WO2020075850A1 - 解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法 - Google Patents

解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法 Download PDF

Info

Publication number
WO2020075850A1
WO2020075850A1 PCT/JP2019/040289 JP2019040289W WO2020075850A1 WO 2020075850 A1 WO2020075850 A1 WO 2020075850A1 JP 2019040289 W JP2019040289 W JP 2019040289W WO 2020075850 A1 WO2020075850 A1 WO 2020075850A1
Authority
WO
WIPO (PCT)
Prior art keywords
shape
data
target component
analysis
standard
Prior art date
Application number
PCT/JP2019/040289
Other languages
English (en)
French (fr)
Inventor
池田　達彦
真史 三田
Original Assignee
株式会社資生堂
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 株式会社資生堂 filed Critical 株式会社資生堂
Priority to US17/283,716 priority Critical patent/US20210318277A1/en
Publication of WO2020075850A1 publication Critical patent/WO2020075850A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G01N30/74—Optical detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G01N30/8631—Peaks
    • G01N30/8637—Peak shape
    • 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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial 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
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N2030/022—Column chromatography characterised by the kind of separation mechanism
    • G01N2030/027—Liquid chromatography
    • 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
    • G06T2207/30108—Industrial image inspection

Definitions

  • the present invention relates to an analysis method, an analysis device, an analysis program, and a standard shape generation method.
  • Non-Patent Document 1 describes a quantification method based on unseparated peaks in a chromatogram.
  • Non-Patent Document 1 there is no established method as a standard for quantification based on non-separated data. Therefore, there have been cases where it is not possible to perform highly reliable analysis, such as the data analysis of the target component cannot be appropriately performed, and it is difficult to secure the reliability of the obtained quantitative value.
  • one embodiment of the present invention provides a data analysis method that enables more reliable analysis.
  • One aspect of the present invention is a method for analyzing data generated from at least two parameters, which comprises a step of comparing a data shape of a target component in a sample to be measured with a standard shape acquired in advance, The method includes the step of identifying a target component in the sample to be measured based on the comparison.
  • one aspect of the present invention is a method of analyzing data generated from at least two parameters, which comprises a comparison step of comparing a data shape of a target component in a sample to be measured with a standard shape acquired in advance. And a quantitative value calculating step of obtaining a quantitative value of the target component in the sample to be measured based on the comparison, wherein the standard shape is obtained from each of a plurality of standard samples each containing the target component at different quantitative values. A group of shapes for the target component obtained.
  • FIG. 3 is a diagram showing data of Example 1.
  • FIG. 7 is a diagram showing data of Example 2.
  • FIG. 8 is a diagram showing data of Example 3.
  • It is a flowchart which shows the detail of the calibration data generation process in an Example.
  • It is a flowchart which shows the detail of the quantitative process in an Example.
  • 9 shows a quality check sheet output for the analysis conditions of the blood sample of Example 4.
  • 9 shows a quality check sheet output for the analysis conditions of the blood sample of Example 4.
  • 9 shows a quality check sheet output for analysis conditions of a urine sample of Example 4.
  • 9 shows a quality check sheet output for analysis conditions of a urine sample of Example 4.
  • One form of the present invention is a method of analyzing data generated from at least two parameters, which comprises a comparison step of comparing a data shape of a target component in a measurement target sample with a standard shape acquired in advance, Based on the comparison, a step of identifying a target component in the sample to be measured is included.
  • one aspect of the present invention is a method of analyzing data generated from at least two parameters, which comprises a comparison step of comparing a data shape of a target component in a measurement target sample with a standard shape acquired in advance. And a quantitative value calculation step of obtaining a quantitative value of the target component in the sample to be measured based on the comparison.
  • the standard shape includes a group of shapes for the target component obtained from a plurality of standard samples each containing the target component at different quantitative values.
  • one embodiment of the present invention is used for analysis of data generated from at least two parameters, including a group of shapes of the target component obtained from a plurality of standard samples each containing the target component in different quantitative values. This is a standard shape creation method.
  • data shape or “shape” (sometimes referred to as “data shape” or “shape”) means a form of data in which characteristics of components in a sample are represented by using two or more parameters. And can be represented by some function using two or more parameters.
  • the “data shape” is not limited to a shape (shape) in a physical space such as a two-dimensional space (plane) or a three-dimensional space, but is a concept that can be extended to one in four or more multidimensional space coordinates.
  • at least one of the parameters is a quantitative parameter (quantitative parameter) for the target component.
  • the embodiment of the present invention will be mainly described as separated analysis data including two parameters, specifically, data representing time and signal strength corresponding to time (data representing time-series signal strength).
  • data representing time and signal strength corresponding to time data representing time-series signal strength.
  • present invention is not limited to the specific forms described in the specification.
  • a chromatogram is data (figure, graph) obtained by chromatography that temporally separates a sample, and is data generated by two parameters of time and signal intensity detected by a detector.
  • the signal intensity is a parameter that reflects the amount of the target component, that is, a quantitative parameter
  • the time is a parameter that does not reflect the amount of the target component, that is, a non-quantitative parameter. is there.
  • Fig. 1 (a) shows a part of a chromatogram obtained by subjecting a sample containing D-asparagine to high performance liquid chromatography.
  • Each data (peak) in FIG. 1 (a) was obtained by changing only the concentration of D-asparagine in the sample under the same analysis conditions (the concentration of D-asparagine in each peak was 0, respectively).
  • the horizontal axis represents the retention time and the vertical axis represents the signal intensity.
  • Fig. 1 (b) shows the magnification in the vertical axis (intensity axis) direction of each peak shown in Fig. 1 (a) changed so that the intensity at the peak top (peak height) is the same. More specifically, 0.025 pmol / inj, 0.25 pmol / inj, and 2.5 pmol / inj peaks have the same peak-top intensity as that of the 5 pmol / inj peak. And expanded in the strength axis direction. In FIG. 1B, each peak is shifted in the intensity axis direction so that the intensity (value on the vertical axis) at the peak top position becomes zero.
  • Fig. 1 (b) it can be seen that all the peaks overlap (the shapes of all the peaks are almost the same) by changing the magnification in the strength axis direction.
  • “substantially the same” and “substantially the same” mean that some deviations due to mechanical, electrical, or artificial errors during measurement are included.
  • “same analysis conditions” or “same analysis system” means analysis conditions such as column size and shape, packing material, stationary phase, mobile phase, carrier type, flow system, temperature, etc. Means that are substantially the same.
  • the peaks of a given component obtained under the same analysis conditions are unique (specific / unique) to the component under that analysis condition, except for the difference in the size (scale) in the intensity axis direction due to concentration. Shows the shape.
  • any common The ratio ⁇ I A / ⁇ I B of the increase amount in the strength axis direction in the time range ⁇ t becomes substantially constant.
  • the ratio of the two is the same or substantially the same at any position in the time axis direction.
  • the data for the target component is not separated (not independent) and overlaps with the data for another adjacent component (contaminant), it is affected by the other adjacent component. If a missing data shape appears even partially, the partial shape is compared with a previously acquired data shape of known concentration (standard shape) to identify (specify) the target component. Further, the concentration can be estimated or quantified after the target component is identified (specified).
  • the shape of part or the whole of the target component peak of the sample to be measured is superimposed on the shape of the standard peak of known concentration (standard shape) so that their positions in the time axis direction correspond to each other.
  • the target component can be identified (specified) from the degree of overlap and the concentration can be predicted.
  • the strength may be corrected according to the correction rate on the time axis.
  • the rate of change in the time axis direction is ⁇ T (time correction amount) / T (time before correction)
  • the intensity axis direction can also be corrected at a rate of ⁇ T / T.
  • the relationship between the size of the peak in the intensity axis (quantitative parameter axis) direction and the concentration is calculated and stored as a regression equation, which is then calibrated. Can be used as a line.
  • the target component in the sample can be quantified by using the shape of at least one standard peak and the regression equation together.
  • the shape to be measured can be identified and quantified by superimposing and comparing the previously acquired standard shape (shape fitting, shape scaling). Therefore, for example, in chromatographic analysis, it is not necessary to set a baseline on a chromatogram for obtaining a peak height or a peak area. Therefore, the reliability of the obtained quantitative value can be improved as compared with the conventional method in which an error or the like artificially occurs due to the setting of an arbitrary baseline.
  • the target component can be easily identified and quantified.
  • the target component and other components cannot be chemically separated, or it takes a physically long time, and it is not realistic to obtain specific complete separation data of the target component. Therefore, one embodiment of the present invention has an effect that analysis time can be shortened.
  • the data for the case where the target component cannot be separated which is difficult to identify and quantify by the conventional method, it can be analyzed by this embodiment if the data shape partially appears. .
  • FIG. 2 shows an example of the functional configuration of a waveform data analysis apparatus for carrying out the analysis method according to an embodiment of the present invention.
  • the analysis device 10 includes an input unit 31, an output unit 32, a storage unit 33, a data acquisition unit 11, a smoothing unit 12, a target component data detection unit 13, a comparison unit 14, and a quantitative value calculation unit 15. , Regression equation generation means 16 and control means 17.
  • the analysis device 10 is connected to the analysis device 40.
  • the analyzer 40 may be any chemical analyzer that can analyze a sample and output quantitative data.
  • As the analyzer 40 a chromatography method using a gas, a liquid, a supercritical fluid or the like as a mobile phase, a quadrupole type, a double focusing type (magnetic field type), a flight time type, an ion trap type, an ion cyclotron resonance type, etc.
  • the analyzer 40 may include a detector capable of quantitatively detecting the components in the sample. The detector may be capable of detecting a component and outputting an optical or mass value for the component.
  • the analysis apparatus 10 compares, for example, the data shape (for example, peak shape) of the target component in the measurement target sample with the standard shape of the target component that has been acquired in advance, and identifies the target component based on the comparison. Then, the quantitative value of the target component whose amount is unknown can be obtained (quantification process).
  • the data shape for example, peak shape
  • the standard shape of the target component that has been acquired in advance
  • the analysis apparatus 10 can generate calibration data such as a calibration curve for the above-mentioned quantitative processing (calibration data generation processing).
  • calibration data such as a calibration curve for the above-mentioned quantitative processing (calibration data generation processing).
  • a data shape of a plurality of standard product data is acquired as a standard shape, and further, a regression equation showing the relationship between the quantitative value and the size of the standard shape is obtained.
  • At least one of the standard shapes and the regression equation can be used as calibration data (calibration curve data).
  • the data shapes of the plurality of standard product data do not necessarily have to be separated.
  • the data acquisition unit 11 acquires data from the analyzer 40.
  • the data may be data that includes two or more parameters obtained for each of one or more samples. Then, at least one of the two or more parameters is a quantitative parameter related to the amount of the target component.
  • the data may be waveform data obtained by the separation analysis and showing the signal strength with respect to time (time-series signal strength).
  • the signal strength may be a signal strength representative of an optical or mass quantity that may be produced depending on the type of detector.
  • the data acquisition means 11 can also acquire a plurality of different signal intensities (quantitative parameters) from a plurality of analyzers or a plurality of detectors.
  • the data can be acquired from the analyzer 40 as image data, or the data acquisition means 11 can generate image data.
  • the data acquisition unit 11 can acquire data on a sample of unknown concentration (measurement target sample), and can also acquire data for calibration data preparation (calibrator). In addition to the above data, the data acquisition unit 11 can acquire data regarding the sample and the target component (holding time of the target component, etc.). In the calibration data creation process, data regarding the concentration of the target component can be acquired. Furthermore, when both quality control and quality evaluation are performed by the analysis method according to the present embodiment, the data acquisition unit 11 also acquires the data of the quality control sample.
