知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022164961
(43)【公開日】2022-10-31
(54)【発明の名称】情報処理方法、情報処理装置、及び情報処理プログラム
(51)【国際特許分類】
G01N 27/62 20210101AFI20221024BHJP
【ＦＩ】
G01N27/62 D
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2021070084
(22)【出願日】2021-04-19
(71)【出願人】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(74)【代理人】
【識別番号】100107515
【弁理士】
【氏名又は名称】廣田 浩一
(72)【発明者】
【氏名】山崎 一寿
(72)【発明者】
【氏名】滋野 真弓
(72)【発明者】
【氏名】片岡 祐治
【テーマコード（参考）】
2G041
【Ｆターム（参考）】
2G041CA01
2G041FA02
2G041FA06
2G041FA21
2G041LA06
(57)【要約】
【課題】質量分析により得られた質量スペクトルを、効率的かつ高精度に解析できる情報処理方法等の提供。
【解決手段】質量分析により得られた質量スペクトルを解析する情報処理方法であって、前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理とをコンピュータが実行する情報処理方法である。
【選択図】なし
【解決手段】質量分析により得られた質量スペクトルを解析する情報処理方法であって、前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理とをコンピュータが実行する情報処理方法である。
【選択図】なし
【特許請求の範囲】
【請求項1】
質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータが実行することを特徴とする情報処理方法。
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータが実行することを特徴とする情報処理方法。
【請求項2】
前記第１変換処理において前記コンピュータが、
前記離散データに対して、前記質量スペクトルには含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、請求項１に記載の情報処理方法。
前記離散データに対して、前記質量スペクトルには含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、請求項１に記載の情報処理方法。
【請求項3】
前記第１変換処理において、
前記ダミーピークデータにおける前記検出強度の値の大きさは前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下である、請求項２に記載の情報処理方法。
前記ダミーピークデータにおける前記検出強度の値の大きさは前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下である、請求項２に記載の情報処理方法。
【請求項4】
前記第２変換処理において前記コンピュータが、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、請求項１から３のいずれかに記載の情報処理方法。
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、請求項１から３のいずれかに記載の情報処理方法。
【請求項5】
前記第２変換処理において前記コンピュータが、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、請求項４に記載の情報処理方法。
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、請求項４に記載の情報処理方法。
【請求項6】
前記コンピュータが、
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定処理を更に実行する、請求項１から５のいずれかに記載の情報処理方法。
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定処理を更に実行する、請求項１から５のいずれかに記載の情報処理方法。
【請求項7】
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、請求項６に記載の情報処理方法。
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、請求項６に記載の情報処理方法。
【請求項8】
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、請求項６又は７に記載の情報処理方法。
前記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、請求項６又は７に記載の情報処理方法。
【請求項9】
質量分析により得られた質量スペクトルを解析する情報処理装置であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータのそれぞれに対応した極大値と、極小値とを有する連続データに変換し、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定部を有することを特徴とする情報処理装置。
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータのそれぞれに対応した極大値と、極小値とを有する連続データに変換し、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定部を有することを特徴とする情報処理装置。
【請求項10】
質量分析により得られた質量スペクトルを解析する情報処理プログラムであって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータに行わせることを特徴とする情報処理プログラム。
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータに行わせることを特徴とする情報処理プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本件は、情報処理方法、情報処理装置、及び情報処理プログラムに関する。
【背景技術】
【0002】
質量分析は、試料に含まれる物質の同定などを目的として、原子や分子をイオン化して、各イオンにおける質量電荷比（ｍ／ｚ）と量（検出強度）を測定して分析を行う分析手法である。より具体的には、質量分析では、例えば、原子、分子、クラスターなどを、電子衝撃などの手法により気体状のイオンとし、真空中での電界や磁界の作用、飛行時間差などから、これらのイオンを質量電荷比に応じて分離及び検出する。
このため、質量分析においては、例えば、横軸を質量電荷比、縦軸を検出強度とした、各イオンのフラグメントに対応する離散的なピークで表される質量スペクトル（マススペクトル）が、分析の結果として得られる。
このため、質量分析においては、例えば、横軸を質量電荷比、縦軸を検出強度とした、各イオンのフラグメントに対応する離散的なピークで表される質量スペクトル（マススペクトル）が、分析の結果として得られる。
【0003】
また、質量分析において、試料に含まれる物質を同定する際には、例えば、当該試料についての分析から得られた質量スペクトルと、既知の物質についての質量スペクトルが蓄積されたデータベースにおける質量スペクトルとを照合することにより、当該試料に含まれる物質を同定する。
より具体的には、質量分析により試料に含まれる物質を同定する際には、例えば、質量スペクトルのデータベース（ライブラリー）を参照し、当該データベースの中から、当該試料の質量スペクトルと類似性の高い質量スペクトルを選択することにより物質を同定する。また、結合の開裂を伴う一種の化学反応であるフラグメンテーションについては、例えば、イオンの構造と結合開裂反応の間の規則性を踏まえて質量スペクトル自体を解析した後、シミュレーションによる仮想スペクトルと照合することで、物質を同定することができる。
より具体的には、質量分析により試料に含まれる物質を同定する際には、例えば、質量スペクトルのデータベース（ライブラリー）を参照し、当該データベースの中から、当該試料の質量スペクトルと類似性の高い質量スペクトルを選択することにより物質を同定する。また、結合の開裂を伴う一種の化学反応であるフラグメンテーションについては、例えば、イオンの構造と結合開裂反応の間の規則性を踏まえて質量スペクトル自体を解析した後、シミュレーションによる仮想スペクトルと照合することで、物質を同定することができる。
【0004】
質量分析に関する従来技術としては、例えば、質量分析に用いる質量分析器を多段構成として複数回質量分析を行うことにより、質量分析の精度を高める技術が提案されている（例えば、特許文献１参照）。また、質量分析に関する他の従来技術としては、例えば、分子量とフラグメントイオンのピークの質量差と各ピーク強度とを一対とするパラメータを用いて、類似する質量スペクトルを検索する技術が提案されている（例えば、特許文献２参照）。
ここで、これらの従来技術では、試料に含まれる物質を同定する際に、当該試料についての質量スペクトルと、データベースに保存されている質量スペクトルとについて、離散的なピークを互いに照合することにより、当該試料に含まれる物質を同定している。
ここで、これらの従来技術では、試料に含まれる物質を同定する際に、当該試料についての質量スペクトルと、データベースに保存されている質量スペクトルとについて、離散的なピークを互いに照合することにより、当該試料に含まれる物質を同定している。
【先行技術文献】
【特許文献】
【0005】
【特許文献1】特開２０１１－２２０７７３号公報
【特許文献2】特開平１１－６４２８５号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
一つの側面では、本件は、質量分析により得られた質量スペクトルを、効率的かつ高精度に解析できる情報処理方法等を提供することを目的とする。
【課題を解決するための手段】
【0007】
上記の課題を解決するための手段の一つの実施態様は、以下の通りである。
即ち、一つの実施態様では、情報処理方法は、質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と
をコンピュータが実行する。
即ち、一つの実施態様では、情報処理方法は、質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と
をコンピュータが実行する。
【発明の効果】
【0008】
一つの側面では、本件は、質量分析により得られた質量スペクトルを、効率的かつ高精度に解析できる情報処理方法等を提供できる。
【図面の簡単な説明】
【0009】
【発明を実施するための形態】
【0010】
（情報処理方法）
本件で開示する技術は、従来技術では、質量分析により得られた質量スペクトルを解析する際に、解析が非効率になってしまう場合や、解析の精度が不十分になってしまう場合があるという、本発明者らの知見に基づくものである。そこで、本件で開示する技術の詳細を説明する前に、従来技術の問題点等について説明する。
