WO2021039341A1 - 情報処理装置、表示方法、プログラム及び情報処理システム - Google Patents

情報処理装置、表示方法、プログラム及び情報処理システム Download PDF

Info

Publication number
WO2021039341A1
WO2021039341A1 PCT/JP2020/030151 JP2020030151W WO2021039341A1 WO 2021039341 A1 WO2021039341 A1 WO 2021039341A1 JP 2020030151 W JP2020030151 W JP 2020030151W WO 2021039341 A1 WO2021039341 A1 WO 2021039341A1
Authority
WO
WIPO (PCT)
Prior art keywords
gate
cluster
information processing
degree
attributes
Prior art date
Application number
PCT/JP2020/030151
Other languages
English (en)
French (fr)
Inventor
山根　健治
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to US17/635,997 priority Critical patent/US20220276148A1/en
Priority to DE112020003977.3T priority patent/DE112020003977T5/de
Publication of WO2021039341A1 publication Critical patent/WO2021039341A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G2354/00—Aspects of interface with display user

Definitions

  • This disclosure relates to an information processing device, a display method, a program, and an information processing system.
  • an information processing device that analyzes an analysis target having a plurality of attributes based on the plurality of attributes and displays the analysis result. For example, a flow cytometer analyzes cells based on a plurality of biomarkers and displays the analysis results.
  • a flow cytometer analyzes cells based on a plurality of biomarkers and displays the analysis results.
  • analysis becomes difficult. For example, when two-dimensional display is performed focusing on two of the N attributes, the number of combinations of the two attributes is N (N-1) / 2, and when N becomes large, the combination explodes. Occurs. Therefore, in order to facilitate analysis, clustering and dimensional compression using machine learning are performed.
  • Patent Document 1 the detection data detected from the fine particles and whether or not the fine particles are to be sorted are machine-learned to create dictionary data, and when the detection data is supplied, the dictionary data is used.
  • a technique for determining whether or not fine particles are to be sorted is disclosed. According to this technique, the time required for determining whether or not the fine particles are to be sorted can be shortened, and the fine particles can be sorted based on the determination result.
  • the purpose of the present technology is to provide an information processing device, a display method, a program, and an information processing system that support the correspondence between two analysis results.
  • the information processing apparatus of one form according to the present disclosure includes a gate obtained by a gate analysis based on the plurality of attributes for an analysis target having a plurality of attributes, and the plurality of gates for the analysis target. It is equipped with a display control unit that displays the correspondence with the cluster obtained by cluster analysis based on attributes.
  • FIG. 1 is a block diagram showing a configuration of an information processing system according to the first embodiment.
  • the information processing system 4 includes an information processing device 1 and a measuring device 3.
  • the measuring device 3 is a measuring device capable of detecting the fluorescence of each color from the cells or the like of the measurement sample.
  • the measuring device 3 is, for example, a flow cytometer that detects the fluorescence of each color light from the cells by flowing the fluorescently stained cells into the flow cell at high speed and irradiating the flowing cells with light.
  • the measurement sample measured by the flow cytometer may be particles derived from a living body such as microorganisms and biological particles, in addition to cells.
  • the cell may be, for example, an animal cell (eg, a blood cell lineage cell, etc.) or a plant cell.
  • the microorganism may be, for example, a bacterium such as Escherichia coli, a virus such as tobacco mosaic virus, or a fungus such as yeast.
  • the biological-related particles may be particles constituting cells such as chromosomes, liposomes, mitochondria, or various organelles (organelles).
  • the biological particles may include nucleic acids, proteins, lipids and sugar chains, and biological polymers such as complexes thereof. These biological particles may have either a spherical shape or a non-spherical shape, and the size and mass are not particularly limited.
  • the measurement sample may be industrially synthesized particles such as latex particles, gel particles and industrial particles.
  • industrially synthesized particles may be organic resin materials such as polystyrene and polymethylmethacrylate, inorganic materials such as glass, silica and magnetic materials, or particles synthesized from metals such as colloidal gold and aluminum. Good.
  • these industrially synthesized particles may have either a spherical shape or a non-spherical shape, and the size and mass are not particularly limited.
  • the measurement sample can be labeled (stained) with one or more fluorescent dyes prior to the measurement of the fluorescence spectrum. Labeling of the measurement sample with a fluorescent dye may be performed by a known method. Specifically, when the measurement sample is a cell, the fluorescently labeled antibody that selectively binds to the antigen existing on the cell surface and the cell to be measured are mixed, and the fluorescently labeled antibody is applied to the antigen on the cell surface. By binding, the cells to be measured can be labeled with a fluorescent dye. Alternatively, by mixing the fluorescent dye that is selectively taken up by a specific cell with the cell to be measured, it is also possible to label the cell to be measured with the fluorescent dye.
  • a fluorescently labeled antibody is an antibody to which a fluorescent dye is bound as a label.
  • the fluorescently labeled antibody may be one in which a fluorescent dye is directly bound to the antibody.
  • the fluorescently labeled antibody may be a biotin-labeled antibody bound to a fluorescent dye in which avidin is bound by an avidin-biodin reaction.
  • the antibody either a polyclonal antibody or a monoclonal antibody can be used.
  • the fluorescent dye for labeling cells is not particularly limited, and at least one or more known dyes used for staining cells or the like can be used.
  • fluorescent dyes phycoerythrin (PE), fluorescein isothiocyanate (FITC), PE-Cy5, PE-Cy7, PE-Texas Red (registered trademark), allophycocyanin (APC), APC-Cy7, ethidium bromide ( Ethidium bromide, propidium iodide, Hoechst® 33258, Hoechst® 33342, DAPI (4', 6-diamidino-2-fluorinlide), acridine orange (acridin orange) ), Mithramycin, olivomycin, pyronin Y, thiazole orange, rhodamine 101, isothiococyanate, BCECF, BCECF.
  • SNARF-1 C.I. SNARF-1-AMA, fluorescein, Indo-1, Indo-1-AM, Fluo-3, Fluor-3-AM, Fluora-2, Fura-2-AM, oxonol, Texas Red (registered) Trademarks), Rhodamine 123, 10-N-noni-aclysin orange, fluorescein, fluorescein diacete, carboxyfluorescein, carboxyfluorescein diacetate, fluorescein fluorescein fluorescein fluorescein fluorescein fluorescein Carboxydichlorofluorescein diacenate and the like can be used. Further, the above-mentioned derivative of the fluorescent dye or the like can also be used.
  • the flow cytometer is from a laser light source that emits laser light having a wavelength capable of exciting a fluorescent dye that labels the measurement sample, a flow cell that allows the measurement sample to flow in one direction, and a measurement sample that is irradiated with the laser light. It is provided with a light detector that receives fluorescence, phosphorescence, or scattered light.
  • the laser light source is, for example, a semiconductor laser light source that emits laser light having a predetermined wavelength.
  • a plurality of laser light sources may be provided. When a plurality of laser light sources are provided, the positions where the laser light from the laser light sources is irradiated may be the same or different in the flow cell. However, when laser light from multiple laser light sources is irradiated to different positions, the light from the measurement sample can be detected by different light detectors, so even dyes that emit light of close wavelengths do not mix colors. Can be measured.
  • the laser light emitted from the laser light source may be either pulsed light or continuous light.
  • the laser light source may be a plurality of semiconductor laser light sources that emit laser light having a wavelength of 480 nm and a wavelength of 640 nm, respectively.
  • the flow cell is a flow path for arranging and passing a plurality of measurement samples in one direction. Specifically, the flow cell allows a plurality of measurement samples to be aligned and flowed in one direction by flowing the sheath liquid wrapping the measurement sample as a laminar flow at high speed.
  • the flow cell can be formed in a microchip or cuvette.
  • the photodetector detects fluorescence, phosphorescence, and scattered light generated from the measurement sample irradiated with laser light by photoelectric conversion.
  • the photodetector may include a detector that detects scattered light LS including forward scattered light and side scattered light from the measurement sample, and a light receiving element array that detects fluorescence from the measurement sample.
  • the detector may be a known photoelectric conversion element such as a CCD (Charge Coupled Device), a CMOS (Complementary Metal Oxide Sensor), or a photodiode.
  • the light receiving element array can be configured, for example, by arranging a plurality of independent detection channels having different wavelength ranges of light to be detected.
  • the light receiving element array may be a light receiving element array in which a plurality of PMTs (photomultiplier tubes) having different detection wavelength ranges or photodiodes are arranged one-dimensionally or the like.
  • the light receiving element array photoelectrically converts the fluorescence of the measurement sample dispersed in the spectrum by a spectroscopic element such as a prism or a grating.
  • the laser light emitted from the laser light source is applied to each of the measurement samples passing through the flow cell.
  • the measurement sample emits scattered light and fluorescence (or phosphorescence).
  • the scattered light emitted from the measurement sample is detected by the detector.
  • the fluorescence emitted from the measurement sample is detected by being separated into a continuous spectrum by the spectroscopic element and then received by the light receiving element array.
  • the measuring device 3 is a biological microscope such as a fluorescence microscope or a confocal laser microscope that detects the fluorescence of each color light from the observation sample by fluorescently observing the observation sample of cells or tissues labeled or stained with a fluorescent dye. May be good.
  • the observation sample may be, for example, a pathological sample such as a tissue or cell collected from a patient, blood, a biological sample such as cultured cells, a fertilized egg, or a sperm, a cell sheet, or a biological material such as a three-dimensional cell tissue.
  • the biological microscope may acquire not only optical information such as fluorescence, phosphorescence, and scattered light from the observation sample, but also morphological information such as the length and size of the observation sample and image information such as position information.
  • the measuring device 3 outputs the detection result as measurement data 2.
  • the measurement data 2 includes an intensity value for each wavelength range for each cell.
  • the measuring device 3 transfers the measurement data 2 to, for example, the information processing device 1.
  • the information processing device 1 acquires the measurement data 2 measured by the measuring device 3 and calculates the fluorescence intensity corresponding to each fluorescent dye. Then, the information processing device 1 analyzes the cells based on the calculated fluorescence intensity and displays the analysis result.
  • the cell is an example of an analysis target, and the analysis target may be a measurement sample of a flow cytometer or an observation sample of a biological microscope.
  • the fluorescence intensity is an example of an attribute, and the attribute may be any attribute shown by the measurement sample or the observation sample, and may be optical information such as fluorescence or scattered light or image information such as morphological information or position information. ..
  • the information processing device 1 and the measuring device 3 may be connected by a network, and the information processing device 1 may acquire the measurement data 2 via the network.
  • the information processing device 1 includes a gate processing unit 11, a gate information storage unit 12, a clustering processing unit 13, a clustering data storage unit 14, a cluster selection unit 15, a matching degree calculation unit 16, and a matching information output unit 17. And. All or part of these functional parts may be implemented in the cloud.
  • the clustering processing unit 13, the clustering data storage unit 14, the cluster selection unit 15, and the matching degree calculation unit 16 may be implemented in the cloud. In this case, the measurement data 2 is also transferred to the cloud.
  • the gate processing unit 11 reads the measurement data 2, gates based on the user operation, and stores the gating result in the gate information storage unit 12.
  • the gate processing unit 11 reads, for example, the measurement data 2 from a file.
  • the gate processing unit 11 accepts user operations using, for example, a touch panel, a mouse, and a keyboard.