  • the smoothing means 12 performs a smoothing process in order to remove noise in the data acquired as an image or the like.
  • smoothing by polynomial fitting such as Savitzky-Golay method is preferable, but filtering such as simple average, median, maximum / minimum value, opening / closing, edge-preserving smoothing, K-nearest neighbor method, Smoothing processing such as the selective averaging method and the weight method can also be used.
  • the target component data detection means 13 detects and extracts the data of the target component from the data acquired by the data acquisition means 11, which may include data other than the target component, based on the position information of the target component.
  • the comparison means 14 compares the data shape of the target component in the acquired data.
  • the data shape also referred to as the measurement target shape
  • the comparison means 14 can also compare a plurality of standard shapes with each other in the calibration data generation process. At this time, the data shapes of the plurality of standard product data do not necessarily have to be separated.
  • the comparison means 14 may include a partial shape generation means 14a, an overlay means 14b, and a magnification acquisition means 14c.
  • the partial shape generation unit 14a divides the measurement target shape in the non-quantitative parameter axis direction (time axis direction, etc.) to generate a partial shape. Therefore, the partial shape is a part of the measurement target shape (data shape). Further, this partial shape can be a shape that is a part of the data shape and that includes the vertices of the data shape. The division process is included in a process (described later) for improving the accuracy of comparison in the quantitative process.
  • the superimposing means 14b can superimpose the entire measurement target shape or the above partial shapes on the standard shape in the quantitative processing. Further, in the calibration data generation process, the standard shapes can be overlapped with each other. In the superposition, the position information in the non-quantitative parameter axis direction (time axis direction) of the target component acquired in advance is used.
  • the magnification acquisition means 14c can acquire the quantitative parameter axis direction magnification (signal strength axis direction magnification) of the two data shapes at any position in the non-quantitative parameter axis direction (time axis direction). That is, in the quantitative processing, it is possible to obtain the magnification of the measurement target shape of the target component with respect to the standard shape. Further, in the calibration data generation process, it is possible to acquire the magnification of one standard shape with respect to the other standard shape. Then, the magnification representative value can be obtained based on each magnification acquired at each position in the time axis direction.
  • the quantitative value calculation means 15 substitutes the magnification value of the measurement target shape obtained by the magnification acquisition means 14c in the comparison means 14 into the regression formula of the calibration data which is obtained in advance in the quantitative processing. Thereby, the quantitative value can be calculated.
  • the regression equation generating means 16 can generate a regression equation showing the relationship between the quantitative value in the quantitative parameter axis direction of the standard shape and the quantitative value from the standard shapes of the plurality of standard product data. .
  • the input means 31 accepts inputs such as start / end of various instructions regarding data analysis and settings from a user who uses the analysis apparatus 10. Further, the user or the like can perform the above-mentioned input by using the input unit 31 while watching the image displayed by the output unit 32 described later.
  • the output means 32 outputs the content input by the input means 31, the content executed based on the input content, and the like.
  • the output unit 32 can also output (display) the data acquired by the data acquisition unit 11 and its image, for example.
  • the output means 32 also outputs the result of the quality check.
  • the storage unit 33 stores various kinds of information required in this embodiment. Specifically, various programs for executing the analysis processing in this embodiment, various setting information, and the like are stored.
  • the storage unit 33 stores, in addition to all data obtained from the data acquisition unit 11, data that can be generated in the analysis device 10, for example, data of each partial shape, a calculated standard parameter quantitative parameter axial direction magnification, and the like. Can be memorized. Further, the calibration data (standard shape, regression equation, etc.) generated by the calibration data generation process can be stored.
  • the control means 17 controls the above-mentioned means 11 to 16 and 31 to 33 of the analysis apparatus 10.
  • an analysis program is generated by generating an execution program (evaluation program) capable of causing a computer to execute each function, and installing the execution program (analysis program) in, for example, a general-purpose PC or server. Processing can be realized.
  • FIG. 3 shows an example of the hardware configuration of a computer that can realize the analysis processing in this embodiment.
  • the analysis device 10 includes an input device 21, an output device 22, a drive device 23, an auxiliary storage device 24, a memory device 25, a CPU (Central Processing Unit) 26 that performs various controls, and a network connection device 27.
  • a CPU Central Processing Unit
  • the input device 21 can be a pointing device such as a touch panel, a keyboard or a mouse operated by a user or the like. Further, the input device 21 may be a voice input device such as a microphone capable of inputting by voice or the like.
  • the output device 22 can be a monitor, a display, a speaker, or the like. Further, the output device 22 can be a printing device such as a printer.
  • the input device 21 and the output device 22 correspond to the input means 11 and the output means 12 described above. Further, the input device 21 and the output device 22 may have an input / output integrated configuration such as a touch panel, for example, when the analysis device 10 is a smartphone, a tablet terminal, or the like.
  • the execution program installed in the analysis device 10 in the present embodiment is provided, for example, by a portable recording medium 28 such as a USB (Universal Serial Bus) memory or a CD-ROM.
  • the recording medium 28 can be set in the drive device 23, and the execution program included in the recording medium 28 is installed in the auxiliary storage device 24 from the recording medium 28 via the drive device 23.
  • the auxiliary storage device 24 is a storage means such as a hard disk, and stores the execution program of this embodiment, a control program provided in a computer, and the like, and can perform input / output as necessary.
  • the memory device 25 stores the execution program and the like read from the auxiliary storage device 24 by the CPU 26.
  • the memory device 25 is a ROM (Read Only Memory), a RAM (Random Access Memory), or the like.
  • the auxiliary storage device 24 and the memory device 25 described above may be integrally configured as one storage device.
  • the CPU 26 controls the processing of the entire computer such as various calculations and input / output of data to / from each hardware component based on a control program such as an OS (Operating System) and an execution program stored in the memory device 25. Then, the analysis processing in this embodiment is realized. It should be noted that various kinds of information and the like necessary during the execution of the program may be acquired from the auxiliary storage device 24 and the execution result and the like may be stored.
  • a control program such as an OS (Operating System) and an execution program stored in the memory device 25.
  • the network connection device 27 acquires, for example, the execution program and various data from other devices connected to the communication network by connecting to the communication network represented by the Internet or LAN.
  • the network connection device 27 can also provide the execution result and the like obtained by executing the program to other devices and the like.
  • the analysis method includes comparing the measurement target shape of the target component with a standard shape of the same target component that has been acquired in advance.
  • the standard shape acquired in advance can be the calibration data used for calculating the quantitative value.
  • the standard shape and the regression equation are used as the calibration data to obtain the target component as the calibration data by previously obtaining the regression equation representing the relationship between the quantitative value and the size of the shape in the quantitative parameter axis (strength axis) direction. Can also be quantified.
  • FIG. 4 shows a flowchart of a process of generating calibration data (calibration data generation process).
  • the data are data represented by time, which is a non-quantitative parameter, and signal intensity, which is a quantitative parameter.
  • Such data can be acquired, for example, as a chart in which a time axis and a signal strength axis are shown. In such a chart, the component can be specified (identified) by the coincidence of the position in the time axis direction and the shape.
  • the data acquisition means 11 of the analyzer 10 acquires a calibration data generation file (standard product data) (S11).
  • the standard product data is data of a plurality of samples containing different known amounts (for example, known concentrations) of target components. This standard product data may include other qualitative information of the target component, for example, information such as the position (holding time) in the time axis direction in which the data of the target component appears.
  • the standard product data can be directly obtained from the analyzer 40 connected to the analyzer 10.
  • the standard product data prepared for the quantification of the predetermined target component has different quantification values (concentrations, etc.) and is obtained under the same analysis conditions of the analyzer 40.
  • the smoothing processing means 12 performs smoothing processing (smoothing) on each standard product data obtained as image data (S12).
  • the smoothing treatment is not particularly limited as described above, but the treatment by the Savitzky-Golay method is preferable. In that case, the greater the number of points (N value) of the data used for smoothing, the more the accuracy improves, but it is preferably 10 or more.
  • the target component data detection means 13 detects the data of the target component from each of the plurality of smoothed standard product data, and sets the shape of the data of the target component as the standard shape.
  • the storage unit 33 stores the standard shape (S13). In detecting the data of the target component, it is possible to use previously acquired position information in the time axis direction and the like.
  • one of the standard shapes can be selected as the representative standard shape, and the storage means 33 stores this representative standard shape (S14).
  • the representative standard shape may be any one of the standard shapes, but can be the standard shape of standard product data containing the target component at the highest concentration. At that time, it is also possible to add an internal standard substance to each standard sample, correct the concentration by the internal standard substance, and then select the standard shape of the standard product data containing the target component at the highest concentration.
  • the comparing means 14 compares the plurality of standard shapes with the representative standard shape (S15).
  • the superimposing means 14b in the comparing means 14 superimposes each of the plurality of standard shapes on the representative standard shape.
  • the position in the time axis direction of each standard shape and the representative standard shape may be matched based on the time axis direction position information of the target component data acquired in advance.
  • the magnification acquisition unit 14c acquires the magnification of each standard shape with respect to the representative standard shape, that is, the magnification of the size (intensity in the quantitative parameter axis direction) (S15).
  • the magnification has an error depending on the position. Therefore, at a plurality of positions in the time axis direction (for example, at positions of 0.001 to 0.5 of the width of the shape in the time axis direction), the magnification in the strength axis direction with respect to the representative standard shape (may be simply called magnification) Get).
  • magnification in the strength axis direction with respect to the representative standard shape may be simply called magnification
  • the mode value can be used as the strength axis direction magnification representative value of each standard shape (may be simply referred to as magnification representative value).
  • the regression equation generating means 16 generates a regression equation representing the relationship between the quantitative value (concentration) of the target component and the representative magnification value obtained in the above step (S15) for each standard shape (S16).
  • FIG. 5 shows the relationship between the concentration of D-asparagine and the magnification in the intensity axis direction in the chromatogram, which are obtained for the chromatogram peaks of different concentrations of D-asparagine shown in FIG. 1 (a).
  • the storage unit 33 stores the above regression equation together with the representative standard shape.
  • the representative standard shape can be corrected.
  • the representative standard shape can be corrected based on the shape in which each standard shape is resized in the quantitative parameter axial direction by the magnification representative value of the standard shape.
  • the calibration data including the standard shape and the regression equation can be generated by the calibration data generation process. Based on this calibration data, it is possible to analyze the data of the component of which the quantitative value is unknown and to quantify it.
  • the calibration data generation process is preferably performed every time the analysis conditions are changed.
