WO2021100622A1 - 情報処理システムおよび情報処理装置 - Google Patents

情報処理システムおよび情報処理装置 Download PDF

Info

Publication number
WO2021100622A1
WO2021100622A1 PCT/JP2020/042404 JP2020042404W WO2021100622A1 WO 2021100622 A1 WO2021100622 A1 WO 2021100622A1 JP 2020042404 W JP2020042404 W JP 2020042404W WO 2021100622 A1 WO2021100622 A1 WO 2021100622A1
Authority
WO
WIPO (PCT)
Prior art keywords
information processing
data
processing device
fluorescence spectrum
unit
Prior art date
Application number
PCT/JP2020/042404
Other languages
English (en)
French (fr)
Inventor
悠二 西牧
Original Assignee
ソニーグループ株式会社
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 ソニーグループ株式会社 filed Critical ソニーグループ株式会社
Priority to CN202080073498.8A priority Critical patent/CN114729887A/zh
Priority to US17/776,566 priority patent/US20220381671A1/en
Priority to DE112020005725.9T priority patent/DE112020005725T5/de
Publication of WO2021100622A1 publication Critical patent/WO2021100622A1/ja

Links

Images

Classifications

    • 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—Electro-optical investigation, e.g. flow cytometers
    • G01N15/1429—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its 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—Electro-optical investigation, e.g. flow cytometers
    • G01N15/1434—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its optical arrangement
    • 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—Electro-optical investigation, e.g. flow cytometers
    • G01N15/1456—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Electro-optical investigation, e.g. flow cytometers 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
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00871—Communications between instruments or with remote terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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—Electro-optical investigation, e.g. flow cytometers
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00871—Communications between instruments or with remote terminals
    • G01N2035/00881—Communications between instruments or with remote terminals network configurations

