Nothing Special   »   [go: up one dir, main page]

JPWO2017002226A1 - データ処理装置 - Google Patents

データ処理装置 Download PDF

Info

Publication number
JPWO2017002226A1
JPWO2017002226A1 JP2017525740A JP2017525740A JPWO2017002226A1 JP WO2017002226 A1 JPWO2017002226 A1 JP WO2017002226A1 JP 2017525740 A JP2017525740 A JP 2017525740A JP 2017525740 A JP2017525740 A JP 2017525740A JP WO2017002226 A1 JPWO2017002226 A1 JP WO2017002226A1
Authority
JP
Japan
Prior art keywords
data
image
image data
sample
principal component
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
JP2017525740A
Other languages
English (en)
Other versions
JP6477878B2 (ja
Inventor
真一 山口
真一 山口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shimadzu Corp
Original Assignee
Shimadzu Corp
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 Shimadzu Corp filed Critical Shimadzu Corp
Publication of JPWO2017002226A1 publication Critical patent/JPWO2017002226A1/ja
Application granted granted Critical
Publication of JP6477878B2 publication Critical patent/JP6477878B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01JELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J49/00Particle spectrometers or separator tubes
    • H01J49/0027Methods for using particle spectrometers
    • H01J49/0036Step by step routines describing the handling of the data generated during a measurement
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483Physical analysis of biological material
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/97Determining parameters from multiple pictures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/30Unsupervised data analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioethics (AREA)
  • Evolutionary Computation (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Biotechnology (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Signal Processing (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Urology & Nephrology (AREA)

Abstract

イメージング質量顕微鏡で得られた光学顕微画像を確認して分析者が着目する領域を特徴付ける色を指定すると、光学顕微画像抽出部(22)はその色における輝度値分布データを算出する。画像位置合わせ処理部(23)及び解像度調整部(24)は、光学顕微画像由来の輝度値分布画像とMSイメージング画像との位置合わせ処理を行うとともに空間分解能を揃える処理を行う。そのあと、統計的解析処理部(25)は輝度値分布画像とMSイメージング画像との空間的な相関係数をm/z毎に算出し、解析結果表示処理部(26)は算出された相関係数に基づいて輝度値分布画像にイオン強度分布が類似したm/zを抽出し、表示部(4)に表示する。m/zから化合物の特定が可能であれば、分析者が着目する領域と類似した分布を示す化合物を特定することができる。