  • the analyzer 40 is a chromatograph, it is preferable to perform it each time the column or mobile phase is changed. Further, it is more preferable to perform the calibration data generation process every time the sample to be measured is analyzed.
  • FIG. 6 shows a flowchart of the quantitative processing in this embodiment.
  • the data acquisition unit 11 acquires the calibration data (including the standard shape and the regression equation) obtained by the calibration data generation process described above (S21).
  • the calibration data is stored in the storage means 33, it can be read out from the storage means 33.
  • the data acquisition unit 11 acquires the data of the measurement target sample including the target component of which the quantitative value is unknown from the analyzer 40 (S22).
  • the form of this data is similar to the above-mentioned data for generating calibration data. That is, the standard shape obtained from the calibration data is data represented by time, which is a non-quantitative parameter, and signal intensity, which is a quantitative parameter (for example, a chart represented by a time axis and an intensity axis). If there is, the data acquired in the procedure (S22) is also data represented by time and signal strength. Further, the data of the sample to be measured shall be acquired under the same analysis conditions as the data acquired in the calibration data generation.
  • the smoothing means 12 smoothes the data (smoothing) (S23).
  • the smoothing process is the same as the smoothing process (S12) described in the calibration data generation process.
  • the target component data detection means 13 detects the data of the target component of the measurement target sample from the smoothed data, and detects the data shape of the target component (measurement target shape) (S24). At this time, the data position information (time-axis direction position information) of the target component acquired in advance can be used.
  • the storage unit 33 stores the measurement target shape.
  • the comparison means 14 compares the measurement target shape with the representative standard shape obtained in advance in the calibration data generation process (S25). Then, the magnification of the size (intensity in the quantitative parameter axis direction) of the shape of the measurement target shape with respect to the representative standard shape is obtained by comparison (S25), especially when the target component contained in the measurement target sample is in a very small amount.
  • the accuracy of comparison may decrease due to an error caused by mechanical or electrical noise of the device. Therefore, as shown below, in order to improve the accuracy of comparison, it is possible to extract the most suitable portion of the measurement object shape for comparison and compare that portion with the standard shape. Further, by adding a standard sample in advance, it is possible to prevent a decrease in accuracy by improving the S / N ratio of the measurement target shape of a small amount of the target component.
  • FIG. 7 shows a flow chart showing the comparison procedure (S25) in more detail.
  • the partial shape generation unit 14a divides the measurement target shape in the time axis direction to form a plurality of divided portions (S251). Then, a partial shape including one or more divided parts continuously is acquired. In this case, it is preferable to obtain a plurality of partial shapes that include the vertices of the measurement target shape (the position where the size of the quantitative parameter or the absolute value thereof is the largest in the shape) and that continuously include one or more divided parts. In addition, it is preferable to acquire partial shapes for all combinations of divided parts.
  • FIG. 8 shows a schematic diagram for explaining the partial shape generation procedure (S251).
  • the shape can be divided within a range h 0.9 that is 90% of the height h of the shape (FIG. 8A).
  • the number m of the divided portions obtained by the division is not particularly limited to the size of the shape, but is preferably about 5 or more with respect to the width of the shape in the time axis direction.
  • the division range is the range where the position of the shape apex is in the center, it is preferable to make m an odd number so that the shape apex is included in the central division.
  • the shape (partial shape) of the range including the shape apex (peak top) and continuously including one or more divided portions is acquired.
  • FIG. 8B shows an example of the partial shape with a thick line. A plurality of such partial shapes are generated, and the optimum part for comparison with the standard shape is searched from these partial shapes.
  • the comparison means 14 compares each obtained partial shape with the representative standard shape (S252).
  • the superimposing means 14b in the comparing means 14 superimposes each partial shape on the representative standard shape.
  • the position (vertex position) in the time axis direction of each partial shape and the representative standard shape is matched based on the time axis direction position information of the target component data acquired in advance.
  • the comparison means 14 can compare the standard shape with the data shape obtained from the data of the quality control sample.
  • the magnification acquisition unit 14c acquires the strength-axis-direction magnification for the representative standard shape at each of a plurality of positions (points) in the time axis direction of each partial shape (S252). At this time, the position in the time axis direction in which the magnification is acquired can be set to, for example, 0.01 to 0.5 of the width in the time axis direction. Further, the mode value of the obtained magnification is set as the strength-axis direction magnification of each partial shape.
  • the size of each partial shape is changed (enlarged or reduced) by the magnification in the strength axis direction of each partial shape (S253).
  • the superimposing means 14b superimposes the partial shape after the size change and the representative standard shape.
  • the magnification obtaining means 14c obtains the magnification at each position in the time axis direction, obtains an error of this magnification with respect to the magnification in the strength axis direction of each partial shape, and per point (per position where the magnification is obtained). The average error of is calculated for each partial shape (S254).
  • the partial shape with the smallest average error is set as the shape most suitable for comparison, and the magnification in the strength axis direction of the partial shape is used as the representative value of the strength axis magnification of the measurement target shape (S255).
  • the quantitative value calculation means 15 substitutes the representative value of the magnification in the strength axis direction into the regression equation obtained in advance in the calibration data generation process to obtain the quantitative value of the target component in the sample to be measured. Can be performed (S26).
  • the two-dimensional data represented by the two parameters of time and signal strength was mainly described, but one embodiment of the present invention is the data represented by n parameters, that is, the n-dimensional data. It can be used for analysis.
  • FIG. 9 shows three-dimensional data.
  • the data in FIG. 9 is a graph of the commercial preparation Ginkgo biloba obtained by the HPLC-SPE-NMR method.
  • the data shown in FIG. 9 includes information (parameters) obtained from 1 H-NMR (nuclear magnetic resonance) in addition to information (parameters) on retention time and signal intensity from a detector obtained by HPLC (high performance liquid chromatography). ) Is added, and the characteristics of the components in the sample are represented by a total of three parameters.
  • quality control of analysis conditions can be performed. That is, the analysis method according to the present embodiment may include a quality control step of performing quality control of analysis conditions.
  • the analysis conditions include accuracy of calibration curve, blank noise carryover, quantitative accuracy, preparative accuracy, and the like.
  • the prepared quality control data can be used for quality control. This quality control data is data of the validation sample prepared by the standard product.
  • FIG. 9a a flowchart showing an example of the procedure of the analysis method including the quality control step is shown in FIG. 9a.
  • a series of procedures as shown can be performed using dedicated software.
  • calibration curve creation data, quality control data, and measurement target sample data are input.
  • a calibration curve can be created based on the input data, and the lower limit of quantification can be calculated.
  • a standard shape can be acquired from the calibration curve creation data. The standard shape or the representative standard shape can be acquired by the method described above for the calibration data generation process.
  • the standard shape obtained from the calibration curve creation data can be compared with the data shape of the quality control data, that is, shape fitting can be performed on the quality control data.
  • shape fitting can be performed on the quality control data.
  • standard shape and the data shape of the actual sample data can be compared, that is, the shape fitting can be performed on the actual sample data.
  • Quality and shape fitting results can be output as a quality check sheet using the automatic analysis / reporting function of the software.
  • the quality check sheet can display the results of calibration curve accuracy, blank noise carryover, preparative accuracy, quantitative accuracy, etc. (described later with reference to FIGS. 15A and 15B).
  • the analysis method according to the present embodiment it is possible to simultaneously perform the accuracy quality evaluation of the analysis system and the quantitative analysis, so that it is possible to perform a more accurate analysis.
  • Example 1 Using human standard plasma sample A, separation analysis by high performance liquid chromatography-fluorescence detection method was performed. From the obtained chromatogram, it was confirmed that sample A did not contain D-glutamic acid (arrow in FIG. 10 (a)). The position along the time axis (holding time) where the peak of D-glutamic acid appears under the same analytical conditions was confirmed in advance.
  • the magnification acquisition (S15) of the standard shape (standard peak) with respect to the representative shape (standard representative peak) the magnification is acquired every 0.2 seconds in the time axis direction, and the maximum value is acquired.
  • the frequency was used as the representative magnification.
  • the range of the height to the shape apex (peak top) is divided into 21, and 21 or more of these 21 divided parts are included and the peak top is continuous. All the patterns of the partial shapes (partial peaks) included as the partial shapes are defined as the partial shapes.
  • the magnification acquisition (S252) of the partial shape (partial peak) with respect to the representative standard shape (standard representative peak) the magnification is acquired every 0.2 seconds in the time axis direction, and the mode value is obtained.
  • a concentration of 18.86 fmol / inj was calculated by the above analysis method. When compared with the amount actually added to the sample A, 19.75 fmol / inj, the error (18.86 / 19.75 ⁇ 100) was about 4.5%.
  • Example 2 Using standard human plasma sample B, separation analysis by high performance liquid chromatography was performed in the same manner as in Example 1. From the obtained chromatogram (FIG. 11 (a)), the target component D-serine was quantified by the same analysis method as in Example 1. As a result, a concentration of 14.93 fmol / inj could be quantified.
  • the error (13.87 / 14.93 ⁇ 100) can be said to be about 7% when compared to the concentration of serine of 16.46 fmol / inj.
  • Example 3 Using human standard plasma sample C, separation analysis by high performance liquid chromatography was performed in the same manner as in Example 1 to obtain a chromatogram. From the position of the target component D-asparagine in the time axis direction (retention time) under the same analysis conditions that was confirmed in advance, a slight peak of D-asparagine could be confirmed, which seems to exist, but quantification is difficult. (FIG. 12 (a)).
  • the target component of the peak overlapping with the peak of another adjacent component has an error of 20% or less, about 10%, or The quantification can be performed below.
  • the embodiment of the present invention can be used for the quantification of a trace component of 1 fmol / inj or less, preferably the quantification of a trace component of 100 amol / inj or less.
  • the embodiment of the present invention can be suitably used for analysis of in-vivo D-amino acids, peptides, drug metabolites, etc., which are contained in a sample in a very small amount.
  • Example 4 shows an example in which the quality of the analysis system is evaluated along with the quantitative analysis.
  • two-dimensional high performance liquid chromatography was performed using standard shape / calibration curve preparation samples, quality control (QC) samples, and human blood (serum real samples) and human urine samples (real samples) to be analyzed.
  • D-serine and L-serine were separated and analyzed by the fluorescence detection method.
  • FIGS. 15A and 15B show quality check sheets for blood samples
  • FIGS. 16A and 16B show quality check sheets for urine samples.
  • each of (a) calibration curve accuracy, (b) blank noise carryover, (c) quantitative accuracy, and (d) preparative accuracy was evaluated. ing.
  • Calibration error range of blood sample analysis conditions is within D-serine 3.65%, L-serine within 3.84%, lower limit of quantification is D-serine 0.2 nmol / mL, L-serine 10 nmol / mL, blank noise was within 4.22% of D-serine and within 0.438% of L-serine, and the error with respect to the QC sample of known concentration was within 7.35% of D-serine and within 3.35% of L-serine.
  • FIGS. 17A to 17H quantitative analysis of blood samples was performed on 48 samples. The results are shown in FIGS. 17A to 17H. As shown in FIGS. 17A to 17H, a standard shape (dotted line) was overlaid on the chromatogram (fit portion: thick broken line), and the quantitative values of D-serine and L-serine were calculated from the size. Each quantitative value (nmol / mL) is shown in the upper part of each chromatogram.
  • the calibration error range of the analysis conditions of the urine sample is D-serine within 2.23%, L-serine within 4.95%, the lower limit of quantification is D-serine 2 nmol / mL, L-serine 2 nmol / mL, and the blank noise is D.
  • the serine was within 2.58%
  • the L-serine was within 3.3%
  • the error with respect to the QC sample of known concentration was within D-serine within 7.6% and L-serine within 7.07%.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Library & Information Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

