JPWO2019031048A1 - 情報処理装置、情報処理方法及びプログラム - Google Patents

Abstract

【課題】測定値に含まれる誤差量を容易に算出することが可能な情報処理装置及び情報処理方法を提供する。【解決手段】粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、を備える、情報処理装置。【選択図】図４

Description

本開示は、情報処理装置、情報処理方法及びプログラムに関する。

医学または生化学等の分野では、大量の粒子の各々の特性を迅速に測定するために、フローサイトメータを用いることが一般的になっている。フローサイトメータは、フローセルを流れる細胞又はビーズ等の粒子に光線を照射することで、該粒子から発せられる蛍光又は散乱光などを検出し、粒子の各々の特性を光学的に測定する装置である。

例えば、下記の特許文献１には、フローサイトメータ（微小粒子測定装置）の蛍光検出において、連続した波長域の光の強度を蛍光スペクトルとして検出することが開示されている。特許文献１に開示された微小粒子測定装置では、プリズム又はグレーティングなどの分光素子を用いることで微小粒子から発せられる蛍光を分光し、検出波長域が異なる複数の受光素子を配列した受光素子アレイにて、分光された蛍光を検出している。

特許第５７７２４２５号公報

しかしながら、フローサイトメータにて測定した測定値には、測定条件等に起因する種々の誤差が含まれる。そのため、フローサイトメータにおいて、測定対象の粒子の特性をより正確に測定するために、測定値に含まれる誤差量を見積もる技術が求められていた。

そこで、本開示では、測定値に含まれる誤差量を容易に算出することが可能な、新規かつ改良された情報処理装置、情報処理方法及びプログラムを提案する。

本開示によれば、粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、を備える、情報処理装置が提供される。

また、本開示によれば、演算処理装置を用いて、粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出することと、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成することと、を含む、情報処理方法が提供される。

さらに、本開示によれば、コンピュータを粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、として機能させる、プログラムが提供される。

本開示によれば、測定結果又はシミュレーション結果を多数集積したデータベースを用いることで、測定結果に現れる誤差量を定量的に表す計算式を測定条件に基づいて生成することができる。

以上説明したように本開示によれば、測定値に含まれる誤差量を容易に算出することが可能である。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る情報処理システムを説明するブロック図である。 図１に示す情報処理システムが備える測定ユニットを説明するブロック図である。 図１に示す情報処理システムが備える測定ユニットを説明するブロック図である。 図１に示す情報処理システムが備える情報処理装置を説明するブロック図である。 入力部に入力される測定条件の一例を示す表である。 データベース記憶部が記憶するデータベースの具体例を示すブロック図である。 情報処理方法の第１の例を説明するフローチャート図である。 情報処理方法の第２の例を説明するフローチャート図である。 情報処理方法の第１の例の実施例を示す説明図である。 本実施形態に係る情報処理装置のハードウェア構成の一例を示したブロック図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
１．情報処理システムの概要
２．測定サンプル
３．測定ユニットの構成
４．情報処理装置の構成
５．情報処理方法の流れ
５．１．第１の例
５．２．第２の例
６．実施例
７．ハードウェア構成
８．まとめ

＜１．情報処理システムの概要＞
まず、図１を参照して、本開示の一実施形態に係る情報処理システムの概要について説明する。図１は、本実施形態に係る情報処理システムを説明するブロック図である。

図１に示すように、本実施形態に係る情報処理システム１は、測定サンプルＳから測定データを取得する測定ユニット２０と、測定ユニット２０にて取得された測定データを解析する情報処理装置１０と、を備える。本実施形態に係る情報処理システム１は、例えば、フローサイトメータとして用いられ、より詳細にはセルアナライザ又はセルソータなどとして用いられ得る。

測定ユニット２０は、測定サンプルＳに対してレーザ光を照射することで測定サンプルＳから発せられる蛍光、りん光又は散乱光を測定する。測定ユニット２０は、測定サンプルＳから発せられる蛍光、りん光又は散乱光の少なくともいずれか１つを測定すればよい。測定ユニット２０は、蛍光、りん光及び散乱光に替えて又は加えて、測定サンプルＳの吸収スペクトルを測定してもよい。なお、以下では、測定ユニット２０は、測定サンプルＳの蛍光スペクトルを少なくとも測定するとして説明を行う。

情報処理装置１０は、測定ユニット２０によって取得された測定サンプルＳの測定データを解析することで、測定サンプルＳの特性等を判断する。情報処理装置１０の詳細な構成については、後述する。図１では、情報処理装置１０及び測定ユニット２０がそれぞれ別の装置として設けられる場合について図示したが、本開示に係る技術は、かかる例示に限定されない。情報処理装置１０の各機能は、測定ユニット２０の動作を制御するコンピュータに備えられてもよく、測定ユニット２０の筐体内に設けられた任意のコンピュータに備えられてもよい。

測定サンプルＳは、細胞、微生物及び生体関連粒子などの生体由来の粒子であってもよい。細胞は、例えば、動物細胞（例えば、血球系細胞など）又は植物細胞などであってもよい。微生物は、例えば、大腸菌等の細菌類、タバコモザイクウイルス等のウイルス類、又はイースト等の菌類などであってもよい。生体関連粒子は、例えば、染色体、リポソーム、ミトコンドリア又は各種オルガネラ（細胞小器官）などの細胞を構成する粒子であってもよい。なお、生体関連粒子には、核酸、タンパク質、脂質若しくは糖鎖、又はこれらの複合体などの生体関連高分子が含まれてもよい。これらの生体由来の粒子は、球形又は非球形のいずれの形状であってもよく、大きさ及び質量についても特に限定されない。

また、測定サンプルＳは、ラテックス粒子、ゲル粒子又は工業用粒子などの工業的に合成された粒子であってもよい。例えば、工業的に合成された粒子とは、ポリスチレン若しくはポリメチルメタクリレートなどの有機樹脂材料、ガラス、シリカ若しくは磁性体などの無機材料、又は金コロイド若しくはアルミニウムなどの金属で合成された粒子であってもよい。これらの工業的に合成された粒子についても、同様に、球形又は非球形のいずれの形状であってもよく、大きさ及び質量についても特に限定されない。

