラリーを編成し、次にそこに含まれるデータ
スペクトルを記憶し、最後に未知のスペクトルを同定す
るためにデータベースをサーチするために用いられた方
法を記載している。

データベース構成 第１１図はデータベースの構成手順の主工程を示す。ス
タート時に、幾つかの数の記憶されたスペクトルを持つ
データベースが提供若しくは知られていたとする。各ス
ペクトルはＮ（１スペクトルあたりのデータポイント数
）次元空間のベクトルとしてみなされる。上記ベクトル
は操作の実施に先立って単位ベクトルに標準化される。

従って、各スペクトルはＮ次元空間内の単位半径の超球
の表面上のポイントを表す。

工程１において、全スペクトルのベクトル和は計算され
、単位ベクトルに標準化される。これは本手順の為の出
発スペクトルを提供すると共に、処理されるべきスペク
トルの合計数を数える。

工程２及び３は処理ルーチンテストである。工程５にお
いて、参照スペクトルが選択される。この参照はベクト
ル空間における母集団化された領域を代表することが望
ましい。領域的母集団密度は、出発スペクトルとして、
中心ベクトル、平均単位ベクトルを使用することにより
保証される。

上記中心ベクトルは工程ｌ若しくは先行の参照選択によ
り工程５に提供される。

２つのスペクトルはそれらのベクトル間の角度を４ｐｊ
定することにより比較される。この角度は、正の光学密
度という所与の条件から、常に９０″未満である。上記
角度のコサインは、類似性の計量値となり、値１．０は
同一のスペクトルを示し、値０．０は完全な非類似若し
くは直交性を示す。

中心ベクトルでスタートすると、所与の参照に対する全
ベクトルの類似性は、参照に最も近いベクトル即ち、類
似性の最も大きい測定値のベクトルを見出すように計算
される。この結果はインプットとして使用され、スペク
トルの最も類似するサブグループについて、見出された
スペクトルがその最直近近傍の最直近近傍となるまで計
算が繰返される。

２つのスペクトルは、より大きな類似性の計量値をもっ
て、それらが周囲（超球表面上の近隣）の他のいかなる
ベクトルよりも互いに類似すると、最直近近傍と名付け
られる。アルゴリズムの結果は超球の母集団化された領
域を代表する参照スペクトルとしてセーブされる。

第２の参照スペクトルが、原データベースの一時的部分
集合に対して同じ選択手順を適用することにより見出だ
される。第１の参照に比較すると低類似性計量値のスペ
クトルからなるこの部分集合は、工程６において見出さ
れる。工程７における操作は、工程１で用いられたアル
ゴリズムを用い、上記スペクトルの部分集合について繰
返して、平均単位ベクトルを計算する。上記第２の参照
は、工程５で用いられたアルゴリズムを繰返し、２つの
ほぼ直交するベクトルの為のサーチを完了する工程８で
見出される。これらのベクトル若しくはスペクトルは、
低類似性計量値を共有し、超球内の離れたポイントであ
る。

一旦２つの代表的参照が見出されると、第１の参照スペ
クトル若しくは第２の参照スペクトルのいずれかに対す
るそれらの最大類似性に従い、工程９において、全スペ
クトルを２グループの一方に再割当てするようにアルゴ
リズムが進行する。

出発データベースは従って、夫々が参照スペクトルに関
連する２つのサブグループに分割される。

これらのサブグループは、追加の参照を見出だす次の反
復法の為の（サブ）データベースとして提供される。

超泡間のフラクションの数は、最終的には、スペクトル
の誤った若しくは過誤割当ての可能性を誘発するであろ
うことは明らかである。近隣復元アルゴリズムは工程９
における細分機構と共に実行され、全参照がまさしくそ
れらの近隣を代表するようにする。