少なくとも２つのパラメータから生成されるデータの解析方法であって、測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、前記比較に基づき、前記測定対象試料中の目的成分を同定するステップを含む。

Description

解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法
　本発明は、解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法に関する。
　化学分析の分野では、試料中の所定成分について２つ以上のパラメータを含むデータを取得し、そのデータを解析することによってその所定成分の同定・定量を行うことが知られている。例えば、クロマトグラフィー等では、試料を時間・空間・質量的に分離し、分離された成分を検出器で検出し、検出器から得られる信号強度を主に時間ごとに記録する。これにより、主に時間及び信号強度という２つのパラメータを含むデータ（例えばクロマトグラム等）が得られる。そして、同定・定量したい目的成分についての量的なパラメータの大きさ（例えばクロマトグラムピークの大きさ）に基づき、その成分を同定・定量することができる。
　上述のような定量においては、目的成分についてのパラメータの大きさを決めるための基準を設定することが必要であり、例えば、上記のクロマトグラムの例では、目的成分のピークの高さや面積を求めるためのベースラインを設定する必要がある。しかし、データは、目的成分について独立している（分離されている）とは限らず、近傍の別の成分からの影響により、パラメータの大きさを特定するのが難しい場合がある。そのため、不分離のデータに基づく成分の定量方法が検討されている。例えば、非特許文献１には、クロマトグラムにおける不分離のピークに基づく定量方法が記載されている。
中村洋監修、日本分析化学会液体クロマトグラフィー研究懇談会編集、「液クロ犬の巻」、平成１８年２月２日発行、ｐ．９６～９７
　しかしながら、非特許文献１に記載されているように、不分離のデータに基づき定量を行う方法には、標準として確立されたものはなかった。そのため、目的成分のデータ解析を適切に行うことができず、得られる定量値の信頼性を確保することが困難である等、信頼性の高い分析を行うことができない場合があった。
　上記の点に鑑みて、本発明の一態様は、より信頼性の高い分析を行うことのできるデータの解析方法を提供する。
　本発明の一態様は、少なくとも２つのパラメータから生成されるデータの解析方法であって、測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、前記比較に基づき、前記測定対象試料中の目的成分を同定するステップを含む。
　また、本発明の一態様は、少なくとも２つのパラメータより生成されるデータの解析方法であって、測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、前記比較に基づき、前記測定対象試料中の目的成分の定量値を求める定量値算出ステップとを含み、前記標準シェイプが、前記目的成分を異なる定量値でそれぞれ含む複数の標準試料からそれぞれ得られた前記目的成分についてのシェイプの群を含む。
　本発明の一態様によれば、より信頼性の高い分析を行うことのできるデータの解析方法を提供する。
データシェイプの特徴について説明する図である。 本発明の一形態による解析装置の機能構成の一例を示す。 本発明の一形態による解析装置のハードウェア構成の一例を示す。 本発明の一形態による解析方法における検量データ生成処理のフロー図である。 定量値（濃度）と、データシェイプの代表標準シェイプに対する倍率との関係の一例を示す図である。 本発明の一形態による解析方法における定量処理のフロー図である。 本発明の一形態による解析方法における比較処理を詳細に示すフロー図である。 部分シェイプ生成について示す図である。 ３次元データの一例を示す図である。 本発明の一形態による解析方法の変形例を示すフロー図である。 実施例１のデータを示す図である。 実施例２のデータを示す図である。 実施例３のデータを示す図である。 実施例における検量データ生成処理の詳細を示すフロー図である。 実施例における定量処理の詳細を示すフロー図である。 実施例４の血液試料の解析条件について出力されたクオリティーチェックシートを示す。 実施例４の血液試料の解析条件について出力されたクオリティーチェックシートを示す。 実施例４の尿試料の解析条件について出力されたクオリティーチェックシートを示す。 実施例４の尿試料の解析条件について出力されたクオリティーチェックシートを示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の血液試料についてのシェイプフィッティングの結果を示す。 実施例４の尿試料についてのシェイプフィッティングの結果を示す。 実施例４の尿試料についてのシェイプフィッティングの結果を示す。 実施例４の尿試料についてのシェイプフィッティングの結果を示す。 実施例４の尿試料についてのシェイプフィッティングの結果を示す。 実施例４の尿試料についてのシェイプフィッティングの結果を示す。 実施例４の尿試料についてのシェイプフィッティングの結果を示す。
　本発明の一形態は、少なくとも２つのパラメータから生成されるデータの解析方法であって、測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、前記比較に基づき、前記測定対象試料中の目的成分を同定するステップを含むものである。
　また、本発明の一形態は、少なくとも２つのパラメータより生成されるデータの解析方法であって、測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、前記比較に基づき、前記測定対象試料中の目的成分の定量値を求める、定量値算出ステップとを含むものである。そして、前記標準シェイプが、前記目的成分を異なる定量値でそれぞれ含む複数の標準試料からそれぞれ得られた前記目的成分についてのシェイプの群を含む。
　さらに、本発明の一形態は、目的成分を異なる定量値でそれぞれ含む複数の標準試料から得られた前記目的成分のシェイプの群を含む、少なくとも２つのパラメータより生成されるデータの解析に用いられる標準シェイプの作成方法である。
　本明細書において、「データシェイプ」又は「シェイプ」（「データ形状」又は「形状」という場合もある）とは、試料中の成分の特徴を２以上のパラメータを用いて表されたデータの形態であり、２以上のパラメータを用いて何等かの関数で表すこともできる。「データシェイプ」は、二次元空間（平面）、三次元空間等の物理的空間におけるシェイプ（形状）に限られず、４以上の多次元空間座標におけるものに拡張可能な概念である。ここで、目的成分の定量値を求める場合、パラメータのうち少なくとも１つは、その目的成分についての定量的パラメータ（量的パラメータ）である。
　以下においては、本発明の実施の形態を、主として、２つのパラメータを含む分離分析データ、具体的には、時間と時間に応じた信号強度を表すデータ（時系列的な信号強度を表すデータ）の例に基づき説明するが、本発明は、明細書中で説明される具体的な形態に限られない。
　＜データシェイプについて＞
　本発明者らは、少なくとも２つのパラメータより生成される分離分析データのシェイプについて、鋭意検討を行った結果、同じ条件で得られた目的成分のデータシェイプを、一方向（具体的には、定量的パラメータ軸方向）に所定倍率で引きのばすと、同じ形状になることを見出した。
　上記知見について、クロマトグラムを例として説明する。クロマトグラムは、試料を時間的に分離するクロマトグラフィーによって得られるデータ（図、グラフ）であり、時間と、検出器にて検出された信号強度との２つのパラメータによって生成されたデータである。クロマトグラムの両パラメータのうち、信号強度は、目的成分の量が反映されているパラメータ、すなわち定量的パラメータであり、時間は、目的成分の量が反映されていないパラメータ、すなわち非定量的パラメータである。
　図１（ａ）に、Ｄ－アスパラギンを含む試料を、高速液体クロマトグラフにかけて得られたクロマトグラムの一部を示す。図１（ａ）の各データ（ピーク）は、同じ分析条件で、試料中のＤ－アスパラギンの濃度のみを変更して得られたものである（各ピークのＤ－アスパラギンの濃度はそれぞれ、０．０２５ｐｍｏｌ／ｉｎｊ、０．２５ｐｍｏｌ／ｉｎｊ、２．５ｐｍｏｌ／ｉｎｊ、５．０ｐｍｏｌ／ｉｎｊ）。図示のクロマトグラムにおいて、横軸は保持時間、縦軸は信号強度である。
　図１（ａ）に示す各ピークの縦軸（強度軸）方向の倍率を、ピークトップでの強度（ピーク高さ）が同じになるように変更したものを、図１（ｂ）に示す。より具体的には、０．０２５ｐｍｏｌ／ｉｎｊ、０．２５ｐｍｏｌ／ｉｎｊ、２．５ｐｍｏｌ／ｉｎｊのピークをそれぞれ、ピークトップでの強度が５ｐｍｏｌ／ｉｎｊのピークのピークトップでの強度と同じになるように、強度軸方向に拡大した。なお、図１（ｂ）においては、各ピークを、ピークトップの位置における強度（縦軸の値）がゼロとなるように強度軸方向にシフトさせている。
　図１（ｂ）に示すように、上記の強度軸方向の倍率の変更によって、全てのピークが重なっている（全てのピークの形状はほぼ同じとなっている）ことが分かる。なお、本明細書において、「実質的に同じ」、「ほぼ同じ」とは、測定時に機械的、電気的、人為的に生じた誤差による多少のずれも含むことを意味する。また、「同じ分析条件」又は「同じ分析系」とは、クロマトグラフィーであれば、カラムのサイズ及び形状、充填剤、固定相、移動相、キャリアの種類、送流方式、温度等の分析条件が実質的に同じであることを意味する。
　このように、同じ分析条件で得られる所定成分のデータシェイプには、その成分固有の特徴があることが分かる。
　上記のクロマトグラムの例では、同じ分析条件で得られた所定成分のピークは、濃度による強度軸方向の大きさ（スケール）の違いを除き、その分析条件における成分に固有（特有・独自）の形を示している。別の言い方をすれば、同じ分析条件で得られた、異なる濃度の所定成分を含む２つの試料からそれぞれ得られた当該成分の２つのピークｐＡ、ｐＢを比較した場合、共通する任意の時間範囲Δｔにおける強度軸方向の増加量の比ΔＩＡ／ΔＩＢはほぼ一定となる。或いは、時間軸方向の同じ位置において両ピークにそれぞれ接線を引き、両ピークの接線の傾きを比較した場合、両者の比は、時間軸方向のどの位置においても同じ又は実質的に同じとなる。
　したがって、目的成分についてのデータが不分離であり（独立しておらず）、隣接する別の成分（夾雑物）についてのデータと重なっている場合でも、隣接する別の成分からの影響を受けていないデータシェイプが部分的にでも現れていれば、その部分的なシェイプを、予め取得しておいた濃度既知のデータシェイプ（標準シェイプ）と比較することで、目的成分の同定（特定）を行うことができ、また、目的成分の同定（特定）をした上で濃度を推定又は定量することができる。
　例えば、クロマトグラムにおいて、測定対象試料の目的成分ピークの一部又は全体のシェイプを、濃度既知の標準ピークのシェイプ（標準シェイプ）に、両者の時間軸方向位置が対応するように重ね合せ、目的成分についてのピークの、標準ピークに対する信号強度軸方向の拡大・縮小倍率を求める（スケーリングする）ことにより、重なりの度合いから目的成分の同定（特定）を行うとともに、濃度を予測することができる。測定対象のピークと標準ピークとを重ね合せる際、例えば、ピークトップ（シェイプの頂点）同士の時間軸方向位置を対応・補正することができる。このとき、分析条件におけるシェイプの強度軸方向の各点が確率密度関数となる場合は、時間軸の補正率に応じて強度を補正してもよい。例えば、時間軸方向の変化率がΔＴ（時間補正量）／Ｔ（補正前の時間）のとき、強度軸方向もΔＴ／Ｔの割合で補正することができる。
