特許 6937365 電子顕微鏡写真における構造的外観の自動非監視下存在論的調査方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6937365

(24)【登録日】2021年9月1日

(45)【発行日】2021年9月22日

(54)【発明の名称】電子顕微鏡写真における構造的外観の自動非監視下存在論的調査方法

(51)【国際特許分類】

   G06T 7/00 20170101AFI20210909BHJP

   H01J 37/22 20060101ALI20210909BHJP

【ＦＩ】

   G06T7/00 612

   H01J37/22 502H

   H01J37/22 502J

【請求項の数】7

【全頁数】21

(21)【出願番号】特願2019-510700(P2019-510700)

(86)(22)【出願日】2018年7月2日

(65)【公表番号】特表2020-527258(P2020-527258A)

(43)【公表日】2020年9月3日

(86)【国際出願番号】US2018040625

(87)【国際公開番号】WO2019022925

(87)【国際公開日】20190131

【審査請求日】2020年1月10日

(31)【優先権主張番号】62/535,851

(32)【優先日】2017年7月22日

(33)【優先権主張国】US

(73)【特許権者】

【識別番号】507339869

【氏名又は名称】インテリジェント ヴァイルス イメージング インコーポレイテッド

(74)【代理人】

【識別番号】100147485

【弁理士】

【氏名又は名称】杉村 憲司

(74)【代理人】

【識別番号】230118913

【弁護士】

【氏名又は名称】杉村 光嗣

(74)【代理人】

【識別番号】100132045

【弁理士】

【氏名又は名称】坪内 伸

(72)【発明者】

【氏名】マルティン リネル

【審査官】 ▲広▼島 明芳

(56)【参考文献】

【文献】 特開２００４−１７８９７６（ＪＰ，Ａ）

【文献】 特開２０１０−０１７２７４（ＪＰ，Ａ）

【文献】 国際公開第２０１２／０７４０３９（ＷＯ，Ａ３）

【文献】 特開２００６−２３５９７１（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｔ ７／００ − ７／９０

Ｈ０１Ｊ ３７／２２

(57)【特許請求の範囲】

【請求項1】

オブジェクトを自動存在論的グループ分けする方法であって、
デジタルカメラ（３００）が電子顕微鏡（３０４）における画像（３０２）の写真を撮るステップと、
前記写真をデジタル画像（１００）としてコンピュータ（３０６）内に保存する保存ステップであって、前記デジタル画像（１００）は、明度値を有する順次のピクセルであり、第１明度値を有する第１ピクセル、前記第１ピクセルに隣接して第２明度値を有する第２ピクセル、前記第２ピクセルに隣接して第３明度値を有する第３ピクセル、及び前記第３ピクセルに隣接して第４明度値を有する第４ピクセルを含み、前記デジタル画像（１００）は、さらに、第５明度値を有する第５ピクセル、前記第５ピクセルに隣接して第６明度値を有する第６ピクセル、前記第６ピクセルに隣接して第７明度値を有する第７ピクセル、及び前記第７ピクセルに隣接して第８明度値を有する第８ピクセルを含むものである、該保存ステップと、
前記コンピュータが、前記電子顕微鏡（３０４）のすべてのあり得る倍率スケールを同時に使用して、前記第１明度値を前記第２明度値と比較し、前記第２明度値を前記第３明度値と比較し、前記第３明度値を前記第４明度値と比較することによって、各ピクセル間の関連性の度合いを自動的に決定し、前記コンピュータは、さらに、前記第５明度値を前記第６明度値と比較し、前記第６明度値を前記第７明度値と比較し、前記第７明度値を前記第８明度値と比較するステップと、
前記第２明度値が前記第３明度値に対するよりも前記第１明度値に一層類似するとき、また前記第３明度値が前記第２明度値に対するよりも前記第４明度値に一層類似するとき、前記コンピュータが、前記第２ピクセルと前記第３ピクセルとの間で第１識別済みオブジェクト（１２２）周りの第１断片（１２８）を形成するステップと、
前記第１断片（１２８）の形成と同時に、前記第６明度値が前記第７明度値に対するよりも前記第５明度値に一層類似するとき、また前記第７明度値が前記第６明度値に対するよりも前記第８明度値に一層類似するとき、前記コンピュータが、前記デジタル画像（１２０）における前記第６ピクセルと前記第５ピクセルとの間で第２識別済みオブジェクト（１２４）周りの第２断片（１４２）を形成する形成ステップと、
前記コンピュータが、前記第１識別済みオブジェクトを第１変換済み断片（１２８′）における第１変換済みオブジェクト（１２２′）に数学的に変換し、また前記第２識別済みオブジェクトを第２変換済み断片（１４２′）における第２変換済みオブジェクト（１２４′）に数学的に変換する変換ステップであって、前記第１及び第２の変換済みオブジェクト（１２２′、１２４′）は固定向きでの整列した形状を有するものである、該変換ステップと、
前記ピクセルの前記明度に基づいて、前記コンピュータが、前記第１変換済みオブジェクト（１２２′）の第１トポロジー及び前記第２変換済みオブジェクト（１２４′）の第２トポロジーを決定するステップであって、このトポロジー決定は、前記第１変換済み断片（１２８′）におけるピクセル（６００、６０２、６０４）の明度を、前記第２変換済み断片（１４２′）におけるピクセル（６０６、６０８、６１０）の明度と比較することによって行う、該ステップと、並びに
前記コンピュータが、識別済みトポロジーに基づいて前記第１変換済みオブジェクト（１２２′）及び前記第２変換済みオブジェクト（１２４′）に空間座標を割り当て、この割り当ては、前記第１トポロジーが前記第２トポロジーに類似するとき、前記第１変換済みオブジェクト（１２２′）を前記第２変換済みオブジェクト（１２４′）の近傍に移動させ、また前記第１トポロジーが前記第２トポロジーとは異なるとき、前記第１変換済みオブジェクト（１２２′）を前記第２変換済みオブジェクト（１２４′）から遠ざけるように行うステップと
を備える、方法。

【請求項2】

請求項１記載の方法において、前記方法は、さらに、
第１倍率スケールよりも高い倍率である第２倍率スケールで行うステップであって、前記コンピュータが、前記デジタル画像におけるピクセルの明度を比較することによって、前記デジタル画像における部分構造を自動的に識別するステップと、
前記コンピュータが、各ピクセルの明度に基づいて各ピクセル間の関連性の度合いを決定するステップと、
前記コンピュータが、前記デジタル画像における第１識別済み部分構造（１３０、１３２、１３４、１３６、１３８、１４０）周りの第１部分構造断片（６２０、６２２、６２４、６２６、６２８、６３０）及び第２識別済み部分構造（１４４、１４６、１４８）周りの第２部分構造断片（６３４、６３６、６３８）を形成する部分構造断片形成ステップであって、前記第１及び第２の部分構造断片は、ピクセルが互いに最も低い関連性を有して離れているものである、該部分構造断片形成ステップと、
前記コンピュータが、前記第１識別済み部分構造を第１変換済み部分構造断片（６２０′、６２２′、６２４′、６２６′、６２８′、６３０′）における第１変換済み部分構造（１３０′、１３２′、１３４′、１３６′、１３８′、１４０′）に数学的に変換し、また前記第２識別済み部分構造を第２変換済み部分構造断片（６３４′、６３６′、６３８′）における第１変換済み部分構造（１４４′、１４６′、１４８′）に数学的に変換する変換ステップであって、前記第１及び第２の変換済み部分構造は固定向きでの形状を有するものである、該変換ステップと、
前記ピクセルの前記明度に基づいて、前記コンピュータが、前記第１変換済み部分構造の第２トポロジーを決定するステップと、並びに
前記コンピュータが、前記第１変換済み部分構造断片におけるピクセルの明度を、前記第２変換済み部分構造断片におけるピクセルの明度と比較するステップと
を備える、方法。