Definitions

  • This disclosure relates to an information processing system and an information processing device.
  • flow cytometers may be used to quickly measure the properties of large amounts of particles.
  • a flow cytometer is a measuring device using an analysis method called flow cytometry, which irradiates particles such as cells flowing through a flow cell with light and detects fluorescence emitted from the particles.
  • Patent Document 1 discloses that in the fluorescence detection of a flow cytometer (fine particle measuring device), the intensity of light in a continuous wavelength range is detected as a fluorescence spectrum.
  • a spectroscopic element such as a prism or a grating
  • fluorescence emitted from particles such as cells stained with a plurality of fluorescent dyes is separated and detected in the detection wavelength range.
  • the spectroscopic fluorescence is detected in a light receiving element array in which a plurality of light receiving elements having different wavelengths are arranged. By collecting the detected values of each light receiving element constituting the light receiving element array, it is possible to measure the fluorescence spectrum of a measurement target such as a cell.
  • Such a flow cytometer is called a spectral type flow cytometer.
  • the spectrum type flow cytometer has an advantage that it can be used as analysis information without leaking fluorescence information, as compared with a filter method in which fluorescence is separated and detected for each wavelength region using an optical filter.
  • the fluorescence spectrum (measurement spectrum) obtained by a spectrum type flow cytometer is referred to as reference data (single staining spectrum) representing a standard fluorescence wavelength distribution for each fluorescent dye.
  • reference data single staining spectrum
  • a method of obtaining measurement data representing the measurement results for each fluorescent dye by approximating the linear sum of the above is disclosed.
  • Such a technique is called spectral unmixing (hereinafter simply referred to as "unmixing").
  • an information processing system including a first information processing device and a second information processing device, wherein the first information processing device is a measurement target dyed with a plurality of fluorescent dyes.
  • a first processing unit that generates compressed data by irradiating light and performing compression processing on the measurement data measured by the irradiation using the reference data for each fluorescent dye used for dyeing the measurement target.
  • the second information processing device includes the reference data and the compressed data received from the first information processing device.
  • the reference data for each fluorescent dye used for dyeing the measurement target is used for the measurement data measured by irradiating the measurement target dyed with a plurality of fluorescent dyes with light. It includes a first processing unit that generates compressed data by performing compression processing, and a second processing unit that generates restored data by performing restoration processing using the reference data and the compressed data.
  • An information processing device is provided.
  • Figure 1 shows the general data flow when the analysis application is cloud-based.
  • the measurement data measured by irradiating the measurement target stained with a plurality of fluorescent dyes with light hereinafter, this is referred to as "fluorescence spectrum”
  • data compression using FS and reference data hereinafter referred to as “spectral reference”
  • SR representing the standard fluorescence wavelength distribution for each fluorescent dye used for staining the measurement target for this fluorescence spectrum FS.
  • Compressed data hereinafter, this is referred to as "fluorescent dye amount” FC obtained by performing the treatment is used.
  • the data compression process for generating the fluorescent dye amount FC may be lossy compression, linear processing, or non-linear processing.
  • the non-linear processing may include, for example, a dimensional compression processing, a clustering processing, a grouping processing, and the like.
  • the linear process may include, for example, a process of generating fluorescence information for each fluorescent dye from the spectral information of the light of the biological particles by performing fluorescence separation. In this description, such data compression processing is referred to as unmixing.
  • the fluorescence spectrum FS acquired from the spectral type flow cytometer and the spectral reference SR used for unmixing are transferred from the local environment to the cloud environment and transferred to the cloud environment. Need to save.
  • the problem here is that the data size of the fluorescence spectrum FS is very large. Therefore, there are problems that the data transfer time from the local environment to the cloud environment becomes long, a large amount of bandwidth is used for the data transfer, and the storage cost for storing the data in the cloud environment becomes high.
  • Another possible method is to irreversibly compress the fluorescence spectrum FS before transferring it to the cloud environment to reduce the amount of data before transferring it.
  • This method can be expected to have a higher compression rate of data than lossless compression.
  • an error occurs when the lossy compressed fluorescence spectrum FS is restored in a cloud environment, an error occurs.
  • the error generated here is increased by the unmixing performed in the cloud environment, and there arises a problem that the error of the fluorescent dye amount FC generated in the cloud environment becomes very large. This is because a repeated product-sum calculation is performed on the fluorescence spectrum FS when the fluorescent dye amount FC is generated by unmixing. Due to this product-sum calculation, the error of the fluorescence spectrum FS increases and propagates to the fluorescent dye amount FC.
  • unmixing is performed in the local environment to generate the fluorescent dye amount FC for each fluorescent dye
  • the fluorescent dye amount FC is transferred from the local environment to the cloud environment
  • the fluorescence spectrum FS is transferred from the local environment to the cloud environment in the background.
  • a method of sending is also conceivable. The data flow in this case is shown in FIG.
  • the fluorescent dye amount FC is lower in dimension than the fluorescence spectrum FS, and has a feature that the data size is sufficiently smaller than that of the fluorescence spectrum FS. Also, the time required for unmixing is sufficiently smaller than the time required for data transfer of the fluorescence spectrum FS. Therefore, by generating the fluorescent dye amount FC in the local environment and transferring it to the cloud environment, the fluorescent dye amount FC can be used for analysis faster than in the case of performing unmixing in the cloud environment.
  • the analysis process uses not only the fluorescence dye amount FC but also the fluorescence spectrum FS as described above, the user needs to wait for the fluorescence spectrum FS to be transferred to the cloud environment in the background. Further, this method requires that both the fluorescence spectrum FS having a large data size and the fluorescence dye amount FC are stored in the cloud environment, and the problem that the storage cost for storing the data in the cloud environment is high cannot be solved.
  • a method of restoring the fluorescence spectrum FS from the fluorescent dye amount FC and the spectral reference SR in a cloud environment is used by using the inverse conversion of unmixing. This eliminates the need to transfer the fluorescence spectrum FS from the local environment to the cloud environment and store it in the cloud environment, leading to reductions in data transfer time, communication bandwidth, and storage cost.
  • FIG. 3 An example of the data flow of the present disclosure is shown in FIG.
  • the fluorescence spectrum FS acquired from a spectrum type flow cytometer is unmixed in a local environment to generate a fluorescent dye amount FC.
  • the fluorescent dye amount FC and the spectral reference SR used for unmixing are transferred from the local environment to the cloud environment.
  • the fluorescence dye amount FC transferred from the local environment and the spectral reference SR are used to perform the inverse transformation of the unmixing performed in the local environment to restore the fluorescence spectrum FS.
  • the restored fluorescence spectrum FS is referred to as a restored fluorescence spectrum FS'.
  • the restored fluorescence spectrum FS'obtained by the inverse transformation of unmixing is not an accurate reproduction of the original fluorescence spectrum FS, but is data sufficiently close to the original fluorescence spectrum FS. Therefore, by performing the analysis process using the restored fluorescence spectrum FS'and the fluorescent dye amount FC, the measurement target is analyzed in detail as in the case where the original fluorescence spectrum FS and the fluorescent dye amount FC are used. be able to.
  • the fluorescence spectrum FS is restored in the cloud environment by the inverse conversion of the unmixing using the fluorescent dye amount FC transferred from the local environment to the cloud environment and the spectral reference SR. Therefore, it is not necessary to transfer the fluorescence spectrum FS having a large data size from the local environment to the cloud environment. Therefore, the amount of data transferred from the local environment to the cloud environment can be reduced. Further, since the fluorescence spectrum FS can be restored by performing the inverse transformation of this unmixing at the time of executing the analysis process, it is not necessary to always save the fluorescence spectrum FS in the cloud environment. Therefore, it is possible to reduce the amount of data stored in the cloud environment and reduce the storage cost.
  • FIG. 5 is a block diagram showing a configuration example of the information processing system according to the first embodiment.
  • the information processing system according to the present embodiment includes a flow cytometer 10 and a first information processing device 100 provided in a local environment, a second information processing device 200 provided in a cloud environment, and the like. Consists of including.
  • the first information processing device 100 provided in the local environment and the second information processing device 200 provided in the cloud environment are connected via the network 20.
  • the network 20 is, for example, a communication network such as a public network such as the Internet, a telephone line network or a satellite communication network, various LANs (Local Area Network) including Ethernet (registered trademark), or a WAN (Wide Area Network). ..
  • the flow cytometer 10 measures the above-mentioned fluorescence spectrum FS (measurement data) by irradiating a measurement target dyed with a plurality of fluorescent dyes with light.
  • the measurement target may be biological particles such as cells, tissues, microorganisms, and biological particles.
  • the cell may be an animal cell (eg, a blood cell lineage cell, etc.) or a plant cell.
  • the tissue may be a tissue collected from a human body or the like, or may be a part of the tissue (including histiocytes) instead of the entire tissue.
  • the microorganism may be a bacterium such as Escherichia coli, a virus such as tobacco mosaic virus, or a fungus such as yeast.
  • the bio-related particles may be particles constituting cells such as chromosomes, liposomes, mitochondria, or various organelles (organelles).
  • the biological particles may contain nucleic acids, proteins, lipids and sugar chains, and biological polymers such as complexes thereof. These biological particles may have either a spherical or non-spherical shape, and are not particularly limited in size and mass.
  • the measurement target may be industrially synthesized particles such as latex particles, gel particles and industrial particles.
  • industrially synthesized particles can be organic resin materials such as polystyrene and polymethylmethacrylate, inorganic materials such as glass, silica and magnetics, 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 target is stained (labeled) with a plurality of fluorescent dyes prior to the measurement of the fluorescence spectrum FS.
  • the labeling of the measurement target with the fluorescent dye may be performed by a known method. Specifically, when the measurement target 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, the cells to be measured can be labeled with the fluorescent dye by mixing the fluorescent dye that is selectively taken up by a specific cell with the cells to be measured.
  • 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 known dyes used for staining cells and the like can be used.
  • fluorescent dyes phycoerythrin (PE), fluorescein isothiocyanate (FITC), PE-Cy5, PE-Cy7, PE-Texas Red (registered trademark), allophicocyanin (APC), APC-Cy7, ethidium bromide ( ethidium bromide, propidium iodide, Hoechst® 33258, Hoechst® 33342, DAPI (4', 6-diamidino-2-fluorinechrome), acridin orange (acridin) ), Mithramycin, olivomycin, pyronin Y, thiazole orange, rhodamine 101, isothiocyanate, 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, oxonor, Texas Red (registered) Trademarks), Rhodamine 123, 10-N-noni-aclysin orange, fluorescein, fluorescein diacete, carboxyfluorescein, carboxyfluorescein diacetate, fluorescein fluorescein fluorescein fluorescein Carboxydichlorofluorescein diacenate and the like can be used. Further, the above-mentioned derivative of the fluorescent dye can also be used.
  • FIG. 6 shows a schematic configuration example of the flow cytometer 10.
  • the flow cytometer 10 includes a laser light source 11, a flow cell 12, a spectroscopic element 13, and a photodetector 14.
  • the laser light source 11 emits a laser beam having a wavelength capable of exciting the fluorescent dye used for dyeing the measurement target (sample) S. Although only one laser light source 11 is shown in FIG. 6, a plurality of laser light sources 11 may be provided. As the laser light source 11, for example, a semiconductor laser light source that emits a laser beam having a predetermined wavelength can be used. The laser light emitted from the laser light source 11 may be pulsed light or continuous light.
  • the flow cell 12 is a flow path for aligning measurement target S such as cells in one direction and allowing them to flow. Specifically, the flow cell 12 causes the measurement target S such as cells to be aligned in one direction and flows by flowing the sheath liquid wrapping the measurement target S such as cells as a laminar flow at high speed.
  • the spectroscopic element 13 is an optical element that disperses the fluorescence emitted from the measurement target S into a spectrum having a continuous wavelength when the laser beam from the laser light source 11 is irradiated.
  • a prism or a grating can be used as the spectroscopic element 13, for example.
  • the photodetector 14 includes a light receiving element array that detects the fluorescence generated from the measurement target S irradiated with the laser beam and dispersed by the spectroscopic element 13.
  • the light receiving element array has, for example, a configuration in which a plurality of independent detection channels having different wavelength ranges of light to be detected are arranged.
  • a light receiving element such as a plurality of photomultiplier tubes (PMTs: Photomultiplier Tubes) or photodiodes having different detection wavelength ranges is one-dimensionally arranged along the spectral direction by the spectroscopic element 13. It is composed by arranging in.
  • the number of light receiving elements constituting the light receiving element array that is, the number of detection channels is set to be larger than the number of fluorescent dyes used for dyeing the measurement target S.
  • the flow cytometer 10 configured as described above, when the laser beam from the laser light source 11 irradiates the measurement target S flowing through the flow cell 12, fluorescence is emitted from the measurement target S.
  • the fluorescence emitted by the measurement target S is dispersed into a continuous spectrum by the spectroscopic element 13, and is received (detected) by a plurality of light receiving elements constituting the light receiving element array of the photodetector 14. Thereby, the fluorescence spectrum FS of the measurement target S stained with the plurality of fluorescent dyes can be measured.
  • the first information processing apparatus 100 provided in the local environment and connected to the flow cytometer 10 includes a fluorescence spectrum acquisition unit 101, a spectral reference storage unit 102, and a fluorescence dye amount generation unit 103. (An example of a "first processing unit") and a transmitting unit 104.
  • the first information processing apparatus 100 may have some or all of its functions realized inside the flow cytometer 10. That is, at least a part of the first information processing apparatus 100 may be integrated with the flow cytometer 10.
  • the fluorescence spectrum acquisition unit 101 acquires the fluorescence spectrum FS (measurement data) which is the measurement data by the flow cytometer 10.
  • the spectral reference storage unit 102 stores a spectral reference SR (reference data) representing a standard fluorescence wavelength distribution for each fluorescent dye.
  • the spectral reference storage unit 102 stores the spectral reference SRs of various fluorescent dyes that can be used in the fluorescence detection of the flow cytometer 10 in, for example, a library format.
  • the spectral reference storage unit 102 may be provided in a server device or the like outside the first information processing device 100.
  • the fluorescent dye amount generation unit 103 uses the spectral reference SR corresponding to each fluorescent dye used for dyeing the measurement target S among the spectral reference SRs stored in the spectral reference storage unit 102, and is acquired by the fluorescence spectrum acquisition unit 101.
  • the fluorescence spectrum FS is unmixed to generate a fluorescent dye amount FC representing the measurement result for each fluorescent dye used for dyeing the measurement target S.
  • FIG. 7 is a diagram illustrating an outline of unmixing performed by the fluorescent dye amount generation unit 103.
  • the fluorescence spectrum FS of the measurement target S measured by the flow cytometer 10 is a mixture of the spectra of the plurality of fluorescent dyes used for staining the measurement target S. ..
  • the fluorescence spectrum FS in which the spectra of the plurality of fluorescent dyes used for staining the measurement target S are mixed is separated into the spectra for each fluorescent dye using the spectral reference SR corresponding to each fluorescent dye.
  • Unmixing is a process for obtaining the amount of fluorescent dye FC, which represents the measurement result for each fluorescent dye.
  • the fluorescence spectrum FS of the measurement target S dyed with a plurality of fluorescent dyes is represented by the linear sum of the spectral reference SRs corresponding to each fluorescent dye used for dyeing the measurement target S.
  • the binding coefficient for each fluorescent dye of linear binding is obtained, and the fluorescent dye amount FC, which is the measurement result for each fluorescent dye, is derived.
  • a calculation method such as a weighted least squares method or a least squares method can be used. Since specific examples of such a calculation method are described in detail in Patent Documents 2 to 5, etc., detailed description thereof will be omitted here.
  • the transmission unit 104 includes a fluorescent dye amount FC generated by the fluorescent dye amount generation unit 103, that is, a fluorescent dye amount FC representing a measurement result for each fluorescent dye used for dyeing the measurement target S, and a fluorescent dye amount generation unit 103.
  • the spectral reference SR used for the unmixing in the above, that is, the spectral reference SR corresponding to each fluorescent dye used for staining the measurement target S is transmitted to the second information processing apparatus 200 via the network 20. Note that the transmission unit 104 does not transmit the fluorescence spectrum FS, which is the measurement data by the flow cytometer 10, to the second information processing device 200.
  • the fluorescence spectrum FS having a large data size is not transmitted from the first information processing device 100 to the second information processing device 200, and the fluorescent dye amount FC having a small data size is not transmitted. And only the spectral reference SR is transmitted from the first information processing device 100 to the second information processing device 200.
  • the second information processing apparatus 200 provided in the cloud environment includes a receiving unit 201, a storage unit 202, and a fluorescence spectrum restoration unit 203 (an example of the “second processing unit”). , And an analysis processing unit 204.
  • the receiving unit 201 receives the fluorescent dye amount FC and the spectral reference SR transmitted from the first information processing device 100 via the network 20.
  • the storage unit 202 stores the fluorescent dye amount FC and the spectral reference SR received by the reception unit 201 from the first information processing device 100.
  • the fluorescence dye amount generation unit 103 of the first information processing apparatus 100 When the fluorescence spectrum restoration unit 203 uses the fluorescence dye amount FC stored in the storage unit 202 and the spectral reference SR, the fluorescence dye amount generation unit 103 of the first information processing apparatus 100 generates the fluorescence dye amount FC. By performing the inverse conversion of the unmixing performed in the above, the fluorescence spectrum FS, which is the measurement data by the flow cytometer 10, is restored, and the restored fluorescence spectrum FS'is generated. As described above, the restored fluorescence spectrum FS'is not an accurate reproduction of the original fluorescence spectrum FS, but is data sufficiently close to the original fluorescence spectrum FS.
  • the generation of the restored fluorescence spectrum FS'by the fluorescence spectrum restoration unit 203 (restoration of the fluorescence spectrum FS) is performed immediately before the analysis processing by the analysis processing unit 204.
  • the analysis processing unit 204 analyzes the measurement target S using the fluorescent dye amount FC stored in the storage unit 202 and the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 203.
  • This analysis process may include, for example, a clustering process for the measurement target S.
  • the measurement target S such as cells can be classified into a plurality of populations that are externally separated and internally connected.
  • the algorithm of the clustering process is not particularly limited, and a known clustering algorithm can be used.
  • the analysis processing unit 204 may perform the clustering process using an algorithm such as k-means that can specify the number of clusters, or perform the clustering process using an algorithm such as flowsom that automatically determines the number of clusters. You may go.
  • the analysis processing unit 204 may present the result of analysis processing such as clustering processing to the user.
  • the analysis processing unit 204 may display the result of the clustering process in, for example, a table format or a minimum spanning tree format.
  • the analysis processing unit 204 can perform various analysis processes using the fluorescent dye amount FC and the restored fluorescence spectrum FS'according to the user's operation, and present the results to the user. ..
  • FIG. 8 is a flowchart showing a flow of a series of processes executed in the information processing system according to the first embodiment.
  • FIG. 8 an outline of the operation of the information processing system according to the present embodiment will be described with reference to the flowchart of FIG.
  • the fluorescence spectrum acquisition unit 101 of the first information processing apparatus 100 obtains the fluorescence spectrum FS. Acquire (step S101).
  • the fluorescent dye amount generation unit 103 of the first information processing apparatus 100 corresponds to each fluorescent dye used for dyeing the measurement target S among the spectral reference SR stored in the spectral reference storage unit 102.
  • the fluorescence spectrum FS acquired by the fluorescence spectrum acquisition unit 101 in step S101 is unmixed to generate a fluorescent dye amount FC representing the measurement result for each fluorescent dye (step S102).
  • the transmission unit 104 of the first information processing apparatus 100 connects the fluorescent dye amount FC generated by the fluorescent dye amount generation unit 103 in step S102 and the spectral reference SR used for unmixing via the network 20. Is transmitted to the second information processing apparatus 200 (step S103).
  • the receiving unit 201 of the second information processing device 200 receives the fluorescent dye amount FC and the spectral reference SR transmitted from the first information processing device 100 via the network 20 and stores them in the storage unit 202. And save it (step S104).
  • the fluorescence spectrum restoration unit 203 of the second information processing device 200 uses the fluorescent dye amount FC stored in the storage unit 202 and the spectral reference SR, and in step S102, the fluorescent dye of the first information processing device 100.
