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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-09-27
(45)【発行日】2024-10-07
(54)【発明の名称】部分構造推定装置及び部分構造推定モデル生成方法
(51)【国際特許分類】
G16C 20/20 20190101AFI20240930BHJP
G01N 27/62 20210101ALI20240930BHJP
G16C 20/70 20190101ALI20240930BHJP
【ＦＩ】
G16C20/20
G01N27/62 D
G16C20/70
【請求項の数】
13
(21)【出願番号】P 2022028364
(22)【出願日】2022-02-25
(65)【公開番号】P2023124547
(43)【公開日】2023-09-06
【審査請求日】2023-06-12
(73)【特許権者】
【識別番号】000004271
【氏名又は名称】日本電子株式会社
(74)【代理人】
【識別番号】110001210
【氏名又は名称】弁理士法人ＹＫＩ国際特許事務所
(72)【発明者】
【氏名】久保 歩
(72)【発明者】
【氏名】生方 正章
(72)【発明者】
【氏名】長友 健治
【審査官】岡北 有平
(56)【参考文献】
【文献】特開２０１５－１０２４７６（ＪＰ，Ａ）
【文献】Zhi-Shui Zhang, et al.，Prediction of Molecular Substructure Using Mass Spectral Data based on Metric Learning，ICIC 2014 Inteligent Computing in Bioinformatics [online]，2014年，Pages 248-249，[検索日:2024年3月14日], <URL:https://doi.org/10.1007/978-3-319-09330-7_30>
【文献】Qing Xiong, et al.，Computer-assisted prediction of psticide substructure using mass spectra，Analytica Chimica Acta [online] ，2007年06月19日，Vol.593, Issue 2，Abstract，[検索日:2024年3月14日], <URL:https://doi.org/10.1016/j.aca.2007.04.060>
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ１６Ｃ １０／００ － ９９／００
Ｇ０１Ｎ ２７／６２
(57)【特許請求の範囲】
【請求項1】
試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより前記ピーク群中の複数のピークから推定された複数の組成を含む第１説明変数を生成する第１説明変数生成器と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより前記ピーク群中の複数のピーク間隔から推定された複数の組成を含む第２説明変数を生成する第２説明変数生成器と、
前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する部分構造推定器と、
を含むことを特徴とする部分構造推定装置。
【請求項2】
請求項１記載の部分構造推定装置において、前記部分構造推定器は、前記第１説明変数及び前記第２説明変数に基づいて前記部分構造を推定する機械学習済み部分構造推定モデルを有する、
ことを特徴とする部分構造推定装置。
【請求項3】
請求項１記載の部分構造推定装置において、前記第１説明変数生成器は、前記ピークに対応する測定精密質量に基づいて前記組成推定を行い、
前記第２説明変数生成器は、前記ピーク間隔に対応する組成差又は測定精密質量差に基づいて前記組成推定を行う、
ことを特徴とする部分構造推定装置。
【請求項4】
試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する第１説明変数生成器と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する第２説明変数生成器と、
前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する部分構造推定器と、
を含み、
前記ピーク群には複数のフラグメントピークが含まれ、
前記第１説明変数生成器は、
前記フラグメントピークごとに前記組成推定を行うことにより複数の第１部分組成を推定し、
前記複数の第１部分組成に基づいて前記第１説明変数を構成する複数の第１要素を特定する、
ことを特徴とする部分構造推定装置。
【請求項5】
