JP4122261B2 - Ｄｎａマイクロアレイイメージ解析システム - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、ＤＮＡマイクロアレイのイメージを扱うパターン認識システムに関し、特に複数のスポットがブロック化された、いわゆるスタンフォードタイプのマイクロアレイのイメージ解析システムに関する。
【０００２】
【従来の技術】
マイクロアレイには、複数のスポットがブロック化されたスタンフォードタイプと呼ばれるものがある。１個のマイクロアレイ上に、例えば４×８個のブロックを有し、各ブロックはＸ×Ｙ個の複数のスポットで構成されている。マイクロアレイに検体を接触させた後、各スポットから発せられる蛍光強度を光学的に測定する。光学的測定に際しては、各スポットをＮ×Ｍ個のピクセルに分割して、各ピクセルを順次又は同時に測定される。このように測定が極めて多数に上り、そのデータ量も膨大であることから、得られたデータを統計解析するためのマイクロアレイのイメージ解析システムが開発されている。
【０００３】
例えば、マイクロアレイのスポットの位置と大きさを自動認識するために、下記特許文献１に記載のようにフィルタリングを行うシステムが知られている。特許文献１に記載のものは、マイクロアレイ等のイメージにおける自動解析処理の間において、間違った解釈を導くような様々なノイズ源から、有用な情報を分離するよう処理できるような、フィルタリング、セグメント化、遺伝的多様性処理（morphological operation）などの処理を行うシステムである。
【０００４】
【特許文献１】
特開２００２−１８９０２６号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、特許文献１に記載のようにフィルタリングを行ってからスポットの位置と大きさを自動認識するシステムは存在するが、その後に再現性や定量性に欠けるスポットのステータスを変更して、以後のデータ解析の際に除去するなどのフラグ付けをする操作は手動で行っている。
【０００６】
再現性や定量性に欠けるスポットの例としては、ごみの入ったスポットや傷のあるスポット及びドーナツ状のスポットなどが挙げられ、図形的にスポット領域の中心に対して対照的なスポットも同様なステータスとする必要がある。
【０００７】
また、マイクロアレイ作成方法の特性から、ブロック内スポット座標が同一であるスポットのステータスは同じものとなりやすい。
本発明の目的は、現在、使用者が手動で行っているスポットのフラグ付け操作を半自動的に行うシステムを提供することにある。
【０００８】
【課題を解決するための手段】
上記目的を達成するために、本発明はＤＮＡマイクロアレイのイメージ解析システムの発明であり、ハイブリダイゼーション後のＤＮＡマイクロアレイのイメージにおいてスポット領域の設定が行われた後に、各スポット領域に使用者が任意に設定できる複数のステータスから１つのステータスを自動で設定するステータス自動設定手段、及び前記設定されたステータスについて各スポット領域のピクセル値を用いて学習し、その学習結果を記憶手段に保存する学習手段と、先の学習結果を用いて自動判定を行う自動判定手段とを備えることを特徴とする。
【０００９】
本発明で言うステータスとは、マイクロアレイ解析において問題となる各スポットの状態を意味し、フラグとも言われるものである。ここで、ステータスの種類としては、解析を行う上で問題がない（正常）か問題がある（異常）か、スポットの有無、ゴミの有無、スポットの形状異常などが例示されるが、解析者のニーズによりこれ以外のものも適宜設定される。
【００１０】
又、本発明において、自動で設定されたステータスについて各スポット領域のピクセル値を用いて学習し、その学習結果を保存する個数については、特に制限されず、解析者がステータスの種類、要求される解析精度、被検査試料の個数等を考慮して適宜設定できる。
【００１１】
本発明において、前記１つのステータスを自動で設定する手段が、使用者が設定するステータスを教師信号（トレーニングデータ）とするフィードフォワードニューラルネットワークで構成されていることが好ましい。
【００１２】
又、前記フィードフォワードニューラルネットワークへの教師信号（トレーニングデータ）としての入力が、使用者が選択したスポット領域に含まれる各ピクセル値であることが好ましい。
【００１３】