  • the fluorescence spectrum FS is restored by performing the inverse conversion of the unmixing performed by the quantity generation unit 103, and the restored fluorescence spectrum FS'is generated (step S105).
  • the analysis processing unit 204 of the second information processing apparatus 200 uses the fluorescent dye amount FC stored in the storage unit 202 and the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 203 in step S105. Then, the analysis process for the measurement target S is performed (step S106), and the series of processes is completed.
  • the fluorescent dye amount FC and the spectral reference SR are used from the first information processing device 100 in the local environment to the second information processing device 200 in the cloud environment. Is transferred, and in the second information processing apparatus 200 in the cloud environment, the fluorescence spectrum FS is restored and the restored fluorescence spectrum FS is performed by performing the inverse conversion of the unmixing using the fluorescent dye amount FC and the spectral reference SR. 'Is generated.
  • the second information processing device 200 in the cloud environment does not transfer the fluorescence spectrum FS having a large data size from the first information processing device 100 in the local environment to the second information processing device 200 in the cloud environment.
  • the amount of data transferred from the local environment to the cloud environment can be reduced, the amount of data stored in the cloud environment can be reduced, and the storage cost can be reduced. Can be reduced.
  • the restored fluorescence spectrum FS'generated by restoring the fluorescence spectrum FS by the inverse transformation of unmixing is data sufficiently close to the original fluorescence spectrum FS, but the original fluorescence spectrum FS is completely completed. It will not be reproduced in. This is because the unmixing with respect to the original fluorescence spectrum FS has a property of deleting other than the spectral information of the spectral reference SR used for this unmixing.
  • FIG. 9 an example of a method for increasing the recall rate of the fluorescence spectrum FS is shown.
  • FIG. 9 An example of the data flow of this embodiment is shown in FIG.
  • the measurement target S is stained.
  • the dummy spectral reference SR' which is dummy data independent of the fluorescent dye used in the above, is used.
  • the dummy spectral reference SR' contains spectral information that is not included in the spectral reference SR corresponding to the fluorescent dye used for staining the measurement target S, it is originally unmixed by adding this dummy spectral reference SR'. It is possible to leave the spectral information deleted by the above method, and it is possible to improve the reproducibility of the restored fluorescence spectrum FS'generated by the inverse conversion of unmixing.
  • a dummy fluorescent dye amount FC'in which dummy data is added to the original fluorescent dye amount FC is generated.
  • the dummy fluorescent dye amount FC', the spectral reference SR, and the dummy spectral reference SR' are transferred from the local environment to the cloud environment. Then, in a cloud environment, the restored fluorescence spectrum FS'with high reproducibility is generated by performing the inverse conversion of unmixing using the dummy fluorescent dye amount FC', the spectral reference SR, and the dummy spectral reference SR'.
  • the dummy fluorescent dye amount FC' is transferred from the local environment to the cloud environment instead of the fluorescent dye amount FC, it is necessary to generate the fluorescent dye amount FC in the cloud environment. Therefore, in a cloud environment, the restored fluorescence spectrum FS'is unmixed using the spectral reference SR to generate the fluorescent dye amount FC. Then, the analysis process of the measurement target S is performed using the fluorescent dye amount FC and the restored fluorescence spectrum FS'.
  • the recall rate of the restored fluorescence spectrum FS' can be controlled by adjusting the amount of data of the dummy spectral reference SR'. Therefore, for example, it is possible to adjust the amount of data of the dummy spectral reference SR'according to the recall of the restored fluorescence spectrum FS' required in the analysis, and suppress an increase in the amount of data transferred from the local environment to the cloud environment. It becomes.
  • the dummy spectral reference SR' spectral information not included in the spectral reference SR used for unmixing can be generated and used.
  • a spectral reference SR corresponding to a fluorescent dye other than the fluorescent dye used for dyeing the measurement target S may be used as the dummy spectral reference SR'.
  • the dummy spectral reference SR' may be any data that can complement the spectral information not included in the spectral reference SR used for unmixing, and for example, a random number or the like can be used as the dummy spectral reference SR'.
  • FIG. 10 is a block diagram showing a configuration example of the information processing system according to the second embodiment.
  • the first information processing apparatus 100'provided in the local environment uses the dummy fluorescent dye amount generation unit 105 ("first" instead of the fluorescent dye amount generation unit 103 described above.
  • An example of a "processing unit" is provided.
  • the second information processing device 200'provided in the cloud environment further includes a fluorescent dye amount generation unit 205 (corresponding to a part of the functions of the "second processing unit").
  • the dummy fluorescent dye amount generation unit 105 uses the spectral reference SR corresponding to each fluorescent dye used for dyeing the measurement target S and the dummy spectral reference SR'of the spectral reference SR stored in the spectral reference storage unit 102.
  • the fluorescence spectrum FS acquired by the fluorescence spectrum acquisition unit 101 is unmixed to generate a dummy fluorescent dye amount FC'.
  • spectral information not included in the spectral reference SR corresponding to each fluorescent dye used for staining the measurement target S may be separately generated and used, or the spectral reference storage unit 102 may use the spectral information.
  • a spectral reference SR other than the spectral reference SR corresponding to each fluorescent dye used for staining the measurement target S may be used, or a random number may be used.
  • the transmission unit 104 of the first information processing apparatus 100' is used for unmixing between the dummy fluorescent dye amount FC'generated by the dummy fluorescent dye amount generation unit 105 and the dummy fluorescent dye amount generation unit 105.
  • the used spectral reference SR and dummy spectral reference SR' are transmitted to the second information processing apparatus 200' via the network 20.
  • the receiving unit 201 of the second information processing device 200' receives the dummy fluorescent dye amount FC', the spectral reference SR, and the dummy spectral reference SR' transmitted from the first information processing device 100'via the network 20. To do.
  • the storage unit 202 stores the dummy fluorescent dye amount FC', the spectral reference SR, and the dummy spectral reference SR' received from the first information processing device 100'by the receiving unit 201.
  • the fluorescence spectrum restoration unit 203 uses the dummy fluorescent dye amount FC', the spectral reference SR, and the dummy spectral reference SR' stored in the storage unit 202, and the dummy fluorescent dye amount generation unit of the first information processing apparatus 100'.
  • the restored fluorescence spectrum FS' is generated by performing the inverse conversion of the unmixing performed when 105 produces the dummy fluorescent dye amount FC'.
  • the unmixing and the inverse transformation of the unmixing are performed using the dummy spectrum reference SR. Therefore, the restored fluorescence spectrum FS having higher reproducibility as compared with the first embodiment described above. 'Can be generated.
  • the fluorescent dye amount generation unit 205 uses the spectral reference SR stored in the storage unit 202 to perform unmixing on the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 203 to generate the fluorescent dye amount FC. To do. Since the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 203 is a reproduction of the original fluorescence spectrum FS with good reproducibility, the fluorescence dye amount generation unit 205 is subjected to unmixing with respect to the restored fluorescence spectrum FS'. , Fluorescent dye amount FC can be generated accurately.
  • the analysis processing unit 204 uses the fluorescent dye amount FC generated by the fluorescent dye amount generation unit 205 and the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 203 in the same manner as in the first embodiment described above. Is analyzed for the measurement target S.
  • FIG. 11 is a flowchart showing a flow of a series of processes executed in the information processing system according to the second embodiment.
  • FIG. 11 an outline of the operation of the information processing system according to the present embodiment will be described with reference to the flowchart of FIG. 11.
  • Step S201 when the fluorescence spectrum FS of the measurement target S dyed with a plurality of fluorescent dyes is measured by the flow cytometer 10, the fluorescence spectrum acquisition unit 101 of the first information processing apparatus 100'is subjected to the fluorescence spectrum FS.
  • the dummy fluorescent dye amount generation unit 105 of the first information processing apparatus 100' corresponds to each fluorescent dye used for dyeing the measurement target S among the spectral reference SR stored in the spectral reference storage unit 102.
  • the fluorescence spectrum FS acquired by the fluorescence spectrum acquisition unit 101 in step S201 is unmixed to generate a dummy fluorescent dye amount FC'(step S202). ..
  • the transmission unit 104 of the first information processing apparatus 100' has the dummy fluorescent dye amount FC' generated by the dummy fluorescent dye amount generation unit 105 in step S202, and the spectral reference SR and dummy spectral used for unmixing.
  • the reference SR' is transmitted to the second information processing apparatus 200' via the network 20 (step S203).
  • the receiving unit 201 of the second information processing device 200' has a dummy fluorescent dye amount FC', a spectral reference SR, and a dummy spectral reference SR' transmitted from the first information processing device 100'via the network 20. Is received and stored in the storage unit 202 for storage (step S204).
  • the fluorescence spectrum restoration unit 203 of the second information processing apparatus 200 uses the dummy fluorescent dye amount FC', the spectral reference SR, and the dummy spectral reference SR' stored in the storage unit 202, and in step S202, the second step is performed.
  • the fluorescence spectrum FS is restored by performing the inverse conversion of the unmixing performed by the dummy fluorescent dye amount generation unit 105 of the information processing apparatus 100'of No. 1 to generate the restored fluorescence spectrum FS'(step S205).
  • the fluorescent dye amount generation unit 205 of the second information processing apparatus 200 uses the spectral reference SR stored in the storage unit 202, and the restored fluorescence spectrum FS generated by the fluorescence spectrum restoration unit 203 in step S205. 'Unmixing is performed to generate a fluorescent dye amount FC (step S206).
  • the analysis processing unit 204 of the second information processing apparatus 200' refers to the fluorescent dye amount FC generated by the fluorescent dye amount generating unit 205 in step S206 and the restored fluorescence generated by the fluorescence spectrum restoration unit 203 in step S205.
  • An analysis process for the measurement target S is performed using the spectrum FS'(step S207), and a series of processes is completed.
  • the dummy spectral reference SR' having the spectral information not included in the spectral reference SR is used to perform the unmixing of the fluorescence spectrum FS and the inverse conversion of the unmixing.
  • the reproducibility of the restored fluorescence spectrum FS'generated in the cloud environment can be improved.
  • the reproducibility of the restored fluorescence spectrum FS' generated in the cloud environment can be controlled, so that the amount of data transferred from the local environment to the cloud environment can be increased. Can be minimized.
  • FIG. 12 An example of the data flow of this embodiment is shown in FIG.
  • the generated fluorescent dye amount FC and the spectral reference SR are used in addition to generating the fluorescent dye amount FC by unmixing the fluorescence spectrum FS using the spectral reference SR in the local environment.
  • the reverse conversion of the unmixing used is performed to generate the restored fluorescence spectrum FS'.
  • a difference information DF representing the difference between the restored fluorescence spectrum FS'generated by the inverse transformation of the unmixing and the original fluorescence spectrum FS is generated.
  • the difference information DF has a smaller dynamic range of data than the fluorescence spectrum FS, reduces the number of bits, and has a high compression rate in the compression algorithm. Therefore, the compressed difference information DF'compressed from this difference information DF is transferred from the local environment to the cloud environment together with the fluorescent dye amount FC and the spectral reference SR, and stored in the cloud environment.
  • the restored fluorescence spectrum FS' is generated by performing the inverse conversion of unmixing using the fluorescence dye amount FC and the spectral reference SR, and then the compression difference information DF' is decompressed to obtain the difference information DF.
  • the restored fluorescence spectrum FS' is corrected to be closer to the original fluorescence spectrum FS'to generate a corrected restored fluorescence spectrum FS' with higher reproducibility than the restored fluorescence spectrum FS'.
  • the analysis process of the measurement target is performed using the fluorescent dye amount FC and the corrected and restored fluorescence spectrum FS ′′.
  • the recall rate of the corrected restored fluorescence spectrum FS ′′ generated by the correction process becomes higher. That is, the recall rate of the corrected and restored fluorescence spectrum FS ′′ can be controlled by adjusting the amount of data in the difference information DF. Therefore, for example, it is possible to adjust the amount of data in the difference information DF according to the recall of the corrected restored fluorescence spectrum FS'' required in the analysis, and suppress an increase in the amount of data transferred from the local environment to the cloud environment. It will be possible.
  • FIG. 13 is a block diagram showing a configuration example of the information processing system according to the third embodiment.
  • the first information processing device 100'' provided in the local environment is the fluorescence spectrum restoration unit 106 (corresponding to a part of the functions of the “first processing unit”).
  • the difference information generation unit 107 (corresponding to a part of the functions of the "first processing unit") and the compression processing unit 108 are further provided.
  • the second information processing device 200'' provided in the cloud environment includes the decompression processing unit 206 and the correction processing unit 207 (corresponding to some functions of the “second processing unit”). Further prepare.
  • the fluorescence spectrum restoration unit 106 performs inverse conversion of unmixing using the fluorescent dye amount FC generated by the fluorescent dye amount generation unit 103 and the spectral reference SR used for unmixing in the fluorescent dye amount generation unit 103. Then, the restored fluorescence spectrum FS'is generated.
  • the difference information generation unit 107 is based on the fluorescence spectrum FS acquired by the fluorescence spectrum acquisition unit 101 and the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 106, and these fluorescence spectrum FS and the restored fluorescence spectrum FS' Generates a difference information DF that represents the difference between.
  • the compression processing unit 108 compresses the difference information DF generated by the difference information generation unit 107 using a predetermined compression algorithm to generate the compression difference information DF'.
  • the transmission unit 104 of the first information processing apparatus 100'' uses the fluorescent dye amount FC generated by the fluorescent dye amount generation unit 103 and the spectral used for unmixing by the fluorescent dye amount generation unit 103.
  • the compression difference information DF'generated by the compression processing unit 108 is transmitted to the second information processing device 200'' via the network 20.
  • the receiving unit 201 of the second information processing device 200'' receives the fluorescent dye amount FC, the spectral reference SR, and the compression difference information DF'transmitted from the first information processing device 100'' via the network 20. To do.
  • the storage unit 202 stores the fluorescent dye amount FC, the spectral reference SR, and the compression difference information DF'received by the reception unit 201 from the first information processing device 100 ′′.
  • the decompression processing unit 206 decompresses the compression difference information DF'stored by the storage unit 202 and restores the difference information DF.
  • the correction processing unit 207 uses the difference information DF restored by the defrosting processing unit 206 to correct and restore the restored fluorescence spectrum FS'generated by the fluorescence spectrum restoration unit 203 so as to approach the original fluorescence spectrum FS.
  • the analysis processing unit 204 uses the fluorescent dye amount FC stored in the storage unit 202 and the corrected restored fluorescence spectrum FS'' generated by the correction processing unit 207 in the same manner as in the first embodiment described above. Is analyzed for the measurement target S.
  • FIG. 14 is a flowchart showing a flow of a series of processes executed in the information processing system according to the third embodiment.
  • FIG. 14 is a flowchart showing a flow of a series of processes executed in the information processing system according to the third embodiment.
  • the fluorescence spectrum acquisition unit 101 of the first information processing apparatus 100 ′′ determines the fluorescence spectrum. Acquire FS (step S301).
  • the fluorescent dye amount generation unit 103 of the first information processing apparatus 100'' corresponds to each fluorescent dye used for dyeing the measurement target S among the spectral reference SR stored in the spectral reference storage unit 102.
  • the fluorescence spectrum FS acquired by the fluorescence spectrum acquisition unit 101 in step S301 is unmixed to generate the fluorescent dye amount FC (step S302).
  • the fluorescence spectrum restoration unit 106 of the first information processing apparatus 100'' generates the fluorescent dye amount FC generated by the fluorescent dye amount generation unit 103 in step S302, and the fluorescent dye amount FC when generating the fluorescent dye amount FC.
  • Inverse conversion of unmixing using the spectral reference SR used for mixing is performed to generate a restored fluorescence spectrum FS'(step S303).
  • the difference information generation unit 107 of the first information processing apparatus 100'' restores the fluorescence spectrum FS acquired by the fluorescence spectrum acquisition unit 101 in step S301 and the fluorescence spectrum restoration unit 106 generated by the fluorescence spectrum restoration unit 106 in step S303. Based on the fluorescence spectrum FS', a difference information DF representing the difference between the fluorescence spectrum FS and the restored fluorescence spectrum FS' is generated (step S304).
  • the compression processing unit 108 of the first information processing device 100'' compresses the difference information DF generated by the difference information generation unit 107 in step S304 using a predetermined compression algorithm, and compresses the difference information DF. 'Generate (step S305).
  • the difference information DF By compressing the difference information DF, the amount of data transmitted to the second information processing apparatus 200 ′′ in step S306 described later can be reduced.
  • the difference information DF may be transmitted to the second information processing apparatus 200 ′′ without being compressed. In that case, step S305 can be omitted.
  • the transmission unit 104 of the first information processing apparatus 100'' uses the fluorescent dye amount FC generated by the fluorescent dye amount generation unit 103 in step S302, the spectral reference SR used for unmixing, and step S305.
  • the compression difference information DF'generated by the compression processing unit 108 is transmitted to the second information processing apparatus 200'' via the network 20 (step S306).
  • the receiving unit 201 of the second information processing device 200'' transmits the fluorescent dye amount FC, the spectral reference SR, and the compression difference information DF'from the first information processing device 100'' via the network 20. Is received, stored in the storage unit 202, and stored (step S307).
  • the fluorescence spectrum restoration unit 203 of the second information processing device 200'' uses the fluorescent dye amount FC stored in the storage unit 202 and the spectral reference SR, and in step S302, the first information processing device 100' The inverse conversion of the unmixing performed by the fluorescent dye amount generation unit 103 of'is performed to generate the restored fluorescence spectrum FS' (step S308).
  • the decompression processing unit 206 of the second information processing device 200 ′′ decompresses the compression difference information DF ′ stored in the storage unit 202 and restores the difference information DF (step S309).
  • the correction processing unit 207 of the second information processing apparatus 200'' uses the difference information DF restored by the defrosting processing unit 206 in step S309, and the restoration generated by the fluorescence spectrum restoration unit 203 in step S308.
  • the fluorescence spectrum FS' is corrected so as to be close to the original fluorescence spectrum FS, and the corrected and restored fluorescence spectrum FS'' is generated (step S310).
  • the analysis processing unit 204 of the second information processing apparatus 200'' increases the amount of fluorescent dye FC stored in the storage unit 202 and the corrected restored fluorescence spectrum FS'generated by the correction processing unit 207 in step S310.
  • An analysis process for the measurement target S is performed using'and' (step S311), and a series of processes is completed.
  • the difference information DF representing the difference between the original fluorescence spectrum FS and the restored fluorescence spectrum FS'generated by the inverse conversion of unmixing is generated in advance in the local environment and becomes a cloud. Since the restored fluorescence spectrum FS'generated by the inverse conversion of unmixing in the cloud environment is corrected by using this difference information DF after being transferred to the environment, the reproducibility is higher than that of the restored fluorescence spectrum FS'. An analysis process using the highly corrected restored fluorescence spectrum FS'' becomes possible.
  • the reproducibility of the corrected restored fluorescence spectrum FS'' generated in the cloud environment can be controlled, so that the amount of data to be transferred from the local environment to the cloud environment can be controlled. It is possible to minimize the increase.
  • the flow cytometer 10 described in each of the above-described embodiments measures the fluorescence spectrum FS used for the analysis of the measurement target S, and further, cells and the like that have passed through the flow cell 12 based on the measured fluorescence spectrum FS.
  • the flow cytometer 10'having such a preparative function is called a sorter (cell sorter).
  • FIG. 10 an example of application to an information processing system using a flow cytometer 10'having such a preparative function is shown.
  • the flow cytometer 10'with a preparative function instantly determines whether or not the measurement target S is a preparative target based on the fluorescence spectrum FS measured by irradiating the measurement target S passing through the flow cell 12 with light. It is necessary to discriminate and control the movement destination of the measurement target S.
  • a learning model is constructed by machine learning using the fluorescence spectrum FS measured from the measurement target S to be sorted as training data and discrimination is performed using this learning model, it is based on the fluorescence spectrum FS.
  • the discrimination can be performed instantly.
  • it is considered that such a learning model is constructed in a cloud environment.
  • the fluorescence spectrum FS for constructing a learning model is measured by the flow cytometer 10'.