請求項４記載の部分構造推定装置において、前記各第１要素は重み値を含み、
前記各重み値が前記各第１部分組成に対応するフラグメントピークの強度に基づいて決定される、
ことを特徴とする部分構造推定装置。
【請求項6】
試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する第１説明変数生成器と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する第２説明変数生成器と、
前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する部分構造推定器と、
を含み、
前記ピーク群には複数のフラグメントピークが含まれ、
前記複数のフラグメントピークに基づいて複数のフラグメントピーク間隔が定義され、
前記第２説明変数生成器は、
前記フラグメントピーク間隔ごとに前記組成推定を行うことにより複数の第２部分組成を推定し、
前記複数の第２部分組成に基づいて前記第２説明変数を構成する複数の第２要素を特定する、
ことを特徴とする部分構造推定装置。
【請求項7】
試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する第１説明変数生成器と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する第２説明変数生成器と、
前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する部分構造推定器と、
を含み、
前記ピーク群には分子ピーク及び複数のフラグメントピークが含まれ、
前記分子ピーク及び前記複数のフラグメントピークに基づいて複数のニュートラルロスが定義され、
前記ピーク群に基づいて前記ニュートラルロスごとに組成推定を行うことにより第３説明変数を生成する第３説明変数生成器が設けられ、
前記部分構造推定器は、前記第１説明変数、前記第２説明変数及び前記第３説明変数に基づいて前記試料が有する部分構造を推定する、
ことを特徴とする部分構造推定装置。
【請求項8】
請求項１記載の部分構造推定装置において、前記部分構造推定器の推定結果に基づいて、前記試料が有する１又は複数の部分構造を示す部分構造リストを生成する表示処理部と、
前記マススペクトル及び前記部分構造リストを表示する表示器と、
を含むことを特徴とする部分構造推定装置。
【請求項9】
試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する第１説明変数生成器と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する第２説明変数生成器と、
前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する部分構造推定器と、
を含み、更に、
前記部分構造推定器の推定結果に基づいて、前記試料が有する１又は複数の部分構造を示す部分構造リストを生成する表示処理部と、
前記マススペクトル及び前記部分構造リストを表示する表示器と、
を含み、
前記表示処理部は、前記部分構造リストの中から特定の部分構造が指定された場合に、前記特定の部分構造に対応するピーク又はピーク間隔を識別する識別情報を前記マススペクトル上に表示する、
ことを特徴とする部分構造推定装置。
【請求項10】
情報処理装置において実行されるプログラムであって、試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより前記ピーク群中の複数のピークから推定された複数の組成を含む第１説明変数を生成する機能と、
前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより前記ピーク群中の複数のピーク間隔から推定された複数の組成を含む第２説明変数を生成する機能と、
前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する機能と、
を含むことを特徴とするプログラム。
【請求項11】
コンピュータが複数の部分構造を登録する工程と、前記コンピュータが、既知化合物から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより前記ピーク群中の複数のピークから推定された複数の組成を含む第１説明変数を生成する工程と、
前記コンピュータが、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより前記ピーク群中の複数のピーク間隔から推定された複数の組成を含む第２説明変数を生成する工程と、
前記コンピュータが、登録された部分構造ごとに前記既知化合物における当該部分構造の存否を判定することにより目的変数を生成する工程と、