  • the gate information storage unit 12 stores the gating result by the gate processing unit 11.
  • FIG. 2 is a diagram showing an example of the gate information storage unit 12.
  • FIG. 2A shows a gate information storage unit 12, and
  • FIG. 2B shows a gate.
  • the numbers circled indicate the cell IDs that identify the cells.
  • seven cells, cells # 1 to cell # 7 belong to gate A.
  • the gate B is a gate created from the gate A based on the axes # 1 and # 2.
  • Three cells, cell # 4, cell # 5, and cell # 6, belong to gate B.
  • the gate C is a gate created from the gate B based on the axes # 4 and # 5. Two cells, cell # 5 and cell # 6, belong to gate C.
  • the gate information storage unit 12 stores the gate name and the belonging cell ID in association with each other for each gate.
  • the gate name is a name that identifies the gate.
  • the belonging cell ID is the cell ID of the cell belonging to the gate.
  • 7 cells of cells # 1 to # 7 belong to gate A
  • 3 cells of cells # 4 belong to gate A & B
  • gate A & B & C has 3 cells.
  • Two cells, cell # 5 and cell # 6, belong to it.
  • the gate A & B indicates that the gate B was created from the gate A.
  • the clustering processing unit 13 reads the measurement data 2, performs clustering, and stores the clustering result in the clustering data storage unit 14.
  • the clustering processing unit 13 classifies the measurement data 2 into K clusters by designating K as in K-means, for example.
  • the clustering processing unit 13 may automatically determine the number of divisions as in FlowSOM (Self-Organizing Map).
  • the clustering processing unit 13 may perform clustering by performing dimensional compression as in T-SNE and performing gating on the result of the dimensional compression.
  • the clustering processing unit 13 may perform a two-stage cluster such as meta-clustering and use two cluster definitions such as a cluster ID and a meta-cluster ID.
  • a metacluster is a collection of clusters.
  • the clustering data storage unit 14 stores the clustering result of the clustering processing unit 13.
  • FIG. 3 is a diagram showing an example of the clustering data storage unit 14. As shown in FIG. 3, the clustering data storage unit 14 stores the cluster ID and the belonging cell ID in association with each other for each cluster.
  • the cluster ID is a number that identifies the cluster.
  • the belonging cell ID is the cell ID of the cell belonging to the cluster.
  • the clustering data storage unit 14 may further store the meta-cluster ID.
  • the cluster selection unit 15 selects a cluster based on a user operation, and notifies the matching degree calculation unit 16 of the cluster ID of the selected cluster. For example, the cluster selection unit 15 accepts user operations using a touch panel, a mouse, and a keyboard.
  • the concordance calculation unit 16 calculates the concordance between the cluster and the gate for which the cluster ID is notified by the cluster selection unit 15 for all gates using a confusion matrix, and selects the name of the gate with the maximum concordance. Notify the match information output unit 17.
  • the match degree calculation unit 16 may notify the gate names in descending order of match degree instead of notifying the name of the gate having the maximum match degree. Further, the matching degree calculation unit 16 may notify the matching degree together with the name of the gate.
  • the match information output unit 17 highlights the gate whose name has been notified by the match degree calculation unit 16 on the display device.
  • the highlighting method includes, for example, displaying in a color different from that of other gates, changing the lines constituting the gate by blinking, thickening, etc., changing the color, shape, etc. of the plot in the gate, and the background in the gate. There are things like changing the color.
  • the match information output unit 17 may use the same color as the cluster color displayed on the clustering side or a similar color (similar color, a color having a different color tone, etc.) as the highlighting color.
  • the match information output unit 17 may highlight the parent gate in addition to the gate whose name has been notified by the match degree calculation unit 16.
  • the matching information output unit 17 may display, for example, changing the color in the order of matching degree.
  • the match information output unit 17 may display the degree of match on the gate.
  • FIG. 4A to 4C are diagrams showing an example of calculation of the degree of coincidence using a mixing matrix.
  • FIG. 4A shows an example of calculating the degree of coincidence between gate A and cluster # 3
  • FIG. 4B shows an example of calculating the degree of coincidence between gate B and cluster # 3
  • FIG. 4C shows an example of calculating the degree of coincidence between gate C and cluster # 3.
  • An example of calculating the degree is shown.
  • the mixed matrix is a matrix whose rows are the number of cells belonging to the gate for which the degree of coincidence is calculated and the number of cells belonging to the gate other than the gate for calculating the degree of coincidence.
  • the mixed matrix is a matrix in which the number of cells belonging to the cluster for which the degree of coincidence is calculated and the number of cells belonging to a cluster other than the cluster for which the degree of coincidence is calculated are used as columns.
  • the number of cells belonging to the gate for calculating the degree of coincidence and belonging to the cluster for calculating the degree of coincidence is expressed as TP (True Positive). Further, the number of cells belonging to the gate for calculating the degree of agreement and belonging to a cluster other than the cluster for calculating the degree of agreement is expressed as FN (False Negative). In addition, the number of cells belonging to a gate other than the gate for calculating the degree of coincidence and belonging to the cluster for calculating the degree of coincidence is expressed as FP (False Positive). Further, the number of cells belonging to a gate other than the gate for calculating the degree of coincidence and belonging to a cluster other than the cluster for calculating the degree of coincidence is expressed as TN (True Negative).
  • the mixing matrix in order to calculate the degree of coincidence between gate A and cluster # 3, has the number of cells belonging to gate A and the number of cells belonging to gates other than gate A as rows, and belongs to cluster # 3. It is a matrix in which the number of cells to be used and the number of cells belonging to a cluster other than cluster # 3 are arranged as a column.
  • the mixing matrix in order to calculate the degree of coincidence between gate B and cluster # 3, has the number of cells belonging to gate B and the number of cells belonging to gates other than gate B as rows, and belongs to cluster # 3. It is a matrix in which the number of cells to be used and the number of cells belonging to a cluster other than cluster # 3 are arranged as a column.
  • the mixing matrix in order to calculate the degree of coincidence between gate C and cluster # 3, has the number of cells belonging to gate C and the number of cells belonging to gates other than gate C as rows, and belongs to cluster # 3. It is a matrix in which the number of cells to be used and the number of cells belonging to a cluster other than cluster # 3 are arranged as a column.
  • FIG. 5 is a diagram showing an analysis example.
  • 5 (a) shows an example of the gate information storage unit 12
  • FIG. 5 (b) shows an example of the clustering data storage unit 14
  • FIG. 5 (c) shows the degree of agreement.
  • step # 1 cluster # 3 is selected by the user. Then, as step # 2, the degree of coincidence with cluster # 3 is calculated for all gates. As shown in FIG. 5 (c), the degree of coincidence of gate A is 4/9, the degree of coincidence of gate B is 4/5, and the degree of coincidence of gate C is 1.
  • gate C since the degree of coincidence of gate C is the maximum, gate C is highlighted.
  • the gate C is displayed in a thick frame, but on the actual screen, for example, the gate C is displayed in a thick red frame.
  • Gate B which is the parent of gate C, may also be highlighted.
  • the gate B is also displayed in a thick frame, but on the actual screen, for example, the gate B is displayed in a blue thick frame having a color different from that of the gate C.
  • FIG. 6 is a flowchart showing a processing flow by the gate processing unit 11. As shown in FIG. 6, the gate processing unit 11 accepts the user to create a gate (step S1).
  • the gate processing unit 11 determines whether or not the cell is in the gate with respect to one of the target cells (step S2), and if the cell is in the gate, as a cell in the gate. Recording is performed in the gate information storage unit 12 (step S3).
  • the gate processing unit 11 determines whether or not the cells are inside the gate for all the target cells (step S4), and determines whether or not the cells are inside the gate. If there are cells, the process returns to step S2. On the other hand, when it is determined whether or not the cells are inside the gate for all the target cells, the gate processing unit 11 ends the processing.
  • the matching degree calculation unit 16 uses the information stored in the gate information storage unit 12 to match each gate. The degree can be calculated.
  • FIG. 7 is a flowchart showing a processing flow by the clustering processing unit 13.
  • the clustering processing unit 13 receives the selection of the clustering target from the user (step S11), and performs the clustering processing on the selected clustering target (step S12). Then, the clustering processing unit 13 stores the information of the cells belonging to each cluster in the clustering data storage unit 14 (step S13).
  • the matching degree calculation unit 16 uses the information stored in the clustering data storage unit 14 of each gate. The degree of agreement can be calculated.
  • FIG. 8 is a flowchart showing a processing flow by the agreement degree calculation unit 16.
  • the matching degree calculation unit 16 acquires the cluster ID designation by the user from the cluster selection unit 15 (step S21), and acquires the cell ID corresponding to the designated cluster ID (step S22).
  • the acquired cell ID is used as a cluster cell ID.
  • the matching degree calculation unit 16 acquires the cell ID of the cell belonging to the gate for one gate (step S23).
  • the acquired cell ID is used as the gate cell ID.
  • the matching degree calculation unit 16 calculates the matching degree from the cluster cell ID and the gate cell ID (step S24).
  • the matching degree calculation unit 16 determines whether or not the matching degree has been calculated for all the gates (step S25), and if there is a gate for which the matching degree has not been calculated, the process returns to step S23. On the other hand, when the matching degree is calculated for all the gates, the matching degree calculation unit 16 notifies the matching information output unit 17 of the gate having the maximum matching degree (step S26).
  • the match degree calculation unit 16 since the match degree calculation unit 16 notifies the match information output unit 17 of the gate having the maximum match degree, the match information output unit 17 can highlight the gate having the maximum match degree.
  • the matching degree calculation unit 16 calculates the matching degree between the cluster and the gate specified by the user for all gates, and the matching degree is the maximum. Notify the gate to the match information output unit 17. Then, the match information output unit 17 emphasizes and displays the gate having the maximum degree of match.
  • the information processing device 1 can support the association between the result of the gate analysis and the result of the cluster analysis.
  • the user can identify whether clustering was successful or not.
  • the information processing device 1 can visualize at which gate the clustered population is located in a normal gate analysis.
  • the gate of a normal gate analysis represents the phenotype (cell type) of the cell, so by visualizing in this way, it is possible to correspond to which biological population the clustered population represents. Information can be visualized and users can be encouraged to make new discoveries in analysis.
  • the matching degree calculation unit 16 calculates the matching degree by using a mixing matrix based on the number of cells included in the gate and the number of cells contained in the cluster, so that the matching degree can be accurately calculated. Can be calculated.
  • the cluster designation is accepted from the user, but the information processing apparatus 1 may accept the gate designation from the user and highlight the cluster having the maximum degree of agreement with the accepted gate. ..
  • the degree of agreement was calculated using a mixing matrix based on the number of cells contained in the gate and the number of cells contained in the cluster, but the information processing apparatus 1 uses another method to calculate the degree of agreement. May be calculated.
  • the cluster and the gate are associated with each other based on the degree of agreement, but the information processing devices 1 and 1a may associate the cluster with the gate based on other values or other correspondences. Good.
  • the information processing device 1 acquires data having a plurality of attributes instead of the measurement data 2. May be good.