しかる後、復元されたスペクトルは１を越える細分にお
いて出現するであろう。幾っがの反復法の後、復元され
たスペクトルは原データベースの一つ若しくは複数のサ
ブグループを率いる参照となり、原データベースは工程
１ｏの為にテストされる。上記参照が複数のサブグルー
プに割当てられる場合、これらの細分は上記参照の近隣
の異なる面（ｆａｃｅｔ）を代表し、また工程１に併合
される。

工程１０及び１１の後、上記プロセスは各サブグループ
若しくはスペクトルの（サブ）データベースの為に繰返
される。細分数は指数的（２乗）に成長し、また記憶さ
れた参照も指数的に成長する。参照はそれらが代表する
（サブ）データベースから排除される為、反復法は原デ
ータベースの全スペクトルが参照として記憶されると停
止する。

３工ントリー未満を伴って工程３に達する全サブグルー
プは工程４に落ち、ここで、存在するエントリーが関連
の部分集合なしに参照として単に記憶される。

復元アルゴリズム 第１２図は工程９の拡張である復元アルゴリズムノフロ
ーチャートを示す。第１２図において、復元パラメータ
が計算される。復元の目的の為、近傍は、参照パターン
により形成される角度の半分に等しい角度開口の超泡間
における立体角内に横たわるものとして限定される。よ
り以上のスペクトルの有用性は工程］３においてテスト
され、次のスペクトルが工程１４においてメモリから読
取られる。もしこのスペクトルがすでに参照として記憶
されていると、これは工程１５において無視され、そう
でなければ、現行参照（ｃｕｒｒｅｎｔ　　ｒｅｆｅｒ
ｅｎｃｅ）に対する類似性が工程１６において見出ださ
れる。もしベクトルが現行領域（工程１７）若しくは復
元領域（工程１８）内にあると、スペクトルは工程１９
において最も類似の現行参照に割当てられる。この手順
の最後において、データベースの各エントリー若しくは
各メンバーは割当てられてしまうか、または１つの「ブ
レデセッサー（ｐｒｅｄｅｃｅｓｓｏｒ　）　Ｊ及び２
つの「サクセッサー（ｓｕｃｃｅｓｓｏｒｓ）　Ｊとリ
ンクされる。上記後者において、第１のサクセッサーは
上記エントリーに対する高い類似性をもった近傍部であ
り、第２のサクセッサーは上記エントリーに対する低い
類似性をもった遠隣部である。この情報はデータベース
機構のリンク構造を構成し、未知のスペクトル同定手順
において後で使用されるであろう。

データベースサーチ 未知のスペクトルが与えられると、ぴったりと適合する
スペクトルの為のサーチが第１３図図示の如〈実施され
る。第１の２つの参照スペクトルに対する未知のスペク
トルの類似性は工程２ｏにおいて計算される。これらの
参照は、ベクトル空間における離間し且つ高密度母集合
された（サブ）ふたつの領域から選択されるから、これ
らの比較によって×、上記未知のスペクトルが帰属する
超泡間の領域を見出だす為の経路が統計的に決定される
。未知のスペクトルに最も類似する参照は最終同定プロ
セスの為にセーブされる。比較される次の２つの参照は
、工程２１において未知のスペクトルに最も類似するも
のとして見出だされる参照に関連するデータベースの（
サブ）セクションから採取される。

各反復法において、このプロセスは、工程２２において
テストされるように、上記経路の最後の参照、即ち、こ
れに関連するスペクトルを有しない参照に至るまで繰返
される。

同定及び組成 上記同定プロセスの最終工程において、蓄えられた最も
類似するスペクトルは、反復最小２乗法仕上げ手順（２
３）を受ける。各反復の最後に、未知のスペクトルに最
も少なく寄与するスペクトルは廃棄される（２４）。計
算は、工程２５においてテストされるように、全スペク
トル（サーチ反復数を差引く）が廃棄されるまで繰返さ
れる。