【請求項3】

請求項２記載の方法において、前記方法は、さらに、
前記コンピュータが、前記第２変換済み部分構造（１４４′、１４６′、１４８′）のトポロジーを決定するステップと、
前記トポロジーに基づいて、前記コンピュータが、前記第１変換済み部分構造及び前記第２変換済み部分構造に対して空間座標を割り当て、この割り当ては、前記第１変換済み部分構造及び前記第２変換済み部分構造が知覚空間で互いに近接するが、前記第１変換済みオブジェクト及び前記第２変換済みオブジェクトからは離れるように行う、ステップと、
を備える、方法。

【請求項4】

請求項３記載の方法において、前記方法は、さらに、
前記コンピュータが、第３オブジェクト（１２６）を識別して前記第３オブジェクト（１２６）周りの第３断片（１５０）を形成し、前記第１断片（１２８）及び前記第１部分構造断片（６２０）が共通のピクセルを有すること、また前記第２断片（１４２）及び第２部分構造断片（６３６）が共通のピクセルを有することを決定するステップと、
前記コンピュータが、前記第３断片（１５０）は前記第１及び第２の部分構造（６２０、６３６）と共通のピクセルを持たないことを決定するステップと、
前記コンピュータが、前記第１及び第２の断片（１２８、１４２）に空間座標を割り当て、この割り当ては、前記知覚空間において前記第１及び第２の断片（１２８、１４２）を、前記第３断片（１５０）が前記第１及び第２の断片（１２８、１４２）に対するよりも互いに一層近接するように行うステップと
を備える、方法。

【請求項5】

請求項２記載の方法において、前記方法は、さらに、
前記コンピュータが、前記第２倍率スケールで部分構造を識別するのと同時に前記第１
倍率スケールでオブジェクトを識別するステップを備える、方法。

【請求項6】

請求項３記載の方法において、前記方法は、さらに、
第２デジタル画像において前記第３オブジェクト（１５０）を識別するステップを備える、方法。

【請求項7】

請求項４記載の方法において、前記方法は、さらに、
部分構造（２３０、２３２、２３４、２３６、２３８、２４０）が付着している第４のオブジェクト（２２２）を識別するステップと、前記オブジェクト（２２２）及び前記部分構造（２３０〜２４０）を、オブジェクト（２２２′）及び前記部分構造（２３０′〜２４０′）に変換するステップと、三角不等式比較において、類似性を決定するため、前記部分構造（１３０′〜１４０′）がどのように互いに関係しているか、及び前記部分構造（１４４′、１４６′及び１４８′）がどのように互いに関係しているか、と比較して、前記部分構造（２３０′〜２４０′）がどのように互いに関係しているかを解析するステップと、を備える、方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、電子顕微鏡写真における有機又は無機の物質のような構造的外観の自動非監視下存在論的調査方法に関する。

【発明の概要】

【発明が解決しようとする課題】

【0002】

ウイルス及び他の成分を含む細胞構造（細分化組織）を同定、分類、及び解析するため、過去に多くの努力がなされてきた。利用可能な画像技術を用いて、ウイルスを類型化、断片化及び分類するために、様々な画像解析方法が開発されてきた。通常、ユーザーは、電子顕微鏡下でユーザーが何を検査しようとしているのか、及びどの倍率で検査するのかを予め決定する。過去に、ユーザーが何を探しているのかを同定、測定等をし得る様々な検出方法が開発されてきた。特定の及び所定の検出方法を使用するとき、その特定の検出方法によっては検出されない画像における重要な情報を見落とし易い。さらに、手作業での同定及び解析プロセスは、所定品質レベルを確保する一貫した方法で実施するのは困難である。過去において、顕微鏡画像で取得した物体を、客観的に、繰り返して、また信頼性高く同定、分類及び特徴付けるのは困難であった。従来のウイルス粒子同定及び分類プロセスは、ユーザーの先入観に大きく頼っており、また使用に手間がかかるものであり、これはすなわち、従来技術の方法はユーザーがどのように画像を断片化し、また顕微鏡のどのスケール／倍率を使用すべきかの決定を必要とするからである。最新式の脳回ニューラル・ネットワークのような固定フィルタバンクを使用する構造化人工知能方法は、情報解像度を最適に取得できるよりも粗くする自然アライメント（整列）課題との格闘に苦しむことがよくある。従来技術の解決法は、粗さに対して補償しようとするためにビッグデータに頼っているが、この結果として、新たな知識抽出に使用する上で効果なく、時間のかかるものとなることがよくある。

【0003】

ウイルス粒子のような被写体（オブジェクト）を調査するより良く、かつより信頼性高い自動的な方法であるが、極めて多様な生物学的オブジェクト及びサンプルを取り扱うに十分な融通性のある方法に対する必要性がある。

【課題を解決するための手段】

【0004】

本発明方法は上述した問題に対する解決法をもたらす。より具体的には、本発明方法は、オブジェクトを自動存在論的グループ分けするよう設計する。デジタルカメラが電子顕微鏡における画像の写真又はフォトを撮る。この写真又はフォトをデジタル画像としてコンピュータ又はＣＰＵ内に保存する。多くの写真を撮ることもできる。第１倍率スケールで前記コンピュータが前記デジタル画像におけるピクセルの明度を比較することによって前記デジタル画像内のオブジェクトを自動的に識別する。前記コンピュータが、各ピクセルの明度に基づいて各ピクセル間の関連性の度合いを決定する。前記コンピュータが、前記デジタル画像における第１識別済みオブジェクト周りの第１断片及び第２識別済みオブジェクト周りの第２断片を形成する断片形成し、前記第１及び第２の断片は、ピクセルが互いに最も低い関連性を有して離れているものである。前記コンピュータが、自動的に前記第１識別済みオブジェクトを第１変換済み断片における第１変換済みオブジェクトに数学的に変換し、また前記第２識別済みオブジェクトを第２変換済み断片における第１変換済みオブジェクトに数学的に変換し、前記第１及び第２の変換済みオブジェクトは固定向きでの形状を有するものである。前記ピクセルの前記明度に基づいて、前記コンピュータが、前記第１変換済みオブジェクトの第１トポロジーを決定する。前記コンピュータが、前記第１変換済み断片におけるピクセルの明度を、前記第２変換済み断片におけるピクセルの明度と比較する。

【0005】

本発明の第２実施形態において、前記コンピュータが、記第１倍率スケールよりも高い倍率である第２倍率スケールで前記デジタル画像におけるピクセルの明度を比較することによって、前記デジタル画像における部分構造を自動的に識別する。前記コンピュータが、各ピクセルの明度に基づいて各ピクセル間の関連性の度合いを決定する。前記コンピュータが、前記デジタル画像における第１識別済み部分構造周りの第１部分構造断片及び第２識別済み部分構造周りの第２部分構造断片を形成し、前記第１及び第２の部分構造断片は、ピクセルが互いに最も低い関連性を有して離れているものである。前記コンピュータが、自動的に前記第１識別済み部分構造を第１変換済み部分構造断片における第１変換済み部分構造に数学的に変換し、また前記第２識別済み部分構造を第２変換済み部分構造断片における第１変換済み部分構造に数学的に変換し、前記第１及び第２の変換済み部分構造は固定向きでの形状を有するものである。前記ピクセルの前記明度に基づいて、前記コンピュータが、前記第１変換済み部分構造の第２トポロジーを決定する。前記コンピュータが、前記第１変換済み部分構造断片におけるピクセルの明度を、前記第２変換済み部分構造断片におけるピクセルの明度と比較する。

【0006】

他の実施形態において、前記コンピュータが、前記第２変換済みオブジェクトの第１トポロジーを決定し、また前記第２変換済み部分構造の第２トポロジーを決定する。前記トポロジーに基づいて、前記コンピュータが、前記第１変換済みオブジェクト及び前記第２変換済みオブジェクトに対して座標を割り当て、この割り当ては、前記第１変換済みオブジェクト及び前記第２変換済みオブジェクトが知覚空間で互いに近接するように行い、また、前記第１変換済み部分構造及び前記第２変換済み部分構造に対して座標を割り当て、この割り当ては、前記第１変換済み部分構造及び前記第２変換済み部分構造が知覚空間で互いに近接するが、前記第１変換済みオブジェクト及び前記第２変換済みオブジェクトからは離れるように行う。