  • the measured fluorescence spectrum FS is not transferred from the local environment to the cloud environment, but is restored by performing the inverse transformation of unmixing in the cloud environment, as in each of the above-described embodiments.
  • analysis processing such as clustering processing for the measurement target S is performed in the cloud environment, and the result of the analysis processing is presented to the user.
  • the restored fluorescence spectrum FS'(or after correction) corresponding to the measurement target S to be sorted is specified.
  • Machine learning is performed using the restored fluorescence spectrum FS'') as training data, and a learning model is constructed. Then, the learning model built in the cloud environment is transferred to the local environment.
  • the sorting target is determined using the learning model transferred from the cloud environment. That is, when the fluorescence spectrum FS is measured by the flow cytometer 10', it is determined based on the learning model whether or not the measurement target S having this fluorescence spectrum is the sampling target. Then, the movement destination of the measurement target S is controlled based on the result of the determination, and the measurement target S designated as the sampling target is sorted.
  • FIG. 15 is a block diagram showing a configuration example of the information processing system according to the fourth embodiment.
  • the second information processing device 200''' provided in the cloud environment further includes the learning unit 208 and the transmission unit 209 (corresponding to the “learning model transmission unit”).
  • the first information processing device 100''' provided in the local environment includes the receiving unit 109 (corresponding to the “learning model receiving unit”), the learning model storage unit 110, and the discriminating unit 111. Further prepare.
  • FIG. 15 shows a configuration example in which a configuration peculiar to the present embodiment is added to the information processing system according to the first embodiment described above, but the base information processing system is the second described above.
  • the information system according to the third embodiment may be used, or may be the information information system according to the third embodiment described above.
  • the learning unit 208 of the second information processing device 200''' is designated as the sampling target when the specific measurement target S is designated as the sorting target by the user who has referred to the analysis result of the analysis processing unit 204.
  • the machine learning algorithm performed by the learning unit 208 is supervised learning that uses the restored fluorescence spectrum FS'corresponding to the measurement target S designated as the sampling target as learning data.
  • the learning unit 208 may build a learning model using a machine learning algorithm such as a random forest, a support vector machine, or deep learning.
  • the learning unit 208 may determine whether or not a learning model capable of sufficiently discriminating the sorting target has been constructed, and notify the user. For example, the learning unit 208 has constructed a learning model capable of sufficiently discriminating the sampling target when the number of the restored fluorescence spectrum FS'of the learned measurement target S or the ratio to the whole exceeds the threshold value. The user may be notified.
  • the learning unit 208 may notify the user that a learning model capable of sufficiently discriminating the sorting target has been constructed when the correct answer rate of the learning model exceeds the threshold value.
  • the correct answer rate of the learning model can be determined by, for example, N-fold-cross validation. Specifically, the entire learning data is divided into N, and learning is performed with the learning data included in the N-1 divided portion to build a learning model, and then the learning data included in the remaining one divided portion. By making a judgment using, the correct answer rate of the constructed learning model can be judged.
  • the transmission unit 209 of the second information processing device 200 ′′ transmits the learning model constructed by the learning unit 208 to the first information processing device 100 ′′ via the network 20.
  • the receiving unit 109 of the first information processing device 100 ′′ receives the learning model transmitted from the second information processing device 200 ′′ via the network 20.
  • the learning model storage unit 110 stores the learning model received by the receiving unit 109 from the second information processing device 200 ′′.
  • the discrimination unit 111 when the fluorescence spectrum FS of the measurement target S is measured by the flow cytometer 10'after the learning model storage unit 110 stores the learning model, the measurement target S having this fluorescence spectrum FS is a sampling target. It is determined based on the learning model stored in the learning model storage unit 110. Then, when it is determined that the measurement target S is a sampling target, the discrimination unit 111 outputs an instruction to the flow cytometer 10'to sort the measurement target S. Further, when the flow cytometer 10'can separate a group of a plurality of measurement targets S separately, the discriminating unit 111 not only determines whether or not the measurement target S is a measurement target, but also whether or not the measurement target S is a measurement target. The flow cytometer 10'may instruct the collection unit of the above to collect the measurement target S.
  • the learning model storage unit 110 and the discrimination unit 111 may be provided in the flow cytometer 10'. Further, the constructed learning model may be implemented in a logic circuit such as an FPGA circuit provided in the flow cytometer 10'.
  • the flow cytometer 10' is provided with a discriminant unit 111
  • the FPGA circuit provided in the flow cytometer 10' has logic for executing a learning model designed and constructed based on the type of the discriminant unit 111. It may be implemented.
  • FIG. 16 is a flowchart illustrating a characteristic process performed in the information processing system according to the fourth embodiment, and is, for example, a process performed following the analysis process of step S106 shown in the flowchart of FIG. It shows the flow.
  • the processing result such as the clustering process is presented to the user, and the sorting target is specified by the user who refers to the presented analysis process result.
  • the learning unit 208 of the second information processing apparatus 200''''' uses the restored fluorescence spectrum FS'corresponding to the measurement target S designated as the sorting target as learning data. Machine learning is performed using the data, and a learning model for discriminating the sorting target is constructed (step S401).
  • the transmission unit 209 of the second information processing device 200''''' transmits the learning model constructed by the learning unit 208 in step S401 to the first information processing device 100'''' via the network 20. (Step S402).
  • the receiving unit 109 of the first information processing device 100'' receives the learning model transmitted from the second information processing device 200 ′′ via the network 20, and receives the learning model in the learning model storage unit 110. It is stored and stored (step S403).
  • the discriminating unit 111 of the first information processing device 100' measures based on the learning model stored in the learning model storage unit 110. It is determined whether or not the target S is a sampling target (step S404), and an instruction is given to the flow cytometer 10'. As a result, the measurement target S designated as the sampling target by the user can be appropriately sorted by the flow cytometer 10'.
  • the learning model having a large processing load is constructed in the cloud environment, and the learning model constructed in this cloud environment is used to determine the sorting target, and the flow cytometer 10 'Can be operated properly, which improves convenience.
  • the fluorescence spectrum FS having a large data size from the first information processing device 100'''' in the local environment to the second information processing device 200'''' in the cloud environment. Since it is not necessary to transfer data, the amount of data transferred from the local environment to the cloud environment can be reduced, the amount of data stored in the cloud environment can be reduced, and the storage cost can be reduced.
  • the fluorescence spectrum FS of the measurement target S is measured by the flow cytometer 10 (10').
  • the fluorescence spectrum FS is measured using an imaging element (two-dimensional image sensor).
  • the mechanism of the present disclosure can be effectively applied even when the fluorescence imaging apparatus is used.
  • an application example to an information processing system using such a fluorescence imaging device is shown.
  • FIG. 17 is a block diagram showing a configuration example of the information processing system according to the fifth embodiment. As shown in FIG. 17, in the present embodiment, the fluorescence imaging device 30 is provided in the local environment instead of the flow cytometer 10 (10'). The basic configuration of the information processing system is the same as the configuration of the first embodiment shown in FIG.
  • FIG. 18 shows a schematic configuration example of the fluorescence imaging device 30.
  • the fluorescence imaging device 30 includes a laser light source 31, a movable stage 32, a spectroscopic element 34, and an image pickup element 35.
  • the laser light source 31 emits a laser beam having a wavelength capable of exciting the fluorescent dye used for dyeing the measurement target S.
  • a semiconductor laser light source that emits a laser beam having a predetermined wavelength can be used.
  • the fluorescence-stained specimen 33 is placed on the movable stage 32.
  • the movable stage 32 moves in the horizontal direction so that the laser light emitted from the laser light source 31 scans the fluorescence-stained specimen 33 in a two-dimensional manner.
  • the fluorescent-stained specimen 33 is, for example, a specimen prepared from a sample collected from a human body or a tissue sample for the purpose of pathological diagnosis, etc., and stained with a plurality of fluorescent dyes.
  • the fluorescence-stained specimen 33 contains a large number of measurement targets S such as cells constituting the collected tissue.
  • the spectroscopic element 34 is an optical element that disperses the fluorescence emitted by irradiating the measurement target S included in the fluorescence-stained sample 33 with a laser beam into a spectrum having a continuous wavelength.
  • a prism or a grating can be used as the spectroscopic element 34.
  • the image sensor 35 is a two-dimensional image sensor in which light receiving elements such as a CCD (Charge Coupled Device) sensor and a CMOS (Complementary Metal Oxide Semiconductor) sensor are arranged in two dimensions.
  • the image sensor 35 is emitted by irradiating the measurement target S included in the fluorescence-stained sample 33 with a laser beam, and receives the fluorescence dispersed by the spectroscopic element 34 by each of the light-receiving elements arranged in two dimensions. Output the image signal.
  • CCD Charge Coupled Device
  • CMOS Complementary Metal Oxide Semiconductor
  • the image sensor 35 Since the fluorescence emitted by the measurement target S when irradiated with the laser beam is dispersed into a continuous spectrum by the spectroscopic element 13, the image sensor 35 generates an image signal corresponding to the fluorescence intensity in a wavelength region different for each region. Output.
  • the fluorescence emitted by irradiating the measurement target S included in the fluorescence-stained sample 33 with the laser beam is dispersed into a continuous spectrum by the spectroscopic element 34 and is imaged. It is detected by each light receiving element of 35. Therefore, the fluorescence spectrum FS of the measurement target S can be measured by using the image signal output by the image sensor 35 in the same manner as the flow cytometer 10 (10') described above.
  • the fluorescence spectrum acquisition unit 101 of the first information processing apparatus 100 provided in the local environment acquires the fluorescence spectrum FS of the measurement target S measured by the fluorescence imaging apparatus 30. Since the subsequent processing is the same as that of the first embodiment described above, the description thereof will be omitted.
  • FIG. 17 shows an example in which the flow cytometer 10 in the information system according to the first embodiment is replaced with the fluorescence imaging device 30, the base information processing system is the above-mentioned second information system. It may be an information information system according to an embodiment, or it may be an information information system according to the third embodiment described above.
  • the fluorescence spectrum FS of the measurement target S is measured by the fluorescence imaging device 30
  • the amount of data transferred from the local environment to the cloud environment can be reduced by applying the mechanism of the present disclosure.
  • FIG. 19 is a block diagram showing an example of the hardware configuration of the information processing apparatus 300.
  • the information processing device 300 includes a CPU (Central Processing Unit) 301, a ROM (Read Only Memory) 302, a RAM (Random Access Memory) 303, a host bus 305, a bridge 307, an external bus 306, and an interface 308. , Input device 311, output device 312, storage device 313, drive 314, connection port 315, and communication device 316.
  • the information processing device 300 may include a processing circuit such as an electric circuit, a DSP, or an ASIC in place of or in combination with the CPU 301.
  • the CPU 301 functions as an arithmetic processing device and a control device, and controls the overall operation in the information processing device 300 according to various programs. Further, the CPU 301 may be a microprocessor.
  • the ROM 302 stores programs and calculation parameters used by the CPU 301.
  • the RAM 303 temporarily stores a program used in the execution of the CPU 301, parameters that are appropriately changed in the execution, and the like.
  • the CPU 301 may realize functions such as the fluorescence spectrum acquisition unit 101 and the fluorescence dye amount generation unit 103 in the first information processing apparatus 100 described above. Further, the CPU 301 may realize functions such as the fluorescence spectrum restoration unit 203 and the analysis processing unit in the above-mentioned second information processing apparatus 200, for example.
  • the CPU 301, ROM 302 and RAM 303 are connected to each other by a host bus 305 including a CPU bus and the like.
  • the host bus 305 is connected to an external bus 306 such as a PCI (Peripheral Component Interconnect / Interface) bus via a bridge 307.
  • the host bus 305, the bridge 307, and the external bus 306 do not necessarily have to be separately configured, and these functions may be implemented in one bus.
  • the input device 311 is a device in which information is input by a user such as a mouse, keyboard, touch panel, buttons, microphone, switch or lever.
  • the input device 311 may be a remote control device using infrared rays or other radio waves, or may be an externally connected device such as a mobile phone or a PDA that supports the operation of the information processing device 300.
  • the input device 311 may include, for example, an input control circuit that generates an input signal based on the information input by the user using the above input means.
  • the output device 312 is a device capable of visually or audibly notifying the user of information.
  • the output device 312 is, for example, a display device such as a CRT (Cathode Ray Tube) display device, a liquid crystal display device, a plasma display device, an EL (ElectroLuminence) display device, a laser projector, an LED (Light Emitting Diode) projector, or a lamp. It may be an audio output device such as a speaker or a headphone.
  • the output device 312 may output the results obtained by various processes by the information processing device 300, for example. Specifically, the output device 312 may visually display the results obtained by various processes by the information processing device 300 in various formats such as text, an image, a table, or a graph. Alternatively, the output device 312 may convert an audio signal such as audio data or acoustic data into an analog signal and output it audibly.
  • the input device 311 and the output device 312 may execute the function of the interface unit 309, for example.
  • the storage device 313 is a data storage device formed as an example of the storage unit of the information processing device 300.
  • the storage device 313 may be realized by, for example, a magnetic storage device such as an HDD (Hard Disk Drive), a semiconductor storage device such as an SSD (Solid State Drive), an optical storage device, or an optical magnetic storage device.
  • the storage device 313 may include a storage medium, a recording device that records data on the storage medium, a reading device that reads data from the storage medium, a deleting device that deletes the data recorded on the storage medium, and the like.
  • the storage device 313 may store a program executed by the CPU 301, various data, various data acquired from the outside, and the like.
  • the storage device 313 may realize, for example, a function such as the spectral reference storage unit 102 in the first information processing device 100 described above.
  • the drive 314 is a reader / writer for a storage medium, and is built in or externally attached to the information processing device 300.
  • the drive 314 reads the information recorded in the removable storage medium such as the mounted magnetic disk, optical disk, magneto-optical disk, or semiconductor memory, and outputs the information to the RAM 303.
  • the drive 314 can also write information to the removable storage medium.
  • connection port 315 is an interface connected to an external device.
  • the connection port 315 is a connection port capable of transmitting data to an external device, and may be, for example, USB (Universal Serial Bus).
  • the communication device 316 is, for example, an interface formed by a communication device for connecting to the network 20.
  • the communication device 316 may be, for example, a communication card for a wired or wireless LAN (Local Area Network), LTE (Long Term Evolution), Bluetooth (registered trademark), or WUSB (Wireless USB). Further, the communication device 316 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 316 can send and receive signals and the like to and from the Internet or other communication devices in accordance with a predetermined protocol such as TCP / IP.
  • the communication device 316 may realize, for example, a function such as a transmission unit 104 in the first information processing device 100 described above. Further, the communication device 316 may realize a function such as the receiving unit 201 in the above-mentioned second information processing device 200, for example.
  • the hardware such as the CPU 301, ROM 302, and RAM 303 built in the information processing device 300 is made to exhibit the same functions as the configurations of the first information processing device 100 and the second information processing device 200 described above. You can also create a computer program for this. It is also possible to provide a storage medium in which the computer program is stored.
  • An information processing system including a first information processing device and a second information processing device.
  • the first information processing device is A measurement target dyed with a plurality of fluorescent dyes is irradiated with light, and the measurement data measured by the irradiation is compressed by using the reference data for each fluorescent dye used for dyeing the measurement target.
  • the first processing unit that generates compressed data by doing so, A transmission unit that transmits the compressed data to the second information processing device, and
  • the second information processing device includes information including a second processing unit that generates restored data by performing a restoration process using the reference data and compressed data received from the first information processing device. Processing system.
  • the measurement target is particles derived from a living body containing at least one of cells, tissues, microorganisms, and living body-related particles.
  • the first information processing device and the second information processing device are communicably connected via a predetermined network.
  • the compression process includes at least one of a linear process and a non-linear process.
  • the compression process includes at least one of a dimensional compression process, a clustering process, and a grouping process.
  • the information processing system according to any one of (1) to (5) above, wherein the compressed data is an amount of fluorescent dye representing a measurement result for each fluorescent dye used for dyeing the measurement target.
  • the restoration process is an inverse conversion process of the compressed data.
  • the first processing unit performs the compression processing on the measurement data by using the dummy reference data in addition to the reference data to generate dummy compressed data in which the dummy data is added to the compressed data.
  • the transmitter transmits the dummy compressed data and the dummy reference data to the second information processing apparatus, and then transmits the dummy compressed data and the dummy reference data to the second information processing apparatus.
  • the second processing unit generates the restored data by performing the restoration process using the reference data, the dummy compressed data, and the dummy reference data. Any one of the above (1) to (7).
  • the information processing system according to item 1. (9) The first processing unit further restores the measurement data by performing an inverse conversion of unmixing using the compressed data and the reference data, and also restores the restored measurement data and the restored measurement data. Generates difference information that represents the difference from the measurement data,
  • the transmission unit further transmits the difference information to the second information processing device.
  • the second information processing device further receives the difference information from the first information processing device, and receives the difference information from the first information processing device.
  • the information processing system according to any one of (1) to (8), wherein the second processing unit further corrects the restored measurement data based on the difference information.
  • the second information processing device is The item (1) to (9) is further provided with an analysis processing unit that analyzes the measurement target using the compressed data and the restored measurement data that is the measured data obtained by restoring the compressed data. Described information processing system.
  • the second information processing device is A learning unit that builds a learning model that discriminates the preparative target by performing machine learning using the measurement data corresponding to the preparative target specified based on the analysis result by the analysis processing unit.
  • a learning model transmission unit that transmits the learning model to the first information processing device, and With more
  • the first information processing device is A learning model receiving unit that receives the learning model from the second information processing device, and A discriminating unit that discriminates the sorting target based on the learning model, The information processing system according to (10) above.
  • the information processing system according to any one of (1) to (11) above, wherein the measurement data is a fluorescence signal obtained by measuring the fluorescence emitted from the measurement target.
  • the measurement data is image data obtained by imaging the measurement target.
  • the measurement data measured by irradiating the measurement target dyed with a plurality of fluorescent dyes with light is compressed by performing a compression process using the reference data for each fluorescent dye used for dyeing the measurement target.
  • Fluorescence imaging device 100, 100', 100'', 100'''First information processing device 101 Fluorescence spectrum acquisition unit 102 Fluorescence spectrum acquisition unit 102 Fluorescence dye amount generation unit (No. 1) Processing unit of 1) 104 Transmission unit 105 Dummy fluorescent dye amount generation unit (first processing unit) 106 Fluorescence spectrum restoration unit (first processing unit) 107 Difference information generation unit (first processing unit) 108 Compression processing unit 109 Reception unit 110 Learning model storage unit 111 Discrimination unit 200, 200', 200'', 200''Second information processing device 201 Reception unit 202 Storage unit 203 Fluorescence spectrum restoration unit (second processing) Department) 204 Analytical processing unit 205 Fluorescent dye amount generation unit (second processing unit) 206 Defrost processing unit 207 Correction processing unit (second processing unit) 208 Learning unit 209 Transmission unit FS fluorescence spectrum (measurement data) FS'Restored fluorescence spectrum (restored measurement data) FS'' Corrected restored fluorescence