  • the gate having the maximum degree of agreement with the cluster specified by the user is highlighted, but the information processing apparatus 1 identifies the cluster closest to each gate. You can also display each gate in the color associated with the identified cluster. Therefore, in the second embodiment, an information processing device that identifies the cluster closest to each gate and displays each gate in the color associated with the specified cluster will be described.
  • FIG. 9 is a block diagram showing the configuration of the information processing system according to the second embodiment. As shown in FIG. 9, the information processing system 4a according to the second embodiment performs information processing instead of the information processing device 1 as compared with the information processing system 4 according to the first embodiment shown in FIG. The device 1a is provided.
  • the information processing device 1a includes a matching degree calculation unit 16a and a matching information output unit 17a, respectively, instead of the matching degree calculation unit 16 and the matching information output unit 17, and the cluster selection unit 15 is provided. I don't prepare.
  • the match degree calculation unit 16 identifies the cluster with the highest degree of match for all gates, and notifies the match information output unit 17a of the name of the identified cluster.
  • the match information output unit 17a highlights all the gates on the display device in the color corresponding to the cluster based on the name of the cluster notified from the match degree calculation unit 16a.
  • FIG. 10 is a flowchart showing a processing flow by the information processing apparatus 1a.
  • the information processing apparatus 1a acquires the cell ID of the cell belonging to one gate (step S31) and acquires the cell ID belonging to one cluster (step S32).
  • the information processing apparatus 1a calculates the degree of coincidence from the cluster cell ID and the gate cell ID (step S33). Then, the information processing apparatus 1a determines whether or not the matching degree has been calculated for all the clusters (step S34), and returns to step S32 if there is a cluster for which the matching degree has not been calculated.
  • the information processing apparatus 1a displays the gate in the color of the cluster having the highest degree of match (step S35). Then, the information processing apparatus 1a determines whether or not the cluster having the highest degree of matching has been specified for all the gates (step S36), and if there is a gate that has not specified the cluster having the highest degree of matching, the step. Return to S31. On the other hand, when the cluster having the highest degree of matching is specified for all the gates, the information processing apparatus 1a ends the process.
  • the information processing device 1a displays the gates in the color of the cluster having the maximum degree of matching for all the gates, so that it is possible to support the user to associate the clusters with the gates.
  • FIG. 11 is a diagram showing a display example.
  • FIG. 11A shows the gate display result
  • FIG. 11B shows the clustering result.
  • the gate is hung at A
  • the gates B, C and E are hung in the A gate
  • the gate D is hung in the C gate.
  • FIG. 11B shows the clustering result of A.
  • one circle indicates one cluster.
  • A is clustered into five metaclusters represented by M # 1 to M # 5.
  • different types of shading are applied to the metaclusters, but in an actual display device, the metaclusters are displayed in different colors.
  • the gate B has the highest degree of coincidence with the metacluster M # 1, so that it is shaded in the same manner as the metacluster M # 1 (displayed in the same color). Since gate C and gate D have the highest degree of agreement with metacluster M # 5, the same shading as metacluster M # 5 is performed. Since Gate E has the highest degree of agreement with Metacluster M # 3, the same shading as Metacluster M # 3 is performed.
  • the matching degree calculation unit 16a identifies the cluster having the maximum matching degree for all gates, and matches the cluster ID of the specified cluster. Notify the information output unit 17a. Then, the match information output unit 17a displays all the gates in the color of the cluster having the maximum degree of match. Therefore, the information processing apparatus 1a can support the association between the result of the gate analysis and the result of the cluster analysis. Thus, for example, the user can identify whether clustering was successful or not. Further, although the user can usually identify the phenotype of the cell by gate analysis, the information processing apparatus 1a can visualize the position where each phenotype is clustered.
  • FIG. 12 is a block diagram showing a hardware configuration example of the information processing apparatus according to the embodiment of the present disclosure. Although an example of the hardware configuration of the information processing device 1 is shown here, the hardware configuration of the information processing device 1a is also the same.
  • the information processing device 1 includes a CPU (Central Processing Unit) 901, a ROM (Read Only Memory) 903, and a RAM (Random Access Memory) 905. Further, the information processing device 1 includes a host bus 907, a bridge 909, an external bus 911, an interface 913, an input device 915, an output device 917, a storage device 919, a drive 921, a connection port 925, and a communication device 929.
  • the information processing device 1 may have a processing circuit called a DSP (Digital Signal Processor) or an ASIC (Application Specific Integrated Circuit) in place of or in combination with the CPU 901.
  • DSP Digital Signal Processor
  • ASIC Application Specific Integrated Circuit
  • the CPU 901 functions as an arithmetic processing device and a control device, and controls all or a part of the operation in the information processing device 1 according to various programs recorded in the ROM 903, the RAM 905, the storage device 919, or the removable recording medium 923.
  • the CPU 901 controls the overall operation of each functional unit included in the information processing apparatus 1 in the above embodiment.
  • the ROM 903 stores programs, calculation parameters, and the like used by the CPU 901.
  • the RAM 905 primarily stores a program used in the execution of the CPU 901, parameters that change appropriately in the execution, and the like.
  • the CPU 901, ROM 903, and RAM 905 are connected to each other by a host bus 907 composed of an internal bus such as a CPU bus. Further, the host bus 907 is connected to an external bus 911 such as a PCI (Peripheral Component Interconnect / Interface) bus via a bridge 909.
  • PCI Peripheral Component Interconnect / Interface
  • the input device 915 is a device operated by the user, such as a mouse, keyboard, touch panel, buttons, switches, and levers.
  • the input device 915 may be, for example, a remote control device using infrared rays or other radio waves, or an externally connected device 927 such as a mobile phone corresponding to the operation of the information processing device 1.
  • the input device 915 includes an input control circuit that generates an input signal based on the information input by the user and outputs the input signal to the CPU 901. By operating the input device 915, the user inputs various data to the information processing device 1 and instructs the processing operation.
  • the output device 917 is composed of a device capable of visually or audibly notifying the user of the acquired information.
  • the output device 917 may be, for example, a display device such as an LCD, PDP, or OELD, an acoustic output device such as a speaker and headphones, a printer device, or the like.
  • the output device 917 outputs the result obtained by the processing of the information processing device 1 as a video such as text or an image, or outputs as a sound such as sound.
  • the storage device 919 is a data storage device configured as an example of the storage unit of the information processing device 1.
  • the storage device 919 is composed of, for example, a magnetic storage device such as an HDD (Hard Disk Drive), a semiconductor storage device, an optical storage device, an optical magnetic storage device, or the like.
  • the storage device 919 stores programs executed by the CPU 901, various data, various data acquired from the outside, and the like.
  • the drive 921 is a reader / writer for a removable recording medium 923 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, and is built in or externally attached to the information processing device 1.
  • the drive 921 reads the information recorded on the mounted removable recording medium 923 and outputs the information to the RAM 905. Further, the drive 921 writes a record on the attached removable recording medium 923.
  • the connection port 925 is a port for directly connecting the device to the information processing device 1.
  • the connection port 925 may be, for example, a USB (Universal Serial Bus) port, an IEEE1394 port, a SCSI (Small Computer System Interface) port, or the like.
  • the connection port 925 may be an RS-232C port, an optical audio terminal, an HDMI (registered trademark) (High-Definition Multimedia Interface) port, or the like.
  • the communication device 929 is, for example, a communication interface composed of a communication device or the like for connecting to a communication network NW.
  • the communication device 929 may be, for example, a communication card for a wired or wireless LAN (Local Area Network), Bluetooth (registered trademark), WUSB (Wireless USB), or the like. Further, the communication device 929 may be a router for optical communication, a router for ADSL (Asymmetric Digital Subscriber Line), a modem for various communications, or the like.
  • the communication device 929 transmits and receives signals and the like to and from the Internet and other communication devices using a predetermined protocol such as TCP / IP.
  • the communication network NW connected to the communication device 929 is a network connected by wire or wireless, and is, for example, the Internet, a home LAN, infrared communication, radio wave communication, satellite communication, or the like.
  • the information processing system 4 is configured to include the information processing device 1 and the measuring device 3, but the present technology is not limited to such an example.
  • the information processing device 1 may have a function (measurement function) of the measuring device 3.
  • the information processing system 4 is realized by the information processing device 1.
  • the measuring device 3 may have the function of the information processing device 1.
  • the information processing system 4 is realized by the measuring device 3.
  • the measuring device 3 may have a part of the functions of the information processing device 1, and the information processing device 1 may have a part of the functions of the measuring device 3.
  • the present technology can also have the following configurations.
  • a display control unit that displays the correspondence between the gate obtained by the gate analysis based on the plurality of attributes for the analysis target having a plurality of attributes and the cluster obtained by the cluster analysis based on the plurality of attributes for the analysis target.
  • a calculation unit for calculating the degree of coincidence between the gate and the cluster is further provided.
  • the analysis target is a plurality of cells.
  • the information processing apparatus according to (2) above, wherein the calculation unit calculates the degree of agreement using a mixing matrix based on the number of cells contained in the gate and the number of cells contained in the cluster.
  • the information processing device (7) The information processing device according to (5) or (6) above, wherein the display control unit displays the parent gate of the gate having the maximum degree of agreement in a color different from that of the gate having the maximum degree of agreement.
  • the calculation unit calculates the degree of agreement for all combinations of all clusters and all gates.
  • the information processing device according to (2), (3) or (4), wherein the display control unit displays each gate using the display color of the cluster having the maximum degree of agreement.
  • the processor Display including displaying the correspondence between the gate obtained by the gate analysis based on the plurality of attributes for the analysis target having a plurality of attributes and the cluster obtained by the cluster analysis based on the plurality of attributes for the analysis target.
  • a display control unit that displays the correspondence between the gate obtained by the gate analysis based on the plurality of attributes for the analysis target having a plurality of attributes and the cluster obtained by the cluster analysis based on the plurality of attributes for the analysis target.
  • a program to function as. (11) A measuring device provided with a measuring unit that irradiates the measurement target with light, detects the fluorescence emitted from the measurement target, and measures the fluorescence intensity.
  • An information processing device including a display control unit that displays the correspondence between the gate obtained by the gate analysis based on the plurality of fluorescence intensities measured by the measuring device and the cluster obtained by the cluster analysis based on the plurality of fluorescence intensities.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Urology & Nephrology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