＜２．測定サンプル＞
測定サンプルＳは、蛍光スペクトルの測定に先立って、１つ以上の蛍光色素によって標識（染色）され得る。蛍光色素による測定サンプルＳの標識は、公知の手法によって行われてもよい。具体的には、測定サンプルＳが細胞である場合、細胞表面に存在する抗原に対して選択的に結合する蛍光標識抗体と、測定対象の細胞とを混合し、細胞表面の抗原に蛍光標識抗体を結合させることで、測定対象の細胞を蛍光色素にて標識することができる。または、特定の細胞に対して選択的に取り込まれる蛍光色素と、測定対象の細胞とを混合することで、測定対象の細胞を蛍光色素にて標識することも可能である。

蛍光標識抗体は、標識として蛍光色素を結合させた抗体である。蛍光標識抗体は、抗体に蛍光色素を直接結合させたものであってもよい。または、蛍光標識抗体は、ビオチン標識した抗体に、アビジンを結合させた蛍光色素をアビジン−ビオジン反応によって結合させたものであってもよい。なお、抗体は、ポリクローナル抗体又はモノクローナル抗体のいずれを用いることも可能である。

細胞を標識するための蛍光色素は、特に限定されず、細胞等の染色に使用される公知の色素を少なくとも１つ以上用いることが可能である。例えば、蛍光色素として、フィコエリスリン（ＰＥ）、フルオレセインイソチオシアネート（ＦＩＴＣ）、ＰＥ−Ｃｙ５、ＰＥ−Ｃｙ７、ＰＥ−Ｔｅｘａｓ Ｒｅｄ（登録商標）、アロフィコシアニン（ＡＰＣ）、ＡＰＣ−Ｃｙ７、エチジウムブロマイド（ｅｔｈｉｄｉｕｍ ｂｒｏｍｉｄｅ）、プロピジウムアイオダイド（ｐｒｏｐｉｄｉｕｍ ｉｏｄｉｄｅ）、Ｈｏｅｃｈｓｔ（登録商標）３３２５８、Ｈｏｅｃｈｓｔ（登録商標）３３３４２、ＤＡＰＩ（４’，６−ｄｉａｍｉｄｉｎｏ−２−ｐｈｅｎｙｌｉｎｄｏｌｅ）、アクリジンオレンジ（ａｃｒｉｄｉｎｅ ｏｒａｎｇｅ）、クロモマイシン（ｃｈｒｏｍｏｍｙｃｉｎ）、ミトラマイシン（ｍｉｔｈｒａｍｙｃｉｎ）、オリボマイシン（ｏｌｉｖｏｍｙｃｉｎ）、ピロニン（ｐｙｒｏｎｉｎ）Ｙ、チアゾールオレンジ（ｔｈｉａｚｏｌｅ ｏｒａｎｇｅ）、ローダミン（ｒｈｏｄａｍｉｎｅ）１０１、イソチオシアネート（ｉｓｏｔｈｉｏｃｙａｎａｔｅ）、ＢＣＥＣＦ、ＢＣＥＣＦ−ＡＭ、Ｃ．ＳＮＡＲＦ−１、Ｃ．ＳＮＡＲＦ−１−ＡＭＡ、イクオリン（ａｅｑｕｏｒｉｎ）、Ｉｎｄｏ−１、Ｉｎｄｏ−１−ＡＭ、Ｆｌｕｏ−３、Ｆｌｕｏ−３−ＡＭ、Ｆｕｒａ−２、Ｆｕｒａ−２−ＡＭ、オキソノール（ｏｘｏｎｏｌ）、テキサスレッド（登録商標）、ローダミン１２３、１０−Ｎ−ノニ−アクリジンオレンジ、フルオレセイン（ｆｌｕｏｒｅｓｃｅｉｎ）、フルオレセインジアセテート（ｆｌｕｏｒｅｓｃｅｉｎ ｄｉａｃｅｔａｔｅ）、カルボキシフルオレセイン（ｃａｒｂｏｘｙｆｌｕｏｒｅｓｃｅｉｎ）、カルボキシフルオレセインジアセテート（ｃａｒｂｏｘｙｆｌｕｏｒｅｓｃｅｉｎ ｄｉａｃｅｔａｔｅ）、カルボキシジクロロフルオレセイン（ｃａｒｂｏｘｙｄｉｃｈｌｏｒｏｆｌｕｏｒｅｓｃｅｉｎ）、又はカルボキシジクロロフルオレセインジアセテート（ｃａｒｂｏｘｙｄｉｃｈｌｏｒｏｆｌｕｏｒｅｓｃｅｉｎ ｄｉａｃｅｔａｔｅ）等を用いることができる。また、上述した蛍光色素の誘導体等を使用することも可能である。

＜３．測定ユニットの構成＞
続いて、図２及び図３を参照して、測定ユニット２０の具体的構成について説明する。図２及び図３は、図１に示す情報処理システムが備える測定ユニットを説明するブロック図である。

図２及び図３に示すように、測定ユニット２０は、測定サンプルＳを標識する蛍光色素を励起可能な波長を有するレーザ光を射出するレーザ光源２１と、測定サンプルＳを一方向に通流させるフローセル２３と、レーザ光が照射された測定サンプルＳからの蛍光、りん光又は散乱光を受光する光検出器２５と、を備える。

レーザ光源２１は、例えば、所定の波長のレーザ光を出射する半導体レーザ光源である。レーザ光源２１は、複数設けられてもよい。レーザ光源２１が複数設けられる場合、フローセル２３において、レーザ光源２１からのレーザ光が照射される位置は、同じであってもよく、異なっていてもよい。ただし、複数のレーザ光源２１からのレーザ光が異なる位置に照射される場合、測定サンプルＳからの光を異なる光検出器２５にて検出することができるため、近接波長の光を発する色素でも混色せずに測定することが可能になる。なお、レーザ光源２１から出射されるレーザ光は、パルス光又は連続光のいずれであってもよい。例えば、レーザ光源２１は、波長４８０ｎｍ又は波長６４０ｎｍのレーザ光をそれぞれ出射する複数の半導体レーザ光源であってもよい。

フローセル２３は、複数の測定サンプルＳを一方向に整列させて通流させる流路である。具体的には、フローセル２３は、測定サンプルＳを分散させたシース液を層流として高速で流すことで、複数の測定サンプルＳを一方向に整列させて通流させる。

光検出器２５は、レーザ光が照射された測定サンプルＳから発生する蛍光、りん光又は散乱光を光電変換することで、検出信号を取得する。

例えば、図３に示すように、光検出器２５は、測定サンプルＳからの前方散乱光及び側方散乱光を含む散乱光Ｌ_Ｓを検出するディテクタ２５３と、測定サンプルＳからの蛍光Ｌ_Ｆを検出する受光素子アレイ２５１と、を含んでもよい。