【0007】

さらに他の実施形態において、前記コンピュータが、第３オブジェクトを識別して前記第３オブジェクト周りの第３断片を形成する。前記コンピュータが、前記第１断片及び前記第１部分構造断片が共通のピクセルを有すること、また前記第２断片及び第２部分構造断片が共通のピクセルを有することを決定する。前記コンピュータが、前記第３断片は部分構造と共通のピクセルを持たないことを決定する。前記コンピュータが、前記第１及び第２の断片に座標を割り当て、この割り当ては、前記知覚空間において前記第１及び第２の断片を、前記第３断片が前記第１及び第２の断片に対するよりも互いに一層近接するように行う。

【0008】

他の実施形態において、前記コンピュータが、前記第２倍率スケールで部分構造を識別するのと同時に前記第１倍率スケールでオブジェクトを識別する。

【0009】

さらに他の実施形態において、前記コンピュータが、前記デジタル画像とは異なる第２フォトからの第２デジタル画像において前記第３オブジェクトを識別する。

【図面の簡単な説明】

【0010】

【図1】電子顕微鏡写真におけるウイルス粒子の図である。

【図2A】高い第１スケールに断片化されたウイルス粒子の図である。

【図2B】低い第２スケールに断片化され図２Ａの図である。

【図3】ウイルス粒子及び部分構造（表面タンパク質）の概略図である。

【図4】独立的に固定に向きに変換されたウイルス粒子及び表面タンパク質の概略図である。

【図5】変換されたウイルス粒子及び部分構造のグループの概略図である。

【図6】グループ内におけるオブジェクトの付加的関連付けの概略図である。

【図7】グループ内におけるオブジェクト間の関連付けに基づくグループ内クラスター化の概略図である。

【図8】本発明の電子顕微鏡の概略図である。

【図9】ウイルス粒子の概略図である。

【図10】関連性が測定されるグループクラスター化の概略図である。

【図11】関連性が測定されるグループクラスター化の他の概略図である。

【発明を実施するための形態】

【0011】

概して、本発明は（１）暗色データ、この場合、有機又は無機の物質における電子顕微鏡画像からの様々なタイプの画像を有意な断片に分割するステップと、（２）断片を有意に比較できるよう断片を並べ合わせるステップと、及び（３）電子顕微鏡を用いることによって可視化されるサンプルの存在論的調査に使用できるクラスにクラスター化するステップと、を備える方法である。本発明の１つの重要な態様は、画像における構造的情報を、データ自体に基づき、かつ多くの従来方法で見られた任意な固定構体若しくは所定フィルタには基づかない、それ自身の整列（アライメント）場を有する関連した部分集合（サブセット）に分割する。

【0012】

実際には、デジタルカメラ３００（図８に明示する）を使用して、電子顕微鏡３０４における画像３０２の像又は写真（又は多くの画像）を撮る。カメラ３００は勿論多くの画像３０２としての写真又は画像を撮ることができる。写真は、次にＣＰＵ（中央処理ユニット）又はコンピュータ３０６内にデジタル画像として保存される。デジタル画像１００（図１〜２Ｂに示す）は、コンピュータ３０６に保存されたデジタル画像の事例的な例である。コンピュータ又はＣＰＵ３０６は、次にデジタル画像１００の各ピクセルを通して、とくに、各ピクセルの明度を決定することによって、デジタル画像１００を解析するのに使用される。コンピュータは、好適には、以下に詳細に説明するように、画像のそれ以上の解析に使用されるデジタル画像１００におけるオブジェクトの数学的変換を行う。

【0013】

暗色データを切り分け／断片（セグメント）化及び整列（アライメント）化をする方法は、以下に説明する核心部（カーネル）におけるスペクトル調査によって実施するものであり、以下の積分方程式、すなわち、

【数1】

に対するカーネルの次式のスペクトル調査、すなわち、

【数2】

（１）
であり、ここで
（Ｉ）は画像信号であり、
（ｘ）は断片化及び整列化の固有ベクトルであり、
（ｓ）はスケーリングの固有ベクトルであり、
（ｙ）及び（ｚ）は、境界ボックスＢ＝［０，幅］×［０，高さ］×［０，Ｓｍａｘ］におけるサンプル画像の空間的指標であり、
（Ｎ_ＸＸ）はｘ固有ベクトルの正規化係数であり、
（Ｎ_Ｓ）はｓ固有ベクトルの正規化係数であり、
（ｄ）は標準２次元ユークリッドノルムであり、
（φ）は指数関数（ｅ’）のような単調増加関数であり、
（ｃ１）、（ｃ２）は重み付け係数である。

【0014】

本発明の要点は、分離を生成するためのカーネル自体におけるスケール（ｓ）及び断片化（ｘ）におけるループバックである。演算子（ｇ）における２つの最大固有関数を使用して、固定点、すなわち、同一値（ｘ）を有するすべての（ｙ）を見出すことであり、すべての（ｙ）は次式で表される。すなわち、

【数3】

各非空集合は（ｃ）又は単に（Ｓ_ｃ）によって指標付けされる断片（Ｓ）と称する。すべての断片の集合は（Σ）と称する。集合Σは、以下に説明する存在論的調査を受ける。

【0015】

本発明方法の１つの初期ステップは、背景を含む画像におけるすべてのオブジェクトを同時に識別し、また画像を異なるスケールの断片に分割することである。オブジェクトのサイズは、不明であり、またサンプル準備、機器及びサンプリング効果に起因して僅かに変動し得るため、どのスケールが最も適切であるかが決定されるまで、顕微鏡のすべての倍率スケールを先ず使用する。大きなウイルス粒子及び小さいウイルス粒子の凝集体のような個別の大オブジェクトは所定倍率で最もよく見ることができる。ウイルス粒子は、通常、２０ｎｍから３００〜４００ｎｍまで至るサイズ範囲である。断片化ステップ中、本発明方法を用いて、発見したオブジェクトのサイズに基づいてどのスケールが最も適切又は好適であるかを自動的に決定することができる。本発明方法は、プリセット倍率スケール、すなわち例えば、ユーザーがセットしたスケールに左右されない。その代わり、本発明方法は、ピクセル毎の明度変化を解析することによってオブジェクトのサイズを解析及び決定し、またこの解析に基づいて、どこにオブジェクト端縁があるか及びどの倍率が最適又は最も好適かを決定し、これにより使用するスケールを画像における所定場所で見つかった各オブジェクトのサイズに適合させる。端縁の内側における類似の明度を有するピクセルは、同一オブジェクト、すなわち、同一ウイルス粒子に属すると推測される。明度に基づいて類似性を決定する代わりに、色の類似性のような他の基準を用いることもできる。

【0016】

オブジェクト外部の背景における類似明度（すなわち、強い関連性）を有するピクセルは背景に属するとも推測される。各ピクセルが画像内で解析されるとき、オブジェクトの近傍又は端縁のような部分でピクセル間に比較的弱い関連性又は類似性しかない自然な限界ポイントが最終的に見つかる。図示の実施例として、ピクセル番号ｎ１は明度値５を有し、ピクセル番号ｎ２は明度値５.１を有し、ピクセル番号ｎ３は明度値１０を有し、ピクセル番号ｎ４は明度値４３を有し、ピクセル番号ｎ５は明度値５０を有し、ピクセル番号ｎ６は明度値５１を有する。ピクセルｎ３に関しては、明度値がピクセルｎ４よりもピクセルｎ２に近いため、数学的アルゴリズム解析は、ピクセルｎ４よりもピクセルｎ２と強い関連性を有すると決定する。ピクセルｎ４に関しては、ピクセルｎ４の明度値がピクセルｎ３よりもピクセルｎ５の明度値に近いため、ピクセルｎ３よりもピクセルｎ５と強い関連性が存在する。これは断片化（ピクセルｎ３とｎ４との間における）を生ずる場所であり、すなわち、断片化ライン内側のピクセル相互は断片化外側のピクセルよりも互いにより強い関連性又は類似性を有するため、また断片化外側のピクセル相互は断片化内側のピクセルよりも互いにより強い関連性又は類似性を有するからであり、断片化外側のピクセルの明度と比較すると断片化内側の各ピクセル間には明度差が少なく、その逆も明度差が少ないからである。例えば、ピクセルｎ６が明度値１１３を有し、またピクセルｎ７が明度値１１５を有していたとする場合には、ピクセルｎ５（明度値５０）はピクセルｎ６（明度値１１３）よりもピクセルｎ４（明度値４３）とより強い関連性があり、またピクセルｎ５とピクセルｎ６との間に断片化を生ずる、すなわち、ピクセルｎ５はピクセルｎ４に「追随」し、またオブジェクトに属することになるであろう。