情報処理装置は、複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと上記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部を備える。

Description

情報処理装置、表示方法、プログラム及び情報処理システム
　本開示は、情報処理装置、表示方法、プログラム及び情報処理システムに関する。
　複数の属性を有する解析対象に対して該複数の属性に基づく解析を行い、解析結果を表示する情報処理装置がある。例えば、フローサイトメーターは、複数のバイオマーカに基づいて細胞の解析を行い、解析結果を表示する。情報処理装置において、属性の数が増加すると、解析が困難になる。例えば、Ｎ個の属性のうちの２つの属性に着目して２次元表示を行う場合、２つの属性の組み合せの数はＮ（Ｎ－１）／２であり、Ｎが大きくなると、組み合わせの爆発がおこる。そこで、解析を容易にするため、機械学習を用いたクラスタリングや次元圧縮が行われる。
　なお、下記特許文献１には、微粒子から検出された検出データと微粒子が分取対象であるか否かを機械学習して辞書データを作成し、検出データが供給されると辞書データを用いて微粒子が分取対象であるか否かを判定する技術が開示されている。この技術によれば、微粒子が分取対象であるか否かの判定に要する時間を短縮することができ、判定結果に基づいて微粒子を分取することができる。
国際公開第２０１８／１９８５８６号
　着目する２つの属性を変えながら行った解析の結果とクラスタリングや次元圧縮による解析の結果とは別々に表示されるため、ユーザは２つの解析結果を対応付けることが困難である。
　以上のような事情に鑑み、本技術の目的は、２つの解析結果の対応付けを支援する情報処理装置、表示方法、プログラム及び情報処理システムを提供することにある。
　上記の課題を解決するために、本開示に係る一形態の情報処理装置は、複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部を備える。
第１の実施形態に係る情報処理システムの構成を示すブロック図である。 ゲート情報記憶部の一例を示す図である。 クラスタリングデータ記憶部の一例を示す図である。 混合行列を用いた一致度の計算例を示す第１の図である。 混合行列を用いた一致度の計算例を示す第２の図である。 混合行列を用いた一致度の計算例を示す第３の図である。 解析例を示す図である。 ゲート処理部による処理のフローを示すフローチャートである。 クラスタリング処理部による処理のフローを示すフローチャートである。 一致度計算部による処理のフローを示すフローチャートである。 第２の実施形態に係る情報処理システムの構成を示すブロック図である。 情報処理装置による処理のフローを示すフローチャートである。 表示例を示す図である。 本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。
　以下に、本開示の実施形態について図面に基づいて詳細に説明する。なお、以下の各実施形態において、同一の部位には同一の符号を付することにより重複する説明を省略する。
　また、以下に示す項目順序に従って本開示を説明する。
　　１．第１の実施形態
　　　１．１　情報処理システムの構成
　　　１．２　一致度の計算方法
　　　１．３　解析例
　　　１．４　解析動作
　　　１．５　作用・効果
　　２．第２の実施形態
　　　２．１　情報処理システムの構成
　　　２．２　解析動作
　　　２．３　表示例
　　　２．４　作用・効果
　　３．情報処理装置のハードウェア構成
　１．第１の実施形態
　以下、本開示の第１の実施形態に係る情報処理装置、表示方法、プログラム及び情報処理システムについて、図面を参照して詳細に説明する。
　１．１　情報処理システムの構成
　まず、情報処理システムの構成について説明する。図１は、第１の実施形態に係る情報処理システムの構成を示すブロック図である。図１に示すように、情報処理システム４は、情報処理装置１と測定装置３を備える。
　測定装置３は、測定サンプルの細胞等から各色の蛍光を検出することが可能な測定装置である。測定装置３は、例えば、蛍光染色した細胞をフローセルに高速で流し、流れる細胞に光線を照射することで、細胞から各色光の蛍光を検出するフローサイトメーターでる。フローサイトメータで測定される測定サンプルは、細胞以外に、微生物及び生体関連粒子などの生体由来の粒子であってもよい。細胞は、例えば、動物細胞（例えば、血球系細胞など）又は植物細胞などであってもよい。微生物は、例えば、大腸菌等の細菌類、タバコモザイクウイルス等のウイルス類、又はイースト等の菌類などであってもよい。生体関連粒子は、染色体、リポソーム、ミトコンドリア又は各種オルガネラ（細胞小器官）などの細胞を構成する粒子であってもよい。なお、生体関連粒子には、核酸、タンパク質、脂質及び糖鎖、並びにこれらの複合体などの生体関連高分子が含まれてもよい。これらの生体由来の粒子は、球形又は非球形のいずれの形状であってもよく、大きさ及び質量についても特に限定されない。
　また、測定サンプルは、ラテックス粒子、ゲル粒子及び工業用粒子などの工業的に合成された粒子であってもよい。例えば、工業的に合成された粒子は、ポリスチレン及びポリメチルメタクリレートなどの有機樹脂材料、ガラス、シリカ及び磁性体などの無機材料、又は金コロイド及びアルミニウムなどの金属で合成された粒子であってもよい。これらの工業的に合成された粒子についても、同様に、球形又は非球形のいずれの形状であってもよく、大きさ及び質量についても特に限定されない。
　測定サンプルは、蛍光スペクトルの測定に先立って、１つ以上の蛍光色素によって標識（染色）され得る。蛍光色素による測定サンプルの標識は、公知の手法によって行われてもよい。具体的には、測定サンプルが細胞である場合、細胞表面に存在する抗原に対して選択的に結合する蛍光標識抗体と、測定対象の細胞とを混合し、細胞表面の抗原に蛍光標識抗体を結合させることで、測定対象の細胞を蛍光色素にて標識することができる。または、特定の細胞に対して選択的に取り込まれる蛍光色素と、測定対象の細胞とを混合することで、測定対象の細胞を蛍光色素にて標識することも可能である。
　蛍光標識抗体は、標識として蛍光色素を結合させた抗体である。蛍光標識抗体は、抗体に蛍光色素を直接結合させたものであってもよい。または、蛍光標識抗体は、ビオチン標識した抗体に、アビジンを結合させた蛍光色素をアビジン－ビオジン反応によって結合させたものであってもよい。なお、抗体は、ポリクローナル抗体又はモノクローナル抗体のいずれを用いることも可能である。
　細胞を標識するための蛍光色素は、特に限定されず、細胞等の染色に使用される公知の色素を少なくとも１つ以上用いることが可能である。例えば、蛍光色素として、フィコエリスリン（ＰＥ）、フルオレセインイソチオシアネート（ＦＩＴＣ）、ＰＥ－Ｃｙ５、ＰＥ－Ｃｙ７、ＰＥ－Ｔｅｘａｓ　Ｒｅｄ（登録商標）、アロフィコシアニン（ＡＰＣ）、ＡＰＣ－Ｃｙ７、エチジウムブロマイド（ｅｔｈｉｄｉｕｍ　ｂｒｏｍｉｄｅ）、プロピジウムアイオダイド（ｐｒｏｐｉｄｉｕｍ　ｉｏｄｉｄｅ）、Ｈｏｅｃｈｓｔ（登録商標）３３２５８、Ｈｏｅｃｈｓｔ（登録商標）３３３４２、ＤＡＰＩ（４’，６－ｄｉａｍｉｄｉｎｏ－２－ｐｈｅｎｙｌｉｎｄｏｌｅ）、アクリジンオレンジ（ａｃｒｉｄｉｎｅｏｒａｎｇｅ）、クロモマイシン（ｃｈｒｏｍｏｍｙｃｉｎ）、ミトラマイシン（ｍｉｔｈｒａｍｙｃｉｎ）、オリボマイシン（ｏｌｉｖｏｍｙｃｉｎ）、ピロニン（ｐｙｒｏｎｉｎ）Ｙ、チアゾールオレンジ（ｔｈｉａｚｏｌｅ　ｏｒａｎｇｅ）、ローダミン（ｒｈｏｄａｍｉｎｅ）１０１、イソチオシアネート（ｉｓｏｔｈｉｏｃｙａｎａｔｅ）、ＢＣＥＣＦ、ＢＣＥＣＦ－ＡＭ、Ｃ．ＳＮＡＲＦ－１、Ｃ．ＳＮＡＲＦ－１－ＡＭＡ、イクオリン（ａｅｑｕｏｒｉｎ）、Ｉｎｄｏ－１、Ｉｎｄｏ－１－ＡＭ、Ｆｌｕｏ－３、Ｆｌｕｏ－３－ＡＭ、Ｆｕｒａ－２、Ｆｕｒａ－２－ＡＭ、オキソノール（ｏｘｏｎｏｌ）、テキサスレッド（登録商標）、ローダミン１２３、１０－Ｎ－ノニ－アクリジンオレンジ、フルオレセイン（ｆｌｕｏｒｅｓｃｅｉｎ）、フルオレセインジアセテート（ｆｌｕｏｒｅｓｃｅｉｎ　ｄｉａｃｅｔａｔｅ）、カルボキシフルオレセイン（ｃａｒｂｏｘｙｆｌｕｏｒｅｓｃｅｉｎ）、カルボキシフルオレセインジアセテート（ｃａｒｂｏｘｙｆｌｕｏｒｅｓｃｅｉｎ　ｄｉａｃｅｔａｔｅ）、カルボキシジクロロフルオレセイン（ｃａｒｂｏｘｙｄｉｃｈｌｏｒｏｆｌｕｏｒｅｓｃｅｉｎ）、カルボキシジクロロフルオレセインジアセテート（ｃａｒｂｏｘｙｄｉｃｈｌｏｒｏｆｌｕｏｒｅｓｃｅｉｎ　ｄｉａｃｅｔａｔｅ）等を用いることができる。また、上述した蛍光色素の誘導体等も使用することが可能である。
　フローサイトメータは、測定サンプルを標識する蛍光色素を励起可能な波長を有するレーザ光を射出するレーザ光源と、測定サンプルを一方向に通流させるフローセルと、レーザ光が照射された測定サンプルからの蛍光、りん光又は散乱光を受光する光検出器と、を備える。
　レーザ光源は、例えば、所定の波長のレーザ光を出射する半導体レーザ光源である。レーザ光源は、複数設けられてもよい。レーザ光源が複数設けられる場合、フローセルにおいて、レーザ光源からのレーザ光が照射される位置は、同じであってもよく、異なっていてもよい。ただし、複数のレーザ光源からのレーザ光が異なる位置に照射される場合、測定サンプルからの光を異なる光検出器にて検出することができるため、近接波長の光を発する色素でも混色せずに測定することができる。なお、レーザ光源から出射されるレーザ光は、パルス光又は連続光のいずれであってもよい。例えば、レーザ光源は、波長４８０ｎｍ及び波長６４０ｎｍのレーザ光をそれぞれ出射する複数の半導体レーザ光源であってもよい。
　フローセルは、複数の測定サンプルを一方向に整列させて通流させる流路である。具体的には、フローセルは、測定サンプルを包み込んだシース液を層流として高速で流すことで、複数の測定サンプルを一方向に整列させて通流させる。フローセルはマイクロチップ又はキュベット内に形成されることができる。
　光検出器は、レーザ光が照射された測定サンプルから発生する蛍光、りん光及び散乱光を光電変換によって検出する。
　例えば、光検出器は、測定サンプルからの前方散乱光及び側方散乱光を含む散乱光ＬＳを検出するディテクタと、測定サンプルからの蛍光を検出する受光素子アレイと、を含んでもよい。
　ディテクタは、例えば、ＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）又はフォトダイオードなどの公知の光電変換素子であってもよい。受光素子アレイは、例えば、検出する光の波長域が異なる独立した検出チャネルを複数配列することで構成され得る。具体的には、受光素子アレイは、検出する波長域が異なる複数のＰＭＴ（Ｐｈｏｔｏ　Ｍｕｌｔｉｐｌｉｅｒ　Ｔｕｂｅ）又はフォトダイオードを一次元等に配列させた受光素子アレイなどであってもよい。受光素子アレイは、プリズム又はグレーティングなどの分光素子によって、スペクトルに分光された測定サンプルの蛍光を光電変換する。