Description

本発明は、試料や被検体に対し測定や観察を行うことで得られたデータを処理するデータ処理装置に関し、特に、同じ試料に対して異なる測定手法や観察手法で得られた複数の多次元(2次元、3次元など)分析データを処理することによって、該試料についての有意な情報を取得するのに好適なデータ処理装置に関する。
試料や被検体に対して所定の測定や分析を行い、該試料について所定の物理量の2次元分布を示すデータを収集する様々な装置が知られている。
例えば非特許文献1等に記載のイメージング質量顕微鏡では、生体試料などの表面の形態を光学顕微鏡によって観察しながら、同じ試料表面における特定の質量電荷比を有するイオンの2次元的な強度分布を測定することが可能である。図5は、イメージング質量顕微鏡を用いて特定の質量電荷比における2次元的なイオン強度分布画像を取得する際の手順を説明する模式図である。
イメージング質量顕微鏡では、試料100上の所定の2次元領域101内を細かく区切った各微小領域102においてそれぞれ、所定の質量電荷比範囲に亘るマススペクトルデータを取得することができる。そうして収集した、各微小領域102の2次元的な位置情報及び質量電荷比情報をパラメータとしたイオン強度を示す3次元データ(質量分析イメージングデータ)から任意の質量電荷比におけるイオン強度を抽出することで、その質量電荷比における2次元的なイオン強度分布を示すマッピング画像、つまりは質量分析イメージング画像を作成することができる。一般に、或る質量電荷比を有するイオンの強度分布は特定の物質の分布を示しているから、質量分析イメージング画像に基づいて例えば、特定の疾病に関連する物質(バイオマーカー)が生体組織内でどのように分布しているか、などといった有用な情報を得ることができる。
ただし、イメージング質量顕微鏡において収集されるデータの量は膨大であるため、いずれの質量電荷比における質量分析イメージング画像が有意な情報であるのかを調べるにはたいへんな労力を要する。そこで、従来、主成分分析(PCA)やクラスター分析、独立成分分析といった多変量解析を利用して、特徴的な2次元分布を示す質量電荷比を抽出したり、或いは、類似した2次元分布を示す複数の質量電荷比を調べたりする、などの解析が行われている(特許文献1参照)。
多変量解析を用いたこうした解析手法は、イメージング質量顕微鏡のみならず、他の分析装置で得られたデータの解析にも広く利用されている。例えば非特許文献2、3には、顕微赤外イメージング法や顕微レーザーラマン分光イメージング法において得られた画像データに対して主成分分析を実施し、試料に含まれる物質を特定することが開示されている。
しかしながら、上述したように多変量解析を用いたとしても、必ずしも分析者にとって有用な情報が得られるとは限らない。その理由の一つは、例えばイメージング質量顕微鏡で得られる質量分析イメージングデータ(多数のマススペクトルデータ)に対して多変量解析を実施することによって特異的な2次元分布を示す質量電荷比が見いだされたり、或いは、2次元分布が類似した質量電荷比が複数抽出されたりしたとしても、その2次元分布に対応する物質が必ずしも分析者が意図している特異的な物質であるとは限らないからである。また、上述した従来の解析手法では、光学顕微画像はあくまでも分析者がイメージング質量分析を実施したい試料上の領域を設定するための参照情報にすぎない。そのため、例えば光学顕微画像上で分析者が着目する形状や色を示す部位があったとしても、それに類似した2次元分布を示す質量電荷比を知るには分析者がいちいち表示上で画像を比較する作業を行わなければならず、作業が非常に面倒であった。
特開2010−261882号公報 特開2009−25275号公報 特開2014−215043号公報
小河潔、「イメージング質量顕微鏡の開発」、株式会社島津製作所、[online]、[平成27年5月15日検索]、インターネット<URL :http://www.jst.go.jp/pdf/pc201305_shimadzu.pdf> 藤巻康人、ほか1名、「顕微赤外イメージング法における多変量解析手法の向上」、東京都産業技術研究センター研究報告、第4号、2009年、[online]、[平成27年5月15日検索]、インターネット<URL :http://www.iri-tokyo.jp/joho/kohoshi/houkoku/h21/documents/n0915.pdf> 「顕微レーザーラマンを用いた主成分分析によるケミカルイメージング」、サーモフィッシャーサイエンティフィック株式会社、[online]、[平成27年5月15日検索]、インターネット<URL :http://www.thermosci.jp/ft-ir-raman/docs/M05005.pdf>
本発明は上記課題を解決するために成されたものであり、その主な目的は、異なる種類の測定や観察などによって得られた複数のデータを比較したり関連付けたりする解析処理を行うことで、従来の解析手法では得られない有用な情報を取得することができるデータ処理装置を提供することである。
上記課題を解決するために成された本発明の第1の態様によるデータ処理装置は、試料上の2次元領域に対し第1の測定手法によって得られた第1の画像データと、同試料上の2次元領域に対し前記第1の測定手法とは異なる第2の測定手法によって得られた第2の画像データとを処理し、前記試料に関する情報を求めるデータ処理装置であって、
a)第1の画像データ及び第2の画像データについて、試料上の同じ部位に対する測定結果が現れる画素の画像上での位置が一致するように位置合わせ処理を行うとともに、第1及び第2の画像データの空間分解能を揃えるデータ変換処理を行う前処理部と、
b)前記前処理部により空間的な位置が合わせられ空間分解能が統一されたあとの第1及び第2の画像データについて、空間的に対応する画素同士のデータに対する統計的解析処理を行うことにより2次元的な信号強度分布の類似性又は相違性を示す指標値を算出する統計的解析処理部と、
を備えることを特徴としている。
上記第1及び第2の測定手法としてはそれぞれ、質量分析イメージング測定、ラマン分光測定、蛍光測定、様々な波長(テラヘルツ域、遠近赤外域、可視域、紫外域、X線域など)の電磁波の放出強度の測定や吸収測定、PET(Positron Emission Tomography)測定、MRI(Magnetic Resonance Imaging)測定、ESR(Electron Spin Resonance)測定、CT(Computed Tomography)測定、EPMA(Electron Probe MicroAnalyser)による表面分析などの各種の測定や分析、或いは、電子顕微鏡や光学顕微鏡による観察などのいずれかとすることができる。なお、画像データを構成する各画素のサイズは、最小で1[nm2]程度、最大で1[m2]程度が見込まれる。
例えば本発明の第1の態様によるデータ処理装置を上述したイメージング質量顕微鏡に適用する場合、第1の測定手法として光学顕微鏡による観察を用い、第2の測定手法として質量分析イメージング測定を用いるものとすることができる。通常、光学顕微観察ではカラーの試料表面画像が得られるが、特定の色(波長)成分を有する試料表面画像を構成するデータを第1の画像データとすればよい。具体的には、光学顕微画像において分析者が着目している部位や領域が他とは異なる特徴的な色を示している場合、その色成分を有する画像つまりはその色の輝度分布を示す画像を構成するデータを第1の画像データとすればよい。また、質量分析イメージング測定では質量電荷比毎にそれぞれイオン強度分布を示す画像が得られるが、それら複数の画像を構成するデータを第2の画像データとすればよい。即ち、第1及び第2の画像データは、1枚の画像を構成するデータでなく、複数枚の画像を構成するデータであってもよい。
なお、第2の測定手法としてnが2以上のMSn測定による質量分析イメージング測定を用いることで、夾雑物の影響を避けて特定の化合物に由来する断片等の2次元分布を示す画像データを処理の対象とすることができる。
本発明の第1の態様によるデータ処理装置において、統計的解析処理部が統計的解析処理を実行する際には、第1の画像データと第2の画像データとで、試料上の同じ部位に対する測定結果が現れる画素の画像上での位置がおおむね一致している必要がある。また、両画像データの空間分解能、つまりは1個の画素に反映される試料上の微小領域のサイズが揃っている必要がある。そこで、試料上の同じ部位に対する画素の画像上の位置が一致していない場合には、前処理部はいずれか一方の画像の拡大・縮小、回転、変形などの適宜の位置合わせ処理を行う。また、空間分解能が揃っていない場合には、前処理部は、いずれか一方の画像の空間分解能を下げる又は上げる(補間する)データ変換処理を行う。これによって、第1の画像データによる画像と第2の画像データによる画像との、画素単位での対応が明確になる。
上述した光学顕微画像と質量分析イメージング画像の場合、通常、光学顕微画像のほうが空間分解能が高い。その場合、前処理部は光学顕微画像を構成するデータについて空間分解能を落とすことで、該光学顕微画像データと質量分析イメージングデータの空間分解能を揃えればよい。
そのあと統計的解析処理部は、第1の画像データと第2の画像データとについて、空間的に対応する、つまりは試料上で同じ位置に対応付けられる画素同士のデータに対する統計的解析処理を行い、2次元的な信号強度分布の類似性又は相違性を示す指標値を算出する。こうした目的のために利用できる最も単純な統計的解析処理は、二つの画像データ間の相関係数を算出する相関分析法である。また、実質的に相関性を求める手法である多変量解析、例えば部分的最小二乗法(PLS=Partial Least Squares)や判別分析などを用いてもよい。
本発明の第1の態様によるデータ処理装置では例えば、第2の画像データのデータ量(画像の枚数)が膨大である場合でも、上述したように統計的解析処理の結果得られた指標値に基づいて、光学顕微画像等の第1の画像データによる画像上での特徴的な信号強度分布に類似した2次元分布を示す第2の画像データによる画像を容易に見つけることができる。
本発明の第1の態様によるデータ処理装置において好ましくは、上記第2の画像データは、それぞれ異なるパラメータの下で得られた複数の画像を構成するデータを含み、統計的解析処理部は、第1の画像データによる一つの画像における2次元的な信号強度分布との類似性が高い又は相違性が高い画像が得られるパラメータを抽出する構成とするとよい。
第2の画像データが質量分析イメージングデータである場合、上記パラメータとは質量電荷比である。この構成によれば、例えば、その信号強度の2次元分布が、光学顕微画像中の特定の部位や領域と類似した分布を示す質量電荷比を抽出することが可能となる。例えばデータベース検索などを利用して質量電荷比から物質を特定することが可能であれば、光学顕微画像中で分析者が着目している特定の部位や領域に対応する物質を調べることもできる。
上述したように相関係数を利用した統計的解析処理を行う場合には、上記統計的解析処理部は、第2の画像データによる複数の画像のそれぞれについて、第1の画像データによる一つの画像と前記第2の画像データによる一つの画像との相関係数を算出し、その相関係数に基づいて2次元的な信号強度分布の類似性が高い又は相違性が高い画像が得られるパラメータを抽出すればよい。
一方、統計的解析処理に多変量解析を利用する場合には、複数の画像を構成する画像データをまとめて処理することができるから、上記統計的解析処理部は、第1の画像データと第2の画像データとに対し多変量解析を行い、その結果に基づいて2次元的な信号強度分布の類似性が高い又は相違性が高い画像が得られるパラメータを抽出することができる。
また第2の画像データのみならず、第1の画像データも、異なるパラメータの下で得られた複数の画像を構成するデータを含むようにしてもよい。例えば、カラーの光学顕微画像は複数の色成分を有する試料表面画像に分離することができるから、色又は波長がパラメータであるとみなすことができる。この場合、統計的解析処理に多変量解析を用いることで、2次元的な信号強度分布が類似している又は相違している第1の測定手法におけるパラメータと第2の測定手法におけるパラメータとの組み合わせを抽出することができる。