データベースサーチ及び同定プロセスは、工程２６にお
いて、予め設定された信頼水僧が達成されるまで繰返さ
れる。各反復法について、追加の構成要素が見出だされ
、工程２８において未知のスペクトルから引かれる。残
部は工程２ｏのデータベースサーチに提出されるが、完
全に未知のスペクトルは同定プロセスに再提出される。

工程２３及び２６におけるエラー分析は、工程２７にお
いて必要な反復の数及び未知のスペクトル中の構成要素
の数（もし複数であれば）を決定する為に必要な信頼情
報を提供する。

全条件が満足されると、判定に関するレポートが工程２
９において使用者に提供される統計的情報と一緒に作成
さる。

以上、スペクトルデータの分類体系的なライブラリーを
確立する為の比較的単純な方法が記述され、これは本発
明の方法に従って構成された確立されたライブラリーに
よる類似性参照に基づいてパターンを同定する為に用い
ることが可能である。

各ベクトルは１つの前ベクトルと２つの後ベクトルによ
り特定のスペクトルを代表し、これは未知のベクトルの
同定が確定するまで、該未知のベクトルが分類体系を辿
ることを速やかに可能とする。

この方法は、マイクロコンピュータの使用を可能とし、
また比較的小いさな記憶容量しか必要としない。

【図面の簡単な説明】 第１Ａ図と第１Ｂ図はブロックダイヤグラムであり、ス
ペクトルデーターの階層的ライブラリーの構築及び未知
スペクトルの同定のために必要とされるＤＮＡのスペク
トルを得るためのバクテリアＤＮＡの処理の種々の工程
を示している。 第２図は本発明方法においてウェブスタープロセスを使
用して得られた典型的ゲル電気泳動図である。 第３図は本発明方法に使用し得るマイクロコンピュータ
−のブロックダイヤグラムである。 第４図乃至第１０図は、第２図で示すサンプルの種々の
要素のスペクトルダラムである。縦軸に電気泳動図の大
きさ及び密度を示し、横軸に塩基対の数をとっている。 第１１図は本発明のデーターベース構築法のフローチャ
ートである。 第１２図は本発明方法で使用する復元アルゴリズムのフ
ローチャートである。 第１３図は本発明方法で使用する調査アルゴリズムであ
る。 出願人代理人　弁理士　鈴江武彦 図面の浄Ｍ（内容に弯！−なし） 図面の浄書（内容に変更なし） インプし１−スペク約レ プンーしλ−スさ外扉し 図面の浄書（内容に変更なし） １つるｉ！−斗一スさクトｊし 図面の浄書（内容に変更なし） ４−１３−１５カフＦ”Ｂ’−スｔ−：ｙト＋し手続補
正書 ２２．７ 平成　　年　　月　　日 特許庁長官　吉　１）文　毅　殿 １、事件の表示 特願平１−２２７２９５号 ２、発明の名称 スペクトル同定方法 ３、補正をする者 事件との関係　　特許出願人 名称　イー・アイ・デュポン・ドウ・ヌムール・アンド
ψカンパニー ４、代理人 東京都千代田区霞が関３丁目７番２号 〒１００　　電話　０３　（５０２）３１８１　（大代
表）６、補正の対象 明　　細　　書 ２、特許請求の範囲 （１）スペクトルの階層状ライブラリーを確立する方法
であって、それぞれのスペクトルは、既知サンプルの特
性の一点一点ごとの表示に対応し、それぞれのスペクト
ルは他のすべてのスペクトルと異なるものであり、 （ａ）それぞれのスペクトルを異なる既知サンプルの一
点一点ごとの表示に対応するベクトルに変換する工程； （ｂ）すべてのベクトルの間で、類似性を定めるものと
して数学的な角度を決定する工程；（Ｃ）平均のベクト
ルに最も近く、従ってベクトル集団の中心を代表する第
１のベクトルを選択する工程； （ｄ）第１のベクトルに最も類似せず、集団の局部中心
を代表する第２のベクトルを選択する工程； （ｅ）ベクトルをそれぞれの選定したベクトルに最も類