　さらに、複数の標準ピークのシェイプ（検量標準シェイプ）に基づき、ピークの強度軸（定量的パラメータ軸）方向の大きさと濃度との関係を求め、回帰式として保存しておくことで、これを検量線として利用することができる。そして、少なくとも１つの標準ピークのシェイプと回帰式とを合わせて用いることで、試料中の目的成分の定量を行うことができる。
　このように、本形態では、測定対象のシェイプを、予め取得しておいた標準シェイプに重ねて比較すること（シェイプフィッティング、シェイプスケーリング）によって、同定・定量が可能となる。そのため、例えば、クロマトグラフィー分析において、ピーク高さ又はピーク面積を求めるためのクロマトグラム上のベースラインの設定は不要である。よって、任意のベースラインの設定によって人工的に誤差等が生じていた従来の方法と比べて、得られる定量値の信頼性を向上させることができる。
　なお、一般に、目的成分について完全に分離したデータを得る（例えば、ピークを完全に分離する）ことができれば、目的成分の同定と定量は容易である。しかし、目的成分とその他の成分が化学的に分離不能であったり、物理的に膨大な時間を要し、目的成分の特異的な完全分離データを得ることが現実的でない場合がある。よって、本発明の一形態は、分析時間を短縮することができるという効果を奏する。また、そもそも従来の方法では同定・定量解析が困難となる目的成分の分離不能な場合のデータであっても、データシェイプが部分的に現れていてれば本形態により解析することが可能となる。
　＜解析装置の機能構成例＞
　図２に、本発明の一形態による解析方法を実施するための波形データの解析装置の機能構成の一例を示す。図２に示すように、解析装置１０は、入力手段３１、出力手段３２、記憶手段３３、データ取得手段１１、平滑化手段１２、目的成分データ検出手段１３、比較手段１４、定量値算出手段１５、回帰式生成手段１６、及び制御手段１７を有するように構成することができる。
　図２に示すように、解析装置１０は、分析装置４０に接続されている。分析装置４０は、試料を分析して定量用データを出力することができる化学分析装置であればよい。分析装置４０としては、気体、液体、超臨界流体等を移動相とするクロマトグラフィー法、四重極型、二重収束型（磁場型）、飛行時間型、イオントラップ型、イオンサイクロトロン共鳴型等の質量分析法、赤外線、可視光線、紫外線、Ｘ線、蛍光等を用いる分光分析法及びこれらを組合せた方法や装置が挙げられる。分析装置４０には、試料中の成分を量的に検出することができる検出器が含まれていてよい。検出器は、成分を検出し、その成分についての光学的又は質量的な値を出力可能なものとすることができる。
　解析装置１０は、例えば、測定対象試料中の目的成分のデータシェイプ（例えば、ピークシェイプ）を、予め取得しておいた目的成分についての標準シェイプと比較し、その比較に基づき、目的成分を同定し（同定処理）、量が未知である目的成分の定量値を求めることができる（定量処理）。
　また、解析装置１０は、上記の定量処理のための、検量線等の検量データを生成することもできる（検量データ生成処理）。その際、後述のように、複数の標準品データのデータシェイプを標準シェイプとして取得し、さらには、定量値と標準シェイプの大きさとの関係を示す回帰式を得る。標準シェイプの少なくとも１つ及び回帰式を、検量データ（検量線データ）とすることができる。このとき複数の標準品データのデータシェイプは、必ずしも分離している必要はない。
　データ取得手段１１は、分析装置４０からデータを取得する。データは、１つ又は複数の試料についてそれぞれ得られた、２以上のパラメータを含むデータであってよい。そして、この２以上のパラメータのうち少なくとも１つは、目的成分の量に関連する定量的パラメータである。例えば、データは、分離分析によって得られた、時間に対する信号強度（時系列的な信号強度）を示す波形データであってよい。信号強度は、検出器の種類に応じて生成され得る、光学的又は質量的な量を表す信号強度であってよい。また、データ取得手段１１は、複数の分析装置又は複数の検出器から、異なる複数の信号強度（定量的パラメータ）を取得することもできる。なお、データは、画像データとして分析装置４０から取得することもできるし、データ取得手段１１が画像データを生成することもできる。
　データ取得手段１１は、濃度未知試料（測定対象試料）についてのデータを取得することもできるし、検量データ作成用（キャリブレータ）のデータを取得することもできる。また、データ取得手段１１は、上記データの他、試料や目的成分に関するデータ（目的成分の保持時間等）を取得することができる。検量データ作成処理においては、目的成分の濃度に関するデータを取得することができる。さらに、本形態による解析方法で品質管理・品質評価をともに行う場合には、データ取得手段１１は、品質管理用試料のデータも取得する。
　平滑化手段１２は、画像等として取得されたデータのノイズを除去するために、平滑化処理を行う。平滑化処理としては、Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙ法等の多項式適合による平滑化が好ましいが、単純平均、メディアン、最大値／最小値、オープニング／クロージング等のフィルタリングやエッジ保存平滑化、K－最近傍法、選択平均法、ウェイト法等の平滑化処理も用いることができる。
　目的成分データ検出手段１３は、データ取得手段１１によって取得された、目的成分以外のデータも含み得るデータから、目的成分の位置情報に基づき、目的成分のデータを検出し、抽出する。
　比較手段１４は、取得されたデータにおける目的成分のデータシェイプの比較を行う。同定処理又は定量処理において、測定対象試料の目的成分のデータシェイプ（測定対象シェイプともいう）を、予め取得しておいた標準シェイプと比較する。その場合、測定対象シェイプを標準シェイプに重ね合せて、定量的パラメータの大きさを比較する。また、比較手段１４は、検量データ生成処理において、複数の標準シェイプ同士を比較することもできる。このとき複数の標準品データのデータシェイプは、必ずしも分離している必要はない。
　図２に示すように、比較手段１４には、部分シェイプ生成手段１４ａ、重ね合せ手段１４ｂ、倍率取得手段１４ｃが含まれていてよい。
　部分シェイプ生成手段１４ａは、測定対象シェイプを非定量的パラメータ軸方向（時間軸方向等）に分割して、部分シェイプを生成する。よって、部分シェイプは、測定対象シェイプ（データシェイプ）の一部である。また、この部分シェイプは、データシェイプの一部であり且つデータシェイプの頂点を含むシェイプとすることができる。上記分割処理は、定量処理において、比較の精度を上げるための処理（後述）に含まれる。
　重ね合せ手段１４ｂは、定量処理において、測定対象シェイプ全体又は上記の部分シェイプを、標準シェイプに重ね合せることができる。また、検量データ生成処理において、標準シェイプ同士を重ね合せることもできる。重ね合せにおいては、予め取得しておいた目的成分の非定量的パラメータ軸方向（時間軸方向）での位置情報を利用する。
　倍率取得手段１４ｃは、２つのデータシェイプの定量的パラメータ軸方向の倍率（信号強度軸方向の倍率）を、非定量的パラメータ軸方向（時間軸方向）の任意の位置で取得することができる。すなわち、定量処理では、目的成分の測定対象シェイプの、標準シェイプに対する倍率を取得することができる。また、検量データ生成処理では、一方の標準シェイプの他方の標準シェイプに対する倍率を取得することができる。そして、時間軸方向の各位置で取得された各倍率に基づき、倍率代表値を求めることもできる。
　定量値算出手段１５は、定量処理において、比較手段１４における倍率取得手段１４ｃによって得られた、測定対象シェイプの倍率値を、予め求めておいた検量データの回帰式に代入する。これにより、定量値を算出することができる。
　回帰式生成手段１６は、検量データ生成処理において、複数の標準品データの標準シェイプから、標準シェイプの定量的パラメータ軸方向の大きさと、定量値との関係を示す回帰式を生成することができる。
　入力手段３１は、解析装置１０を使用するユーザ等から、データの解析に関する各種の指示の開始／終了、設定等の入力を受け付ける。また、ユーザ等が、後述の出力手段３２によって表示された画像を見ながら、入力手段３１を用いて、上記入力を行うこともできる。
　出力手段３２は、入力手段３１により入力された内容や、入力内容に基づいて実行された内容等の出力を行う。出力手段３２は、例えば、データ取得手段１１によって取得されたデータやその画像を出力（表示）することもできる。本形態による方法で分析条件の品質管理も行う場合には、出力手段３２は、クオリティーチェックの結果の出力も行う。
　記憶手段３３は、本形態において必要な各種情報を記憶する。具体的には、本形態における解析処理を実行するための各種プログラムや、各種設定情報等を記憶する。記憶手段３３は、データ取得手段１１から得られるあらゆるデータの他、解析装置１０内で生成され得るデータ、例えば、各部分シェイプのデータ、算出された標準シェイプの定量的パラメータ軸方向の倍率等を記憶することができる。また、検量データ生成処理により生成された検量データ（標準シェイプ、回帰式等）も記憶することができる。
　制御手段１７は、解析装置１０の上述の各手段１１～１６、３１～３３の制御を行う。
　＜解析装置のハードウェア構成例＞
　上述した解析装置１０においては、各機能をコンピュータに実行させることができる実行プログラム（評価プログラム）を生成し、例えば汎用のＰＣやサーバ等にその実行プログラム（解析プログラム）をインストールすることにより、解析処理を実現することができる。
　図３に、本形態における解析処理が実現可能なコンピュータのハードウェア構成の一例を示す。解析装置１０は、入力装置２１と、出力装置２２と、ドライブ装置２３と、補助記憶装置２４と、メモリ装置２５と、各種制御を行うＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）２６と、ネットワーク接続装置２７とを有するように構成され、これらはシステムとして相互に接続されている。
　入力装置２１は、ユーザ等が操作するタッチパネル、キーボード、マウス等のポインティングデバイスとすることができる。また、入力装置２１は、例えば音声等により入力が可能なマイク等の音声入力デバイスであってもよい。
　出力装置２２は、モニター、ディスプレイやスピーカ等とすることができる。また、出力装置２２は、プリンタ等の印刷デバイスとすることもできる。
　入力装置２１及び出力装置２２は、上述の入力手段１１及び出力手段１２に相当するものである。また、入力装置２１及び出力装置２２は、例えば解析装置１０がスマートフォンやタブレット端末等のような場合には、例えばタッチパネルのように入出力一体型の構成であってもよい。
　ここで、本形態において解析装置１０にインストールされる実行プログラムは、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリやＣＤ－ＲＯＭ等の可搬型の記録媒体２８等により提供される。記録媒体２８は、ドライブ装置２３にセット可能であり、記録媒体２８に含まれる実行プログラムが、記録媒体２８からドライブ装置２３を介して補助記憶装置２４にインストールされる。
　補助記憶装置２４は、ハードディスク等のストレージ手段であり、本形態の実行プログラムや、コンピュータに設けられた制御プログラム等を記憶し、必要に応じて入出力を行うことができる。
　メモリ装置２５は、ＣＰＵ２６により補助記憶装置２４から読み出された実行プログラム等を格納する。なお、メモリ装置２５は、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）やＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）等である。なお、上述した補助記憶装置２４やメモリ装置２５は、１つの記憶装置として一体型に構成されていてもよい。