本件で開示する技術は、従来技術では、質量分析により得られた質量スペクトルを解析する際に、解析が非効率になってしまう場合や、解析の精度が不十分になってしまう場合があるという、本発明者らの知見に基づくものである。そこで、本件で開示する技術の詳細を説明する前に、従来技術の問題点等について説明する。
【0011】
上述したように、質量分析では、例えば、原子、分子、クラスターなどをイオン化し、イオンの質量電荷比に応じてイオンを分離及び検出する。ここで、質量分析において、通常、各イオンが受ける力は、質量（ｍ）と電荷（ｚ）の比である質量電荷比（ｍ／ｚ）に比例することになる。このため、質量分析では、分析結果として、横軸に質量電荷比（ｍ／ｚ）を、縦軸に検出されたイオン量（検出強度）をとった質量スペクトル（マススペクトル）が得られる。
図１に、質量分析により得られるベンズアルデヒドの質量スペクトルの一例を示す。図１に示すように、質量スペクトルでは、例えば、横軸を質量電荷比（ｍ／ｚ）、縦軸をイオン量（Ａｂｕｎｄａｎｃｅ）とすると、イオン量が多いイオンは大きなピーク（高い棒）として表される。このように、質量スペクトルは、通常、各イオンのフラグメントに対応する離散的なピークで表され、離散的な棒グラフとしてチャートにされる。
図１に、質量分析により得られるベンズアルデヒドの質量スペクトルの一例を示す。図１に示すように、質量スペクトルでは、例えば、横軸を質量電荷比（ｍ／ｚ）、縦軸をイオン量（Ａｂｕｎｄａｎｃｅ）とすると、イオン量が多いイオンは大きなピーク（高い棒）として表される。このように、質量スペクトルは、通常、各イオンのフラグメントに対応する離散的なピークで表され、離散的な棒グラフとしてチャートにされる。
【0012】
質量分析は、例えば、物質の元素組成及び構造を解析する際に用いられる。元素組成解析では、図２の上段に示すように、例えば、構造が既知である（又は推定されている）物質の質量スペクトルから、構造の特徴を表す部分を特定し、当該物質の構造と関連づける。そして、構造解析では、例えば、解析対象の関連物質を解析した論文などの情報に基づいて、質量スペクトルのデータベース又はライブラリーを用いて、質量分析により取得した質量スペクトルと類似性の高いものを特定することで、試料に含まれる物質を同定する。一方、図２の下段に示すように、結合の開裂を伴う一種の化学反応であるフラグメンテーションにおいて、同位体ピークの観察や窒素ルールなど、イオンの構造と結合開裂反応の間の規則性を踏まえて質量スペクトル自体を解析する。そして、元素組成解析では、例えば、シミュレーション等から得た仮想スペクトルと、質量分析により取得した質量スペクトルとを照合することにより、試料に含まれる物質を同定する。
【0013】
以上説明したように、従来技術では、離散的なピークを総当たりで照合する必要があることから非効率であることに加えて、質量スペクトルに含まれるノイズに起因するピークの影響により、物質の同定精度（質量スペクトルの類似度の評価精度）が不十分であるという問題があった。
【0014】
そこで、本発明者は、質量分析により得られた質量スペクトルを解析する方法等について鋭意検討を重ねた結果、以下の知見を得た。即ち、本発明者は、下記の情報処理方法等により、質量分析により得られた質量スペクトルを効率的かつ高精度に解析できることを知見した。
本件で開示する技術の一例としての情報処理方法は、質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と
をコンピュータが実行する。
本件で開示する技術の一例としての情報処理方法は、質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と
をコンピュータが実行する。
【0015】
以下では、本件で開示する情報処理方法が含む各工程について、図面を参照しながら詳細に説明する。本件で開示する情報処理方法は、第１変換処理と、第２変換処理と、特徴データ特定処理とをコンピュータが実行し、物質同定処理をコンピュータが実行することが好ましく、更に必要に応じてその他の処理を含む。
まず、本件で開示する情報処理方法は、質量分析により得られた質量スペクトルを解析する情報処理方法である。
本件で開示する情報処理方法によると、構造解析に向けたデータベース又はライブラリーとの照合や検索に際して、登録データの中から迅速かつ正確に類似性の高い質量スペクトルを選びだすことによって、同定対象物質の高精度な同定を実現することができる。
まず、本件で開示する情報処理方法は、質量分析により得られた質量スペクトルを解析する情報処理方法である。
本件で開示する情報処理方法によると、構造解析に向けたデータベース又はライブラリーとの照合や検索に際して、登録データの中から迅速かつ正確に類似性の高い質量スペクトルを選びだすことによって、同定対象物質の高精度な同定を実現することができる。
【0016】
＜第１変換処理＞
本件で開示する技術の一例における第１変換処理では、例えば、前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する。
本件で開示する技術の一例における第１変換処理では、例えば、前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する。
【0017】
まず、質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、ピークデータに対応した極大値及び極小値を有する連続データに変換する。即ち、図１に示すような離散的な質量スペクトルを図３の左図に示すような連続的な質量スペクトルに変換する。これは、質量スペクトルにおける全てのピークデータ（信号）を図３の右図に示すようなパーシステント図に反映させるためには、離散データを連続データに変換した連続的な質量スペクトルが図３の左図に示すような「山」と「谷」を持たなければならないからである。なお、離散データを連続データに変換する方法としては、図３の左図に示すような滑らかな曲線を形成する必要はなく、各ピークの頂点を線で繋いで折れ線を形成する方法などが挙げられる。
【0018】
本件で開示する技術の一例では、質量スペクトルにおける全てのピークデータ（信号）をパーシステント図に反映させるために、棒グラフ上のピーク（棒）の間に質量スペクトルには本来含まれないダミーピークデータを意図的に設け、変換された連続的な質量スペクトルが「山」と「谷」を必ず持つようにすることが好ましい。しかし、ダミーピークデータは、パーシステント図において実際に存在するピークの情報として認識されず、特徴量の抽出に当たってはノイズとして除外されなければならない。したがって、ダミーピークデータによる情報はパーシステント図の対角線に極めて近い位置に現れる必要がある。そのため、ダミーピークデータにおける検出強度の値の大きさは、ダミーピークデータに隣接するピークデータにおける検出強度の値の大きさの１％以下が好ましく、０％よりも大きく１％よりも小さいことがより好ましい。
また、ダミーピークデータは、上述したように、例えば、ダミーピークデータに隣接するピークデータにおける検出強度の値の大きさの１％以下の大きさとすることによって、本来のピークデータによる特徴に影響がでないように（特徴量がシフトしないように）できる。
また、ダミーピークデータは、上述したように、例えば、ダミーピークデータに隣接するピークデータにおける検出強度の値の大きさの１％以下の大きさとすることによって、本来のピークデータによる特徴に影響がでないように（特徴量がシフトしないように）できる。
【0019】
本件で開示する技術の一例において、ダミーピークデータを挿入する位置及び挿入する数は、変換後の連続データが各ピークに対応する「山」と「谷」を持つことができる範囲であれば特に制限はなく、目的に応じて適宜選択することができる。具体的には、各ピークを繋いだ線（折れ線）に「山」と「谷」が現れない箇所（単調増加する箇所）のみにダミーピークデータを挿入し、ダミーピークデータを挿入しなくても「山」と「谷」が現れる箇所には、ダミーピークデータを挿入しないようにしてもよい。即ち、ｎ番目のピークの検出強度よりｎ＋１番目のピークの検出強度が大きくなる箇所に、ダミーピークデータの挿入を行う。
なお、変換後の連続データが各ピークに対応する「山」と「谷」を持つことの有無に関わらず離散データのすべてのピークの隣にダミーピークデータを挿入しても構わない。また、離散データを変換した連続データが各ピークに対応する「山」と「谷」を有している場合には、離散データの各ピークに対してダミーピークデータを挿入する必要はない。
なお、変換後の連続データが各ピークに対応する「山」と「谷」を持つことの有無に関わらず離散データのすべてのピークの隣にダミーピークデータを挿入しても構わない。また、離散データを変換した連続データが各ピークに対応する「山」と「谷」を有している場合には、離散データの各ピークに対してダミーピークデータを挿入する必要はない。
【0020】
＜第２変換処理＞
第２変換処理では、前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する。
第２変換処理では、前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する。
【0021】
本件で開示する技術の一例において、連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する際には、例えば、「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」という手法を用いることができる。この「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」では、連続データにおける「谷」を「Ｂｉｒｔｈ（横軸）」、「山」を「Ｄｅａｔｈ（縦軸）」として扱い、図３の右図に示すようなパーシステント図を作成する。
【0022】
「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」を用いて、連続データからパーシステントデータ（パーシステント図）に変換する処理は公知のソフトウェアを用いて行うことができる。ソフトウェアの情報については、下記のインターネットに公開されているプログラムコードを用いてパーシステント図を作成することができる。
『Ｌｏｗｅｒ Ｓｔａｒ Ｉｍａｇｅ Ｆｉｌｔｒａｔｉｏｎｓ ［ｏｎｌｉｎｅ］，［２０２１年４月４日検索］，インターネット，＜ＵＲＬ：＜ｈｔｔｐｓ：／／ｒｉｐｓｅｒ．ｓｃｉｋｉｔ－ｔｄａ．ｏｒｇ／ｅｎ／ｌａｔｅｓｔ／ｎｏｔｅｂｏｏｋｓ／Ｌｏｗｅｒ％２０Ｓｔａｒ％２０Ｉｍａｇｅ％２０Ｆｉｌｔｒａｔｉｏｎｓ．ｈｔｍｌ＞』
『Ｌｏｗｅｒ Ｓｔａｒ Ｉｍａｇｅ Ｆｉｌｔｒａｔｉｏｎｓ ［ｏｎｌｉｎｅ］，［２０２１年４月４日検索］，インターネット，＜ＵＲＬ：＜ｈｔｔｐｓ：／／ｒｉｐｓｅｒ．ｓｃｉｋｉｔ－ｔｄａ．ｏｒｇ／ｅｎ／ｌａｔｅｓｔ／ｎｏｔｅｂｏｏｋｓ／Ｌｏｗｅｒ％２０Ｓｔａｒ％２０Ｉｍａｇｅ％２０Ｆｉｌｔｒａｔｉｏｎｓ．ｈｔｍｌ＞』
【0023】
＜特徴データ特定処理＞
特徴データ特定処理は、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する。
特徴データ特定処理は、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する。
【0024】
図３の右図に示すパーシステント図においては、「Ｂｉｒｔｈ（横軸）」と「Ｄｅａｔｈ（縦軸）」の値が等しくなる直線（対角線）に近いプロットは、「生まれてからすぐに死んでしまう（ライフタイムが短い）」プロットであり、有意な特徴を含まないノイズであると考えられる。このため、本件で開示する技術の一例では、「Ｂｉｒｔｈ（横軸）」と「Ｄｅａｔｈ（縦軸）」の値が等しくなる直線（対角線）に近いプロットは、ノイズとして特徴量（特徴データ）から除去することが好ましい。