ディテクタ２５３は、例えば、ＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）イメージセンサ、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）イメージセンサ又はフォトダイオードなどの公知の光電変換素子であってもよい。受光素子アレイ２５１は、例えば、検出する光の波長域が異なる独立した検出チャネルを複数配列することで構成され得る。具体的には、受光素子アレイ２５１は、検出する波長域が異なる複数のＰＭＴ（Ｐｈｏｔｏ Ｍｕｌｔｉｐｌｉｅｒ Ｔｕｂｅ）又はフォトダイオードを一次元等に配列させた受光素子アレイなどであってもよい。受光素子アレイ２５１は、プリズム又はグレーティングなどの分光素子によって、連続したスペクトルに分光された測定サンプルＳの蛍光を光電変換する。

測定ユニット２０では、まず、レーザ光源２１から出射されたレーザ光がフローセル２３を通過する測定サンプルＳの各々に照射される。レーザ光が照射されることで測定サンプルＳは、散乱光及び蛍光（場合によっては、蛍光に替えてりん光）を発する。ここで、測定サンプルＳから発せられた散乱光は、ディテクタ２５３にて検出される。一方、測定サンプルＳから発せられた蛍光は、分光素子にて連続したスペクトルに分光された後、受光素子アレイ２５１にて検出される。

上記の構成により、測定ユニット２０は、測定サンプルＳからの散乱光及び蛍光を測定し、測定結果を情報処理装置１０に出力することができる。

＜４．情報処理装置の構成＞
次に、図４を参照して、情報処理装置の具体的構成について説明する。図４は、図１に示す情報処理システムが備える情報処理装置を説明するブロック図である。

本実施形態に係る情報処理システム１にて測定される測定サンプルＳは、例えば、様々な細胞集団が混在したサンプルであり得る。情報処理システム１は、測定サンプルＳに含まれる細胞集団の各々の特性の差異を、細胞集団を標識する蛍光の差異として検出することによって、細胞集団の各々を分類する。これにより、情報処理システム１は、測定サンプルＳに含まれる細胞集団の各々の種類及び含有量を検出することが可能である。

ただし、情報処理システム１にて取得された測定サンプルＳの測定結果には、測定サンプルＳのばらつきに起因する誤差、及び測定ユニット２０に起因する誤差などが含まれてしまう。そのため、これらの誤差が大きい場合、測定サンプルＳに含まれる細胞集団の各々の分布が広がることで細胞集団の各々の境界が不鮮明となり、細胞集団の各々を適切に分離することが困難になる場合がある。

本実施形態に係る情報処理装置１０は、以下で説明する構成によって、測定結果に含まれる上記の誤差を表す計算式を算出することができる。これにより、情報処理装置１０は、算出した計算式を用いることで、測定結果から誤差を除去したり、誤差を考慮したシミュレーション結果を算出したりすることが可能となる。

以下では、図４を参照して、上述した効果を実現する情報処理装置１０の具体的構成について説明する。図４は、図１に示す情報処理システムが備える情報処理装置を説明するブロック図である。

図４に示すように、情報処理装置１０は、データ取得部１０２と、データ補正部１０４と、出力部１０６と、表示制御部１０８と、誤差式生成部１１０と、シミュレーション部１１２と、入力部１１４と、データベース記憶部１２０と、を備える。

入力部１１４は、ユーザ等によって入力された情報を取得する。具体的には、入力部１１４は、ユーザ等によって入力された測定サンプルＳの測定条件を取得してもよい。入力部１１４は、例えば、タッチパネル、キーボード、マウス、ボタン、マイクロフォン、スイッチ又はレバーなどの情報が入力される入力装置と、入力された情報に基づいて入力信号を生成する入力制御回路と、を含んで構成されてもよい。

ここで、測定条件とは、具体的には、測定サンプルＳに含まれる細胞の種類、該細胞が有する抗原の種類、該抗原と結合する抗体の種類、又は該抗体と結合する蛍光色素（すなわち、標識）の種類に関する情報を含み得る。例えば、測定条件は、図５に示すような情報であってもよい。図５は、入力部１１４に入力される測定条件の一例を示す表である。

図５に示すように、測定条件では、例えば、「細胞種」として種々の血球系細胞の種類が入力されてもよい。また、「細胞種」で示された細胞の表面に存在する抗原が「抗原」としてそれぞれ入力されてもよい。さらに、「抗原」にそれぞれ結合する抗体の種類が「抗体」として入力されてもよく、「抗体」にそれぞれ結合させる蛍光色素の名称が「色素」として入力されてもよい。

なお、情報処理装置１０において、誤差を考慮した測定結果のシミュレーションが実行される場合、上述したこれらの測定条件のうち、例えば、「抗原」、「抗体」又は「色素」の少なくともいずれかの一部又は全部は、入力されていなくともよい。

このような場合、情報処理装置１０は、入力されていない条件には候補となる条件を複数設定することで、候補となる条件を入力したそれぞれの場合について、誤差を考慮した測定結果のシミュレーションを実行してもよい。その後、情報処理装置１０は、例えば、候補となる条件の中で、誤差が小さくなる条件の組み合わせ（例えば、抗原、抗体及び色素の種類の組み合わせ）をランキング形式で出力してもよい。なお、誤差が小さくなる条件の組み合わせを抽出するアルゴリズムとしては、例えば、機械学習によるアルゴリズムを用いてもよい。

ここで、測定サンプルＳには、複数の細胞種が含まれる。情報処理システム１は、複数の細胞種ごとに複数の抗原を異なる抗体及び色素で染色することで、測定サンプルＳに含まれる複数の細胞種を分類して検出することができる。

例えば、抗原、抗体及び色素の種類の組み合わせを検討する場合、発現量の少ない抗原には、より明るい色素を割り当てることで検出感度を向上させることが基本的な考え方である。また、複数の抗原の染色に近接波長の光を発する色素の組み合わせを使用する場合、同一レーザによる検出系（同一デッキとも称される）にて近接波長の各光を分離して検出することは、スペクトルのオーバーラップのために困難となる。そのため、複数の抗原の染色に使用する色素の組み合わせには、別のレーザによる検出系（別デッキとも称される）を割り当てることが求められる。

したがって、多色検出を行うフローサイトメータでは、抗原、抗体及び色素の種類の膨大な数の組み合わせの中から、検出結果の誤差が小さくなる組み合わせを決定する際に、膨大な作業量及び時間が必要であった。本実施形態に係る情報処理装置１０によれば、検出結果の誤差が小さくなるように抗原、抗体及び色素の種類の組み合わせを最適化する際に掛かる作業量及び時間を大幅に削減することが可能である。