似している第１のベクトルグループと第２のベクトルグ
ループに分ける工程； （ｆ）それぞれのベクトルグループについて、集団の中
心を代表している予め選択されたベクトルを除いて、集
団の局部中心を代表する新しい１つのベクトル及び最も
そのベクトルに類似せず、ベクトル集団の局部中心を代
表する他のベクトルを選択する工程； （ｇ）各グループのベクトルを工程（ｆ）のベクトル集
団の中心への類似性によってサブグループの対に分離す
る工程； （ｈ）各ベクトルグループのベクトル集団の中心を、サ
ブグループのベクトルの集団の中心と結合させる工程； （ｉ）続いて工程（ｆ）（ｇ）（ｈ）を次の各サブグル
ープにも繰返してすべてのベクトルが集団の中心値とし
て選ばれるまで行なう工程を包含するスペクトル同定方
法。 （２）工程（ｇ）の分離において、工程（ｆ）の集団ベ
クトルのそれぞれの中心のあらかじめ決定された数学的
な角度の範囲内のすべてのベクトルは、それぞれのサブ
グループに含まれるが両方のサブグループに含まれるよ
うなベクトルもある請求項１記載のスペクトルの階層状
ライブラリーを確立する方法。 （３）関係するすべてのベクトルに連結してライブラリ
ーに情報が保存される工程を包含する請求項２記載のス
ペクトルの階層状ライブラリーを確立する方法。 （４）共通の選択されたベクトルへの連結を有する選択
されたベクトルによって代表されるサブグループを統合
する工程を包含する請求項３記載のスペクトルの階層状
ライブラリーを確立する方法。 （５）関係するすべてのベクトルに連結してライブラリ
ーに情報が保存される工程を包含する請求項１記載のス
ペクトルの階層状ライブラリーを確立する方法。 （６）共通の選択されたベクトルへの連結を有する選択
されたベクトルによって代表されるサブグループを統合
する工程を包含し、ベクトルの類似性はベクトル間の内
部生産物により決定される請求項５記載の方法により確
立された階層状ライブラリ−を利用して、未知のサンプ
ルのスペクトルを同定する方法であって； （ａ）未知サンプルのスペクトルを、未知のサンプルの
一点一点ごとの代表に対応する未知のベクトルに変換す
る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
の類似性を決定する工程； （Ｃ）未知のベクトルと、第１及び第２のベクトルの一
方とより類似しているものと結合したサブグループのベ
クトル集団の中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
まで、更に類似する高位のサブグループに結合している
、サブグループのベクトルのそれぞれの続く対と未知の
ベクトルとの類似性を決定する工程であって、未知のス
ペクトルは比較される最も類似のベクトルによって定め
られる工程を包含するスペクトル同定方法。 （７）工程（Ｃ）のベクトル（Ｃ）の平均値が次の式に
よって決定される請求項１記載のスペクトルの階層状ラ
イブラリーを確立する方法。 Ｃ−（Ｃ＋　、Ｃ２、Ｃ３、−・”・＝ＣＨ）ここで、 ｃ、　　　＝ＳＵＭ（Ｐ＋＋／ｌＶ＋Ｉ）ここで、ｉ＝
１、２，３，４・・・・・・Ｎｊ＝１、２，３，４・・
・・・・Ｍｌ ここでＮはサンプリング点の数であり、ｐは各点におけ
るサンプルスペクトルの値である。Ｍはライブラリーの
ベクトルの数である。ＩＶＩ　１は座標値ｐの平方の和
の平方根に等しいベクトルの大きさである。 （８）工程（Ｃ）のベクトル（Ｃ）の平均値が次の式に
よって決定される請求項２記載のスペクトルの階層状ラ
イブラリーを確立する方法。 Ｃ＝　（Ｃ＋　％　Ｃ２、Ｃ３、・・・・・・・・・・
ｃＮ）ここで、 Ｃｉ−８ＵＭ　（Ｐ　ｚ／　ｌ　Ｖ＋　　ｌ　）ここで