上記課題を解決するために成された本発明の第2の態様によるデータ処理装置は、試料上の2次元領域内の複数の微小領域毎に得られた試料スペクトルデータと、基準となる基準スペクトルデータとを処理し、前記試料に関する情報を求めるデータ処理装置であって、
a)前記微小領域毎に、該微小領域に対応する試料スペクトルデータと前記基準スペクトルデータとに対する統計的解析処理を行ってスペクトルの類似性又は相違性を示す指標値を算出する統計的解析処理部と、
b)前記統計的解析処理部により微小領域毎に得られた指標値に基づいて、試料上の前記2次元領域に対応する指標値の2次元分布を示す画像を作成する画像作成部と、
を備えることを特徴としている。
ここで、スペクトルとは例えば、質量分析装置で得られる質量電荷比を一方の軸とするマススペクトル、電磁波の放出強度の測定や吸収測定によって得られる波長若しくは波数又はエネルギを一方の軸とするスペクトル、などが代表的なものである。スペクトルとしてnが2以上のMSn測定によって得られたマススペクトルを用いることで、夾雑物の影響を避けて特定の化合物に由来する断片等のMSnスペクトルに基づく処理結果を得ることができる。またスペクトルは、そうした測定によって直接取得されるものに限らない。例えば、本出願人が出願しているPCT/JP2014/082384号の明細書に記載されているように、質量分析イメージングデータに対し主成分分析などの多変量解析を実行すると各主成分における因子負荷量を求めることができるが、因子負荷量は質量電荷比毎に求まるから、質量電荷比と因子負荷量との関係を示すマススペクトル様の因子負荷量スペクトルを作成することができる。そこで、基準スペクトルデータとしてこの因子負荷量スペクトルを用い、試料スペクトルデータとして測定によって得られたマススペクトルを用いてもよい。
本発明の第2の態様によるデータ処理装置をイメージング質量顕微鏡に適用し、基準スペクトルデータとして既知の物質に対応するマススペクトルを用いた場合には、画像作成部により、その既知の物質が存在している可能性の高い領域を示す画像を作成することができる。また、本発明の第2の態様によるデータ処理装置をイメージング質量顕微鏡に適用し、質量分析イメージングデータに対して主成分分析を行うことで得られた適宜の主成分における因子負荷量スペクトルを基準スペクトルデータとした場合には、画像作成部により、測定対象とされた試料上の2次元領域の全体的なマススペクトルを特徴付ける物質と画素毎に存在する物質との化学構造の類似性の程度の分布を示す画像を作成することができる。
また上記課題を解決するために成された本発明の第3の態様によるデータ処理装置は、試料上の2次元領域に対し第1の測定手法によって得られた第1の画像データと、同試料上の2次元領域に対し前記第1の測定手法とは異なる第2の測定手法によって得られた第2の画像データとを処理し、前記試料に関する情報を求めるデータ処理装置であって、
a)第1の画像データに対し主成分分析を行い主成分毎にスコア値の2次元分布を示すスコア値分布データを求めるとともに、同様に第2の画像データに対し主成分分析を行い主成分毎にスコア値の2次元分布を示すスコア値分布データを求める主成分分析実行部と、
b)前記主成分分析実行部により得られた、第1の画像データに基づく任意の主成分におけるスコア値分布データと第2の画像データに基づく任意の主成分におけるスコア値分布データとを空間的に比較し、空間的に相関性の高い主成分の組み合わせを抽出する関連主成分抽出部と、
を備えることを特徴としている。
本発明の第3の態様によるデータ処理装置において、例えば、第1の画像データとして上述したような光学顕微画像を構成するデータ、或いは、様々な波長の電磁波の放出強度の測定や吸収測定によるデータを用い、第2の画像データとして質量分析イメージングデータを用いるものとすることができる。その場合、光学顕微観察や光学的な測定に対する主成分分析で求まる主成分と質量分析イメージング測定に対する主成分分析で求まる主成分との相関性を調べることができるので、例えば相関の高い主成分同士の因子負荷量スペクトルを比較し、質量電荷比と波長やエネルギとの両方から特徴的な物質を推定することができる。
また上記課題を解決するために成された本発明の第4の態様によるデータ処理装置は、試料上の2次元領域に対し所定の測定手法によって異なる第1のパラメータの下で得られた複数の画像を構成するデータを含む第1の画像データと、前記試料上の前記2次元領域とは異なる2次元領域又は他の試料の2次元領域に対し前記所定の測定手法によって異なる第2のパラメータの下で得られた複数の画像を構成するデータを含む第2の画像データとを処理し、1又は複数の試料に関する情報を求めるデータ処理装置であって、
a)第1の画像データに対し主成分分析を行い主成分毎に第1のパラメータと因子負荷量との関係を示す因子負荷量スペクトルを求めるとともに、第2の画像データに対し主成分分析を行い主成分毎に第2のパラメータと因子負荷量との関係を示す因子負荷量スペクトルを求める主成分分析実行部と、
b)第1の画像データに基づく主成分毎の因子負荷量スペクトルと第2の画像データに基づく主成分毎の因子負荷量スペクトルとを比較し、スペクトルの相関性の高い主成分の組み合わせを抽出する関連主成分抽出部と、
を備えることを特徴としている。
本発明の第4の態様によるデータ処理装置では、第1の画像データを得るための測定手法と第2の画像データを得るための測定手法は同じである。また、この場合、第1の画像データを得る対象の試料と第2の画像データを得る対象の試料とは同じでも異なるものでもよい。いずれにしても、第1の画像データに基づく或る主成分の因子負荷量スペクトルと第2の画像データに基づく或る主成分の因子負荷量スペクトルとの相関が高い場合には、それら主成分におけるスコア値の2次元分布を比較することができる。
本発明に係るデータ処理装置によれば、試料に含まれる物質を特定したり、物質の2次元分布を把握したり、さらには特定した物質を定量したりするうえで、試料に関する有用な情報を収集することができる。具体的には本発明に係るデータ処理装置によれば例えば、光学顕微画像上で分析者が着目している色を有する部位や領域に特異的に存在している物質の質量電荷比を簡便に調べることができる。それによって、分析者が着目している2次元分布を示す物質を容易に且つ正確に同定することができるようになる。
本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第1実施例の概略構成図。 第1実施例のイメージング質量顕微鏡システムにおけるデータ処理対象の画像の一例を示す図。 第1実施例のイメージング質量顕微鏡システムにおけるデータ処理を示すフローチャート。 図3に示したデータ処理を説明するための模式図。 イメージング質量顕微鏡を用いて特定の質量電荷比における2次元的なイオン強度分布画像を取得する際の手順を説明する模式図。 本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第3実施例の概略構成図。 第3実施例のイメージング質量顕微鏡システムにおけるデータ処理を説明するための模式図。 本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第4実施例の概略構成図。 第4実施例のイメージング質量顕微鏡システムにおけるデータ処理を説明するための模式図。 本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第5実施例の概略構成図。 第5実施例のイメージング質量顕微鏡システムにおけるデータ処理を説明するための模式図。 生体から取り出した組織切片をHE染色して撮影した光学顕微画像の一例を示す図。 図12に示した画像を関心領域の色と非関心領域の色とに基づいてモノクロ画像に変換した画像。 元の光学顕微画像(a)、該画像に対し主成分分析を実施して取得した主成分毎のスコア値の分布画像(c)〜(e)、及び、それら分布画像から求めた疑似カラー合成画像(b)。 元の光学顕微画像(a)、該画像に対し主成分分析を実施して取得した主成分毎のスコア値の分布画像(c)〜(e)、及び、それら分布画像から求めた疑似カラー合成画像(b)。
本発明に係るデータ処理装置の幾つかの実施例について、添付図面を参照して説明する。
[第1実施例]
図1は本発明に係るデータ処理装置を含むイメージング質量顕微鏡システムの第1実施例の概略構成図である。
このシステムは、イメージング質量顕微鏡本体1及びデータ処理部2を含む。
イメージング質量顕微鏡本体1は、試料上の2次元領域についての光学的な顕微観察画像を取得する光学顕微観察部11と、同じ試料上の所定の2次元領域を細かく区分した微小領域毎にそれぞれ所定の質量電荷比範囲に亘る質量分析を実施し、それぞれマススペクトルデータを収集するイメージング質量分析部12と、を含む。
データ処理部2は、光学顕微画像データを格納する光学顕微画像データ記憶領域211、及び質量分析イメージングデータを格納するMSイメージングデータ記憶領域212を有するデータ格納部21と、光学顕微画像特徴抽出部22と、画像位置合わせ処理部23と、解像度調整部24と、統計的解析処理部25と、解析結果表示処理部26と、を機能ブロックとして備える。また、データ処理部2には、ユーザーがデータ処理のための各種パラメータを入力したり指示をしたりするための入力部3と、取得された各種画像や解析結果を表示するための表示部4とが接続されている。
なお、データ処理部2は、パーソナルコンピュータをハードウエア資源とし、そのパーソナルコンピュータに予めインストールされた専用の処理ソフトウエアを該コンピュータで実行することにより各部の機能が実現されるものとすることができる。
イメージング質量顕微鏡本体1には、例えば生体から切り出された生体組織切片などの試料がセットされる。光学顕微鏡や撮像部を含む光学顕微観察部11ではその試料表面の光学顕微画像が撮影され、それによって得られた画像データがデータ処理部2に送られて、データ格納部21の光学顕微画像データ記憶領域211に保存される。一方、図示しないが、イメージング質量分析部12は、レーザ脱離イオン化法によるイオン源、飛行時間型質量分析計などを含み、すでに説明した図5に示したように、試料100上の所定の2次元領域101を細かく区切った微小領域(これが一つの画素となる)102毎にレーザ光を照射して該微小領域102に存在する成分をイオン化し、生成されたイオンを質量電荷比毎に分離して検出することによりマススペクトルデータを取得する。そして得られた多数の微小領域102におけるマススペクトルデータがデータ処理部2に送られ、データ格納部21のMSイメージングデータ記憶領域212に保存される。
なお、イメージング質量分析部12では必要に応じてnが2以上であるMSn測定が微小領域102毎に実施され、MSnスペクトルデータが収集される。したがって、MSイメージングデータ記憶領域212に保存されるマススペクトルデータはMSnスペクトルデータである場合もある。
図2(a)は生体試料の光学顕微画像の一例、図2(b)は同じ生体試料についてイメージング質量分析を実行して得られるトータルイオン電流信号(TIC)による質量分析イメージング画像の一例である。この生体試料は脳梗塞モデルマウスの脳組織切片である。データ格納部21にこうした画像を構成するデータが格納されている状態で実施されるデータ処理部2による特徴的な処理動作を、図3及び図4を参照しつつ説明する。図3は本実施例のシステムにおけるデータ処理の流れを示すフローチャート、図4はそのデータ処理を説明するための模式図である。
まず分析者が入力部3において所定の操作を行うと、光学顕微画像特徴抽出部22は指定された光学顕微画像に対応するデータを光学顕微画像データ記憶領域211から読み出し、光学顕微画像を再現して表示部4の画面上に表示する。分析者は表示された光学顕微画像を見て着目する領域や部位を定め、その着目する領域や部位を特徴付けるRGBカラーの原色(つまりはR、G又はBのいずれか)やそれ以外の特定の色を決定し入力部3から指示する(ステップS1)。図2(a)に示した例の場合、脳梗塞のために血流が止まっている部位(図2(a)では右側の白色に見える部分)や、逆に血流が未だ確保されている部位(図2(a)では左側の部分。この部分はカラー画像では赤色で示される。)が着目する部位である。