誤差式生成部１１０は、測定条件に基づいて、測定ユニット２０の測定結果に影響を及ぼす各パラメータのばらつきを抽出し、測定結果に含まれる誤差量を表す計算式を生成する。

例えば、測定ユニット２０による測定結果は、以下の各パラメータのばらつきによる誤差をそれぞれ含み得る。したがって、測定ユニット２０にて取得される測定結果は、以下の各パラメータのばらつきを足し合わせた誤差を含むものとなる。

具体的には、測定ユニット２０にて取得される蛍光の強度又はスペクトルは、細胞の個体差による抗原の発現量のばらつき、抗原に結合する抗体の親和性のばらつき、蛍光色素の種類による光量のばらつき、蛍光色素の分解等による光量のばらつき、蛍光色素の光量に起因するフォトンショットノイズ、又は測定ユニット２０の光検出器２５にて生じる電気的ノイズ等による影響を受け得る。

また、複数のレーザ光を照射された測定サンプルＳが複数の蛍光を発する場合、測定ユニット２０にて取得される蛍光の強度又はスペクトルは、複数のレーザ光及び蛍光の相互影響を受けることがある。

例えば、測定サンプルＳに結合する蛍光色素は、波長によっては、励起源であるレーザ光以外のレーザ光によっても励起され、蛍光を発することがある。このような場合、測定ユニット２０にて取得される蛍光の強度は、励起源以外のレーザ光に起因する蛍光を含むため、該蛍光による誤差を含んでしまう。また、測定サンプルＳに結合する蛍光色素は、所定の波長の蛍光のみを発するのではなく、所定の波長を中心とする波長分布を有する蛍光を発する。そのため、測定ユニット２０にて取得される蛍光の強度は、他の蛍光色素の波長分布の漏れ込みを含むため、該漏れ込みによる誤差を含んでしまう。

そこで、誤差式生成部１１０は、データベースから、測定条件に対応する上述した各パラメータのばらつきを検索することで、測定ユニット２０にて取得される測定結果に含まれる誤差量を表す計算式を生成する。

具体的には、まず、誤差式生成部１１０は、入力された測定条件に基づいて、測定結果に影響を及ぼす各パラメータのばらつきを示す実績データをデータベース記憶部１２０に記憶されたデータベースからそれぞれ抽出する。実績データとは、様々な測定条件における各パラメータのばらつきを示すデータであり、実験、シミュレーション又は理論的な予測などによって得ることができる。例えば、誤差式生成部１１０は、入力された測定条件に最も近い測定条件で測定した際の測定結果（実績データ）をデータベースから検索し、検索した測定結果をデータベースから抽出してもよい。

次に、誤差式生成部１１０は、データベースから抽出したそれぞれの実績データから誤差量を表す計算式を生成する。例えば、誤差式生成部１１０は、検索した実績データが示すばらつきに対してフィッティングする曲線を表す計算式を生成することで、誤差量を表す計算式を生成してもよい。その後、誤差式生成部１１０は、生成した計算式を足し合わせることで、測定結果に含まれる誤差量を表す計算式を生成する。

なお、誤差式生成部１１０は、少なくとも１つ以上のパラメータのばらつきを示す実績データをデータベースから検索すればよい。誤差式生成部１１０によって実績データが検索されるパラメータの数は特に限定されない。

実績データから誤差量を表す計算式を生成するための方法は、最小二乗法等の公知の方法を用いることができるが、例えば、機械学習を用いた方法を用いてもよい。機械学習としては、具体的には、強化学習、深層学習、ニューラルネットワーク、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、遺伝的アルゴリズム（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ：ＧＡ）、又はベイズ推定等を単独又は適宜組み合わせて用いることが可能である。

データベース記憶部１２０は、測定ユニット２０にて取得される測定結果に影響を及ぼす各パラメータのばらつきを理論的又は実験的に示す実績データを集積したデータベースを記憶する。

具体的には、データベース記憶部１２０に記憶されるデータベースは、例えば、様々な測定条件に対する各パラメータのばらつきを示す実験データ、シミュレーションデータ、及び理論的な予測データなどを集積したデータの集合体であってもよい。

ここで、図６を参照して、データベース記憶部１２０が記憶するデータベースについて説明する。図６は、データベース記憶部１２０が記憶するデータベースの具体例を示すブロック図である。

図６に示すように、例えば、データベース記憶部１２０は、抗原発現量ＤＢ（Ｄａｔａ Ｂａｓｅ）１２１、抗体親和性ＤＢ１２２、色素光量分布ＤＢ１２３、フォトンショットノイズＤＢ１２４、近接波長漏れ込みＤＢ１２５及び励起波長別光量ＤＢ１２５を記憶してもよい。

抗原発現量ＤＢ１２１は、例えば、細胞の種類に対する抗原の各々の発現量の分布を示すデータを集積したデータベースである。抗原発現量ＤＢ１２１は、同種類の細胞の個体差に対する抗原の各々の発現量の分布を示すデータについても集積していてもよい。なお、同種類の細胞の個体差に対する抗原の各々の発現量の分布は、一般的には、Ｓｋｅｗｅｄガウス分布に従うことが知られているため、抗原発現量ＤＢ１２１は、Ｓｋｅｗｅｄガウス分布を記憶していてもよい。

抗体親和性ＤＢ１２２は、例えば、抗原の種類に対する各抗体の親和性の分布を示すデータを集積したデータベースである。色素光量分布ＤＢ１２３は、例えば、蛍光色素の種類に対する光量分布を示すデータを集積したデータベースである。フォトンショットノイズ１２４は、例えば、蛍光色素の光量に対する光検出器２５のフォトンショットノイズの程度を示すデータを集積したデータベースである。近接波長漏れ込みＤＢ１２５は、例えば、測定ユニット２０が異なる波長の複数の蛍光を検出する場合に、複数の蛍光の各々の波長分布の一部が互いに漏れ込む度合を示すデータを集積したデータベースである。励起波長別光量ＤＢ１２６は、例えば、励起波長の各々に対する蛍光色素の光量を示すデータを集積したデータベースである。励起波長別光量ＤＢ１２６によれば、複数のレーザ光にて複数の蛍光色素を励起する場合に、励起源ではないレーザ光によって蛍光色素がどの程度蛍光を発してしまうかを判断することができる。

