WO2021240993A1 - ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム - Google Patents

ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム Download PDF

Info

Publication number
WO2021240993A1
WO2021240993A1 PCT/JP2021/014052 JP2021014052W WO2021240993A1 WO 2021240993 A1 WO2021240993 A1 WO 2021240993A1 JP 2021014052 W JP2021014052 W JP 2021014052W WO 2021240993 A1 WO2021240993 A1 WO 2021240993A1
Authority
WO
WIPO (PCT)
Prior art keywords
peak
score
probability
data
chromatogram
Prior art date
Application number
PCT/JP2021/014052
Other languages
English (en)
French (fr)
Inventor
陽 野田
Original Assignee
株式会社島津製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社島津製作所 filed Critical 株式会社島津製作所
Priority to JP2022527541A priority Critical patent/JP7480843B2/ja
Priority to US17/927,964 priority patent/US20230204548A1/en
Priority to CN202180037872.3A priority patent/CN115698705A/zh
Publication of WO2021240993A1 publication Critical patent/WO2021240993A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G01N30/8631—Peaks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G01N30/8631—Peaks
    • G01N30/8634—Peak quality criteria
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8624—Detection of slopes or peaks; baseline correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/88—Integrated analysis systems specially adapted therefor, not covered by a single one of the groups G01N30/04 - G01N30/86