次に光学顕微画像特徴抽出部22は、光学顕微画像に対し適宜の光学フィルタ処理を行うことで、着目する領域に特徴的である原色における輝度値の分布データを算出する(ステップS2)。例えば上述したように血流が未だ確保されている部位が着目する領域である場合には、赤色の部分のみを抽出する光学フィルタ処理を行い、各画素における赤の輝度値データを求める。このデータは、図4に示すように、着目部位に対応する特定の色の分布画像(以下「特定色輝度値分布画像」という)を作成可能なデータである。
ここで、ステップS1、S2の処理の別の実例を挙げる。図12は、生体から取り出した組織切片をヘマトキリシン・エオジン(HE)染色したうえで撮影した光学顕微画像である。この画像において分析者が、図中に(1)で示した部位を関心領域、(2)で示した領域を非関心領域として指示したものとする(図12では分かりにくいが、関心領域と非関心領域とは組織の色に差異がある)。光学顕微画像特徴抽出部22は、関心領域の色と非関心領域の色とに基づき、関心領域に近い色ほど白く、非関心領域に近い色ほど黒くなるようにモノクロ画像に変換する。それによって得られたのが図13に示す画像である。この画像では関心領域が明確に示されており、これを特定色輝度値分布画像として用いることができる。
また、着目する領域や部位に特徴的である色が不明である場合や光学顕微画像上で視覚的に色の相違が分かりにくいような場合には、主成分分析等の多変量解析を利用して、着目する領域や部位に特徴的である色を求めたり色の相違が明確なるように画像を変換したりしてもよい。
図14、図15はそうした処理の一例を示す例で、図14は図12に示したHE染色による光学顕微画像を処理した例、図15は図2に示した脳梗塞モデルマウスの脳組織切片の光学顕微画像を処理した例である。図14、図15において(a)は元の画像であり、この画像を構成する各画素のデータに対し主成分分析を実行し、第1乃至第3主成分(PC1〜PC3)におけるスコア値の分布を示したのが(c)〜(e)である。このPC1〜PC3におけるスコア値の分布画像にそれぞれR、G及びBのカラーを割り当て合成した結果が(b)である。元の画像では色が似通っている部位がこの疑似カラー合成画像では明瞭に異なる色で示されていることが分かる。光学顕微画像特徴抽出部22がこうした疑似カラー画像を作成しそれを表示部4に表示することによって、分析者は着目する領域や部位を容易に探し出すことができるようになる。
続いて画像位置合わせ処理部23は、光学顕微画像上と質量分析イメージング画像上とにおける同じ対象物の像の大きさ、向き、歪みなどを修正する位置合わせ処理を行う(ステップS3)。具体的には、例えば指定された光学顕微画像を基準とし、質量分析イメージング画像について拡大・縮小、回転、さらには、所定のアルゴリズムに従った変形を行うことで両画像における試料上での位置関係をおおむね一致させる。この際に用いる質量分析イメージング画像としては図2(b)に示したようなTICによる質量分析イメージング画像を用いることが好ましいが、適宜の質量電荷比における質量分析イメージング画像でもよい。また、光学顕微画像を基準とするのではなく質量分析イメージング画像のほうを基準としてもよいが、その場合には、光学顕微画像を用いて位置合わせのための調整量を算出し、その調整量に従って特定色輝度値分布画像について拡大・縮小、回転、変形を行えばよい。なお、このような画像位置合わせ処理を実行するために、例えば特許文献1に記載の手法を利用することができる。
また、光学顕微画像の解像度(位置分解能)は通常、撮像用カメラの解像度で決まるのに対し、質量分析イメージング画像の解像度はイオン化のために試料に照射されるレーザ光のスポット径によって決まる。そのため、質量分析イメージング画像の解像度は光学顕微画像の解像度に比べて低いことが多い。後述の演算処理を行うには両画像の位置分解能が揃っていることが好ましいから、解像度調整部24は両画像の解像度を揃える解像度調整処理を実施する(ステップS4)。
解像度を揃える簡単な方法は、解像度が高いほうの画像の解像度を落として低解像である画像に合わせる方法である。こうした方法としては例えばビニング処理が有用である。また、解像度が低いほうの画像の解像度を上げることで高解像である画像に合わせるようにしてもよい。そのためには、低解像の画像に対しアップサンプリング処理を行って画素数をみかけ上合わせたあとに、或る画素に隣接する又は近接する複数の画素値を利用した補間処理によって、アップサンプリングによって新たに挿入された画素の画素値を算出して埋めればよい。こうした補間処理による解像度調整処理としては例えば特許文献2、3に記載の手法を利用することができる。
上述した画像位置合わせ処理及び解像度調整処理によって、光学顕微画像から求めた特定色輝度値分布画像と質量分析イメージング画像との間で、2次元的に同じ位置にある画素同士を対応付けることができるようになる。そこで統計的解析処理部25は、特定色輝度値分布画像と類似した2次元分布を示す質量電荷比を探索するために、画像位置合わせ処理及び解像度調整処理が施された特定色輝度値分布画像を構成する輝度値データと質量分析イメージングデータとに適宜の統計的解析手法を適用する(ステップS5)。ここで利用できる最も単純な統計的解析手法は相関係数を利用した相関分析法である。
即ち、或る一つの質量電荷比の質量分析イメージング画像におけるイオン強度分布は、総画素数を次元とする多次元空間における1本のベクトルmで表すことができる。また、特定色輝度値分布画像における輝度値の分布も同様に、総画素数を次元とする多次元空間における1本のベクトルrで表すことができる。したがって、多次元空間におけるそれら2本のベクトルm、rに基づいて画像同士の相関係数を計算することができる。図4に示すように、質量電荷比が相違する質量分析イメージング画像毎にそれぞれ相関係数を計算する。相関係数が正値で1に近いほど、その質量電荷比におけるイオン強度分布は輝度値の分布に近いことを意味し、相関係数が負値で−1に近いほど、その質量電荷比におけるイオン強度分布は輝度値分布を反転したものに近いことを意味する。
統計的解析処理部25は、上述のように質量電荷比毎に算出された相関係数を予め決められた閾値と比較し、輝度値の分布に近いイオン強度分布を示す質量電荷比を抽出する(ステップS6)。解析結果表示処理部26は、ステップS6で抽出された1又は複数の質量電荷比を解析結果として表示部4の画面上に表示する(ステップS7)。また、抽出された質量電荷比における質量分析イメージング画像を作成し、その画像を表示部4の画面上に表示してもよい。
このようにしてこの第1実施例のイメージング質量顕微鏡システムでは、光学顕微画像において分析者が着目する部位や領域の形状に類似したイオン強度分布を示す質量電荷比を抽出し、その質量電荷比や該質量電荷比における質量分析イメージング画像を分析者に提示することができる。また、その質量電荷比に対応する化合物を例えばデータベース検索などにより特定し、その化合物名称などを表示するようにしてもよい。
なお、これとは逆に、光学顕微画像において分析者が着目する部位の形状に類似しない質量電荷比を抽出し、該質量電荷比に対応する化合物を特定して表示することもできる。
また上記説明では、ステップS5における統計的解析手法として単純な相関係数を利用した手法を用いたが、例えば部分最小二乗法(PLS)等の多変量解析を用いてもよい。例えばPLSを利用する場合には、光学顕微画像に基づく1枚の画像を構成する輝度値データと多数枚の画像を構成する質量分析イメージングデータそれぞれを行列の形式で表し、既知のPLSの手法でスコアを計算する。PLSスコアは一方の画像データを教師データとした両データの相関を示しているから、高いスコアを与えるデータに基づいて適切な質量電荷比を選択することができる。また、相関性を示す指標値を算出する多変量解析であれば、PLS以外の多変量解析を用いることもできる。
上記第1実施例では、光学顕微画像から求めた特定の色の輝度分布画像という2次元データと質量電荷比毎のイオン強度分布画像という3次元データとを比較し、2次元データにおける分布に類似した質量電荷比を抽出するようにしていたが、同じ試料の同じ領域に対して取得したデータであれば2次元データとして上記以外の様々なデータについて同様の処理を行うことができる。
例えば、特定の波長を有する光やX線などの電磁波の吸収の度合いや放射強度の分布を示すデータ、ラマン散乱光や蛍光などの強度分布を示すデータや染色画像データ、PET(陽電子放出断層撮影)、CT(コンピュータ断層撮影)、MRI(核磁気共鳴画像)、ESR(電子スピン共鳴)などにより撮影された画像データ、放射線同位体標識を利用した画像データ、EPMAやSPM(Scanning Probe Microscope)などで取得された表面凹凸画像データなどを2次元データとして用いることができる。また、3次元データとして質量分析イメージングデータに代えて、例えば様々な波長における光の吸収の度合いを示すデータなどを用いることができる。
特に上述したように生体組織切片などを対象とした場合、試料の光学顕微画像として試料を蛍光標識することで得られた画像を用い、3次元データとして試料に対するnが2以上のMSn測定により得られた質量分析イメージングデータを用いると有利である。3次元データとして単なるMS1測定による質量分析イメージングデータでなくnが2以上のMSn測定による質量分析イメージングデータを用いると、夾雑物が存在していてもその影響を排除して、目的とする化合物に由来する断片(部分構造)の2次元分布を反映した画像データを得ることができる。また、特定のタンパク質と結合する蛍光色素等を用いて試料を蛍光標識した蛍光顕微画像を用いれば、上記ステップS2の処理によって、その特定のタンパク質の分布についての正確性の高い画像が得られる。それによって、その特定のタンパク質の分布について光学顕微画像と質量分析イメージング画像との比較の信頼性や正確性が向上する。
[第2実施例]
上述したとおり、第1実施例では、カラー画像である光学顕微画像から特定の色の輝度分布画像を抽出しており、この輝度分布画像を構成するデータは2次元データであるが、元の光学顕微画像はRGBの色(つまりは波長)毎に輝度の分布を有しているから、これは色又は波長を一つのパラメータとする3次元データである。そこで、光学顕微画像を構成するデータ、つまりはRGBという異なる色毎の輝度分布データと質量電荷比毎の質量分析イメージングデータとからそれぞれ求めた行列に対しPLSなどの多変量解析による統計的解析処理を行うことにより、類似した分布を示す色又は波長と質量電荷比との組み合わせを抽出する構成とすることができる。
この構成においても、上記第1実施例と同様に、生体組織切片などを対象とした場合には、試料の光学顕微画像として試料を蛍光標識することで得られた画像を用い、3次元データとして試料に対するnが2以上のMSn測定により得られた質量分析イメージングデータを用いると有利である。
[第3実施例]
図6は本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第3実施例の概略構成図、図7は第3実施例のイメージング質量顕微鏡システムにおけるデータ処理を説明するための模式図である。図6において第1実施例を説明した図1と同じ構成要素には同じ符号を付してある。
このシステムにおけるデータ処理部2は、質量分析イメージングデータを格納するMSイメージングデータ記憶部220と、既知の様々な化合物についてマススペクトル(MSnスペクトルを含む)が登録されている化合物データベース221と、基準スペクトル選択部222と、統計的解析処理部223と、相関係数分布画像作成部224と、を機能ブロックとして備える。