なお、データベース記憶部１２０は、上記で例示したデータベース以外に、測定結果に影響を及ぼす他のパラメータのばらつきに関するデータを集積したデータベースを記憶していてもよいことは言うまでもない。また、データベース記憶部１２０は、情報処理装置１０の内部に設けられていてもよいが、情報処理装置１０とネットワーク等を介して接続された外部機器に設けられていてもよい。

シミュレーション部１１２は、誤差式生成部１１０が生成した計算式に基づいて、測定サンプルＳの測定結果のシミュレーションを行う。具体的には、シミュレーション部１１２は、測定サンプルＳに含まれる細胞の種類について、細胞種の各々の抗原発現量の分布と、誤差量の計算式と、乱数とを用いてモンテカルロシミュレーションを行うことで、測定サンプルＳの測定結果のシミュレーションデータを生成する。その後、シミュレーション部１１２は、生成されたシミュレーションデータに対して、任意のクラスタリングアルゴリズムを適用することによって、シミュレーションデータの細胞集団の各々を分類する。

さらに、シミュレーション部１１２は、任意のクラスタリングアルゴリズムによって、シミュレーションデータがどのような精度及び正確度で細胞集団の各々を分類することができたかの度合を評価してもよい。例えば、シミュレーション部１１２は、入力された測定条件によって、測定サンプルＳに含まれる細胞集団の各々を分類することができるか否かを評価してもよい。シミュレーション部１１２は、シミュレーションデータにおける細胞の各々の分類の精度及び正確度を０〜１００の点数（数値が大きい方が高精度及び高正確度であるとする）にて評価してもよい。また、シミュレーション部１１２は、シミュレーションデータにおける細胞の各々の分類の精度及び正確度に基づいて、測定条件の妥当性を評価してもよい。

加えて、シミュレーション部１１２は、誤差要因となる各パラメータのばらつきについて、それぞれのパラメータのばらつきが最終的な測定結果の誤差に寄与する度合を評価してもよい。誤差要因となる各パラメータのばらつきが最終的な測定結果の誤差に寄与する度合は、例えば、誤差式生成部１１０での誤差を表す計算式の生成時に評価することが可能である。そこで、シミュレーション部１１２は、測定結果に含まれる誤差の改善を促すために、誤差要因となる各パラメータの中から最終的な測定結果に含まれる誤差に最も寄与するパラメータを抽出し、抽出したパラメータを提示してもよい。また、シミュレーション部１１２は、誤差要因となる各パラメータのばらつきが最終的な測定結果の誤差に寄与する度合を、パラメータごとに提示してもよい。

なお、シミュレーション部１１２が行うシミュレーションの具体的なアルゴリズムは、上記の方法以外の公知の方法を用いてもよい。例えば、シミュレーション部１１２は、モンテカルロシミュレーション以外のシミュレーション方法で、測定サンプルＳの測定結果のシミュレーションデータを生成してもよい。また、シミュレーション部１１２は、クラスタリングアルゴリズム以外の分類器で、シミュレーションデータの細胞集団の各々の分類を行ってもよい。

データ取得部１０２は、測定サンプルＳの測定結果を測定ユニット２０から取得する。具体的には、データ取得部１０２は、測定サンプルＳが発する蛍光の強度又はスペクトルに関する測定結果を測定ユニット２０から取得する。データ取得部１０２は、例えば、測定ユニット２０と接続するための接続ポート又は通信装置で構成された外部入力インタフェースを含んで構成されてもよい。データ取得部１０２は、無線又は有線のいずれにて測定ユニット２０から情報を取得してもよい。

データ補正部１０４は、測定サンプルＳの測定結果を誤差式生成部１１０が生成した計算式に基づいて補正する。具体的には、データ補正部１０４は、測定サンプルＳが発する蛍光のスペクトル又は強度に関する測定結果から、誤差式生成部１１０が生成した計算式で表される誤差を除去する。例えば、データ補正部１０４は、測定サンプルＳの測定結果を真値の測定結果を表す関数と、誤差を表す関数との合成関数であるとみなし、誤差式生成部１１０が生成した計算式を用いて、測定サンプルＳの測定結果から誤差を表す関数を除去してもよい。これによれば、データ補正部１０４は、測定サンプルＳの測定結果を補正することで、よりばらつきが少なく、正確度が高い測定結果を得ることが可能である。

出力部１０６は、シミュレーション部１１２による予測結果、又はデータ補正部１０４による補正後の測定結果を、表示制御部１０８、外部機器又はメディア等に出力する。出力部１０６は、例えば、各種記憶媒体への書き込み装置、又は外部機器と接続するための接続ポート若しくは通信装置で構成された外部出力インタフェースを含んで構成されてもよい。例えば、出力部１０６は、プリンタ等の出力装置を介して、情報を印刷物としてユーザに出力してもよく、ディスプレイ等の表示装置を介して、情報を画像としてユーザに出力してもよい。

表示制御部１０８は、出力部１０６から出力された情報を情報処理装置１０が備える表示装置、又は情報処理装置１０の外部に設けられた表示装置に表示される表示画面を制御する。例えば、表示制御部１０８は、出力部１０６が出力した測定結果又はシミュレーション結果を情報処理システム１のユーザに提示するための画像を生成及び制御することで、該画像をディスプレイ等の表示装置に表示させる。

以上にて、本実施形態に係る情報処理装置１０の具体的構成の一例を説明した。後述するように、本実施形態に係る情報処理装置１０による構成は、ソフトウェアとハードウェアとの協働による情報処理によって実現される。

このような情報処理装置１０によれば、誤差が補正されることで精度及び正確度がより高くなった測定結果を得ることができるため、測定結果に基づいて新たな知見が見出せる可能性を向上させることができる。また、情報処理装置１０は、測定条件に対する測定結果を、誤差を考慮したシミュレーションデータとして予測することができるため、最適な測定条件をあらかじめシミュレーションによって探索することができる。これによれば、ユーザは、測定条件を精査するための検体、時間及び試薬等を節約することができる。また、情報処理装置１０は、測定結果に含まれる誤差を閾値以下に低減することができるため、測定の再現性及び定量性を向上させることができる。

＜５．情報処理方法の流れ＞
次に、図７及び図８を参照して、情報処理装置１０が実行する情報処理方法の流れについて、第１の例（測定結果のシミュレーション方法）及び第２の例（測定結果の補正方法）に分けて説明する。図７は、情報処理方法の第１の例を説明するフローチャート図であり、図８は、情報処理方法の第２の例を説明するフローチャート図である。