【0017】

画像がピクセルｐ１、ｐ２、ｐ３、等々のシーケンスを有する場合、本発明方法は、ピクセルｐ１、ｐ２間、ピクセルｐ２、ｐ１間、ピクセルｐ２、ｐ３間、ピクセルｐ３、ｐ４間、における明度を比較する。ピクセルｐ２がピクセルｐ１により類似性が強く、ピクセルｐ３がピクセルｐ２のピクセルｐ３に対するよりもピクセルｐ４に対してより強い類似性があるとき、ピクセルｐ２とピクセルｐ３との間に断片化ラインを生成すると決定する。

【0018】

したがって、どこで端縁又は分割断片化すべきかを決定するために、予め決定した閾値を使用しないことに留意されたい。本発明方法においては、眼目は、ピクセル値間の最強関連性にあり、どこに最大明度差があるかには当たらない。換言すれば、本発明の重要な特徴は、断片化が固定又は予め決定されたものでははく、正確な断片化は、画像内ピクセル間の関連性によって決定されるような、画像内オブジェクトのサイズに依存することである。このことは、最適であると決定される倍率スケールは画像における場所毎に変化し得るものであり、これにより本発明方法は、画像を解析するときに多くのスケールを同時に使用する。或る倍率スケールはオブジェクト全体又はオブジェクトのクラスターを断片化するのに最適であるとともに、オブジェクト内側のピクセル間における関連性を決定し、これにより画像をより小さい断片に分割して、ウイルス粒子及びウイルス粒子に付着するタンパク質の構造又は形状のような末節細部を描出するのに他の倍率スケールを使用することができる。さらに、以下に詳細に説明するように、画像におけるオブジェクトの変換後に、オブジェクトを正規化し、また同一トポロジーを有するオブジェクトは、変換前にサイズ及び形状の変動があるにも係わらず、オブジェクト間の関連性をより強くするよう互いにより多い類似性があるように見える。次に、異なるスケールでの変換済みオブジェクト及び部分構造における各ピクセルの同一解析を実施して関連性を決定する。このことは、本発明方法を解析すべきオブジェクトにおけるサイズ及び形状の変動性に対して全く鋭敏でないものにする。

【0019】

図１は、電子顕微鏡写真におけるウイルス粒子１０２並びに他の粒子及びデブリのデジタル画像１００を示す。デジタル画像１００は、複数個のピクセル、すなわち、画像１００が構成される小照明領域を有する。図２Ａは、より高い第１倍率スケールで断片１０４に分割された画像１００を示し、図２Ｂは、それとは異なるより低い第２倍率スケールで断片１０６に分割された画像を示す。換言すれば、画像は、局所的差異に基づいて異なる倍率スケールで同時に断片に分割される。各断片１０４、１０６間における分離ラインは、グレーの背景１１０に対して黒く連続したオブジェクト（例えば、ウイルス粒子１０２）周りにおける端縁のような画像の不連続性又は変化がある場所で描かれる。上述のように、本発明の重要な特徴は、断片を生成するのに何ら閾値を使用する必要がないことである。本発明の他の重要な原理は、関連性／類似性に眼目があり、断片におけるオブジェクト間の非類似性又は相違にはない。

【0020】

すべてのあり得る倍率スケールを使用するため、粒子凝集（クラスター）、単独オブジェクト、及びオブジェクトの下位部分を断片化する。例えば、優勢スケールを有するウイルスは有意に断片化することができる。断片化は複数スケールで実施されるため、或るスケールのウイルスがある領域は、より精細な倍率スケールで下位断片に有意に分割することができるとともに、ウイルス粒子の前後関係又は背景区域は、より粗い倍率スケールで断片化する。したがって、各画像が倍率スケールを有することを除いて、画像のどこが関心対象であるかの推測的定義を行う必要性がなく、これによりすべてのオブジェクトが特別なスケールで画像を見る人に対して提供される。さらに、画像は、ウイルス粒子を含まない多くの断片を包含していると理解すべきである。何らウイルス粒子を含まない断片の包含は、存在論的研究の網羅性にとって価値があり、また非自明であるが再発性の構造的外観を明らかにすることができる。

【0021】

図３は、３つのウイルス粒子１２２、１２４、１２６を示す、より詳細な倍率スケールでの画像１２０の概略図である。ウイルス粒子の使用は、本発明の原理を適用する単なる例示的な実施例である。本発明は、ウイルス粒子に限定されるものではなく、画像内のいかなるオブジェクトにも適用することができる。断片１２８におけるウイルス粒子１２２は、該ウイルス粒子に付着した表面タンパク質１３０、１３２、１３４、１３６、１３８及び１４０を有する。これらタンパク質は、それぞれ断片６２０、６２２、６２４、６２６、６２８及び６３０の内側に位置する。好適には、表面タンパク質の断片化は、ウイルス粒子に関して行ったのと同一のやり方ではあるが異なるスケールで行う。断片１４２におけるウイルス粒子１２４は、該ウイルス粒子に付着した表面タンパク質１４４、１４６及び１４８を有する。これらタンパク質は、それぞれ断片６３８、６３４及び６３６の内側に位置する。断片１５０における第３番目のウイルス粒子１２６は、該ウイルス粒子に付着したタンパク質は有していない。画像１２０は、さらに、断片１５４におけるいかなるウイルス粒子にも付着していないフリーな表面タンパク質１５２を含む。このタンパク質１５２は倍率スケールが精細でなければ見えない場合があり得る。より精細なスケールを使用することによって、本発明方法は、ウイルス粒子に付着し得る表面タンパク質のような、ウイルス粒子の内側又は外側における部分構造の特徴をうまく利用して、追加的な関連性を見出すことができる。本発明方法は、さらに、画像における各ピクセルの明度を解析及び決定することによって、ウイルス粒子１２２、１２４、１２６間に位置するオブジェクトを解析する。

【0022】

次の、おおまかなステップは、本発明の数学的アルゴリズムのために、断片内側に位置する識別したオブジェクトを変換し、再編成し、また比較をより精密にするグループ（群）に移動する。オブジェクトのサイズ及び形状の変動は、断片化と同一方法で決定された局所配列固有関数を調査及び使用することによって正規化する。

【0023】

図４に明示するように、識別されたデータ断片１２８、１４２及び１５０（それぞれウイルス粒子１２２、１２４、１２６を含む）は、変換し、かつ使用する信号取得方法のあり得る恣意性を正規化する空間に整列配置する。より具体的には、各識別した断片に関する、追加的な局所化固有関数を計算し、また画像構造に整列するベクトル場効果を付与するＮ次のレベルまで至る多項式因数の下に正規直交化する。データ断片１２８、１４２、１５０は、新しい座標系を有するように見える断片１２８′、１４２′、１５０′に変換し、変換済みオブジェクトは、断片１２８′、１４２′、１５０′において整列する。このようなすべての変換済み断片は更なる解析のために保存される。

【0024】

このとき、断片はサンプリングされた画像における新たな関数、すなわち、新たな自由変数の下で直接比較可能であるＩ（ｓ，ｘ（ｙ））を形成する。本発明における他の要点は、各断片における局所化固有関数の選択及び計算であり、このことは、互いに直交する条件を満足させたまま行う。