なお、対角線に近いか否かを判定する際の、対角線とプロットとの距離の閾値については、特に制限はなく、分析を行う中で知見した経験的な値を用いることができ、例えば、対角線から質量スペクトルでのプロットの最大値を１００としたとき５％～７％であることが好ましい。対角線とプロットとの距離の閾値を５％～７％の範囲とすることにより、ノイズ成分及びノイズに近い成分（例えば、ダミーピークデータ）を適切に除去することができる。
また、本件で開示する技術の一例において、分析を行う質量スペクトルにおける検出強度は、正の値（０より大きい値）となる物理量であることから、パーシステント図における各プロットは、「Ｂｉｒｔｈ（横軸）」と「Ｄｅａｔｈ（縦軸）」の値が等しくなる直線（対角線）の上側に位置することになり、下側には位置しない。
なお、対角線に近いか否かを判定する際の、対角線とプロットとの距離の閾値については、特に制限はなく、分析を行う中で知見した経験的な値を用いることができ、例えば、対角線から質量スペクトルでのプロットの最大値を１００としたとき５％～７％であることが好ましい。対角線とプロットとの距離の閾値を５％～７％の範囲とすることにより、ノイズ成分及びノイズに近い成分（例えば、ダミーピークデータ）を適切に除去することができる。
また、本件で開示する技術の一例において、分析を行う質量スペクトルにおける検出強度は、正の値（０より大きい値）となる物理量であることから、パーシステント図における各プロットは、「Ｂｉｒｔｈ（横軸）」と「Ｄｅａｔｈ（縦軸）」の値が等しくなる直線（対角線）の上側に位置することになり、下側には位置しない。
【0025】
ここで、図４Ａ～図４Ｄは、質量スペクトルの離散データにダミーピークデータを挿入しないで連続データに変化した質量スペクトルをパーシステントデータに変換し、パーシステントデータに基づいて質量スペクトルの特徴を表す特徴データを特定する方法を説明する図である。
図４Ａは質量スペクトルの離散データを示す図、図４Ｂはダミーピークデータの挿入の有無がわかるように図４Ａにおける検出強度が０．６まで部分を拡大した図、図４Ｃは図４Ｂの離散データを連続データに変換した図、図４Ｄは図４Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。図４Ｄ中の楕円で囲まれたプロットはパーシステントデータに基づいて特定された質量スペクトルの特徴を表す特徴量（特徴データ）を示す。
図４Ａは質量スペクトルの離散データを示す図、図４Ｂはダミーピークデータの挿入の有無がわかるように図４Ａにおける検出強度が０．６まで部分を拡大した図、図４Ｃは図４Ｂの離散データを連続データに変換した図、図４Ｄは図４Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。図４Ｄ中の楕円で囲まれたプロットはパーシステントデータに基づいて特定された質量スペクトルの特徴を表す特徴量（特徴データ）を示す。
【0026】
一方、図５Ａ～図５Ｄは、質量スペクトルの離散データの各ピークの後（ピーク間の中央）に検出強度が０．１のダミーピークデータを挿入し、連続データに変化した質量スペクトルをパーシステントデータに変換し、パーシステントデータに基づいて質量スペクトルの特徴を表す特徴データを特定する方法を説明する図である。
図５Ａは質量スペクトルの離散データを示す図、図５Ｂはダミーピークデータの挿入の有無がわかるように図５Ａにおける検出強度が０．６まで部分を拡大した図、図５Ｃは図５Ｂの離散データを連続データに変換した図、図５Ｄは図５Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。図５Ｄ中の楕円で囲まれたプロットはパーシステントデータに基づいて特定された質量スペクトルの特徴を表す特徴量（特徴データ）を示す。
図５Ａは質量スペクトルの離散データを示す図、図５Ｂはダミーピークデータの挿入の有無がわかるように図５Ａにおける検出強度が０．６まで部分を拡大した図、図５Ｃは図５Ｂの離散データを連続データに変換した図、図５Ｄは図５Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。図５Ｄ中の楕円で囲まれたプロットはパーシステントデータに基づいて特定された質量スペクトルの特徴を表す特徴量（特徴データ）を示す。
【0027】
図４Ｄのパーシステントデータと図５Ｄのパーシステントデータを比較すると、図５Ｄの対角線上のプロットは主にダミーピークデータに由来するものでありノイズとして無視でき、図５Ｄの方が図４Ｄに比べて特徴量のプロット数が多くなっており、ダミーピークデータを挿入したことによって高精度な解析を行うことができる。
【0028】
図６Ａ～図６Ｄは、質量スペクトルの離散データにダミーピークデータを挿入しないで連続データに変化した質量スペクトルをパーシステントデータに変換し、パーシステントデータに基づいて質量スペクトルの特徴を表す特徴データを特定する方法を説明する図である。
図６Ａは質量スペクトルの離散データを示す図、図６Ｂはダミーピークデータの挿入の有無がわかるように図６Ａにおける検出強度が２．０まで部分を拡大した図、図６Ｃは図６Ｂの離散データを連続データに変換した図、図６Ｄは図６Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。
図６Ａは質量スペクトルの離散データを示す図、図６Ｂはダミーピークデータの挿入の有無がわかるように図６Ａにおける検出強度が２．０まで部分を拡大した図、図６Ｃは図６Ｂの離散データを連続データに変換した図、図６Ｄは図６Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。
【0029】
一方、図７Ａ～図７Ｄは、質量スペクトルの離散データの各ピークの後に検出強度が０．１のダミーピークデータを挿入し、連続データに変化した質量スペクトルをパーシステントデータに変換し、パーシステントデータに基づいて質量スペクトルの特徴を表す特徴データを特定する方法を説明する図である。
図７Ａは質量スペクトルの離散データを示す図、図７Ｂはダミーピークデータの挿入の有無がわかるように図７Ａにおける検出強度が２．０まで部分を拡大した図、図７Ｃは図７Ｂの離散データを連続データに変換した図、図７Ｄは図７Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。図７Ｄ中の楕円で囲まれたプロットはパーシステントデータに基づいて特定された質量スペクトルの特徴を表す特徴量（特徴データ）を示す。
図７Ａは質量スペクトルの離散データを示す図、図７Ｂはダミーピークデータの挿入の有無がわかるように図７Ａにおける検出強度が２．０まで部分を拡大した図、図７Ｃは図７Ｂの離散データを連続データに変換した図、図７Ｄは図７Ｃの連続データを「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」によりパーシステントデータに変換したパーシステント図をそれぞれ示す。図７Ｄ中の楕円で囲まれたプロットはパーシステントデータに基づいて特定された質量スペクトルの特徴を表す特徴量（特徴データ）を示す。
【0030】
図６Ａ及び図７Ａに示すように質量スペクトルの各ピークを繋いだ線（折れ線）に「山」と「谷」が現れない場合（質量電荷比（ｍ／ｚ）に対して検出強度が単調に増加する場合）には、図７Ｂに示すように、離散データの各ピークにダミーピークデータを挿入することにより、変換された連続的な質量スペクトルが「山」と「谷」を持つようになるので、ダミーピークデータを挿入する効果が顕著であることがわかる。このことから、ｎ番目のピークの検出強度がｎ＋１番目の検出強度より大きくなる場合には、ダミーピークを挿入することが有効である。
図６Ｄのパーシステントデータと図７Ｄのパーシステントデータを比較すると、図６Ｄの方が図７Ｄに比べて特徴量のプロット数が顕著に多くなっており、ダミーピークデータを挿入したことにより、高精度な解析を行うことができる。
図６Ｄのパーシステントデータと図７Ｄのパーシステントデータを比較すると、図６Ｄの方が図７Ｄに比べて特徴量のプロット数が顕著に多くなっており、ダミーピークデータを挿入したことにより、高精度な解析を行うことができる。
【0031】
＜物質同定処理＞
本件で開示する技術の一例における物質同定処理では、コンピュータが、同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、を照合することにより、同定対象物質を同定する。
本件で開示する技術の一例における物質同定処理では、コンピュータが、同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、を照合することにより、同定対象物質を同定する。
【0032】
－同定対象物質－
同定対象物質としては、イオン化が可能な物質であれば特に制限はなく、目的に応じて適宜選択することができ、例えば、気体、液体、及び固体のいずれであっても構わない。
質量分析が適用される分野としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、合成化学、天然物化学、錯体化学等の有機化学；構造生物学、分子生物学、植物科学、食品化学、脂質工学、糖鎖工学等の生化学；無機元素定量、同位体解析等の無機化学；合成高分子、生体試料等の形態解析；抗体医薬、代謝、組織形態研究等の医科学；水、土壌、大気等の環境分野；農薬、動物薬、アレルゲン、ダイオキシン、機能性食品、産地偽装捜査等の食品分野；乱用薬物等の法医学；高分子、ナノ材料、ファインケミカル、高機能性材料、半導体、化粧品、香料、洗剤、接着剤、触媒等の化学工業；医薬品生理活性発現の機構解析又は速度論解析等のバイオ又は低分子医薬品開発；代謝、組織形態研究、生体メカニズム等の医科学などが挙げられる。
同定対象物質としては、イオン化が可能な物質であれば特に制限はなく、目的に応じて適宜選択することができ、例えば、気体、液体、及び固体のいずれであっても構わない。
質量分析が適用される分野としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、合成化学、天然物化学、錯体化学等の有機化学；構造生物学、分子生物学、植物科学、食品化学、脂質工学、糖鎖工学等の生化学；無機元素定量、同位体解析等の無機化学；合成高分子、生体試料等の形態解析；抗体医薬、代謝、組織形態研究等の医科学；水、土壌、大気等の環境分野；農薬、動物薬、アレルゲン、ダイオキシン、機能性食品、産地偽装捜査等の食品分野；乱用薬物等の法医学；高分子、ナノ材料、ファインケミカル、高機能性材料、半導体、化粧品、香料、洗剤、接着剤、触媒等の化学工業；医薬品生理活性発現の機構解析又は速度論解析等のバイオ又は低分子医薬品開発；代謝、組織形態研究、生体メカニズム等の医科学などが挙げられる。
【0033】
－データベース－
質量スペクトルのデータが保存されたデータベースとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、ＭＳＳＪ ＭａｓｓＢａｎｋ（日本質量分析学会（ＭＳＳＪ）の公式データベース）、ＮＩＳＴ２０（質量スぺクトルデータベース）（ＮＩＳＴ／ＥＰＡ／ＮＩＨ）、Ｎｏｒｍａｎ ＭａｓｓＢａｎｋ（ＥＰ）、Ｗｉｌｅｙ Ｒｅｇｉｓｔｒｙ ｏｆ Ｍａｓｓ Ｓｐｅｃｔｒａｌ Ｄａｔａ，１２ｔｈ Ｅｄｉｔｉｏｎ（Ｗｉｌｅｙ社製）などが挙げられる。
質量スペクトルのデータが保存されたデータベースとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、ＭＳＳＪ ＭａｓｓＢａｎｋ（日本質量分析学会（ＭＳＳＪ）の公式データベース）、ＮＩＳＴ２０（質量スぺクトルデータベース）（ＮＩＳＴ／ＥＰＡ／ＮＩＨ）、Ｎｏｒｍａｎ ＭａｓｓＢａｎｋ（ＥＰ）、Ｗｉｌｅｙ Ｒｅｇｉｓｔｒｙ ｏｆ Ｍａｓｓ Ｓｐｅｃｔｒａｌ Ｄａｔａ，１２ｔｈ Ｅｄｉｔｉｏｎ（Ｗｉｌｅｙ社製）などが挙げられる。