Definitions

  • the present invention relates to a peak tracking device, a peak tracking method, and a peak tracking program.
  • the chromatogram of the sample can be obtained from the measurement data acquired by the analyzer. Method scouting is performed to optimize the analysis condition data for the purpose of increasing the degree of peak separation or shortening the analysis time.
  • peak tracking For example, the area value of the peak, the optical spectrum of the peak, the similarity of the MS spectrum of the peak, and the like are used.
  • An object of the present invention is to provide a user with useful information for identifying a peak contained in a chromatogram.
  • the peak tracking device has a chromatogram acquisition unit that acquires a plurality of chromatograms based on a plurality of measurement data obtained by giving a plurality of analysis condition data to the analyzer, and each chromatogram.
  • a score calculation unit that calculates score data based on the affiliation probability indicating which substance contained in the sample each peak belongs to, and a score display that displays the score data calculated by the score calculation unit on the display. It has a part.
  • FIG. 1 is an overall view of an analysis system according to this embodiment.
  • FIG. 2 is a configuration diagram of a computer according to the present embodiment.
  • FIG. 3 is a functional block diagram of the computer according to the present embodiment.
  • FIG. 4 is a diagram showing chromatograms obtained from different analytical condition data.
  • FIG. 5 is a flowchart showing a peak tracking method according to the present embodiment.
  • FIG. 6 is a diagram showing the relationship between the solvent concentration and the retention time.
  • FIG. 7 is a diagram showing a predicted distribution of the retention time regression curve of substance A.
  • FIG. 8 is a diagram showing a predicted distribution of the retention time regression curve of substance B.
  • FIG. 9 is a diagram showing a predicted distribution of the retention time regression curve of the substance C.
  • FIG. 1 is an overall view of an analysis system according to this embodiment.
  • FIG. 2 is a configuration diagram of a computer according to the present embodiment.
  • FIG. 3 is a functional block diagram of the computer according to the present embodiment.
  • FIG. 10 is a diagram showing a predicted distribution of the retention time regression curve of substance D.
  • FIG. 11 is a diagram showing a predicted distribution of the retention time regression curve of the substance E.
  • FIG. 12 is a diagram showing a histogram of the categorical distribution probability at the solvent concentration “0.25”.
  • FIG. 13 is a diagram showing a histogram of the categorical distribution probability at the solvent concentration “0.5”.
  • FIG. 14 is a diagram showing a histogram of the categorical distribution probability at the solvent concentration “0.75”.
  • FIG. 15 is a diagram showing a histogram of the categorical distribution probability at a solvent concentration of “1.0”.
  • FIG. 16 is a diagram showing an analysis support screen displayed on the display.
  • FIG. 1 is an overall view of the analysis system 5 according to the present embodiment.
  • the analysis system 5 includes a computer 1 and a liquid chromatograph 3.
  • the computer 1 and the liquid chromatograph 3 are connected via the network 4.
  • the network 4 is, for example, a LAN (Local Area Network).
  • the computer 1 has a function of setting analysis conditions in the liquid chromatograph 3, a function of acquiring measurement results in the liquid chromatograph 3, and a function of analyzing the measurement results.
  • a program for controlling the liquid chromatograph 3 is installed in the computer 1.
  • the liquid chromatograph 3 includes a pump unit, an autosampler unit, a column oven unit, a detector unit, and the like.
  • the liquid chromatograph 3 also comprises a system controller.
  • the system controller controls the liquid chromatograph 3 according to the control instruction received from the computer 1 via the network 4.
  • the system controller transmits the measurement result data of the liquid chromatograph 3 to the computer 1 via the network 4.
  • FIG. 2 is a configuration diagram of computer 1.
  • the computer 1 includes a CPU (Central Processing Unit) 101, a RAM (Random Access Memory) 102, a ROM (Read Only Memory) 103, a display 104, an operation unit 105, a storage device 106, a communication interface 107, and a device interface 108. ..
  • CPU Central Processing Unit
  • RAM Random Access Memory
  • ROM Read Only Memory
  • FIG. 2 is a configuration diagram of computer 1.
  • the computer 1 includes a CPU (Central Processing Unit) 101, a RAM (Random Access Memory) 102, a ROM (Read Only Memory) 103, a display 104, an operation unit 105, a storage device 106, a communication interface 107, and a device interface 108. ..
  • CPU Central Processing Unit
  • RAM Random Access Memory
  • ROM Read Only Memory
  • the CPU 101 controls the computer 1.
  • the RAM 102 is used as a work area when the CPU 101 executes a program.
  • a control program or the like is stored in the ROM 103.
  • the display 104 is, for example, a liquid crystal display.
  • the operation unit 105 is a device that accepts user operations, and includes a keyboard, a mouse, and the like.
  • the display 104 may be composed of a touch panel display, and the display 104 may have a function as an operation unit 105.
  • the storage device 106 is a device that stores various programs and data.
  • the storage device 106 is, for example, a hard disk.
  • the communication interface 107 is an interface for communicating with other computers and devices.
  • the communication interface 107 is connected to the network 4.
  • the device interface 108 is an interface for accessing various external devices.
  • the CPU 101 can access the storage medium 109 via an external device device connected to the device interface 108.
  • the storage device 106 stores the peak tracking program P1, the analysis condition data AP, the measurement data MD, the chromatogram CG, the retention time data RTD, and the score data SD.
  • the peak tracking program P1 is a program for controlling the liquid chromatograph 3.
  • the peak tracking program P1 has a function of setting analysis conditions for the liquid chromatograph 3, a function of acquiring measurement results from the liquid chromatograph 3 and generating a chromatogram CG, and a function of analyzing the measurement results.
  • the analysis condition data AP is data describing the analysis conditions set in the liquid chromatograph 3, and includes a plurality of analysis parameters.
  • the measurement data MD is the data of the measurement result acquired from the liquid chromatograph 3.
  • Retention time data RTD is data indicating the retention time of a substance contained in chromatogram CG.
  • the sample to be analyzed contains a plurality of substances
  • the chromatogram CG contains peaks of the plurality of substances.
  • the retention time data RTD includes data indicating a plurality of retention times for each chromatogram CG.
  • the score data SD is data calculated based on the probability of belonging to which substance contained in the sample each peak contained in the chromatogram belongs to.
  • FIG. 3 is a functional block diagram of the computer 1.
  • the control unit 200 is a functional unit realized by the CPU 101 using the RAM 102 as a work area and executing the peak tracking program P1.
  • the control unit 200 includes an analysis management unit 201, a chromatogram acquisition unit 202, a score calculation unit 203, and an analysis support information display unit 204.
  • the analysis management unit 201 controls the liquid chromatograph 3.
  • the analysis management unit 201 gives an instruction to the liquid chromatograph 3 for the analysis process in response to the user's instruction to set the analysis condition data AP and start the analysis process.
  • the user sets a combination of setting values of analysis parameters such as solvent concentration, solvent mixing ratio, initial gradient value, gradient gradient, and column temperature as analysis conditions.
  • the user sets a plurality of sets of combinations of these analysis parameters. For example, a combination of analysis parameters in which the solvent concentration is changed little by little, a combination of analysis parameters in which the column temperature is changed little by little, and the like are set as analysis conditions.
  • the user creates a plurality of analysis condition data APs in this way, and performs analysis processing based on the plurality of analysis condition data APs for the same sample.
  • the analysis management unit 201 also acquires the measurement data MD from the liquid chromatograph 3. As described above, the user performs analysis processing based on a plurality of analysis condition data APs. The analysis management unit 201 acquires a plurality of measurement data MDs corresponding to the plurality of analysis condition data APs.
  • the chromatogram acquisition unit 202 acquires the chromatogram CG based on the measurement data MD.
  • the chromatogram acquisition unit 202 stores the acquired chromatogram CG in the storage device 106.
  • the analysis management unit 201 acquires a plurality of measurement data MDs corresponding to the plurality of analysis condition data APs.
  • the chromatogram acquisition unit 202 acquires a plurality of chromatogram CGs corresponding to the plurality of measurement data MDs.
  • the score calculation unit 203 calculates the score data SD based on the plurality of chromatogram CGs acquired by the chromatogram acquisition unit 202.
  • the sample analyzed in the liquid chromatograph 3 in the present embodiment contains a plurality of substances.
  • the score calculation unit 203 calculates the belonging probability indicating which substance contained in the sample each peak contained in the chromatogram CG belongs to.
  • FIG. 4 is a diagram showing two chromatograms CG1 and CG2 obtained based on two different analysis condition data APs.
  • the chromatograms CG1 and CG2 are acquired based on the measurement data MD obtained for the same sample.
  • the retention time of each peak is different due to the difference in the analysis condition data AP.
  • the peaks connected by the dotted lines in the figure are peaks derived from the same substance.
  • the score calculation unit 203 calculates the belonging probability indicating which substance contained in the sample each peak contained in the chromatograms CG1 and CG2 belongs to.
  • the score calculation unit 203 performs regression analysis using the solvent concentration which is an analysis parameter included in the analysis condition data AP and the retention time data RTD of each peak obtained from the chromatogram CG.
  • the score calculation unit 203 regresses the holding time data RTD by using Bayesian inference. Then, the score calculation unit 203 calculates the belonging probability indicating which substance contained in the sample each peak contained in the chromatogram CG belongs to, based on the regression analysis result of the retention time data RTD. Then, the score calculation unit 203 generates the score data SD based on the calculated belonging probability.
  • the analysis support information display unit 204 displays information for analysis support on the display 104.
  • the analysis support information display unit 204 includes a distribution display unit 205 and a score display unit 206.
  • the distribution display unit 205 displays the result of the regression analysis in the score calculation unit 203 on the display 104.
  • the score display unit 206 displays the score data SD calculated by the score calculation unit 203 on the display 104.
  • FIG. 5 is a flowchart showing a peak tracking method according to the present embodiment. It is known that the retention time of each substance in a chromatograph can be regressed with respect to analytical parameters such as solvent concentration, pH, and column temperature. In the peak tracking method of the present embodiment, the affiliation of each peak included in the chromatogram is determined at the same time as the regression of the retention time. When solving the belonging problem at the same time as regression, the solution is not always unique. Therefore, in the present embodiment, a possible distribution is obtained as a solution by calculating the posterior distribution by Bayesian inference.
  • the user Before starting the process shown in FIG. 5, the user operates the operation unit 105 in advance to set a plurality of analysis conditions.
  • the analysis management unit 201 stores a plurality of analysis condition data APs in the storage device 106.
  • the analysis management unit 201 sets a plurality of analysis condition data APs in the liquid chromatograph 3. Specifically, the analysis management unit 201 sets a plurality of analysis condition data APs for the system controller of the liquid chromatograph 3. Accordingly, in the liquid chromatograph 3, a plurality of analysis processes are executed for the same sample based on the set analysis condition data APs. In the liquid chromatograph 3, a plurality of measurement data MDs are acquired corresponding to a plurality of analysis condition data APs.
  • step S102 the analysis management unit 201 acquires a plurality of measurement data MDs from the liquid chromatograph 3.
  • the analysis management unit 201 stores a plurality of acquired measurement data MDs in the storage device 106.
  • step S103 the chromatogram acquisition unit 202 acquires a plurality of measurement data MDs stored in the storage device 106 in step S102, and acquires a plurality of chromatogram CGs from the acquired plurality of measurement data MDs.
  • step S104 the score calculation unit 203 acquires a plurality of chromatogram CGs acquired in step S103, and acquires the retention time data RTD of each peak included in each chromatogram CG.