又、前記フィードフォワードニューラルネットワークへの教師信号（トレーニングデータ）としての入力が、選択したスポット領域に含まれる各ピクセル値の代わりに、選択したスポット領域を左右反転又は上下反転又は上下左右反転したイメージに含まれる各ピクセル値であることができる。同様に、前記フィードフォワードニューラルネットワークへの教師信号（トレーニングデータ）としての入力が、イメージに含まれる各ピクセル値の代わりに、イメージを９０度又は１８０度又は２７０度回転したイメージに含まれる各ピクセル値であることができる。これらは、同一ステータスに設定したいスポットの図形的対象性から、上記教師信号を上下左右反転や回転させた画像をも教師信号として用いるものであり、少ない学習でも教師信号（トレーニングデータ）が豊富化される。
【００１４】
又、前記フィードフォワードニューラルネットワークへの教師信号（トレーニングデータ）としての入力が、イメージに含まれる各ピクセル値と、ブロック内のスポット位置を表す値であることが好ましい。
【００１５】
又、学習後のフィードフォワードニューラルネットワークに、ステータス未定のスポット領域に含まれる各ピクセル値を入力して複数のステータスの期待値を算出し、複数のステータスの期待値から最も期待値の高い１つのステータスを出力することができる。
【００１６】
更に、前記マイクロアレイが、複数のスポットがブロック化されたスタンフォードタイプであることが、本発明のマイクロアレイ解析システムを実行する上で好ましい。
【００１７】
更に、マイクロアレイ作成方法の特性に考慮して、ブロック内スポット座標が同一であるスポットのステータスも自動的に同一のステータスとする機能をオプションとして使用者が選択できるものとする。
【００１８】
以上のようにして構築されたフィードフォワードニューラルネットワークを保存・読込できるようにして、フィードフォワードニューラルネットワークの能力強化を行うことや、チップの製作状況によって使用者がフィードフォワードニューラルネットワークを選択することを可能とする。
【００１９】
【発明の実施の形態】
以下、本発明を実施する場合の一形態を図面を参照して具体的に説明する。
図１は、本発明を適用したDNAマイクロアレイイメージ解析システムの構成の一例を示した図である。大きく分けて、ディスプレイ１、キーボード２、スキャナ３等の入出力装置と、中央処理装置４、外部記憶装置５からなる。中央処理装置４内のメモリ領域には、DNAマイクロアレイイメージ解析プログラム４０が記憶されている。DNAマイクロアレイイメージ解析プログラム４０は、ハイブリダイゼーション後のDNAマイクロアレイのイメージの各スポット領域に使用者が任意に設定できる複数のステータスから１つのステータスを自動で設定するステータス自動設定部４１、設定されたステータスについて各スポット領域のピクセル値を用いて学習し、その学習結果を外部記憶装置５に保存するステータス学習部４２、先の学習結果を用いて自動判定を行う自動判定部４３、及び上記各手段を用いた解析部４４からなる。外部記憶装置５にはスキャナ３で読み取ったデータや上述の学習結果などのデータ５０が記憶される。なお、DNAマイクロアレイイメージ解析プログラム４０は、フロッピー（登録商標）ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ＭＯなどの記録媒体に記録して提供することができる。また、インターネット等の通信ネットワークを介して提供することもできる。
【００２０】
図２は、ＤＮＡマイクロアレイのイメージ図であり、スポッターの構造によりブロックに分かれてスポットされる種類のものを表示している。２０１は、１つのブロックの範囲を示している。２０２は、ブロック内スポット座標が同一であるスポットの例を示している。
【００２１】
図３は、スポット領域の拡大図であり、横にＮ個、縦にＭ個のピクセルの蛍光強度が数値化される。
図４は、フィードフォワードニューラルネットワークの概念図である。４０１は、図２に従ってＭ×Ｎ個の各ピクセルの蛍光強度を数値化した値が入力層に入力されることを示している。４０２は、フィードフォワードニューラルネットワークの入力層を示しており、ピクセル値の入力ユニットの数はスポット領域のピクセル数となり、ブロック内スポット位置を入力するユニットの数は、Ｘ座標のスポット数＋Ｙ座標のユニット数となる。出力関数は線形関数となる。４０３は、フィードフォワードニューラルネットワークの中間層を示している。出力関数は図５に示すようなロジスティック関数となる。４０４は、フィードフォワードニューラルネットワークの出力層を示しており、ユニット数は設定するステータスの種類の数となる。その出力関数は図５に示すようなロジスティック関数となる。４０５は、出力層の出力値から決定されるステータスであり、ロジスティック関数にシグモイド関数を採用している場合は１か０に近い値が出力され、１に近い場合がその出力ユニットに対応したステータスであるとみなされる。１つのスポットに複数のステータスの設定を許可しないシステムの場合は、最も１に近い出力ユニットのステータスが採用される。
【００２２】