【0034】
－候補物質－
候補物質としては、効率よく照合及び検索を行うために質量スペクトルのデータベースから同定対象物質の候補を選定した物質であり、例えば、質量スペクトルのデータベースにおいて同定対象の質量スペクトルを取得した際の分析手法、検出器、検出イオンの極性、予測される精密質量、構造式などから候補を絞り込んだ物質である。
候補物質としては、効率よく照合及び検索を行うために質量スペクトルのデータベースから同定対象物質の候補を選定した物質であり、例えば、質量スペクトルのデータベースにおいて同定対象の質量スペクトルを取得した際の分析手法、検出器、検出イオンの極性、予測される精密質量、構造式などから候補を絞り込んだ物質である。
【0035】
－照合方法－
第１の質量スペクトルにおける特徴データと、第２の質量スペクトルにおける特徴データとを照合する方法としては、例えば、第１の質量スペクトルの特徴データと、第２の質量スペクトルの特徴データとにおける、数及び分布の少なくともいずれかに基づいて、第１の質量スペクトルと第２の質量スペクトルとの類似度を特定し、類似度に基づいて同定対象物質を同定することができ、第１の質量スペクトルにおける特徴データと、第２の質量スペクトルにおける特徴データとの間のコサイン類似度に基づいて、同定対象物質を同定することが好ましい。
第１の質量スペクトルにおける特徴データと、第２の質量スペクトルにおける特徴データとを照合する方法としては、例えば、第１の質量スペクトルの特徴データと、第２の質量スペクトルの特徴データとにおける、数及び分布の少なくともいずれかに基づいて、第１の質量スペクトルと第２の質量スペクトルとの類似度を特定し、類似度に基づいて同定対象物質を同定することができ、第１の質量スペクトルにおける特徴データと、第２の質量スペクトルにおける特徴データとの間のコサイン類似度に基づいて、同定対象物質を同定することが好ましい。
【0036】
具体的には、本件で開示する技術の一例では、例えば、上述したようにして特定した、質量スペクトルの特徴を表す特徴量（例えば、パーシステント図の対角線から離れているプロット）に基づいて、質量分析の対象となった試料に含まれる物質を同定する。具体的には、本件で開示する技術の一例においては、例えば、同定対象物質についての質量分析から得た第１の質量スペクトルと、複数の物質についての質量スペクトルのデータが保存されたデータベースにおける、同定対象物質の候補となる候補物質についての第２の質量スペクトルとを、それぞれパーシステントデータに変換し、パーシステントデータに基づいて特定した特徴量（特徴データ）どうしの類似度を算出する。
【0037】
本件で開示する技術の一例において、パーシステントデータに基づいて特定した特徴量どうしの類似度を算出する際には、例えば、特徴量の数と、特徴量の位置（座標）とに基づいて、類似度を算出することができる。具体的には、同定対象物質についての第１の質量スペクトルにおける特徴量の数と、特徴量の数が同一の質量スペクトルをデータベースから抽出し、抽出した第２の質量スペクトルについて「コサイン類似度」を算出することで、同定対象物質についての第１の質量スペクトルと候補物質についての第２の質量スペクトルの類似度を求めることができる。
なお、特徴量の数が同一の第２の質量スペクトルをデータベースから抽出する際には、同定対象物質についての第１の質量スペクトルにおける特徴量の数と完全に一致するものだけでなく、多少の数の違い（例えば、±１０％など）を許容して、第２の質量スペクトルを抽出してもよい。
なお、特徴量の数が同一の第２の質量スペクトルをデータベースから抽出する際には、同定対象物質についての第１の質量スペクトルにおける特徴量の数と完全に一致するものだけでなく、多少の数の違い（例えば、±１０％など）を許容して、第２の質量スペクトルを抽出してもよい。
【0038】
また、本件で開示する技術の一例では、同定対象物質についての第１の質量スペクトルと候補物質についての第２の質量スペクトルのコサイン類似度を求める際には、「疎行列（スパース行列）」を利用することができる。疎行列を用いることにより、同定対象物質についての第１の質量スペクトルと、複数の候補物質の第２の質量スペクトルとについて、同時に（一括して）コサイン類似度を求めることができる。
【0039】
なお、コサイン類似度を用いた疎行列による類似度の算出は、公知のソフトウェアを利用して行うことができる。
「疎行列」については、下記のＵＲＬにＰｙｔｈｏｎでプログラムを組むためのライブラリーが公開されている。
『ＳｃｉＰｙ．ｏｒｇ Ｓｐａｒｓｅ ｍａｔｒｉｃｅｓ（ｓｃｉｐｙ．ｓｐａｒｓｅ） ［ｏｎｌｉｎｅ］，［２０２１年４月４日検索］，インターネット，ＵＲＬ：＜ｈｔｔｐｓ：／／ｄｏｃｓ．ｓｃｉｐｙ．ｏｒｇ／ｄｏｃ／ｓｃｉｐｙ／ｒｅｆｅｒｅｎｃｅ／ｓｐａｒｓｅ．ｈｔｍｌ＞』
「疎行列」については、下記のＵＲＬにＰｙｔｈｏｎでプログラムを組むためのライブラリーが公開されている。
『ＳｃｉＰｙ．ｏｒｇ Ｓｐａｒｓｅ ｍａｔｒｉｃｅｓ（ｓｃｉｐｙ．ｓｐａｒｓｅ） ［ｏｎｌｉｎｅ］，［２０２１年４月４日検索］，インターネット，ＵＲＬ：＜ｈｔｔｐｓ：／／ｄｏｃｓ．ｓｃｉｐｙ．ｏｒｇ／ｄｏｃ／ｓｃｉｐｙ／ｒｅｆｅｒｅｎｃｅ／ｓｐａｒｓｅ．ｈｔｍｌ＞』
【0040】
「コサイン類似度」については、下記のＵＲＬにＰｙｔｈｏｎでプログラムを組むためのライブラリーが公開されている。
『ｓｃｉｋｉｔ－ｌｅａｒｎ ６．８．Ｐａｉｒｗｉｓｅ ｍｅｔｒｉｃｓ，Ａｆｆｉｎｉｔｉｅｓ ａｎｄ Ｋｅｒｎｅｌｓ ６．８．１ Ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ ［ｏｎｌｉｎｅ］，［２０２１年４月４日検索］，インターネット，ＵＲＬ：＜ｈｔｔｐｓ：／／ｓｃｉｋｉｔ－ｌｅａｒｎ．ｏｒｇ／ｓｔａｂｌｅ／ｍｏｄｕｌｅｓ／ｍｅｔｒｉｃｓ．ｈｔｍｌ＃ｃｏｓｉｎｅ－ｓｉｍｉｌａｒｉｔｙ＞』
『ｓｃｉｋｉｔ－ｌｅａｒｎ ６．８．Ｐａｉｒｗｉｓｅ ｍｅｔｒｉｃｓ，Ａｆｆｉｎｉｔｉｅｓ ａｎｄ Ｋｅｒｎｅｌｓ ６．８．１ Ｃｏｓｉｎｅ ｓｉｍｉｌａｒｉｔｙ ［ｏｎｌｉｎｅ］，［２０２１年４月４日検索］，インターネット，ＵＲＬ：＜ｈｔｔｐｓ：／／ｓｃｉｋｉｔ－ｌｅａｒｎ．ｏｒｇ／ｓｔａｂｌｅ／ｍｏｄｕｌｅｓ／ｍｅｔｒｉｃｓ．ｈｔｍｌ＃ｃｏｓｉｎｅ－ｓｉｍｉｌａｒｉｔｙ＞』
【0041】
＜その他の処理＞
その他の処理としては、特に制限はなく、目的に応じて適宜選択することができる。
その他の処理としては、特に制限はなく、目的に応じて適宜選択することができる。
【0042】
ここで、図８は、本件で開示する情報処理方法の処理の流れの一例を示す図である。
本件で開示する情報処理方法は、図８に示すように、同定対象物質の質量スペクトル（同定対象スペクトル）の離散データにダミーピークデータを挿入するとともに離散データを連続データに変換する第１の工程と、
変換された連続データをパーシステントホモロジー手法としての「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」に基づきパーシステント図を作成し、同定対象スペクトルの特徴を表す特徴データを特定する第２の工程と、
同定対象物質の精密質量などからデータベースに登録されている質量スペクトルを絞り込んだ候補スペクトルの離散データにダミーピークデータを挿入するとともに離散データを連続データに変換する第３の工程と、
変換された連続データをパーシステントホモロジー手法としての「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」に基づきパーシステント図を作成し、候補スペクトルの特徴を表す特徴データを特定する第４の工程と、
第２の工程により特定した同定対象スペクトルにおける特徴データと第４の工程により特定した候補スペクトルにおける特徴データとを照合し、特徴データの数と特徴データの位置（座標）とから類似度を特定し、この類似度により同定対象物質を同定する第５の工程とを含む。
本件で開示する情報処理方法は、図８に示すように、同定対象物質の質量スペクトル（同定対象スペクトル）の離散データにダミーピークデータを挿入するとともに離散データを連続データに変換する第１の工程と、
変換された連続データをパーシステントホモロジー手法としての「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」に基づきパーシステント図を作成し、同定対象スペクトルの特徴を表す特徴データを特定する第２の工程と、
同定対象物質の精密質量などからデータベースに登録されている質量スペクトルを絞り込んだ候補スペクトルの離散データにダミーピークデータを挿入するとともに離散データを連続データに変換する第３の工程と、
変換された連続データをパーシステントホモロジー手法としての「ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法」に基づきパーシステント図を作成し、候補スペクトルの特徴を表す特徴データを特定する第４の工程と、
第２の工程により特定した同定対象スペクトルにおける特徴データと第４の工程により特定した候補スペクトルにおける特徴データとを照合し、特徴データの数と特徴データの位置（座標）とから類似度を特定し、この類似度により同定対象物質を同定する第５の工程とを含む。
【0043】
（情報処理装置）
本件で開示する情報処理装置は、質量分析により得られた質量スペクトルを解析する情報処理装置であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータのそれぞれに対応した極大値及び極小値を有する連続データに変換し、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定部を有する。
本件で開示する情報処理装置は、質量分析により得られた質量スペクトルを解析する情報処理装置であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータのそれぞれに対応した極大値及び極小値を有する連続データに変換し、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定部を有する。
【0044】
本件で開示する情報処理装置は、特徴データ特定部を有し、物質同定部を有することが好ましく、更に必要に応じて、その他の部（ユニット）を備える。
情報処理装置は、例えば、メモリと、プロセッサとを有し、更に必要に応じて、その他のユニットを有する。プロセッサとしては、第１の変換処理、第２の変換処理、及び特徴データ特定処理を実行できるように、メモリに結合されているものを好適に用いることができる。
プロセッサは、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はその組み合わせとすることができる。
このように、本件で開示する情報処理装置は、例えば、本件で開示する情報処理方法を行う装置（コンピュータ）とすることができる。したがって、本件で開示する情報処理装置における好適な態様は、本件で開示する情報処理方法における好適な態様と同様にすることができる。
情報処理装置は、例えば、メモリと、プロセッサとを有し、更に必要に応じて、その他のユニットを有する。プロセッサとしては、第１の変換処理、第２の変換処理、及び特徴データ特定処理を実行できるように、メモリに結合されているものを好適に用いることができる。
プロセッサは、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）又はその組み合わせとすることができる。