イメージング質量顕微鏡本体1においてイメージング質量分析部12で所定の試料に対する質量分析イメージング測定が行われることにより、MSイメージングデータ記憶部220には、第1実施例のシステムにおいてMSイメージングデータ記憶領域212に格納されるのと同様の質量分析イメージングデータが格納される。
分析者は入力部3から、例えば試料に含まれると推測される観測対象の目的の化合物を指定する。すると、基準スペクトル選択部222は化合物データベース221にアクセスし、指定された化合物に対応するマススペクトルを読み出し、これを基準スペクトルとして統計的解析処理部223に設定する。統計的解析処理部223は、基準スペクトルとして設定された一つのマススペクトルデータと、MSイメージングデータ記憶部220に格納されている画素毎に得られたマススペクトルデータとについてそれぞれ信号強度の相関係数を求める(図7参照)。即ち、画素毎にマススペクトルの相関性を示す指標値として相関係数が求まる。相関係数分布画像作成部224は、画素毎の相関係数の値を例えばカラースケール又はグレイスケールに従って表示色又は濃淡に変換し、その2次元分布を示す画像を作成する。そして、その画像を表示部4の画面上に表示する。
なお、画素毎にマススペクトル同士の相関係数を算出して相関係数の分布を示す画像を作成する代わりに、PLSなどの多変量解析による統計的解析処理を行うことにより、粗スペクトル同士の相関性を2次元的に示す画像を作成するようにしてもよい。
マススペクトルの類似性が高ければ同じ化合物である可能性が高いから、上述したようにして表示される相関係数分布画像は分析者が指定した目的化合物が存在している可能性が高い領域を示す2次元分布画像となる。
また基準スペクトルとして、マススペクトルのように測定によって得られるものではなく、何らかのデータ処理によって得られるスペクトルを用いてもよい。具体的には、前述したように、質量分析イメージングデータに対し主成分分析を行うことで、各主成分において、質量電荷比と因子負荷量との関係を示す因子負荷量スペクトルを作成することができる。この因子負荷量スペクトルは全体としてより多く存在する類似した部分的な化学構造を示している。そこで、基準となる試料に対する測定で得られた質量分析イメージングデータに基づいて算出した主成分毎の因子負荷量スペクトルを基準スペクトルとし、上述したように相関係数分布画像を作成すると、部分的な化学構造が類似した化合物が多く存在する領域を見つけることができる。
またこの第3実施例においても、上記第1実施例と同様に、nが2以上のMSn測定により得られたMSnスペクトルデータを処理の対象とするとよい。例えば、特定のタンパク質の分布を調べたいものの該タンパク質とほぼ同じ質量電荷比を有する夾雑物が多く、MSnスペクトルを利用したとしても十分に夾雑物の影響を除去できないような場合に、画素毎に得られたMSnスペクトルデータを質量分析イメージングデータとし、基準となるMSnスペクトルとの相関係数を画素毎に算出したり、PLSなどの多変量解析による統計的解析処理を行ったりして相関性を示す画像を作成すると、夾雑物の影響の少ない信頼性の高い画像が得られる。
[第4実施例]
図8は本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第4実施例の概略構成図、図9は第4実施例のイメージング質量顕微鏡システムにおけるデータ処理を説明するための模式図である。図8において第1実施例を説明した図1と同じ構成要素には同じ符号を付してある。
このシステムでは、測定部としてイメージング質量顕微鏡本体1とは別に、試料上の2次元領域における赤外光の吸収率の分布を測定する2次元赤外吸収測定部5を備える。この2次元赤外吸収測定部5は、赤外顕微鏡の光学系、リニアアレイ型検出器、及び、試料を該検出器のアレイの延伸方向と直交する方向に移動させる試料移動機構を組み合わせたものであり、試料上の所定の2次元領域を細かく区切った微小領域毎に赤外吸収スペクトルを取得可能である。
データ処理部2は、質量分析イメージングデータを格納するMSイメージングデータ記憶部230と、微小領域毎の赤外吸収スペクトルデータを集めた赤外吸収イメージングデータを格納する赤外吸収イメージングデータ記憶部231と、画像位置合わせ処理部232、解像度調整部233と、主成分分析処理部234と、PCAスコア分布データ記憶部235と、統計的解析処理部236と、相関結果表示処理部237と、を機能ブロックとして備える。
イメージング質量顕微鏡本体1においてイメージング質量分析部12で所定の試料に対する質量分析イメージング測定が行われることにより、MSイメージングデータ記憶部230には、第1実施例のシステムにおいてMSイメージングデータ記憶領域212に格納されるのと同様の質量分析イメージングデータが格納される。また、同じ試料の同じ領域に対し2次元赤外吸収測定部5で赤外吸収イメージング測定が行われることにより、赤外吸収イメージングデータ記憶部231に、微小領域毎の所定波長範囲に亘る赤外吸収スペクトルデータが格納される。
分析者が入力部3から処理の開始を指示すると、画像位置合わせ処理部232及び解像度調整部233は第1実施例における画像位置合わせ処理部23及び解像度調整部24と同様に、MSイメージングデータと赤外吸収イメージングデータとの画像位置合わせ処理及び解像度調整処理を実施する。これらいずれかの又は両方の処理は必要がなければ省くことができる。主成分分析処理部234は、画像位置合わせ処理及び解像度調整処理済みのMSイメージングデータ及び赤外吸収イメージングデータに対しそれぞれ主成分分析を実行する。主成分分析を行うと、それぞれ主成分毎に各画素のスコア値が算出されるから、これをPCAスコア分布データ記憶部235に格納する。
統計的解析処理部236は、MSイメージングデータに基づく一つの主成分におけるスコア値の分布データと赤外吸収イメージングデータに基づく一つの主成分におけるスコア値の分布データとを記憶部235から読み出し、対応する画素毎のスコア値の相関をとって相関係数を算出する。例えばMSイメージングデータに基づく第1主成分におけるスコア値の分布データと赤外吸収イメージングデータに基づく第1主成分におけるスコア値の分布データとの空間的な相関をとって相関係数を求める。そして、全ての主成分の組み合わせについて同様に相関係数を算出する。相関結果表示処理部237は例えば図9中に示すように、赤外吸収イメージングデータに基づく主成分(IR PC)を横軸、MSイメージングデータに基づく主成分(MS PC)を縦軸とした枠において、相関係数の極性を色で、相関係数の絶対値の大きさを円のサイズで表現したグラフを作成し、これを表示部4の画面に表示する。
上記のような表示により、分析者は質量分析イメージング測定と赤外吸収イメージング測定とでスコア値の分布が類似した主成分を視覚的に把握することができる。それによって、例えば相関の高い主成分に対応したそれぞれの因子負荷量スペクトルを比較し、高い因子負荷量を示す質量電荷比と赤外吸収波長との組み合わせを知ることができ、質量電荷比と吸収波長との両方から目的化合物を同定することができる。
もちろん、同様の解析は質量分析イメージング測定と赤外吸収イメージング測定との間のみならず、試料上の同じ2次元領域内の微小領域毎に所定のパラメータに応じたデータを取得可能な測定に適用することができる。
[第5実施例]
図10は本発明に係るデータ処理装置を用いたイメージング質量顕微鏡システムの第5実施例の概略構成図、図11は第5実施例のイメージング質量顕微鏡システムにおけるデータ処理を説明するための模式図である。図10において第1実施例を説明した図1と同じ構成要素には同じ符号を付してある。
データ処理部2は、質量分析イメージングデータを格納するMSイメージングデータ記憶部240と、主成分分析処理部243と、因子負荷量スペクトル記憶部244と、統計的解析処理部245と、相関結果表示処理部246と、を機能ブロックとして備える。MSイメージングデータ記憶部240は、それぞれ独立にMSイメージングデータを格納する第1データ記憶領域241、第2データ記憶領域242を含む。
このシステムでは、イメージング質量顕微鏡本体1により異なる二つの試料(試料A、B)に対する質量分析イメージング測定がそれぞれ行われることで、MSイメージングデータ記憶部240の第1、第2データ記憶領域241、242にそれぞれ質量分析イメージングデータが格納される。この試料A、Bは同じ試料上の異なる領域であってもよい。ここでは、試料A、Bに対する測定の際に画素数は揃っているものとする。
分析者が入力部3から処理の開始を指示すると、主成分分析処理部234は、試料A、Bそれぞれに対するMSイメージングデータを記憶部240から読み出し、それぞれに対し主成分分析を実行する。そして主成分分析を行うことで、それぞれ主成分毎に上述した因子負荷量スペクトルを求め因子負荷量スペクトル記憶部244に格納する。
統計的解析処理部245は、試料AのMSイメージングデータに基づく一つの主成分における因子負荷量スペクトルと試料BのMSイメージングデータに基づく一つの主成分における因子負荷量スペクトルとを記憶部244から読み出し、対応する質量電荷比の因子負荷量の相関をとって相関係数を算出する。例えば試料AのMSイメージングデータに基づく第1主成分における因子負荷量スペクトルと試料BのMSイメージングデータに基づく第1主成分における因子負荷量スペクトルとの質量電荷比における相関をとって相関係数を求める。そして、全ての主成分の組み合わせについて同様に相関係数を算出する。相関結果表示処理部246は例えば図11中に示すように、試料BのMSイメージングデータに基づく主成分(MS2 PC)を横軸、試料AのMSイメージングデータに基づく主成分(MS1 PC)を縦軸とした枠において、相関係数の極性を色で、相関係数の絶対値の大きさを円のサイズで表現したグラフを作成し、これを表示部4の画面に表示する。
上記のような表示により、分析者は異なる試料に対する質量分析イメージング測定において因子負荷量スペクトルが類似した主成分を視覚的に把握することができる。それによって、例えば相関の高い主成分に対応したそれぞれのスコア値の空間分布を比較し、異なる試料において同じ化合物又は化学構造が類似している化合物の分布状況を把握することができる。
もちろん、同様の解析は質量分析イメージング測定のみならず、試料上の同じ2次元領域内の微小領域毎に所定のパラメータに応じたデータを取得可能な測定に適用することができる。
なお、上記実施例はいずれも本発明の一例にすぎず、上記記載した以外の点において、本発明の趣旨の範囲で適宜変形、修正、追加などを行っても本願特許請求の範囲に包含されることは明らかである。
1…イメージング質量顕微鏡本体
11…光学顕微観察部
12…イメージング質量分析部
2…データ処理部
21…データ格納部
211…光学顕微画像データ記憶領域
212…MSイメージングデータ記憶領域
22…光学顕微画像特徴抽出部
23、232…画像位置合わせ処理部
24、233…解像度調整部
25、223、236、245…統計的解析処理部
26…解析結果表示処理部
220、230、240…MSイメージングデータ記憶部
231…赤外吸収イメージングデータ記憶部
221…化合物データベース
222…基準スペクトル選択部
224…相関係数分布画像作成部
234、243…主成分分析処理部
235…PCAスコア分布データ記憶部
237、246…相関結果表示処理部
241…第2データ記憶領域
242…第2データ記憶領域
244…因子負荷量スペクトル記憶部
3…入力部
4…表示部
5…2次元赤外吸収測定部
上述した光学顕微画像と質量分析イメージング画像の場合、通常、光学顕微画像のほうが空間分解能が高い。その場合、前処理部は光学顕微画像を構成するデータについて空間分解能を落とすことで、該光学顕微画像データと質量分析イメージングデータの空間分解能を揃えればよい。
本発明に係るデータ処理装置では例えば、第2の画像データのデータ量(画像の枚数)が膨大である場合でも、上述したように統計的解析処理の結果得られた指標値に基づいて、光学顕微画像等の第1の画像データによる画像上での特徴的な信号強度分布に類似した2次元分布を示す第2の画像データによる画像を容易に見つけることができる。

