KR20170047337A - 질량 분광 이미징에 의한 샘플의 특성화 방법 - Google Patents

질량 분광 이미징에 의한 샘플의 특성화 방법 Download PDF

Info

Publication number
KR20170047337A
KR20170047337A KR1020177008286A KR20177008286A KR20170047337A KR 20170047337 A KR20170047337 A KR 20170047337A KR 1020177008286 A KR1020177008286 A KR 1020177008286A KR 20177008286 A KR20177008286 A KR 20177008286A KR 20170047337 A KR20170047337 A KR 20170047337A
Authority
KR
South Korea
Prior art keywords
sample
ion
ions
data
interest
Prior art date
Application number
KR1020177008286A
Other languages
English (en)
Inventor
조나땅 스또버
다비드 보넬
파비앙 빠멜라르
갸엘 삐까르 드 뮐러
Original Assignee
이마비오떼끄
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 이마비오떼끄 filed Critical 이마비오떼끄
Publication of KR20170047337A publication Critical patent/KR20170047337A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/693—Acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/0004—Imaging particle spectrometry
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00—Particle spectrometers or separator tubes
    • H01J49/0027—Methods for using particle spectrometers
    • H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

본 발명은 형태학(morphology) 및/또는 텍스처(texture)의 측면에서, 샘플 내 적어도 하나의 이온과 관련된 이미징 데이터로부터 샘플 내 적어도 하나의 이온의 공간적 배열의 특성화에 따른 질량 분광 이미징(MSI)으로 샘플을 특성화하는 방법에 관한 것이다.