前記コンピュータが、前記第１説明変数、前記第２説明変数及び前記目的変数からなる訓練データを用いた機械学習により部分構造推定モデルを生成する工程と、
を含むことを特徴とする部分構造推定モデル生成方法。
【請求項12】
請求項１１記載の部分構造推定モデル生成方法において、前記複数の部分構造を登録する工程は、
前記コンピュータが複数の公知部分構造を登録する工程と、
前記コンピュータが複数の新規部分構造を作出する工程と、
前記コンピュータが前記複数の新規部分構造を登録する工程と、
を含む、ことを特徴とする部分構造推定モデル生成方法。
【請求項13】
請求項１２記載の部分構造推定モデル生成方法において、前記複数の新規部分構造を作出する工程は、
ユーザーにより指定された条件に従って、前記コンピュータが複数の基本骨格を定義する工程と、
前記コンピュータが、前記各基本骨格における複数の原子位置に対して、元素グループの中から選択された複数の元素を仮想的に配置することにより、前記複数の新規部分構造を定義する工程と、
を含む、ことを特徴とする部分構造推定モデル生成方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、部分構造推定装置及び部分構造推定モデル生成方法に関し、特に、マススペクトルに基づいて未知化合物が有している部分構造を推定する技術に関する。
【背景技術】
【0002】
未知化合物の分子構造を推定するために、あるいは、未知化合物が有する化学的性質を決定又は推定するために、未知化合物が有している部分構造（未知化合物分子における一部分の化学構造）を特定することが望まれる。部分構造として、カルボン酸（carboxylic acid）、ニトリル（nitrile）、ベンゼン（benzene）、チオフェン（thiophene）、等が挙げられる。
【0003】
非特許文献１には、機械学習済みモデルを用いて部分構造を推定する方法が記載されている。その方法では、マススペクトルに含まれる各フラグメントピークが有する強度及び各フラグメントピークに対応する整数質量が利用されている。非特許文献１には、フラグメントの組成やフラグメント間の組成差に基づく部分構造の推定については記載されていない。なお、特許文献１には、機械学習技術を用いて、未知の微生物を同定する方法が記載されているが、未知化合物が有する部分構造を推定することは記載されていない。
【先行技術文献】
【特許文献】
【0004】
【文献】特表２０１５－５２２２４９号公報
【非特許文献】
【0005】
【文献】小松他「マススペクトルに対する機械学習による未知化合物の部分構造推定」（講演要旨番号：B205）、第25回高分子分析討論会 講演要旨集、日本分析化学会 高分子分析研究懇談会、2020年10月23日（日本の国会図書館に記録されている出版年月日）
【発明の概要】
【発明が解決しようとする課題】
【0006】
本発明の目的は、試料に含まれる部分構造を精度良く推定することにある。あるいは、本発明の目的は、試料に含まれるより多くの部分構造を推定することにある。あるいは、本発明の目的は、試料に含まれる部分構造を精度良く推定するモデルを生成することにある。
【課題を解決するための手段】
【0007】
本発明に係る部分構造推定装置は、試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する第１説明変数生成器と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する第２説明変数生成器と、前記第１説明変数及び前記第２説明変数に基づいて前記試料が有する部分構造を目的変数として推定する部分構造推定器と、を含むことを特徴とする。
【0008】
本発明に係る部分構造推定モデル生成方法は、複数の部分構造を登録する工程と、既知化合物から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する工程と、前記ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する工程と、登録された部分構造ごとに前記既知化合物における当該部分構造の存否を判定することにより目的変数を生成する工程と、前記第１説明変数、前記第２説明変数及び前記目的変数からなる訓練データを用いた機械学習により部分構造推定モデルを生成する工程と、を含むことを特徴とする。
【発明の効果】
【0009】
本発明によれば、試料に含まれる部分構造を精度良く推定できる。あるいは、本発明によれば、試料に含まれる多くの部分構造を推定できる。あるいは、本発明によれば、試料に含まれる部分構造を精度良く推定するモデルを生成できる。
【図面の簡単な説明】
【0010】
【図1】実施形態に係る部分構造推定システムの構成例を示すブロック図である。
【図2】実施形態に係る部分構造推定モデル生成装置の構成例を示すブロック図である。
【図3】実施形態に係る部分構造推定装置の構成例を示すブロック図である。