Claims (10)

  1. 試料上の2次元領域に対し第1の測定手法によって得られた第1の画像データと、同試料上の2次元領域に対し前記第1の測定手法とは異なる第2の測定手法によって得られた第2の画像データとを処理し、前記試料に関する情報を求めるデータ処理装置であって、
    a)第1の画像データ及び第2の画像データについて、試料上の同じ部位に対する測定結果が現れる画素の画像上での位置が一致するように位置合わせ処理を行うとともに、第1及び第2の画像データの空間分解能を揃えるデータ変換処理を行う前処理部と、
    b)前記前処理部により空間的な位置が合わせられ空間分解能が統一されたあとの第1及び第2の画像データについて、空間的に対応する画素同士のデータに対する統計的解析処理を行うことにより2次元的な信号強度分布の類似性又は相違性を示す指標値を算出する統計的解析処理部と、
    を備えることを特徴とするデータ処理装置。
  2. 請求項1に記載のデータ処理装置であって、
    前記第2の画像データは、異なるパラメータの下で得られた複数の画像を構成するデータを含み、前記統計的解析処理部は、前記第1の画像データによる一つの画像と2次元的な強度分布の類似性が高い又は相違性が高い画像が得られるパラメータを抽出することを特徴とするデータ処理装置。
  3. 請求項2に記載のデータ処理装置であって、
    前記統計的解析処理部は、前記第2の画像データによる複数の画像のそれぞれについて、前記第1の画像データによる一つの画像と前記第2の画像データによる一つの画像との相関係数を算出し、その相関係数に基づいて2次元的な強度分布の類似性が高い又は相違性が高い画像が得られるパラメータを抽出することを特徴とするデータ処理装置。
  4. 請求項2に記載のデータ処理装置であって、
    前記統計的解析処理部は、前記第1の画像データと前記第2の画像データとに対し多変量解析を行い、その結果に基づいて2次元的な強度分布の類似性が高い又は相違性が高い画像が得られるパラメータを抽出することを特徴とするデータ処理装置。
  5. 請求項1に記載のデータ処理装置であって、
    前記第1及び第2の画像データともにそれぞれ、異なるパラメータの下で得られた複数の画像を構成するデータを含み、前記統計的解析処理部は、第1の画像データと前記第2の画像データとの間で2次元的な強度分布の類似性が高い又は相違性が高い画像が得られるパラメータの組み合わせを抽出することを特徴とするデータ処理装置。
  6. 請求項1〜5のいずれか1項に記載のデータ処理装置であって、
    前記第2の測定手法は試料上の2次元領域内の各微小領域に対してnが2以上のMSn測定を行う手法であり、前記第2の画像データはこのMSn測定によって得られた画像データであることを特徴とするデータ処理装置。
  7. 試料上の2次元領域内の複数の微小領域毎に得られた試料スペクトルデータと、基準となる基準スペクトルデータとを処理し、前記試料に関する情報を求めるデータ処理装置であって、
    a)前記微小領域毎に、該微小領域に対応する試料スペクトルデータと前記基準スペクトルデータとに対する統計的解析処理を行ってスペクトルの類似性又は相違性を示す指標値を算出する統計的解析処理部と、
    b)前記統計的解析処理部により微小領域毎に得られた指標値に基づいて、試料上の前記2次元領域に対応する指標値の2次元分布を示す画像を作成する画像作成部と、
    を備えることを特徴とするデータ処理装置。
  8. 請求項7に記載のデータ処理装置であって、
    前記試料スペクトルデータ及び基準スペクトルデータはnが2以上のMSn測定によって得られたマススペクトルデータであることを特徴とするデータ処理装置。
  9. 試料上の2次元領域に対し第1の測定手法によって得られた第1の画像データと、同試料上の2次元領域に対し前記第1の測定手法とは異なる第2の測定手法によって得られた第2の画像データとを処理し、前記試料に関する情報を求めるデータ処理装置であって、
    a)第1の画像データに対し主成分分析を行い主成分毎にスコア値の2次元分布を示すスコア値分布データを求めるとともに、同様に第2の画像データに対し主成分分析を行い主成分毎にスコア値の2次元分布を示すスコア値分布データを求める主成分分析実行部と、
    b)前記主成分分析実行部により得られた、第1の画像データに基づく任意の主成分におけるスコア値分布データと第2の画像データに基づく任意の主成分におけるスコア値分布データとを空間的に比較し、空間的に相関性の高い主成分の組み合わせを抽出する関連主成分抽出部と、
    を備えることを特徴とするデータ処理装置。
  10. 試料上の2次元領域に対し所定の測定手法によって異なる第1のパラメータの下で得られた複数の画像を構成するデータを含む第1の画像データと、前記試料上の前記2次元領域とは異なる2次元領域又は他の試料の2次元領域に対し前記所定の測定手法によって異なる第2のパラメータの下で得られた複数の画像を構成するデータを含む第2の画像データとを処理し、1又は複数の試料に関する情報を求めるデータ処理装置であって、
    a)第1の画像データに対し主成分分析を行い主成分毎に第1のパラメータと因子負荷量との関係を示す因子負荷量スペクトルを求めるとともに、第2の画像データに対し主成分分析を行い主成分毎に第2のパラメータと因子負荷量との関係を示す因子負荷量スペクトルを求める主成分分析実行部と、
    b)第1の画像データに基づく主成分毎の因子負荷量スペクトルと第2の画像データに基づく主成分毎の因子負荷量スペクトルとを比較し、スペクトルの相関性の高い主成分の組み合わせを抽出する関連主成分抽出部と、
    を備えることを特徴とするデータ処理装置。
JP2017525740A 2015-07-01 2015-07-01 データ処理装置 Active JP6477878B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2015/068961 WO2017002226A1 (ja) 2015-07-01 2015-07-01 データ処理装置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2017213438A Division JP6477833B2 (ja) 2017-11-06 2017-11-06 データ処理装置