【0025】

図４に概略的に示すように、各断片は個別に解析して、各断片の向き、及び断片が正規化される他の非線形整列を決定する。本発明の特徴は、図２Ａ、２Ｂに示す断片化を決定するのに使用される方程式／アルゴリズムを画像変換後に断片を解析するのにも使用できることである。より具体的には、断片１２８、１４２、１５０のような各断片を、変換矢印１５５で示すように、簡素化した形状に変換し、かつ変換済み断片１２８′、１４２′、１５０′で示すように、共通の固定向きで整列させる。変換済み断片１２８′における各個及びすべてのピクセル６００、６０２、６０４等々、並びに他のすべての断片を第１スケールで解析して、ピクセルの明度を決定する。次に、各ピクセルの明度値それぞれは、変換済み断片１４２′及び他のすべての変換済み断片の対応するピクセル６０６、６０８、６１０等々と比較する。換言すれば、ピクセル６００の明度値はピクセル６０６の明度値と比較する、ピクセル６０２の明度値はピクセル６０８の明度値と比較する、等々の比較を行うようにする。この比較は極めて効果的であり、これはすなわち、変換済み断片１２８′及び１４２′は同一サイズ、同一個数のピクセルを有し、また変換済みオブジェクト１２２′、１２４′は、各変換済み断片の内側で同じように整列しているからである。この原理は、すべての異なる倍率スケールにおいて識別したオブジェクト、部分構造及び背景を含むすべての断片に適用される。基本プロトタイプ構造から元表現への逆変換ができることに留意されたい。

【0026】

オブジェクトの視覚的印象の変換及び再編成は、それらをより精密に比較できるようにする。同一トポロジー又は等構造を有するオブジェクトは、変換後には同一又は類似の形状又は形式を有し、またオブジェクトは同一の向きに指向する。例えば、変換済みオブジェクトは、同一長さを獲得し、また頂部及び底部が互いに整列する。このことは図４に示され、これはすなわち、変換済みオブジェクト１２２′、１２４′及び１２６′がすべてほぼ同一の楕円形であり、またそれらは断片１２８′、１４２′、１５０′の内側で同じように整列又は指向しているからである。オブジェクトが、例えば、同一ウイルス粒子タイプを表している場合、変換済みオブジェクト１２２′、１２４′及び１２６′も同一トポロジーを有するであろう。この場合、明区域に暗区域が続き、この暗区域に明区域が続く。変換前には、第１オブジェクトは、より明るい第１のハーフ（１／２）断片及びより暗い第２のハーフ（１／２）断片を有することができ、また第２オブジェクトは、より明るい第１の１／３断片及びより暗い第２の２／３断片を有することができる。このように、トポロジーは、第１明断片を含み、これに第２暗断片が続くことができる。変換後には、アルゴリズムは、１次元を使用する場合、双方のオブジェクトが明るい第１ハーフ及び暗い第２ハーフを有するように描出するが、変換前には第２オブジェクトは１／３の第３明区域及び２／３暗区域を有していた。オブジェクトが第１暗断片、第２明断片及び第３暗断片を有する場合、これは異なるトポロジーを構成することになる。

【0027】

実際上、トポロジー決定は、ウイルス粒子及びこのウイルス粒子に付着した表面タンパク質のような、オブジェクト及び部分構造を識別するのに使用することができる。このアルゴリズムは、１次元に限定されることなく、多次元も変換に好適に使用されることに留意されたい。画像においてウイルス粒子が互いにオーバーラップし、したがって、１つのウイルス粒子が他のウイルス粒子の僅かに上方に位置しているような場合であっても、このことは適用される。

【0028】

変換は、変換前には見ることができない又は見るのが困難であった、変換済みオブジェクトをより正確に比較し、また追加的類似性又は関連性を識別することを可能にする。概して、オブジェクトが同一トポロジーを有するとき、変換後にはより類似して見えるようになる。さらに、オブジェクトの「近隣」を解析ことも可能である。例えば、クラスターからより離れて位置する遊離ウイルス粒子のような単独オブジェクトは、クラスターにおけるウイルス粒子とは異なる近隣オブジェクトを有する。遊離ウイルス粒子はクラスターにおけるウイルス粒子に極めて類似しているが、クラスターにおけるウイルス粒子よりも他の近傍遊離粒子に一層高い関連性を有することがよくある。さらに、ウイルス粒子の部分構造を解析する、すなわち、より精細な倍率スケールで解析を行うことが可能になる。

【0029】

上述したように、ウイルス粒子は表面タンパク質を有することがあり、この表面タンパク質を解析して、ウイルス粒子間及び表面タンパク質間の関連性のレベルを決定することができる。ウイルス粒子のどこに表面タンパク質が付着しているかは問題ではなく、これはすなわち、調査の眼目はウイルス粒子に付着されているタンパク質のタイプ及び数にあるからである。さらに、ウイルス粒子を取り巻く前後関係又は背景を解析して、各断片におけるウイルス粒子間の関連性を強める又は弱めることもできる。

【0030】

変換済み画像の解析は、さらに、自動プロセスであり、コンピュータにおけるアルゴリズムは、変換済み断片内の各及びすべてのピクセルに対して行って、すべてのピクセルの明度レベルを決定する。ウイルス粒子の形式をどのように変化させるか、又はどの粒子を互いに比較すべきかについて、人的決定はほとんど又は全く関与しない。図４に例示したように、断片１２８におけるウイルス粒子１２２の画像変換は、変換済みの断片１２８′におけるウイルス粒子１２２′で示すように、所定長さに直線化及び伸張／短縮することができる。同様に、ウイルス粒子１２４は断片１４２′におけるウイルス粒子１２４′に直線化し、好適には、ウイルス粒子１２２′とほぼ同一長さにし、かつ双方の頂部及び底部が並ぶよう整列させる。同一の変換をウイルス粒子１２６に対して行い、粒子１２２′及び１２４′に整列する断片１５０′におけるウイルス粒子１２６′にする。粒子１２２′、１２４′、及び１２６′は、このときより正確に比較することができる。粒子１２２、１２４及び１２６は同一トポロジーを有し、これにより変換後に、粒子１２２′、１２４′及び１２６′は、極めて類似した形式又は形状を有する。ウイルス粒子の「近隣」、すなわち、表面タンパク質も解析される。同様に、表面タンパク質の画像を、それぞれ表面タンパク質１３０′、１３２′、１３４′、１３６′、１３８′、１４４′、１４６′、１４８′、及び１５２′に変換する。

【0031】

ウイルス粒子に付着する、又はウイルス粒子に極めて近接する表面タンパク質の位置は異なることに留意されたい。もし、表面タンパク質が各ウイルス粒子の全く同一場所に位置していた場合、例えば、変換済み断片１２８′及び１４２′間で各ピクセルの第１スケールによる比較においてウイルス粒子の一部として、含まれていたものとすることができる。しかし、表面タンパク質が異なる場所に位置するため、本発明方法は、第２のより精細なスケールでの解析を実施して、先ず前の断片化段階中にタンパク質の存在を（表面タンパク質の正確な場所に関係なく）識別する。第２スケールのようなより精細なスケールでは、コンピュータは、表面タンパク質に関する変換済み断片及び他のすべての変換済み断片における各ピクセルの比較を行い、例えば、ウイルス粒子に付着している又はウイルス粒子近傍の表面タンパク質のトポロジーを識別する。変換済み表面タンパク質を１３０′、１３２′、１３４′、１３６′、１３８′、１４０′及び１５２′として示す。変換済み表面タンパク質は、表面タンパク質解析に適正なスケールで互いに比較するだけで、依然として仕分けされない。変換済み断片１２８′、１４２′、及び１５０′における各ピクセルの解析と同様に、各ピクセルは変換済み断片６２０′、６２２′、６２４′、６２６′、６２８′、６３０′、１５４′、６３４′、６３６′及び６３８′に関して解析するが、例えば、より高い倍率又はより精細なスケールで解析する。このようにして、例えば、変換済み断片６２０′における各ピクセルの明度値を、変換済み断片６２２′及び他のすべての変換済み断片における対応するピクセルの明度値と比較する。換言すれば、変換済み断片６２０′の左上コーナーにおける第１ピクセルを、変換済み断片６２２′の左上コーナーにおける対応する第１ピクセルと比較する等々を、すべてのピクセルの明度値を他のすべての変換済み断片における対応するピクセルと比較するまで行う。これら値は更なる解析のためにコンピュータが保存して、トポロジーを識別する。