Abstract

ローカル環境からクラウド環境へ転送するデータ量を削減することが可能な情報処理システムおよび情報処理装置を提供する。実施形態に係る情報処理システムは、第１の情報処理装置（１００）と第２の情報処理装置（２００）を含む情報処理システムであって、前記第１の情報処理装置は、複数の蛍光色素を用いて染色された測定対象に光を照射して、当該照射により測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部（１０３）と、前記圧縮データを前記第２の情報処理装置に送信する送信部（１０４）とを備え、前記第２の情報処理装置は、前記参照データと、前記第１の情報処理装置から受信した圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部（２０３）を備える。

Description

情報処理システムおよび情報処理装置
　本開示は、情報処理システムおよび情報処理装置に関する。
　医学や生化学などの分野では、大量の粒子の特性を迅速に測定するために、フローサイトメータを用いることがある。フローサイトメータは、フローサイトメトリと呼ばれる分析手法を用いた測定装置であり、フローセルを流れる細胞などの粒子に光を照射し、該粒子から発せられる蛍光などを検出する。
　下記の特許文献１には、フローサイトメータ（微小粒子測定装置）の蛍光検出において、連続した波長域の光の強度を蛍光スペクトルとして検出することが開示されている。特許文献１に開示された微小粒子測定装置では、プリズムまたはグレーティングなどの分光素子を用いることで、複数の蛍光色素を用いて染色された細胞などの粒子から発せられる蛍光を分光し、検出波長域が異なる複数の受光素子を配列した受光素子アレイにて、分光された蛍光を検出している。受光素子アレイを構成する各受光素子の検出値を収集することで、細胞などの測定対象の蛍光スペクトルを測定することができる。
　このようなフローサイトメータは、スペクトル型のフローサイトメータと呼ばれる。スペクトル型のフローサイトメータは、光学フィルタを使用して蛍光を波長領域別に分離して検出するフィルタ方式と比較して、蛍光の情報を漏らすことなく解析情報として活用できるといった利点がある。
　また、例えば下記の特許文献２～５には、スペクトル型のフローサイトメータによって得られる蛍光スペクトル（測定スペクトル）を、蛍光色素ごとの標準的な蛍光の波長分布を表す参照データ（単染色スペクトル）の線形和により近似し、蛍光色素ごとの測定結果を表す測定データを求める手法が開示されている。このような手法は、スペクトル・アンミキシングと呼ばれる（以下では、単に「アンミキシング」と呼ぶ）。
特許第５７７２４２５号公報 特許第５９８５１４０号公報 特許第５５４０９５２号公報 特許第５６０１０９８号公報 特許第５８３４５８４号公報
　スペクトル型のフローサイトメータを用いると、複数の蛍光色素のスペクトルが混ざり合った測定スペクトルと、蛍光色素ごとの測定結果を表す測定データとを取得することができるため、これらの双方を用いて、測定対象の分析をきめ細かく行える利点がある。しかし、このような分析をローカル環境で行うには、ローカル環境に十分な計算リソースを確保する必要がある。
　そこで、ローカル環境で得られたデータをクラウド環境に転送し、クラウド環境において測定対象の分析を行うことが検討される。分析アプリケーションをクラウド化することにより、クラウド環境の十分な計算リソースを活用して測定対象の詳細な分析が容易に行えるとともに、データ共有なども容易に行うことができ、利便性が向上する。しかし、この場合、ローカル環境からクラウド環境に転送するデータ量が大きいと、データ転送時間の増大やデータ転送に使用する通信帯域の増大を招き、また、クラウド環境でデータを保存するために必要なストレージコストが増大する。このため、ローカル環境からクラウド環境に転送するデータ量の削減が求められる。
　本開示によれば、第１の情報処理装置と第２の情報処理装置を含む情報処理システムであって、前記第１の情報処理装置は、複数の蛍光色素を用いて染色された測定対象に光を照射して、当該照射により測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部と、前記圧縮データを前記第２の情報処理装置に送信する送信部とを備え、前記第２の情報処理装置は、前記参照データと、前記第１の情報処理装置から受信した圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部を備える情報処理システムが提供される。
　また、本開示によれば、複数の蛍光色素を用いて染色された測定対象に光を照射して測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部と、前記参照データと前記圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部とを備える情報処理装置が提供される。
分析アプリケーションをクラウド化した場合の一般的なデータフローを示す図である。 アンミキシングをローカル環境で行う場合のデータフローの一例を示す図である。 本開示によるデータフローの一例を示す図である。 アンミキシングの逆変換によるデータの再現性を説明する図である。 アンミキシングの逆変換によるデータの再現性を説明する図である。 第１の実施形態に係る情報処理システムの構成例を示すブロック図である。 フローサイトメータの概略的な構成例を示す図である。 アンミキシングの概要を説明する図である。 第１の実施形態に係る情報処理システムにおいて実施される一連の処理の流れを示すフローチャートである。 第２の実施形態のデータフローの一例を示す図である。 第２の実施形態に係る情報処理システムの構成例を示すブロック図である。 第２の実施形態に係る情報処理システムにおいて実施される一連の処理の流れを示すフローチャートである。 第３の実施形態のデータフローの一例を示す図である。 第３の実施形態に係る情報処理システムの構成例を示すブロック図である。 第３の実施形態に係る情報処理システムにおいて実施される一連の処理の流れを示すフローチャートである。 第４の実施形態に係る情報処理システムの構成例を示すブロック図である。 第４の実施形態に係る情報処理システムにおいて実施される特徴的な処理を説明するフローチャートである。 変形例を説明するブロック図である。 蛍光イメージング装置の概略的な構成例を示す図である。 情報処理装置のハードウェア構成の一例を示す図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　１．本開示の概要
　２．第１の実施形態
　３．第２の実施形態
　４．第３の実施形態
　５．第４の実施形態
　６．第５の実施形態
　７．ハードウェア構成例
　８．補足説明
＜１．本開示の概要＞
　例えば、スペクトル型のフローサイトメータを用いた測定対象の分析の利便性を向上させるために、分析アプリケーションのクラウド化が検討されている。クラウド化により利便性が向上する一方で、分析処理に必要なデータをローカル環境からクラウド環境に転送し、そのデータをクラウド環境で保存する必要性がある。ここで、ローカル環境からクラウド環境に転送するデータ量を削減できれば、データ転送時間の削減とデータ通信帯域の削減が可能である。さらに、クラウド環境に保存するためのストレージコストの削減が可能となる。
　分析アプリケーションをクラウド化した場合の一般的なデータフローを図１に示す。スペクトル型のフローサイトメータを用いた測定対象の分析では、複数の蛍光色素を用いて染色された測定対象に光を照射して測定される測定データ（以下、これを「蛍光スペクトル」と呼ぶ）ＦＳと、この蛍光スペクトルＦＳに対して測定対象の染色に用いた蛍光色素ごとの標準的な蛍光の波長分布を表す参照データ（以下、これを「スペクトラルリファレンス」と呼ぶ）ＳＲを用いたデータ圧縮処理を行うことで得られた圧縮データ（以下、これを「蛍光色素量」と呼ぶ）ＦＣとが用いられる。
　蛍光色素量ＦＣを生成するためのデータ圧縮処理とは、非可逆圧縮であってもよく、また、線形処理もしくは非線形処理であってもよい。非線形処理としては、例えば、次元圧縮処理、クラスタリング処理、グルーピング処理などを含み得る。また、線形処理としては、例えば、蛍光分離を行うことで、生体由来粒子の光のスペクトル情報から蛍光色素ごとの蛍光情報を生成する処理を含み得る。本説明では、このようなデータ圧縮処理を、アンミキシングと称する。
　分析アプリケーションをクラウド化する場合、一般的には、このアンミキシングをクラウド環境で行うことが考えられる。したがって、この場合には図１に示すように、スペクトル型のフローサイトメータから取得される蛍光スペクトルＦＳと、アンミキシングに用いるスペクトラルリファレンスＳＲとを、ローカル環境からクラウド環境に転送し、クラウド環境に保存する必要がある。
　ここで問題となるのが、蛍光スペクトルＦＳのデータサイズが非常に大きいことである。そのため、ローカル環境からクラウド環境へのデータ転送時間が長くなり、また、データ転送に多くの帯域を使用するといった課題と、クラウド環境にデータを保存するストレージコストが高くなるといった課題がある。
　このような課題に対し、いくつかのアプローチが考えられる。例えば、蛍光スペクトルＦＳをクラウド環境に転送する前に可逆圧縮（または使用していないビットの削除）によりデータ量を削減してから転送する方法がある。しかし、可逆圧縮は圧縮前と同じデータを復元できることが望ましいため、圧縮率に限界があり効率が悪い。
　また、蛍光スペクトルＦＳをクラウド環境に転送する前に非可逆圧縮し、データ量を削減してから転送する方法も考えられる。この方法は、可逆圧縮に比べてデータの高い圧縮率が期待できる。しかし、非可逆圧縮された蛍光スペクトルＦＳをクラウド環境で復元すると誤差が発生する。ここで発生した誤差は、クラウド環境で行うアンミキシングによって増大し、クラウド環境で生成される蛍光色素量ＦＣの誤差が非常に大きくなる問題が発生する。これはアンミキシングによって蛍光色素量ＦＣを生成する際に、蛍光スペクトルＦＳに対して繰り返しの積和演算が行われるためである。この積和演算により蛍光スペクトルＦＳの誤差は増大して蛍光色素量ＦＣに伝搬する。
　また、アンミキシングをローカル環境で行って蛍光色素ごとの蛍光色素量ＦＣを生成し、蛍光色素量ＦＣをローカル環境からクラウド環境に転送するとともに、蛍光スペクトルＦＳをバックグラウンドでローカル環境からクラウド環境に送信する方法も考えられる。この場合のデータフローを図２に示す。
　蛍光色素量ＦＣは、蛍光スペクトルＦＳに比べて低次元であり、蛍光スペクトルＦＳに比べて十分にデータサイズが小さい特徴がある。また、アンミキシングの所要時間も蛍光スペクトルＦＳのデータ転送にかかる時間に比べると十分に小さい。そのため、蛍光色素量ＦＣをローカル環境で生成してクラウド環境に転送することで、クラウド環境でアンミキシングを行う場合に比べて、蛍光色素量ＦＣを早く分析に利用できる。しかし、分析処理では上述のように蛍光色素量ＦＣだけではなく蛍光スペクトルＦＳも使用するため、ユーザは蛍光スペクトルＦＳがバックグラウンドでクラウド環境に転送されるのを待つ必要がある。また、この方法ではデータサイズの大きい蛍光スペクトルＦＳと蛍光色素量ＦＣの双方をクラウド環境で保存する必要があり、クラウド環境にデータを保存するストレージコストが高くなるという課題が解決されない。
　そこで、本開示では、アンミキシングの逆変換を利用し、クラウド環境で蛍光色素量ＦＣとスペクトラルリファレンスＳＲとから蛍光スペクトルＦＳを復元する手法を用いる。これにより、ローカル環境からクラウド環境に蛍光スペクトルＦＳを転送してクラウド環境に保存する必要がなくなり、データ転送時間・通信帯域、ストレージコストの削減に繋がる。
　本開示のデータフローの一例を図３に示す。本開示では、図３に示すように、スペクトル型のフローサイトメータから取得される蛍光スペクトルＦＳに対し、ローカル環境でアンミキシングを行って蛍光色素量ＦＣを生成する。そして、蛍光色素量ＦＣとアンミキシングに用いたスペクトラルリファレンスＳＲとをローカル環境からクラウド環境に転送する。その後、クラウド環境では、ローカル環境から転送された蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用いて、ローカル環境で行われたアンミキシングの逆変換を行い、蛍光スペクトルＦＳを復元する。復元された蛍光スペクトルＦＳを復元蛍光スペクトルＦＳ’と呼ぶ。
　アンミキシングの逆変換により得られた復元蛍光スペクトルＦＳ’は、元の蛍光スペクトルＦＳを正確に再現したものではないが、元の蛍光スペクトルＦＳに十分に近いデータである。したがって、この復元蛍光スペクトルＦＳ’と蛍光色素量ＦＣとを用いて分析処理を行うことで、元の蛍光スペクトルＦＳと蛍光色素量ＦＣとを用いた場合と同様に、測定対象の分析をきめ細かく行うことができる。
　ここで、アンミキシングの逆変換によるデータの再現性について考察する。アンミキシングの数式を以下に示す。ここで、ＳはスペクトラルリファレンスＳＲ、ｘｉ（ｉは１～ｎ）は蛍光色素ごとの蛍光色素量ＦＣの値、ｎは蛍光色素の数、ｙｉ（ｉは１～ｍ）は周波数域別に設定されている検出チャンネルごとの蛍光スペクトルＦＳの値、ｍは検出チャンネルの数をそれぞれ表している。なお、ここでは重み付き最小二乗法でアンミキシングを行う例を例示するが、最小二乗法などの他の方法を利用してアンミキシングを行ってもよい。
Figure JPOXMLDOC01-appb-M000001
　ここで、単純な例として蛍光色素の数が２、検出チャンネルの数が３の場合を考える。この場合、蛍光色素量ＦＣと蛍光スペクトルＦＳとの関係は、Ｓ１１・ｘ１＋Ｓ１２・ｘ２＝ｙ１、Ｓ２１・ｘ１＋Ｓ２２・ｘ２＝ｙ２、Ｓ３１・ｘ１＋Ｓ３２・ｘ２＝ｙ３、の３つの式で表すことができる。これらの式の解（ｘ１，ｘ２）は３つ存在する。これらの解より、最も確からしい１つの解を求める処理が、アンミキシングの処理である。つまり、アンミキシングは、下記の式に最も近いｘ１とｘ２を求めることを意味している。
Figure JPOXMLDOC01-appb-M000002
　例えば、Ｓとｙに適当な数値を代入し、上記の３つの式を、２ｘ１＋３ｘ２＝５、３ｘ１－ｘ２＝２、－ｘ１＋ｘ２＝１、の３つの式に置き換えると、図４Ａに示すように、（２／５，７／５）、（１，１）、（３／２，５／２）の３つの解が得られる。この場合、アンミキシングの結果、１つの解（１３７／１５３，８３／７５）が得られる。
　アンミキシングにより（１３７／１５３，８３／７５）が得られると、ｙに近い値をＳとｘから求めることができる。すなわち、２ｘ１＋３ｘ２＝５、３ｘ１－ｘ２＝２、－ｘ１＋ｘ２＝１、の３つの式に、それぞれｘ１＝１３７／１５３、ｘ２＝８３／７５を代入すると、ｙ１＝５．１４６６７、ｙ２＝１．６３３３３３、ｙ３＝０．１９３３３３３となり、それぞれ元の３つの式のｙの値に近いことが分かる。この処理が、アンミキシングの逆変換に相当する。
　アンミキシングの逆変換で復元した３つの式（２ｘ１＋３ｘ２＝５．１４６６７、３ｘ１－ｘ２＝１．６３３３３３、－ｘ１＋ｘ２＝０．１９３３３３３）を、元の３つの式（２ｘ１＋３ｘ２＝５、３ｘ１－ｘ２＝２、－ｘ１＋ｘ２＝１）と合せて、図４Ｂに示す。図の実線がアンミキシングの逆変換で復元した式を示し、破線が元の式を示している。この図４Ｂから分かるように、アンミキシングの逆変換によって元のデータを完全に再現することはできないが、近しい値のデータに復元できる。
　上述のように、本開示の手法によれば、ローカル環境からクラウド環境に転送された蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用いたアンミキシングの逆変換により、蛍光スペクトルＦＳをクラウド環境で復元するので、ローカル環境からクラウド環境にデータサイズの大きい蛍光スペクトルＦＳを転送する必要がない。したがって、ローカル環境からクラウド環境へ転送するデータ量を削減できる。また、分析処理の実行時にこのアンミキシングの逆変換を行うことで蛍光スペクトルＦＳを復元できるため、蛍光スペクトルＦＳを常にクラウド環境に保存しておく必要がない。そのため、クラウド環境に保存するデータ量を削減し、ストレージコストを削減することが可能なる。
＜２．第１の実施形態＞
　図５は、第１の実施形態に係る情報処理システムの構成例を示すブロック図である。図５に示すように、本実施形態に係る情報処理システムは、ローカル環境に設けられるフローサイトメータ１０および第１の情報処理装置１００と、クラウド環境に設けられる第２の情報処理装置２００と、を含んで構成される。ローカル環境に設けられる第１の情報処理装置１００とクラウド環境に設けられる第２の情報処理装置２００とは、ネットワーク２０を介して接続される。ネットワーク２０は、例えば、インターネット、電話回線網もしくは衛星通信網などの公衆回線網、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、またはＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などの通信ネットワークである。
　フローサイトメータ１０は、複数の蛍光色素を用いて染色された測定対象に光を照射して上述の蛍光スペクトルＦＳ（測定データ）を測定する。測定対象は、細胞や組織、微生物、生体関連粒子などの生体由来の粒子であってもよい。例えば、細胞は、動物細胞（例えば、血球系細胞など）または植物細胞などであってもよい。例えば、組織は、人体等から採取された組織であってもよく、また、組織全体ではなくその一部（組織細胞を含む）であってもよい。例えば、微生物は、大腸菌などの細菌類、タバコモザイクウイルスなどのウイルス類、またはイーストなど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、ミトコンドリアまたは各種オルガネラ（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、脂質および糖鎖、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、球形または非球形のいずれの形状であってもよく、大きさおよび質量についても特に限定されない。
　また、測定対象は、ラテックス粒子、ゲル粒子およ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、ポリスチレンおよ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、シリカおよび磁性体などの無機材料、または金コロイドおよ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、球形または非球形のいずれの形状であってもよく、大きさおよび質量についても特に限定されない。
　測定対象は、蛍光スペクトルＦＳの測定に先立って、複数の蛍光色素を用いて染色（標識）される。蛍光色素による測定対象の標識は、公知の手法によって行えばよい。具体的には、測定対象が細胞である場合、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、細胞などの染色に使用される公知の色素を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）などを用いることができる。また、上述した蛍光色素の誘導体なども使用することが可能である。
　フローサイトメータ１０の概略的な構成例を図６に示す。図６に示すように、フローサイトメータ１０は、レーザ光源１１と、フローセル１２と、分光素子１３と、光検出器１４と、を備えて構成される。
　レーザ光源１１は、測定対象（サンプル）Ｓの染色に用いた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。図６では１つのレーザ光源１１のみを図示しているが、レーザ光源１１は複数設けられてもよい。レーザ光源１１としては、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を用いることができる。レーザ光源１１から出射されるレーザ光は、パルス光であっても連続光であってもよい。
　フローセル１２は、細胞などの測定対象Ｓ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１２は、細胞などの測定対象Ｓを包み込んだシース液を層流として高速で流すことで、細胞などの測定対象Ｓを一方向に整列させて通流させる。
　分光素子１３は、レーザ光源１１からのレーザ光が照射されることで測定対象Ｓから発せられる蛍光を連続した波長のスペクトルに分光する光学素子である。分光素子１３としては、例えば、プリズムやグレーティングなどを用いることができる。
　光検出器１４は、レーザ光が照射された測定対象Ｓから発生し、分光素子１３によって分光された蛍光を検出する受光素子アレイを含む。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した構成である。具体的には、受光素子アレイは、例えば、検出する波長域が異なる複数の光電子倍増管（ＰＭＴ：Ｐｈｏｔｏ　Ｍｕｌｔｉｐｌｉｅｒ　Ｔｕｂｅ）またはフォトダイオードなどの受光素子を、分光素子１３による分光方向に沿って一次元に配列して構成される。受光素子アレイを構成する受光素子の数、つまり検出チャンネルの数は、測定対象Ｓの染色に用いる蛍光色素の数よりも多くなるように設定される。
　以上のように構成されるフローサイトメータ１０では、レーザ光源１１からのレーザ光がフローセル１２を流れる測定対象Ｓに照射されることで、測定対象Ｓから蛍光が発せられる。この測定対象Ｓが発する蛍光は、分光素子１３によって連続したスペクトルに分光され、光検出器１４の受光素子アレイを構成する複数の受光素子によって受光（検出）される。これにより、複数の蛍光色素を用いて染色された測定対象Ｓの蛍光スペクトルＦＳを測定することができる。
　ローカル環境に設けられ、フローサイトメータ１０と接続される第１の情報処理装置１００は、図５に示すように、蛍光スペクトル取得部１０１と、スペクトラルリファレンス記憶部１０２と、蛍光色素量生成部１０３（「第１の処理部」の一例）と、送信部１０４と、を備える。なお、第１の情報処理装置１００は、その一部または全部の機能がフローサイトメータ１０の内部で実現されていてもよい。つまり、第１の情報処理装置１００の少なくとも一部がフローサイトメータ１０と一体化された構成であってもよい。
　蛍光スペクトル取得部１０１は、フローサイトメータ１０による測定データである蛍光スペクトルＦＳ（測定データ）を取得する。
　スペクトラルリファレンス記憶部１０２は、蛍光色素ごとの標準的な蛍光の波長分布を表すスペクトラルリファレンスＳＲ（参照データ）を記憶する。スペクトラルリファレンス記憶部１０２は、フローサイトメータ１０の蛍光検出において使用され得る様々な蛍光色素のスペクトルリファレンスＳＲを、例えばライブラリ形式で記憶する。なお、スペクトラルリファレンス記憶部１０２は、第１の情報処理装置１００の外部のサーバ装置などに設けられていてもよい。
　蛍光色素量生成部１０３は、スペクトラルリファレンス記憶部１０２が記憶するスペクトラルリファレンスＳＲのうち、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲを用い、蛍光スペクトル取得部１０１が取得した蛍光スペクトルＦＳに対しアンミキシングを行って、測定対象Ｓの染色に用いた蛍光色素ごとの測定結果を表す蛍光色素量ＦＣを生成する。
　図７は、蛍光色素量生成部１０３が行うアンミキシングの概要を説明する図である。図７に示すように、フローサイトメータ１０により測定される測定対象Ｓの蛍光スペクトルＦＳは、この測定対象Ｓの染色に用いた複数の蛍光色素の各々のスペクトルが混ざり合ったものとなっている。このように、測定対象Ｓの染色に用いた複数の蛍光色素の各々のスペクトルが混ざり合った蛍光スペクトルＦＳを、各蛍光色素に対応するスペクトラルリファレンスＳＲを用いて蛍光色素ごとのスペクトルに分離し、蛍光色素ごとの測定結果を表す蛍光色素量ＦＣを求める処理がアンミキシングである。
　具体的には、複数の蛍光色素により染色された測定対象Ｓの蛍光スペクトルＦＳが、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲの線形和により表現されるものとし、各蛍光色素に対応するスペクトラルリファレンスＳＲを重ね合わせて蛍光スペクトルＦＳにフィッティングすることにより、線形結合の蛍光色素ごとの結合係数を求めて、蛍光色素ごとの測定結果である蛍光色素量ＦＣを導出することができる。フィッティングには、重み付き最小二乗法や最小二乗法などの計算方法を用いることができる。なお、このような計算方法の具体例は、特許文献２～５などに詳しく記載されているため、ここでは詳細な説明を省略する。
　送信部１０４は、蛍光色素量生成部１０３により生成された蛍光色素量ＦＣ、つまり、測定対象Ｓの染色に用いた蛍光色素ごとの測定結果を表す蛍光色素量ＦＣと、蛍光色素量生成部１０３でのアンミキシングに用いたスペクトラルリファレンスＳＲ、つまり、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲとを、ネットワーク２０を介して第２の情報処理装置２００に送信する。ここで、送信部１０４は、フローサイトメータ１０による測定データである蛍光スペクトルＦＳを第２の情報処理装置２００に送信しない点に留意されたい。すなわち、本実施形態に係る情報処理システムにおいては、データサイズの大きい蛍光スペクトルＦＳは、第１の情報処理装置１００から第２の情報処理装置２００に送信されず、データサイズの小さい蛍光色素量ＦＣおよびスペクトラルリファレンスＳＲのみが、第１の情報処理装置１００から第２の情報処理装置２００に送信される。
　一方、クラウド環境に設けられる第２の情報処理装置２００は、図５に示すように、受信部２０１と、保存部２０２と、蛍光スペクトル復元部２０３（「第２の処理部」の一例）と、分析処理部２０４と、を備える。
　受信部２０１は、第１の情報処理装置１００からネットワーク２０を介して送信された蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを受信する。
　保存部２０２は、受信部２０１が第１の情報処理装置１００から受信した蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを保存する。