Publications (2)

Publication Number Publication Date
JPWO2017002226A1 true JPWO2017002226A1 (ja) 2017-12-14
JP6477878B2 JP6477878B2 (ja) 2019-03-06

Family

ID=57608167

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017525740A Active JP6477878B2 (ja) 2015-07-01 2015-07-01 データ処理装置

Country Status (5)

Country Link
US (2) US11222773B2 (ja)
EP (1) EP3318866A4 (ja)
JP (1) JP6477878B2 (ja)
CN (3) CN118392971A (ja)
WO (1) WO2017002226A1 (ja)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11232940B2 (en) * 2016-08-02 2022-01-25 Virgin Instruments Corporation Method and apparatus for surgical monitoring using MALDI-TOF mass spectrometry
JP6885896B2 (ja) * 2017-04-10 2021-06-16 富士フイルム株式会社 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム
JP6899560B2 (ja) * 2017-05-23 2021-07-07 株式会社島津製作所 質量分析データ解析装置及び質量分析データ解析用プログラム
CN107506687B (zh) * 2017-07-17 2020-01-21 Oppo广东移动通信有限公司 活体检测方法及相关产品
JP2019060815A (ja) * 2017-09-28 2019-04-18 日本分光株式会社 自動ケミカルイメージ作成
JP6994961B2 (ja) 2018-01-23 2022-01-14 日本電子株式会社 マススペクトル処理装置及び方法
JP6939912B2 (ja) * 2018-02-02 2021-09-22 株式会社島津製作所 イメージング質量分析用データ処理装置
JP6908136B2 (ja) * 2018-02-05 2021-07-21 株式会社島津製作所 データ解析装置
WO2019150653A1 (ja) * 2018-02-05 2019-08-08 株式会社島津製作所 表示処理装置、イメージング質量分析システムおよび表示処理方法
WO2019150575A1 (ja) * 2018-02-05 2019-08-08 株式会社島津製作所 イメージング質量分析データ解析装置
US11282686B2 (en) * 2018-02-05 2022-03-22 Shimadzu Corporation Imaging mass spectrometer
JP6927415B2 (ja) * 2018-03-29 2021-08-25 株式会社島津製作所 イメージング質量分析におけるデータ処理方法及びデータ処理プログラム
US11636598B2 (en) * 2018-03-30 2023-04-25 Shimadzu Corporation Imaging data processing apparatus and imaging data processing program to perform image alignment by deforming images such that imaged observation target sites coincide
JP7004073B2 (ja) * 2018-05-30 2022-01-21 株式会社島津製作所 イメージングデータ処理装置
US11861826B2 (en) 2018-05-30 2024-01-02 Shimadzu Corporation Imaging data processing device
JP7172537B2 (ja) * 2018-12-11 2022-11-16 株式会社島津製作所 イメージング分析装置
US11862445B2 (en) 2019-02-14 2024-01-02 Shimadzu Corporation Imaging mass spectrometer
CN109977901A (zh) * 2019-04-03 2019-07-05 山东理工大学 一种基于无人机遥感的玉米田间杂草识别方法
WO2020212877A1 (en) * 2019-04-15 2020-10-22 Waters Technologies Ireland Limited Techniques for predicting collision cross-section values in ion mobility spectrometry
CN113508293B (zh) * 2019-04-24 2024-05-07 株式会社岛津制作所 成像质量分析装置
JP7040496B2 (ja) * 2019-05-28 2022-03-23 Jfeスチール株式会社 電子顕微鏡における試料観察方法、電子顕微鏡用画像解析装置、電子顕微鏡および電子顕微鏡用画像解析方法
WO2021049011A1 (ja) * 2019-09-13 2021-03-18 株式会社島津製作所 分析装置
WO2021095210A1 (ja) * 2019-11-14 2021-05-20 株式会社島津製作所 イメージング分析装置及びイメージングデータ解析方法
JP7413775B2 (ja) * 2019-12-26 2024-01-16 株式会社島津製作所 イメージング分析データ処理方法及び装置
JP7363675B2 (ja) * 2020-06-15 2023-10-18 株式会社島津製作所 イメージング質量分析装置、及びイメージング質量分析方法
JP2021196303A (ja) * 2020-06-17 2021-12-27 株式会社島津製作所 イメージング質量分析方法、及びイメージング質量分析装置
JP7472771B2 (ja) * 2020-12-15 2024-04-23 株式会社島津製作所 電気泳動分析データ処理装置及びデータ処理プログラム
CN114329573B (zh) * 2022-03-09 2022-05-27 北京珞安科技有限责任公司 一种运维场景下文件加密外发的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009025275A (ja) * 2007-07-24 2009-02-05 Shimadzu Corp 質量分析装置
US20130080072A1 (en) * 2011-09-26 2013-03-28 Shimadzu Corporation Imaging Mass Spectrometer and Mass Spectrometry Data Processing Method
JP2013196294A (ja) * 2012-03-19 2013-09-30 Toshiba Corp 人物画像処理装置、及び人物画像処理方法
WO2014175211A1 (ja) * 2013-04-22 2014-10-30 株式会社島津製作所 イメージング質量分析データ処理方法及びイメージング質量分析装置
JP2014215043A (ja) * 2013-04-22 2014-11-17 株式会社島津製作所 イメージング質量分析データ処理方法及びイメージング質量分析装置
JP2015039570A (ja) * 2013-08-23 2015-03-02 日立マクセル株式会社 肌状態測定分析情報管理システムおよび肌状態測定分析情報管理方法
US20150131888A1 (en) * 2012-05-21 2015-05-14 Vanderbilt University Predictive modeling relating molecular imaging modalities