　ＣＰＵ２６は、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）等の制御プログラム、及びメモリ装置２５に格納されている実行プログラムに基づいて、各種演算や各ハードウェア構成部とのデータの入出力等、コンピュータ全体の処理を制御して、本形態における解析処理を実現する。なお、プログラム実行中に必要な各種情報等は、補助記憶装置２４から取得し、実行結果等を格納してもよい。
　ネットワーク接続装置２７は、インターネットやＬＡＮ等に代表される通信ネットワーク等と接続することにより、例えば実行プログラムや各種データを通信ネットワークに接続されている他の装置等から取得する。また、ネットワーク接続装置２７は、プログラムを実行することで得られた実行結果等を他の装置等に提供することも可能である。
　＜データ解析方法＞
　次に、本発明の一形態によるデータの解析方法について説明する。本解析方法は、目的成分についての測定対象シェイプを、予め取得しておいた同じ目的成分についての標準シェイプと比較することを含む。ここで、予め取得しておく標準シェイプは、定量値の算出のために用いられる検量データとなり得る。また、標準シェイプに加え、定量値と、シェイプの定量的パラメータ軸（強度軸）方向の大きさとの関係を表す回帰式を予め求めておくことで、標準シェイプ及び回帰式を検量データとして目的成分の定量を行うこともできる。
　以下においては、まず検量データの生成について説明する。
　（検量データ生成処理）
　図４に、検量データを生成する処理（検量データ生成処理）のフローチャートを示す。以下の例で、データは、非定量的パラメータである時間と、定量的パラメータである信号強度とによって表されるデータとする。このようなデータは、例えば、時間軸と信号強度軸とが示されたチャートとして取得することができる。このようなチャートでは、時間軸方向の位置とシェイプの一致によって、成分を特定（同定）することができる。
　解析装置１０のデータ取得手段１１は、検量データ生成用ファイル（標準品データ）を取得する（Ｓ１１）。標準品データは、目的成分を異なる既知量（例えば、既知濃度）で含む複数の試料のデータである。この標準品データには、目的成分の他の定性的な情報、例えば、目的成分のデータが現れる時間軸方向の位置（保持時間）等の情報が含まれていてもよい。標準品データは、解析装置１０に接続された分析装置４０から直接取得することができる。なお、所定の目的成分の定量のために準備される標準品データは、異なる定量値（濃度等）を有するものであって、分析装置４０の同じ分析条件で得られたものである。
　平滑化処理手段１２は、画像データとして得られた各標準品データを平滑化処理（スムージング）する（Ｓ１２）。平滑化処理は、上述のように特に限定されないが、Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙ法による処理が好ましい。その場合、平滑化のために用いられるデータの点数（Ｎ値）は、多いほど精度が向上するが１０以上であると好ましい。
　目的成分データ検出手段１３は、平滑化された複数の標準品データからそれぞれ、目的成分のデータを検出し、目的成分のデータのシェイプを標準シェイプとする。記憶手段３３は、標準シェイプを保存する（Ｓ１３）。目的成分のデータの検出においては、予め取得しておいた時間軸方向の位置情報等を利用することができる。
　また、標準シェイプのうち１つを代表標準シェイプとして選択することができ、記憶手段３３は、この代表標準シェイプを保存する（Ｓ１４）。代表標準シェイプは、標準シェイプのいずれか１つであってよいが、最高濃度で目的成分を含む標準品データの標準シェイプとすることができる。その際、各標準試料に内部標準物質を添加しておき、内部標準物質によって濃度の補正をした上で、最高濃度で目的成分を含む標準品データの標準シェイプを選択することもできる。
　比較手段１４は、上記の複数の標準シェイプを、代表標準シェイプと比較する（Ｓ１５）。ここで、比較手段１４における重ね合せ手段１４ｂは、上記の複数の標準シェイプをそれぞれ、代表標準シェイプに重ね合せる。その際、各標準シェイプと代表標準シェイプとで、時間軸方向の位置を、予め取得しておいた目的成分データの時間軸方向位置情報に基づき合わせてもよい。
　倍率取得手段１４ｃは、各標準シェイプの、代表標準シェイプに対する倍率、すなわち大きさ（定量的パラメータ軸方向の強度）の倍率を取得する（Ｓ１５）。上述のように、同じ分析系で分析された同じ目的成分であれば、時間軸方向の各位置ではほぼ同じ倍率となるが、その倍率には、位置によって誤差がある。そのため、時間軸方向での複数の位置（例えば、シェイプの時間軸方向の幅の０．００１～０．５ごとの位置）においてそれぞれ、代表標準シェイプに対する強度軸方向倍率（単に倍率と言う場合がある）を取得する。そして、その最頻値を、各標準シェイプの強度軸方向倍率代表値（単に倍率代表値という場合がある）とすることができる。
　回帰式生成手段１６は、各標準シェイプについて、目的成分の定量値（濃度）と、上記手順（Ｓ１５）にて得られた倍率代表値との関係を表す回帰式を生成する（Ｓ１６）。例として、図１（ａ）に示した異なる濃度のＤ－アスパラギンのクロマトグラムピークについてそれぞれ求めた、Ｄ－アスパラギンの濃度とクロマトグラムにおける強度軸方向倍率との関係を、図５に示す。
　濃度と倍率との関係は、線形近似することもできる。しかし、図５に示すように、濃度Ｃと倍率Ｒとは、両対数グラフ上で特に良好な相関を示す。すなわち、累乗回帰式
　　ｌｏｇＲ＝ａｌｏｇＣ＋ｂ　（ａ、ｂは係数）
に近似することができる。
　記憶手段３３は、上記回帰式を、代表標準シェイプとともに保存する。その際、代表標準シェイプを補正することもできる。例えば、代表標準シェイプは、各標準シェイプをその標準シェイプの倍率代表値で量的パラメータ軸方向にサイズ変更したシェイプに基づいて補正することができる。
　このように、検量データ生成処理によって、標準シェイプと回帰式とを含む検量データを生成することができる。この検量データに基づき、定量値が未知の成分のデータを解析し、定量を行うことができる。
　なお、検量データ生成処理は、分析条件を変更するごとに行うことが好ましい。例えば、分析装置４０がクロマトグラフである場合いは、カラムや移動相を変更するごとに行うことが好ましい。また、検量データ生成処理は、測定対象試料を分析するごとに行うとより好ましい。
　（定量処理）
　次に、目的成分の定量値が未知である試料についての定量を行う処理（定量処理）について説明する。図６に、本形態における定量処理のフローチャートを示す。
　データ取得手段１１は、上述の検量データ生成処理によって得られた検量データ（標準シェイプ、回帰式を含む）を取得する（Ｓ２１）。検量データが記憶手段３３に保存されていた場合には、記憶手段３３から読み出すこともできる。
　データ取得手段１１は、定量値未知の目的成分を含む測定対象試料のデータを、分析装置４０から取得する（Ｓ２２）。このデータの形態は、上述の検量データ生成用のデータと同様の形態とする。すなわち、検量データで得られた標準シェイプが、非定量的パラメータである時間と、定量的パラメータである信号強度とによって表されるデータ（例えば、時間軸と強度軸とによって表されたチャート）であるならば、当該手順（Ｓ２２）にて取得されるデータも、時間と信号強度とによって表されるデータとする。また、測定対象試料のデータは、検量データ生成において取得されたデータと同じ分析条件で取得するものとする。
　平滑化手段１２は、データを平滑化処理（スムージング）する（Ｓ２３）。平滑化処理については、検量データ生成処理において述べた平滑化処理（Ｓ１２）と同様である。
　目的成分データ検出手段１３は、平滑化されたデータから、測定対象試料の目的成分のデータを検出し、目的成分のデータシェイプ（測定対象シェイプ）を検出する（Ｓ２４）。その際、予め取得しておいた目的成分のデータ位置情報（時間軸方向位置情報）を利用することができる。記憶手段３３は、測定対象シェイプを保存する。
　続いて、比較手段１４は、測定対象シェイプと、検量データ生成処理で予め得た代表標準シェイプとを比較する（Ｓ２５）。そして、比較によって、測定対象シェイプの、代表標準シェイプに対する大きさ（定量的パラメータ軸方向の強度）の倍率を取得する（Ｓ２５）が、特に測定対象試料中に含まれる目的成分が微量である場合等には、装置の機械的、電気的なノイズ等に起因する誤差によって比較の精度が下がってしまう場合がある。そのため、以下に示すように、比較の精度を上げるためには、測定対象シェイプのうち比較に最も適した部分を抽出し、その部分と標準シェイプとを比較することができる。また、標準試料を予め添加しておくことで微量な目的成分の測定対象シェイプのＳ／Ｎ比を向上させることで精度低下を防ぐこともできる。
　図７に、比較手順（Ｓ２５）をより詳細に示すフロー図を示す。
　部分シェイプ生成手段１４ａは、測定対象シェイプを時間軸方向に分割し、複数の分割部分を形成する（Ｓ２５１）。そして、分割部分を１以上連続して含む部分シェイプを取得する。この場合、測定対象シェイプの頂点（シェイプにおいて定量的パラメータの大きさ又はその絶対値が最も大きい位置）を含み且つ分割部分を１以上連続して含む部分シェイプを複数取得すると好ましい。また、全ての分割部分の組合せで部分シェイプを取得しておくことが好ましい。
　図８に、部分シェイプ生成手順（Ｓ２５１）を説明するための概略図を示す。測定対象シェイプを分割する際には、例えば、シェイプの高さｈの９割の範囲ｈ０．９にて、シェイプを分割することができる（図８（ａ））。分割によって得られる分割部分の数ｍはシェイプの大きさにもより特に限定されないが、シェイプの時間軸方向の幅に対して5以上程度であると好ましい。
　また、分割範囲をシェイプ頂点の位置が中央になる範囲とする場合には、中央の分割部分にシェイプ頂点が含まれるようｍを奇数にすると好ましい。分割部分を形成したら、シェイプ頂点（ピークトップ）を含み、且つ１以上の分割部分を連続して含む範囲のシェイプ（部分シェイプ）を取得する。図８（ｂ）に、部分シェイプの例を太線で示す。このような部分シェイプを複数生成し、これらの部分シェイプから、標準シェイプとの比較に最適な部分を探す。
　比較手段１４は、得られた各部分シェイプを代表標準シェイプと比較する（Ｓ２５２）。ここで、比較手段１４における重ね合せ手段１４ｂは、各部分シェイプを代表標準シェイプと重ね合せる。その際、各部分シェイプと代表標準シェイプとで、時間軸方向の位置（頂点位置）を、予め取得しておいた目的成分データの時間軸方向位置情報に基づき合わせる。
　なお、本形態による方法において品質管理（後述）も行う場合、比較手段１４は、標準シェイプと、品質管理用試料のデータから得られたデータシェイプとを比較することができる。
　倍率取得手段１４ｃは、各部分シェイプの時間軸方向の複数の位置（ポイント）においてそれぞれ、代表標準シェイプに対する強度軸方向倍率を取得する（Ｓ２５２）。このとき、倍率を取得する時間軸方向の位置は、例えば、時間軸方向の幅の０．０１～０．５とすることができる。さらに、得られた倍率の最頻値を、各部分シェイプの強度軸方向倍率とする。
　その後、各部分シェイプを、各部分シェイプの強度軸方向倍率でサイズ変更（拡大又は縮小）する（Ｓ２５３）。その際、重ね合せ手段１４ｂは、サイズ変更後の部分シェイプと代表標準シェイプとを重ね合せる。そして、倍率取得手段１４ｃは、時間軸方向の各位置での倍率を求め、この倍率の、各部分シェイプの強度軸方向倍率に対する誤差を求め、１ポイント当たり（倍率を求めた位置１箇所当たり）の平均誤差を、各部分シェイプごとに算出する（Ｓ２５４）。
　なお、さらに精度を上げるため、各部分シェイプと代表標準シェイプとの比較において両者を重ね合せる際、部分シェイプの頂点と代表標準シェイプの頂点との時間軸方向位置をずらして、各位置での倍率も取得することもできる。このような頂点をずらした場合の誤差も含めて、平均誤差を算出することができる。
　複数の部分シェイプのうち、最も平均誤差が少なかった部分シェイプを、比較に最も適したシェイプとし、その部分シェイプの強度軸方向倍率を、測定対象シェイプの強度軸倍率代表値とする（Ｓ２５５）。