【図4】部分構造の登録方法を示す図である。
【図5】公知部分構造の登録例を示す図である。
【図6】複数の基本骨格を示す図である。
【図7】基本骨格に基づいて生成された複数の新規部分構造を示す図である。
【図8】水素原子の付加により生成された複数の新規部分構造を示す図である。
【図9】目的変数の生成方法を示す図である。
【図10】フラグメントピークごとの組成推定及びフラグメントピーク間隔ごとの組成推定を示す図である。
【図11】第１説明変数を示す図である。
【図12】第２説明変数を示す図である。
【図13】訓練データセットを示す図である。
【図14】第１表示例を示す図である。
【図15】第２表示例を示す図である。
【図16】第３表示例を示す図である。
【図17】部分構造推定モデルの評価方法の一例を示す図である。
【図18】他の実施形態に係る部分構造推定モデル生成装置の構成例を示すブロック図である。
【図19】フラグメントピークごとの組成推定、フラグメントピーク間隔ごとの組成推定、及び、ニュートラルロスごとの組成推定を示す図である。
【図20】第３説明変数を示す図である。
【図21】他の実施形態に係る部分構造推定装置の構成例を示すブロック図である。
【発明を実施するための形態】
【0011】
以下、実施形態を図面に基づいて説明する。
【0012】
（１）実施形態の概要
実施形態に係る部分構造推定装置は、第１説明変数生成器、第２説明変数生成器、及び、部分構造推定器を有する。第１説明変数生成器は、試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する。第２説明変数生成器は、ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する。部分構造推定器は、第１説明変数及び第２説明変数に基づいて試料が有する部分構造を目的変数として推定する。
実施形態に係る部分構造推定装置は、第１説明変数生成器、第２説明変数生成器、及び、部分構造推定器を有する。第１説明変数生成器は、試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する。第２説明変数生成器は、ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する。部分構造推定器は、第１説明変数及び第２説明変数に基づいて試料が有する部分構造を目的変数として推定する。
【0013】
マススペクトルに含まれるピーク群がフラグメントピーク群であるとみなせる場合、そのピーク群は、試料中の多様な部分構造を直接的に反映している有意な情報である。現在普及している組成推定技術によれば、個々のピークに対応する質量（実施形態において測定精密質量）から、数学的処理により、質量誤差や推定確率を考慮しつつ、組成（部分組成）を精度良く推定できる。よって、複数のピークから推定される複数の組成は、部分構造を推定する上での根幹的又は決定的な特徴量であり、これと同様に、複数のピーク間隔から推定される複数の組成も、部分構造を推定する上での根幹的又は決定的な特徴量である。
【0014】
以上のような観点から、複数のピークから推定される複数の組成に基づいて第１説明変数が生成され、複数のピーク間隔から推定される複数の組成に基づいて第２説明変数が生成される。それらの説明変数に基づいて目的変数としての部分構造を推定することにより、その推定精度を高められる。
【0015】
測定精密質量それ自体を説明変数（特徴量）として扱うことも可能であるが、その場合には、フラグメントピーク以外の信号（夾雑成分等の信号）も説明変数の基礎とされてしまうので、部分構造の推定精度が悪化してしまう。これに対し、上記構成によれば、フラグメントピーク以外の信号が説明変数の基礎とされないので又はその可能性を低減できるので、部分構造の推定精度を高められる。なお、第１説明変数及び第２説明変数の実体はいずれもベクトルである。３つ以上の説明変数に基づいて部分構造が推定されてもよい。
【0016】
化合物分子における一部分の組成は、当該一部分を構成する１又は複数の元素及び各元素の原子数を示す情報である。一部分の組成は、当該一部分が有する化学構造（部分構造）までを示すものではないが、当該一部分が有する化学構造を基礎付ける有意な情報である。部分構造は、通常、構造式として表現される。部分構造が二次元又は三次元の構造モデルとして表現されてもよい。
【0017】
上記のピーク間隔の概念には、２つのフラグメントピークの間隔（フラグメントロス）、及び、分子ピークとフラグメントピークの間隔（ニュートラルロス）、が含まれる。上記のマススペクトルの概念には、ハードイオン化法の１つである電子イオン化法（ＥＩ法）を用いて生成されたＥＩマススペクトルが含まれる。ＥＩマススペクトルには、比較的に多くのフラグメントピーク（フラグメントイオンピーク）が含まれる。ピーク群の特定に当たって、更に、ソフトイオン化法を用いて生成されたマススペクトルが参照されてもよい。フラグメントの概念には、ＣＩＤ（Collision-Induced Dissociation）により生成されたプロダクトイオンが含まれ得る。