Description

질량 분광 이미징에 의한 샘플의 특성화 방법{METHOD FOR CHARACTERIZING A SAMPLE BY MASS SPECTROMETRY IMAGING}
본 발명은 질량 분광 이미징(mass spectrometry imaging)에 의해 샘플을 특성화하는 방법에 관한 것이다. 더 구체적으로, 본 발명은 샘플의 하나 또는 여러 이온들의 분포와 관련된 형태계측 데이터(morphometric data) 및/또는 텍스처 데이터(texture data)를 추출 및 측정하기 위한 질량분광법(mass spectrometry)으로 획득된 이미징 데이터의 사용을 제안한다. 또한, 본 발명은 샘플에서 관심있는 하나 또는 여러 분자들을 식별 및/또는 선택하기 위하여 이러한 형태계측 데이터 및/또는 텍스처 데이터의 사용을 제안한다.
일반적으로, 본 발명은 샘플의 특성 또는 샘플에 화합물의 특성을 규명(characterization)하는 것이 유용하고 필요한 모든 영역에서 응용을 발견한다. 예를 들어, 본 발명은 한 샘플 안에 조직 및/또는 세포를 식별하기 위하여, 상이한 생물체 조직들에 분자 마커들을 식별하는 제약 분야, 또는 의료적 진단 분야에서의 적용을 발견한다. 또한, 본 발명은 원하는 특성들을 부분들이 실제 가지고 있는지 확인하기 위해서, 품질 관리 분야에 이용될 수 있다.
질량분광법은 샘플에 관심있는 분자를 발견하고 식별하기 위한, 화학 및 생물학 분석에서 널리 알려지고 사용된 기술이다. 최근 몇 년간, 질량분광법에 의한 분자 촬영(imaging)이 발전되어, 샘플에서 직접적으로 관심있는 분자의 분포를 확인하는 가능성을 주었다. 질량 분광 이미징(Mass Spectrometry Imaging: MSI)은 샘플로부터 분자 이온들을 위치결정(localizing)하는 가능성을 제공하는 이온화 소스(ionization source)를 이용한 모든 이미징 기술들을 집약한다. 레이저, 이온, 가스, 액체, 용액, 플라즈마 (단일 또는 결합 소스), 마이크로파, 전자와 같은, 복수의 이온화 소스들에 대한 언급이 이루어질 수 있고, 이것은 DESI (“Desorption Electrospray Ionization”), LAESI (“Laser Ablation Electrospray Ionization”), MALDI (“Matrix-Assisted Laser Desorption Ionization”), SIMS (“Secondary Ion Mass Spectrometry”), MALDESI (“Matrix-Assisted Laser Desorption Electrospray Ionization”) 및 LESA (“Liquid Extraction Surface Analysis”), ICP-MSI (Inductively Coupled Plasma Mass Spectrometry Imaging)과 같은 이미징 모드에서 사용될 수 있다.
질량 분광법에 의한 이미징은 현재 생물체 조직들의 분석에 주로 사용된다. 실제로, MSI에 의해서, 형광물질의 마킹 없이 그리고 어떠한 방사능 없이, 조직 또는 후자의 절편의 분자 구성을 직접적으로 연구하는 것이 가능하다. 더욱이, 이러한 특수성 때문에, MSI는 샘플상에서 직접 발견된 이온들을 구별하고 식별하는 가능성을 제공한다. 그리하여, 현재는 관심있는 생물체 샘플들에 내생의 분자 마커들(endogenous molecular markers)을 연구하고 탐구하는데 MSI를 이용하는 것이 일반적이다. 보다 구체적으로, 한 이온을 타겟팅하여 알고 있는 분자의 분포 즉 전하 분의 질량 비율(mass over charge ratio, m/z)을 직접적으로 분석하는 것이 가능하다. 또한, 적어도 두 관심 부위들을 비교하여 그 부위들 중 하나 또는 그 외 다른 영역에서 독특한 하나 또는 여러 분자들을 식별하기 위해서, 통계적 툴들, 특히 ACP (Principle Component Analysis), PLSA, T-Test, ANOVA, 또는 다른 툴을 사용하는 것이 가능하다(J. Stauber, et al., J Proteome Res, 2008. 7(3): p. 969-78; D. Bonnel et al., Anal Bioanal Chem, 2011). 상기 샘플의 이온의 세기(intensity)에 따라 스펙트럼을 분류하기 위하여, 샘플 영상의 스펙트럼 분석 동안 분할 방법(segmentation methods)의 사용은 역시 알려져 있다. 그리하여, 생물체 조직의 특성 분석(characterization)은 발견된 조직학 영역의 분자 세기 프로파일에 의하면 알려져 있다(T. Alexandrov et al., J Cancer Res Clin Oncol, 2012. 139(1): p. 85-95; T. Alexandrov et al., J Proteomics, 2011. 75(1): p. 237-45). 이제는 그들의 완전한 분자 프로파일들에 따라서 조직들을 분류하는 것이 가능하고 더 이상 몇몇 마커의 스펙트럼 프로파일에 따라서 하지 않아도 된다.
그러나, 모든 MSI 데이터 분석 방법들은 현재 m/z 비와 관련된 세기 값(intensity values)의 연구에 기초한다. 보다 구체적으로, MSI에 의해 샘플의 영상을 포착하는 동안, 감지된 이온들에 대응하는 평균 스펙트럼을 샘플의 각 포인트에서 기록하기 위해서, 상기 샘플은 이온화 소스로부터의 빔을 이용해 분석된다. 전체 기록된 데이터는, 각 기록 좌표와 함께, 매트릭스 형태의 스펙트럼을 나타내고, 이 스펙트럼은 한 칼럼에는 상이한 m/z 비를 가지고 두 번째 칼럼에는 대응하는 세기를 가진다. 이어서, 특정 화합물에 대응하는 특정 이온(즉, 주어진 m/z 비)에 대하여, 이 이온의 세기의 측정(또는 피크(peak) 영역의 적분)은 영상 재구축 소프트웨어 패키지들을 통해서 기록 좌표와 함께 피크의 세기를 고려하고 각 포인트에 정의된 색상 및/또는 색상 세기를 갖는 픽셀을 할당함으로써 이 이온의 분포(및 결과적으로 대응하는 화합물의 분포)를 획득하는 가능성을 제공한다. 대안적으로, 싱글 숏(single shot)으로 샘플 전체 또는 부분을 분석하기 위해 어떻게 이온화 소스를 비초점(defocus)할지도 역시 알려져 있다. 그리하여 위치결정(localization)은 위치 감지기에 의해 획득된다(Luxembourg et al., Anal. Chem 2004).
그러나, 두 생물체 샘플들이 상이한 조직 및/또는 세포 기관으로 드러나더라도, 동일한 프로파일 또는 동일한 스펙트럼 시그니처(signatures)를 갖는 두 생물체 샘플들을 구별하는 것은 불가능하다. 그리하여, 가령 두 샘플의 조직 기관 내 차이점을 식별하기 위하여, MSI 에 의한 분석과 함께 염색(staining)(면역조직화학술, 조직절편방사선촬영술 등)과 같은 샘플을 분석하는 다른 방법을 결합할 필요가 있다.
본 발명은, 더 이상 샘플의 이온들과 관련된 세기 값들만을 고려하는 것이 아니라, 샘플 내 상기 이온들의 공간적 배열(spatial arrangement)도 고려하여, 통상적으로 질량 분광법에 의한 이미징으로 획득되는 샘플의 이미징 데이터(즉, 위치, m/z 비, 세기)의 이용 및 상기 공간적 배열을 특성화하는 측정(measurements)을 제안한다.
본 발명에 따르면, 샘플은 분포의 형태학(morphology) 및 관련된 측정(형태계측 데이터)에 따라서 및/또는 샘플 내 하나 또는 여러 이온들의 텍스처상에서 특성화된다. 샘플 내 상기 이온들의 존재와 관련된 모양들 및 모양들의 배열들은 스펙트럼 세기들로부터 기인한 정보에 비해서 추가적인 정보(표면, 모양, 부피, 패턴, 반복, 양, 분산, 및 그들의 비율과 같은 이 정보로부터 유도되는 값들 등)를 획득할 가능성을 제공한다. 이는 상기 샘플 내 적어도 하나의 이온의 모양에 따라서 및/또는 이 모양들의 치수들로 및/또는 샘플 내 이의 배열로 특성화하는 것을 가능하게 한다. 본 발명에 따르면, 유사하거나 동일한 분자 프로파일을 갖는 두 샘플을 구별하는 것을 가능하게 한다. 또한, 샘플의 형태계측 및/또는 텍스처 데이터에 기초하여 샘플을 식별하는 것, 가령 특정 모양 및 /또는 텍스처를 타겟팅함으로써 샘플내 관심있는 분자들을 식별하는 것, 등을 가능하게 한다. 보다 일반적으로, 본 발명은 샘플 내 하나 또는 여러 이온들의 분포의 형태계측(morphometry) 및/또는 텍스처의 특성화 및 스펙트럼 이미징 데이터에 추가적으로 또는 스펙트럼 이미징 데이터 대신에 이들 형태계측 및 텍스처 데이터를 이용하는 것을 제안한다. 본 발명에 따르면, 이러한 특성화는, 가령 세기들을 고려하는 기존의 이미징 데이터 처리 방법들, 및 보다 일반화하면 광학적, 물리적 처리, 착색 처리(coloration) 등에 의하는 것을 포함하는 샘플에 대한 모든 특성화 방법과 결합될 수 있다.
이에 따른 본 발명의 목적은 이온과 관련된 이미징 데이터로부터, 형태계측 및/또는 텍스처 측면에서, 특성 분석되는 샘플 내 적어도 하나의 이온의 공간적 배열에 따라서 질량 분광 이미징(MSI)에 의해 샘플을 특성화하는 방법에 관한 것이다.
달리 말하자면, 샘플 내 적어도 하나의 이온의 공간적 배열은, 모양들, 모양들의 배열들, 특정 치수들을 식별하고 이에 따라 이들 형태계측 및/또는 텍스처 특징들에 의해 샘플 내 상기 이온의 분포를 특성화하기 위해서, MSI 데이터로부터 측정 및/또는 수량화된다.
또한, 본 발명의 목적은 아래에 따라 샘플 내 관심있는 새로운 분자를 식별하는 프로세스에 관한 것으로
i) 상기 샘플 내 복수의 이온들과 관련된 복수의 형태계측 및/또는 텍스처는 기준 샘플 내 복수의 이온들과 관련된 형태계측 및/또는 텍스처 데이터와 비교되고;
ii) 샘플의 적어도 하나의 특성 이온이 식별되고;
iii) 단계 ii)에서 식별된 상기 이온에 대응하는 분자가 식별된다.
본 발명은 또한 질량 분광 이미징에 의해서 샘플을 식별하는 프로세스를 제안하는 것으로서 여기서:
i) 데이터 베이스 또는 모델은, 여러 기준 샘플들로부터 획득한 복수의 기준 이온들과 관련된 형태계측 및/또는 텍스처로 구축(established)되고, 상기 형태계측 및/또는 텍스처 데이터는 상기 기준 샘플들 내 상기 기준 이온들의 공간적 배열을 나타내며;