、ｉ＝１．２，３．４・・・・・・Ｎｊ＝１、２，３，
４・・・・・・Ｍｌ ここでＮはサンプリング点の数であり、ｐは各点におけ
るサンプルスペクトルの値であり、Ｍはライブラリーの
ベクトルの数であり、ＩＶＩ１は座標値ｐの平方の和の
平方根に等しいベクトルの大きさである。 （９）請求項１の方法により確立された階層的ライブラ
リーを利用して、未知のサンプルのスペクトルを同定す
る方法であって； （ａ）未知サンプルのスペクトルを、未知のサンプルの
一点一点ごとの代表に対応する未知のベクトルに変換す
る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
の類似性を決定する工程； （Ｃ）未知のベクトルと、第１及び第２のベクトルの１
つとより類似しているものと結合したサブグループのベ
クトル集団の中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
まで、更に類似する高位のサブグループに結合している
、サブグループのベクトルのそれぞれの続く対と未知の
ベクトルとの類似性を決定する工程であって、未知のス
ペクトルは比較される最も類似のベクトルによって定め
られる工程を包含するスペクトル同定方法。 （１０）請求項３記載の階層的ライブラリーを利用して
、未知のサンプルのスペクトルを同定する方法であって
； （ａ）未知サンプルのスペクトルを、未知のサンプルの
一点一点ごとの代表に対応する未知のベクトルに変換す
る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの１
つとより類似しているものと結合したサブグループの集
団ベクトルの中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
まで、更に類似する高位のサブグループに結合している
、サブグループのベクトルのそれぞれの続く対と未知の
ベクトルとの類似性を決定する工程であって、未知のス
ペクトルは比較される最も類似のベクトルによって定め
られる工程を包含するスペクトル同定方法。 （１１）ベクトルの類似性はベクトル間の内部生産物に
より決定され、工程（ｃ）のベクトル（Ｃ）の平均値は
次の式 ％式％） によって決定される請求項１記載の方法により確立され
たスペクトルの階層状ライブラリーを利用して、未知の
サンプルのスペクトルを同定する方法であって； （ａ）　未知サンプルのスペクトルを、未知のサンプル
の一点一点ごとの代表に対応する未知のベクトルに変換
する工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
の類似性を決定する工程： （Ｃ）未知のベクトルと、第１及び第２のベクトルの１
つとより類似しているものと結合したサブグループの集
団ベクトルの中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
まで、更に類似する高位のサブグループに結合している
、サブグループのベクトルのそれぞれの続く対と未知の
ベクトルとの類似性を決定する工程であって、未知のス
ペクトルは比較される最も類似のベクトルによって定め
られる工程を包含するスペクトル同定方法。 出願人代理人　　弁理士　鈴江武彦 特許庁長官　　吉１）文毅　　殿 １、事件の表示 特願平１−２２７２９５号 ２、発明の名称 スペクトル同定方法 ３、補正をする者 事件との関係　　　特許出願人 名称　イー・アイ・デュポン・ドウ・ヌムール・アンド
・カンパニー４、代理人 住所　東京都千代田区霞が関３丁目７番２号〒１００　
　電話　０３（５０２）３１８１　（大代表）平成１年
１２月２６日 ６、補正の対象