【0018】
実施形態において、部分構造推定器は、第１説明変数及び第２説明変数に基づいて部分構造を推定する機械学習済み部分構造推定モデルを有する。実施形態において、第１説明変数生成器は、ピークに対応する測定精密質量に基づいて組成推定を行う。第２説明変数生成器は、ピーク間隔に対応する組成差又は測定精密質量差に基づいて組成推定を行う。測定精密質量は小数点以下を含むものであり、整数質量と対比される物理量である。組成差は、２つのピークに対応する２つの組成の差分により特定される。組成差をそのまま部分組成として採用してもよいし、組成差の修正により部分組成を特定してもよい。なお、一般に、測定精密質量とは、十分な精度で１ｍＤａ（１ｘ１０－３ｕ）以下まで質量を測定した場合における測定値のことである（マススペクトリー関係用語集改訂第４版（ＷＷＷ版）、質量分析学会）。測定精密質量の定義として、質量分析の目的や期待する質量分析精度等に応じた定義を採用し得る。
【0019】
実施形態において、ピーク群には複数のフラグメントピークが含まれる。第１説明変数生成器は、フラグメントピークごとに組成推定を行うことにより複数の第１部分組成を推定する。また、第１説明変数生成器は、複数の第１部分組成に基づいて第１説明変数を構成する複数の第１要素を特定する。実施形態において、各第１要素は重み値を含む。各重み値は、各第１部分組成に対応するフラグメントピークの強度に基づいて決定される。
【0020】
実施形態において、複数のフラグメントピークに基づいて複数のフラグメントピーク間隔が定義される。第２説明変数生成器は、フラグメントピーク間隔ごとに組成推定を行うことにより複数の第２部分組成を推定する。また、第２説明変数生成器は、複数の第２部分組成に基づいて第２説明変数を構成する複数の第２要素を特定する。各第２要素に、それに対応する２つのフラグメントピークから演算される重み値を含めてもよい。
【0021】
実施形態において、ピーク群には分子ピーク及び複数のフラグメントピークが含まれる。分子ピーク及び複数のフラグメントピークに基づいて複数のニュートラルロスが定義される。実施形態に係る部分構造推定装置は、ピーク群に基づいてニュートラルロスごとに組成推定を行うことにより第３説明変数を生成する第３説明変数生成器を含む。部分構造推定器は、第１説明変数、第２説明変数及び第３説明変数に基づいて試料が有する部分構造を推定する。第３説明変数は、説明対象の特徴の表現に当たって、第１説明変数及び第２説明変数を補完する役割を果たすものである。第３説明変数の導入により、部分構造の推定精度を高められる。
【0022】
実施形態において、部分構造推定器の推定結果に基づいて、試料が有する１又は複数の部分構造を示す部分構造リストを生成する表示処理部と、マススペクトル及び部分構造リストを表示する表示器と、を含む。この構成によれば、マススペクトルを参照しながら試料に含まれる１又は複数の部分構造を認識できる。
【0023】
実施形態において、表示処理部は、部分構造リストの中から特定の部分構造が指定された場合に、特定の部分構造に対応するピーク又はピーク間隔を識別する識別情報をマススペクトル上に表示する。この構成によれば、マススペクトルにおいて、注目する部分構造に対応するピーク又はピーク間を容易に特定できる。
【0024】
実施形態に係るプログラムは、情報処理装置において実行されるプログラムであって、第１説明変数生成機能、第２説明変数生成機能、及び、部分構造推定機能を有する。第１説明変数生成機能は、試料から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数を生成する機能である。第２説明変数生成機能は、ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数を生成する機能である。部分構造推定機能は、第１説明変数及び第２説明変数に基づいて試料が有する部分構造を目的変数として推定する機能である。上記のプログラムは、可搬型記憶媒体又はネットワークを介して、情報処理装置へインストールされる。情報処理装置は、上記のプログラムを非一時的に記憶する記憶媒体を備える。プログラムが有する機能の一部又は全部がネットワーク上のサーバーによって実行されてもよい。
【0025】