このように、本件で開示する情報処理装置は、例えば、本件で開示する情報処理方法を行う装置（コンピュータ）とすることができる。したがって、本件で開示する情報処理装置における好適な態様は、本件で開示する情報処理方法における好適な態様と同様にすることができる。
【0045】
（情報処理プログラム）
本件で開示する情報処理プログラムは、質量分析により得られた質量スペクトルを解析する情報処理プログラムであって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と
をコンピュータに行わせる。
本件で開示する情報処理プログラムは、質量分析により得られた質量スペクトルを解析する情報処理プログラムであって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と
をコンピュータに行わせる。
【0046】
本件で開示する情報処理プログラムは、例えば、本件で開示する情報処理方法をコンピュータに実行させるプログラムとすることができる。また、本件で開示する情報処理プログラムにおける好適な態様は、例えば、本件で開示する情報処理方法における好適な態様と同様にすることができる。
【0047】
本件で開示する情報処理プログラムは、使用するコンピュータシステムの構成及びオペレーティングシステムの種類・バージョンなどに応じて、公知の各種のプログラム言語を用いて作成することができる。
【0048】
本件で開示する情報処理プログラムは、内蔵ハードディスク、外付けハードディスクなどの記録媒体に記録しておいてもよいし、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＭＯディスク、ＵＳＢメモリなどの記録媒体に記録しておいてもよい。
さらに、本件で開示する情報処理プログラムを、上記の記録媒体に記録する場合には、必要に応じて、コンピュータシステムが有する記録媒体読取装置を通じて、これを直接又はハードディスクにインストールして使用することができる。また、コンピュータシステムから情報通信ネットワークを通じてアクセス可能な外部記憶領域（他のコンピュータなど）に本件で開示する情報処理プログラムを記録しておいてもよい。この場合、外部記憶領域に記録された本件で開示する情報処理プログラムは、必要に応じて、外部記憶領域から情報通信ネットワークを通じてこれを直接、又はハードディスクにインストールして使用することができる。
なお、本件で開示する情報処理プログラムは、複数の記録媒体に、任意の処理毎に分割されて記録されていてもよい。
さらに、本件で開示する情報処理プログラムを、上記の記録媒体に記録する場合には、必要に応じて、コンピュータシステムが有する記録媒体読取装置を通じて、これを直接又はハードディスクにインストールして使用することができる。また、コンピュータシステムから情報通信ネットワークを通じてアクセス可能な外部記憶領域（他のコンピュータなど）に本件で開示する情報処理プログラムを記録しておいてもよい。この場合、外部記憶領域に記録された本件で開示する情報処理プログラムは、必要に応じて、外部記憶領域から情報通信ネットワークを通じてこれを直接、又はハードディスクにインストールして使用することができる。
なお、本件で開示する情報処理プログラムは、複数の記録媒体に、任意の処理毎に分割されて記録されていてもよい。
【0049】
（コンピュータが読み取り可能な記録媒体）
本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する情報処理プログラムを記録してなる。
本件で開示するコンピュータが読み取り可能な記録媒体としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、内蔵ハードディスク、外付けハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＭＯディスク、ＵＳＢメモリなどが挙げられる。
また、本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する情報処理プログラムが任意の処理毎に分割されて記録された複数の記録媒体であってもよい。
本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する情報処理プログラムを記録してなる。
本件で開示するコンピュータが読み取り可能な記録媒体としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、内蔵ハードディスク、外付けハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＭＯディスク、ＵＳＢメモリなどが挙げられる。
また、本件で開示するコンピュータが読み取り可能な記録媒体は、本件で開示する情報処理プログラムが任意の処理毎に分割されて記録された複数の記録媒体であってもよい。
【0050】
以下では、装置の構成例及びフローチャートなどを用いて、本件で開示する技術の一例を更に詳細に説明する。
図９に、本件で開示する情報処理装置のハードウェア構成例を示す。
情報処理装置１００においては、例えば、制御部１０１、主記憶装置１０２、補助記憶装置１０３、Ｉ／Ｏインターフェイス１０４、通信インターフェイス１０５、入力装置１０６、出力装置１０７、表示装置１０８が、システムバス１０９を介して接続されている。
図９に、本件で開示する情報処理装置のハードウェア構成例を示す。
情報処理装置１００においては、例えば、制御部１０１、主記憶装置１０２、補助記憶装置１０３、Ｉ／Ｏインターフェイス１０４、通信インターフェイス１０５、入力装置１０６、出力装置１０７、表示装置１０８が、システムバス１０９を介して接続されている。
【0051】
制御部１０１は、演算（四則演算、比較演算、焼き鈍し法の演算等）、ハードウェア及びソフトウェアの動作制御などを行う。制御部１０１としては、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いることができる。
制御部１０１は、例えば、主記憶装置１０２などに読み込まれたプログラム（例えば、本件で開示する情報処理プログラムなど）を実行することにより、種々の機能を実現する。
本件で開示する情報処理装置における特徴データ特定部が行う処理は、例えば、制御部１０１により行うことができる。
制御部１０１は、例えば、主記憶装置１０２などに読み込まれたプログラム（例えば、本件で開示する情報処理プログラムなど）を実行することにより、種々の機能を実現する。
本件で開示する情報処理装置における特徴データ特定部が行う処理は、例えば、制御部１０１により行うことができる。
【0052】
主記憶装置１０２は、各種プログラムを記憶するとともに、各種プログラムを実行するために必要なデータ等を記憶する。主記憶装置１０２としては、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）及びＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）の少なくともいずれかを有するものを用いることができる。
ＲＯＭは、例えば、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）などの各種プログラムなどを記憶する。また、ＲＯＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）などが挙げられる。
ＲＡＭは、例えば、ＲＯＭや補助記憶装置１０３などに記憶された各種プログラムが、制御部１０１により実行される際に展開される作業範囲として機能する。ＲＡＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などが挙げられる。
ＲＯＭは、例えば、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）などの各種プログラムなどを記憶する。また、ＲＯＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）などが挙げられる。
ＲＡＭは、例えば、ＲＯＭや補助記憶装置１０３などに記憶された各種プログラムが、制御部１０１により実行される際に展開される作業範囲として機能する。ＲＡＭとしては、特に制限はなく、目的に応じて適宜選択することができ、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などが挙げられる。
【0053】
補助記憶装置１０３としては、各種情報を記憶できれば特に制限はなく、目的に応じて適宜選択することができ、例えば、ソリッドステートドライブ（ＳＳＤ）、ハードディスクドライブ（ＨＤＤ）などが挙げられる。また、補助記憶装置１０３は、ＣＤドライブ、ＤＶＤドライブ、ＢＤ（Ｂｌｕ－ｒａｙ（登録商標） Ｄｉｓｃ）ドライブなどの可搬記憶装置としてもよい。
また、本件で開示する情報処理装置プログラムは、例えば、補助記憶装置１０３に格納され、主記憶装置１０２のＲＡＭ（主メモリ）にロードされ、制御部１０１により実行される。
また、本件で開示する情報処理装置プログラムは、例えば、補助記憶装置１０３に格納され、主記憶装置１０２のＲＡＭ（主メモリ）にロードされ、制御部１０１により実行される。
【0054】
Ｉ／Ｏインターフェイス１０４は、各種の外部装置を接続するためのインターフェイスである。Ｉ／Ｏインターフェイス１０４は、例えば、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ ＲＯＭ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ ＲＯＭ）、ＭＯディスク（Ｍａｇｎｅｔｏ－Ｏｐｔｉｃａｌ ｄｉｓｋ）、ＵＳＢメモリ〔ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ） ｆｌａｓｈ ｄｒｉｖｅ〕などのデータの入出力を可能にする。
【0055】
通信インターフェイス１０５としては、特に制限はなく、適宜公知のものを用いることができ、例えば、無線又は有線を用いた通信デバイスなどが挙げられる。
入力装置１０６としては、情報処理装置１００に対する各種要求や情報の入力を受け付けることができれば特に制限はなく、適宜公知のものを用いることができ、例えば、キーボード、マウス、タッチパネル、マイクなどが挙げられる。また、入力装置１０６がタッチパネル（タッチディスプレイ）である場合は、入力装置１０６が表示装置１０８を兼ねることができる。
入力装置１０６としては、情報処理装置１００に対する各種要求や情報の入力を受け付けることができれば特に制限はなく、適宜公知のものを用いることができ、例えば、キーボード、マウス、タッチパネル、マイクなどが挙げられる。また、入力装置１０６がタッチパネル（タッチディスプレイ）である場合は、入力装置１０６が表示装置１０８を兼ねることができる。
【0056】
出力装置１０７としては、特に制限はなく、適宜公知のものを用いることができ、例えば、プリンタなどが挙げられる。
表示装置１０８としては、特に制限はなく、適宜公知のものを用いることができ、例えば、液晶ディスプレイ、有機ＥＬディスプレイなどが挙げられる。
表示装置１０８としては、特に制限はなく、適宜公知のものを用いることができ、例えば、液晶ディスプレイ、有機ＥＬディスプレイなどが挙げられる。
【0057】
図１０に、本件で開示する情報処理装置の他のハードウェア構成例を示す。