４０６は、図２に示すようなブロック内のスポットのＸ座標が入力されることを示しており、Ｘ座標に対応したユニットにのみ１が入力され、その他のユニットには０が入力される。ブロック内のスポット座標を使用しない設定の場合は、４０６内には全て０が入力され、ブロック内のスポットのＸ座標はステータスの出力に影響しない。４０７は、図２に示すようなブロック内のスポットのＹ座標が入力されることを示しており、Ｙ座標に対応したユニットにのみ１が入力され、その他のユニットには０が入力される。ブロック内のスポット座標を使用しない設定の場合は、４０７内には全て０が入力され、ブロック内のスポットのＹ座標はステータスの出力に影響しない。
【００２３】
４０８は、ブロック内のスポット座標の入力は中間層を介さずに直接に出力層へと出力されることが示されている。これにより、ピクセル値によるステータスの決定と、ブロック内スポット座標によるステータスの決定は、それぞれ独立してネットワークとなり、その結果を合計したものがステータスの出力となる。
上記の各出力値から、４０５において、ステータスが決定される。
【００２４】
図５は、ニューラルネットワークにおいて、フィードバック誤差学習を行うために良く用いられている、微分可能でありステップ関数に類似した関数であるロジスティック関数を表している。最小値が０で、最大値が１であるものはシグモイド関数と呼ばれており、本発明でも０か１かの出力が要求される出力層ではシグモイド関数を用いる。
【００２５】
図６は、本発明を用いたＤＮＡマイクロアレイのイメージ解析処理の全体の流れを示す、フローチャートである。学習を行う部分と、自動判定を行う部分は次以降の図で説明する。ステップ６０１は、ＤＮＡマイクロアレイを用いた実験結果から得られた、蛍光強度をスキャンした画像データを、本発明を含むシステムに入力する開始ステップである。ステップ６０２は、本発明のピクセル値入力に関わり、スポット領域を決定する。ステップ６０３からが本発明に関する処理であり、このステップで、以前にフィードフォワードニューラルネットワークに学習を行った結果を保存していた場合は、学習結果の読込を行うことができる。
【００２６】
ステップ６０４は、使用者が学習又は自動判定を行いたいスポットを選択するステップであり、複数のスポットを選択することが可能である。
ステップ６０５は、使用者が、学習を行うのか、それとも自動判定を行うのかを選択するステップである。
【００２７】
ステップ６０５で、使用者が、学習を行うことを選択した場合、ステップ６０６で、ステップ６０４で選択したスポットについて、使用者がステータスを設定する。６０７は、学習を行うステップであり、詳細は図７で示される。ステップ６０８は、学習結果の保存を行うステップであり、使用者が望む場合は学習結果を保存することができる。ステップ６０９は、本システムを終了するか否かを使用者が判断するステップであり、別のステータスを設定したい場合などや自動判定を行いたい場合など、終了しない場合はステップ６０４に戻って再びスポットの選択を行う。
【００２８】
ステップ６０５で学習を行わないと選択された場合、即ち自動判定を行う場合は、ステップ６１０で自動判定を行う。その詳細は図８で示される。６１１は、本システムを終了するか否かを使用者が判断するステップであり、学習をやり直したい場合など、終了しない場合は６０４に戻って再びスポットの選択を行う。
【００２９】
図７は、上記ステップ６０７の学習を行う部分のフローチャートである。ステップ７０１は、１つのスポットにおけるスポット領域内のピクセル値を算出する。ステップ７０２は、ブロック内スポット位置を用いて学習するか否かの設定による分岐ステップである。ステップ７０３は、ブロック内のスポット位置を用いる場合で、フィードフォワードニューラルネットワークに、ピクセル値とスポット位置を入力して、ステータスを教師信号として学習を行う。ステップ７０４は、ブロック内のスポット位置を用いない場合で、フィードフォワードニューラルネットワークに、ピクセル値はそのまま入力するがスポット位置を入力するユニットには全て０を入力して、ステータスを教師信号として学習を行う。
【００３０】
ステップ７０５は、スポット領域の画像を左右反転するステップ。左右反転した結果の画像がすでにフィードフォワードニューラルネットワークに入力されたものでない場合は、ステップ７０１に戻ってピクセル値を算出して学習を行う。ステップ７０６は、スポット領域の画像を上下反転する。上下反転した結果の画像がすでにフィードフォワードニューラルネットワークに入力されたものでない場合は、ステップ７０１に戻ってピクセル値を算出して学習を行う。ステップ７０７は、スポット領域の画像を回転する。回転した結果の画像がすでにフィードフォワードニューラルネットワークに入力されたものでない場合は、ステップ７０１に戻ってピクセル値を算出して学習を行う。ステップ７０８は、選択したスポット内のスポットを全て学習に用いたかを判定する。まだ学習に用いていないスポットがある場合は、ステップ７０１に戻ってそのスポットのピクセル値を算出する。