  • FIG. 6 is a diagram showing the relationship between the analysis condition data AP and the retention time data RTD acquired in step S104.
  • the horizontal axis indicates the solvent concentration among the analysis parameters included in the analysis condition data AP.
  • the vertical axis indicates the holding time.
  • the retention times acquired for the five solvent concentrations are graphed corresponding to the five analytical condition data APs.
  • the five retention times are plotted for each of the five solvent concentrations. These five retention times are the retention times of the five peaks of the substances A to E contained in the sample.
  • the five retention time points are indicated by five types of symbols. Specifically, it is indicated by five types of symbols, that is, a quadrangle, a star, a triangle, a circle, and a cross, in order from the one with the shortest holding time.
  • the order of the holding times may be changed depending on the solvent concentration, so the symbols in FIG. 6 are for convenience. That is, the same symbol does not necessarily mean the retention time of peaks derived from the same substance.
  • the five retention times at the concentration "0.0" are associated with the substances A to E in order from the one with the shortest retention time.
  • the quadrangle at the concentration "0.0" is the substance A
  • the star shape is the substance B
  • the triangle is the substance C
  • the circle is the substance D
  • the cross is the substance E.
  • the main object of the present invention is that the peaks corresponding to the retention times represented by the five symbols at the concentrations "0.25", "0.5", "0.75" and "1.0" are the substances A to It is to show the belonging probability of which of D belongs.
  • step S105 the score calculation unit 203 obtains the affiliation probability (posterior distribution) indicating which substance each peak belongs to by the following mathematical formula (1).
  • c is the concentration.
  • the concentration c has five types of “0.0”, “0.25”, “0.5”, “0.75”, and “1.0”.
  • i is the peak ID.
  • c) indicates the probability that a peak will be selected by the categorical distribution.
  • c) is assumed to be constant regardless of i.
  • an appropriate value can be set as the probability that the peak is selected in the concentration c.
  • an appropriate value can be set for p (i
  • f (c) is a regression function of the retention time with respect to the concentration c.
  • N (u, ⁇ ) indicates the probability of x under the conditions of mean u and standard deviation ⁇ . That is, in the formula (1), the function N indicates the likelihood of x.
  • the score calculation unit 203 performs Bayesian estimation by giving an appropriate prior distribution to the assumed noise amount (standard deviation ⁇ ) and the regression coefficient inside the regression function f (c).
  • the amount of noise (standard deviation ⁇ ) is appropriately given as an approximate value from the accuracy of the iterative processing of the liquid chromatograph 3.
  • the regression function f (c) is the logarithm of a quadratic polynomial, it is known that the coefficient of the quadratic is very small in most substances, so that it is an empirically appropriate normal.
  • the distribution can be set. Alternatively, an appropriate value can be set using an information criterion such as WAIC based on a past case in which the peak track has already been completed.
  • the first-order coefficients As for the first-order coefficients, a general tendency is known for changes in solvent concentration. Also in the example of FIG. 6, for all the substances A to E, the retention time tends to decrease to the right with respect to the solvent concentration. Therefore, more preferably, a gentle prior distribution such as a t distribution can be given empirically. As described above, the posterior distribution in which each peak belongs to the substances A to E can be obtained from the likelihood and the prior distribution. In this embodiment, Bayesian inference by NUTS sampling is used. As a result, the likelihood of i (ID) is calculated by marginalization. Using NUTS sampling is an example, and other Bayesian methods can also be used.
  • FIG. 7 to 11 are diagrams showing the predicted distribution (distribution of belonging probability) calculated by Bayesian inference for the holding time shown in FIG.
  • FIG. 7 is a predicted distribution for substance A. That is, it is a figure which shows the predicted distribution by Bayesian inference of the substance A shown by a quadrangle at a concentration "0.0".
  • FIG. 8 is a predicted distribution for substance B. That is, it is a figure which shows the predicted distribution by Bayesian inference of the substance B shown in the star shape at the concentration "0.0”.
  • FIG. 9 is a predicted distribution for substance C. That is, it is a figure which shows the predicted distribution by Bayesian inference of the substance C shown by the triangle at the concentration "0.0".
  • FIG. 10 is a predicted distribution for substance D.
  • FIG. 11 is a predicted distribution for the substance E. That is, it is a figure which shows the predicted distribution by Bayesian inference of the substance E shown by the cross at the concentration "0.0".
  • the probability that each peak belongs to substances A to E is shown by shading.
  • the dark part indicates that the affiliation probability is high, and the lighter the color, the lower the affiliation probability.
  • the peak indicated by the cross has a high probability of being substance E at any concentration.
  • the peak shown in a star shape at a concentration of “0.25” or higher has a certain probability of being a substance C as well as a probability of being a substance B. ..
  • the peak indicated by the triangle at the concentration “0.25” or higher has a probability of being substance C as well as a probability of being substance B to some extent.
  • the score calculation unit 203 calculates the likelihood L (c) shown by the following mathematical formula (2) by using the sampling of the posterior distribution.
  • step S106 the score calculation unit 203 calculates the score data SD indicating which of the substances A to E each peak belongs to, using the following mathematical formula (3).
  • the score calculation unit 203 stores the score data SD in the storage device 106.
  • FIGS. 12 to 15 are diagrams showing a histogram of the categorical distribution probability when Bayesian inference is performed for the substance C.
  • the score calculation unit 203 calculates the likelihood L (c) shown above by using the sampling of the posterior distribution, and generates a histogram of the categorical distribution probability.
  • FIG. 12 is a diagram showing a histogram of the categorical distribution probability for the substance C at the concentration “0.25”.
  • the horizontal axis is the probability of the categorical distribution
  • the vertical axis is the histogram (cumulative value) of the categorical distribution probability. That is, it is a histogram in which the categorical distribution probabilities are calculated for a plurality of analysis condition data APs and the results are aggregated.
  • the ratio shown at the top of the graph indicates the score data SD of the probability of belonging to each peak.
  • the ratio shown at the upper part of the graph is the score data SD of the affiliation probability of each peak as in FIG. 12, and is a value indicating the occupancy rate of the frequency at which the probability becomes 0.8 or more.
  • FIG. 14 is a diagram showing a histogram of the categorical distribution probability for the substance C at the concentration “0.75”.
  • the occupancy rate of the frequency at which the probability of the categorical distribution is 0.8 or more is used as the score data SD, but this is an example.
  • the score data SD may be generated based on the probability of belonging to which substance each peak belongs to. In other words, the score data SD may be any one that correlates with the probability of belonging indicating which substance each peak belongs to.
  • step S107 the score display unit 206 displays the score data SD on the display 104.
  • step S108 the distribution display unit 205 displays the distribution (predicted distribution) of the belonging probability calculated in step S105 on the display 104.
  • FIG. 16 is a diagram showing an analysis support screen displayed on the display 104. In the example shown in FIG. 16, the score data SD of the affiliation probability of the substance C and the distribution of the affiliation probability regarding the substance C are displayed on the analysis support screen.
  • the “affiliation score of substance C” is displayed based on the score data SD.
  • the affiliation score of the substance C is the same as the score displayed at the upper part of the histogram shown in FIGS. 12 to 15. Further, the distribution of the belonging probability with respect to the substance C is the same as that shown in FIG. In FIG. 16, the case where the analysis support information regarding the substance C is displayed is illustrated, but the same applies to the substances A, B, D, and E.
  • the computer 1 of the present embodiment displays the score data SD based on the belonging probability indicating which substance contained in the sample belongs to each peak contained in each chromatogram on the display 104. This allows the user to confirm the probability of belonging to the peak. Further, the computer 1 of the present embodiment displays the distribution of the belonging probability obtained by the regression analysis on the display 104. This allows the user to visually confirm the validity of the peak affiliation.
  • the liquid chromatograph 3 is an example of the analyzer.
  • the computer 1 is an example of the peak tracking device.
  • the computer 1 displays the score data SD calculated by the score calculation unit 203 on the display 104.
  • the computer 1 may output the score data SD calculated by the score calculation unit 203 to another device, another program, a process, or the like.
  • the score data SD may be output to a device that executes processing for the purpose of AQBD (Analytical Quality by Design).
  • the control unit 200 of the computer 1 further includes an output unit in addition to the functional block shown in FIG.
  • the score data SD calculated in the present embodiment may be output to a program or device that processes these design spaces.
  • the design space and the score data SD can be associated with each other to present information.
  • the liquid chromatograph 3 has been described as an example of the analyzer of the present invention.
  • the present invention is also applicable to gas chromatographs.
  • the case where the computer 1 which is the peak tracking device of the present embodiment is connected to the liquid chromatograph 3 which is an analyzer via the network 4 has been described as an example.
  • the computer 1 may be configured to be built in the analyzer.
  • the peak tracking program P1 may be stored and provided in the storage medium 109.
  • the CPU 101 may access the storage medium 109 via the device interface 108 and store the peak tracking program P1 stored in the storage medium 109 in the storage device 106 or the ROM 103.
  • the CPU 101 may access the storage medium 109 via the device interface 108 and execute the peak tracking program P1 stored in the storage medium 109.
  • the peak tracking device is A chromatogram acquisition unit that acquires a plurality of chromatograms based on a plurality of measurement data obtained by giving a plurality of analysis condition data to the analyzer, and a chromatogram acquisition unit.
  • a score calculation unit that calculates score data based on the probability of belonging indicating which substance contained in the sample each peak contained in each chromatogram belongs to.
  • a score display unit for displaying the score data calculated by the score calculation unit on a display is provided.
  • the score calculation unit may calculate the affiliation probability by performing a regression analysis of the plurality of analysis condition data and the retention time of each substance obtained based on each analysis condition data.
  • the regressable retention time can be used to provide the user with useful information for identifying peaks contained in the chromatogram.
  • the peak tracking device further A distribution display unit for displaying the distribution of the belonging probability obtained by the regression analysis may be provided.
  • the user can confirm the validity of the peak identification by referring to the distribution of the belonging probability.
  • the peak tracking device is A chromatogram acquisition unit that acquires a plurality of chromatograms based on a plurality of measurement data obtained by giving a plurality of analysis condition data to the analyzer, and a chromatogram acquisition unit.
  • a score calculation unit that calculates score data based on the probability of belonging indicating which substance contained in the sample each peak contained in each chromatogram belongs to. It includes an output unit that outputs the score data calculated by the score calculation unit.
  • Score data can be used in other devices and programs.
  • the peak tracking method is A process of acquiring a plurality of chromatograms based on a plurality of measurement data obtained by giving a plurality of analysis condition data to an analyzer, and a process of acquiring a plurality of chromatograms.
  • the peak tracking program is Processing to acquire multiple chromatograms based on multiple measurement data obtained by giving multiple analysis condition data to the analyzer, Processing to calculate score data based on the probability of belonging, which indicates which substance contained in the sample each peak contained in each chromatogram belongs to.
  • the computer is made to execute the process of displaying the calculated score data on the display.