図１０に示す例において、情報処理装置１００は、端末装置２００と、サーバーコンピュータ３００とに分かれている。図１０に示す例では、端末装置２００は、例えば、データの入力、同定対象物質を同定した結果としての類似度の表示などの処理を行う。一方、サーバーコンピュータ３００は、例えば、特徴データを特定するための、連続データをパーシステントデータに変換する処理、類似度の算出処理などを行う。また、図１０に示す例において、情報処理装置１００における端末装置２００とサーバーコンピュータ３００は、ネットワーク４００により接続されている。
図１０に示す例において、情報処理装置１００は、端末装置２００と、サーバーコンピュータ３００とに分かれている。図１０に示す例では、端末装置２００は、例えば、データの入力、同定対象物質を同定した結果としての類似度の表示などの処理を行う。一方、サーバーコンピュータ３００は、例えば、特徴データを特定するための、連続データをパーシステントデータに変換する処理、類似度の算出処理などを行う。また、図１０に示す例において、情報処理装置１００における端末装置２００とサーバーコンピュータ３００は、ネットワーク４００により接続されている。
【0058】
図１０に示す例では、例えば、端末装置２００としては、通常のパーソナルコンピュータを用いることができ、サーバーコンピュータ３００としては、複数のコンピュータを接続したコンピュータクラスタや、スーパーコンピュータなどの大型で高性能のコンピュータを用いることができる。なお、サーバーコンピュータ３００としては、クラウド上のコンピュータ群であってもよい。
【0059】
図１１に、本件で開示する情報処理装置の機能構成例を示す。
図１１に示すように、情報処理装置１００は、通信機能部１２０と、入力機能部１３０と、出力機能部１４０と、表示機能部１５０と、記憶機能部１６０と、制御機能部１７０とを備える。
図１１に示すように、情報処理装置１００は、通信機能部１２０と、入力機能部１３０と、出力機能部１４０と、表示機能部１５０と、記憶機能部１６０と、制御機能部１７０とを備える。
【0060】
通信機能部１２０は、例えば、各種のデータを外部の装置と送受信する。
入力機能部１３０は、例えば、情報処理装置１００に対する各種指示を受け付ける。
出力機能部１４０は、例えば、同定対象物質を解析した結果としての類似度などをプリントして出力する。
表示機能部１５０は、例えば、同定対象物質を解析した結果としての類似度などをディスプレイに表示する。
記憶機能部１６０は、例えば、各種プログラム、同定対象物質を解析した結果としての類似度などを記憶する。
入力機能部１３０は、例えば、情報処理装置１００に対する各種指示を受け付ける。
出力機能部１４０は、例えば、同定対象物質を解析した結果としての類似度などをプリントして出力する。
表示機能部１５０は、例えば、同定対象物質を解析した結果としての類似度などをディスプレイに表示する。
記憶機能部１６０は、例えば、各種プログラム、同定対象物質を解析した結果としての類似度などを記憶する。
【0061】
制御機能部１７０は、特徴データ特定部１７１と物質同定部１７２を有する。制御機能部１７０は、例えば、記憶機能部１６０に記憶された各種プログラムを実行するとともに、情報処理装置１００全体の動作を制御する。
特徴データ特定部１７１は、上述したように、質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、ピークデータのそれぞれに対応した極大値と、極小値とを有する連続データに変換し、連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、パーシステントデータに基づいて質量スペクトルの特徴を表す特徴データを特定する処理などを行う。
物質同定部１７２は、上述したように、同定対象物質についての質量分析から得られた第１の質量スペクトルにおける特徴データと、複数の物質についての質量スペクトルのデータが保存されたデータベースにおける、同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける特徴データと、を照合することにより、同定対象物質を同定する処理などを行う。
特徴データ特定部１７１は、上述したように、質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、ピークデータのそれぞれに対応した極大値と、極小値とを有する連続データに変換し、連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、パーシステントデータに基づいて質量スペクトルの特徴を表す特徴データを特定する処理などを行う。
物質同定部１７２は、上述したように、同定対象物質についての質量分析から得られた第１の質量スペクトルにおける特徴データと、複数の物質についての質量スペクトルのデータが保存されたデータベースにおける、同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける特徴データと、を照合することにより、同定対象物質を同定する処理などを行う。
【0062】
【0063】
図１２に示すように、ステップＳ１では、特徴データ特定部１７１は、同定対象物質についての質量スペクトル（同定対象スペクトル）を取得すると、処理をＳ２に移行する。より具体的には、Ｓ１において、特徴データ特定部１７１は、例えば、同定対象物質を質量分析計で測定して得られた質量スペクトル（同定対象スペクトル）を取得する。
【0064】
ステップＳ２では、特徴データ特定部１７１は、ｎに１を入力し、ｍに同定対象スペクトルのピーク総数を入力すると、処理をＳ３に移行する。ｎは同定対象スペクトルの何番目のピークであるかを示す。
【0065】
ステップＳ３では、特徴データ特定部１７１は、同定対象スペクトルにおけるｎ番目のピークの検出強度とｎ＋１番目のピークの検出強度を比較し、ｎ番目のピークの検出強度がｎ＋１番目のピークの検出強度より小さい場合には処理をＳ４に移行し、ｎ番目のピークの検出強度がｎ＋１番目のピークの検出強度より大きい場合には処理をＳ５に移行する。
【0066】
ステップＳ４では、特徴データ特定部１７１は、ｎ番目のピークとｎ＋１番目のピークとの間にダミーピークデータを挿入すると、処理をＳ５に移行する。より具体的には、Ｓ４において、挿入するダミーピークデータにおける検出強度の値の大きさは、ダミーピークデータに隣接するｎ番目のピークデータにおける検出強度の値の大きさの１％以下とする。
【0067】
ステップＳ５では、特徴データ特定部１７１は、ｎに１を加えると、処理をＳ６に移行する。
【0068】
ステップＳ６では、特徴データ特定部１７１は、ｎとｍの大きさを比較し、ｎがｍよりも大きい場合には処理をＳ７に移行し、ｎがｍ以下である場合には処理をＳ３に移行する。
【0069】
ステップＳ７では、特徴データ特定部１７１は、同定対象スペクトルの離散データを連続データに変換すると、処理をＳ８に移行する。
【0070】
ステップＳ８では、特徴データ特定部１７１は、連続データをパーシステントホモロジー手法によりパーシステントデータに変換すると、処理をＳ９に移行する。より具体的には、Ｓ８において、特徴データ特定部１７１は、パーシステントホモロジー手法としてｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、連続データをパーシステントデータに変換する。
【0071】
ステップＳ９では、特徴データ特定部１７１は、パーシステントデータに基づいて同定対象スペクトルの特徴を表す特徴データを特定すると、処理をＳ２０に移行する。
【0072】
一方、ステップＳ１０では、特徴データ特定部１７１は、同定対象物質が含まれているスペクトルデータベースを選択すると、処理をＳ１１に移行する。
【0073】
ステップＳ１１では、特徴データ特定部１７１は、スペクトルデータベースから候補スペクトルを抽出すると、処理をＳ１２に移行する。より具体的には、候補スペクトルの抽出は、同定対象物質の精密質量などの情報に基づいて行われる。
【0074】
ステップＳ１２では、特徴データ特定部１７１は、ｘに１を入力し、ｙに候補スペクトルのピーク総数を入力すると処理をＳ１３に移行する。ｘは候補スペクトルの何番目のピークであるかを示す。
【0075】
ステップＳ１３では、特徴データ特定部１７１は、候補スペクトルにおけるｘ番目のピークの検出強度とｘ＋１番目のピークの検出強度を比較し、ｘ番目のピークの検出強度がｘ＋１番目のピークの検出強度より小さい場合には処理をＳ１４に移行し、ｘ番目のピークの検出強度がｘ＋１番目のピークの検出強度より大きい場合には処理をＳ１５に移行する。
【0076】
ステップＳ１４では、特徴データ特定部１７１は、ｘ番目のピークとｘ＋１番目のピークとの間にダミーピークデータを挿入すると、処理をＳ１５に移行する。より具体的には、Ｓ１４において、挿入するダミーピークデータにおける検出強度の値の大きさは、ダミーピークデータに隣接するｘ番目のピークデータにおける検出強度の値の大きさの１％以下とする。
【0077】
ステップＳ１５では、特徴データ特定部１７１は、ｘに１を加えると、処理をＳ１６に移行する。
【0078】
ステップＳ１６では、特徴データ特定部１７１は、ｘとｙの大きさを比較し、ｘがｙよりも大きい場合には処理をＳ１７に移行し、ｘがｙ以下である場合には処理をＳ１３に移行する。
【0079】
ステップＳ１７では、特徴データ特定部１７１は、候補スペクトルの離散データを連続データに変換すると、処理をＳ１８に移行する。
【0080】
ステップＳ１８では、特徴データ特定部１７１は、連続データをパーシステントホモロジー手法によりパーシステントデータに変換すると、処理をＳ１９に移行する。より具体的には、Ｓ１８において、特徴データ特定部１７１は、パーシステントホモロジー手法としてｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、連続データをパーシステントデータに変換する。
【0081】
ステップＳ１９では、特徴データ特定部１７１は、パーシステントデータに基づいて候補スペクトルの特徴を表す特徴データを特定すると、処理をＳ２０に移行する。
なお、ステップＳ１１からＳ１９の処理は、候補スペクトルの抽出数に応じて繰り返して行われる。即ち、候補スペクトルの抽出数が複数である場合には、候補スペクトルの抽出数に応じてステップＳ１１からＳ１９の処理をそれぞれ行い、候補スペクトル毎に特徴データを求める。
なお、ステップＳ１１からＳ１９の処理は、候補スペクトルの抽出数に応じて繰り返して行われる。即ち、候補スペクトルの抽出数が複数である場合には、候補スペクトルの抽出数に応じてステップＳ１１からＳ１９の処理をそれぞれ行い、候補スペクトル毎に特徴データを求める。
【0082】
次に、ステップＳ２０では、物質同定部１７２は、ステップＳ９で得られた同定対象スペクトルの特徴データとステップＳ１９で得られた候補スペクトルの特徴データとを照合し、類似度を特定すると、処理をＳ２１に移行する。より具体的には、Ｓ２０において、物質同定部１７２は、同定対象スペクトルと候補スペクトルとにおける特徴データの数及び特徴データの位置（座標）の少なくともいずれかに基づいて類似度を特定する。
【0083】
ステップＳ２１では、物質同定部１７２は、特定された類似度に基づき同定対象物質を同定すると、本件の処理を完了する。
【0084】
図１２に示したような処理を行うことにより、本件で開示する技術の一例では、例えば、同定対象物質を効率よく高い精度で同定することができる。
【0085】
また、図１２においては、本件で開示する技術の一例における処理の流れについて、特定の順序に従って説明したが、本件で開示する技術においては、技術的に可能な範囲で、適宜各ステップの順序を入れ替えることができる。また本件で開示する技術においては、技術的に可能な範囲で、複数のステップを一括して行ってもよい。