ii) 식별하고자 하는 샘플 내 적어도 하나의 이온과 관련된 형태계측 및/또는 텍스처 데이터는 기록되고;
iii) 식별하고자 하는 샘플의 이온들과 관련된 형태계측 및/또는 텍스처 데이터는 데이터 베이스 또는 모델에 포함된 기준 이온들과 관련된 형태계측 및/또는 텍스처 데이터와 비교된다.
본 발명의 다른 목적은 컴퓨터에 의해 판독 가능하며 컴퓨터에 의해 실행될 수 있고 컴퓨터 시스템이 본 발명에 따른 샘플에 대한 특성화 방법의 적어도 하나의 단계, 및/또는 샘플을 식별하는 프로세스의 적어도 하나의 단계 및/또는 샘플 내 관심있는 분자를 식별하는 프로세스의 적어도 하나의 단계를 실행 가능하도록 작성될 수 있는 인스트럭션들을 포함하는 데이터 서포트(data support)에 있다.
도 1: 두 샘플(1A 및 1B)에 대한 질량 분광 이미징으로 획득한 데이터 세트의 도식적인 예, 여기서 백(white)은 0 값을 가지고 흑(black)은 최대값을 갖는다;
도 2: 본 발명에 따른 폐 조직의 질량 분광 이미징 데이터의 형태학적 특성화의 예로서, 건강한 조직(건강한 기도(airways))와 비교하여 병리적인 폐 조직(섬유증(fibrosis) 기도)의 식별이 이루어진다;
도 3: 두 개의 섬유증 조직의 두 기도 샘플의 질량 분광 이미징 데이터의 세트들에 본 발명에 따른 프로세스를 적용하여 형태계측법에 의해 기도들을 카운팅(counting)하는 예;
도 4: 상기 샘플들의 이미지 데이터로부터 본 발명에 따른 프로세스에 의해 획득한 형태학적 데이터를 외삽(extrapolating)하는 것에 의한 쥐 폐들의 기도의 표면의 분석 및 결정;
도 5: 질량 분광 이미징에 의한 피부 샘플 내 두 이온의 분포 및 조직(즉, 표피 및 각질층)을 식별하기 위한 샘플 내 이온들의 공간적 배열의 특성화의 도면;
도 6:생물체의 조직 단면에서 카운팅하고 형별(typing)한 세포에 적용된 본 발명에 따른 프로세스에 의하여, 페트리(Petri) 접시에 생물체 조직의 절편의 질량 분광 이미징으로부터의 데이터 세트들로부터 획득한 패턴들 및 텍스처들의 도식적인 도면;
도 7: 타겟 이온에 대해 동일한 세기 평균들을 갖는 샘플 A 및 B 내에 관심있는 두 부위를, 그들 자체로서의 판별에 의하지 아니하고, 구별하기 위해 사용될 수 있는 어느 한 타겟 이온에 대한 상이한 형태계측 기준(criteria)의 도식적인 도면. 주어진 이온에 대한 동일한 세기 평균을 위해서, 분포는 개체의 개수, 개체의 표면, 관심있는 부위의 분산, 모양, 한 개체에서 다른 개체로 표면들의 변이성(variability) 등의 측면에서 변동할 수 있다;
도 8: 샘플 내 91.5895의 m/z를 갖는 이온에 대한 형태계측 기준의 추출이 이루어는 본 발명에 따른 특성화 및/또는 식별 프로세스의 몇몇 단계들의 도식적인 도면으로서, 분자 영상은 여러 개체들 및 상기 개체들의 표면 내의 상기 이온의 분포를 특성화하기 위해 취급되는 이진 영상을 획득하기 위해서 분할(segmentation)의 대상이 된다;
도 9: 분포의 세기를 보여주는 분자 영상에서의 718.505의 m/z 분포 및 상기 m/z의 분포 표면 차이를 제시하는 이진 영상의 분포로부터 기준 조직(통제 조직) 및 관심있는 조직(처리 조직)의 비교이다.
그리하여 본 발명의 목적은, 형태계측 및/또는 텍스처 측면에서, 이온과 관련된 이미징 데이터로부터 특성화된 샘플 내 적어도 하나의 이온의 공간적 배열에 따라서 질량 스펙트럼 이미징(MSI)에 의해 샘플을 특성화하는 방법이다. 본 발명에 따르면, 샘플 내 이온의 분포는 더 이상 세기에 따라서 특성화되지 아니할 뿐 아니라 이 분포에서 도출한 모양들 / 개체들 및 관련 치수들(표면, 부피, 등)에 따라서 그리고/또는 그들 사이의 모양들/개체들의 배열로 특성화되지 아니한다. 이는, 두 샘플이 주어진 이온에 대해 동일한 평균 세기를 갖더라도, 상기 이온과 관련된 상이한 형태계측 및/또는 텍스처 특징들을 갖는 두 샘플을 쉽게 구별하는 것을 가능하게 한다.
본 발명에 따른 방법은, 샘플이 유기물 또는 무기물, 액체 또는 고체든지 간에, 진공 속에서(MALDI) 또는 주위 대기 속에서(LAESI, DESI)의 질량 분광법으로 분석될 수 있는 모든 종류의 샘플에 적용될 수 있다. 예를 들어, 본 발명에 따른 방법은 특히 생물의 조직의, 동물 또는 식물의 기관의 특성화에 적합하다.
여기서 “조직(tissue)”은, 일반적으로 동일한 기관의 세포의 집합을 의미하고 동일한 한 기능을 완전하게 하기 위하여 기능상의 조립체 내에 그룹화된 것이다. 어떤 경우에는, 조직은 세포들의 여러 조립체들을 그룹화할 수 있는, 기관(organ), 기관 단편(fragment) 또는 기관의 특정 부위로 이해될 수 있다. 예를 들어 조직은 기관 내부의 국소형 종양일 수 있다.
일 실시예에 있어서, 샘플은, 관심있는 부위들이 염색 및/또는 분자 시그니처들에 의해서 사전에 특성화되어 있을 가능성이 있는, 조직(들)의 조직학적 절편일 수 있다. 보다 일반적으로, 본 발명에 따른 방법은, 종래 기술의 어떠한 방법에 의하여 사전에 식별된, 샘플의 관심 부위들 전부 또는 부분을 추가적으로 특성화하기 위해 사용될 수 있다.
본 발명에 따른 방법은 또한 혈액, 혈장, 혈청, 타액, 뇌-척수액, 소변 등과 같은 생물체 액들을 특성화하기 위해 사용될 수 있다.
액체 샘플의 경우에, 마른 샘플의 MS 영상을 생성하기 위해서 표면에 액체를 말린 다음 기술된 방법으로 이 샘플을 특성화하는 것이 가능하다. 이와 달리, 특히 상기 대기압에 있는 MSI 시스템을 이용하여 액체 또는 용액의 표면을 분석하는 것이 가능하다.
본 발명에 따른 방법은 토양, 물, 식물 표본 등과 같은 환경 샘플들을 특성화하기 위해 사용될 수 있다.
일 실시예에 있어서, 본 발명에 따른 방법은 전자 부품, 생체물질, 캡슐, 고정밀 부품 등과 같은 개체(object)를 특성화하기 위해 사용된다.
“샘플을 특성화하는 것”은 특이한/특정 성질들이 상기 샘플에 연관되는 것을 의미하고, 상기 성질들은 특히나 다른 샘플들로부터 이를 구별/식별하게 해주는 것이다.
본 발명에 따르면 이미징 데이터(imaging data), 좀 더 특정하면 스펙트럼은, 주어진 이온에 대하여 상기 샘플 내에서 상정하는 공간적 배열을 결정하기 위해 사용된다. 유리하게는, 주어진 이온의 m/z 비 특성과 관련된 데이터는 좀 더 특별하게 사용된다. 본 발명의 맥락에서, “m/z 비” 또는 “전하 분의 질량 비” 표현은, 이온의 물리량 특성을 지칭하며, 여기서 m은 은 질량(mass) 그리고 z는 상기 이온의 원자가(valency)를 나타낸다. 질량 분광 이미징에서, 주어진 이온은 여러 개의 m/z 비에 대응할 수 있다.
이온의 또는 m/z 비의 “공간적 배열(spatial arragement)” 또는 “분포(distribution)”는 샘플 내 상기 이온 또는 m/z 비의 존재에 의해 도출되는 형태(들)을 의미한다.
본 발명에 따르면, 연구된 이온(들)의 공간적 배열은 하나 또는 여러 개의 모양들, 치수들 등과 결합하기 위해서 결정되어 있다. 샘플 내 적어도 하나의 이온의 존재와 관련된 이미징 데이터는, 샘플 내 이온과 관련된 세기들의 변동과 관계없이, 샘플 내 상기 이온의 분포를 나타내는 형태계측 및/또는 텍스처 데이터를 정의하기 위해 사용된다.
유리하게는, 샘플 내 적어도 하나의 이온의 공간적 배열을 특징 분석하는 단계는 관심있는 별개의 부위들로 상기 이온의 이미징 데이터를 분할하고 및/또는 패턴들의 윤곽들을 그리기 위하여 모양 인식 및/또는 텍스처 분석 프로세스를 이용한다. 예를 들어, 분수선(water divide line) 기술, 호프 변환(Hough’s transform), 특히 일반화된 모양에서, 그레이 톤의 공간적 의존성 매트릭스(spatial dependency matrices of gray tones) 등, 수학적인 형태학 기술이 사용된다.
“형태계측 데이터” 또는 “형태계측 특징들”은 샘플 내 관련 이온(또는 상기 이온과 관련된 m/z 비)의 존재에 의해 형성된 기하학적 모양, 또는 패턴, 및/또는 표면, 부피, 직경, 반지름, 길이, 폭, 두께 등과 같은 그의 수학적 치수들에 관한 데이터/특징들을 의미한다. 어느 경우에 있어서, 패턴들은 숫자, 글자, 단어 등과 같은, 기록 소자로 구성될 수 있다.
“텍스처 데이터” 또는 “텍스처 특징들”은, 반복 패턴의 개수, 길이, 상기 패턴들 사이의 분산 등과 같은, 샘플 내 패턴들 서로간의 배열에 관한 데이터/특징들을 의미한다.
“기준 샘플”은 관심있는 샘플과 동일한 본질 및/또는 근본의 샘플을 의미한다. 예를 들어, 관심 대상의 생물체 조직의 연구 중에, 기준 샘플은 통제 대상으로부터 기인한 동일한 본성의 생물체 조직으로 구성된다.
본 발명에 따르면, 상기 샘플의 하나 또는 여러 이온들의 공간적 배열 또는 m/z 비율들을, 함께 또는 별개로 취하여, 특성화하는 것이 가능하다. 그리하여, 주어진 패턴은 동시에 고려되는 여러 m/z 비율들의 존재 및 분포와 관련될 수 있다. 대안적으로, 동시에 또는 연속적으로, 동일 샘플 내 상이한 m/z 비율들에 대한 상이한 패턴들을 특성화하는 것이 가능하다. 본 발명에 따르면, 이들 상이한 m/z 비율들은 같은 이온 또는 다른 이온들을 나타낼 수 있다.
일 실시예에서, 본 발명에 따른 방법은 적어도 하나의 m/z 비의 형태계측 및/또는 텍스처 특징들이 결정되는 이미징 데이터를 획득하는 예비 단계를 포함한다.
본 발명에 따른 방법은 모든 알려진 질량 분광 이미징 기술, 특히 TOF (Time of Flight), Orbitrap, FTICR (Fourier Transform Ion Cyclotron Resonance), Quadrupole (단일 또는 세 개도 가능), ICP MS 분석기와 같은, 상이한 종류의 분석기들과 조합하여 촬영(imaging)하는 MALDI, LDI, DESI, LESA, LAESI (Laser Ablation Electrospray Ionization), DART (Direct Analysis in Real Time), SIMS, JEDI (Jet Desorption Electrospray Ionization), LAMMA (Laser Microprobe Mass Analysis), SMALDI (Scanning Microprobe Matrix Assisted Laser Desorption Ionization) 등과 함께 적용될 수 있다.