実施形態に係る部分構造推定モデル生成方法は、登録工程、第１説明変数生成工程、第２説明変数生成工程、目的変数生成工程、及び、モデル生成工程する。登録工程では、複数の部分構造が登録される。第１説明変数生成工程では、既知化合物から得られたマススペクトルに含まれるピーク群に基づいてピークごとに組成推定を行うことにより第１説明変数が生成される。第２説明変数生成工程では、ピーク群に基づいてピーク間隔ごとに組成推定を行うことにより第２説明変数が生成される。目的変数生成工程では、登録された部分構造ごとに既知化合物における当該部分構造の存否を判定することにより目的変数が生成される。モデル生成工程では、第１説明変数、第２説明変数及び目的変数からなる訓練データを用いた機械学習により部分構造推定モデルが生成される。
【0026】
上記構成によれば、既知化合物のマススペクトルに基づいて第１説明変数及び第２説明変数が生成され、既知化合物の構造式及び登録された複数の部分構造に基づいて目的変数が生成される。第１説明変数、第２説明変数及び目的変数により１つの訓練データが構成される。一般に、多数の既知化合物に基づいて多数の訓練データが生成され、それらの訓練データを用いた機械学習により部分構造推定モデルが生成される。機械学習過程において目的変数が正解データとして機能する。
【0027】
実施形態において、登録工程は、複数の公知部分構造を登録する工程と、複数の新規部分構造を作出する工程と、複数の新規部分構造を登録する工程と、を含む。この構成によれば、推定される部分構造の範囲を拡大できる。
【0028】
実施形態において、複数の新規部分構造を作出する工程は、複数の基本骨格を定義する工程と、各基本骨格における複数の原子位置に対して、元素グループの中から選択された複数の元素を仮想的に配置することにより、複数の新規部分構造を定義する工程と、を含む。この構成によれば、多数の新規部分構造を容易に生成し得る。
【0029】
（２）実施形態の詳細
図１には、実施形態に係る部分構造推定システムの構成例が示されている。図示された部分構造推定システム１０は、第１のサブシステム１０Ａ及び第２のサブシステム１０Ｂにより構成される。第１のサブシステム１０Ａは、部分構造推定モデルを生成するものであり、第２のサブシステム１０Ｂは、部分構造推定モデルを用いて部分構造を推定するものである。
図１には、実施形態に係る部分構造推定システムの構成例が示されている。図示された部分構造推定システム１０は、第１のサブシステム１０Ａ及び第２のサブシステム１０Ｂにより構成される。第１のサブシステム１０Ａは、部分構造推定モデルを生成するものであり、第２のサブシステム１０Ｂは、部分構造推定モデルを用いて部分構造を推定するものである。
【0030】
第１のサブシステム１０Ａは、質量分析装置１１及び部分構造推定モデル生成装置１２を有する。標準試料群１６は、数十個、数百個、又は、数千個の標準試料により構成される。各標準試料の構造式は既知である。質量分析装置１１は、各標準試料に対して質量分析を実行し、これにより各標準試料のマススペクトルを生成する。それらのマススペクトルが部分構造推定モデル生成装置１２へ与えられる。
【0031】
質量分析装置１１は、イオン源、質量分析器、検出器等を有する。イオン源は、電子イオン化法（ＥＩ法）に従うイオン源である。他のイオン化法に従うイオン源が設けられてもよい。ＥＩ法に従うイオン源とソフトイオン化法に従うイオン源とが選択的に利用されてもよい。イオン源において、試料である化合物がイオン化される。その際、通常、多数のフラグメントイオンが生じる。質量分析器は、生成された各イオンに対して質量分析を実施するものである。質量分析器として、飛行時間型質量分析器、フーリエ変換型質量分析器、磁場型質量分析器、等を用い得る。検出器において各イオンが検出される。検出器の出力信号に基づいてマススペクトルが生成される。
【0032】
質量分析装置１１の前段にガスクロマトグラフが設けられてもよい。ガスクロマトグラフに代えて液体クロマトグラフが設けられてもよい。質量分析装置１１の後段には、マススペクトル処理装置が設けられているが、図１においては、マススペクトル処理装置の図示が省略されている。マススペクトル処理装置は、例えば、プログラムを実行するプロセッサを有するコンピュータにより構成される。
【0033】
部分構造推定モデル生成装置１２は、機械学習を行う学習器１７を有する。学習器１７に対して、複数の訓練データを与えることにより、部分構造推定モデル１８が生成される。実施形態においては、後述するように、１つの標準試料マススペクトルから１つの訓練データが生成される。部分構造推定モデル生成装置１２は、例えば、プログラムを実行するプロセッサを有するコンピュータにより構成される。部分構造推定モデル生成装置１２については後に図２を用いて詳述する。
【0034】
データベース群（ＤＢ群）１４には、複数の標準試料の構造式を含むＤＢ、複数の公知部分構造が登録されたＤＢ、等が含まれる。ＤＢ群１４から部分構造推定モデル生成装置１２へ、各標準試料の構造式が与えられており、また、複数の公知部分構造を表す情報が与えられる。分子構造又は部分構造がＳＭＩＬＥＳ（Simplified Molecular Input Line Entry System）等によって記述されてもよい。
【0035】