【0032】

本発明の重要な特徴は、再配列命令をオブジェクト自体（すなわち、オブジェクト間の関連性）に埋め込み、最も強い関連性を有するオブジェクトが変換及び比較後に同一グループ内に移動させられるようにする。人間が特定する必要はなく、又は配列を画像の各対間で最適化する必要はない。

【0033】

異なるスケールでオブジェクト間の自動化した関連性及び空間近接性付けを使用する原理を以下に説明する。第１倍率スケールはウイルス粒子のクラスターを解析するのに適し、第２倍率スケールは個別ウイルス粒子の解析に最も適しているとともに、第３倍率スケールは、ウイルス粒子内部及びウイルス粒子の外側の部分構造を解析するのに適している。異なるスケールで再発するオブジェクトは、所定解析にとってどの倍率スケールが関心対象となるかの理解をユーザーに与えるグループとして識別される。

【0034】

異なるスケールでのデータ断片の自動化した関連性及び空間近接性付けのための本発明方法は、以式に示すように数学的に記述することができる。抽出される断片は結合性カーネルを有する有限グラフに配置される。

【数4】

ここで、２つの変換済み断片間の距離ｄ_Ｓは関数の差における標準Ｌ^２ノルムであり、近隣断片は（ｎ_Ｃ１）及び（ｎ_Ｃ２）で示される。このカーネルに対する固有ベクトルは、クラスター化のための３次かつ対象の多項式まで正規直交化される。断片（Ｓ）のための追加の固有ベクトルポイントは（ｐ）と称される。

【0035】

図５に示すように、ウイルス粒子、他の部分構造及び背景断片のような互いに高い関連性を有する変換済みオブジェクトは、互いにグループ集合される。上述したように、変換済み断片における各ピクセルの明度値は、すべての他の変換済み断片における対応するピクセルと比較される。概して、変換済み断片内側における他の変換済みオブジェクトと同様な変換済みオブジェクトは、互いに接近するよう移動させられ、ともにグループ集合させられる。

【0036】

換言すれば、第１スケールで、図５における断片１２２′、１５０′及び１４２′のような各変換済み断片に関するピクセル値を互いに及び他のすべての断片と比較し、これにより類似又は同一のトポロジーを識別するよう、１つの変換済み断片におけるピクセル値は他の変換済み断片におけるピクセル値と比較される。最も高い関連性又は類似性を有する断片はグループ集合される。コンピュータは各変換済み断片を空間座標に割り当て、これにより類似の変換済み断片には類似の空間座標が与えられ、したがって、変換済み断片は互いにより接近するよう移動させられることになる。第１スケールよりも精細な第２スケールで、変換済み断片のすべての断片におけるピクセル値が互いに比較され、これにより同一トポロジーを有する変換済みタンパク質画像は、図５に示すようにグループ集合させられる。換言すれば、最も高い関連性を有する変換済みオブジェクトは、グループ内で互いに最も近接するよう移動させられる。好適には、このグループ分けは異なるスケールで行われる。解析される断片は、必ずしも同一画像からである必要はないことがあり得る。変換済み粒子１２２′、１２４′及び１２６′は互いにグループ集合させられ、これは、それらが互いにより高い関連性を有する、すなわち、画像における他のオブジェクトよりも同一又は類似のトポロジーからである。同様に、表面タンパク質１３０′、１３６′、１４６′、１４８′及び１５２′（「Ｔ」タンパク質として図示）は、それらが同一又は類似のトポロジーを有するためにグループ集合され、表面タンパク質１３４′、１４０′及び１４４′（「Ｙ」タンパク質として図示）はグループ集合され、また表面タンパク質１３２′及び１３８′（「Ｉ」タンパク質として図示）はグループ集合される。すべての変換済み断片を互いに比較する。このことは例えば、変換済み断片１２８′におけるピクセルを変換済み断片６２０′におけるピクセル（変換済み表面タンパク質１３０′を含む）と比較することを意味し、またこれはトポロジーが全く異なるため、コンピュータによってこれら２つの断片に割り当てられる空間座標が全く異なるからである。したがって、断片６２０′は図５において断片１２８′から遠く離れている。

【0037】

以下に説明するように、グループ集合における類似オブジェクトの各断片は、この後、図６に示すような、存在論的な３つの構造を生成する付加的及びより詳細／特異な関連性を識別するよう、より高い関連性スケールで解析することができる。図５において断片は、断片が類似又は同一トポロジーを有するオブジェクト又は構造を含んでいるか否かに基づいてグループに編成及び仕分けする。例えば、ウイルス粒子は、各断片がウイルス粒子を含んでいるため、関連付け又はグループ集合される。さらに、類似表面タンパク質は直接比較に基づいてグループ集合される。しかし、近隣断片は、断片の新たな再発性組合せをもたらす付加的情報を含むことができる。図６において、断片を互いに比較して、断片が予変換図（図３参照）における任意な共通ピクセルを含むか否かを決定し、付加的関連性を見出すことができるようにする。「近隣」は、ウイルス粒子を含む断片と同一エリアを同時に共有する部分構造を含む断片と定義することができ、すなわち、部分構造の断片は、そのウイルス粒子に関する断片内側に位置し、これによりウイルス粒子断片は図３に示す表面タンパク質の断片を包含する。同一エリアは、図３における２つの断片がｘｙ平面のような２次元図で共通して少なくとも１つのピクセルを同時に有することを意味する。このようにして、本発明方法は、２つの断片が共通して少なくとも１つのピクセルを有するか否かを決定することによって、２つの断片が近隣であるか否かを決定する。それは、ウイルス粒子の断片内での表面タンパク質又はウイルス粒子の正確な位置を決定しない。それは、単に、２つの断片に関して共通ピクセルエリアが存在するか否かに眼目があるに過ぎない。上述したように、図３に示すような断片化に使用されるピクセル情報を検索用のデータベースに保存し、２つの断片が近隣であるか否かを解析できるようにする。ウイルス粒子は第１スケールで解析することができるとともに、部分構造（すなわち、表面タンパク質）は第２スケールで解析されることに留意されたい。倍率スケールが３次元として取り扱われ、また２つのウイルス粒子が同一倍率スケールにある場合、この２つのウイルス粒子は、ｘｙ平面における近隣ではないが、スケール平面で見て近隣であると取り扱われることができる。したがって、２つの断片は、断片が同一倍率スケールで解析されるため、空間的に近隣である又は近隣でないとすることができる。

【0038】

図６は、精細スケールの表面タンパク質の存在及びそれらの個別関連性が複雑なウイルス粒子１２２′、１２４′及び１２６′の関連性に対して付加的情報を付与する着想を示す。このとき、コンピュータは、断片化段階中に各ウイルス粒子断片の内側にあり、したがって、部分構造の断片はウイルス粒子の断片と少なくとも１つのピクセルを共有すると識別されたウイルス粒子の近隣、すなわち部分構造を解析する。図３で説明したように、表面タンパク質を含む数個の断片は、ウイルス粒子を含む断片の幾つかと同一エリアを共有する、すなわち、表面タンパク質を含む断片はウイルス粒子の断片の内側に位置する。変換済み断片の各ピクセルを単に互いに比較する代わりに、図５に示すように、ウイルス粒子を含む断片と同一エリアを共有する断片（部分構造、すなわち表面タンパク質を含む）を、他のウイルス粒子の断片と同一エリアを共有する断片（部分構造を含む）と比較する。このようにして、ウイルス粒子を含む断片のような他の断片とエリア／ピクセルを共有する表面タンパク質の断片を解析する。より大きな断片の内側における部分構造断片の正確な位置は解析又は決定されない。例えば、変換済み断片１５０′の内側には何ら表面タンパク質がない、すなわち、図３でウイルス粒子１２６を包囲する断片１５０の内側に位置していた表面タンパク質を含む断片がない場合の変換済みウイルス粒子１２６′との関連性に比較すると、変換済み断片１２８′、１４２′の内側の近隣のような表面タンパク質をそれぞれ有する変換済みウイルス粒子１２２′及び１２４′間にはより強い関連性がある。変換済み断片１２８′及び１４２′は、したがって、コンピュータによって新たなより精密な空間座標が割り当てられ、変換済み断片１５０′に割り当てられた空間座標よりも、変換済み断片１２８′、１４２′に割り当てられた空間座標で互いにより近接するよう移動させられる。