본 발명의 특수한 실시예에 있어서, 가령, MALDI 이미징을 사용하여, 샘플의 이온 영상상에서 직접적으로 적어도 하나의 이온과 관련되 형태계측 및/또는 텍스처 특징들을 확인하는 것이 가능하다. 보다 구체적으로, 분석된 이온들과 관련된 형태계측 및/또는 텍스처 특징들은 샘플을 재현하는 영상들로 생성될 수 있고, 이에 따라 그 안에 공간적 배열들을 확인하는 것이 가능하다. 물론, 광학 현미경 관찰법, 조직학적 염색법 등과 같은 다른 분석에 의해 획득된 조직학적 데이터 또는 다른 데이터를 비롯하여, 여러 이온들의 데이터를 동시에 보기 위해서, 샘플의 다른 영상들과 겹치는(superpose) 것이 가능하다.
일 실시예에 있어서, 본 발명에 따른 샘플을 특성화하는 방법은:
a) 샘플 내 적어도 하나의 이온에 대해, MSI를 이용하여 데이터를 획득하는 단계; 및
b) 형태계측 및/또는 텍스처 특징들에 따라서, 상기 적어도 하나의 이온의 위치에 관한 데이터로부터 상기 샘플 내 적어도 하나의 이온의 공간적 배열을 특성화하는 단계를 포함한다.
관심있는 샘플 내에 어느 한 이온의 공간적 배열로부터, 상기 이온은 상기 샘플에 고유한 자신의 형태계측 및 텍스처 특징들에 의해서 특성화된다. 다른 한 샘플의 동일한 이온은, 두 샘플의 분자 프로파일이 일치할지라도, 상이한 형태계측 및 텍스처 특징들을 가질 수 있다.
그리하여, 본 발명에 따른 프로세스는, 단독으로 또는 샘플 및/또는 관련 이온의 모든 다른 데이터/특징과의 조합을 고려하여, 샘플 내 어느 한 이온에 대한 다른 수준의 정보를 확득하는 가능성을 제공한다. 예를 들어, 관심 이온의 형태계측 및 텍스처 특징들 뿐 아니라, 이의 공간적 특성들(질량 스펙트럼들의 피크들의 세기, 신호-대-잡음 비(S/N), 피크들의 영역, 등) 전부 또는 일부도 동시에 또는 순차적으로 분석하는 것이 가능하다.
유리하게는, 본 발명에 따른 프로세스는 샘플의 동일 이온 영상에서 직접적으로 이들 데이터/특징들 전체를 동시에 확인하는 가능성을 제공한다.
다른 실시예에 있어서, 본 발명에 따른 샘플을 특성화하는 방법은:
c) 샘플의 이미징 데이터를 샘플의 분자 세기 프로파일을 나타내는 관심 부위들로 분할하는 단계; 및
d) 형태계측 및/또는 텍스처 특징들에 따라 관심 영역의 분자 프로파일의 이온들의 공간적 배열을 특성화하는 단계를 포함한다.
단계 c)는 동일 샘플 내 분자 프로파일들에 따른 샘플의 분할로 구성된다. 각각의 관심 부위는 질량 스펙트럼들로부터 획득한 분자 프로파일에 대응한다. 상이한 공간적 특성들은 통상 상기 샘플의 분자 프로파일들, 특히 질량 스펙트럼들의 피크들의 세기, 신호-대-잡음 비(S/N), 피크들의 영역 등을 얻기 위해 사용될 수 있다.
일단 샘플의 관심 부위(들)이 식별되면, 선택된 관심 부위와 관련된 이미징 데이터는 상기 선택된 관심 부위의 전체 이온들의 공간적 배열을 특성화하기 위해 처리된다. 이것은 상기 관심 부위의 특이한 패턴들 및 텍스처들을 식별하기 위하여 고려되고 분석되는 관심 부위 내 모든 이온들의 데이터이다. 더욱이, 본 발명에 따르면, 샘플의 영상에서 직접적으로 결과들을 확인하기 위해서 이들 데이터로부터 샘플의 디지털 영상을 재구축하는 것이 가능하다.
본 발명에 따르면, 단계 c) 및 d) 는 단계 a) 및 b)에 관계없이, 즉 단계 a) 및 b)의 적용 없이 적용될 수 있다. 다른 특수한 실시예에 있어서, 단계 a) 및 b), 그 다음 c) 및 b)를 순서대로 적용하거나, 관련 샘플의 관련 이온(들)의 형태계측 및 텍스처 측면에서의 상이한 수준들의 정보를 획득하기 위해, 반대로 적용하는 것이 가능하다. 또한, 단계 c)에서 식별된 관심 영역들 몇몇 또는 전체에 대해서 단계 d)를 적용하는 것도 가능하다.
본 발명의 다른 실시예에 있어서, 특성화 방법은:
e) 상기 샘플 내 복수의 이온들로부터 형태계측 및/또는 텍스처 데이터를 포함하는 데이터베이스(DB)를 만드는 단계를 포함한다.
대안적으로, 특성화 방법은:
f) 상기 샘플 내 복수의 이온의 형태계측 및/또는 텍스처 데이터를 포함하는 모델을 생성하는 단계를 포함한다.
본 발명의 기재에 있어서, “복수”는 둘 이상을 의미한다.
“모델(model)”은, 샘플로부터의 특성들을 이용하는 본 경우에 있어서, 특히 세기 데이터, 형태계측 및/또는 텍스처 데이터 등, 특히 상기 데이터간의 종속성 및/또는 관계를 정의하기 위해 모델화된 데이터 집합을 의미하고, 이 데이터 집합은 관련 샘플을 나타낸다. “데이터베이스”는 그 자체로서 기초 데이터(crude data)의 집합이 저장된 기반(base)를 말한다.
그리하여, 샘플 또는 샘플의 종류에 고유한 데이터 집합들 즉, 패턴들, 치수들, 배열들 등의 조립체(assembly) 즉, 모델을 획득하는 것이 가능하다. 본 발명에 따르면, 이 데이터베이스(DB) 또는 이 모델은 상기 샘플 내 적어도 하나의 이온의 스펙트럼 MSI 데이터, 및/또는 상기 샘플에 고유한 물리화학적(physicochemical), 생리적(physiological) 및/또는 생물학적 데이터로 구현될 수 있다(단계 g). 예를 들어, 데이터베이스(DB), 또는 모델은, 관심있는 상이한 분야들을 정의하기 위해서, 그 샘플 또는 동일한 어느 샘플의 조직학적, 화학적 또는 다른 연구에 의해서 획득된 데이터로 구현될 수 있다.
그러한 데이터베이스(DB) 또는 모델은, 조직, 조직의 부위, 세포 종류, 가령 건강하다거나 병에 걸렸다는 등의 조직의 생리적 상태를 자동화된 방법으로 빠르게 식별하는데 특히 유용하다. 또한, 데이터베이스 또는 모델은 생물체 샘플 내 세포 식별 및 카운팅, 또는 넘버링(numbering)을 위해 사용될 수 있다.
본 발명이 목적하는 질량 분광 이미징에 의해 샘플을 식별하는 프로세스는:
i) 여러 기준 샘플들로부터 획득한 적어도 하나의 기존 이온과 관련된 형태계측 및/또는 텍스처 데이터로 데이터베이스를 구축하거나 또는 모델을 생성하는 단계로서, 상기 형태계측 및/또는 텍스처 데이터는 상기 기준 샘플들 내 상기 적어도 하나의 기준 이온의 공간적 배열을 나타내는, 단계;
ii) 식별된 샘플 내 적어도 하나의 이온과 관련된 형태계측 및/또는 텍스처 데이터(표면, 부피, 모양, 패턴, 반복 등)를 기록하는 단계;
iii) 단계 ii) 의 형태계측 및/또는 텍스처 데이터를 단계 i) 의 데이터베이스, 또는 모델에 포함된 형태계측 및/또는 텍스처 데이터와 비교하는 단계를 포함한다.
본 발명에 따르면, 단계 ii)에서 이온은 데이터베이스로부터 또는 모델로부터의 이온과 대응하여 분석된다. 유리하게는, 데이터베이스, 또는 모델은 복수의 기준 이온들과 관련되거나 그렇지 않은 형태계측 및/또는 텍스처 데이터를 포함한다.
샘플을 특성화하기 위한 방법과 관련하여 상술한 모든 특징들 및 정의들은 상기 식별 프로세스에 대해 준용된다.
유리하게는, 각 기준 샘플들을 가능한 신뢰성 있게 특성화하기 위해서, 각 기준 샘플마다, 한 세트의 형태학적(morphological) 및 텍스처 데이터는 여러 이온들에 대해서 구축된다.
본 발명에 따르면, 유사하거나 동일한 형태계측 특징들을 갖는 기준 샘플(들)을 선택하기 위해서, 단계 iii)에서 기준 데이터의 다른 세트와 식별하고자 하는 샘플의 데이터의 세트들 간에 유사점들 및/또는 차이점들의 분석이 진행되고, 그에 의해 샘플을 식별한다.
본 발명에 따른 프로세스는 가령 생물체 조직, 세포 종류, 질병의 발전 단계 등의 본질 및/또는 근본을 식별하는 가능성을 제공한다.
또한, 본 발명이 목적하는 샘플 내 관심 분자를 식별하는 프로세스는,
i) 상기 샘플 내 복수의 이온들과 관련된 형태계측 및/또는 텍스처 데이터와 기준 샘플의 복수의 이온들과 관련된 형태계측 및/또는 텍스처 데이터를 비교하는 단계;
ii) 유리하게는 기준 샘플에 없는, 샘플의 적어도 하나의 특성 이온을 식별하는 단계;
iii) 앞선 단계에서 식별된 상기 이온에 대응하는 분자를 식별하는 단계에 따른다.
이와 같은 프로세스는 관심있는 샘플 내 새로운 분자를 발견하고 식별하는 가능성을 제공한다.
일 실시예에 있어서, 관심 샘플 내 관심있는 새로운 분자를 식별하는 프로세스는 사전에 상기 샘플에 고유한 MSI 데이터를 획득하는 단계 및 형태계측 및/또는 텍스처 특징들에 의해서 하나 또는 여러 이온들의 분포를 특성화하는 단계를 포함한다.
샘플을 특성화하는 방법과 관련하여 상술한 모든 특징들 및 정의들은 분자를 식별하는 본 프로세스에 준용된다.
본 발명의 이 실시예에 따르면, 샘플의 본질은 알려져 있고 상기 샘플에 고유한 하나 또는 여러 마커들, 즉 기준 샘플 내 존재하지 않는 것들 또는, 기준 샘플에 있는 것들에 비해서 상이한 형태계측 및/또는 텍스처 특징들을 보이는 것들은 바람직하게 식별된다(도 7). 주어진 이온이 고려된 형태계측 특징들은 예를 들어 개체의 개수, 개체의 표면의 평균, 분산, 모양, 표면들의 변이성(variability) 등일 수 있다. 그러므로 바람직하게는 관심있는 샘플과 같은 본질의 및/또는 동일한 종류의 기준 샘플이 사용된다.
유리하게는, 단계 i)은 기준 샘플의 복수의 기준 데이터 세트들을 컴파일한 데이터베이스(DB)를 쿼리해서 또는 샘플의 데이터를 기준 샘플의 복수의 기준 데이터 세트들을 컴파일한 모델과 비교해서 적용될 수 있다.
일단 관심있는 샘플의 구별되는 형태계측 및/또는 텍스처 데이터가 식별되면, 각 이온들과 관련된 분자로 되돌아가기 위해서, 대응하는 이온(들)은 그들과 관련지어진다.
이 프로세스는 특히 새로운 바이오마커들을 식별하는 의약 또는 의학계에서 특히 유용하다.
또한, 본 발명이 목적하는 컴퓨터 판독 가능한 데이터 매체는 컴퓨터에서 실행 가능한 인스트럭션들(instructions)을 포함하고 컴퓨터 시스템이 본 발명에 따른 샘플을 특성화하는 방법의 적어도 하나의 단계 및/또는 본 발명에 따른 샘플 또는 샘플 내 관심있는 분자를 식별하는 프로세스의 적어도 하나의 단계를 실행할 수 있게 한다.