（５．１．第１の例）
まず、図７を参照して、情報処理方法の第１の例について説明する。本実施形態に係る情報処理方法の第１の例は、生成した誤差を表す計算式を用いて、測定結果をシミュレーションする方法である。

図７に示すように、第１の例では、まず、情報処理装置１０は、入力部１１４を介して入力された測定条件を取得する（Ｓ１０１）。なお、測定条件とは、図５で示したような細胞の種類、抗原の種類、抗体の種類及び蛍光色素の種類を含む。

続いて、誤差式生成部１１０は、入力された測定条件を用いて、測定条件に対応する誤差分布を各種データベースから検索する（Ｓ１０２）。その後、誤差式生成部１１０は、検索した誤差分布に基づいて誤差量の計算式を生成する（Ｓ１０３）。

具体的には、まず、誤差式生成部１１０は、測定対象の細胞の各々に対する各抗原の発現量の分布をデータベース（例えば、抗原発現量ＤＢ１２１）から検索する。次に、誤差式生成部１１０は、各抗原に対する抗体の種類に関する情報を用いて、抗原に対する抗体の相対結合率分布（すなわち、平均結合率との比で表した分布）をデータベース（例えば、抗体親和性ＤＢ１２２）から検索する。続いて、誤差式生成部１１０は、各抗原に対する蛍光色素の種類に関する情報を用いて、蛍光色素の光量の相対強度分布（すなわち、平均光量との比で表した分布）をデータベース（例えば、色素光量分布ＤＢ１２３）から検索する。その後、誤差式生成部１１０は、抗原の発現量分布、抗原と抗体との相対結合率分布と、蛍光色素の光量の相対強度分布とを用いて、蛍光色素の光量の絶対値分布を算出する。さらに、誤差式生成部１１０は、算出した蛍光色素の光量の絶対値分布を用いて、光量に応じたフォトンショットノイズ分布をデータベース（例えば、フォトンショットノイズＤＢ１２４）から検索する。

また、複数のレーザ光を用いて複数の蛍光色素を励起している場合、誤差式生成部１１０は、抗原に対する蛍光色素の種類に関する情報を用いて、近接波長の蛍光色素からの蛍光の漏れ込み量の分布をデータベース（例えば、近接波長漏れ込みＤＢ１２５）から検索する。さらに、誤差式生成部１１０は、抗原に対する蛍光色素の種類に関する情報を用いて、励起源以外のレーザ光で励起される蛍光色素の光量分布をデータベース（例えば、励起波長別光量ＤＢ１２６）から検索する。その後、誤差式生成部１１０は、抗原と抗体との相対結合率分布と、蛍光色素の光量の相対強度分布と、フォトンショットノイズ分布と、蛍光の漏れ込み量の分布と、励起源以外で励起される蛍光色素の光量分布とを用いて、測定結果全体での誤差量を表す計算式を生成する。

続いて、シミュレーション部１１２は、抗原発現量分布、誤差量の計算式及び乱数を用いて、シミュレーションを実行する（Ｓ１０４）。具体的には、シミュレーション部１１２は、測定対象の細胞の各々に対する各抗原の発現量の分布と、生成した測定結果全体での誤差量を表す計算式と、乱数とを用いて、モンテカルロシミュレーションを行い、測定結果のシミュレーションデータを生成する。

その後、シミュレーション部１１２は、生成した測定結果のシミュレーションデータに対してクラスタリングを行うことで、測定対象の細胞集団の分類を行う（Ｓ１０５）。具体的には、シミュレーション部１１２は、測定結果のシミュレーションデータにて現れるピーク又は細胞集団がいずれの細胞集団に該当するのかを判断する。

そして、情報処理装置１０は、出力部１０６を介して、シミュレーション結果をユーザに対して提示する（Ｓ１０６）。具体的には、情報処理装置１０は、出力部１０６を介して、測定結果のシミュレーションデータ、シミュレーション部１１２によるクラスタリング結果、誤差量の計算式、及び主要な誤差要因となる測定条件等の情報をユーザに対して出力する。

（５．２．第２の例）
次に、図８を参照して、情報処理方法の第２の例について説明する。本実施形態に係る情報処理方法の第２の例は、生成した誤差を表す計算式を用いて、測定ユニット２０によって測定された測定結果を補正する方法である。

図８に示すように、第２の例では、まず、測定ユニット２０によって、測定サンプルＳの測定が行われる（Ｓ１１１）。具体的には、測定ユニット２０は、フローセル２３を通過するサンプルの各々にレーザ光を照射することで、サンプルの各々からの散乱光及び蛍光を検出する。続いて、誤差式生成部１１０は、測定サンプルＳの測定条件を用いて、測定条件に対応する誤差分布を各種データベースから検索し（Ｓ１１２）、検索した誤差分布に基づいて誤差量の計算式を生成する（Ｓ１１３）。なお、誤差量を表す計算式の生成方法は、第１の例で説明したとおりであるためここでの説明は省略する。

続いて、データ補正部１０４は、生成された誤差量を表す計算式を用いて、測定ユニット２０によって取得された測定結果を補正する。具体的には、データ補正部１０４は、誤差量を表す計算式の逆写像を生成し、生成した逆写像で測定結果を表す関数を処理することで、誤差が除去された測定結果を生成してもよい。その後、情報処理装置１０は、出力部１０６を介して、誤差が除去された測定結果をユーザに対して提示する（Ｓ１１５）。

＜６．実施例＞
続いて、情報処理方法の第１の例について、図９を参照してより具体的な実施例を例示して説明する。図９は、情報処理方法の第１の例の実施例を説明するブロック図である。

図９に示すように、まず、情報処理装置１０は、抗原に対する抗体の親和性に関する情報を集積したデータベース、蛍光色素の光量分布に関する情報を集積したデータベース、光量に応じたフォトンショットノイズに関する情報を集積したデータベース、近接波長の蛍光色素からの蛍光の漏れ込み量に関する情報を集積したデータベース、励起波長別の蛍光色素の光量に関する情報を集積したデータベース、及び測定ユニット２０の装置固有のノイズに関する情報を集積したデータベースを用いて、測定結果全体での誤差量を表す計算式を生成する。具体的には、情報処理装置１０は、入力された測定条件に基づいて、これらのデータベースを検索することで、抗原と抗体との相対結合率分布、蛍光色素の光量の相対強度分布、フォトンショットノイズ分布、蛍光の漏れ込み量の分布、励起源以外で励起される蛍光色素の光量分布、及び測定ユニット２０の装置固有のノイズを抽出する。続いて、情報処理装置１０は、抽出した各種誤差分布に基づいて、測定結果全体での誤差量を表す計算式を生成する。