【0039】

同様に、表面タンパク質に対する近隣としてウイルス粒子が存在することは、表面タンパク質間の関連性に対する付加的実施を提供し、したがって、このことは、ウイルス粒子に付着しない「遊離」表面タンパク質よりも、ウイルス粒子に付着した表面タンパク質の強い関連性を提供する。より具体的には、変換済み断片１５４′（変換済み表面タンパク質１５２′を含む）は、ウイルス粒子を含む断片とエリアを共有しない。表面タンパク質１５２′は、ウイルス粒子に付着しない「遊離」表面タンパク質であるとともに、表面タンパク質１３０′、１３６′、１４４′及び１４６′を含む断片はすべて、それぞれがウイルス粒子を含む断片とエリアを共有し、したがって、これら表面タンパク質の断片間には、遊離タンパク質１５２′のみを含む断片１５４′よりも高い関連性がある。換言すれば、異なる知覚スケールで、断片は、「知覚」空間における集合として仕分け及び分割することができる。断片の各集合は、幾つかの断片が他の断片よりも互いに強い関連性を有する場合、部分集合としてさらに分割することができる。本発明の重要な態様は、関連性が差別化特性を選択することなく、単なる包括的特性を有した包括的なものである。単なる分離特性は、データポイントを強制的に単位球体にわたり拡散させる大局的正規化である。

【0040】

関連性クラスターを検査する自動仮説方法を以下に説明する。この方法は（ｃ１）及び（ｃ２）によって取り扱われる（上述の方程式参照）低スケールで開始し、この場合、カーネルのみが１つの固定ポイントを有する。すべての断片が一意的であり、断片（Ｓ）の周りの個別クラスターであるようより高い倍率スケールに向けて漸増移動させることは、断片周りの球体を使用することによって評価する。或る（ｒ）に関して、次式である場合、クラスターが識別される。すなわち、

【数5】

【0041】

さらに、半径（ｒ）を有する次式の潜在的クラスター、すなわち、

【数6】

における次式のクラスター、すなわち、

【数7】

における各内部ポイントを、識別されたクラスターは保持し、この提案されたクラスターの局所的一意性を識別する。このクラスターは空ではなく、また外部ポイント（＞２ｒ距離に位置する）の非空集合が存在すべきである。

【0042】

したがって、これは、データを分離可能なクラスに仕分けするために、データに対するいかなる仮定も必要としない自動方法である。このように、本発明は、オブジェクト関連性及び多くのオブジェクトの互いに対する適時かつエネルギー効率のよい存在論的調査の自動計算が可能であり、事前定義フィルタを使用するときには必要となる精緻な仮定を立てる必要がなく、また２つのオブジェクトを比較するときパラメータセットを最適化する必要がない。

【0043】

図７は、グループ集合が関連性測定によって決定するときに重要である場合に基づいて、どのようにしてウイルス粒子及び表面タンパク質をグループ（一点鎖線円でアウトラインを示す）にクラスター化するかを概略的に示す。集合を部分集合に分離するのは、構造の部分集合がこの部分集合における他のすべてのポイントに対して有意な距離に位置するとき、集合の部分集合への分離を生ずる。例えば、表面タンパク質を含んでいないウイルス粒子１２６′は、「知覚」空間において、双方ともに表面タンパク質を含んでいる２つのウイルス粒子１２２′及び１２４′から、２つのウイルス粒子１２２′及び１２４′（表面タンパク質を含んでいる）相互間の距離に比べてより一層離して配置する。しかし、ウイルス粒子１２２′、１２４′及び１２６′はウイルス粒子グループ２００としてクラスター化するとともに、ウイルス粒子１２２′及び１２４′だけは表面タンパク質が付着しているウイルス粒子グループ２０２としてクラスター化する。同様に、表面タンパク質１３０′、１３６′、１４４′、１４６′及び１５２′は「Ｔ」タンパク質グループ２０４としてクラスター化する。表面タンパク質１３０′、１３６′、１４４′及び１４６′のみは、ウイルス粒子に付着している「Ｔ」タンパク質グループ２０６としてクラスター化する。表面タンパク質１３４′、１４０′及び１４８′は「Ｙ」タンパク質グループ２０８としてクラスター化するとともに、表面タンパク質１３２′及び１３８′は「Ｉ」タンパク質グループ２１０としてクラスター化する。

【0044】

図７に記載したクラスター化は、図３で示した断片化ステップに類似し、この断片化ステップでは、最も関連性を有する（例えば、トポロジー及び近隣基準に基づいて）オブジェクト及び部分構造を共通クラスター又は有意／明確区分グループにクラスター化し、これにより、断片間の関連性が高ければ高いほど、断片を仕分け空間で（座標及び固有ベクトルに基づいて）より近くに配置する。明確区分グループは、座標系において互いに遠くに離れており、またグループ間にはオブジェクト／構造が全く又は極めて少数しか存在しないグループとすることができる。

【0045】

関連性カーネルｇ_２は、断片間及び断片グループ間における付加的関連項と考えられる。図９〜１１につき説明すると、断片と２つの選択した近隣断片との間における関係性は、他の断片と２つの選択した近隣断片との間における関係性と比較することができる。このような関係性比較は、グループ（すなわち、断片及び２つの近隣）内における３つのオブジェクト間の距離の三角不等式測定を選択する。近隣に対して類似の三角不等式関係性を有する２つの断片は、高い関連性を有する。このような認知比較における現実世界の例は、太陽系という背景における地球と太陽との間の関係性と比べられる、原子という背景における電子と原子核との間の関係性である。双方の系において、例えば、中心オブジェクトが存在し、その周りにより小さいオブジェクトが楕円形又は円形の経路において移動しており、双方の系における成分間の関係性は類似する。

【0046】

２つの識別されるクラスターは、上述したように、同一の局所的配列を受けることができる。各局所クラスターにおける分布は、断片グループにおける局所形態学的ジオメトリを類型化する。この形態学的ジオメトリは、２つの断片クラスター間を比較し、それらグループの挙動に基づいてクラスターをグループ分けできるようにする。形態学的ジオメトリは、例えば、異なる位置から見たオブジェクトの変動又はオブジェクトのトポロジーにおける小さいが連続的な変動である。２つの分布を比較する１つの方法は、好適には、各クラスターにおけるポイント間の最小距離の合計に基づくものである。

【0047】

より具体的には、図９は、図３〜４に示すウイルス粒子１２２にほぼ類似する断片２２８におけるウイルス粒子２２２のようなオブジェクトを示す。粒子２２２は粒子１２２に似ているが、粒子に付着する末節細部又は部分構造が粒子１２２におけるのとはすべてが異なる又は極めて異なるものの、末節細部間の関係性は同一又は極めて類似したままである。簡単のため、項、末節細部、部分構造及び表面タンパク質は本明細書で互換的に使用される。