また、図１２においては、候補スペクトルについてステップＳ１０からＳ１９の処理を行っているが、ステップＳ１０からＳ１９の処理を省略して、ステップＳ１からＳ９の処理を行った後、ステップ９で得られた同定対象スペクトルの特徴データと、パーシステントデータに変換していない生の候補スペクトルとを照合し、類似度を求めてもよい。
また、図１２においては、候補スペクトルについてステップＳ１０からＳ１９の処理を行っているが、ステップＳ１０からＳ１９の処理を省略して、ステップＳ１からＳ９の処理を行った後、ステップ９で得られた同定対象スペクトルの特徴データと、パーシステントデータに変換していない生の候補スペクトルとを照合し、類似度を求めてもよい。
【実施例0086】
本件で開示する技術の一実施例について説明するが、本件で開示する技術は、この実施例に何ら限定されるものではない。
【0087】
【0088】
図１３は、実施例１における同定対象物質を同定する処理の流れの一例を示す図である。
まず、公開されている質量スペクトルのデータベースから精密質量「７２」の質量スペクトルを３８本抽出（３８本の候補スペクトル）し、そのうちの１本のＢｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）を同定対象スペクトルとした。
次に、離散データからなる同定対象スペクトル及び３８本の候補スペクトルについて、図１２に示すフローチャートにおけるＳ２からＳ６に相当する処理及びＳ１２からＳ１６に相当する処理を行い、ダミーピークデータを挿入し、連続データに変換した。得られた連続データからｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法によりパーシステント図（パーシステントデータ）をそれぞれ得た。
次に、同定対象スペクトルの特徴データと候補スペクトルの特徴データの照合には、上記パーシステントデータを用いた。同定対象スペクトルと候補スペクトルとの照合に際しては、上記パーシステントデータをＣＲＳ（Ｃｏｍｐｒｅｓｓｅｄ Ｒｏｗ Ｓｔｏｒａｇｅ）形式で疎行列として格納し、コサイン類似度計算により類似度を求め、この類似度により同定対象物質の同定を行った。結果を表１に示した。
まず、公開されている質量スペクトルのデータベースから精密質量「７２」の質量スペクトルを３８本抽出（３８本の候補スペクトル）し、そのうちの１本のＢｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）を同定対象スペクトルとした。
次に、離散データからなる同定対象スペクトル及び３８本の候補スペクトルについて、図１２に示すフローチャートにおけるＳ２からＳ６に相当する処理及びＳ１２からＳ１６に相当する処理を行い、ダミーピークデータを挿入し、連続データに変換した。得られた連続データからｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法によりパーシステント図（パーシステントデータ）をそれぞれ得た。
次に、同定対象スペクトルの特徴データと候補スペクトルの特徴データの照合には、上記パーシステントデータを用いた。同定対象スペクトルと候補スペクトルとの照合に際しては、上記パーシステントデータをＣＲＳ（Ｃｏｍｐｒｅｓｓｅｄ Ｒｏｗ Ｓｔｏｒａｇｅ）形式で疎行列として格納し、コサイン類似度計算により類似度を求め、この類似度により同定対象物質の同定を行った。結果を表１に示した。
【0089】
（比較例１）
図１４は、比較例１における同定対象物質を同定する処理の流れの一例を示す図である。
比較例１では、同定対象スペクトルと候補スペクトルとの照合にはパーシステントデータを用いないで、生スペクトルの座標を直接照合した以外は、実施例１と同様にして、類似度を求め、この類似度により同定対象物質の同定を行った。結果を表１に示した。
なお、比較例１では、実施例１との対比を正確に行うために、同定対象スペクトルと候補スペクトルとの照合の際には、実施例１と同じＣＲＳ形式の疎行列とコサイン類似度計算を用いて行った。
図１４は、比較例１における同定対象物質を同定する処理の流れの一例を示す図である。
比較例１では、同定対象スペクトルと候補スペクトルとの照合にはパーシステントデータを用いないで、生スペクトルの座標を直接照合した以外は、実施例１と同様にして、類似度を求め、この類似度により同定対象物質の同定を行った。結果を表１に示した。
なお、比較例１では、実施例１との対比を正確に行うために、同定対象スペクトルと候補スペクトルとの照合の際には、実施例１と同じＣＲＳ形式の疎行列とコサイン類似度計算を用いて行った。
【0090】
【表1】
【0091】
表１の結果から、実施例１は、３８本の候補スペクトルの中で、「Ｂｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）」が同定対象スペクトルと完全に一致した（完全一致はスコア「１．００」で類似度の減少に伴ってスコアは小さくなる）。
「Ｂｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）」と「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９５）」は別のデータベースに異なる名前で登録されているが全く同じスペクトルであり、類似度は１．００（１００％一致）となった。
また、「Ｂｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）」と同じ化学物質である「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９６）」及び「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９４）」から得られた質量スペクトルに対しても類似度が０．９９以上の極めて高い類似性を示した。これらの質量スペクトルは、いずれも同一測定法及び同一測定装置により３度測定した結果である。
したがって、実施例１は、本件で開示する技術を用いることにより、パーシステントデータにおける特徴量に基づいて特定した類似度に基づいて、高い精度で同定対象物質を同定できることがわかった。
「Ｂｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）」と「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９５）」は別のデータベースに異なる名前で登録されているが全く同じスペクトルであり、類似度は１．００（１００％一致）となった。
また、「Ｂｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）」と同じ化学物質である「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９６）」及び「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９４）」から得られた質量スペクトルに対しても類似度が０．９９以上の極めて高い類似性を示した。これらの質量スペクトルは、いずれも同一測定法及び同一測定装置により３度測定した結果である。
したがって、実施例１は、本件で開示する技術を用いることにより、パーシステントデータにおける特徴量に基づいて特定した類似度に基づいて、高い精度で同定対象物質を同定できることがわかった。
【0092】
比較例１は、全く同じ質量スペクトルである「Ｂｕｔａｎａｌ（ＨＭＤＢ０００３５４３＿ｃ＿ｍｓ＿９９８２０）」と「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９５）」では、実施例１と同様に類似度が１．００（１００％一致）であり、比較例１におけるコサイン類似度計算は、実施例１におけるコサイン類似度計算と問題なく比較できると言ってよい。
その結果を踏まえて、同じ化学物質であるが異なる測定法（測定装置は同じ）である「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９６）及び「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９４）」の結果を比較すると、比較例１は実施例１よりも低い類似度であった。このことは、比較例１では、測定法ごとに異なるノイズやバックグラウンドなどの相違を排除できなかったことを意味している。
以上の結果から、実施例１の本件で開示する技術は、比較例１の従来法に比べて高い精度で同定対象物質を同定できる点で優位であることがわかった。
その結果を踏まえて、同じ化学物質であるが異なる測定法（測定装置は同じ）である「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９６）及び「ｂｕｔｙｒａｌｄｅｈｙｄｅ（Ｆｉｅｈｎｌ＿ｉｂ００００９４）」の結果を比較すると、比較例１は実施例１よりも低い類似度であった。このことは、比較例１では、測定法ごとに異なるノイズやバックグラウンドなどの相違を排除できなかったことを意味している。
以上の結果から、実施例１の本件で開示する技術は、比較例１の従来法に比べて高い精度で同定対象物質を同定できる点で優位であることがわかった。
【0093】
以上の実施形態に関し、更に以下の付記を開示する。
（付記１）
質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータが実行することを特徴とする情報処理方法。
（付記２）
前記第１変換処理において前記コンピュータが、
前記離散データに対して、前記質量スペクトルには含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、付記１に記載の情報処理方法。
（付記３）
前記第１変換処理において、
前記ダミーピークデータにおける前記検出強度の値の大きさは前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下である、付記２に記載の情報処理方法。
（付記４）
前記第２変換処理において前記コンピュータが、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、付記１から３のいずれかに記載の情報処理方法。
（付記５）
前記第２変換処理において前記コンピュータが、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、付記４に記載の情報処理方法。
（付記６）
前記コンピュータが、
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定処理を更に実行する、付記１から５のいずれかに記載の情報処理方法。
（付記７）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、付記６に記載の情報処理方法。
（付記８）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、付記６又は７に記載の情報処理方法。
（付記９）
質量分析により得られた質量スペクトルを解析する情報処理装置であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータのそれぞれに対応した極大値と、極小値と、を有する連続データに変換し、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定部を有することを特徴とする情報処理装置。
（付記１０）
前記特徴データ特定部が、
前記離散データに対して、前記質量スペクトルには本来含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、付記９に記載の情報処理装置。