　これにより、フローサイトメータでは、まず、レーザ光源から出射されたレーザ光がフローセルを通過する測定サンプルの各々に照射される。レーザ光が照射されることで測定サンプルは、散乱光および蛍光（又はりん光）を発する。ここで、測定サンプルから発せられた散乱光は、ディテクタにて検出される。一方、測定サンプルから発せられた蛍光は、分光素子にて連続したスペクトルに分光された後、受光素子アレイにて受光されることで検出される。
　測定装置３は、蛍光色素で標識又は染色された細胞又は組織等の観察サンプルを蛍光観察することで、観察サンプルから各色光の蛍光を検出する蛍光顕微鏡又は共焦点レーザ顕微鏡など生体顕微鏡であってもよい。観察サンプルは、例えば、患者から採取された組織や細胞、血液などの病理試料、培養細胞や受精卵、精子等の生体試料、細胞シート、三次元細胞組織等の生体材料であってもよい。生体顕微鏡は、観察サンプルからの蛍光又はりん光、散乱光などの光情報だけでなく、観察サンプルの長さや大きさ等の形態情報や位置情報などの画像情報を取得してもよい。
　測定装置３は、検出結果を測定データ２として出力する。測定データ２には、細胞ごとに、波長域ごとの強度値が含まれる。測定装置３は、測定データ２を例えば情報処理装置１に転送する。
　情報処理装置１は、測定装置３で測定された測定データ２を取得し、各蛍光色素に対応する蛍光強度を算出する。そして、情報処理装置１は、算出した蛍光強度に基づいて、細胞の解析を行い、解析結果を表示する。ここで、細胞は解析対象の例であり、解析対象は、フローサイトメータの測定サンプル又は生体顕微鏡の観察サンプルであってもよい。また、蛍光強度は属性の例であり、属性は、測定サンプルや観察サンプルが示す属性であればよく、蛍光や散乱光などの光情報又は形態情報や位置情報などの画像情報であってもよい。なお、情報処理装置１と測定装置３は、ネットワークで接続され、情報処理装置１は、ネットワークを介して測定データ２を取得してもよい。
　情報処理装置１は、ゲート処理部１１と、ゲート情報記憶部１２と、クラスタリング処理部１３と、クラスタリングデータ記憶部１４と、クラスタ選択部１５と、一致度計算部１６と、一致情報出力部１７とを備える。なお、これらの機能部の全て又は一部は、クラウドで実施されてもよい。例えば、クラスタリング処理部１３、クラスタリングデータ記憶部１４、クラスタ選択部１５、一致度計算部１６がクラウドで実施されてもよい。この場合、測定データ２は、クラウドにも転送される。
　ゲート処理部１１は、測定データ２を読み込み、ユーザ操作に基づいてゲーティングし、ゲーティング結果をゲート情報記憶部１２に格納する。ゲート処理部１１は、例えば、測定データ２をファイルから読み込む。ゲート処理部１１は、例えば、タッチパネル、マウス、キーボードを用いたユーザ操作を受け付ける。
　ゲート情報記憶部１２は、ゲート処理部１１によるゲーティング結果を記憶する。図２は、ゲート情報記憶部１２の一例を示す図である。図２（ａ）はゲート情報記憶部１２を示し、図２（ｂ）はゲートを示す。
　図２（ｂ）において、○で囲まれた数字は細胞を識別する細胞ＩＤを示す。図２（ｂ）に示すように、ゲートＡには、細胞＃１～細胞＃７の７個の細胞が所属する。ゲートＢは、ゲートＡから軸＃１と軸＃２に基づいて作成されたゲートである。ゲートＢには、細胞＃４、細胞＃５及び細胞＃６の３個の細胞が所属する。ゲートＣは、ゲートＢから軸＃４と軸＃５に基づいて作成されたゲートである。ゲートＣには、細胞＃５及び細胞＃６の２個の細胞が所属する。
　図２（ａ）に示すように、ゲート情報記憶部１２は、ゲート名と所属細胞ＩＤとを対応付けてゲートごとに記憶する。ゲート名は、ゲートを識別する名前である。所属細胞ＩＤは、ゲートに所属する細胞の細胞ＩＤである。
　例えば、ゲートＡには細胞＃１～細胞＃７の７個の細胞が所属し、ゲートＡ＆Ｂには細胞＃４、細胞＃５及び細胞＃６の３個の細胞が所属し、ゲートＡ＆Ｂ＆Ｃには細胞＃５及び細胞＃６の２個の細胞が所属する。なお、ゲートＡ＆Ｂは、ゲートＢがゲートＡから作成されたことを示す。
　クラスタリング処理部１３は、測定データ２を読み込んでクラスタリングを行い、クラスタリング結果をクラスタリングデータ記憶部１４に格納する。クラスタリング処理部１３は、例えば、Ｋ－ｍｅａｎｓのようにＫを指定されて測定データ２をＫ個のクラスタに分類する。あるいは、クラスタリング処理部１３は、ＦｌｏｗＳＯＭ（Self-Organizing　Map）のように、分割数を自動決定してもよい。
　あるいは、クラスタリング処理部１３は、例えば、Ｔ－ＳＮＥのように次元圧縮を行って、次元圧縮の結果に対してゲーティングを行うことでクラスタリングを行ってもよい。あるいは、クラスタリング処理部１３は、メタクラスタリングなどの２段階クラスタを行って、クラスタＩＤと、メタクラスタＩＤのようにクラスタの定義を２つ用いてもよい。ここで、メタクラスタとは、クラスタの集まりである。
　クラスタリングデータ記憶部１４は、クラスタリング処理部１３によるクラスタリング結果を記憶する。図３は、クラスタリングデータ記憶部１４の一例を示す図である。図３に示すように、クラスタリングデータ記憶部１４は、クラスタＩＤと所属細胞ＩＤとを対応付けてクラスタごとに記憶する。クラスタＩＤは、クラスタを識別する番号である。所属細胞ＩＤは、クラスタに所属する細胞の細胞ＩＤである。
　例えば、クラスタ＃１には細胞＃１、細胞＃２及び細胞＃３の３個の細胞が所属し、クラスタ＃２には細胞＃４が所属し、クラスタ＃３には細胞＃５及び細胞＃６が所属し、クラスタ＃４には細胞＃７が所属する。なお、クラスタリングデータ記憶部１４は、メタクラスタＩＤをさらに記憶してもよい。
　クラスタ選択部１５は、ユーザ操作に基づいてクラスタを選択し、選択したクラスタのクラスタＩＤを一致度計算部１６に通知する。例えば、クラスタ選択部１５は、タッチパネル、マウス、キーボードを用いたユーザ操作を受け付ける。
　一致度計算部１６は、クラスタ選択部１５によりクラスタＩＤが通知されたクラスタとゲートの一致度を混合行列（Confusion　Matrix）を用いて全てのゲートについて計算し、一致度が最大のゲートの名前を一致情報出力部１７に通知する。
　一致度計算部１６は、一致度が最大のゲートの名前を通知するかわりに、一致度が大きい順にゲートの名前を通知してもよい。また、一致度計算部１６は、ゲートの名前とともに一致度を通知してもよい。
　一致情報出力部１７は、一致度計算部１６から名前が通知されたゲートを表示装置上で強調表示する。強調表示の方法としては、例えば、他のゲートと異なる色で表示する、ゲートを構成する線を点滅する、太くする等により変える、ゲート内のプロットの色、形状等を変える、ゲート内の背景色を変える等がある。また、一致情報出力部１７は、強調表示の色として、クラスタリング側で表示しているクラスタの色と同じ色若しくは同系色（類似色、色調の異なる色等）を用いてもよい。また、一致情報出力部１７は、一致度計算部１６から名前が通知されたゲートに加えて、親ゲートも強調表示してもよい。一致度が大きい順にゲート名が通知された場合には、一致情報出力部１７は、例えば、一致度順に色を変えて表示してもよい。また、一致情報出力部１７は、一致度をゲートに表示してもよい。
　１．２　一致度の計算方法
　次に、一致度の計算方法の一例について説明する。図４Ａ～図４Ｃは、混合行列を用いた一致度の計算例を示す図である。図４Ａは、ゲートＡとクラスタ＃３の一致度の計算例を示し、図４Ｂは、ゲートＢとクラスタ＃３の一致度の計算例を示し、図４Ｃは、ゲートＣとクラスタ＃３の一致度の計算例を示す。
　図４Ａ～図４Ｃにおいて、混合行列は、一致度を計算するゲートに所属する細胞の数と一致度を計算するゲート以外のゲートに所属する細胞の数を行とする行列である。また、混合行列は、一致度を計算するクラスタに所属する細胞の数と一致度を計算するクラスタ以外のクラスタに所属する細胞の数を列とする行列である。
　混合行列において、一致度を計算するゲートに所属し、かつ、一致度を計算するクラスタに所属する細胞の数はＴＰ（True　Positive）と表される。また、一致度を計算するゲートに所属し、かつ、一致度を計算するクラスタ以外のクラスタに所属する細胞の数はＦＮ（False　Negative）と表される。また、一致度を計算するゲート以外のゲートに所属し、かつ、一致度を計算するクラスタに所属する細胞の数はＦＰ（False　Positive）と表される。また、一致度を計算するゲート以外のゲートに所属し、かつ、一致度を計算するクラスタ以外のクラスタに所属する細胞の数はＴＮ（True　Negative）と表される。
　そして、適合率（Precision）＝ＴＰ／（ＦＰ＋ＴＰ）、再現率（Recall）＝ＴＰ／（ＦＮ＋ＴＰ）とすると、一致度計算部１６は、一致度ＦをＦ＝２（適合率＊再現率）／（適合率＋再現率）により計算する。
　図４Ａでは、ゲートＡとクラスタ＃３の一致度計算のため、混合行列は、ゲートＡに所属する細胞の数とゲートＡ以外のゲートに所属する細胞の数を行とし、クラスタ＃３に所属する細胞の数とクラスタ＃３以外のクラスタに所属する細胞の数を列とする行列である。
　図４Ａに示すように、細胞＃５と細胞＃６が、ゲートＡに所属し、かつ、クラスタ＃３に所属するため、ＴＰ＝２である。細胞＃１と細胞＃２と細胞＃３と細胞＃４と細胞＃７が、ゲートＡに所属し、かつ、クラスタ＃３以外のクラスタに所属するため、ＦＮ＝５である。ゲートＡ以外のゲートに所属する細胞はないので、ＦＰ＝ＴＮ＝０である。
　したがって、適合率＝ＴＰ／（ＦＰ＋ＴＰ）＝２／（０＋２）＝１であり、再現率＝ＴＰ／（ＦＮ＋ＴＰ）＝２／（５＋２）＝２／７である。また、一致度＝２（適合率＊再現率）／（適合率＋再現率）＝２＊１＊（２／７）／（１＋２／７）＝（４／７）／（９／７）＝４／９である。
　図４Ｂでは、ゲートＢとクラスタ＃３の一致度計算のため、混合行列は、ゲートＢに所属する細胞の数とゲートＢ以外のゲートに所属する細胞の数を行とし、クラスタ＃３に所属する細胞の数とクラスタ＃３以外のクラスタに所属する細胞の数を列とする行列である。
　図４Ｂに示すように、細胞＃５と細胞＃６が、ゲートＢに所属し、かつ、クラスタ＃３に所属するため、ＴＰ＝２である。細胞＃４が、ゲートＢに所属し、かつ、クラスタ＃３以外のクラスタに所属するため、ＦＮ＝１である。ゲートＢ以外のゲートに所属し、かつ、クラスタ＃３に所属する細胞はないのでＦＰ＝０である。細胞＃１と細胞＃２と細胞＃３と細胞＃７が、ゲートＢ以外のゲートに所属し、かつ、クラスタ＃３以外のクラスタに所属するため、ＴＮ＝４である。