【００３１】
図８は、上記ステップ７１０の自動判定を行う部分のフローチャートである。ステップ８０１は、１つのスポットにおけるスポット領域内のピクセル値を算出する。ステップ８０２は、ブロック内スポット位置を用いて自動判定するか否かの設定による分岐ステップである。ステップ８０３は、ブロック内のスポット位置を用いる場合で、フィードフォワードニューラルネットワークにピクセル値とスポット位置を入力して出力結果を得る。ブロック内のスポット位置を用いない設定で学習を行っていた場合は、結合荷重が初期値の十分に小さな乱数のままなので、ブロック内のスポット位置は結果に影響を及ぼさない。ステップ８０４は、ブロック内のスポット位置を用いない場合で、フィードフォワードニューラルネットワークに、ピクセル値はそのまま入力するがスポット位置を入力するユニットには全て０を入力して出力結果を得る。ブロック内のスポット位置を用いる設定で学習を行っていた場合は、スポット位置を入力するユニットには全て０を入力するため、ブロック内のスポット位置は結果に影響を及ぼさない。ステップ８０５は、フィードフォワードニューラルネットワークの出力結果を用いて、スポットのステータスを判定するステップであり、１つのスポットに複数のステータスの設定を許可しないシステムの場合は、最も１に近い出力ユニットのステータスが採用される。ステップ８０６は、選択したスポット内のスポットを全て自動判定に用いたかを判定する。まだ自動判定に用いていないスポットがある場合はステップ８０１に戻ってそのスポットのピクセル値を算出する。
【００３２】
【発明の効果】
以上、説明したように、本発明によれば、ＤＮＡマイクロアレイのイメージ画像から発現解析に至る途中の過程において、ごみの混入やコンタミネーションにより発現解析には用いたくないスポットやその他の理由で何らかの意味のあるスポットにステータスを設定する作業を、使用者の判定をフィードフォワードニューラルネットワークに学習させる事によって、判定作業を自動化させ、使用者の作業時間が短縮する効果と、ミスや見落としを防ぐことによって発現解析の精度を向上させる効果を得る事が可能となる。
【００３３】
その際、１つのスポットのステータスを設定することによって、自動的に左右上下反転や回転したスポットの画像を作成して学習するので、自動化による効果が大きく得られる。
【００３４】
また、ＤＮＡマイクロアレイのスポッターにおいてブロック内スポット座標が同一であるスポットのステータスは同じものになりやすいという特性を考慮して、ブロック内スポット位置もフィードフォワードニューラルネットワークに入力できるようなオプションを用意している。この機能に関して、ブロック内スポット位置を用いるか否かの切り替えを同一ネットワークでも行えるようにしているので、再学習を行う必要が無いという利点もある。
【００３５】
更に、学習結果を保存し、読み込む機能を付加することによって、ＤＮＡマイクロアレイの種類によって用いるフィードフォワードニューラルネットワークを切り替えることなどが可能となる。
【図面の簡単な説明】
【図１】本発明のマイクロアレイイメージ解析システムのハードウエア構成図。
【図２】ＤＮＡマイクロアレイのイメージ図。
【図３】スポットの拡大図。
【図４】フィードフォワードニューラルネットワークの概念図。
【図５】ロジスティック関数の図。
【図６】本発明の全体のフローチャート。
【図７】学習を行う部分のフローチャート。
【図８】自動判定を行う部分のフローチャート。
【符号の説明】
１：ディスプレイ、２：キーボード、３：スキャナ、４：中央処理装置、５：外部記憶装置、４０：マイクロアレイイメージ解析プログラム、４１：ステータス自動設定部、４２：ステータス学習部、４３：自動判定部、４４：解析部、５０：データ。

Claims (6)

1. ハイブリダイゼーション後のＤＮＡマイクロアレイのイメージを読み込み、フィードフォワードニューラルネットワークを用いて各スポット領域のステータスを解析する、コンピュータを用いたＤＮＡマイクロアレイイメージ解析システムにおいて、
   前記ＤＮＡマイクロアレイは、複数のスポット領域がブロック化されたスタンフォードタイプであり、
   前記フィードフォワードニューラルネットワークはスポット領域のイメージ内の複数のピクセルの数と同数の複数のピクセル値入力ユニットと、前記スポット領域の前記ブロック内での位置を入力するためのスポット位置入力ユニットと、前記スポット領域に設定可能な複数のステータスに対応した該複数のステータスと同数の出力ユニットを備え、