【0048】

表面タンパク質２３０、２３２、２３４、２３６、２３８及び２４０は粒子１２２における表面タンパク質１３０、１３２、１３４、１３６、１３８及び１４０とは異なるが、表面タンパク質間の関係性は、表面タンパク質の他の表面タンパク質に対する相対位置と類似又は同一である。末節細部２３０〜２４０は、表面タンパク質である必要はなく、末節細部１３０〜１４０とは異なる任意なオブジェクトとすることができると理解されたい。さらに、最も関心があるのは末節細部間の関係性であるため、粒子２２２における末節細部２３０〜２４０の場所は、粒子１２２において表面タンパク質１３０〜１４０が配置されている場所と同一である必要はないと理解されたい。上述の実施例において、末節細部２３０〜２４０及び末節細部１３０〜１４０がそれぞれ各粒子における同一位置に配置されていることが判明する場合、このことは、どのくらい末節細部が互いに関係性を有しているかの類似性を一層強めることになる。対応する各粒子１２２、２２２における末節細部１３０〜１４０及び２３０〜２４０の正確な空間的位置は主要眼目ではない。その代わり、粒子のどこに表面タンパク質が付着しているかを正確に知得することなく、主要眼目は、１つの表面タンパク質がどの程度他の表面タンパク質に対する相対位置に位置しているかにあるべきである。例えば、Ｙ−末節細部２３４′は、左側にＩ−末節細部２３２′を有し、また右側にＴ−末節細部２３６′を有するものであり、このことは、図１０〜１１に示すように、左側にＩ−末節細部１３２′を有し、また右側にＴ−末節細部１３６′を有するＹ−末節細部１３４′に類似する。

【0049】

さらに、末節細部２３０〜２４０は末節細部１３０〜１４０と同一の表面タンパク質であるが、末節細部２３０〜２４０は表面タンパク質１３０〜１４０と類似の表面タンパク質に付着した付加的二次表面タンパク質である可能性もあり得る。このことは、表面タンパク質２３０〜２４０を表面タンパク質１３０〜１４０とは異なるものとするが、ウイルス粒子及びこれらウイルス粒子に付着した表面タンパク質の集まりが互いに類似又は同一のように相関するのと同一様態で、互いにまた主粒子／ウイルスに対して相関する。

【0050】

本発明三角不等式比較の新規な概念はこの相似を測定し、また粒子１２２が粒子１２４に対するよりも（図３〜４に示した）、粒子１２２及び粒子１２４が何らかの末節細部、すなわち、同一表面タンパク質を共有するとしても、粒子２２２及び粒子１２２相互がより強い関連性を示していることを決定する。換言すれば、粒子１２２及び１２４は、同一表面タンパク質であるＴ-表面タンパク質及びＹ-表面タンパク質を含んでいるため、粒子１２２及び１２４相互間に「直接類似性」が存在する。しかし、オブジェクト間の直接類似性の識別は極めて面倒になり、これはすなわち、オブジェクトの特性に関して極めて多くの検査をしなければならないからである。三角不等式比較において、眼目は、粒子の末節細部（すなわち、表面タンパク質）相互間の直接類似性にあるのではなく、互いに直接比較するとき末節細部が類似しない場合であっても、末節細部が共通して有している関係性を見出す又は識別するため、どのように末節細部が互いに相関するか、又はどのように末節細部が互いに相互作用するかにある。例えば、所定状況でウイルス粒子に付着した表面タンパク質間の関係性を、異なる状況でやはりウイルス粒子に付着している他の表面タンパク質に移し替えて、双方の状況で共通関係性を識別することができる。

【0051】

より具体的には、粒子１２２のタンパク質１３０、１３６は粒子１２４のタンパク質１４６、１４８と同一であり、粒子１２２のタンパク質１３４、１４０は粒子１２４のタンパク質１４４と同一タイプである。しかし、表面タンパク質間の関係性は、粒子１２４に関しては粒子１２２と比較すると異なる。さらに、粒子１２４は、粒子１２２の表面タンパク質１３２、１３６と同一の表面タンパク質が完全に欠如している。例えば、粒子１２４は「Ｉ」末節細部を持たない。このことを図１０〜１１で図示する（図４〜５における図解遷移に類似する）。

【0052】

図１０は図７にほぼ類似するが、変換済みの粒子２２２′及び末節細部２３０′〜２４０′は、粒子１２２′及び１２４′に対して三角不等式比較を実施することが付加されている。図１０における近さ又は近接性はオブジェクト間の類似性を表している。図１１に明示するように、ライン４００ａは、変換済み末節細部２３６′が変換済み粒子２２２′の変換済み末節細部２３４′に対してどのように関係するかを表している。例えば、ライン４００ａの長さ、位置及び方向は、この関係性の指示であり、そのジオメトリを使用して末節細部がどのように互いに関係しているかを図示することができる。このラインの他の特徴も使用することができる。同様に、ライン４０２ａは、変換済み末節細部２３４′が変換済み末節細部２３２′に対してどのように関係するかを表している。ライン４００ｂは、変換済み末節細部１３６′が変換済み粒子１２２′の変換済み末節細部１３４′に対してどのように関係するかを表し、ライン４０２ｂは、変換済み末節細部１３４′が変換済み粒子１２２′の変換済み末節細部１３２′に対してどのように関係するかを表している。末節細部２３６′と末節細部２３８′との間における関係性は、末節細部２３６′から直接末節細部２３８′に向けて他のラインを伸ばし、これによりライン４００ａ、４００ｂ及びこの新たなラインがともに三角形を形成することによって、図示できたことになる。この場合、ライン４００ａ及び４０２ａはともに、末節細部２３６′と末節細部２３４′との間の距離に末節細部２３４′と末節細部２３２′との間の距離をプラスした距離が末節細部２３６′と末節細部２３２′との間の距離と同一であり、また３つの直線は高さを持たない三角形を形成することを意味する直線のラインを形成するため、末節細部２３６′と末節細部２３２′との間のラインはライン４００ａにライン４０２ａをプラスしたものと同一である。末節細部２３６′と末節細部２３２′との間の距離はより短く、またライン４００ａ及び４０２ａは三角形を形成しないが、両者間に角度を形成し、このとき３つのラインは高さを有する見える三角形を形成したことになる。ライン４０４は変換済み粒子１２４′（粒子１２２′とは異なる）の変換済み末節細部１４６′がこの同一粒子１２４′の変換済み末節細部１４４′とどのように関係するかを表している。図面から分かるように、ライン４００ａは、ライン４００ｂにほぼ類似し、またほぼ同一の長さ及び方向を有しているため、末節細部２３６′と末節細部２３４′との間の関係性は、末節細部１３６′が末節細部１３４′に対してどのように関係するか（ライン４００ｂによって表される）に関してほぼ類似する。他方、ライン４０４は、粒子１２４′がＩ-末節細部を有していたとしても、ライン４００ａのライン４００ｂに対するものとは異なる長さ及び方向を有し、形成される三角形は、末節細部２３６′-２３４′-２３２′間で形成される三角形（高さがない）及び１３６′-１３４′-１３２′間で形成される三角形（やはり高さがなく、上述の２３６′-２３４′-２３２′三角形と合同）とは異なるものになる。ラインの長さ及び方向は、この状況下にあるすべての末節細部によって影響を受け、したがって、例えば、末節細部２３２′及び２３８′が存在しない場合に、粒子２２２′は、粒子１２２′に類似する代わりに、粒子１２４′により一層類似することになり得る。

【0053】

粒子１２２′及びこの粒子に付着する末節細部又は表面タンパク質１３０′〜１４０′は、粒子１２２′の粒子１２４′（末節細部１３０′〜１４０′を含む）に対するよりも、一層粒子２２２′及び末節細部又は表面タンパク質２３０′〜２４０′に類似するため、粒子１２２′は、矢印２５０によって図示するように、グループクラスター２５２を形成するよう粒子２２２′により近く移動し、これにより粒子２２２′集合体（コンステレイション）は、粒子集合体１２４′が粒子集合体２２２′に対するよりも、粒子１２２′集合体により近くに位置する。粒子２２２′、１２２′及び１２４′集合体相互間の三角不等式測定は、図１１の底部に示すように、粒子２２２′と粒子１２２との間の距離Ｄ１が最も短いとともに、粒子１２２′から粒子１２４′への距離Ｄ２、粒子２２２′から粒子１２４′への距離Ｄ３がより長く測定される。

【0054】

本発明は好適な組成及び実施形態に関して説明したが、特許請求の範囲における精神及び範囲から逸脱することなく、それらに対する若干の置換及び改変を行うことができると理解されたい。

【図1】

【図2A】

【図2B】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】