Landscapes

  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

ピークトラッキング装置は、複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得するクロマトグラム取得部と、各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出するスコア算出部と、スコア算出部により算出されたスコアデータをディスプレイに表示するスコア表示部とを備える。

Description

ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム
　本発明は、ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラムに関する。
　分析装置において取得される測定データから、試料のクロマトグラムを取得することができる。ピークの分離度を高くすることを目的として、あるいは、分析時間を短くすることを目的として、分析条件データの最適化を図るメソッドスカウティングが行われる。
　メソッドスカウティングを行うとき、異なる分析条件データに基づいて得られる異なるクロマトグラム間で同じ物質由来のピークを決定するピークトラッキングを行う必要がある。ピークトラッキングを行うためには、例えば、ピークの面積値、ピークの光学スペクトル、または、ピークのＭＳスペクトルの類似度などが用いられる。
　また、分析条件データと分析測定データとの間で回帰分析を行うことにより、メソッドスカウティングに有用な情報を与えることができる。下記非特許文献１においては、保持時間の回帰分析が行われている。
"Ｔｅｒｎａｒｙ　ｉｓｏｃｒａｔｉｃ　ｍｏｂｉｌｅ　ｐｈａｓｅ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｕｔｉｌｉｚｉｎｇ　ｒｅｓｏｌｕｔｉｏｎ　Ｄｅｓｉｇｎ　ｓｐａｃｅ　ｂａｓｅｄ　ｏｎ　 ｒｅｔｅｎｔｉｏｎ　ｔｉｍｅ　ａｎｄ ｐｅａｋ　ｗｉｄｔｈ　ｍｏｄｅｌｉｎｇ"、Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｏｒｍａｔｏｇｒａｐｈｙ　Ａ、Ｖｏｌｕｍｅ　１２７３　９５Ｐ～１０４Ｐ、２０１３年１月１８日
　核酸医薬品、ペプチド医薬品など比較的分子量の大きな薬剤の合成において、構造の似通った類縁物が副産物として生成されることが知られている。このような類縁物は光学スペクトルも似通っているため、光学スペクトル類似度を利用してもピークトラッキングが充分に行えない場合がある。また、このような類縁物はＭＳスペクトルも似た形状になることが多く、ピーク毎に特異なクロマトグラムを出力するｍ／ｚ値を探索するために膨大な労力が必要とされる。ピーク面積値を用いる方法によっても、組み合わせを絞りきれない場合が多く、ピークトラッキングが充分に行えない場合がある。
　本発明の目的は、クロマトグラムに含まれるピークを同定するために有用な情報をユーザに提供することである。
　本発明の一局面に従うピークトラッキング装置は、複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得するクロマトグラム取得部と、各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出するスコア算出部と、スコア算出部により算出されたスコアデータをディスプレイに表示するスコア表示部とを備える。
　本発明によれば、クロマトグラムに含まれるピークを同定するために有用な情報をユーザに提供することができる。
図１は本実施の形態に係る分析システムの全体図である。 図２は本実施の形態に係るコンピュータの構成図である。 図３は本実施の形態に係るコンピュータの機能ブロック図である。 図４は異なる分析条件データから得られたクロマトグラムを示す図である。 図５は本実施の形態に係るピークトラッキング方法を示すフローチャートである。 図６は溶媒濃度と保持時間との関係を示す図である。 図７は物質Ａの保持時間回帰曲線の予測分布を示す図である。 図８は物質Ｂの保持時間回帰曲線の予測分布を示す図である。 図９は物質Ｃの保持時間回帰曲線の予測分布を示す図である。 図１０は物質Ｄの保持時間回帰曲線の予測分布を示す図である。 図１１は物質Ｅの保持時間回帰曲線の予測分布を示す図である。 図１２は溶媒濃度“０．２５”におけるカテゴリカル分布確率のヒストグラムを示す図である。 図１３は溶媒濃度“０．５”におけるカテゴリカル分布確率のヒストグラムを示す図である。 図１４は溶媒濃度“０．７５”におけるカテゴリカル分布確率のヒストグラムを示す図である。 図１５は溶媒濃度“１．０”におけるカテゴリカル分布確率のヒストグラムを示す図である。 図１６はディスプレイに表示される分析支援画面を示す図である。
　次に、添付の図面を参照しながら本発明の実施の形態に係るピークトラッキング装置、方法およびプログラムの構成について説明する。
　（１）分析システムの全体構成
　図１は、本実施の形態に係る分析システム５の全体図である。分析システム５は、コンピュータ１および液体クロマトグラフ３を備える。コンピュータ１および液体クロマトグラフ３は、ネットワーク４を介して接続される。ネットワーク４は、例えばＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）である。
　コンピュータ１は、液体クロマトグラフ３に分析条件を設定する機能、液体クロマトグラフ３における測定結果を取得し、測定結果を分析する機能などを備える。コンピュータ１には、液体クロマトグラフ３を制御するためのプログラムがインストールされる。
　液体クロマトグラフ３は、ポンプユニット、オートサンプラユニット、カラムオーブンユニットおよび検出器ユニットなどを備える。液体クロマトグラフ３は、また、システムコントローラを備える。システムコントローラは、コンピュータ１からネットワーク４経由で受信した制御指示に従って、液体クロマトグラフ３を制御する。システムコントローラは、液体クロマトグラフ３の測定結果のデータを、ネットワーク４経由でコンピュータ１に送信する。
　（２）コンピュータ（ピークトラッキング装置）の構成
　図２は、コンピュータ１の構成図である。コンピュータ１は、本実施の形態においてはパーソナルコンピュータが利用される。コンピュータ１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｃｅｓｓｉｎｇ　Ｕｎｉｔ）１０１、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１０２、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１０３、ディスプレイ１０４、操作部１０５、記憶装置１０６、通信インタフェース１０７、および、デバイスインタフェース１０８を備える。
　ＣＰＵ１０１は、コンピュータ１の制御を行う。ＲＡＭ１０２は、ＣＰＵ１０１がプログラムを実行するときにワークエリアとして使用される。ＲＯＭ１０３には、制御プログラムなどが記憶される。ディスプレイ１０４は、例えば液晶ディスプレイである。操作部１０５は、ユーザの操作を受け付けるデバイスであり、キーボード、マウスなどを含む。ディスプレイ１０４がタッチパネルディスプレイで構成され、ディスプレイ１０４が操作部１０５としての機能を備えていても良い。記憶装置１０６は、各種プログラムおよびデータを記憶する装置である。記憶装置１０６は、例えばハードディスクである。通信インタフェース１０７は、他のコンピュータおよびデバイスと通信を行うインタフェースである。通信インタフェース１０７は、ネットワーク４に接続される。デバイスインタフェース１０８は、各種の外部デバイスにアクセスするインタフェースである。ＣＰＵ１０１は、デバイスインタフェース１０８に接続された外部デバイス装置を介して記憶媒体１０９にアクセスすることができる。