　したがって、適合率＝ＴＰ／（ＦＰ＋ＴＰ）＝２／（０＋２）＝１であり、再現率＝ＴＰ／（ＦＮ＋ＴＰ）＝２／（１＋２）＝２／３である。また、一致度＝２（適合率＊再現率）／（適合率＋再現率）＝２＊１＊（２／３）／（１＋２／３）＝（４／３）／（５／３）＝４／５である。
　図４Ｃでは、ゲートＣとクラスタ＃３の一致度計算のため、混合行列は、ゲートＣに所属する細胞の数とゲートＣ以外のゲートに所属する細胞の数を行とし、クラスタ＃３に所属する細胞の数とクラスタ＃３以外のクラスタに所属する細胞の数を列とする行列である。
　図４Ｃに示すように、細胞＃５と細胞＃６が、ゲートＣに所属し、かつ、クラスタ＃３に所属するため、ＴＰ＝２である。ゲートＣに所属し、かつ、クラスタ＃３以外のクラスタに所属する細胞はないため、ＦＮ＝０である。ゲートＣ以外のゲートに所属し、かつ、クラスタ＃３に所属する細胞はないのでＦＰ＝０である。細胞＃１と細胞＃２と細胞＃３と細胞＃４と細胞＃７が、ゲートＣ以外のゲートに所属し、かつ、クラスタ＃３以外のクラスタに所属するため、ＴＮ＝５である。
　したがって、適合率＝ＴＰ／（ＦＰ＋ＴＰ）＝２／（０＋２）＝１であり、再現率＝ＴＰ／（ＦＮ＋ＴＰ）＝２／（０＋２）＝２／２＝１である。また、一致度＝２（適合率＊再現率）／（適合率＋再現率）＝２＊１＊１／（１＋１）＝２／２＝１である。
　１．３　解析例
　次に、解析例について説明する。図５は、解析例を示す図である。図５（ａ）はゲート情報記憶部１２の例を示し、図５（ｂ）はクラスタリングデータ記憶部１４の例を示し、図５（ｃ）は一致度を示す。
　ステップ＃１として、クラスタ＃３がユーザにより選択される。そして、ステップ＃２として、クラスタ＃３との一致度が全てのゲートについて計算される。図５（ｃ）に示すように、ゲートＡの一致度は４／９であり、ゲートＢの一致度は４／５であり、ゲートＣの一致度は１である。
　したがって、ゲートＣの一致度が最大であるので、ゲートＣが強調表示される。図５では、ゲートＣが太枠で表示されているが、実際の画面では、例えば、ゲートＣが赤い太枠で表示される。また、ゲートＣの親であるゲートＢも強調表示されてもよい。図５では、ゲートＢも太枠で表示されているが、実際の画面では、例えば、ゲートＢがゲートＣとは異なる色の青い太枠で表示される。
　１．４　解析動作
　次に、情報処理装置１による解析動作について図６～図８を用いて説明する。図６は、ゲート処理部１１による処理のフローを示すフローチャートである。図６に示すように、ゲート処理部１１は、ユーザによるゲートの作成を受け付ける（ステップＳ１）。
　そして、ゲート処理部１１は、対象細胞のうちの１つの細胞について、細胞がゲート内であるか否かを判定し（ステップＳ２）、細胞がゲート内である場合には、ゲート内の細胞としてゲート情報記憶部１２に記録する（ステップＳ３）。
　そして、ゲート処理部１１は、ゲート内にあるか否かの判定を全対象細胞に対して行ったか否かを判定し（ステップＳ４）、ゲート内にあるか否かの判定を行っていない対象細胞がある場合には、ステップＳ２に戻る。一方、ゲート内にあるか否かの判定を全対象細胞に対して行った場合には、ゲート処理部１１は、処理を終了する。
　このように、ゲート処理部１１がゲート情報記憶部１２にゲートに所属する細胞の情報を記録するので、一致度計算部１６は、ゲート情報記憶部１２が記憶する情報を用いて各ゲートの一致度を計算することができる。
　図７は、クラスタリング処理部１３による処理のフローを示すフローチャートである。図７に示すように、クラスタリング処理部１３は、ユーザからクラスタリング対象の選択を受け付け（ステップＳ１１）、選択されたクラスタリング対象についてクラスタリング処理を実施する（ステップＳ１２）。そして、クラスタリング処理部１３は、各クラスタに所属する細胞の情報をクラスタリングデータ記憶部１４に保存する（ステップＳ１３）。
　このように、クラスタリング処理部１３がクラスタリングデータ記憶部１４に各クラスタに所属する細胞の情報を保存するので、一致度計算部１６は、クラスタリングデータ記憶部１４が記憶する情報を用いて各ゲートの一致度を計算することができる。
　図８は、一致度計算部１６による処理のフローを示すフローチャートである。図８に示すように、一致度計算部１６は、クラスタ選択部１５から、ユーザによるクラスタＩＤの指定を取得し（ステップＳ２１）、指定されたクラスタＩＤに対応する細胞ＩＤを取得する（ステップＳ２２）。ここでは、取得された細胞ＩＤをクラスタ細胞ＩＤとする。
　そして、一致度計算部１６は、１つのゲートについて、ゲートに所属する細胞の細胞ＩＤを取得する（ステップＳ２３）。ここでは、取得された細胞ＩＤをゲート細胞ＩＤとする。そして、一致度計算部１６は、クラスタ細胞ＩＤと、ゲート細胞ＩＤから一致度を計算する（ステップＳ２４）。
　そして、一致度計算部１６は、全ゲートについて一致度を計算したか否かを判定し（ステップＳ２５）、一致度を計算していないゲートがある場合には、ステップＳ２３へ戻る。一方、全ゲートについて一致度を計算した場合には、一致度計算部１６は、一致度が最大のゲートを一致情報出力部１７へ通知する（ステップＳ２６）。
　このように、一致度計算部１６が一致度が最大のゲートを一致情報出力部１７へ通知するので、一致情報出力部１７は、一致度が最大のゲートを強調表示することができる。
　１．５　作用・効果
　以上のように、第１の実施形態によれば、一致度計算部１６が、ユーザに指定されたクラスタとゲートの一致度を全ゲートについて計算し、一致度が最大のゲートを一致情報出力部１７へ通知する。そして、一致情報出力部１７は、一致度が最大のゲートを強調して表示する。
　したがって、情報処理装置１は、ゲート解析の結果とクラスタ解析の結果の対応付けを支援することができる。このため、例えば、ユーザは、クラスタリングが成功したか否かを特定することができる。
　また、情報処理装置１は、クラスタされた集団が通常のゲート解析におけるどのゲートに位置するかを可視化することができる。この場合、通常のゲート解析のゲートは、細胞のフェノタイプ（細胞の種類）を表すので、このように可視化することによって、クラスタリングされた集団が、生物学上のどの集団を表しているかの対応情報を可視化することができ、解析する上での新規の発見をユーザに促すことができる。
　また、第１の実施形態では、一致度計算部１６は、ゲートに含まれる細胞の数とクラスタに含まれる細胞の数に基づく混合行列を用いて一致度を計算するので、正確に一致度を計算することができる。
　なお、第１の実施形態では、ユーザからクラスタの指定を受け付けたが、情報処理装置１は、ユーザからゲートの指定を受け付け、受け付けたゲートと一致度が最大のクラスタを強調表示してもよい。また、第１の実施形態では、ゲートに含まれる細胞の数とクラスタに含まれる細胞の数に基づく混合行列を用いて一致度を計算したが、情報処理装置１は、他の方法により一致度を計算してもよい。また、第１の実施形態では、一致度に基づいてクラスタとゲートを対応付けたが、情報処理装置１及び１ａは、他の値や他の対応関係に基づいてクラスタとゲートを対応付けてもよい。
　また、第１の実施形態では、測定装置３により測定された測定データ２を取得する場合について説明したが、情報処理装置１は、測定データ２の代わりに複数の属性を有するデータを取得してもよい。
　２．第２の実施形態
　ところで、上記第１の実施形態では、ユーザに指定されたクラスタと一致度が最大のゲートを強調表示したが、情報処理装置１は、各ゲートに最も近いクラスタを特定し、特定したクラスタに対応付けられた色で各ゲートを表示することもできる。そこで、第２の実施形態では、各ゲートに最も近いクラスタを特定し、特定したクラスタに対応付けられた色で各ゲートを表示する情報処理装置について説明する。
　２．１　情報処理システムの構成
　図９は、第２の実施形態に係る情報処理システムの構成を示すブロック図である。図９に示すように、第２の実施形態に係る情報処理システム４ａは、図１に示した第１の実施形態に係る情報処理システム４と比較して、情報処理装置１の代わりに情報処理装置１ａを備える。
　情報処理装置１ａは、情報処理装置１と比較して、一致度計算部１６及び一致情報出力部１７の代わりに、それぞれ一致度計算部１６ａ及び一致情報出力部１７ａを備え、クラスタ選択部１５を備えない。
　一致度計算部１６は、全てのゲートについて、最も一致度の高いクラスタを特定し、特定したクラスタの名前を一致情報出力部１７ａに通知する。一致情報出力部１７ａは、全てのゲートについて、一致度計算部１６ａから通知されたクラスタの名前に基づいて、クラスタに対応する色で表示装置上で強調表示する。
　２．２　解析動作
　図１０は、情報処理装置１ａによる処理のフローを示すフローチャートである。なお、図１０では、ゲート及びクラスタは作成されているものとする。図１０に示すように、情報処理装置１ａは、１つのゲートに所属する細胞の細胞ＩＤを取得し（ステップＳ３１）、１つのクラスタに所属する細胞ＩＤを取得する（ステップＳ３２）。
　そして、情報処理装置１ａは、クラスタ細胞ＩＤと、ゲート細胞ＩＤから一致度を計算する（ステップＳ３３）。そして、情報処理装置１ａは、全クラスタについて一致度を計算したか否かを判定し（ステップＳ３４）、一致度を計算していないクラスタがある場合には、ステップＳ３２へ戻る。
　一方、全クラスタについて一致度を計算した場合には、情報処理装置１ａは、最も一致度の高いクラスタの色でゲートを表示する（ステップＳ３５）。そして、情報処理装置１ａは、全ゲートについて最も一致度の高いクラスタを特定したか否かを判定し（ステップＳ３６）、最も一致度の高いクラスタを特定していないゲートがある場合には、ステップＳ３１へ戻る。一方、全ゲートについて最も一致度の高いクラスタを特定した場合には、情報処理装置１ａは、処理を終了する。
　このように、情報処理装置１ａは、全てのゲートについて一致度が最大のクラスタの色でゲートを表示するので、ユーザによるクラスタとゲートの対応付けを支援することができる。
　２．３　表示例
　図１１は、表示例を示す図である。図１１（ａ）はゲート表示結果を示し、図１１（ｂ）はクラスタリング結果を示す。図１１（ａ）では、Ａでゲートがかけられ、Ａゲート内でＢ、Ｃ及びＥのゲートがかけられ、Ｃゲート内でＤのゲートがかけられている。図１１（ｂ）は、Ａのクラスタリング結果を示す。図１１（ｂ）において、１つの丸が１つのクラスタを示す。図１１（ｂ）に示すように、ＡはＭ＃１～Ｍ＃５で表される５つのメタクラスタにクラスタリングされる。なお、図１１（ｂ）では、メタクラスタには異なる種類の網掛け（網掛けなしを含む）が行われているが、実際の表示装置では、メタクラスタは異なる色で表示される。