그리하여, 본 발명은, 프로그램이 컴퓨터상에서 실행되었을 때, 상술한 단계들 전부 또는 일부를 실행하기 위한 프로그램 코드 인스트럭션들을 포함하는 컴퓨터 프로그램을 제안한다.
유리하게는, 컴퓨터 프로그램은 적어도, 관심있는 샘플 내 하나 또는 여러 이온들의 공간적 배열을 특성화하는 단계를 실행하는 프로그램 코드 인스트럭션들을 포함한다.
유리하게는, 본 발명에 따른 컴퓨터-판독 가능한 데이터 매체, 또는 프로그램은 적어도 한 샘플 내 적어도 한 이온, 바람직하게는 복수의 샘플들의 복수의 이온들의 형태계측 및/또는 텍스처 데이터를 포함하는 데이터베이스 또는 모델을 포함한다.
마커 검색
본 발명에 따른 프로세스는 마커들, 특히 바이오마커들(biomarkers)을 식별하기 위해 사용될 수 있다. 실제로, 생물체 샘플들의 경우, 두 조건 (예를 들어 병듬 대 건강함, 처리됨 대 보인자, 노출 대 비노출 등) 사이에 존재하는 형태학적 변동들을 식별하는 것을 가능하게 한다. 특히나, 본 발명에 따르면, 예를 들어서 샘플의 구조의 육안 및/또는 현미경 연구에 의해 사전에 식별된, 관심 부위에 존재하는 이온들을 상세하게 연구하는 것이 가능하다.
일단 형태계측 및/또는 텍스처 특징들이 획득되고 나서 통계적 분석 후, 연구된 이온들과 관련된 모양들이 현저히 다르게 여겨질 경우, 통상적인 방식으로 관심있는 관련된 분자 질량(들)로 돌아가는 것으로 충분하다. 특수한 데이터베이스들을 쿼리한 후, 대응하는 분자(들)은 식별될 수 있다. 이점에서, 세기뿐만 아니라 분자 분포 요소들의 형태학에 기초하기 위하여, 미분 통계학적 테스트(differential statistical tests)가 사용될 수 있다. 이것은 특히 Fischer 테스트, z 테스트, Student 테스트, Welch 테스트, 대응표본(paired) Student 테스트, ANOVA, Dunett 테스트, Tukey 테스트, Kruskal-Wallis 테스트, Wilcoxon-Mann-Whitney 테스트, Wilcoxon 부호 순위(signed-rank) 테스트, MANOVA 등을 사용하는 것이 가능하다.
필터링 및 분자 분류
본 발명에 따른 프로세스는 분자 필터링 목적으로 사용될 수 있다.
예를 들어, 임의적으로 또는 그렇지 않은 방식으로, 샘플 내 분자 필터를 수행하기 위한 특정 형태학(가령, 최소 표면 면적의 X mm2의 별 모양)을 선택하는 것이 가능하다. 그래서, 정의된 기준(들)을 통과한 이온들만 선택된다. 이리하여 찾고있는 것과 동일한 모양 영향을 갖는 분자들을 식별하는 것이 가능하다.
이러한 필터링은 샘플들의 분류를 가능하게 할 수 있다. 그리고 본 발명의 프로세스를 이용해서, 세기들 및 모양들의 정보에 기초하여 유사성 점수를 구하는 것이 가능하다. 생물체 조직과 같은 샘플 내에서, 가령 생리적 조건의 특성인, 주어진 모양의 존재를 자동적으로 인식하는 것이 가능하다. 그리하여, 선택된 프로토콜에 관계없이 보존되는 형태계측 및 텍스처 특징들과 달리 샘플의 준비(매트릭스의 증착(deposition), 건조 시간, 결빙, 조직의 종류 등)에 따라서 그 자체가 변동할 수 있는 세기 기준(intensity criterion)에만 배타적으로 기초한 것보다 정밀하고 신뢰성 있는 점수들에 기초한 분류들을 구축하는 것이 가능하다.
본 발명에 따르면, 유리하게도, 동일 생물체 조직 또는 동일 근본/본질의 생물체 조직들으로부터의 여러 샘플들과 같은 동일한 개체군으로부터의 여러 샘플들의 규격들(specifications)을 컴파일한 데이터베이스(DB) 또는 모델을 만드는 것이 가능하다. 그러한 데이터베이스 또는 그러한 모델로부터, 동일 개체군의 새로운 샘플을 식별하거나 한 개체군 내에 어느 한 샘플을 확신을 가지고 식별하는 것이 가능하다.
예를 들어, 건강한 폐 조직의 샘플과 비교적으로 섬유 형성된 폐 조직 샘플을 특성화하는 것이 가능하다. 도 2는 건강한 폐 조직 샘플 및 섬유증 폐 조직 샘플에 대한 획득된 이미징 데이터 세트들의 형태계측적 특성화으로부터 구한 결과들을 보다 자세하게 보여준다. 본 발명의 프로세스에 따르면, 두 형태학은 타원형으로 식별되고, 둘 중 하나는 1에 가까운 단축 및 장축 사이의 비율을 갖는다(섬유증 조직). 이들 형태계측 시그니처들의 사용은 기도의 두 모양, 각각 건강 (제1형 타원형) 및 섬유증 (제2형 타원형)을 특성화하는 가능성을 제공한다.
이와 유사하게, 품질 평가를 수행하기 위해서 전자 부품들, 자동차 부품들 또는 다른 부품들과 같은, 무기물 샘플들을 특성화하는 것이 가능하다.
세포 카운팅(counting) 및 형태계측적 소팅(sorting)
본 발명에 따른 프로세스는 또한, 특히 환경 또는 건강 평가의 범주 내에서, 세포 또는 박테리아 카운팅의 분야에서 사용될 수 있다. 이 목적으로, 카운트될 개체들을 잘 보이게 하기 위하여 질량 분광 이미징에서, 세포 벽의 특정 분자들(가령 지질)을 선택하는 것이 가능하다.
본 발명에 따른 프로세스로, 지금까지, 모양들은 분자 인자(molecular factor)로 분리되었고, 이것은 광학 신호, 특히 광학 현미경 또는 유동 세포 분석법으로 달성될 수 있다. 본 발명은 광학 신호들로 획득되는 감지 감도 한계들을 넘어서는 가능성뿐만 아니라 정확성(더 적은 거짓 양성 이벤트)을 가지고 동시에 분석되는 파라미터들의 개수를 증가시킨 일률을 제공한다. 본 발명에 따르면, 식별된 세포의 물질대사 활동과 같은 분자 프로파일을 표시하는 동안 세포들은 그들의 형태학에 기초하여 숫자가 부여되고 인식될 수 있다. 그러므로, 다중 세포, 생물학적 또는 조직학적 종류들 및 그것의 생리활동에 번호를 매기는 것이 가능하다.
도 3은 두 섬유증 조직들의 기도의 샘플들에 대한 획득된 이미징 데이터 세트들에서 형태계측법으로 자동화된 카운팅을 묘사한다. 타원형 모양의 자동 감지는 인접 조직학적 염색들과의 어떠한 상관(correlation) 없이 관심있는 조직학적 구조(여기서는 기도)를 식별하고 넘버링하는 가능성을 제공한다.
형태계측법의 동역학 연구
본 발명에 따른 프로세스는 또한 모양의 동역학 연구, 특히 샘플에 관심있는 요소들(분자, 이온, m/z)의 형태계측(모양, 표면, 부피...)에서의 시간에 따른 변화를 따라가기 위해 사용될 수 있다. 특히나 이것은 시간에 걸쳐 관심있는 부위의 형태계측에서의 변화, 가령 팽창 또는 축소를 보는 것을 가능하게 한다.
이것은 또한 생물체 샘플에 모양의 시간에 따른 변화들의 단계들을, 생물체 샘플의 단계들의 다른 연구들과 일관되게 예상하는 것을 가능하게 한다. 예를 들어, 본 발명의 프로세스를 통해 시간 경과에 따른 하나 또는 여러 타겟 질량들에 따라 표면 곡선들을 구하는 것이 가능하다. 만약 특정 안정기들 또는 단계들이 식별된 경우(형태계측 변동, 안정기(plateaus), 모양의 진동...), 이들은 생물체 샘플의 알려진 단계들과 잠재적으로 상관된다(예를 들면 발암성 조직의 등급의 변화).
도 4는 섬유증 조직 내 기도의 협착의 시간에 따른 변화의 연구에서 본 발명에 따른 처리의 응용을 도시한다. 도시된 바와 같이, 본 발명의 처리로 시간 경과에 따른 기도의 표면 면적을 결정하고 이에 따라 기도 협착 중에 섬유증의 영향을 추적하는 것을 가능하게 한다.
세포 또는 조직 형별(typing)
본 발명에 따른 프로세스는 식물 또는 동물의 생물체 샘플 내 세포 유형 또는 조직 하부 구조를 식별하기 위해 사용될 수 있다. 이 세포 유형 구별(typing)은 세포들에 고유한 각 세포의 형태계측들에 의해서 가능하게 이루어진다. 그리하여, 획득된 세포 형태계측들에 따라서, 하나 또는 여러 샘플들 내에 포함된 세포 유형(들)을 결정하는 것이 가능하다.
최근, 기계의 발전은 MALDI 이미징의 공간 해상도를 10 μm이하로 낮추는 가능성을 제공하고 있다. SIMS 기술은 그 자체만으로 1 μm보다 작은 해상도를 일상적으로 획득하는 가능성을 제공한다. 세포의 평균 크기가 10-15 μm임을 고려하면, 이는 질량 분광 이미징이 분자 데이터 세트들에서 구별될 수 있게 하는 세포 해상도를 획득한다고 간주할 수 있다.
도 5는 피부 조직 절편상에서 조직 유형을 구별(typing)하는 범주 내에서 어떠한 조직학적 상관(histological correlation)이 없는 본 발명의 프로세스의 응용을 도시한다. 조직의 영역들(각질층 및 표피)은 MSI 포착 후에 얻은 그들의 고유한 형태계측들에 의해서 식별된다.
또한, 도 6은 생물체 샘플 상에 / 내에 직접적으로 넘버링 및 세포 형별하는 범주 내에서 어떠한 조직학적 상관이 없는 본 발명의 프로세스의 응용을 도식적으로 도시한다. 샘플의 세포들(조직, 세포 용액 또는 배양 조직)은 MSI 포착 후에 얻은 그들의 고유한 형태계측들에 의해서 형별된다.
실시예
본 발명은 이제 특정 예시들에 의해 보다 상세히 기술된다. 이들 예시들은 보기로서 주어지며 결코 본 발명을 한정하지 않는다.
실시예 1: 스펙트럼 및 공간 정보를 결합하여 샘플 또는 관심 부위를 특성화하는 절차
본 실시예의 목적은 한 샘플에 대하여 획득한 동일한 이미징 데이터 세트로부터 기인할 수 있는 정보의 조각들에서, 상기 샘플에서 주어진 m/z 비에 대한 세기들과 관련된 데이터만을 고려하거나 또는 이 m/z 비와 관련된 형태계측 및 텍스처 특징들을 고려하는지 여부에 따른 차이점들을 보이기 위함이다.
일단 샘플의 질량 분광 이미징 데이터(위치, m/z 비, 세기)가 임의의 공지된 방법에 의해 획득되면, 예를 들면 아래의 단계들에 따라서 다음과 같이 진행된다:
1/ 이미징 데이터로부터 획득된 영상들을 로드하는 단계;
2/ 예를 들어 오츠 방법(Otsu method)을 사용하여 영상들을 이진화하기 위한 임계값(threshold)을 결정하는 단계
3/ 비-최적화 알고리즘을 통해 개체들을 부표(labeling) 및 카운팅하는 단계;
4/ 변수에 0이 아닌 위치(non-zero positions)의 개수를 복원하는 단계;
5/ 그 변수에 개체 또는 영상의 픽셀의 개수를 복원하는 단계;
6/ 그 변수에 평균 세기를 계산하는 단계;
7/ 개체가 적어도 어떤 모양 성질들을 갖는지 여부를 결정하는 테스트 단계.