　記憶装置１０６には、ピークトラッキングプログラムＰ１、分析条件データＡＰ、測定データＭＤ、クロマトグラムＣＧ、保持時間データＲＴＤ、および、スコアデータＳＤが記憶される。ピークトラッキングプログラムＰ１は、液体クロマトグラフ３を制御するためのプログラムである。ピークトラッキングプログラムＰ１は、液体クロマトグラフ３に対して分析条件を設定する機能、液体クロマトグラフ３から測定結果を取得し、クロマトグラムＣＧを生成するなど、測定結果を分析する機能などを備える。分析条件データＡＰは、液体クロマトグラフ３に設定する分析条件を記述したデータであり、複数の分析パラメータを含む。測定データＭＤは、液体クロマトグラフ３から取得した測定結果のデータである。保持時間データＲＴＤは、クロマトグラムＣＧに含まれる物質の保持時間を示すデータである。本実施の形態においては、分析される試料に複数の物質が含まれており、クロマトグラムＣＧには複数の物質のピークが含まれる。これにより、保持時間データＲＴＤには各クロマトグラムＣＧに対して複数の保持時間を示すデータが含まれる。スコアデータＳＤは、クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づいて算出されるデータである。
　図３は、コンピュータ１の機能ブロック図である。制御部２００は、ＣＰＵ１０１が、ＲＡＭ１０２をワークエリアとして使用し、ピークトラッキングプログラムＰ１を実行することにより実現される機能部である。制御部２００は、分析管理部２０１、クロマトグラム取得部２０２、スコア算出部２０３、および、分析支援情報表示部２０４を備える。
　分析管理部２０１は、液体クロマトグラフ３の制御を行う。分析管理部２０１は、ユーザによる分析条件データＡＰの設定および分析処理の開始指示を受けて、液体クロマトグラフ３に対する分析処理の指示を行う。ユーザは、溶媒濃度、溶媒混合比、グラジエント初期値、グラジエント勾配、カラム温度などの分析パラメータの設定値の組み合わせを、分析条件として設定する。ユーザは、これら分析パラメータの組み合わせを複数セット設定する。例えば、溶媒濃度を少しずつ変化させた分析パラメータの組み合わせや、カラム温度を少しずつ変化させた分析パラメータの組み合わせなどを分析条件として設定する。ユーザは、このように複数の分析条件データＡＰを作成し、同一の試料に対して複数の分析条件データＡＰに基づく分析処理を行う。
　分析管理部２０１は、また、液体クロマトグラフ３から測定データＭＤを取得する。上記のように、ユーザは、複数の分析条件データＡＰに基づく分析処理を行う。分析管理部２０１は、複数の分析条件データＡＰに対応する複数の測定データＭＤを取得する。
　クロマトグラム取得部２０２は、測定データＭＤに基づいてクロマトグラムＣＧを取得する。クロマトグラム取得部２０２は、取得したクロマトグラムＣＧを記憶装置１０６に保存する。上記のように、分析管理部２０１は、複数の分析条件データＡＰに対応する複数の測定データＭＤを取得する。クロマトグラム取得部２０２は、複数の測定データＭＤに対応する複数のクロマトグラムＣＧを取得する。
　スコア算出部２０３は、クロマトグラム取得部２０２が取得した複数のクロマトグラムＣＧに基づいて、スコアデータＳＤを算出する。本実施の形態において液体クロマトグラフ３において分析される試料は、複数の物質を含んでいる。スコア算出部２０３は、クロマトグラムＣＧに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率を算出する。
　図４は、２つの異なる分析条件データＡＰに基づいて得られた２つのクロマトグラムＣＧ１，ＣＧ２を示す図である。クロマトグラムＣＧ１，ＣＧ２は、同一の試料について得られた測定データＭＤに基づいて取得される。図４を参照すれば分かるように、クロマトグラムＣＧ１，ＣＧ２では、分析条件データＡＰの違いに起因して各ピークの保持時間が異なっている。図において点線で結ばれているピークは、同一の物質に由来するピークである。スコア算出部２０３は、クロマトグラムＣＧ１，ＣＧ２に含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率を算出する。
　具体的には、スコア算出部２０３は、分析条件データＡＰに含まれる分析パラメータである溶媒濃度と、クロマトグラムＣＧから得られる各ピークの保持時間データＲＴＤとを用いて回帰分析を行う。本実施の形態においては、スコア算出部２０３は、ベイズ推論を利用して保持時間データＲＴＤの回帰を行う。そして、スコア算出部２０３は、保持時間データＲＴＤの回帰分析結果に基づき、クロマトグラムＣＧに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率を算出する。そして、スコア算出部２０３は、算出した所属確率に基づいてスコアデータＳＤを生成する。
　分析支援情報表示部２０４は、ディスプレイ１０４に分析支援のための情報表示を行う。分析支援情報表示部２０４は、分布表示部２０５およびスコア表示部２０６を備える。分布表示部２０５は、スコア算出部２０３における回帰分析の結果をディスプレイ１０４に表示する。スコア表示部２０６は、スコア算出部２０３が算出したスコアデータＳＤをディスプレイ１０４に表示する。
　（３）ピークトラッキング方法
　次に、本実施の形態に係るコンピュータ１（ピークトラッキング装置）において実行されるピークトラッキング方法について説明する。図５は、本実施の形態に係るピークトラッキング方法を示すフローチャートである。クロマトグラフにおける各物質の保持時間は、溶媒濃度、ｐＨ、カラム温度などの分析パラメータに対して回帰できることが知られている。本実施の形態のピークトラッキング方法においては、保持時間の回帰と同時に、クロマトグラムに含まれる各ピークの所属を決定する。回帰と同時に所属問題を解く場合、解が一意になるとは限らないため、本実施の形態においては、ベイズ推論による事後分布算出によって、解としてあり得る分布を取得する。
　図５に示す処理を開始する前に、予め、ユーザが操作部１０５を操作し、複数の分析条件の設定を行う。このようなユーザの設定操作を受けて、分析管理部２０１は、記憶装置１０６に複数の分析条件データＡＰを保存する。
　次に、図５に示すステップＳ１０１において、分析管理部２０１が、複数の分析条件データＡＰを液体クロマトグラフ３に設定する。具体的には、分析管理部２０１は、液体クロマトグラフ３のシステムコントローラに対して、複数の分析条件データＡＰを設定する。これに応じて、液体クロマトグラフ３において、設定された複数の分析条件データＡＰに基づいて、同一の試料に対して複数回の分析処理が実行される。液体クロマトグラフ３において、複数の分析条件データＡＰに対応して複数の測定データＭＤが取得される。
　次に、ステップＳ１０２において、分析管理部２０１は、液体クロマトグラフ３から複数の測定データＭＤを取得する。分析管理部２０１は、記憶装置１０６に、取得した複数の測定データＭＤを保存する。
　次に、ステップＳ１０３において、クロマトグラム取得部２０２が、ステップＳ１０２において記憶装置１０６に保存された複数の測定データＭＤを取得し、取得した複数の測定データＭＤから複数のクロマトグラムＣＧを取得する。
　次に、ステップＳ１０４において、スコア算出部２０３は、ステップＳ１０３において取得された複数のクロマトグラムＣＧを取得し、各クロマトグラムＣＧに含まれる各ピークの保持時間データＲＴＤを取得する。
　図６は、分析条件データＡＰとステップＳ１０４において取得された保持時間データＲＴＤとの関係を示す図である。図６において、横軸は、分析条件データＡＰに含まれる分析パラメータのうち、溶媒濃度を示す。図６において、縦軸は、保持時間を示す。図６においては、５つの分析条件データＡＰに対応して、５種類の溶媒濃度に関して取得された保持時間がグラフされている。溶媒濃度は、“０．０”、“０．２５”、“０．５”、“０．７５”、“１．０”の５種類であるが、ここでは特に溶媒濃度の単位は意味を持たないものとする。
　５種類の溶媒濃度に対して、それぞれ５つの保持時間がプロットされている。この５つの保持時間は、試料に含まれる物質Ａ～Ｅの５つのピークの保持時間である。図６においては、５つの保持時間の点を、５種類の記号で示している。具体的には、保持時間の短い方から順に、四角形、星形、三角形、円形および十字の５種類の記号で示している。しかし、実際には、溶媒濃度によって保持時間の順序が入れ替わることもあるため、図６における記号は便宜上である。つまり、同じ記号が同じ物質由来のピークの保持時間であるとは限らない。ここで、濃度“０．０”における５つの保持時間を、保持時間の短い方から順に物質Ａ～Ｅと対応付ける。つまり、濃度“０．０”における四角形が物質Ａ、星型が物質Ｂ、三角形が物質Ｃ、円形が物質Ｄ、十字が物質Ｅであるとする。本発明の主目的は、濃度“０．２５”、“０．５”、“０．７５”、“１．０”における５つの記号で表される保持時間に対応するピークが、物質Ａ～Ｄのいずれに所属するかの所属確率を示すことである。