　図１１（ａ）に示すように、ゲートＢはメタクラスタＭ＃１と最も一致度が高かったのでメタクラスタＭ＃１と同じ網掛けが行われる（同じ色で表示される）。ゲートＣとゲートＤはメタクラスタＭ＃５と最も一致度が高かったのでメタクラスタＭ＃５と同じ網掛けが行われる。ゲートＥはメタクラスタＭ＃３と最も一致度が高かったのでメタクラスタＭ＃３と同じ網掛けが行われる。
　２．４　作用・効果
　以上のように、第２の実施形態によれば、一致度計算部１６ａが、全てのゲートについて、一致度が最大のクラスタを特定し、特定したクラスタのクラスタＩＤを一致情報出力部１７ａに通知する。そして、一致情報出力部１７ａは、全てのゲートを一致度が最大のクラスタの色で表示する。したがって、情報処理装置１ａは、ゲート解析の結果とクラスタ解析の結果の対応付けを支援することができる。このため、例えば、ユーザは、クラスタリングが成功したか否かを特定することができる。また、ユーザは通常ゲート解析により細胞のフェノタイプを特定できるが、情報処理装置１ａは、それぞれのフェノタイプが、どの位置にクラスタリングされたかを可視化することができる。
　３．情報処理装置のハードウェア構成
　次に、図１２を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図１２は、本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。なお、ここでは、情報処理装置１のハードウェア構成例を示すが情報処理装置１ａののハードウェア構成も同様である。
　図１２に示すように、情報処理装置１は、ＣＰＵ（Central　Processing　Unit）９０１、ＲＯＭ（Read　Only　Memory）９０３、及びＲＡＭ（Random　Access　Memory）９０５を含む。また、情報処理装置１は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インタフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２５、通信装置９２９を含む。情報処理装置１は、ＣＰＵ９０１に代えて、又はこれとともに、ＤＳＰ（Digital　Signal　Processor）又はＡＳＩＣ（Application　Specific　Integrated　Circuit）と呼ばれるような処理回路を有してもよい。
　ＣＰＵ９０１は、演算処理装置及び制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、又はリムーバブル記録媒体９２３に記録された各種プログラムに従って、情報処理装置１内の動作全般又はその一部を制御する。例えば、ＣＰＵ９０１は、上記の実施形態における情報処理装置１に含まれる各機能部の動作全般を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、及びＲＡＭ９０５は、ＣＰＵバス等の内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral　Component　Interconnect/Interface）バス等の外部バス９１１に接続されている。
　入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ及びレバー等、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置１の操作に対応した携帯電話等の外部接続機器９２７であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置１に対して各種のデータを入力したり処理動作を指示したりする。
　出力装置９１７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ、ＰＤＰ、ＯＥＬＤ等の表示装置、スピーカ及びヘッドホン等の音響出力装置、並びにプリンタ装置等でありうる。出力装置９１７は、情報処理装置１の処理により得られた結果を、テキスト又は画像等の映像として出力したり、音響等の音として出力したりする。
　ストレージ装置９１９は、情報処理装置１の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard　Disk　Drive）等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等により構成される。このストレージ装置９１９は、ＣＰＵ９０１が実行するプログラムや各種データ、及び外部から取得した各種のデータ等を格納する。
　ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体９２３のためのリーダライタであり、情報処理装置１に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２３に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２３に記録を書き込む。
　接続ポート９２５は、機器を情報処理装置１に直接接続するためのポートである。接続ポート９２５は、例えば、ＵＳＢ（Universal　Serial　Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small　Computer　System　Interface）ポート等でありうる。また、接続ポート９２５は、ＲＳ－２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition　Multimedia　Interface）ポート等であってもよい。接続ポート９２５に外部接続機器９２７を接続することで、情報処理装置１と外部接続機器９２７との間で各種のデータが交換されうる。
　通信装置９２９は、例えば、通信ネットワークＮＷに接続するための通信デバイス等で構成された通信インタフェースである。通信装置９２９は、例えば、有線又は無線ＬＡＮ（Local　Area　Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、又はＷＵＳＢ（Wireless　USB）用の通信カード等でありうる。また、通信装置９２９は、光通信用のルータ、ＡＤＳＬ（Asymmetric　Digital　Subscriber　Line）用のルータ、又は、各種通信用のモデム等であってもよい。通信装置９２９は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰ等の所定のプロトコルを用いて信号等を送受信する。また、通信装置９２９に接続される通信ネットワークＮＷは、有線又は無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信又は衛星通信等である。
　なお、本開示の技術的範囲は、上述の実施形態そのままに限定されるものではなく、本開示の要旨を逸脱しない範囲において種々の変更が可能である。また、異なる実施形態及び変形例にわたる構成要素を適宜組み合わせてもよい。
　例えば、上記実施形態では、情報処理システム４は情報処理装置１と測定装置３とを備える構成であるとしたが、本技術はかかる例に限定されない。例えば、情報処理装置１が測定装置３の有する機能（測定機能）を備えてもよい。この場合、情報処理システム４は、情報処理装置１により実現される。また、測定装置３が情報処理装置１の有する機能を備えてもよい。この場合、情報処理システム４は、測定装置３により実現される。また、情報処理装置１の有する機能の一部を測定装置３が有してもよく、測定装置３の有する機能の一部を情報処理装置１が有してもよい。
　また、本明細書に記載された各実施形態における効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。
　なお、本技術は以下のような構成も取ることができる。
（１）
　複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部を備える情報処理装置。
（２）
　前記ゲートと前記クラスタとの一致度を計算する計算部をさらに備え、
　前記表示制御部は、前記計算部により計算された一致度に基づいてゲートをクラスタに対応付けて表示する前記（１）に記載の情報処理装置。
（３）
　前記解析対象は、複数の細胞であり、
　前記計算部は、ゲートに含まれる細胞の数とクラスタに含まれる細胞の数に基づく混合行列を用いて前記一致度を計算する前記（２）に記載の情報処理装置。
（４）
　前記複数の属性は、複数の蛍光色素により標識された前記複数の細胞から検出された前記複数の蛍光色素に対応する強度である前記（３）に記載の情報処理装置。
（５）
　クラスタの選択を受け付ける受付部をさらに備え、
　前記計算部は、前記受付部により受け付けられたクラスタとの一致度を全ゲートについて計算し、
　前記表示制御部は、前記受付部により受け付けられたクラスタと一致度が最大のゲートを他のゲートとは異なる表示方法で表示する前記（２）、（３）又は（４）に記載の情報処理装置。
（６）
　前記異なる表示方法は、異なる色である前記（５）に記載の情報処理装置。
（７）
　前記表示制御部は、一致度が最大のゲートの親のゲートを前記一致度が最大のゲートとは異なる色で表示する前記（５）又は（６）に記載の情報処理装置。
（８）
　前記計算部は、全てのクラスタと全てのゲートの組み合わせについて一致度を計算し、
　前記表示制御部は、各ゲートを一致度が最大のクラスタの表示色を用いて表示する前記（２）、（３）又は（４）に記載の情報処理装置。
（９）
　プロセッサが、
　複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示すること
　を含む表示方法。
（１０）
　コンピュータを、
　複複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部
　として機能させるためのプログラム。
（１１）
　測定対象に対して光を照射し、前記測定対象から発せられた蛍光を検出して蛍光強度を測定する測定部
　を備える測定装置と、
　前記測定装置により測定された複数の蛍光強度に基づくゲート解析により得られたゲートと該複数の蛍光強度に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部を備える情報処理装置と、
　を有する情報処理システム。
（１２）
　前記測定装置は、フローサイトメータである前記（１１）に記載の情報処理システム。
　１，１ａ　情報処理装置
　２　測定データ
　３　測定装置
　４，４ａ　情報処理システム
　１１　ゲート処理部
　１２　ゲート情報記憶部
　１３　クラスタリング処理部
　１４　クラスタリングデータ記憶部
　１５　クラスタ選択部
　１６，１６ａ　一致度計算部
　１７，１７ａ　一致情報出力部