Claims (20)

【特許請求の範囲】
1. （１）スペクトルの階層状ライブラリーを確立する方法
   であって、それぞれのスペクトルは既知サンプルの特性
   の一点一点ごとの表示に対応し、それぞれのスペクトル
   は他のすべてのスペクトルと異なるものであり、 （ａ）それぞれのスペクトルを異なる既知サンプルの一
   点一点ごとの表示に対応するベクターに変換する工程； （ｂ）すべてのベクトルの間で、類似性を定めるものと
   して数学的な角度を決定する工程；（ｃ）平均のベクト
   ルに最も近く、従ってベクトル集団の中心を代表する第
   １のベクターを選択する工程； （ｄ）第１のベクトルに最も類似せず、集団の局部中心
   を代表する第２のベクトルを選択する工程； （ｅ）ベクトルをそれぞれの選定したベクトルに最も類
   似している第１のベクトルグループと第２のベクトルグ
   ループに分ける工程； （ｆ）それぞれのベクトルグループについて、集団の中
   心を代表している予め選択されたベクトルを除いて、集
   団の局部中心を代表する新しい１つのベクトル及び最も
   そのベクトルに類似せず、ベクトル集団の局部中心を代
   表する他のベクトルを選択する工程； （ｇ）各グループのベクトルを工程（ｆ）のベクトル集
   団の中心への類似性によってサブグループの対に分離す
   る工程； （ｈ）各ベクトルグループのベクトル集団の中心をサブ
   グループのベクトルの集団の中心と結合させる工程； （ｉ）続いて工程（ｆ）（ｇ）（ｈ）を次の各サブグル
   ープにも繰返してすべてのベクトルが集団の中心値とし
   て選ばれるまで行なう工程 を包含するスペクトル同定方法。
2. （２）工程（ｇ）の分離において、工程（ｆ）の集団ベ
   クトルのそれぞれの中心のあらかじめ決定された数学的
   な角度の範囲内のすべてのベクトルは、それぞれのサブ
   グループに含まれるが両方のサブグループに含まれるよ
   うなベクトルもある請求項１記載のスペクトルの階層状
   ライブラリーを確立する方法。
3. （３）関係するすべてのベクトルに連結してライブラリ
   ーに情報が保存される工程を包含する請求項２記載のス
   ペクトルの階層状ライブラリーを確立する方法。
4. （４）共通の選択されたベクトルへの連結を有する選択
   されたベクトルによって代表されるサブグループを統合
   する工程を包含する請求項３記載のスペクトルの階層状
   ライブラリーを確立する方法。
5. （５）関係するすべてのベクトルに連結してライブラリ
   ーに情報が保存される工程を包含する請求項１記載のス
   ペクトルの階層状ライブラリーを確立する方法。
6. （６）共通の選択されたベクトルへの連結を有する選択
   されたベクトルによって代表されるサブグループを統合
   する工程を包含する請求項５記載のスペクトルの階層状
   ライブラリーを確立する方法。
7. （７）ベクトルの類似性がベクトル間の内部生産物によ
   り決定される請求項６記載のスペクトルの階層状ライブ
   ラリーを確立する方法。
8. （８）請求項７の方法により確立された階層的ライブラ
   リーを利用して未知のサンプルのスペクトルを同定する
   方法であって； （ａ）未知サンプルのスペクトルを、未知のサンプルの
   一点一点ごとの代表に対応する未知のベクトルに変換す
   る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
   の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの一
   方とより類似しているものと結合したサブグループのベ
   クトル集団の中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
   まで、更に類似する高位のサブグループに結合している
   、サブグループのベクトルのそれぞれの続く対と未知の
   ベクトルとの類似性を決定する工程であって、未知のス
   ペクトルは比較される最も類似のベクトルによって定め
   られる工程を包含するスペクトル同定方法。
9. （９）ベクトルの類似性がベクトル間の内部生産物によ
   り決定される請求項４記載のスペクトルの階層状ライブ
   ラリーを確立する方法。
10. （１０）請求項９の方法により確立された階層的ライブ
    ラリーを利用して未知のサンプルのスペクトルを同定す
    る方法であって； （ａ）未知サンプルのスペクトルを、未知のサンプルの