   使用者がスポット領域に設定したステータスを教師信号とし、該スポット領域内の複数のピクセル値を前記複数のピクセル値入力ユニットに入力し、前記スポット領域に設定したステータスの判断基準を前記フィードフォワードニューラルネットワークに学習させる学習手段と、
   使用者が指定したステータス未設定のスポット領域内の複数のピクセル値を学習後の前記フィードフォワードニューラルネットワークの前記複数のピクセル値入力ユニットに入力し、前記ステータス未設定のスポット領域のステータスを判定する自動判定手段と、
   を備え、
   前記学習手段は、さらに使用者がステータスを設定したスポット領域の前記ブロック内での位置を前記スポット位置入力ユニットに入力し、前記使用者がスポット領域に設定したステータスの判断基準を前記フィードフォワードニューラルネットワークに学習させることを特徴とするＤＮＡマイクロアレイイメージ解析システム。
2. 前記学習手段は、さらに前記スポット領域のイメージを左右反転又は上下反転又は上下左右反転させ、該反転させたイメージがすでに前記フィードフォワードニューラルネットワークに入力されたものでない場合は、該反転したイメージに含まれる複数のピクセル値を前記複数のピクセル値入力ユニットに入力し、前記使用者がスポット領域に設定したステータスを教師信号とし、前記使用者がスポット領域に設定したステータスの判断基準を前記フィードフォワードニューラルネットワークに学習させることを特徴とする請求項１に記載のＤＮＡマイクロアレイイメージ解析システム。
3. 前記学習手段は、さらに前記スポット領域のイメージを９０度又は１８０度又は２７０度回転させ、該回転させたイメージがすでに前記フィードフォワードニューラルネットワークに入力されたものでない場合は、該回転したイメージに含まれる複数のピクセル値を前記複数のピクセル値入力ユニットに入力し、前記使用者がスポット領域に設定したステータスを教師信号とし、前記使用者がスポット領域に設定したステータスの判断基準を前記フィードフォワードニューラルネットワークに学習させることを特徴とする請求項１に記載のＤＮＡマイクロアレイイメージ解析システム。
4. 前記フィードフォワードニューラルネットワークは出力層の期待値算出にシグモイド関数を利用するものであり、
   前記ＤＮＡマイクロアレイイメージ解析システムは１つのスポット領域に複数のステータスの設定を許可しないシステムであり、
   前記自動判定手段は、指定されたステータス未設定のスポット領域のイメージに含まれる複数のピクセル値を学習後の前記フィードフォワードニューラルネットワークの前記複数のピクセル値入力ユニットに入力し、前記スポット領域に設定可能な複数のステータスの期待値を前記複数の出力ユニットの各ユニット内に出力し、最も１に近い期待値が格納されている出力ユニットに対応するステータスを前記ステータス未設定のスポット領域のステータスとすることを特徴とする請求項１に記載のＤＮＡマイクロアレイイメージ解析システム。
5. 前記自動判定手段は、さらに前記使用者が指定したステータス未設定のスポット領域の前記ブロック内での位置を前記スポット位置入力ユニットに入力し、前記ステータス未設定のスポット領域のステータスを判定することを特徴とする請求項１に記載のＤＮＡマイクロアレイイメージ解析システム。
6. ハイブリダイゼーション後のＤＮＡマイクロアレイのイメージを読み込み、スポット領域のイメージ内の複数のピクセルの数と同数の複数のピクセル値入力ユニットと、前記スポット領域に設定可能な複数のステータスに対応した該複数のステータスと同数の出力ユニットを備えたフィードフォワードニューラルネットワークを用いて各スポット領域のステータスを解析する、コンピュータにより実行されるＤＮＡマイクロアレイイメージ解析プログラムであって、
   スポット領域に設定したステータスを教師信号とし、該スポット領域内の複数のピクセル値を前記複数のピクセル値入力ユニットに入力し、前記スポット領域の前記ブロック内での位置を入力するためのスポット位置入力ユニットと、前記スポット領域に設定したステータスの判断基準を前記フィードフォワードニューラルネットワークに学習させる学習手段と、
   指定されたステータス未設定のスポット領域内の複数のピクセル値を学習後の前記フィードフォワードニューラルネットワークの前記複数のピクセル値入力ユニットに入力し、前記指定されたステータス未設定のスポット領域のステータスを判定する自動判定手段とを備え、前記学習手段は、さらにステータスが設定されたスポット領域の前記ブロック内での位置を前記スポット位置入力ユニットに入力し、前記スポット領域に設定したステータスの判断基準を前記フィードフォワードニューラルネットワークに学習させることを特徴とするＤＮＡマイクロアレイイメージ解析プログラムを格納したことを特徴とするＤＮＡマイクロアレイイメージ解析プログラム。

Images