　図６に戻り、定量値算出手段１５は、強度軸方向倍率代表値を、検量データ生成処理にて予め得ておいた回帰式に代入し、測定対象試料中の目的成分の定量値を求めることができる（Ｓ２６）。
　以上の説明では、主として、時間と信号強度との２つのパラメータで表される２次元データについて説明したが、本発明の一形態は、ｎ個のパラメータで表されるデータ、すなわちｎ次元データの解析に用いることができる。
　例として、図９に、３次元データを示す。図９のデータは、市販製剤のイチョウ（Ｇｉｎｋｇｏ　ｂｉｌｏｂａ）の、ＨＰＬＣ－ＳＰＥ－ＮＭＲ法により得られたグラフである。図９に示すデータは、ＨＰＬＣ（高速液体クロマトグラフィー）によって得られる保持時間及び検出器からの信号強度の情報（パラメータ）に加え、１Ｈ－ＮＭＲ（核磁気共鳴）から得られた情報（パラメータ）が追加されたものであり、計３つのパラメータにより試料中の成分の特徴が表されている。
　さらに、本形態による解析方法では、解析条件の品質管理（クオリティーコントロール；ＱＣ）を行うこともできる。すなわち、本形態による解析方法は、解析条件の品質管理を行う品質管理ステップを含んでいてもよい。ここで、上記解析条件には、検量線の精度、ブランクノイズ・キャリーオーバー、定量精度、分取精度等が含まれる。また、品質管理には、準備しておいた品質管理用データを利用することができる。この品質管理用データは、標準品により調製されたバリデーション試料のデータである。
　一解析方法では、検量線作成用（キャリブレーション）データ（標準品データ）、及び測定対象試料のデータ（実試料データ）に加え、品質管理用データを入力し、これらのデータに基づき、検量線作成、品質管理、並びに測定対象試料中の目的成分の同定及び定量をともに行うことができる。
　例えば、品質管理ステップを含む解析方法の手順例を示すフローチャートを図９ａに示す。図示のような一連の手順は、専用のソフトウェアを用いて行うことができる。図９ａに示すように、本方法では、検量線作成用データと、品質管理用データと、測定対象試料データ（実試料データ）とを入力する。入力されたデータに基づき、検量線を作成し、定量下限値を算出することができる。また、検量線作成用データから標準シェイプを取得することができる。標準シェイプ又は代表標準シェイプの取得については、検量データ生成処理について上述した方法で行うことができる。
　その後、検量線作成用データから得られた標準シェイプと品質管理用データのデータシェイプとを比較する、すなわち、品質管理用データに対してシェイプフィッティングを行うことができる。また、標準シェイプと実試料データのデータシェイプとを比較する、すなわち実試料データに対してシェイプフィッティングを行うことができる。
　品質及びシェイプフィッティングの結果は、ソフトウェアの自動解析・レポート機能を用いてクオリティーチェックシートとして出力させることができる。クオリティーチェックシートでは、検量線精度、ブランクノイズ・キャリーオーバー、分取精度、定量精度の結果等を表示することができる（図１５Ａ及び図１５Ｂを参照して後述）。
　このように、本形態による解析方法では、分析系の精度品質評価と定量分析とを同時に行うことが可能となるので、より精度の高い解析を行うことができる。
　（実施例１）
　ヒトの標準血漿試料Ａを用いて、高速液体クロマトグラフ－蛍光検出法による分離分析を行った。得られたクロマトグラムより、試料ＡにＤ－グルタミン酸が含まれていないことを確認した（図１０（ａ）の矢印）。なお、同じ分析条件でＤ－グルタミン酸のピークが現れる時間軸方向位置（保持時間）については、予め確認している。
　続いて、試料Ａに、１９．７５ｆｍｏｌ／ｉｎｊのＤ－グルタミン酸を添加した後、同じ分析条件で分離分析をし、クロマトグラム（データ）を得た（図１０（ｂ））。得られたクロマトグラムにおけるＤ－グルタミン酸のピークに基づき、図４、６、７を参照して上述した解析方法によってＤ－グルタミン酸の定量を行った。
　本実施例では、検量データ生成処理における、標準シェイプ（標準ピーク）の代表シェイプ（標準代表ピーク）に対する倍率取得（Ｓ１５）において、時間軸方向で０．２秒ごとに倍率を取得し、その最頻値を代表倍率とした。
　定量処理において、部分シェイプ（部分ピーク）の生成（Ｓ２５１）では、シェイプ頂点（ピークトップ）までの高さの範囲を２１分割し、この２１個の分割部分を１以上含み且つピークトップを連続して含む部分シェイプ（部分ピーク）の全てのパターンを部分シェイプとした。また、部分シェイプ（部分ピーク）の代表標準シェイプ（標準代表ピーク）に対する倍率取得（Ｓ２５２）においては、時間軸方向で０．２秒ごとに倍率を取得し、最頻値を求めた。
　本実施例における検量データ生成処理及び定量処理の詳細については、それぞれ図１３及び図１４に、フロー図として示す。
　上記解析方法により、濃度１８．８６ｆｍｏｌ／ｉｎｊが算出された。試料Ａに実際に添加した量、１９．７５ｆｍｏｌ／ｉｎｊと比較すると、その誤差（１８．８６／１９．７５×１００）は、約４．５％であった。
　（実施例２）
　ヒトの標準血漿試料Ｂを用いて、実施例１と同様に、高速液体クロマトグラフによる分離分析を行った。得られたクロマトグラム（図１１（ａ））から、目的成分Ｄ－セリンの定量を、実施例１と同様の解析方法で行ったところ、濃度１４．９３ｆｍｏｌ／ｉｎｊと定量することができた。
　続いて、試料Ｂに、１６．４６ｆｍｏｌ／ｉｎｊのＤ－セリンを添加した後、同じ分析条件で分離分析をし、クロマトグラムを得た（図１１（ｂ））。得られたクトマトグラムに基づき、再度実施例１と同様の解析方法で、Ｄ－セリンの定量を行ったところ、濃度３０．３３ｆｍｏｌ／ｉｎｊと定量された。
　本発明の形態による解析方法から算出された、添加前及び添加後のＤ－セリンの濃度の差は、３０．３３－１４．９３＝１３．８７ｆｍｏｌ／ｉｎｊであり、これを添加により増加したＤ－セリンの濃度１６．４６ｆｍｏｌ／ｉｎｊと比較すると、その誤差（１３．８７／１４．９３×１００）は約７％ということができる。
　（実施例３）
　ヒトの標準血漿試料Ｃを用いて、実施例１と同様に、高速液体クロマトグラフによる分離分析を行い、クロマトグラムを得た。予め確認しておいた同じ分析条件での目的成分Ｄ－アスパラギンの時間軸方向位置（保持時間）から、Ｄ－アスパラギンのピークがわずかに確認でき、存在していると思われるが、定量は困難であった（図１２（ａ））。
　試料Ｃに、４．１２ｆｍｏｌ／ｉｎｊのＤ－アスパラギンを添加した後、同じ分析条件で分離分析をし、クロマトグラムを得た（図１２（ｂ））。得られたクトマトグラムに基づき、再度実施例１と同様の解析方法で、Ｄ－アスパラギンの定量を行ったところ、濃度４．２２ｆｍｏｌ／ｉｎｊと定量できた。この結果より、試料Ｃに含まれているＤ－アスパラギンの含有量を、４．２２－４．１２＝０．１ｆｍｏｌ／ｉｎｊであると推定することができる。
　上述のように、目的成分のピークに対してベースラインの引き方には確立した方法や基準はなく任意でベースラインを引き得るので、周辺の夾雑成分との分離に限界があるため、誤差は１００％を超える場合もある。これに対し、本発明の一形態による解析方法ではシェイプによる分離手段を用いることで、隣り合う別の成分のピークと重なったピークの目的成分についても、誤差２０％以下、１０％程度、又はそれ以下で定量を行うことができる。
　本発明の形態によれば、また、通常の分離分析方法で得られるデータにおいては解析が困難である微量な成分のデータを解析することが可能となる。よって、本発明の形態は、1ｆｍｏｌ／ｉｎｊ以下の微量な成分の定量、好ましくは１００ａｍｏｌ／ｉｎｊ以下の微量な成分の定量に用いることができる。例えば、本発明の形態は、試料中の含有量が微量である生体内のＤ－アミノ酸、ペプチドや薬物代謝物等の解析等に好適に利用することができる。
　（実施例４）
　実施例４として、定量分析とともに分析系の品質評価を行った例を示す。本例では、標準シェイプ・検量線作成用試料、品質管理（ＱＣ）用試料、並びに解析対象のヒト血液（血清実試料）試料及びヒト尿試料（実試料）を用い、二次元高速液体クロマトグラフィー蛍光検出法によりＤ－セリンとＬ－セリンを分離分析した。
　上記分離分析後、上記標準シェイプ・検量線作成用試料のデータから、ヒト血液試料及びヒト尿試料それぞれの検量線を作成し、定量値下限を算出した。さらに、標準シェイプも取得した。得られた標準シェイプ及び検量線を、ＱＣ用試料、並びにヒト血液試料及びヒト尿試料のクロマトグラムにそれぞれ適用した。これにより、解析条件の品質（検量線精度、ブランクノイズ・キャリーオーバー、定量精度、一次元目分取精度）のチェックを行うとともに、解析対象のＤ－セリンとＬ－セリンの定量値を算出した。
　品質評価には、専用のソフトウェアの自動解析・レポート機能を用い、クオリティーチェックシートを出力した。血液試料についてのクオリティーチェックシートを図１５Ａ及び図１５Ｂに、尿試料についてのクオリティーチェックシートを図１６Ａ及び図１６Ｂに示す。図１５Ａ及び図１５Ｂに示すように、クオリティーチェックシートにおいては、（ａ）検量線の精度、（ｂ）ブランクノイズ・キャリーオーバー、（ｃ）定量精度、（ｄ）分取精度のそれぞれが評価されている。
　なお、二次元高速液体クロマトグラフィーの各次元の分離条件は下記の通りであった。
＜一次元目＞
カラム：KSAARP（3μm） 1.0 mm内径×50 mm、40℃
移動相：2% MeCN 0.1% Formic acid in H2O、400μL/min
＜二次元目＞
カラム：KSAACSP-001S（5μm） 1.5 mm内径×75 mm、40℃
移動相：0.075% Formic acid in MeOH／MeCN（90／10, v／v）、1000μL／min
　血液試料の解析条件の検量誤差範囲はＤ－セリン３．６５％以内、Ｌ－セリン３．８４％以内、定量下限値はＤ－セリン０．２ｎｍｏｌ／ｍＬ、Ｌ－セリン１０ｎｍｏｌ／ｍＬ、ブランクノイズはＤ－セリン４．２２％以内、Ｌ－セリン０．４３８％以内、既知濃度のＱＣ用試料に対する誤差はＤ－セリン７．３５％以内、Ｌ－セリン３．３５％以内であった。
　また、血液試料の定量分析は４８検体について行った。結果を図１７Ａ～図１７Ｈに示す。図１７Ａ～図１７Ｈに示すように、クロマトグラムに標準シェイプ（点線）を重ね合わせ（フィット部：太破線）、その大きさからＤ－セリンとＬ－セリンの定量値を算出した。それぞれの定量値（ｎｍｏｌ／ｍＬ）は、各クロマトグラム上段に示す。
　尿試料の解析条件の検量誤差範囲はＤ－セリン２．２３％以内、Ｌ－セリン４．９５％以内、定量下限値はＤ－セリン２ｎｍｏｌ／ｍＬ、Ｌ－セリン２ｎｍｏｌ／ｍＬ、ブランクノイズはＤ－セリン２．５８％以内、Ｌ－セリン３．３％以内、既知濃度のＱＣ用試料に対する誤差はＤ－セリン７．６％以内、Ｌ－セリン７．０７％以内であった。
　また、尿試料の定量分析は３２検体について行った。結果を図１８Ａ～１８Ｆに示す。図１８Ａ～１８Ｆに示すように、クロマトグラムに標準シェイプ（点線）を重ね合わせ（フィット部：太破線）、その大きさからＤ－セリンとＬ－セリンの定量値を算出した。それぞれの定量値（ｎｍｏｌ／ｍＬ）は、各クロマトグラム上段に示す。
　このように、シェイプフィッティング法を利用することで、従来よりも高いスループットで、分析系の精度・品質評価と定量分析が同時に可能となる。
　本出願は、２０１８年１０月１１日に日本国特許庁に出願された特願２０１８－１９２９８０号に基づく優先権を主張するものであり、その全内容は参照をもってここに援用される。
１０　解析装置
１１　データ取得手段
１２　平滑化手段
１３　目的成分データ検出手段
１４　比較手段
１４ａ　部分シェイプ生成手段
１４ｂ　重ね合せ手段
１４ｃ　倍率取得手段
１５　定量値算出手段
１６　回帰式生成手段
１７　制御手段
２１　入力装置
２２　出力装置
２３　ドライブ装置
２４　補助記憶装置
２５　メモリ装置
２６　ＣＰＵ
２７　ネットワーク接続装置
２８　記録媒体
３１　入力手段
３２　出力手段
３３　記憶手段
４０　分析装置