단순화된 방법으로, 단계 3은 아래의 알고리즘을 통해 적용될 수 있다:
"영상 전체를 커버하지 않는 한:
한 라인씩 영상을 커버하기
0이 아닌 픽셀을 만나면 (즉 개체에 속하는 픽셀이면)
그 이웃 및 개체의 픽셀들을 0으로 설정하기 위한 8연결도(connectedness)로 이웃하는 이웃들을 커버하기
개체 카운터 증가
이웃 커버 끝
0이 아닌 픽셀 끝
라인 커버 끝
알고리즘 끝”
테스트 단계 7은 예를 들어 테스트할 성질(들)을 갖는 구조 요소(SE)로 구멍(침식 ε, 뒤이어 팽창 δ)을 만들어서 적용될 수 있다. 만약 SE에 의한 구멍의 픽셀의 합이 0이 아니라면, 영상/부위는 성질(property)을 갖는다.
구멍:
Figure pct00001
침식:
Figure pct00002
,
Figure pct00003
,
Figure pct00004
팽창:
Figure pct00005
,
Figure pct00006
결론
상술한 단계들은 각각이 연속적인(도 1a) 또는 분절된(도 1b) 6 픽셀의 길이를 갖는 그리고 이들 6 픽셀이 동일한 평균 세기를 갖는 2 세그먼트(도 1)에 대하여 통상적으로 획득되는 이미징 데이터에 적용될 수 있다.
유일한 세기들을 고려하는 것은 두 세그먼트를 구별할 수 있는 가능성을 제공하지 않는 반면, 본 발명에 따른 프로세스에 의해 획득된 형태학적 및 텍스처 특성화은 두 세그먼트 간의 차이점을 보여주는 가능성을 제공한다.
표 1: 이미징 데이터로부터 구한 특성들(characteristics)
평균 세기 표면 면적 개체의 개수 개체당
표면 면적		 길이가 4인
세그먼트 포함
영상 1 11.475 6 1 6 예
영상 2 11.475 6 6 1 아니오
실시예 2: 형태계측 데이터로부터 관심있는 피크들 및 관련 바이오마커들을 식별하기 위한 절차
재료 및 방법
동물:
이 연구를 위해 다섯 개의 쥐의 폐가 사용되었다. 세 개는 기도(구강인두의 호흡 경로)를 통해서 블레오마이신 (Apollo ScientificTM, 영국) 처리를 7일 동안 1 mg/kg의 약물을 투여 받은 쥐들로부터 나왔고, 두 개는 동일한 기간 동안 유사한 방식으로 식염수를 받은 동물들로부터 나왔다. 모든 쥐는 스프라그 돌리(Sprague Dawley) Crl:CD (SD) 수컷 쥐이다. 두 그룹은 실험 개시 22일 후 희생되었다. 폐들은 아가로스로 팽창되어, 10%의 중성 완충액으로 포르몰에 고정되고 -80°C에서 동결되었다. 동물 실험은 1986년의 동물 (과학 절차) 법을 준수하였다.
질량 분광 (MS) 영상을 포착하기 위한 준비:
영상을 포착하기 위하여, ITO 슬라이드를 Delta TechnologiesTM (러브랜드, 미국)에서 구매하고 9-아미노아크리딘(9AA)으로 덮었다.
12 μm의 두께를 갖는 신선한 조직 절편들(sections)은 -35°C 에서 microm HM560 저온 유지 장치 (Thermo ScientificTM, 독일)를 사용하여 얻고 ITO 슬라이드에 올렸다. 나아가, 재현성에 대한 평가를 위한 품질 평가로서 사용되기 위하여, 동일 슬라이드에 두께 10 μm의 약물로 도핑된 쥐 신장의 균질화물의 절편을 침착(deposited)시켰다. 슬라이드는 저온 유지 장치에서 한 시간 후에 꺼낸 다음 최종적으로 -80°C에서 이를 사용할 때까지 저장되기 전에 20분간 건조되었다.
사용된 매질(matrix)은 MeOH/H2O (4:1 v:v) 용매에 5 mg/mL의 9AA 용액이고; 이는 자동 증착 장치 SuncollectTM(SunChromTM, 프리드리히스도르프, 독일)를 이용하여 10개의 연속적인 층들로 증착되었다. 첫번째 층은 10 μL/min의 유동률로 도포되고, 두번째 층은 20 μL/min의 유동률로 그리고 이후의 것들은 30 μL/min로 도포되었다.
MS 영상들의 포착:
1000 Hz의 반복률 및 80%의 출력 에너지로 사용되는 SmartBeam II TM레이저를 장착한 질량 분석기 MALDI-FTICRTM TM(7T SolarixTM, 브루커 달토닉스TM, 브레멘, 독일)는 30 μm의 공간 해상도로 100 및 1000 사이에서 구성되는 m/z에 대한 “풀 스캔” 모드 및 네거티브 모드로의 질량 필터들을 획득하기 위해 사용된다. 각 질량 스펙트럼은 동일한 위치에 500 개의 연이은 레이저 샷의 축적에 대응한다. 내부 교정(calibration)은 200 및 900의 m/z 사이로 구성된 인지질과 함께 9AA 매트릭스를 사용하여 수행된다. 질량 분석기는 FTMS ControlTM 2.0 및 FlexImagingTM 4.0 소프트웨어 패키지들(브루커 달토닉스TM, 브레멘, 독일)을 사용하여 제어된다.
블레오마이신이 변화들을 초래해야 하기 때문에, 포착을 위하여 선택된 부위들은 폐 기도들이다.
피크의 감지:
피크로 여겨지는 것은, 임계값을 초과하는 상태로부터 변환된 평균 스펙트럼의 최대이다. 사용된 변환은, 0 값을 제외한 신호의 중앙값(median)에서 0 값을 제외한 신호의 중앙값을 절대 편차로 나눈 것을 빼는 것으로, 1.4826을 곱한 것이다. 이것은 각 점에서 신호-대-잡음 비의 근사를 제공한다. 신호가 FTMS Control 2.0에 의해서 파괴적인 웨이브렛에 의한 압축을 겪은 것처럼 보이기 때문에, 잡음은 크게 또는 작게 정규 분포를 따르며 실제 신호는 평균 스펙트럼 내 집계된 측정치의 절반보다 작게 나타난다는 아이디어로부터, 0 값들의 억제는 달성된다. 잡음을 근사하는 다른 방법들은 테스트되었지만(예를 들어, 동일 측정을 국부적으로 수행, 또는 한 피크에서 가우스 분포까지 거리가 그것을 나타내는 것으로 가정) 낮은 임계값으로의 더 나은 결과는 주지 않는다. 가능한 한 많은 잡음을 제거하기보단 가능한 잘못된 음성 알람을 덜 갖도록 하기 위해서 이 연구에서 유지한 임계값은 1이다.
내보내기 영상:
잠재적인 바이오 마커에 대응하는 각 감지된 피크마다, 그리고 각 촬상된 부위마다, 피크의 윈도우 내 최대 세기의 영상은 8비트의 깊이를 갖는 그레이 레벨의 범주에서 그려지고 어떠한 압축 없이 JPEG 포멧으로 보내(exported)진다. 단일 채널만 사용하는 선택은 결과의 시각적 검사를 가능하게 하기 위해 이루어진다. 12 부위(상태 1의 6개와 상태 2의 6개)에서 촬상된 약 2000개의 이온들이 획득되었다.
형태학적 특성화:
각각의 영상에 대하여:
영상으로부터 잡음을 제거하기 위하여, 영상 위에 그레이 레벨로 2 x 2 크기의 구조 소자를 사용하여 구멍은 만들어지고, 이후 동일한 구조 소자를 사용하여 뚜껑(closure)이 만들어진다:
Figure pct00007
, 여기서 O는 그레이 레벨의 원본 영상이고, 우리의 경우에 B1= B2 =B이고, 구조 소자, 불린(Boolean) 값들은 우측 아래 모서리에서 중심적으로 변동하고, 잃어버린 값들은 가장 가까운 라인 또는 컬럼을 복사해서 구하였다.
그리하여 영상은 오츠 방법을 (우리의 경우 단일 임계값으로) 적용함으로써 이진화된다: N개 픽셀을 포함하는 영상에 대하여
Figure pct00008
의 최대화, 여기서
Figure pct00009
및
Figure pct00010
이고, 여기서
Figure pct00011
,
Figure pct00012
,
Figure pct00013
,
Figure pct00014
, 여기서
Figure pct00015
,
Figure pct00016
,
Figure pct00017
, 여기서 L은 총 그레이 레벨이고 ni는 그레이 레벨 i 값을 취하는 픽셀의 개수이다;
이 이전 또는 이후에, 픽셀 영상의 표면 면적이 계산된다;
그리고 나서, 이진화된 영상내 개체들의 개수는 Rosenfeld- Pfaltz(1996)에 기술된 것처럼 4 연결도(connectedness)로 부표된 영상을 생성하기 위해 사용된 모든 라벨들의 카디널 값(cardinal)을 이용하여 카운트된다.
마지막으로, 단위 표면 당 개체들의 평균 표면 면적이 정해진다.
비교:
두 개의 웰치(Welch) t 테스트는 두 조건에 대해 이루어지는데, 하나는 단위 표면 당 개체의 개수에 기초하고 다른 하나는 단위 표면 당 개체의 평균 표면 면적에 기초한다. 웰치 t 테스트는 작은 크기의 쌍을 이루지 않은(non-paired) 샘플들에 잘 적용되고 두 개체군의 분산이 동일한지 확신할 수 없기 때문에 유지된다. 이와 달리 만-휘트니-윌콕슨(Mann-Whitney-Wilcoxon) 테스트가 사용될 수도 있다.
200개의 바이오마커들은 통제 조건 및 처리 조건 사이에 형태계측적 기준(criteria)의 사용에 기초하여 현저히 다르게 식별되고, 이 중에 몇몇 바이오마커들은 형태계측적 기준의 사용에 의해서만 식별된다.
도 9에 이를 도시한 바와 같이, 세포 사멸(apoptosis)에 들어간 세포막 구성이 식별될 수 있었고(m/z 718.505), 이것은 세기들만 고려해서는 감지할 수 없는 것이었다(NS: 현저하지 않음; *: 현저한 차이점).
모델링:
수학적 모델은 처리 조건의 잠정적으로 식별된 바이오마커들을 기초로 이루어진다. 이 모델은 추출된 형태계측 특징들을 기초로 테스트 샘플들을 분류하기 위한 탐구 목적으로 사용된다.
본 연구는 다음을 위해 계속될 수 있다:
- 데이터의 표준화;
- 분자와 피크를 연관시키기 위한 피크들의 식별을 수행;
- 생물학적 해석을 수행;
- 예를 들어 클라우드 플랫폼을 사용하여 분류 / 머신 러닝을 수행.
실시예 3: 다른 응용들
매우 많은 응용들을 생각할 수 있고, 특히 기술된 실시예 1 및 실시예 2의 단계들을 사용하여 적용될 수 있다. 예를 들어, 앞서 논의된 바와 가이, 본 발명은 분자 필터링 및 분류, 세포 및 형태학적 카운팅(morphological counting), 질병 또는 처치의 시간 경과에 따른 발전의 연구, 세포 또는 조직의 형별 등을 위해, 새로운 바이오마커들을 식별하려는, 의학 및 약학 분야에 사용될 수 있다. 본 발명에 따르면, 샘플 내 이온의 분포 표면들 및/또는 부피들로부터, 상기 샘플 내 상기 이온에 상대적인 또는 절대적인 수량화도 가능하다. 물론, 본 발명은 품질 관리, 예술, 비교 및 자동화된 개체 분석, 물질의 구성요소의 연구 등과 같은 다른 영역에서도 응용을 발견한다.