　蛍光スペクトル復元部２０３は、保存部２０２に保存されている蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用い、第１の情報処理装置１００の蛍光色素量生成部１０３が蛍光色素量ＦＣを生成する際に行ったアンミキシングの逆変換を行うことにより、フローサイトメータ１０による測定データである蛍光スペクトルＦＳを復元し、復元蛍光スペクトルＦＳ’を生成する。復元蛍光スペクトルＦＳ’は、上述したように、元の蛍光スペクトルＦＳを正確に再現したものではないが、元の蛍光スペクトルＦＳに十分に近いデータである。この蛍光スペクトル復元部２０３による復元蛍光スペクトルＦＳ’の生成（蛍光スペクトルＦＳの復元）は、分析処理部２０４による分析処理の直前に行うことが望ましい。これにより、生成された復元蛍光スペクトルＦＳ’を永続的に保存せずに、そのまま分析処理部２０４による分析処理に用いることができる。
　分析処理部２０４は、保存部２０２に保存されている蛍光色素量ＦＣと、蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’とを用いて、測定対象Ｓに対する分析を行う。この分析処理は、例えば、測定対象Ｓに対するクラスタリング処理を含んでもよい。クラスタリング処理により、細胞などの測定対象Ｓを外的分離および内的結合した複数の集団に分類することができる。クラスタリング処理のアルゴリズムは特に限定されるものではなく、公知のクラスタリングアルゴリズムを用いることができる。例えば、分析処理部２０４は、ｋ－ｍｅａｎｓなどのクラスタ数を指定できるアルゴリズムを用いてクラスタリング処理を行ってもよく、ｆｌｏｗｓｏｍなどの自動的にクラスタ数を決定するようなアルゴリズムを用いてクラスタリング処理を行ってもよい。
　また、分析処理部２０４は、クラスタリング処理などの分析処理の結果をユーザに提示してもよい。クラスタリング処理の結果をユーザに提示する場合、分析処理部２０４は、例えば表形式やミニマムスパニングツリー形式により、クラスタリング処理の結果を表示してもよい。分析処理部２０４は、クラスタリング処理以外にも、ユーザの操作に応じて蛍光色素量ＦＣと復元蛍光スペクトルＦＳ’とを用いた様々な分析処理を行って、その結果をユーザに提示することができる。
　図８は、第１の実施形態に係る情報処理システムにおいて実施される一連の処理の流れを示すフローチャートである。以下では、この図８のフローチャートに沿って、本実施形態に係る情報処理システムの動作の概要を説明する。
　まず、フローサイトメータ１０により複数の蛍光色素を用いて染色された測定対象Ｓの蛍光スペクトルＦＳが測定されると、第１の情報処理装置１００の蛍光スペクトル取得部１０１が、この蛍光スペクトルＦＳを取得する（ステップＳ１０１）。
　次に、第１の情報処理装置１００の蛍光色素量生成部１０３が、スペクトラルリファレンス記憶部１０２に記憶されているスペクトラルリファレンスＳＲのうち、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲを用いて、ステップＳ１０１で蛍光スペクトル取得部１０１により取得された蛍光スペクトルＦＳに対するアンミキシングを行い、蛍光色素ごとの測定結果を表す蛍光色素量ＦＣを生成する（ステップＳ１０２）。
　次に、第１の情報処理装置１００の送信部１０４が、ステップＳ１０２で蛍光色素量生成部１０３により生成された蛍光色素量ＦＣと、アンミキシングに用いたスペクトラルリファレンスＳＲとを、ネットワーク２０を介して第２の情報処理装置２００に送信する（ステップＳ１０３）。
　次に、第２の情報処理装置２００の受信部２０１が、第１の情報処理装置１００からネットワーク２０を介して送信された蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを受信し、保存部２０２に格納して保存させる（ステップＳ１０４）。
　その後、第２の情報処理装置２００の蛍光スペクトル復元部２０３が、保存部２０２に保存されている蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用い、ステップＳ１０２で第１の情報処理装置１００の蛍光色素量生成部１０３が行ったアンミキシングの逆変換を行うことで蛍光スペクトルＦＳを復元し、復元蛍光スペクトルＦＳ’を生成する（ステップＳ１０５）。
　そして、第２の情報処理装置２００の分析処理部２０４が、保存部２０２に保存されている蛍光色素量ＦＣと、ステップＳ１０５で蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’とを用いて、測定対象Ｓに対する分析処理を行い（ステップＳ１０６）、一連の処理が終了する。
　以上のように、本実施形態に係る情報処理システムによれば、ローカル環境の第１の情報処理装置１００からクラウド環境の第２の情報処理装置２００に対して蛍光色素量ＦＣとスペクトラルリファレンスＳＲとが転送され、クラウド環境の第２の情報処理装置２００において、蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用いたアンミキシングの逆変換が行われることで、蛍光スペクトルＦＳが復元されて復元蛍光スペクトルＦＳ’が生成される。これにより、ローカル環境の第１の情報処理装置１００からクラウド環境の第２の情報処理装置２００に対してデータサイズの大きい蛍光スペクトルＦＳを転送することなく、クラウド環境の第２の情報処理装置２００において、蛍光色素量ＦＣと復元蛍光スペクトルＦＳ’とを用いた分析処理が可能となり、ローカル環境からクラウド環境へ転送するデータ量を削減できるとともに、クラウド環境に保存するデータ量を削減し、ストレージコストを削減することが可能となる。
＜３．第２の実施形態＞
　上述したように、アンミキシングの逆変換により蛍光スペクトルＦＳを復元することで生成される復元蛍光スペクトルＦＳ’は、元の蛍光スペクトルＦＳに十分に近いデータではあるが、元の蛍光スペクトルＦＳを完全に再現したものとはならない。これは、元の蛍光スペクトルＦＳに対するアンミキシングが、このアンミキシングに用いたスペクトラルリファレンスＳＲのスペクトル情報以外を削除する特性を持っているためである。
　本実施形態では、蛍光スペクトルＦＳの再現率を高める方法の一例を示す。本実施形態のデータフローの一例を図９に示す。本実施形態では、図９に示すように、ローカル環境で蛍光スペクトルＦＳに対するアンミキシングを行う際に、測定対象Ｓの染色に用いた蛍光色素に対応するスペクトラルリファレンスＳＲに加え、測定対象Ｓの染色に用いた蛍光色素に依存しないダミーデータであるダミースペクトラルリファレンスＳＲ’を使用する。ダミースペクトラルリファレンスＳＲ’は、測定対象Ｓの染色に用いた蛍光色素に対応するスペクトラルリファレンスＳＲに含まれないスペクトル情報が含まれるため、このダミースペクトラルリファレンスＳＲ’を追加することにより、本来はアンミキシングにより削除されてしまうスペクトル情報を残すことが可能になり、アンミキシングの逆変換により生成される復元蛍光スペクトルＦＳ’の再現性を高めることが可能になる。
　スペクトラルリファレンスＳＲに加えてダミースペクトラルリファレンスＳＲ’を用いて蛍光スペクトルＦＳに対するアンミキシングを行うと、本来の蛍光色素量ＦＣにダミーデータが付加されたダミー蛍光色素量ＦＣ’が生成される。本実施形態では、このダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とをローカル環境からクラウド環境に転送する。そして、クラウド環境において、これらダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを用いてアンミキシングの逆変換を行うことで、再現性の高い復元蛍光スペクトルＦＳ’を生成する。
　また、本実施形態では、ローカル環境からクラウド環境に、蛍光色素量ＦＣではなくダミー蛍光色素量ＦＣ’が転送されるため、クラウド環境において蛍光色素量ＦＣを生成する必要がある。そこで、クラウド環境において、スペクトラルリファレンスＳＲを用いて復元蛍光スペクトルＦＳ’に対するアンミキシングを行い、蛍光色素量ＦＣを生成する。そして、蛍光色素量ＦＣと復元蛍光スペクトルＦＳ’とを用いて測定対象Ｓの分析処理を行う。
　本実施形態の方法によると、ダミースペクトラルリファレンスＳＲ’のデータ量を増やすほど、ダミー蛍光色素量ＦＣ’のデータ量が増え、アンミキシングの逆変換によって生成される復元蛍光スペクトルＦＳ’の再現率が高くなる。つまり、ダミースペクトラルリファレンスＳＲ’のデータ量を調整することにより、復元蛍光スペクトルＦＳ’の再現率を制御できる。そのため、例えば、分析において要求される復元蛍光スペクトルＦＳ’の再現率に合せてダミースペクトラルリファレンスＳＲ’のデータ量を調整し、ローカル環境からクラウド環境に転送するデータ量の増加を抑制することが可能となる。
　なお、ダミースペクトラルリファレンスＳＲ’としては、アンミキシングに用いるスペクトルリファレンスＳＲに含まれないスペクトル情報を生成し、これを用いることができる。また、例えば、測定対象Ｓの染色に用いた蛍光色素以外の他の蛍光色素に対応するスペクトラルリファレンスＳＲを、ダミースペクトラルリファレンスＳＲ’として用いてもよい。また、ダミースペクトラルリファレンスＳＲ’は、アンミキシングに用いるスペクトルリファレンスＳＲに含まれないスペクトル情報を補完できるデータであればよく、例えば乱数などをダミースペクトラルリファレンスＳＲ’として用いることもできる。
　図１０は、第２の実施形態に係る情報処理システムの構成例を示すブロック図である。図１０に示すように、本実施形態では、ローカル環境に設けられる第１の情報処理装置１００’が、上述の蛍光色素量生成部１０３の代わりにダミー蛍光色素量生成部１０５（「第１の処理部」の一例）を備える。また、本実施形態では、クラウド環境に設けられる第２の情報処理装置２００’が、蛍光色素量生成部２０５（「第２の処理部」の一部の機能に相当）をさらに備える。
　ダミー蛍光色素量生成部１０５は、スペクトラルリファレンス記憶部１０２が記憶するスペクトラルリファレンスＳＲのうち、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲと、ダミースペクトラルリファレンスＳＲ’とを用い、蛍光スペクトル取得部１０１が取得した蛍光スペクトルＦＳに対しアンミキシングを行ってダミー蛍光色素量ＦＣ’を生成する。ダミースペクトラルリファレンスＳＲ’としては、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲに含まれないスペクトル情報を別途生成してこれを用いてもよいし、スペクトラルリファレンス記憶部１０２が記憶するスペクトラルリファレンスＳＲのうち、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲ以外の他のスペクトラルリファレンスＳＲを用いてもよいし、乱数を用いてもよい。
　本実施形態では、第１の情報処理装置１００’の送信部１０４が、ダミー蛍光色素量生成部１０５により生成されたダミー蛍光色素量ＦＣ’と、ダミー蛍光色素量生成部１０５でのアンミキシングに用いたスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを、ネットワーク２０を介して第２の情報処理装置２００’に送信する。
　第２の情報処理装置２００’の受信部２０１は、第１の情報処理装置１００’からネットワーク２０を介して送信されたダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを受信する。
　保存部２０２は、受信部２０１が第１の情報処理装置１００’から受信したダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’を保存する。
　蛍光スペクトル復元部２０３は、保存部２０２に保存されているダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを用い、第１の情報処理装置１００’のダミー蛍光色素量生成部１０５がダミー蛍光色素量ＦＣ’を生成する際に行ったアンミキシングの逆変換を行うことにより、復元蛍光スペクトルＦＳ’を生成する。本実施形態では、上述のように、ダミースペクトルリファレンスＳＲを用いてアンミキシングとアンミキシングの逆変換が行われるため、上述の第１の実施形態と比較して、再現性の高い復元蛍光スペクトルＦＳ’を生成することができる。
　蛍光色素量生成部２０５は、保存部２０２に保存されているスペクトラルリファレンスＳＲを用い、蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’に対しアンミキシングを行って、蛍光色素量ＦＣを生成する。蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’は、元の蛍光スペクトルＦＳを再現性よく復元したものであるため、蛍光色素量生成部２０５は、この復元蛍光スペクトルＦＳ’に対するアンミキシングにより、蛍光色素量ＦＣを精度よく生成することができる。
　分析処理部２０４は、蛍光色素量生成部２０５により生成された蛍光色素量ＦＣと、蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’とを用いて、上述の第１の実施形態と同様に測定対象Ｓに対する分析を行う。
　図１１は、第２の実施形態に係る情報処理システムにおいて実施される一連の処理の流れを示すフローチャートである。以下では、この図１１のフローチャートに沿って、本実施形態に係る情報処理システムの動作の概要を説明する。
　まず、フローサイトメータ１０により複数の蛍光色素を用いて染色された測定対象Ｓの蛍光スペクトルＦＳが測定されると、第１の情報処理装置１００’の蛍光スペクトル取得部１０１が、この蛍光スペクトルＦＳを取得する（ステップＳ２０１）。
　次に、第１の情報処理装置１００’のダミー蛍光色素量生成部１０５が、スペクトラルリファレンス記憶部１０２に記憶されているスペクトラルリファレンスＳＲのうち、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲと、ダミースペクトラルリファレンスＳＲ’とを用いて、ステップＳ２０１で蛍光スペクトル取得部１０１により取得された蛍光スペクトルＦＳに対するアンミキシングを行い、ダミー蛍光色素量ＦＣ’を生成する（ステップＳ２０２）。
　次に、第１の情報処理装置１００’の送信部１０４が、ステップＳ２０２でダミー蛍光色素量生成部１０５により生成されたダミー蛍光色素量ＦＣ’と、アンミキシングに用いたスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを、ネットワーク２０を介して第２の情報処理装置２００’に送信する（ステップＳ２０３）。
　次に、第２の情報処理装置２００’の受信部２０１が、第１の情報処理装置１００’からネットワーク２０を介して送信されたダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを受信し、保存部２０２に格納して保存させる（ステップＳ２０４）。
　その後、第２の情報処理装置２００’の蛍光スペクトル復元部２０３が、保存部２０２に保存されているダミー蛍光色素量ＦＣ’とスペクトラルリファレンスＳＲとダミースペクトラルリファレンスＳＲ’とを用い、ステップＳ２０２で第１の情報処理装置１００’のダミー蛍光色素量生成部１０５が行ったアンミキシングの逆変換を行うことで蛍光スペクトルＦＳを復元し、復元蛍光スペクトルＦＳ’を生成する（ステップＳ２０５）。
　また、第２の情報処理装置２００’の蛍光色素量生成部２０５が、保存部２０２に保存されているスペクトラルリファレンスＳＲを用いて、ステップＳ２０５で蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’に対するアンミキシングを行い、蛍光色素量ＦＣを生成する（ステップＳ２０６）。
　そして、第２の情報処理装置２００’の分析処理部２０４が、ステップＳ２０６で蛍光色素量生成部２０５により生成された蛍光色素量ＦＣと、ステップＳ２０５で蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’とを用いて、測定対象Ｓに対する分析処理を行い（ステップＳ２０７）、一連の処理が終了する。
　以上のように、本実施形態によれば、スペクトラルリファレンスＳＲに含まれないスペクトル情報を持つダミースペクトラルリファレンスＳＲ’を用いて蛍光スペクトルＦＳのアンミキシングとアンミキシングの逆変換を行うようにしているので、クラウド環境において生成される復元蛍光スペクトルＦＳ’の再現性を高めることができる。また、ダミースペクトラルリファレンスＳＲ’のデータ量を調整することで、クラウド環境において生成される復元蛍光スペクトルＦＳ’の再現性を制御することができるので、ローカル環境からクラウド環境に転送するデータ量の増加を必要最小限に抑えることが可能となる。
＜４．第３の実施形態＞
　本実施形態では、蛍光スペクトルＦＳの再現率を高める他の方法を示す。本実施形態のデータフローの一例を図１２に示す。本実施形態では、図１２に示すように、ローカル環境でスペクトラルリファレンスＳＲを用いた蛍光スペクトルＦＳのアンミキシングにより蛍光色素量ＦＣを生成することに加え、生成した蛍光色素量ＦＣとスペクトラルリファレンスＳＲを用いたアンミキシングの逆変換を行って復元蛍光スペクトルＦＳ’を生成する。そして、アンミキシングの逆変換により生成した復元蛍光スペクトルＦＳ’と元の蛍光スペクトルＦＳとの差分を表す差分情報ＤＦを生成する。
　差分情報ＤＦは、蛍光スペクトルＦＳと比べてデータのダイナミックレンジが小さく、ビット数の削減や圧縮アルゴリズムでの圧縮率が高い。そこで、この差分情報ＤＦを圧縮した圧縮差分情報ＤＦ’を、蛍光色素量ＦＣとスペクトラルリファレンスＳＲとともに、ローカル環境からクラウド環境に転送し、クラウド環境に保存する。
　クラウド環境では、蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用いたアンミキシングの逆変換を行うことで復元蛍光スペクトルＦＳ’を生成した後、圧縮差分情報ＤＦ’を解凍して得られる差分情報ＤＦを用いて、復元蛍光スペクトルＦＳ’を元の蛍光スペクトルＦＳに近づけるように補正して、復元蛍光スペクトルＦＳ’よりも再現性の高い補正後復元蛍光スペクトルＦＳ’’を生成する。そして、蛍光色素量ＦＣと補正後復元蛍光スペクトルＦＳ’’とを用いて測定対象の分析処理を行う。
　本実施形態の方法によると、差分情報ＤＦのデータ量を増やすほど、補正処理によって生成される補正後復元蛍光スペクトルＦＳ’’の再現率が高くなる。つまり、差分情報ＤＦのデータ量を調整することにより、補正後復元蛍光スペクトルＦＳ’’の再現率を制御できる。そのため、例えば、分析において要求される補正後復元蛍光スペクトルＦＳ’’の再現率に合せて差分情報ＤＦのデータ量を調整し、ローカル環境からクラウド環境に転送するデータ量の増加を抑制することが可能となる。
　図１３は、第３の実施形態に係る情報処理システムの構成例を示すブロック図である。図１３に示すように、本実施形態では、ローカル環境に設けられる第１の情報処理装置１００’’が、蛍光スペクトル復元部１０６（「第１の処理部」の一部の機能に相当）と、差分情報生成部１０７（「第１の処理部」の一部の機能に相当）と、圧縮処理部１０８とをさらに備える。また、本実施形態では、クラウド環境に設けられる第２の情報処理装置２００’’が、解凍処理部２０６と、補正処理部２０７（「第２の処理部」の一部の機能に相当）とをさらに備える。
　蛍光スペクトル復元部１０６は、蛍光色素量生成部１０３により生成された蛍光色素量ＦＣと蛍光色素量生成部１０３でのアンミキシングに用いたスペクトラルリファレンスＳＲとを用いてアンミキシングの逆変換を行うことで、復元蛍光スペクトルＦＳ’を生成する。
　差分情報生成部１０７は、蛍光スペクトル取得部１０１により取得された蛍光スペクトルＦＳと、蛍光スペクトル復元部１０６により生成された復元蛍光スペクトルＦＳ’とに基づいて、これら蛍光スペクトルＦＳと復元蛍光スペクトルＦＳ’との差分を表す差分情報ＤＦを生成する。
　圧縮処理部１０８は、所定の圧縮アルゴリズムを用いて差分情報生成部１０７により生成された差分情報ＤＦを圧縮し、圧縮差分情報ＤＦ’を生成する。
　本実施形態では、第１の情報処理装置１００’’の送信部１０４が、蛍光色素量生成部１０３により生成された蛍光色素量ＦＣと、蛍光色素量生成部１０３でのアンミキシングに用いたスペクトラルリファレンスＳＲに加え、圧縮処理部１０８により生成された圧縮差分情報ＤＦ’を、ネットワーク２０を介して第２の情報処理装置２００’’に送信する。
　第２の情報処理装置２００’’の受信部２０１は、第１の情報処理装置１００’’からネットワーク２０を介して送信された蛍光色素量ＦＣとスペクトラルリファレンスＳＲと圧縮差分情報ＤＦ’とを受信する。
　保存部２０２は、受信部２０１が第１の情報処理装置１００’’から受信した蛍光色素量ＦＣとスペクトラルリファレンスＳＲと圧縮差分情報ＤＦ’を保存する。
　解凍処理部２０６は、保存部２０２が保存する圧縮差分情報ＤＦ’を解凍して差分情報ＤＦを復元する。
　補正処理部２０７は、解凍処理部２０６により復元された差分情報ＤＦを用いて、蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’を元の蛍光スペクトルＦＳに近づけるように補正して、復元蛍光スペクトルＦＳ’よりも再現性の高い補正後復元蛍光スペクトルＦＳ’’を生成する。
　分析処理部２０４は、保存部２０２に保存されている蛍光色素量ＦＣと、補正処理部２０７により生成された補正後復元蛍光スペクトルＦＳ’’とを用いて、上述の第１の実施形態と同様に測定対象Ｓに対する分析を行う。
　図１４は、第３の実施形態に係る情報処理システムにおいて実施される一連の処理の流れを示すフローチャートである。以下では、この図１４のフローチャートに沿って、本実施形態に係る情報処理システムの動作の概要を説明する。
　まず、フローサイトメータ１０により複数の蛍光色素を用いて染色された測定対象Ｓの蛍光スペクトルＦＳが測定されると、第１の情報処理装置１００’’の蛍光スペクトル取得部１０１が、この蛍光スペクトルＦＳを取得する（ステップＳ３０１）。
　次に、第１の情報処理装置１００’’の蛍光色素量生成部１０３が、スペクトラルリファレンス記憶部１０２に記憶されているスペクトラルリファレンスＳＲのうち、測定対象Ｓの染色に用いた各蛍光色素に対応するスペクトラルリファレンスＳＲを用いて、ステップＳ３０１で蛍光スペクトル取得部１０１により取得された蛍光スペクトルＦＳに対するアンミキシングを行い、蛍光色素量ＦＣを生成する（ステップＳ３０２）。
　次に、第１の情報処理装置１００’’の蛍光スペクトル復元部１０６が、ステップＳ３０２で蛍光色素量生成部１０３により生成された蛍光色素量ＦＣと、この蛍光色素量ＦＣを生成する際のアンミキシングに用いたスペクトラルリファレンスＳＲとを用いたアンミキシングの逆変換を行い、復元蛍光スペクトルＦＳ’を生成する（ステップＳ３０３）。
　次に、第１の情報処理装置１００’’の差分情報生成部１０７が、ステップＳ３０１で蛍光スペクトル取得部１０１により取得された蛍光スペクトルＦＳと、ステップＳ３０３で蛍光スペクトル復元部１０６により生成された復元蛍光スペクトルＦＳ’とに基づいて、これら蛍光スペクトルＦＳと復元蛍光スペクトルＦＳ’との差分を表す差分情報ＤＦを生成する（ステップＳ３０４）。
　次に、第１の情報処理装置１００’’の圧縮処理部１０８が、ステップＳ３０４で差分情報生成部１０７により生成された差分情報ＤＦを、所定の圧縮アルゴリズムを用いて圧縮し、圧縮差分情報ＤＦ’を生成する（ステップＳ３０５）。差分情報ＤＦを圧縮することで、後述するステップＳ３０６において第２の情報処理装置２００’’に送信するデータ量を削減することができる。ただし、差分情報ＤＦは、圧縮されずに第２の情報処理装置２００’’に送信されてもよい。その場合、ステップＳ３０５を省略することが可能である。
　次に、第１の情報処理装置１００’’の送信部１０４が、ステップＳ３０２で蛍光色素量生成部１０３により生成された蛍光色素量ＦＣと、アンミキシングに用いたスペクトラルリファレンスＳＲと、ステップＳ３０５で圧縮処理部１０８により生成された圧縮差分情報ＤＦ’とを、ネットワーク２０を介して第２の情報処理装置２００’’に送信する（ステップＳ３０６）。
　次に、第２の情報処理装置２００’’の受信部２０１が、第１の情報処理装置１００’’からネットワーク２０を介して送信された蛍光色素量ＦＣとスペクトラルリファレンスＳＲと圧縮差分情報ＤＦ’とを受信し、保存部２０２に格納して保存させる（ステップＳ３０７）。
　その後、第２の情報処理装置２００’’の蛍光スペクトル復元部２０３が、保存部２０２に保存されている蛍光色素量ＦＣとスペクトラルリファレンスＳＲとを用い、ステップＳ３０２で第１の情報処理装置１００’’の蛍光色素量生成部１０３が行ったアンミキシングの逆変換を行い、復元蛍光スペクトルＦＳ’を生成する（ステップＳ３０８）。
　次に、第２の情報処理装置２００’’の解凍処理部２０６が、保存部２０２に保存されている圧縮差分情報ＤＦ’を解凍し、差分情報ＤＦを復元する（ステップＳ３０９）。
　次に、第２の情報処理装置２００’’の補正処理部２０７が、ステップＳ３０９で解凍処理部２０６により復元された差分情報ＤＦを用いて、ステップＳ３０８で蛍光スペクトル復元部２０３により生成された復元蛍光スペクトルＦＳ’を元の蛍光スペクトルＦＳに近づけるように補正し、補正後復元蛍光スペクトルＦＳ’’を生成する（ステップＳ３１０）。
　そして、第２の情報処理装置２００’’の分析処理部２０４が、保存部２０２に保存されている蛍光色素量ＦＣと、ステップＳ３１０で補正処理部２０７により生成された補正後復元蛍光スペクトルＦＳ’’とを用いて、測定対象Ｓに対する分析処理を行い（ステップＳ３１１）、一連の処理が終了する。
　以上のように、本実施形態によれば、元の蛍光スペクトルＦＳとアンミキシングの逆変換により生成される復元蛍光スペクトルＦＳ’との差分を表す差分情報ＤＦを事前にローカル環境において生成してクラウド環境に転送しておき、クラウド環境においてアンミキシングの逆変換により生成した復元蛍光スペクトルＦＳ’を、この差分情報ＤＦを用いて補正するようにしているので、復元蛍光スペクトルＦＳ’よりも再現性の高い補正後復元蛍光スペクトルＦＳ’’を用いた分析処理が可能となる。また、差分情報ＤＦのデータ量を調整することで、クラウド環境において生成される補正後復元蛍光スペクトルＦＳ’’の再現性を制御することができるので、ローカル環境からクラウド環境に転送するデータ量の増加を必要最小限に抑えることが可能となる。
＜５．第４の実施形態＞