　次に、ステップＳ１０５において、スコア算出部２０３は、以下の数式（１）により、各ピークがいずれの物質に所属するかを示す所属確率（事後分布）を求める。
Figure JPOXMLDOC01-appb-M000001
　数式（１）において、ｃは濃度である。図６に示した例では、濃度ｃは、“０．０”、“０．２５”、“０．５”、“０．７５”、“１．０”の５種類である。数式（１）において、ｉは、ピークのＩＤである。図６に示した例では、保持時間の小さい方から順にｉ＝０～４のＩＤが付与される。つまり、図６において、四角形で示されるピークにｉ＝０、星形で示されるピークにｉ＝１、三角形で示されるピークにｉ＝２、円形で示されるピークにｉ＝４、十字で示されるピークにｉ＝４のＩＤが付与される。
　ｐ（ｉ｜ｃ）は、カテゴリカル分布によってピークが選ばれる確率を示す。ｐ（ｉ｜ｃ）は、濃度ｃにおいて、ｉ＝０～４のピークが選ばれる確率である。つまり、ｐ（ｉ｜ｃ）は、各ピークが物質Ａ～Ｅのいずれに所属するかを示す事後分布を算出するための事前分布となる。本実施の形態においては、説明を簡単にするために、ｐ（ｉ｜ｃ）は、ｉに関わらず一定であるとする。ただし、ピークのスペクトルや面積を参照することにより、濃度ｃにおいて、ピークが選ばれる確率として適当な値を設定することができる。例えば、物質Ａ～Ｅのピークの大小関係やスペクトルの類似度などを参照することで、ｐ（ｉ｜ｃ）に適当な値を設定することができる。
　数式（１）において、ｘは、濃度ｃ、ＩＤ＝ｉにおける保持時間である。数式（１）において、ｆ（ｃ）は、濃度ｃに対する保持時間の回帰関数である。Ｎ（ｕ，σ）は、平均ｕ、標準偏差σの条件下におけるｘの確率を示す。つまり、数式（１）において、関数Ｎは、ｘの尤度を示す。
　スコア算出部２０３は、想定されるノイズ量（標準偏差σ）や回帰関数ｆ（ｃ）内部の回帰係数に適当な事前分布を与えて、ベイズ推定を行う。ノイズ量（標準偏差σ）は、液体クロマトグラフ３の繰り返し処理の精度などから、おおよその値が適切に与えられる。また、回帰関数ｆ（ｃ）が２次多項式の対数となっている場合であれば、ほとんどの物質で２次の係数は非常に小さくなることが知られているので、経験的に適当な正規分布を設定することができる。あるいは、既にピークトラックが完了している過去の事例に基づいて、ＷＡＩＣなどの情報量規準を用いて、適当な値を設定することができる。１次の係数に関しては、溶媒濃度の変化に対して一般的な傾向が知られている。図６の例においても、すべての物質Ａ～Ｅについて、溶媒濃度に対して保持時間が概ね右下がりの傾向を示している。従って、より好ましくは経験的にt分布などの緩やかな事前分布を与えることができる。以上のように、尤度と事前分布から、各ピークが物質Ａ～Ｅに所属する事後分布を得ることができる。なお、本実施の形態においては、ＮＵＴＳサンプリングによるベイズ推論を用いる。これにより、ｉ（ＩＤ）について周辺化により尤度が算出される。ＮＵＴＳサンプリングを用いることは一例であり、他のベイズ理論の手法を用いることもできる。
　図７～図１１は、図６で示す保持時間について、ベイズ推論により算出された予測分布（所属確率の分布）を示す図である。図７は、物質Ａに関する予測分布である。つまり、濃度“０．０”において四角形で示す物質Ａのベイズ推論による予測分布を示す図である。図８は、物質Ｂに関する予測分布である。つまり、濃度“０．０”において星形で示す物質Ｂのベイズ推論による予測分布を示す図である。図９は、物質Ｃに関する予測分布である。つまり、濃度“０．０”において三角形で示す物質Ｃのベイズ推論による予測分布を示す図である。図１０は、物質Ｄに関する予測分布である。つまり、濃度“０．０”において円形で示す物質Ｄのベイズ推論による予測分布を示す図である。図１１は、物質Ｅに関する予測分布である。つまり、濃度“０．０”において十字で示す物質Ｅのベイズ推論による予測分布を示す図である。
　図７～図１１において、各ピークが物質Ａ～Ｅに所属する確率が、濃淡で示されている。色の濃い部分は、所属確率が高いことを示し、色が薄くなる程、所属確率が低くなることを示している。図１１に示すように、十字で示されるピークについては、いずれの濃度においても物質Ｅである確率が高いことが分かる。また、図８および図９に示すように、濃度“０．２５”以上において星形で示されるピークは、物質Ｂである確率とともに、物質Ｃである確率も、ある程度有していることが分かる。また、図８および図９に示すように、濃度“０．２５”以上において三角形で示されるピークは、物質Ｃである確率とともに、物質Ｂである確率も、ある程度有していることが分かる。
　カテゴリカル分布はサンプリング時には周辺化されているので、実際には、別途カテゴリカル分布の算出が必要である。スコア算出部２０３は、事後分布のサンプリングを用いて、以下の数式（２）で示す尤度Ｌ（ｃ）を算出する。
Figure JPOXMLDOC01-appb-M000002
　そして、スコア算出部２０３は、ステップＳ１０６において、以下の数式（３）を用いて、各ピークが物質Ａ～Ｅのいずれに所属するかを示すスコアデータＳＤを計算する。スコア算出部２０３は、スコアデータＳＤを記憶装置１０６に保存する。
Figure JPOXMLDOC01-appb-M000003
　図１２～図１５は、物質Ｃに関して、ベイズ推論を行った場合のカテゴリカル分布確率のヒストグラムを示す図である。スコア算出部２０３は、事後分布のサンプリングを用いて、上記で示す尤度Ｌ（ｃ）を計算し、カテゴリカル分布確率のヒストグラムを生成する。
　図１２は、濃度“０．２５”において、物質Ｃに関するカテゴリカル分布確率のヒストグラムを示す図である。図１２において横軸はカテゴリカル分布の確率であり、縦軸は、カテゴリカル分布確率のヒストグラム（累積値）である。つまり、複数の分析条件データＡＰについて、カテゴリカル分布確率を算出し、その結果を集計したヒストグラムである。図に示すように、確率１．０において、ｉ＝２の累積値が最も大きくなっている。また、確率１．０において、ｉ＝３の累積値が次に多くなっている。これにより、濃度“０．２５”においては、ｉ＝２のピークが物質Ｃに所属する確率が非常に高くなっていることが分かる。また、濃度“０．２５”においては、ｉ＝３のピークが物質Ｃに所属する確率も、ある程度有していることが分かる。
　図１２において、グラフの上部に示される割合は、各ピークの所属確率のスコアデータＳＤを示す。スコアデータＳＤは、所属確率が０．８以上となる頻度の占有率を示す値であり、右端からi＝０～４の場合のスコアデータＳＤを示している。図の例では、i＝０のピークのスコアデータＳＤが０、i＝１のピークのスコアデータＳＤが０．０２、ｉ＝２のピークのスコアデータＳＤが０．６９、ｉ＝３のピークのスコアデータＳＤが０．３、ｉ＝４のピークのスコアデータＳＤが０であることを示している。
　図１３は、濃度“０．５”において、物質Ｃに関するカテゴリカル分布確率のヒストグラムを示す図である。図に示すように、確率１．０において、ｉ＝２の累積値が最も大きくなっている。また、確率１．０において、ｉ＝３の累積値が次に多くなっている。これにより、濃度“０．５”においても、ｉ＝２のピークが物質Ｃに所属する確率が非常に高くなっていることが分かる。また、濃度“０．５”においても、ｉ＝３のピークが物質Ｃに所属する確率も、ある程度有していることが分かる。また、濃度“０．５”において、ｉ＝１のピークが物質Ｃに所属する確率もわずかであるが有していることが分かる。
　図１３において、グラフの上部に示される割合は、図１２と同様、各ピークの所属確率のスコアデータＳＤであり、確率が０．８以上となる頻度の占有率を示す値である。図の例では、i＝０のピークのスコアデータＳＤが０．０５、i＝１のピークのスコアデータＳＤが０．０９、ｉ＝２のピークのスコアデータＳＤが０．６１、ｉ＝３のピークのスコアデータＳＤが０．２４、ｉ＝４のピークのスコアデータＳＤが０であることを示している。
　図１４は、濃度“０．７５”において、物質Ｃに関するカテゴリカル分布確率のヒストグラムを示す図である。図１５は、濃度“１．０”において、物質Ｃに関するカテゴリカル分布確率のヒストグラムを示す図である。濃度“０．５”、“０．７５”においても、ｉ＝２のピークが物質Ｃに所属する確率が非常に高くなっていることが分かる。