Claims (19)

  1. 관심 샘플 내에서 관심 분자를 질량 분광 이미징(MSI)에 의해 식별하는 프로세스로서,
    i) 관심 샘플 내 복수의 이온들과 관련된 형태계측 및/또는 텍스처 특징들을 결정하기 위하여 상기 샘플 내 상기 이온들의 MSI 데이터로부터 상기 샘플 내 상기 이온들의 공간적 배열을 분석하는 단계;
    ii) 상기 관심 샘플 내 복수의 이온들과 관련된 형태계측 및/또는 텍스처 특징들을 기준 샘플 내 복수의 이온들과 관련된 형태계측 및/또는 텍스처 데이터와 비교하는 단계;
    iii) 상기 샘플의 적어도 하나의 특성 이온을 식별하는 단계;
    iv) 단계 iii)에서 식별된 이온에 대응하는 분자를 식별하는 단계;를 포함하는 샘플 내에서 분자를 식별하는 프로세스.
  2. 제1항에 있어서,
    상기 형태계측 특징들은 패턴(들) 및 상기 패턴과 관련된 치수들을 한정하는, 샘플 내에서 분자를 식별하는 프로세스.
  3. 제1항 또는 제2항에 있어서,
    상기 텍스처 특징들은 상기 샘플 내 패턴들의 배열을 한정하는, 샘플 내에서 분자를 식별하는 프로세스.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서,
    상기 샘플의 영상에서 직접적으로 적어도 하나의 이온과 관련된 형태계측 및/또는 텍스처 특징들을 확인하는 추가 단계를 포함하는, 샘플 내에서 분자를 식별하는 프로세스.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 적어도 하나의 이온의 공간적 배열을 분석하는 단계는, 모양 및/또는 텍스처 분석의 인식 프로세스를 적용하여 달성되는, 샘플 내에서 분자를 식별하는 프로세스.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서,
    MSI에 의하여 샘플 내 복수의 이온들에 대한 데이터를 획득하는 예비 단계를 포함하는, 샘플 내에서 분자를 식별하는 프로세스.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서,
    상기 관심 샘플 내 복수의 이온들의 형태계측 및/또는 텍스처 특징들을 포함하는 데이터베이스(DB) 또는 모델을 형성하는 단계를 포함하는, 샘플 내에서 분자를 식별하는 프로세스.
  8. 제7항에 있어서,
    상기 관심 샘플 내 적어도 하나의 이온의 스펙트럼 MSI 데이터, 및/또는 상기 관심 샘플에 고유한 물리화학적, 생리적, 및/또는 생물학적 데이터로 상기 데이터베이스(DB) 또는 상기 모델을 구현하는 단계를 포함하는, 샘플 내에서 분자를 식별하는 프로세스.
  9. 샘플 내 이온의 공간적 배열에 의하여 상기 샘플을 특성화하기 위하여, 상기 샘플 내 적어도 하나의 이온의 형태계측 특징들 및/또는 텍스처 특징들을 결정하기 위한 상기 이온의 질량 분광 이미징(MSI) 데이터의 용도.
  10. 질량 분광 이미징(MSI)에 의해 샘플을 특성화하는 방법으로서, 상기 샘플 내 적어도 하나의 이온의 공간적 배열이, 형태계측 및/또는 텍스처 특징들의 측면에서, 상기 이온과 관련된 이미징 데이터로부터 특성화되는, MSI에 의한 샘플의 특성화 방법.
  11. 제10항에 있어서,
    a) MSI에 의해, 상기 샘플 내 적어도 하나의 이온에 대한 데이터를 획득하는 단계; 및
    b) 형태계측 및/또는 텍스처 특징들에 의해, 상기 샘플 내 적어도 하나의 이온의 위치들에 관한 데이터로부터, 상기 샘플 내 상기 적어도 하나의 이온의 공간적 배열을 특징화하는 단계;를 포함하는, MSI에 의한 샘플의 특성화 방법.
  12. 제10항 또는 제11항에 있어서,
    c) 상기 샘플의 분자 세기 프로파일을 나타내는 관심 부위들로 샘플의 이미징 데이터를 분할하는 단계; 및
    d) 상기 분자 프로파일의 형태계측 및/또는 텍스처 특징들에 의해, 관심 부위의 분자 프로파일의 이온들의 공간적 배열을 특성화하는 단계;를 포함하는, MSI에 의한 샘플의 특성화 방법.
  13. 제10항 내지 제12항 중 어느 한 항에 있어서,
    e) 상기 샘플 내 복수의 이온들의 형태계측 및/또는 텍스처 특징들을 포함하는 데이터베이스(DB) 또는 모델을 형성하는 단계;를 포함하는, MSI에 의한 샘플의 특성화 방법.
  14. 제13항에 있어서,
    f) 상기 샘플 내 적어도 하나의 스펙트럼 MSI 데이터, 및/또는 상기 샘플에 고유한 물리화학적, 생리적 및/또는 생물학적 데이터로 상기 데이터베이스 (DB) 또는 모델을 구현하는 단계;를 포함하는, MSI에 의한 샘플의 특성화 방법.
  15. 생물체 샘플 내의 조직, 조직의 부위, 세포 종류, 조직의 (건강한 또는 병적인) 생리적 상태 또는 세포 카운팅을 위한, 제13항 또는 제14항의 특성화 방법에 따라 획득된 데이터베이스 또는 모델의 용도.
  16. 질량 분광 이미징에 의해 샘플을 식별하는 프로세스로서,
    i) 식별하고자 하는 샘플 내 적어도 하나의 이온의 형태학적 특징들 및/또는 텍스처 특징들을 식별하기 위하여, 상기 샘플 내 상기 이온의 MSI 데이터로부터 식별하고자 하는 상기 샘플 내 적어도 하나의 이온의 공간적 배열을 특징화하는 단계;
    ii) 단계 i)에서 획득된 형태계측 및/또는 텍스처 특징들을 기록하는 단계; 및
    iii) 식별하고자 하는 상기 샘플의 적어도 하나의 이온과 관련된 형태계측 및/또는 텍스처 특징들을 기준 이온과 관련된 형태계측 및/또는 텍스처 데이터와 비교하는 단계;를 포함하는, MSI에 의해 샘플을 식별하는 프로세스.
  17. 제16항에 있어서,
    여러 기준 샘플들로부터 획득된, 적어도 하나의 기준 이온과 관련된 형태계측 및/또는 텍스처 데이터로 데이터베이스 또는 모델을 구축하는 추가 단계를 포함하고, 상기 형태계측 및/또는 텍스처 데이터는, 상기 기준 샘플들 내 적어도 하나의 기준 이온의 공간적 배열을 나타내며, 단계 iii)은 식별하고자 하는 상기 샘플의 적어도 하나의 이온과 관련된 상태계측 및/또는 텍스처 특징들을 상기 데이터베이스 또는 상기 모델로부터의 데이터와 비교함으로써 적용되는, MSI에 의한 샘플을 식별하는 프로세스.
  18. 컴퓨터에 의해 실행될 수 있는 인스트럭션들을 포함하는 컴퓨터로 판독 가능한 데이터 매체로서, 상기 인스트럭션들은 컴퓨터 시스템이, 제1항 내지 제8항 중 어느 한 항에 따른 샘플 내에서 관심 분자를 식별하는 프로세스의 적어도 한 단계, 및/또는 제10항 내지 제14항 중 어느 한 항에 따른 샘플을 특성화하는 방법의 적어도 하나의 단계, 및/또는 제16항 또는 제17항에 따른 샘플을 식별하는 프로세스의 적어도 하나의 단계를 실행하게 하도록 형성되는, 컴퓨터로 판독 가능한 데이터 매체.
  19. 제18항에 있어서,
    적어도 하나의 샘플 내의 적어도 하나의 이온의 형태학적 및/또는 텍스처 데이터를 포함하는 데이터베이스를 포함하는 것을 특징으로 하는, 컴퓨터로 판독 가능한 데이터 매체.
KR1020177008286A 2014-08-26 2015-08-24 질량 분광 이미징에 의한 샘플의 특성화 방법 KR20170047337A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR1457993A FR3025317B1 (fr) 2014-08-26 2014-08-26 Methode de caracterisation d'un echantillon par imagerie par spectrometrie de masse
FR1457993 2014-08-26
PCT/FR2015/052254 WO2016030621A1 (fr) 2014-08-26 2015-08-24 Méthode de caractérisation d'un échantillon par imagerie par spectrométrie de masse