    一点一点ごとの代表に対応する未知のベクトルに変換す
    る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
    の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの一
    方とより類似しているものと結合したサブグループのベ
    クトル集団の中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
    まで、更に類似する高位のサブグループに結合している
    、サブグループのベクトルのそれぞれの続く対と未知の
    ベクトルとの類似性を決定する工程であって、未知のス
    ペクトルは比較される最も類似のベクトルによって定め
    られる工程を包含するスペクトル同定方法。
11. （１１）ベクトルの類似性がベクトル間の内部生産物に
    より決定される請求項１記載のスペクトルの階層状ライ
    ブラリーを確立する方法。
12. （１２）工程（ｃ）のベクトル（Ｃ）の平均値は次の式
    によって決定される請求項１１記載のスペクトルの階層
    状ライブラリーを確立する方法。 Ｃ＝（ｃ＿１、ｃ＿２、ｃ＿３、・・・・・・・・・ｃ
    ＿Ｎ）ここで、 ｃ＿ｉ＝ＳＵＭ（Ｐ＿ｉ＿ｊ／｜Ｖ＿ｊ｜）ここで、ｉ
    ＝１、２、３、４・・・・・・Ｎｊ＝１、２、３、４・
    ・・・・・Ｍ、 ここで、Ｎはサンプリング点の数であり、ｐは各点にお
    けるサンプルスペクトルの値であり、Ｍはライブラリー
    のベクトルの数であり、｜Ｖ＿ｊ｜は座標値ｐの平方の
    和の平方根に等しいベクトルの大きさである。
13. （１３）工程（ｃ）のベクトル（Ｃ）の平均値が次の式
    によって決定される請求項１記載のスペクトルの階層状
    ライブラリーを確立する方法。 Ｃ＝（ｃ＿１、ｃ＿２、ｃ＿３、・・・・・・・・・ｃ
    ＿Ｎ）ここで、 ｃ＿ｉ＝ＳＵＭ（Ｐ＿ｉ＿ｊ／｜Ｖ＿ｊ｜）ここで、ｉ
    ＝１、２、３、４・・・・・・Ｎｊ＝１、２、３、４・
    ・・・・・Ｍ、 ここでＮはサンプリング点の数であり、ｐは各点におけ
    るサンプルスペクトルの値であり、Ｍはライブラリーの
    ベクトルの数であり、｜Ｖ＿ｊ｜は座標値ｐの平方の和
    の平方根に等しいベクトルの大きさである。
14. （１４）工程（ｃ）のベクトル（Ｃ）の平均値が次の式
    によって決定される請求項２記載のスペクトルの階層状
    ライブラリーを確立する方法。 Ｃ＝（ｃ＿１、ｃ＿２、ｃ＿３、・・・・・・・・・・
    ｃ＿Ｎ）ここで、 Ｃ＿ｉ＝ＳＵＭ（Ｐ＿ｉ＿ｊ／｜Ｖ＿ｊ｜）ここで、ｉ
    ＝１、２、３、４・・・・・・Ｎｊ＝１、２、３、４・
    ・・・・・Ｍ、 ここでＮはサンプリング点の数であり、ｐは各点におけ
    るサンプルスペクトルの値であり、Ｍはライブラリーの
    ベクトルの数であり、｜Ｖ＿ｊ｜は座標値ｐの平方の和
    の平方根に等しいベクトルの大きさである。
15. （１５）請求項１の方法により確立された階層的ライブ
    ラリーを利用して、未知のサンプルのスペクトルを同定
    する方法であって； （ａ）未知サンプルのスペクトルを、未知のサンプルの
    一点一点ごとの代表に対応する未知のベクトルに変換す
    る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
    の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの１
    つとより類似しているものと結合したサブグループのベ
    クトル集団の中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
    まで、更に類似する高位のサブグループに結合している
    、サブグループのベクトルのそれぞれの続く対と未知の
    ベクトルとの類似性を決定する工程であって、未知のス
    ペクトルは比較される最も類似のベクトルによって定め
    られる工程を包含するスペクトル同定方法。
16. （１６）請求項３記載の階層的ライブラリーを利用して
    、未知のサンプルのスペクトルを同定する方法であって
    ； （ａ）未知サンプルのスペクトルを、未知のサンプルの
    一点一点ごとの代表に対応する未知のベクトルに変換す