　図１４の例では、i＝０のピークのスコアデータＳＤが０．１４、i＝１のピークのスコアデータＳＤが０．１２、ｉ＝２のピークのスコアデータＳＤが０．５９、ｉ＝３のピークのスコアデータＳＤが０．１６、ｉ＝４のピークのスコアデータＳＤが０であることを示している。図１５の例では、i＝０のピークのスコアデータＳＤが０．１４、i＝１のピークのスコアデータＳＤが０．１９、ｉ＝２のピークのスコアデータＳＤが０．５１、ｉ＝３のピークのスコアデータＳＤが０．１５、ｉ＝４のピークのスコアデータＳＤが０であることを示している。なお、図１１～図１４に示した例では、スコアデータＳＤとしてカテゴリカル分布の確率が０．８以上となる頻度の占有率を利用したが、これは一例である。スコアデータＳＤは、各ピークがいずれの物質に所属するかを示す所属確率に基づいて生成されるものであればよい。言い換えると、スコアデータＳＤは、各ピークがいずれの物質に所属するかを示す所属確率に相関するものであればよい。
　次に、ステップＳ１０７において、スコア表示部２０６が、スコアデータＳＤをディスプレイ１０４に表示する。続いて、ステップＳ１０８において、分布表示部２０５が、ステップＳ１０５で算出した所属確率の分布（予測分布）をディスプレイ１０４に表示する。図１６は、ディスプレイ１０４に表示された分析支援画面を示す図である。図１６で示す例では、分析支援画面には、物質Ｃの所属確率のスコアデータＳＤ、および、物質Ｃに関する所属確率の分布が表示されている。
　図１６において、“物質Ｃの所属スコア”は、スコアデータＳＤに基づいて表示される。物質Ｃの所属スコアは、図１２～図１５で示したヒストグラムの上部に表示されたスコアと同様である。また、物質Ｃに関する所属確率の分布は、図９に示したものと同様である。図１６では、物質Ｃに関する分析支援情報を表示させる場合を例示したが、物質Ａ、Ｂ、Ｄ、Ｅについても同様である。
　このように、本実施の形態のコンピュータ１は、各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータＳＤをディスプレイ１０４に表示する。これにより、ユーザは、ピークの所属確率を確認することが可能である。また、本実施の形態のコンピュータ１は、回帰分析により得られた所属確率の分布をディスプレイ１０４に表示する。これにより、ユーザは、ピークの所属の妥当性を視覚的に確認することができる。
　（４）請求項の各構成要素と実施の形態の各要素との対応
　以下、請求項の各構成要素と実施の形態の各要素との対応の例について説明するが、本発明は下記の例に限定されない。上記の実施の形態では、液体クロマトグラフ３が分析装置の例である。また、上記の実施の形態では、コンピュータ１がピークトラッキング装置の例である。
　請求項の各構成要素として、請求項に記載されている構成または機能を有する種々の要素を用いることもできる。
　（５）他の実施の形態
　上記実施の形態においては、コンピュータ１は、スコア算出部２０３が算出したスコアデータＳＤをディスプレイ１０４に表示させる。他の実施の形態としては、コンピュータ１が、スコア算出部２０３が算出したスコアデータＳＤを、他の装置または他のプログラム、プロセスなどに出力するようにしてもよい。例えば、ＡＱＢＤ（Ａｎａｌｙｔｉｃａｌ　Ｑｕａｌｉｔｙ　ｂｙ　Ｄｅｓｉｇｎ）を目的とした処理を実行する装置に、スコアデータＳＤを出力するようにしてもよい。この場合、コンピュータ１の制御部２００は、図２に示した機能ブロックに加えて、更に出力部を備える。
　例えば、ピークの保持時間や分離度を回帰分析することにより、保持時間や分離度のデザインスペースを取得するプログラムまたは装置がある。これらデザインスペースを処理するプログラムまたは装置に、本実施の形態において算出したスコアデータＳＤを出力するようにしてもよい。例えば、スコアデータＳＤを入力した装置において、デザインスペースとスコアデータＳＤとを関連付けて情報を提示することができる。
　上記実施の形態においては、本発明の分析装置として、液体クロマトグラフ３を例に説明した。本発明は、他にも、ガスクロマトグラフにも適用可能である。また、上記の実施の形態において、本実施の形態のピークトラッキング装置であるコンピュータ１は、ネットワーク４を介して分析装置である液体クロマトグラフ３に接続される場合を例に説明した。他の実施の形態として、コンピュータ１が、分析装置に内蔵される構成であってもよい。
　上記実施の形態においては、ピークトラッキングプログラムＰ１は、記憶装置１０６に保存されている場合を例に説明した。他の実施の形態として、ピークトラッキングプログラムＰ１は、記憶媒体１０９に保存されて提供されてもよい。ＣＰＵ１０１は、デバイスインタフェース１０８を介して記憶媒体１０９にアクセスし、記憶媒体１０９に保存されたピークトラッキングプログラムＰ１を、記憶装置１０６またはＲＯＭ１０３に保存するようにしてもよい。あるいは、ＣＰＵ１０１は、デバイスインタフェース１０８を介して記憶媒体１０９にアクセスし、記憶媒体１０９に保存されたピークトラッキングプログラムＰ１を実行するようにしてもよい。
　なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。
　（６）態様
　上述した複数の例示的な実施の形態は、以下の態様の具体例であることが当業者により理解される。
　（第１項）
　本発明の一態様に係るピークトラッキング装置は、
　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得するクロマトグラム取得部と、
　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出するスコア算出部と、
　前記スコア算出部により算出された前記スコアデータをディスプレイに表示するスコア表示部と、を備える。
　クロマトグラムに含まれるピークを同定するために有用な情報をユーザに提供することができる。
　（第２項）
　第１項に記載のピークトラッキング装置において、
　前記スコア算出部は、前記複数の分析条件データと各分析条件データに基づいて得られた各物質の保持時間との回帰分析を行うことにより、前記所属確率を算出してもよい。
　回帰可能な保持時間を利用して、クロマトグラムに含まれるピークを同定するために有用な情報をユーザに提供することができる。
　（第３項）
　第２項に記載のピークトラッキング装置において、
　前記ピークトラッキング装置は、さらに、
　前記回帰分析により得られた前記所属確率の分布を表示する分布表示部、を備えてもよい。
　ユーザは、所属確率の分布を参照することで、ピークの同定の妥当性を確認することができる。
　（第４項）
　第２項または第３項に記載のピークトラッキング装置において、
　前記スコア算出部は、ベイズ推論を用いることにより回帰関数に誤差を与えたときの誤差分布から取得される尤度、および、各ピークが選択される確率に基づいて前記所属確率を算出してもよい。
　ベイズ推論により、ピークがいずれの物質に所属するかを示す所属確率を提示可能である。
　（第５項）
　本発明の他の態様に係るピークトラッキング装置は、
　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得するクロマトグラム取得部と、
　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出するスコア算出部と、
　前記スコア算出部により算出された前記スコアデータを出力する出力部と、を備える。
　スコアデータを他の装置やプログラムにおいて利用可能である。
　（第６項）
　本発明の他の態様に係るピークトラッキング方法は、
　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得する工程と、
　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出する工程と、
　算出された前記スコアデータをディスプレイに表示する工程と、を含む。
　（第７項）
　本発明の他の態様に係るピークトラッキングプログラムは、
　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得する処理、
　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出する処理、
　算出された前記スコアデータをディスプレイに表示する処理、をコンピュータに実行させる。