Publications (1)

Publication Number Publication Date
KR20170047337A true KR20170047337A (ko) 2017-05-04

Family

ID=52737144

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177008286A KR20170047337A (ko) 2014-08-26 2015-08-24 질량 분광 이미징에 의한 샘플의 특성화 방법

Country Status (11)

Country Link
US (1) US10141168B2 (ko)
EP (1) EP3195345B1 (ko)
JP (1) JP6860475B2 (ko)
KR (1) KR20170047337A (ko)
CN (1) CN106796197A (ko)
AU (1) AU2015308264A1 (ko)
CA (1) CA2959111C (ko)
DK (1) DK3195345T3 (ko)
ES (1) ES2885691T3 (ko)
FR (1) FR3025317B1 (ko)
WO (1) WO2016030621A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3388634A1 (en) 2017-04-12 2018-10-17 Doosan Heavy Industries & Construction Co., Ltd. Gas turbine blade assembly having retainer assembling structure, and gas turbine having same
KR20200041305A (ko) * 2017-06-12 2020-04-21 프로틴 다이나믹 솔루션즈 인크. 결정 및 결정화의 분석을 위한 방법 및 시스템

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201609747D0 (en) * 2016-06-03 2016-07-20 Micromass Ltd Data directed desi-ms imaging
GB201609743D0 (en) 2016-06-03 2016-07-20 Micromass Ltd Mass Spectrometry imaging
US10347480B2 (en) * 2017-09-25 2019-07-09 Bruker Daltonik, Gmbh Method for evaluating the quality of mass spectrometric imaging preparations and kit-of-parts therefor
CN110044997B (zh) * 2018-01-15 2023-08-04 中国医学科学院药物研究所 一种体内药物的离子强度虚拟校正和定量质谱成像分析方法
CN108763871B (zh) * 2018-06-05 2022-05-31 北京诺禾致源科技股份有限公司 基于第三代测序序列的补洞方法及装置
CA3125695A1 (en) * 2019-01-22 2020-07-30 Imabiotech Method for evaluating molecular changes related to a molecule effect in a biological sample
DE102019109771B4 (de) 2019-04-12 2022-06-30 Bruker Daltonics GmbH & Co. KG Auswertung komplexer Massenspektrometrie-Daten von biologischen Proben
CN112198215B (zh) * 2020-09-23 2022-07-22 湖南农业大学 一种分析钩吻内次生代谢产物在组织中分布的方法
CN113034491B (zh) * 2021-04-16 2021-10-08 北京安德医智科技有限公司 一种冠脉钙化斑块检测方法及装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1302465A1 (en) * 2001-10-11 2003-04-16 BRACCO IMAGING S.p.A. Enhanced substrate imaging by reversible binding to a paramagnetic complex
US6756586B2 (en) * 2001-10-15 2004-06-29 Vanderbilt University Methods and apparatus for analyzing biological samples by mass spectrometry
JP2007226054A (ja) * 2006-02-24 2007-09-06 Fuji Xerox Co Ltd 画像形成方法および画像形成装置
DE102007059681A1 (de) * 2007-12-12 2009-06-18 Omya Development Ag Komposits aus anorganischen Mikropartikeln mit phosphatierter Oberfläche und Nano-Erdalkalikarbonatpartikeln
FR2935822B1 (fr) * 2008-09-05 2010-09-17 Commissariat Energie Atomique Procede de reconnaissance de formes et systeme mettant en oeuvre le procede
US8321144B2 (en) * 2008-10-23 2012-11-27 Microsoft Corporation Non-contiguous regions processing
US8488863B2 (en) * 2008-11-06 2013-07-16 Los Alamos National Security, Llc Combinational pixel-by-pixel and object-level classifying, segmenting, and agglomerating in performing quantitative image analysis that distinguishes between healthy non-cancerous and cancerous cell nuclei and delineates nuclear, cytoplasm, and stromal material objects from stained biological tissue materials
EP2393416A4 (en) * 2009-02-06 2013-07-31 Univ Laval METHOD AND DEVICE FOR THE QUANTITATIVE DETERMINATION OF THE PROBABILITY OF A DISEASE
JP5359924B2 (ja) * 2010-02-18 2013-12-04 株式会社島津製作所 質量分析装置
WO2012155134A2 (en) * 2011-05-12 2012-11-15 The Johns Hopkins University Assay reagents for a neurogranin diagnostic kit
US10386371B2 (en) * 2011-09-08 2019-08-20 The Regents Of The University Of California Metabolic flux measurement, imaging and microscopy
JP6006548B2 (ja) * 2012-07-04 2016-10-12 株式会社 資生堂 成分分布可視化装置、成分分布可視化方法、及び成分分布可視化プログラム
US9552649B2 (en) * 2012-11-20 2017-01-24 Koninklijke Philips N.V. Integrated phenotyping employing image texture features
JP6546177B2 (ja) * 2013-09-13 2019-07-17 ザ ボード オブ トラスティーズ オブ ザ レランド スタンフォード ジュニア ユニバーシティー 質量タグ及び二次イオン質量分析計を用いた組織の多重化イメージング

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3388634A1 (en) 2017-04-12 2018-10-17 Doosan Heavy Industries & Construction Co., Ltd. Gas turbine blade assembly having retainer assembling structure, and gas turbine having same
KR20200041305A (ko) * 2017-06-12 2020-04-21 프로틴 다이나믹 솔루션즈 인크. 결정 및 결정화의 분석을 위한 방법 및 시스템

Also Published As

Publication number Publication date
EP3195345A1 (fr) 2017-07-26
CN106796197A (zh) 2017-05-31
ES2885691T3 (es) 2021-12-15
FR3025317A1 (fr) 2016-03-04
EP3195345B1 (fr) 2021-06-16
FR3025317B1 (fr) 2022-09-23
US20170221687A1 (en) 2017-08-03
AU2015308264A1 (en) 2017-03-09
DK3195345T3 (da) 2021-09-13
US10141168B2 (en) 2018-11-27
JP2017529527A (ja) 2017-10-05
JP6860475B2 (ja) 2021-04-14
WO2016030621A1 (fr) 2016-03-03
CA2959111C (fr) 2023-12-12
CA2959111A1 (fr) 2016-03-03

Similar Documents

Publication Publication Date Title
KR20170047337A (ko) 질량 분광 이미징에 의한 샘플의 특성화 방법
Boskamp et al. A new classification method for MALDI imaging mass spectrometry data acquired on formalin-fixed paraffin-embedded tissue samples
Norris et al. Processing MALDI mass spectra to improve mass spectral direct tissue analysis
Tuck et al. MALDI-MSI towards multimodal imaging: challenges and perspectives
US8605968B2 (en) Determination of tissue states by imaging mass spectrometry
Oezdemir et al. Proteomic tissue profiling for the improvement of grading of noninvasive papillary urothelial neoplasia
Cordero Hernandez et al. Targeted feature extraction in MALDI mass spectrometry imaging to discriminate proteomic profiles of breast and ovarian cancer
Urbini et al. ToF-SIMS and principal component analysis of lipids and amino acids from inflamed and dysplastic human colonic mucosa
Scott et al. Mass spectrometry imaging enriches biomarker discovery approaches with candidate mapping
US11348771B2 (en) Mass spectrometric determination of particular tissue states
KR20160049305A (ko) 초분광 영상의 분광혼합분석에 의한 표적물질 탐지방법
Djambazova et al. Advances in imaging mass spectrometry for biomedical and clinical research
Wang et al. A dynamic wavelet-based algorithm for pre-processing tandem mass spectrometry data
Norris et al. Imaging mass spectrometry in clinical pathology
Castro et al. Probe‐based mass spectrometry approaches for single‐cell and single‐organelle measurements
Guo et al. Towards More Reliable Unsupervised Tissue Segmentation Via Integrating Mass Spectrometry Imaging and Hematoxylin-Erosin Stained Histopathological Image
Wang et al. Reversible jump MCMC approach for peak identification for stroke SELDI mass spectrometry using mixture model
Glodek et al. Isotopic envelope identification by analysis of the spatial distribution of components in MALDI-MSI data
Sugiura et al. DESI-based imaging mass spectrometry in forensic science and clinical diagnosis
US20190391157A1 (en) Mass spectrometry imaging of benign melanocytic nevi and malignant melanomas
KR101408217B1 (ko) 질량분석패턴을 이용한 원발성간내담도암 및 전이성간암의 감별법
Blanc et al. In tissue spatial single-cell metabolomics by coupling mass spectrometry imaging and immunofluorescences
Angerer et al. Exploiting the semi-destructive nature of GCIB-ToF-SIMS imaging for simultaneous localization and confident lipid annotations
Glodek Fuzzy-Inference System for Isotopic Envelope Identification in Mass Spectrometry Imaging Data
KR20120126194A (ko) 말디 질량분석 패턴으로 원발부위 불명 선암의 조직기원을 예측하는 방법