次に、情報処理装置１０は、生成した誤差量の計算式、測定ユニット２０の装置情報、並びに測定対象の細胞及び蛍光標識試薬の情報などを用いて、測定結果のシミュレーションを実行する。具体的には、情報処理装置１０は、生成した誤差量の計算式、測定ユニット２０の装置起因のばらつき分布、細胞ごとの抗原発現量分布、測定対象の細胞及び蛍光標識試薬の種類、並びに乱数を用いてモンテカルロシミュレーションを行うことで、測定結果のシミュレーションデータを生成する。

ここで、測定ユニット２０の装置起因のばらつき分布は、例えば、励起光量のばらつき、及び検出器のゲインの変換効率のばらつきである。励起光量のばらつき、及び検出器のゲインの変換効率のばらつきは、測定ユニット２０の装置設定情報に基づいて、励起光量及び検出器のゲインの変換効率に関する情報を集積したデータベースを検索することで取得され得る。細胞ごとの抗原発現量分布は、測定対象である細胞の種類に基づいて、細胞の種類に対する各抗原の発現量分布に関する情報を集積したデータベースを検索することで取得され得る。測定対象である細胞の種類は、例えば、測定対象細胞としてユーザから入力された情報を参照することで取得されてもよい。

続いて、情報処理装置１０は、生成した測定結果のシミュレーションデータをクラスタリングすることで、測定対象の細胞を細胞集団ごとに分類する。具体的には、情報処理装置１０は、測定結果のシミュレーションデータにて現れるピーク又は集団がいずれの細胞集団に該当するのかを判断し、測定対象の細胞のピーク又は集団を該当する細胞集団にそれぞれ分類する。

さらに、情報処理装置１０は、クラスタリング等を行うことで細胞集団を同定したシミュレーション結果をユーザに提示する。このとき、情報処理装置１０は、シミュレーション結果に加えて、誤差量の計算式、及び誤差要因となる測定条件等の情報をユーザに提示してもよい。

情報処理方法の第１の例の実施例によれば、情報処理装置１０は、測定ユニット２０の装置固有のノイズ等の誤差要因を考慮して、測定全体の誤差量を表す計算式を生成することができる。また、情報処理装置１０は、測定ユニット２０の装置設定に起因するばらつき等の誤差要因を考慮して、測定結果のシミュレーションを行うことができる。これによれば、情報処理装置１０は、より精度及び正確度が高いシミュレーション結果を得ることが可能である。

＜７．ハードウェア構成＞
続いて、図１０を参照して、本実施形態に係る情報処理装置１０のハードウェア構成について説明する。図１０は、本実施形態に係る情報処理装置１０のハードウェア構成の一例を示したブロック図である。

図１０に示すように、情報処理装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ブリッジ９０７と、内部バス９０５及び９０６と、インタフェース９０８と、入力装置９１１と、出力装置９１２と、ストレージ装置９１３と、ドライブ９１４と、接続ポート９１５と、通信装置９１６と、を備える。

ＣＰＵ９０１は、演算処理装置及び制御装置として機能し、ＲＯＭ９０２等に記憶された各種プログラムに従って、情報処理装置１０の動作全般を制御する。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラム、演算パラメータを記憶し、ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。例えば、ＣＰＵ９０１は、データ補正部１０４、誤差式生成部１１０及びシミュレーション部１１２の機能を実行してもよい。

これらＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、ブリッジ９０７、内部バス９０５及び９０６等により相互に接続されている。また、ＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、インタフェース９０８を介して入力装置９１１、出力装置９１２、ストレージ装置９１３、ドライブ９１４、接続ポート９１５及び通信装置９１６とも接続されている。

入力装置９１１は、タッチパネル、キーボード、マウス、ボタン、マイクロフォン、スイッチ又はレバーなどの情報が入力される入力装置を含む。また、入力装置９１１は、入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力するための入力制御回路なども含む。例えば、入力装置９１１は、入力部１１４の機能を実行してもよい。

出力装置９１２は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）表示装置、液晶表示装置又は有機ＥＬ（Ｏｒｇａｎｉｃ ＥｌｅｃｔｒｏＬｕｍｉｎｅｓｃｅｎｃｅ）表示装置などの表示装置を含む。さらに、出力装置９１２は、スピーカ又はヘッドホンなどの音声出力装置を含んでもよい。例えば、出力装置９１２は、出力部１０６及び表示制御部１０８の機能を実行してもよい。

ストレージ装置９１３は、情報処理装置１０のデータ格納用の記憶装置である。ストレージ装置９１３は、記憶媒体、記憶媒体にデータを記憶する記憶装置、記憶媒体からデータを読み出す読み出し装置、及び記憶されたデータを削除する削除装置を含んでもよい。例えば、ストレージ装置９１３は、データベース記憶部１２０の機能を実行してもよい。

ドライブ９１４は、記憶媒体用リードライタであり、情報処理装置１０に内蔵又は外付けされる。例えば、ドライブ９１４は、装着されている磁気ディスク、光ディスク、光磁気ディスク又は半導体メモリ等のリムーバブル記憶媒体に記憶されている情報を読み出し、ＲＡＭ９０３に出力する。ドライブ９１４は、リムーバブル記憶媒体に情報を書き込むことも可能である。

接続ポート９１５は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、イーサネット（登録商標）ポート、ＩＥＥＥ８０２．１１規格ポート又は光オーディオ端子等のような外部接続機器を接続するための接続ポートで構成された接続インタフェースである。

通信装置９１６は、例えば、ネットワーク９２０に接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１６は、有線又は無線ＬＡＮ対応通信装置であってもよく、有線によるケーブル通信を行うケーブル通信装置であってもよい。通信装置９１６及び接続ポート９１５は、データ取得部１０２及び出力部１０６の機能を実行してもよい。

なお、情報処理装置１０に内蔵されるＣＰＵ、ＲＯＭ及びＲＡＭなどのハードウェアに対して、上述した本実施形態に係る情報処理装置の各構成と同等の機能を発揮させるためのコンピュータプログラムも作成可能である。また、該コンピュータプログラムを記憶させた記憶媒体も提供することが可能である。

＜８．まとめ＞
以上にて説明したように、本開示の一実施形態に係る情報処理装置１０は、測定結果及びシミュレーション結果を多数集積したデータベースを用いることで、測定条件に基づいて、測定結果に現れる誤差量を定量的に表す計算式を生成することが可能である。