Claims (7)

  1. 　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得するクロマトグラム取得部と、
    　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出するスコア算出部と、
    　前記スコア算出部により算出された前記スコアデータをディスプレイに表示するスコア表示部と、を備えるピークトラッキング装置。
  2. 　前記スコア算出部は、前記複数の分析条件データと各分析条件データに基づいて得られた各物質の保持時間との回帰分析を行うことにより、前記所属確率を算出する、請求項１に記載のピークトラッキング装置。
  3. 　前記ピークトラッキング装置は、さらに、
    　前記回帰分析により得られた前記所属確率の分布を表示する分布表示部、を備える、請求項２に記載のピークトラッキング装置。
  4. 　前記スコア算出部は、ベイズ推論を用いることにより回帰関数に誤差を与えたときの誤差分布から取得される尤度、および、各ピークが選択される確率に基づいて前記所属確率を算出する、請求項１に記載のピークトラッキング装置。
  5. 　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得するクロマトグラム取得部と、
    　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出するスコア算出部と、
    　前記スコア算出部により算出された前記スコアデータを出力する出力部と、を備えるピークトラッキング装置。
  6. 　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得する工程と、
    　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出する工程と、
    　算出された前記スコアデータをディスプレイに表示する工程と、を含むピークトラッキング方法。
  7. 　複数の分析条件データを分析装置に与えることによって得られた複数の測定データに基づいて、複数のクロマトグラムを取得する処理、
    　各クロマトグラムに含まれる各ピークが、試料に含まれるいずれの物質に所属するかを示す所属確率に基づくスコアデータを算出する処理、
    　算出された前記スコアデータをディスプレイに表示する処理、をコンピュータに実行させるピークトラッキングプログラム。
PCT/JP2021/014052 2020-05-28 2021-03-31 ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム WO2021240993A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2022527541A JP7480843B2 (ja) 2020-05-28 2021-03-31 ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム
US17/927,964 US20230204548A1 (en) 2020-05-28 2021-03-31 Peak tracking device, peak tracking method and peak tracking program
CN202180037872.3A CN115698705A (zh) 2020-05-28 2021-03-31 峰追踪装置、峰追踪方法及峰追踪程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020093335 2020-05-28
JP2020-093335 2020-05-28

Publications (1)

Publication Number Publication Date
WO2021240993A1 true WO2021240993A1 (ja) 2021-12-02

Family

ID=78723323

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/014052 WO2021240993A1 (ja) 2020-05-28 2021-03-31 ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム

Country Status (4)

Country Link
US (1) US20230204548A1 (ja)
JP (1) JP7480843B2 (ja)
CN (1) CN115698705A (ja)
WO (1) WO2021240993A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04212059A (ja) * 1990-01-18 1992-08-03 Hewlett Packard Co <Hp> クロマトグラフのスペクトル・データ処理方法
JPH06324029A (ja) * 1993-03-15 1994-11-25 Hitachi Ltd クロマトグラム解析表示方法及びその装置
JP2003530572A (ja) * 2000-04-11 2003-10-14 ザ プロクター アンド ギャンブル カンパニー 高速液体クロマトグラフィー・パラメータのモデル化、予測、及び最適化のための方法
WO2018211714A1 (en) * 2017-05-15 2018-11-22 Shimadzu Corporation Mass spectrometry data acquisition method
WO2019176658A1 (ja) * 2018-03-14 2019-09-19 株式会社日立ハイテクノロジーズ クロマトグラフィー質量分析方法およびクロマトグラフ質量分析装置
WO2020225864A1 (ja) * 2019-05-08 2020-11-12 株式会社島津製作所 分析装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04212059A (ja) * 1990-01-18 1992-08-03 Hewlett Packard Co <Hp> クロマトグラフのスペクトル・データ処理方法
JPH06324029A (ja) * 1993-03-15 1994-11-25 Hitachi Ltd クロマトグラム解析表示方法及びその装置
JP2003530572A (ja) * 2000-04-11 2003-10-14 ザ プロクター アンド ギャンブル カンパニー 高速液体クロマトグラフィー・パラメータのモデル化、予測、及び最適化のための方法
WO2018211714A1 (en) * 2017-05-15 2018-11-22 Shimadzu Corporation Mass spectrometry data acquisition method
WO2019176658A1 (ja) * 2018-03-14 2019-09-19 株式会社日立ハイテクノロジーズ クロマトグラフィー質量分析方法およびクロマトグラフ質量分析装置
WO2020225864A1 (ja) * 2019-05-08 2020-11-12 株式会社島津製作所 分析装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "多サンプルMS ⾼速定量解析ソフトウェア MS Quant Manager™ /Multi-sample MS,high-speed quantitative analysis software: MS Quant Manager/", REIFYCS INC. BROCHURE, 1 January 2014 (2014-01-01), pages 1 - 2, XP055878004, Retrieved from the Internet <URL:https://ja.reifycs.com/files/BrochureMsQuantManager.pdf> [retrieved on 20220112] *
NODA, AKIRA: "Retention Time Alignment Algorithm for Chromatogram", SHIMADZU REVIEW, vol. 69, no. 3-4, 2013, pages 265 - 269 *

Also Published As

Publication number Publication date
JP7480843B2 (ja) 2024-05-10
JPWO2021240993A1 (ja) 2021-12-02
US20230204548A1 (en) 2023-06-29
CN115698705A (zh) 2023-02-03

Similar Documents

Publication Publication Date Title
Broadhurst et al. Guidelines and considerations for the use of system suitability and quality control samples in mass spectrometry assays applied in untargeted clinical metabolomic studies
Amigo et al. ChroMATHography: solving chromatographic issues with mathematical models and intuitive graphics
Geladi Chemometrics in spectroscopy. Part 1. Classical chemometrics
Johnson et al. High-speed peak matching algorithm for retention time alignment of gas chromatographic data for chemometric analysis
US8428889B2 (en) Methods of automated spectral peak detection and quantification having learning mode
Fraga et al. Increasing the number of analyzable peaks in comprehensive two-dimensional separations through chemometrics
US7676329B2 (en) Method and system for processing multi-dimensional measurement data
US20080302957A1 (en) Identifying ions from mass spectral data
Giddings et al. A software system for data analysis in automated DNA sequencing
US20160209379A9 (en) Prediction of Fuel Properties
US9812306B2 (en) Shift correction for spectral analysis
Christmann et al. gc-ims-tools–A new Python package for chemometric analysis of GC–IMS data
US20170219542A1 (en) Peak extraction method and program
Nowik et al. Assessment of two-dimensional separative systems using the nearest neighbor distances approach. Part 2: separation quality aspects
Mani-Varnosfaderani et al. Estimating complicated baselines in analytical signals using the iterative training of Bayesian regularized artificial neural networks
Gibb et al. Mass spectrometry analysis using MALDIquant
JP7415771B2 (ja) 分析支援装置、分析支援方法および分析支援プログラム
WO2021240993A1 (ja) ピークトラッキング装置、ピークトラッキング方法およびピークトラッキングプログラム
Reis et al. Multiresponse and multiobjective latent variable optimization of modern analytical instrumentation for the quantification of chemically related families of compounds: Case study—Solid‐phase microextraction (SPME) applied to the quantification of analytes with impact on wine aroma
JP4639940B2 (ja) ゲル浸透クロマトグラフ装置用データ処理装置
Woehl et al. Method for automatic generation of Indirect Hard Models using crossvalidation (MAGIC) for the spectral analysis of mixture spectra
Babić et al. Resolution of protein hydrogen/deuterium exchange by fitting amide exchange probabilities to the peptide isotopic envelopes
US20060273010A1 (en) Systems for developing analytical device methods
CN110546496A (zh) 试样分析装置
Richards et al. A novel approach to the quantification of industrial mixtures from the Vinyl Acetate Monomer (VAM) process using Near Infrared spectroscopic data and a Quantitative Self Modeling Curve Resolution (SMCR) methodology

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: 21812468

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022527541

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21812468

Country of ref document: EP

Kind code of ref document: A1