Claims (12)

  1. 　複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部を備える情報処理装置。
  2. 　前記ゲートと前記クラスタとの一致度を計算する計算部をさらに備え、
    　前記表示制御部は、前記計算部により計算された一致度に基づいてゲートをクラスタに対応付けて表示する請求項１に記載の情報処理装置。
  3. 　前記解析対象は、複数の細胞であり、
    　前記計算部は、ゲートに含まれる細胞の数とクラスタに含まれる細胞の数に基づく混合行列を用いて前記一致度を計算する請求項２に記載の情報処理装置。
  4. 　前記複数の属性は、複数の蛍光色素により標識された前記複数の細胞から検出された前記複数の蛍光色素に対応する強度である請求項３に記載の情報処理装置。
  5. 　クラスタの選択を受け付ける受付部をさらに備え、
    　前記計算部は、前記受付部により受け付けられたクラスタとの一致度を全ゲートについて計算し、
    　前記表示制御部は、前記受付部により受け付けられたクラスタと一致度が最大のゲートを他のゲートとは異なる表示方法で表示する請求項２に記載の情報処理装置。
  6. 　前記異なる表示方法は、異なる色である請求項５に記載の情報処理装置。
  7. 　前記表示制御部は、一致度が最大のゲートの親のゲートを前記一致度が最大のゲートとは異なる色で表示する請求項６に記載の情報処理装置。
  8. 　前記計算部は、全てのクラスタと全てのゲートの組み合わせについて一致度を計算し、
    　前記表示制御部は、各ゲートを一致度が最大のクラスタの表示色を用いて表示する請求項２に記載の情報処理装置。
  9. 　プロセッサが、
    　複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示すること
    　を含む表示方法。
  10. 　コンピュータを、
    　複数の属性を有する解析対象に対する該複数の属性に基づくゲート解析により得られたゲートと前記解析対象に対する該複数の属性に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部
    　として機能させるためのプログラム。
  11. 　測定対象に対して光を照射し、前記測定対象から発せられた蛍光を検出して蛍光強度を測定する測定部
    　を備える測定装置と、
    　前記測定装置により測定された複数の蛍光強度に基づくゲート解析により得られたゲートと該複数の蛍光強度に基づくクラスタ解析により得られたクラスタとの対応関係を表示する表示制御部を備える情報処理装置と、
    　を有する情報処理システム。
  12. 　前記測定装置は、フローサイトメータである請求項１１に記載の情報処理システム。
PCT/JP2020/030151 2019-08-23 2020-08-06 情報処理装置、表示方法、プログラム及び情報処理システム WO2021039341A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/635,997 US20220276148A1 (en) 2019-08-23 2020-08-06 Information processing device, display method, program, and information processing system
DE112020003977.3T DE112020003977T5 (de) 2019-08-23 2020-08-06 Informationsverarbeitungsvorrichtung, anzeigeverfahren, programm und informationsverarbeitungssystem

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-152592 2019-08-23
JP2019152592A JP2021032674A (ja) 2019-08-23 2019-08-23 情報処理装置、表示方法、プログラム及び情報処理システム

Publications (1)

Publication Number Publication Date
WO2021039341A1 true WO2021039341A1 (ja) 2021-03-04

Family

ID=74678124

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/030151 WO2021039341A1 (ja) 2019-08-23 2020-08-06 情報処理装置、表示方法、プログラム及び情報処理システム

Country Status (4)

Country Link
US (1) US20220276148A1 (ja)
JP (1) JP2021032674A (ja)
DE (1) DE112020003977T5 (ja)
WO (1) WO2021039341A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023157756A1 (ja) * 2022-02-16 2023-08-24 ソニーグループ株式会社 情報処理装置、生体試料解析システム及び生体試料解析方法
WO2023157755A1 (ja) * 2022-02-16 2023-08-24 ソニーグループ株式会社 情報処理装置、生体試料解析システム及び生体試料解析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060775A1 (en) * 2010-12-27 2013-03-07 The Board Of Trustees Of The Leland Stanford Junior University Spanning-tree progression analysis of density-normalized events (spade)
WO2018198586A1 (ja) * 2017-04-24 2018-11-01 ソニー株式会社 情報処理装置、微粒子分取システム、プログラム及び微粒子分取方法
US20190331586A1 (en) * 2018-04-26 2019-10-31 Becton, Dickinson And Company Characterization and sorting for particle analyzers

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130060775A1 (en) * 2010-12-27 2013-03-07 The Board Of Trustees Of The Leland Stanford Junior University Spanning-tree progression analysis of density-normalized events (spade)
WO2018198586A1 (ja) * 2017-04-24 2018-11-01 ソニー株式会社 情報処理装置、微粒子分取システム、プログラム及び微粒子分取方法
US20190331586A1 (en) * 2018-04-26 2019-10-31 Becton, Dickinson And Company Characterization and sorting for particle analyzers

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Analysis and Interpretation of FlowSOM Results", CYTOBANK, 21 May 2019 (2019-05-21), XP055794111, Retrieved from the Internet <URL:https://support.cytobank.org/hc/en-us/articles/360017749891> [retrieved on 20201008] *
VAN GASSEN SOFIE, CALLEBAUT BRITT, VAN HELDEN MARY J., LAMBRECHT BART N., DEMEESTER PIET, DHAENE TOM, SAEYS YVAN: "FlowSOM: Using Self-Organizing Maps for Visualization and Interpretation of Cytometry Data", CYTOMETRY, vol. 87, no. 7, July 2015 (2015-07-01), pages 636 - 645, XP055794113 *

Also Published As

Publication number Publication date
US20220276148A1 (en) 2022-09-01
DE112020003977T5 (de) 2022-05-19
JP2021032674A (ja) 2021-03-01

Similar Documents

Publication Publication Date Title
Shapiro Practical flow cytometry
Perfetto et al. Seventeen-colour flow cytometry: unravelling the immune system
WO2021039341A1 (ja) 情報処理装置、表示方法、プログラム及び情報処理システム
US20130102087A1 (en) Device, system and method for rapid determination of a medical condition
JPH11503239A (ja) スペクトル生体結像方法および蛍光ｄｎａハイブリダイゼーション方法
JP7367343B2 (ja) 分取システム、及び分取方法
WO2021100622A1 (ja) 情報処理システムおよび情報処理装置
WO2021225792A1 (en) Methods and systems for characterizing spillover spreading in flow cytometer data
WO2020100667A1 (ja) 情報処理装置、情報処理方法及びコンピュータプログラム
WO2021039158A1 (ja) 情報処理装置、情報処理方法、プログラム及び情報処理システム
US20210278333A1 (en) Methods and systems for adjusting a training gate to accommodate flow cytometer data
JP2021036224A (ja) 情報処理装置、情報処理方法、プログラム及び情報処理システム
JP7468524B2 (ja) 情報処理装置、情報処理方法及びプログラム
JP7010293B2 (ja) 情報処理装置、情報処理方法及びプログラム
EP4361598A1 (en) Particle analysis system, information processing device, and collecting device
WO2022034830A1 (ja) 情報処理装置、フローサイトメータシステム、分取システム、及び情報処理方法
WO2021131415A1 (ja) 情報処理装置、粒子測定装置、粒子測定システム、粒子分取装置、粒子分取システム、情報処理方法、及び情報処理プログラム
Dashkova et al. Spectral and imaging flow cytometry in phytoplankton research
Cecic et al. Technologies supporting analytical cytology: clinical, research and drug discovery applications
Shapiro Scanning laser cytometry
Chiu et al. Classifier to predict cardiac output through photoplethysmography waveform analysis
Gondhalekar Alternative Approaches for Analysis of Complex Data Sets in Flow Cytometry
Mittag et al. Perspectives in Cytometry

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: 20859230

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 20859230

Country of ref document: EP

Kind code of ref document: A1