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1172489A (ja) * 1997-08-28 1999-03-16 Hitachi Ltd 液体クロマトグラフ
GB0521098D0 (en) * 2005-10-18 2005-11-23 Univ Cambridge Tech Methods for diagnosing and monitoring psychotic disorders
JP4984617B2 (ja) * 2006-04-12 2012-07-25 株式会社島津製作所 質量分析データ解析方法
US7964843B2 (en) * 2008-07-18 2011-06-21 The George Washington University Three-dimensional molecular imaging by infrared laser ablation electrospray ionization mass spectrometry
JP2009025257A (ja) * 2007-07-24 2009-02-05 Shimadzu Corp 電子天びん
JP5206790B2 (ja) * 2008-07-03 2013-06-12 株式会社島津製作所 質量分析装置
JP5246026B2 (ja) 2009-05-11 2013-07-24 株式会社島津製作所 質量分析データ処理装置
JP5359924B2 (ja) * 2010-02-18 2013-12-04 株式会社島津製作所 質量分析装置
US8620092B2 (en) * 2010-03-04 2013-12-31 Hewlett-Packard Development Company, L.P. Determining similarity of two images
JP5527232B2 (ja) * 2010-03-05 2014-06-18 株式会社島津製作所 質量分析データ処理方法及び装置
JP5348029B2 (ja) 2010-03-16 2013-11-20 株式会社島津製作所 質量分析データ処理方法及び装置
US20120016598A1 (en) * 2010-05-21 2012-01-19 Bruker Daltonik Gmbh Normalization of mass spectra acquired by mass spectrometric imaging
JP5565810B2 (ja) * 2010-11-29 2014-08-06 国立大学法人浜松医科大学 質量分析データ処理方法及び装置
JP5590156B2 (ja) * 2011-01-31 2014-09-17 株式会社島津製作所 質量分析方法及び装置
JP5556695B2 (ja) * 2011-02-16 2014-07-23 株式会社島津製作所 質量分析データ処理方法及び該方法を用いた質量分析装置
US9157921B2 (en) * 2011-05-18 2015-10-13 Purdue Research Foundation Method for diagnosing abnormality in tissue samples by combination of mass spectral and optical imaging
US9546979B2 (en) * 2011-05-18 2017-01-17 Purdue Research Foundation Analyzing a metabolite level in a tissue sample using DESI
CN102323363A (zh) * 2011-06-13 2012-01-18 中国科学院计算机网络信息中心 化合物的色谱-质谱联用鉴定方法
US10535507B2 (en) * 2013-02-22 2020-01-14 Shimadzu Corporation Data processing device and data processing method
WO2015107690A1 (ja) * 2014-01-20 2015-07-23 株式会社島津製作所 タンデム質量分析データ処理装置
EP3232189A4 (en) * 2014-12-08 2017-12-13 Shimadzu Corporation Multidimensional mass spectrometry data processing device
JP6939912B2 (ja) * 2018-02-02 2021-09-22 株式会社島津製作所 イメージング質量分析用データ処理装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009025275A (ja) * 2007-07-24 2009-02-05 Shimadzu Corp 質量分析装置
US20130080072A1 (en) * 2011-09-26 2013-03-28 Shimadzu Corporation Imaging Mass Spectrometer and Mass Spectrometry Data Processing Method
JP2013196294A (ja) * 2012-03-19 2013-09-30 Toshiba Corp 人物画像処理装置、及び人物画像処理方法
US20150131888A1 (en) * 2012-05-21 2015-05-14 Vanderbilt University Predictive modeling relating molecular imaging modalities
WO2014175211A1 (ja) * 2013-04-22 2014-10-30 株式会社島津製作所 イメージング質量分析データ処理方法及びイメージング質量分析装置
JP2014215043A (ja) * 2013-04-22 2014-11-17 株式会社島津製作所 イメージング質量分析データ処理方法及びイメージング質量分析装置
JP2015039570A (ja) * 2013-08-23 2015-03-02 日立マクセル株式会社 肌状態測定分析情報管理システムおよび肌状態測定分析情報管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PHAN,N.T.N.: "Lipid Structural Effects of Oral Administration of Methylphenidate in Drosophila Brain by Secondary", ANAL. CHEM., vol. 87, JPN6015038717, 13 April 2015 (2015-04-13), pages 4063 - 4071, XP055342987, ISSN: 0003827628, DOI: 10.1021/acs.analchem.5b00555 *

Also Published As

Publication number Publication date
CN118392971A (zh) 2024-07-26
US11222773B2 (en) 2022-01-11
EP3318866A1 (en) 2018-05-09
CN118376672A (zh) 2024-07-23
US11776799B2 (en) 2023-10-03
US20180197726A1 (en) 2018-07-12
EP3318866A4 (en) 2018-09-19
WO2017002226A1 (ja) 2017-01-05
US20220059331A1 (en) 2022-02-24
JP6477878B2 (ja) 2019-03-06
CN107850567A (zh) 2018-03-27

Similar Documents

Publication Publication Date Title
JP6477878B2 (ja) データ処理装置
JP5565810B2 (ja) 質量分析データ処理方法及び装置
JP5971184B2 (ja) イメージング質量分析データ処理方法及びイメージング質量分析装置
JP5348029B2 (ja) 質量分析データ処理方法及び装置
Jones et al. Preprocessing strategies to improve MCR analyses of hyperspectral images
JP6908136B2 (ja) データ解析装置
WO2019186999A1 (ja) イメージングデータ処理装置及びイメージングデータ処理プログラム
JP2010261882A (ja) 質量分析データ処理装置
Bich et al. Biomedical studies by TOF-SIMS imaging
JP2019045514A (ja) 分光画像データ処理装置および2次元分光装置
JP6477833B2 (ja) データ処理装置
US11276565B2 (en) Data processing device for imaging mass spectrometric analysis
CN112136041B (zh) 成像数据处理装置
WO2019150575A1 (ja) イメージング質量分析データ解析装置
Cho et al. Combining MALDI-TOF and molecular imaging with principal component analysis for biomarker discovery and clinical diagnosis of cancer
US10304671B2 (en) Method for computer-assisted analysis of one or more tissue sections of the human or animal body
WO2019186998A1 (ja) データ解析装置及びデータ解析システム
WO2019150553A1 (ja) イメージング質量分析装置
Akbari Lakeh et al. Discriminating normal regions within cancerous hen ovarian tissue using multivariate hyperspectral image analysis
WO2019150574A1 (ja) イメージング質量分析装置
WO2021095210A1 (ja) イメージング分析装置及びイメージングデータ解析方法
Trede et al. Mathematical methods for imaging mass spectrometry

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170905

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170905

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170912

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180703

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190108

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190121

R151 Written notification of patent or utility model registration

Ref document number: 6477878

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151