（付記１１）
前記特徴データ特定部が、
前記ダミーピークデータにおける前記検出強度の値の大きさを、前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下とする、付記１０に記載の情報処理装置。
（付記１２）
前記特徴データ特定部が、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、付記９から１１のいずれかに記載の情報処理装置。
（付記１３）
前記特徴データ特定部が、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、付記１２に記載の情報処理装置。
（付記１４）
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定部を更に有する、付記９から１３のいずれかに記載の情報処理装置。
（付記１５）
前記物質同定部が、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、付記１４に記載の情報処理装置。
（付記１６）
前記物質同定部が、
記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、付記１４又は１５に記載の情報処理装置。
（付記１７）
質量分析により得られた質量スペクトルを解析する情報処理プログラムであって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータに行わせることを特徴とする情報処理プログラム。
（付記１８）
前記第１変換処理において前記コンピュータが、
前記離散データに対して、前記質量スペクトルには含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、付記１７に記載の情報処理プログラム。
（付記１９）
前記第１変換処理において、
前記ダミーピークデータにおける前記検出強度の値の大きさは前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下である、付記１８に記載の情報処理プログラム。
（付記２０）
前記第２変換処理において前記コンピュータが、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、付記１７から１９のいずれかに記載の情報処理プログラム。
（付記２１）
前記第２変換処理において前記コンピュータが、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、付記２０に記載の情報処理プログラム。
（付記２２）
前記コンピュータが、
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定処理を更に実行する、付記１７から２１のいずれかに記載の情報処理プログラム。
（付記２３）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、付記２２に記載の情報処理プログラム。
（付記２４）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、付記２２又は２３に記載の情報処理プログラム。
（付記１）
質量分析により得られた質量スペクトルを解析する情報処理方法であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータが実行することを特徴とする情報処理方法。
（付記２）
前記第１変換処理において前記コンピュータが、
前記離散データに対して、前記質量スペクトルには含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、付記１に記載の情報処理方法。
（付記３）
前記第１変換処理において、
前記ダミーピークデータにおける前記検出強度の値の大きさは前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下である、付記２に記載の情報処理方法。
（付記４）
前記第２変換処理において前記コンピュータが、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、付記１から３のいずれかに記載の情報処理方法。
（付記５）
前記第２変換処理において前記コンピュータが、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、付記４に記載の情報処理方法。
（付記６）
前記コンピュータが、
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定処理を更に実行する、付記１から５のいずれかに記載の情報処理方法。
（付記７）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、付記６に記載の情報処理方法。
（付記８）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、付記６又は７に記載の情報処理方法。
（付記９）
質量分析により得られた質量スペクトルを解析する情報処理装置であって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータのそれぞれに対応した極大値と、極小値と、を有する連続データに変換し、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換し、前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定部を有することを特徴とする情報処理装置。
（付記１０）
前記特徴データ特定部が、
前記離散データに対して、前記質量スペクトルには本来含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、付記９に記載の情報処理装置。
（付記１１）
前記特徴データ特定部が、
前記ダミーピークデータにおける前記検出強度の値の大きさを、前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下とする、付記１０に記載の情報処理装置。
（付記１２）
前記特徴データ特定部が、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、付記９から１１のいずれかに記載の情報処理装置。
（付記１３）
前記特徴データ特定部が、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、付記１２に記載の情報処理装置。
（付記１４）
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定部を更に有する、付記９から１３のいずれかに記載の情報処理装置。
（付記１５）
前記物質同定部が、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、付記１４に記載の情報処理装置。
（付記１６）
前記物質同定部が、
記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、付記１４又は１５に記載の情報処理装置。
（付記１７）
質量分析により得られた質量スペクトルを解析する情報処理プログラムであって、
前記質量スペクトルにおける、質量電荷比の情報と検出強度の情報とで表される複数のピークデータを含む離散データを、前記ピークデータに対応した極大値と、極小値とを有する連続データに変換する第１変換処理と、
前記連続データを、パーシステントホモロジー手法によりパーシステントデータに変換する第２変換処理と、
前記パーシステントデータに基づいて前記質量スペクトルの特徴を表す特徴データを特定する特徴データ特定処理と、
をコンピュータに行わせることを特徴とする情報処理プログラム。
（付記１８）
前記第１変換処理において前記コンピュータが、
前記離散データに対して、前記質量スペクトルには含まれないダミーピークデータを追加して、前記離散データを前記連続データに変換する、付記１７に記載の情報処理プログラム。
（付記１９）
前記第１変換処理において、
前記ダミーピークデータにおける前記検出強度の値の大きさは前記ダミーピークデータに隣接する前記ピークデータにおける検出強度の値の大きさの１％以下である、付記１８に記載の情報処理プログラム。
（付記２０）
前記第２変換処理において前記コンピュータが、
前記パーシステントホモロジー手法として、ｌｏｗｅｒ ｓｔａｒ ｆｉｌｔｒａｔｉｏｎ法を用い、前記連続データにおける前記極大値と前記極小値に基づいて、前記特徴データを含むプロットデータを特定することにより、前記連続データを前記パーシステントデータに変換する、付記１７から１９のいずれかに記載の情報処理プログラム。
（付記２１）
前記第２変換処理において前記コンピュータが、
前記パーシステントデータにおける前記プロットデータの内、前記パーシステントデータにおけるＢｉｒｔｈの値とＤｅａｔｈの値の差が所定値以上の前記プロットデータを、前記質量スペクトルにおける前記特徴データとして特定する、付記２０に記載の情報処理プログラム。
（付記２２）
前記コンピュータが、
同定対象物質についての前記質量分析から得られた第１の質量スペクトルにおける前記特徴データと、
複数の物質についての前記質量スペクトルのデータが保存されたデータベースにおける、前記同定対象物質の候補となる候補物質についての第２の質量スペクトルにおける前記特徴データと、
を照合することにより、前記同定対象物質を同定する物質同定処理を更に実行する、付記１７から２１のいずれかに記載の情報処理プログラム。
（付記２３）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルの前記特徴データと、前記第２の質量スペクトルの前記特徴データとにおける、数及び分布の少なくともいずれかに基づいて、前記第１の質量スペクトルと前記第２の質量スペクトルとの類似度を特定し、前記類似度に基づいて前記同定対象物質を同定する、付記２２に記載の情報処理プログラム。
（付記２４）
前記物質同定処理において前記コンピュータが、
前記第１の質量スペクトルにおける前記特徴データと、前記第２の質量スペクトルにおける前記特徴データとの間のコサイン類似度に基づいて、前記同定対象物質を同定する、付記２２又は２３に記載の情報処理プログラム。
【符号の説明】
【0094】
１００ 情報処理装置
１０１ 制御部
１０２ 主記憶装置
１０３ 補助記憶装置
１０４ Ｉ／Ｏインターフェイス
１０５ 通信インターフェイス
１０６ 入力装置
１０７ 出力装置
１０８ 表示装置
１０９ システムバス
１２０ 通信機能部
１３０ 入力機能部
１４０ 出力機能部
１５０ 表示機能部
１６０ 記憶機能部
１７０ 制御機能部
１７１ 特徴データ特定部
１７２ 物質同定部
１０１ 制御部
１０２ 主記憶装置
１０３ 補助記憶装置
１０４ Ｉ／Ｏインターフェイス
１０５ 通信インターフェイス
１０６ 入力装置
１０７ 出力装置
１０８ 表示装置
１０９ システムバス
１２０ 通信機能部
１３０ 入力機能部
１４０ 出力機能部
１５０ 表示機能部
１６０ 記憶機能部
１７０ 制御機能部
１７１ 特徴データ特定部
１７２ 物質同定部
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図4C】
【図4D】
【図5A】
【図5B】
【図5C】
【図5D】
【図6A】
【図6B】
【図6C】
【図6D】
【図7A】
【図7B】
【図7C】
【図7D】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