これによれば、情報処理システム１は、測定結果の誤差を補正することで、より精度及び正確度が高い測定結果を得ることができる。また、情報処理システム１は、測定条件に対する測定結果をシミュレーションによって予測することができるため、誤差が小さい測定条件をシミュレーションによって探索することができる。これによれば、ユーザは、測定条件を精査するための検体、時間及び試薬等を節約することが可能であり、より効率的に所望の測定データを得ることが可能である。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上記実施形態では、情報処理システム１は、セルアナライザであるとして説明したが、本技術はかかる例に限定されない。例えば、情報処理システム１は、細胞の分取部を備えるセルソータであってもよい。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
を備える、情報処理装置。
（２）
前記計算式を用いて、検出された前記蛍光の強度を補正するデータ補正部をさらに備える、前記（１）に記載の情報処理装置。
（３）
前記計算式を用いて、前記蛍光の強度を予測するシミュレーション部をさらに備える、前記（１）又は（２）に記載の情報処理装置。
（４）
前記シミュレーション部は、予測された前記蛍光の強度に基づいて前記粒子の種類をさらに分類する、前記（３）に記載の情報処理装置。
（５）
前記シミュレーション部は、前記分類の妥当性をさらに評価する、前記（４）に記載の情報処理装置。
（６）
前記シミュレーション部は、評価した前記分類の妥当性に基づいて前記測定条件の妥当性をさらに評価する、前記（５）に記載の情報処理装置。
（７）
前記シミュレーション部は、前記蛍光の強度の誤差量に対する前記パラメータの各々のばらつきの寄与度をさらに評価する、前記（３）〜（６）のいずれか一項に記載の情報処理装置。
（８）
前記シミュレーション部は、前記蛍光の強度の誤差量の度合を評価する、前記（３）〜（７）のいずれか一項に記載の情報処理装置。
（９）
前記演算部は、機械学習に基づいて前記計算式の生成を行う、前記（１）〜（８）のいずれか一項に記載の情報処理装置。
（１０）
前記粒子は、細胞である、前記（１）〜（９）のいずれか一項に記載の情報処理装置。
（１１）
前記測定条件は、前記細胞の種類、前記細胞が有する抗原の種類、前記抗原と結合する抗体の種類、又は前記抗体と結合する蛍光色素の種類の少なくともいずれか１つ以上を含む、前記（１０）に記載の情報処理装置。
（１２）
前記パラメータは、前記細胞の種類における前記抗原の発現量、前記抗原に対する前記抗体の親和性、又は前記蛍光色素の光量の少なくとも１つ以上を含む、前記（１１）に記載の情報処理装置。
（１３）
前記粒子は、複数の光線が照射されることで、対応する複数の蛍光をそれぞれ出射し、
前記パラメータは、対応しない光線による前記蛍光色素の励起量、又は複数の蛍光の相互の漏れ込みの少なくともいずれかをさらに含む、前記（１１）又は（１２）に記載の情報処理装置。
（１４）
移動する前記粒子に光線を照射し、前記粒子からの蛍光を検出するフローサイトメータ部をさらに備える、前記（１）〜（１３）のいずれか一項に記載の情報処理装置。
（１５）
演算処理装置を用いて、
粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出することと、
抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成することと、
を含む、情報処理方法。
（１６）
コンピュータを
粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
として機能させる、プログラム。

Ｓ 測定サンプル
１ 情報処理システム
１０ 情報処理装置
２０ 測定ユニット
２１ レーザ光源
２３ フローセル
２５ 光検出器
１０２ データ取得部
１０４ データ補正部
１０６ 出力部
１０８ 表示制御部
１１０ 誤差式生成部
１１２ シミュレーション部
１１４ 入力部
１２０ データベース記憶部

Claims (16)

1. 粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
   抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
   を備える、情報処理装置。
2. 前記計算式を用いて、検出された前記蛍光の強度を補正するデータ補正部をさらに備える、請求項１に記載の情報処理装置。
3. 前記計算式を用いて、前記蛍光の強度を予測するシミュレーション部をさらに備える、請求項１に記載の情報処理装置。
4. 前記シミュレーション部は、予測された前記蛍光の強度に基づいて前記粒子の種類をさらに分類する、請求項３に記載の情報処理装置。
5. 前記シミュレーション部は、前記分類の妥当性をさらに評価する、請求項４に記載の情報処理装置。
6. 前記シミュレーション部は、評価した前記分類の妥当性に基づいて前記測定条件の妥当性をさらに評価する、請求項５に記載の情報処理装置。
7. 前記シミュレーション部は、前記蛍光の強度の誤差量に対する前記パラメータの各々のばらつきの寄与度をさらに評価する、請求項３に記載の情報処理装置。
8. 前記シミュレーション部は、前記蛍光の強度の誤差量の度合を評価する、請求項３に記載の情報処理装置。
9. 前記演算部は、機械学習に基づいて前記計算式の生成を行う、請求項１に記載の情報処理装置。
10. 前記粒子は、細胞である、請求項１に記載の情報処理装置。
11. 前記測定条件は、前記細胞の種類、前記細胞が有する抗原の種類、前記抗原と結合する抗体の種類、又は前記抗体と結合する蛍光色素の種類の少なくともいずれか１つ以上を含む、請求項１０に記載の情報処理装置。
12. 前記パラメータは、前記細胞の種類における前記抗原の発現量、前記抗原に対する前記抗体の親和性、又は前記蛍光色素の光量の少なくとも１つ以上を含む、請求項１１に記載の情報処理装置。
13. 前記粒子は、複数の光線が照射されることで、対応する複数の蛍光をそれぞれ出射し、
    前記パラメータは、対応しない光線による前記蛍光色素の励起量、又は複数の蛍光の相互の漏れ込みの少なくともいずれかをさらに含む、請求項１１に記載の情報処理装置。
14. 移動する前記粒子に光線を照射し、前記粒子からの蛍光を検出するフローサイトメータ部をさらに備える、請求項１に記載の情報処理装置。
15. 演算処理装置を用いて、
    粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出することと、
    抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成することと、
    を含む、情報処理方法。
16. コンピュータを
    粒子に光線を照射した際に測定される蛍光の強度に影響するパラメータの各々のばらつきを、測定条件に基づいてデータベースから抽出する抽出部と、
    抽出された前記パラメータの各々のばらつきに基づいて前記蛍光の強度に含まれる誤差量を表す計算式を生成する演算部と、
    として機能させる、プログラム。

Images