    る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
    の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの１
    つとより類似しているものと結合したサブグループの集
    団ベクトルの中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
    まで、更に類似する高位のサブグループに結合している
    、サブグループのベクトルのそれぞれの続く対と未知の
    ベクトルとの類似性を決定する工程であって、未知のス
    ペクトルは比較される最も類似のベクトルによって定め
    られる工程を包含するスペクトル同定方法。
17. （１７）請求項１２記載の階層的ライブラリーを利用し
    て、未知のサンプルのスペクトルを同定する方法であっ
    て； （ａ）未知サンプルのスペクトルを、未知のサンプルの
    一点一点ごとの代表に対応する未知のベクトルに変換す
    る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
    の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの１
    つとより類似しているものと結合したサブグループの集
    団ベクトルの中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
    まで、更に類似する高位のサブグループに結合している
    、サブグループのベクトルのそれぞれの続く対と未知の
    ベクトルとの類似性を決定する工程であって、未知のス
    ペクトルは比較される最も類似のベクトルによって定め
    られる工程；を包含するスペクトル同定方法。
18. （１８）スペクトルの階層状ライブラリーを確立する方
    法であって、それぞれのスペクトルは、既知サンプルの
    特性の一点一点ごとの表示に対応し、それぞれのスペク
    トルは他のすべてのスペクトルと異なるものであり、 （ａ）それぞれのスペクトルを異なる既知サンプルの一
    点一点ごとの表示に対応するベクトルに変換する工程； （ｂ）すべてのベクトルの間で、類似性を定めるものと
    して数学的な角度を決定する工程； （ｃ）平均のベクトルに最も近く、従ってベクトル集団
    の中心を代表する第１のベクトルを選択する工程； （ｄ）第１のベクトルに最も類似せず、集団の局部中心
    を代表する第２のベクトルを選択する工程；（ｅ）選定
    したベクトルを除外し、（１）残りのベクトルの平均に
    最も近い集団の中心、及び（２）集団（１）の中心に最
    も類似していない集団の局部中心を、それぞれ代表する
    ベクトルの対を選択する工程； （ｆ）各グループのベクトルを工程（ｅ）のベクトル集
    団の中心への類似性及び非類似性によってサブグループ
    の対に分離する工程； （ｇ）各ベクトルサブグループのベクトル集団の各ベク
    トル中心を元のグループのベクトル集団の中心と結合さ
    せる工程； （ｈ）続いて工程（ｅ）（ｆ）（ｇ）を次の各サブグル
    ープにも繰返してすべてのベクトルが集団の中心として
    選ばれるまで行なう工程 を包含するスペクトル同定方法。
19. （１９）関係するすべてのベクトルに連結してライブラ
    リーに情報が保存される工程を包含する請求項１８記載
    のスペクトルの階層状ライブラリーを確立する方法。
20. （２０）請求項１８に示された階層的ライブラリーを利
    用して未知のサンプルのスペクトルを同定する方法であ
    って； （ａ）未知サンプルのスペクトルを、未知のサンプルの
    一点一点ごとの代表に対応する未知のベクトルに変換す
    る工程； （ｂ）未知のベクトルと第１及び第２のベクトルとの間
    の類似性を決定する工程； （ｃ）未知のベクトルと、第１及び第２のベクトルの一
    方とより類似しているものと結合したサブグループの集
    団ベクトルの中心との間の類似性を決定する工程； （ｄ）それぞれさらに結合するサブグループがなくなる
    まで、未知のベクトルと、更に類似する高位のサブグル
    ープに結合している、続くサブグループの対との類似性
    を決定し、未知のスペクトルは比較される最も類似のベ
    クトルによって定められる工程 を包含するスペクトル同定方法。