　上述の各実施形態で説明したフローサイトメータ１０は、測定対象Ｓの分析に用いる蛍光スペクトルＦＳを測定するものであるが、さらに、測定した蛍光スペクトルＦＳに基づいて、フローセル１２を通過した細胞などの測定対象Ｓの移動先を制御することで、測定対象Ｓの中から特定の蛍光を発するものを分取する機能を持った装置も存在する。このような分取機能を持つフローサイトメータ１０’は、ソータ（セルソータ）と呼ばれる。
　本実施形態では、このような分取機能を持つフローサイトメータ１０’を用いた情報処理システムへの適用例を示す。分取機能を持つフローサイトメータ１０’では、フローセル１２を通過する測定対象Ｓに光を照射することで測定される蛍光スペクトルＦＳに基づいて、その測定対象Ｓが分取対象かどうかを瞬時に判別して、その測定対象Ｓの移動先を制御する必要がある。ここで、分取対象の測定対象Ｓから測定された蛍光スペクトルＦＳを学習データとする機械学習によって学習モデルを構築し、この学習モデルを用いて判別を行うようにすれば、蛍光スペクトルＦＳに基づく判別を瞬時に行うことが可能となる。本実施形態では、このような学習モデルの構築をクラウド環境で行うことを考える。
　本実施形態では、まず、フローサイトメータ１０’により学習モデルを構築するための蛍光スペクトルＦＳの測定が行われる。測定された蛍光スペクトルＦＳは、上述の各実施形態と同様に、ローカル環境からクラウド環境に転送されるのではなく、クラウド環境においてアンミキシングの逆変換が行われることで復元される。そして、上述の各実施形態と同様に、クラウド環境において測定対象Ｓに対するクラスタリング処理などの分析処理が行われ、その分析処理の結果がユーザに提示される。
　ここで、提示された分析処理の結果を参照したユーザによって分取対象の測定対象Ｓが指定されると、指定された分取対象の測定対象Ｓに対応する復元蛍光スペクトルＦＳ’（または補正後復元蛍光スペクトルＦＳ’’）を学習データとして機械学習が行われ、学習モデルが構築される。そして、クラウド環境で構築された学習モデルがローカル環境に転送される。
　その後、ローカル環境においては、クラウド環境から転送された学習モデルを用いて、分取対象の判別が行われる。すなわち、フローサイトメータ１０’により蛍光スペクトルＦＳが測定されると、この蛍光スペクトルを持つ測定対象Ｓが分取対象であるか否かが学習モデルに基づいて判別される。そして、判別の結果に基づいて測定対象Ｓの移動先が制御され、分取対象として指定された測定対象Ｓが分取される。
　図１５は、第４の実施形態に係る情報処理システムの構成例を示すブロック図である。図１５に示すように、本実施形態では、クラウド環境に設けられる第２の情報処理装置２００’’’が、学習部２０８と、送信部２０９（「学習モデル送信部」に相当）とをさらに備える。また、本実施形態では、ローカル環境に設けられる第１の情報処理装置１００’’’が、受信部１０９（「学習モデル受信部」に相当）と、学習モデル記憶部１１０と、判別部１１１とをさらに備える。なお、図１５では、上述の第１の実施形態に係る情報処理システムに対して本実施形態に特有の構成を追加した構成例を示しているが、ベースとなる情報処理システムは上述の第２の実施形態に係る情報処理システムであってもよいし、上述の第３の実施形態に係る情報処理システムであってもよい。
　第２の情報処理装置２００’’’の学習部２０８は、分析処理部２０４の分析結果を参照したユーザにより特定の測定対象Ｓが分取対象として指定されると、その分取対象として指定された測定対象Ｓに対応する復元蛍光スペクトルＦＳ’を学習データとして用いて機械学習を行うことで、蛍光スペクトルＦＳに基づいて測定対象Ｓが分取対象であるか否かを判別するための学習モデルを構築する。
　学習部２０８が行う機械学習のアルゴリズムは、分取対象に指定された測定対象Ｓに対応する復元蛍光スペクトルＦＳ’を学習データとして用いる教師あり学習である。例えば、学習部２０８は、ランダムフォレスト、サポートベクターマシン、またはディープラーニングなどの機械学習アルゴリズムを用いて学習モデルを構築してもよい。
　なお、学習部２０８は、分取対象の判別が十分可能な学習モデルが構築されたか否かを判断し、ユーザに通知してもよい。例えば、学習部２０８は、学習した測定対象Ｓの復元蛍光スペクトルＦＳ’の数、または全体に対する割合が閾値を超えた場合に、分取対象の判別が十分可能な学習モデルが構築されたことをユーザに通知してもよい。
　または、学習部２０８は、学習モデルの正答率が閾値を超えた場合に、分取対象の判別が十分可能な学習モデルが構築されたことをユーザに通知してもよい。学習モデルの正答率は、例えば、Ｎ－ｆｏｌｄ－ｃｒｏｓｓ　ｖａｌｉｄａｔｉｏｎによって判断することが可能である。具体的には、学習データの全体をＮ分割し、Ｎ－１個の分割部分に含まれる学習データで学習を行って学習モデルを構築した後、残りの１個の分割部分に含まれる学習データを用いて判別を行うことで、構築した学習モデルの正答率を判断することができる。
　第２の情報処理装置２００’’’の送信部２０９は、学習部２０８により構築された学習モデルを、ネットワーク２０を介して第１の情報処理装置１００’’’に送信する。
　第１の情報処理装置１００’’’の受信部１０９は、第２の情報処理装置２００’’’からネットワーク２０を介して送信された学習モデルを受信する。
　学習モデル記憶部１１０は、受信部１０９が第２の情報処理装置２００’’’から受信した学習モデルを記憶する。
　判別部１１１は、学習モデル記憶部１１０が学習モデルを記憶した後、フローサイトメータ１０’により測定対象Ｓの蛍光スペクトルＦＳが測定されると、この蛍光スペクトルＦＳを持つ測定対象Ｓが分取対象であるか否かを、学習モデル記憶部１１０が記憶している学習モデルに基づいて判別する。そして、測定対象Ｓが分取対象であると判別される場合、判別部１１１は、フローサイトメータ１０’に対してその測定対象Ｓを分取するように指示を出力する。また、フローサイトメータ１０’が複数の測定対象Ｓの集団を別々に分取することが可能である場合、判別部１１１は、測定対象Ｓが分取対象であるか否かだけでなく、いずれの回収部に測定対象Ｓを回収するかをフローサイトメータ１０’に指示してもよい。
　なお、学習モデル記憶部１１０および判別部１１１は、フローサイトメータ１０’に設けられてもよい。また、構築された学習モデルが、フローサイトメータ１０’に設けられたＦＰＧＡ回路などのロジック回路に実装されてもよい。例えば、フローサイトメータ１０’に判別部１１１が設けられ、フローサイトメータ１０’に設けられたＦＰＧＡ回路には、判別部１１１の種類に基づいて設計され、構築された学習モデルを実行するロジックが実装されていてもよい。
　図１６は、第４の実施形態に係る情報処理システムにおいて実施される特徴的な処理を説明するフローチャートであり、例えば図８のフローチャートで示したステップＳ１０６の分析処理に続いて実施される処理の流れを示している。なお、分析処理では、クラスタリング処理などの処理結果がユーザに提示され、提示された分析処理の結果を参照したユーザによって分取対象が指定されたものとする。
　ユーザにより分取対象が指定されると、第２の情報処理装置２００’’’の学習部２０８が、この分取対象として指定された測定対象Ｓに対応する復元蛍光スペクトルＦＳ’を学習データとして用いて機械学習を行い、分取対象を判別するための学習モデルを構築する（ステップＳ４０１）。
　次に、第２の情報処理装置２００’’’の送信部２０９が、ステップＳ４０１で学習部２０８により構築された学習モデルを、ネットワーク２０を介して第１の情報処理装置１００’’’に送信する（ステップＳ４０２）。
　次に、第１の情報処理装置１００’’’の受信部１０９が、第２の情報処理装置２００’’’からネットワーク２０を介して送信された学習モデルを受信し、学習モデル記憶部１１０に格納して記憶させる（ステップＳ４０３）。
　その後、フローサイトメータ１０’により測定対象Ｓの蛍光スペクトルＦＳが測定されると、第１の情報処理装置１００’の判別部１１１が、学習モデル記憶部１１０が記憶する学習モデルに基づいて、測定対象Ｓが分取対象であるか否かを判別し（ステップＳ４０４）、フローサイトメータ１０’に指示を出す。これにより、ユーザにより分取対象として指定された測定対象Ｓをフローサイトメータ１０’により適切に分取することができる。
　以上のように、本実施形態によれば、処理負荷が大きい学習モデルの構築をクラウド環境で行い、このクラウド環境で構築された学習モデルを用いて分取対象の判別を行ってフローサイトメータ１０’を適切に動作させることができるので、利便性が向上する。また、クラウド環境で学習モデルを構築するために、ローカル環境の第１の情報処理装置１００’’’からクラウド環境の第２の情報処理装置２００’’’に対してデータサイズの大きい蛍光スペクトルＦＳを転送する必要がないので、ローカル環境からクラウド環境へ転送するデータ量を削減できるとともに、クラウド環境に保存するデータ量を削減し、ストレージコストを削減することが可能となる。
＜６．第５の実施形態＞
　なお、上述の各実施形態では、測定対象Ｓの蛍光スペクトルＦＳをフローサイトメータ１０（１０’）により測定するものとしているが、例えば撮像素子（２次元イメージセンサ）を用いて蛍光スペクトルＦＳを測定する蛍光イメージング装置を用いる場合においても、本開示の仕組みは有効に適用できる。本実施形態では、このような蛍光イメージング装置を用いた情報処理システムへの適用例を示す。
　図１７は、第５の実施形態に係る情報処理システムの構成例を示すブロック図である。図１７に示すように、本実施形態では、フローサイトメータ１０（１０’）に代えて蛍光イメージング装置３０がローカル環境に設けられている。なお、情報処理システムの基本的な構成は、図５に示した第１の実施形態の構成と同様である。
　蛍光イメージング装置３０の概略的な構成例を図１８に示す。蛍光イメージング装置３０は、例えば図１８に示すように、レーザ光源３１と、可動ステージ３２と、分光素子３４と、撮像素子３５と、を備えて構成される。
　レーザ光源３１は、測定対象Ｓの染色に用いた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３１としては、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を用いることができる。
　可動ステージ３２上には、蛍光染色標本３３が載置される。可動ステージ３２は、レーザ光源３１から射出されたレーザ光が、蛍光染色標本３３を２次元状に走査するように、水平方向に移動する。
　蛍光染色標本３３は、例えば人体から採取された検体または組織サンプルから病理診断などを目的に作製された標本を複数の蛍光色素を用いて染色したものである。この蛍光染色標本３３には採取された組織を構成していた細胞などの測定対象Ｓが多数含まれる。レーザ光源３１から射出されたレーザ光が蛍光染色標本３３を２次元状に走査するように可動ステージ３２を移動させることにより、蛍光染色標本３３に含まれる多数の測定対象Ｓにレーザ光を順次照射することができる。
　分光素子３４は、蛍光染色標本３３に含まれる測定対象Ｓにレーザ光が照射されることで発せられる蛍光を、連続した波長のスペクトルに分光する光学素子である。分光素子３４としては、例えば、プリズムやグレーティングなどを用いることができる。
　撮像素子３５は、ＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）センサやＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサなどの受光素子を２次元に配置した２次元イメージセンサである。撮像素子３５は、蛍光染色標本３３に含まれる測定対象Ｓにレーザ光が照射されることで発せられ、分光素子３４によって分光された蛍光を、２次元に配置された各受光素子で受光して画像信号を出力する。レーザ光が照射されることで測定対象Ｓが発する蛍光は、分光素子１３によって連続したスペクトルに分光されているため、撮像素子３５は、領域ごとに異なる波長域の蛍光強度に応じた画像信号を出力する。
　以上のように構成される蛍光イメージング装置３０では、蛍光染色標本３３に含まれる測定対象Ｓにレーザ光が照射されることで発せられる蛍光が、分光素子３４によって連続したスペクトルに分光されて撮像素子３５の各受光素子により検出される。したがって、撮像素子３５が出力する画像信号を用いて、上述のフローサイトメータ１０（１０’）と同様に、測定対象Ｓの蛍光スペクトルＦＳを測定することができる。
　本実施形態に係る情報処理システムでは、ローカル環境に設けられた第１の情報処理装置１００の蛍光スペクトル取得部１０１が、蛍光イメージング装置３０により測定された測定対象Ｓの蛍光スペクトルＦＳを取得する。その後の処理は、上述した第１の実施形態と同様であるため、説明を省略する。なお、図１７では、上述の第１の実施形態に係る情報処理システムにおけるフローサイトメータ１０を蛍光イメージング装置３０に置き換えた例を示したが、ベースとなる情報処理システムは、上述の第２の実施形態に係る情報処理システムであってもよいし、上述の第３の実施形態に係る情報処理システムであってもよい。
　以上のように、測定対象Ｓの蛍光スペクトルＦＳを蛍光イメージング装置３０により測定した場合であっても、本開示の仕組みを適用することにより、ローカル環境からクラウド環境へ転送するデータ量を削減できるとともに、クラウド環境に保存するデータ量を削減し、ストレージコストを削減することが可能となる。
＜７．ハードウェア構成例＞
　続いて、図１９を参照して、上述の第１の情報処理装置１００や第２の情報処理装置２００（以下では、これらを総称して「情報処理装置３００」と表記する）のハードウェア構成の一例について説明する。図１９は、情報処理装置３００のハードウェア構成の一例を示すブロック図である。
　図１９に示すように、情報処理装置３００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）３０１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）３０２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）３０３、ホストバス３０５、ブリッジ３０７、外部バス３０６、インタフェース３０８、入力装置３１１、出力装置３１２、ストレージ装置３１３、ドライブ３１４、接続ポート３１５、および通信装置３１６を備える。情報処理装置３００は、ＣＰＵ３０１に替えて、またはこれと共に、電気回路、ＤＳＰ若しくはＡＳＩＣなどの処理回路を備えてもよい。
　ＣＰＵ３０１は、演算処理装置、および制御装置として機能し、各種プログラムに従って情報処理装置３００内の動作全般を制御する。また、ＣＰＵ３０１は、マイクロプロセッサであってもよい。ＲＯＭ３０２は、ＣＰＵ３０１が使用するプログラムおよび演算パラメータなどを記憶する。ＲＡＭ３０３は、ＣＰＵ３０１の実行において使用するプログラム、およびその実行において適宜変化するパラメータなどを一時記憶する。ＣＰＵ３０１は、例えば、上述の第１の情報処理装置１００における蛍光スペクトル取得部１０１および蛍光色素量生成部１０３などの機能を実現してもよい。また、ＣＰＵ３０１は、例えば、上述の第２の情報処理装置２００における蛍光スペクトル復元部２０３および分析処理部などの機能を実現してもよい。
　ＣＰＵ３０１、ＲＯＭ３０２およびＲＡＭ３０３は、ＣＰＵバスなどを含むホストバス３０５により相互に接続されている。ホストバス３０５は、ブリッジ３０７を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ　Ｃｏｍｐｏｎｅｎｔ　Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス３０６に接続されている。なお、ホストバス３０５、ブリッジ３０７、および外部バス３０６は、必ずしも分離構成されなくともよく、１つのバスにこれらの機能が実装されてもよい。
　入力装置３１１は、例えば、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチまたはレバーなどのユーザによって情報が入力される装置である。または、入力装置３１１は、赤外線又は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く、情報処理装置３００の操作に対応した携帯電話またはＰＤＡなどの外部接続機器であってもよい。さらに、入力装置３１１は、例えば、上記の入力手段を用いてユーザにより入力された情報に基づいて入力信号を生成する入力制御回路などを含んでもよい。
　出力装置３１２は、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ある。出力装置３１２は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ　Ｒａｙ　Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬ（ＥｌｅｃｔｒｏＬｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ装置、レーザープロジェクタ、ＬＥＤ（Ｌｉｇｈｔ　Ｅｍｉｔｔｉｎｇ　Ｄｉｏｄｅ）プロジェクタまたはランプなどの表示装置であってもよく、スピーカまたはヘッドホンなどの音声出力装置であってもよい。
　出力装置３１２は、例えば、情報処理装置３００による各種処理にて得られた結果を出力してもよい。具体的には、出力装置３１２は、情報処理装置３００による各種処理にて得られた結果を、テキスト、イメージ、表、またはグラフなどの様々な形式で視覚的に表示してもよい。または、出力装置３１２は、音声データまたは音響データなどのオーディオ信号をアナログ信号に変換して聴覚的に出力してもよい。入力装置３１１および出力装置３１２は、例えば、インタフェース部３０９の機能を実行してもよい。
　ストレージ装置３１３は、情報処理装置３００の記憶部の一例として形成されたデータ格納用の装置である。ストレージ装置３１３は、例えば、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）などの磁気記憶デバイス、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）などの半導体記憶デバイス、光記憶デバイスまたは光磁気記憶デバイスなどにより実現されてもよい。例えば、ストレージ装置３１３は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出装置、および記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。ストレージ装置３１３は、ＣＰＵ３０１が実行するプログラム、各種データおよび外部から取得した各種のデータなどを格納してもよい。ストレージ装置３１３は、例えば、上述の第１の情報処理装置１００におけるスペクトラルリファレンス記憶部１０２などの機能を実現してもよい。
　ドライブ３１４は、記憶媒体用リーダライタであり、情報処理装置３００に内蔵または外付けされる。ドライブ３１４は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記憶媒体に記録されている情報を読み出して、ＲＡＭ３０３に出力する。また、ドライブ３１４は、リムーバブル記憶媒体に情報を書き込むことも可能である。
　接続ポート３１５は、外部機器と接続されるインタフェースである。接続ポート３１５は、外部機器とのデータ伝送可能な接続口であり、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）であってもよい。
　通信装置３１６は、例えば、ネットワーク２０に接続するための通信デバイスなどで形成されたインタフェースである。通信装置３１６は、例えば、有線もしくは無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）またはＷＵＳＢ（Ｗｉｒｅｌｅｓｓ　ＵＳＢ）用の通信カードなどであってもよい。また、通信装置３１６は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ　Ｄｉｇｉｔａｌ　Ｓｕｂｓｃｒｉｂｅｒ　Ｌｉｎｅ）用のルータまたは各種通信用のモデムなどであってもよい。通信装置３１６は、例えば、インターネットまたは他の通信機器との間で、例えばＴＣＰ／ＩＰなどの所定のプロトコルに則して信号等を送受信することができる。通信装置３１６は、例えば、上述の第１の情報処理装置１００における送信部１０４などの機能を実現してもよい。また、通信装置３１６は、例えば、上述の第２の情報処理装置２００における受信部２０１などの機能を実現してもよい。
　なお、情報処理装置３００に内蔵されるＣＰＵ３０１、ＲＯＭ３０２およびＲＡＭ３０３などのハードウェアに対して、上述の第１の情報処理装置１００や第２の情報処理装置２００の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供することが可能である。
＜８．補足説明＞
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）
　第１の情報処理装置と第２の情報処理装置を含む情報処理システムであって、
　前記第１の情報処理装置は、
　　複数の蛍光色素を用いて染色された測定対象に光を照射して、当該照射により測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部と、
　　前記圧縮データを前記第２の情報処理装置に送信する送信部と、
　を備え、
　前記第２の情報処理装置は、前記参照データと、前記第１の情報処理装置から受信した圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部を備える
　情報処理システム。
（２）
　前記測定対象は、細胞、組織、微生物、及び、生体関連粒子のうちの少なくとも１つを含む生体由来の粒子である、前記（１）に記載の情報処理システム。
（３）
　前記第１の情報処理装置と前記第２の情報処理装置とは、所定のネットワークを介して通信可能に接続されている、前記（１）又は（２）に記載の情報処理システム。
（４）
　前記圧縮処理は、線形処理及び非線形処理のうちの少なくとも１つを含む、前記（１）～（３）の何れか１項に記載の情報処理システム。
（５）
　前記圧縮処理は、次元圧縮処理、クラスタリング処理、及び、グルーピング処理のうちの少なくとも１つを含む、前記（１）～（４）の何れか１項に記載の情報処理システム。
（６）
　前記圧縮データは、前記測定対象の染色に用いた蛍光色素ごとの測定結果を表す蛍光色素量である、前記（１）～（５）の何れか１項に記載の情報処理システム。
（７）
　前記復元処理は、前記圧縮データの逆変換処理である、前記（１）～（６）の何れか１項に記載の情報処理システム。
（８）
　前記第１の処理部は、前記測定データに対し、前記参照データに加えてダミー参照データを用いて前記圧縮処理を行うことで、前記圧縮データにダミーデータが付加されたダミー圧縮データを生成し、
　前記送信部は、前記ダミー圧縮データと前記ダミー参照データとを前記第２の情報処理装置に送信し、
　前記第２の処理部は、前記参照データと前記ダミー圧縮データと前記ダミー参照データとを用いて前記復元処理を行うことで、前記復元データを生成する
　前記（１）～（７）の何れか１項に記載の情報処理システム。
（９）
　前記第１の処理部は、さらに、前記圧縮データと前記参照データとを用いてアンミキシングの逆変換を行うことで前記測定データを復元するとともに、復元した前記測定データである復元測定データと前記測定データとの差分を表す差分情報を生成し、
　前記送信部は、さらに、前記差分情報を前記第２の情報処理装置に送信し、
　前記第２の情報処理装置は、さらに、前記差分情報を前記第１の情報処理装置から受信し、
　前記第２の処理部は、さらに、復元した測定データを前記差分情報に基づいて補正する
　前記（１）～（８）の何れか１項に記載の情報処理システム。
（１０）
　前記第２の情報処理装置は、
　前記圧縮データと、当該圧縮データを復元した前記測定データである復元測定データとを用いて前記測定対象の分析を行う分析処理部をさらに備える
　前記（１）～（９）の何れか１項に記載の情報処理システム。
（１１）
　前記第２の情報処理装置は、
　　前記分析処理部による分析結果に基づいて特定された分取対象に対応する前記測定データを用いて機械学習を行うことで、前記分取対象を判別する学習モデルを構築する学習部と、
　　前記学習モデルを前記第１の情報処理装置に送信する学習モデル送信部と、
　をさらに備え、
　前記第１の情報処理装置は、
　　前記学習モデルを前記第２の情報処理装置から受信する学習モデル受信部と、
　　前記学習モデルに基づいて前記分取対象を判別する判別部と、
　をさらに備える、前記（１０）に記載の情報処理システム。
（１２）
　前記測定データは、前記測定対象から放射した蛍光を測定することで得られた蛍光信号である
　前記（１）～（１１）の何れか１項に記載の情報処理システム。
（１３）
　前記測定データは、前記測定対象を撮像することで得られた画像データである
　前記（１）～（１１）の何れか１項に記載の情報処理システム。
（１４）
　複数の蛍光色素を用いて染色された測定対象に光を照射して測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部と、
　前記参照データと前記圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部と、
　を備える情報処理装置。
　１０，１０’　フローサイトメータ
　２０　ネットワーク
　３０　蛍光イメージング装置
　１００，１００’，１００’’，１００’’’　第１の情報処理装置
　１０１　蛍光スペクトル取得部
　１０２　スペクトラルリファレンス記憶部
　１０３　蛍光色素量生成部（第１の処理部）
　１０４　送信部
　１０５　ダミー蛍光色素量生成部（第１の処理部）
　１０６　蛍光スペクトル復元部（第１の処理部）
　１０７　差分情報生成部（第１の処理部）
　１０８　圧縮処理部
　１０９　受信部
　１１０　学習モデル記憶部
　１１１　判別部
　２００，２００’，２００’’，２００’’’　第２の情報処理装置
　２０１　受信部
　２０２　保存部
　２０３　蛍光スペクトル復元部（第２の処理部）
　２０４　分析処理部
　２０５　蛍光色素量生成部（第２の処理部）
　２０６　解凍処理部
　２０７　補正処理部（第２の処理部）
　２０８　学習部
　２０９　送信部
　ＦＳ　蛍光スペクトル（測定データ）
　ＦＳ’　復元蛍光スペクトル（復元測定データ）
　ＦＳ’’　補正後復元蛍光スペクトル
　ＳＲ　スペクトラルリファレンス（参照データ）
　ＳＲ’　ダミースペクトラルリファレンス（ダミー参照データ）
　ＦＣ　蛍光色素量（圧縮データ）
　ＦＣ’　ダミー蛍光色素量（ダミー測定データ）
　ＤＦ　差分情報
　ＤＦ’　圧縮差分情報