Claims (11)

  1. 　少なくとも２つのパラメータから生成されるデータの解析方法であって、
    　測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、
    　前記比較に基づき、前記測定対象試料中の目的成分を同定するステップを含む、解析方法。
  2. 　少なくとも２つのパラメータから生成されるデータの解析方法であって、
    　測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較ステップと、
    　前記比較に基づき、前記測定対象試料中の目的成分の定量値を求める定量値算出ステップとを含み、
    　前記標準シェイプが、前記目的成分を異なる定量値でそれぞれ含む複数の標準試料からそれぞれ得られた前記目的成分についてのシェイプの群を含む、解析方法。
  3. 　前記データは、分離分析データであり、時間に対する定量的パラメータの大きさを表すデータである、請求項１又は２に記載の解析方法。
  4. 　前記比較ステップにおいて、前記データシェイプ全体、又は前記データシェイプの一部である部分データシェイプを取得し、前記部分データシェイプを前記標準シェイプと比較する、請求項１から３のいずれか一項に記載の解析方法。
  5. 　前記部分データシェイプは、前記データシェイプの一部であり且つデータシェイプの頂点を含む、請求項４に記載の解析方法。
  6. 　前記定量値算出ステップにおいて、予め取得しておいた回帰式に基づき、前記目的成分の定量値を求め、
    　前記回帰式は、前記標準シェイプから選択された代表標準シェイプに対する前記データシェイプの定量的パラメータ軸方向倍率と、前記目的成分の定量値との関係を示す、請求項２に記載の解析方法。
  7. 　前記比較ステップにおいて、前記データシェイプの、前記代表標準シェイプに対する定量的パラメータ軸方向倍率を求め、
    　前記定量値算出ステップにおいて、前記定量的パラメータ軸方向倍率を前記回帰式に代入することにより、前記目的成分の定量値を求める、請求項６に記載の解析方法。
  8. 　少なくとも２つのパラメータから生成されるデータの解析装置であって、
    　測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較する比較手段と、
    　前記比較に基づき、前記測定対象試料中の目的成分を同定する手段を含む、解析装置。
  9. 　少なくとも２つのパラメータから生成されるデータの解析装置であって、
    　測定対象試料中の目的成分のデータシェイプを、予め取得しておいた標準シェイプと比較し、前記標準シェイプが、前記目的成分を異なる定量値でそれぞれ含む複数の標準試料からそれぞれ得られた前記目的成分についてのシェイプの群である、比較手段と、
    　前記比較に基づき、前記測定対象試料中の目的成分の定量値を求める、定量値算出手段とを含む、解析装置。
  10. 　コンピュータを、請求項８又は９に記載の解析装置が有する各手段として機能させるための、解析プログラム。
  11. 　目的成分を異なる定量値でそれぞれ含む複数の標準試料から得られた前記目的成分のシェイプの群を含む、少なくとも２つのパラメータで表されるデータの解析に用いられる標準シェイプの作成方法。
PCT/JP2019/040289 2018-10-11 2019-10-11 解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法 WO2020075850A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/283,716 US20210318277A1 (en) 2018-10-11 2019-10-11 Analysis method, analysis apparatus, analysis program, method for generating standard shape

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-192980 2018-10-11
JP2018192980 2018-10-11

Publications (1)

Publication Number Publication Date
WO2020075850A1 true WO2020075850A1 (ja) 2020-04-16

Family

ID=70164572

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/040289 WO2020075850A1 (ja) 2018-10-11 2019-10-11 解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法

Country Status (4)

Country Link
US (1) US20210318277A1 (ja)
JP (1) JP2020064060A (ja)
TW (1) TW202043767A (ja)
WO (1) WO2020075850A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08313533A (ja) * 1995-05-16 1996-11-29 Daikin Ind Ltd 検量線更新方法およびその装置
JP2007525644A (ja) * 2003-04-28 2007-09-06 セルノ・バイオサイエンス・エルエルシー 質量スペクトル分析の計算方法およびシステム
US20080052011A1 (en) * 2006-07-29 2008-02-28 Yongdong Wang Determination of chemical composition and isotope distribution with mass spectrometry
JP2008519262A (ja) * 2004-10-28 2008-06-05 セルノ・バイオサイエンス・エルエルシー 定性的なおよび定量的な質量スペクトル分析
JP2017201241A (ja) * 2016-05-02 2017-11-09 株式会社島津製作所 スペクトルデータ処理装置
WO2018037569A1 (ja) * 2016-08-26 2018-03-01 株式会社島津製作所 イメージング質量分析データ処理装置及び方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3754434A (en) * 1971-02-22 1973-08-28 Scient Kit Corp Inc Chemical analysis
JPS60200166A (ja) * 1984-03-26 1985-10-09 Hitachi Ltd 液体クロマトグラムの同定方法
JP5091861B2 (ja) * 2005-07-25 2012-12-05 メタノミクス ゲーエムベーハー クロマトグラフィー／マススペクトロメトリーを用いてサンプルを分析する手段と方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08313533A (ja) * 1995-05-16 1996-11-29 Daikin Ind Ltd 検量線更新方法およびその装置
JP2007525644A (ja) * 2003-04-28 2007-09-06 セルノ・バイオサイエンス・エルエルシー 質量スペクトル分析の計算方法およびシステム
JP2008519262A (ja) * 2004-10-28 2008-06-05 セルノ・バイオサイエンス・エルエルシー 定性的なおよび定量的な質量スペクトル分析
US20080052011A1 (en) * 2006-07-29 2008-02-28 Yongdong Wang Determination of chemical composition and isotope distribution with mass spectrometry
JP2017201241A (ja) * 2016-05-02 2017-11-09 株式会社島津製作所 スペクトルデータ処理装置
WO2018037569A1 (ja) * 2016-08-26 2018-03-01 株式会社島津製作所 イメージング質量分析データ処理装置及び方法

Also Published As

Publication number Publication date
US20210318277A1 (en) 2021-10-14
TW202043767A (zh) 2020-12-01
JP2020064060A (ja) 2020-04-23

Similar Documents

Publication Publication Date Title
Domingo-Almenara et al. XCMS-MRM and METLIN-MRM: a cloud library and public resource for targeted analysis of small molecules
Pierce et al. Recent advancements in comprehensive two-dimensional separations with chemometrics
Bilbao et al. A preprocessing tool for enhanced ion mobility–mass spectrometry-based omics workflows
JP5375411B2 (ja) クロマトグラフ質量分析データ解析方法及び装置
Afshinnia et al. Lipidomics and biomarker discovery in kidney disease
JP6036304B2 (ja) クロマトグラフ質量分析用データ処理装置
de Castro et al. The analytical process to search for metabolomics biomarkers
Taraji et al. Error measures in quantitative structure-retention relationships studies
Tsai et al. Preprocessing and analysis of LC-MS-based proteomic data
JP2006528339A (ja) クロマトグラフィー／質量分析における生体分子パターンのアノテーション法及びシステム
JP5930066B2 (ja) クロマトグラフ用データ処理装置及びデータ処理方法
WO2017191803A1 (ja) データ処理装置
Pérez-Cova et al. Chemometrics in comprehensive two-dimensional liquid chromatography: A study of the data structure and its multilinear behavior
JP2006177877A (ja) 質量分析方法、質量分析システム、診断システム、検査システム及び質量分析プログラム
Wille et al. Liquid chromatography high-resolution mass spectrometry in forensic toxicology: what are the specifics of method development, validation and quality assurance for comprehensive screening approaches?
Karaman et al. Metabolomics data preprocessing: from raw data to features for statistical analysis
JP4470505B2 (ja) クロマトグラフ質量分析用データ処理装置
Erny et al. Background correction in separation techniques hyphenated to high-resolution mass spectrometry–Thorough correction with mass spectrometry scans recorded as profile spectra
Domingo-Almenara et al. Automated resolution of chromatographic signals by independent component analysis–orthogonal signal deconvolution in comprehensive gas chromatography/mass spectrometry-based metabolomics
WO2020075850A1 (ja) 解析方法、解析装置、解析プログラム、及び標準シェイプの生成方法
Ma et al. MARS 2: A computational tool to resolve and extract features from large-scale GC-MS datasets
Domingo-Almenara et al. Avoiding hard chromatographic segmentation: A moving window approach for the automated resolution of gas chromatography–mass spectrometry-based metabolomics signals by multivariate methods
JP2003161725A (ja) クロマトグラム解析方法
Oller-Moreno et al. Sliding window multi-curve resolution: application to gas chromatography–ion mobility spectrometry
van der Kloet et al. A new approach to untargeted integration of high resolution liquid chromatography–mass spectrometry data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19870518

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19870518

Country of ref document: EP

Kind code of ref document: A1