Claims (14)

  1. 　第１の情報処理装置と第２の情報処理装置を含む情報処理システムであって、
    　前記第１の情報処理装置は、
    　　複数の蛍光色素を用いて染色された測定対象に光を照射して、当該照射により測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部と、
    　　前記圧縮データを前記第２の情報処理装置に送信する送信部と、
    　を備え、
    　前記第２の情報処理装置は、前記参照データと、前記第１の情報処理装置から受信した圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部を備える
    　情報処理システム。
  2. 　前記測定対象は、細胞、組織、微生物、及び、生体関連粒子のうちの少なくとも１つを含む生体由来の粒子である、請求項１に記載の情報処理システム。
  3. 　前記第１の情報処理装置と前記第２の情報処理装置とは、所定のネットワークを介して通信可能に接続されている、請求項１に記載の情報処理システム。
  4. 　前記圧縮処理は、線形処理及び非線形処理のうちの少なくとも１つを含む、請求項１に記載の情報処理システム。
  5. 　前記圧縮処理は、次元圧縮処理、クラスタリング処理、及び、グルーピング処理のうちの少なくとも１つを含む、請求項１に記載の情報処理システム。
  6. 　前記圧縮データは、前記測定対象の染色に用いた蛍光色素ごとの測定結果を表す蛍光色素量である、請求項１に記載の情報処理システム。
  7. 　前記復元処理は、前記圧縮データの逆変換処理である、請求項１に記載の情報処理システム。
  8. 　前記第１の処理部は、前記測定データに対し、前記参照データに加えてダミー参照データを用いて前記圧縮処理を行うことで、前記圧縮データにダミーデータが付加されたダミー圧縮データを生成し、
    　前記送信部は、前記ダミー圧縮データと前記ダミー参照データとを前記第２の情報処理装置に送信し、
    　前記第２の処理部は、前記参照データと前記ダミー圧縮データと前記ダミー参照データとを用いて前記復元処理を行うことで、前記復元データを生成する
    　請求項１に記載の情報処理システム。
  9. 　前記第１の処理部は、さらに、前記圧縮データと前記参照データとを用いてアンミキシングの逆変換を行うことで前記測定データを復元するとともに、復元した前記測定データである復元測定データと前記測定データとの差分を表す差分情報を生成し、
    　前記送信部は、さらに、前記差分情報を前記第２の情報処理装置に送信し、
    　前記第２の情報処理装置は、さらに、前記差分情報を前記第１の情報処理装置から受信し、
    　前記第２の処理部は、さらに、復元した測定データを前記差分情報に基づいて補正する
    　請求項１に記載の情報処理システム。
  10. 　前記第２の情報処理装置は、
    　前記圧縮データと、当該圧縮データを復元した前記測定データである復元測定データとを用いて前記測定対象の分析を行う分析処理部をさらに備える
    　請求項１に記載の情報処理システム。
  11. 　前記第２の情報処理装置は、
    　　前記分析処理部による分析結果に基づいて特定された分取対象に対応する前記測定データを用いて機械学習を行うことで、前記分取対象を判別する学習モデルを構築する学習部と、
    　　前記学習モデルを前記第１の情報処理装置に送信する学習モデル送信部と、
    　をさらに備え、
    　前記第１の情報処理装置は、
    　　前記学習モデルを前記第２の情報処理装置から受信する学習モデル受信部と、
    　　前記学習モデルに基づいて前記分取対象を判別する判別部と、
    　をさらに備える、請求項１０に記載の情報処理システム。
  12. 　前記測定データは、前記測定対象から放射した蛍光を測定することで得られた蛍光信号である
    　請求項１に記載の情報処理システム。
  13. 　前記測定データは、前記測定対象を撮像することで得られた画像データである
    　請求項１に記載の情報処理システム。
  14. 　複数の蛍光色素を用いて染色された測定対象に光を照射して測定される測定データに対し、前記測定対象の染色に用いた蛍光色素ごとの参照データを用いて圧縮処理を行うことで圧縮データを生成する第１の処理部と、
    　前記参照データと前記圧縮データとを用いて復元処理を行うことで、復元データを生成する第２の処理部と、
    　を備える情報処理装置。
PCT/JP2020/042404 2019-11-20 2020-11-13 情報処理システムおよび情報処理装置 WO2021100622A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202080073498.8A CN114729887A (zh) 2019-11-20 2020-11-13 信息处理系统和信息处理装置
US17/776,566 US20220381671A1 (en) 2019-11-20 2020-11-13 Information processing system and information processing apparatus
DE112020005725.9T DE112020005725T5 (de) 2019-11-20 2020-11-13 Informationsverarbeitungssystem und informationsverarbeitungseinrichtung

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-209936 2019-11-20
JP2019209936A JP2021081342A (ja) 2019-11-20 2019-11-20 情報処理システムおよび情報処理装置

Publications (1)

Publication Number Publication Date
WO2021100622A1 true WO2021100622A1 (ja) 2021-05-27

Family

ID=75964908

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/042404 WO2021100622A1 (ja) 2019-11-20 2020-11-13 情報処理システムおよび情報処理装置

Country Status (5)

Country Link
US (1) US20220381671A1 (ja)
JP (1) JP2021081342A (ja)
CN (1) CN114729887A (ja)
DE (1) DE112020005725T5 (ja)
WO (1) WO2021100622A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023276269A1 (ja) * 2021-06-30 2023-01-05 ソニーグループ株式会社 生体試料分析装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022076088A1 (en) 2020-10-07 2022-04-14 Becton, Dickinson And Company Methods for flow cytometry panel design based on modeling and minimizing spillover spreading, and systems for practicing the same
WO2023026742A1 (ja) * 2021-08-25 2023-03-02 浜松ホトニクス株式会社 色素画像取得方法、色素画像取得装置、及び色素画像取得プログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120263369A1 (en) * 2011-04-14 2012-10-18 Abbott Point Of Care, Inc. Method and apparatus for compressing imaging data of whole blood sample analyses
JP2013213756A (ja) * 2012-04-03 2013-10-17 Institute Of Physical & Chemical Research 多重蛍光画像の画像解析のための装置、システム、方法、およびプログラム
JP2016515203A (ja) * 2013-03-15 2016-05-26 ベンタナ メディカル システムズ， インコーポレイテッド スペクトル・アンミキシング
JP2017505901A (ja) * 2014-01-03 2017-02-23 ベリフード， リミテッドＶｅｒｉｆｏｏｄ， Ｌｔｄ． 分光システム、方法、および用途
JP2017516992A (ja) * 2014-05-23 2017-06-22 ベンタナ メディカル システムズ， インコーポレイテッド 画像内の生物学的構造及び／又はパターンの検出のためのシステム及び方法
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
JP2020087465A (ja) * 2018-11-16 2020-06-04 ソニー株式会社 情報処理装置、情報処理方法及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5985140B2 (ja) 2010-04-28 2016-09-06 ソニー株式会社 蛍光強度補正方法、蛍光強度算出方法及び蛍光強度算出装置
JP5540952B2 (ja) 2010-07-09 2014-07-02 ソニー株式会社 蛍光強度補正方法及び蛍光強度算出装置
JP5601098B2 (ja) 2010-09-03 2014-10-08 ソニー株式会社 蛍光強度補正方法及び蛍光強度算出装置
JP5834584B2 (ja) 2011-07-25 2015-12-24 ソニー株式会社 情報処理装置、情報処理方法、プログラム及び蛍光スペクトルの強度補正方法
JP5772425B2 (ja) 2011-09-13 2015-09-02 ソニー株式会社 微小粒子測定装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120263369A1 (en) * 2011-04-14 2012-10-18 Abbott Point Of Care, Inc. Method and apparatus for compressing imaging data of whole blood sample analyses
JP2013213756A (ja) * 2012-04-03 2013-10-17 Institute Of Physical & Chemical Research 多重蛍光画像の画像解析のための装置、システム、方法、およびプログラム
JP2016515203A (ja) * 2013-03-15 2016-05-26 ベンタナ メディカル システムズ， インコーポレイテッド スペクトル・アンミキシング
JP2017505901A (ja) * 2014-01-03 2017-02-23 ベリフード， リミテッドＶｅｒｉｆｏｏｄ， Ｌｔｄ． 分光システム、方法、および用途
JP2017516992A (ja) * 2014-05-23 2017-06-22 ベンタナ メディカル システムズ， インコーポレイテッド 画像内の生物学的構造及び／又はパターンの検出のためのシステム及び方法
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
JP2020087465A (ja) * 2018-11-16 2020-06-04 ソニー株式会社 情報処理装置、情報処理方法及びプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023276269A1 (ja) * 2021-06-30 2023-01-05 ソニーグループ株式会社 生体試料分析装置

Also Published As

Publication number Publication date
DE112020005725T5 (de) 2022-09-01
US20220381671A1 (en) 2022-12-01
JP2021081342A (ja) 2021-05-27
CN114729887A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
WO2021100622A1 (ja) 情報処理システムおよび情報処理装置
McKinnon Flow cytometry: an overview
US9128055B2 (en) Information processing apparatus, information processing method, program, and method of correcting intensity of fluorescence spectrum
Perfetto et al. Seventeen-colour flow cytometry: unravelling the immune system
JP7367343B2 (ja) 分取システム、及び分取方法
CN108449973B (zh) Aqua增强版本后的计算机进程
US11674879B2 (en) Methods and systems for characterizing spillover spreading in flow cytometer data
US20220003655A1 (en) Information processing apparatus, information processing method, and computer program
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
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
WO2021182031A1 (ja) 粒子解析システムおよび粒子解析方法
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
US11561161B2 (en) Information processing apparatus, information processing method, and program
US20230296492A1 (en) Information processing apparatus, flow cytometer system, sorting system, and information processing method
EP4361598A1 (en) Particle analysis system, information processing device, and collecting device
CN105894515B (zh) 用于图像数据处理的方法和系统

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: 20888972

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 20888972

Country of ref document: EP

Kind code of ref document: A1