部分構造生成器１５は、部分構造推定モデルの生成に先立って、所定条件に従って複数の新規部分構造を生成するものである。生成された複数の新規部分構造が部分構造推定モデル生成装置１２に登録される。部分構造生成器１５は、例えば、プログラムを実行するコンピュータにより構成される。部分構造推定モデル生成装置１２が部分構造生成器１５として機能してもよい。部分構造の生成については後に詳述する。
【0036】
次に、第２のサブシステム１０Ｂについて説明する。第２のサブシステム１０Ｂは、未知試料２１の化学構造を推定するために、あるいは、未知試料２１の性質を決定又は推定するために、未知試料２１（未知化合物分子）が有する１又は複数の部分構造を推定するものである。第２のサブシステム１０Ｂは、質量分析装置１９及び部分構造推定装置２０を有する。
【0037】
質量分析装置１９は、上記の質量分析装置１１と同様の構成を有し、すなわち、イオン源、質量分析器、検出器、等を有する。同じ質量分析装置を質量分析装置１１及び質量分析装置１９として機能させてもよい。質量分析装置１９が有するイオン源は、質量分析装置１１が有するイオン源と同様、電子イオン化法（ＥＩ法）に従うイオン源である。ＥＩ法に従うイオン源に代えて、他のイオン化法に従うイオン源が設けられてもよいし、ＥＩ法に従うイオン源とソフトイオン化法に従うイオン源とが選択的に利用されてもよい。質量分析装置１９において生成された未知試料マススペクトルが部分構造推定装置２０へ送られている。質量分析装置１９の前段にガスクロマトグラフが設けられてもよい。ガスクロマトグラフに代えて液体クロマトグラフが設けられてもよい。質量分析装置１９の後段には、マススペクトル処理装置が設けられているが、図１においては、その図示が省略されている。
【0038】
部分構造推定装置２０は、未知試料マススペクトルに基づいて、未知試料２１が有する１又は複数の部分構造を推定するものである。具体的には、部分構造推定装置２０は、部分構造推定器２２を有する。部分構造推定器２２は、部分構造推定モデル生成装置１２において生成された部分構造推定モデル２４を有する。部分構造推定装置２０は、例えば、プログラムを実行するプロセッサを有するコンピュータにより構成される。部分構造推定装置２０については後に図３を用いて詳述する。同じコンピュータ上に部分構造推定モデル生成装置１２及び部分構造推定装置２０が構築されてもよい。
【0039】
図１において、符号２６が示すように、未知試料２１が有する化学構造は当然ながら不明である。未知試料２１に対する質量分析により、符号３０が示すように、未知試料マススペクトルが生成される。未知試料２１のイオン化に際しては、符号２８が示すように、未知試料２１に含まれる複数の部分構造ａ１，ｂ１，ｃ１が複数のフラグメントイオンとして生じる。質量分析装置１９において各フラグメントイオンが観測される。すなわち、未知試料マススペクトルには、複数のフラグメントピーク（複数のフラグメントイオンピーク）が含まれる。なお、ＥＩ法に従うマススペクトルにおいて、分子ピーク（分子イオンピーク）を明瞭に特定できる場合もあるが、そうでない場合も多い。
【0040】
部分構造推定装置２０では、未知試料マススペクトルに基づいて、未知試料が有する１又は複数の部分構造が推定される。その際に、部分構造推定モデル２４が利用される。符号３２が示すように、例えば、未知試料２１に含まれる部分構造ａ２，ｂ２，ｃ２が推定される。それらの部分構造ａ２，ｂ２，ｃ２を示す情報がユーザーに提供される。
【0041】
次に、図２を用いて、部分構造推定モデル生成装置について具体的に説明する。図示された部分構造推定モデル生成装置１２は、学習用データセット生成部３４及び学習器１７を有する。
【0042】
質量分析装置１１において、標準試料群１６を構成する各標準試料の質量分析が実行される。これにより標準試料マススペクトル群５４が生成される。マススペクトル処理装置４０は、ピーク検出器５６及び規格化器５８を有する。ピーク検出器５６は、標準試料マススペクトルごとに、標準試料マススペクトルに対してピーク検出を実行する。これによりピーク群が検出される。規格化器５８は、ピーク群を規格化する。例えば、ピーク群の強度の合計値が１０００になるようにピーク群が規格化される。標準試料マススペクトルごとに、規格化後のピーク群（規格化後の標準試料マススペクトルとも言い得る）が学習用データセット生成部３４へ送られる。実施形態において、標準試料マススペクトルは、ＥＩマススペクトルであり、ピーク群はフラグメントピーク群であるとみなせる。
【0043】
なお、規格化に際して、標準試料ごとにつまり化合物ごとに合計強度の条件を変更してもよい。例えば、分子量や原子数等によって合計強度を変更してもよい。
【0044】
学習用データセット生成部３４は、目的変数生成器５２、第１説明変数生成器６０、及び、第２説明変数生成器６２を有する。目的変数生成器５２については後に説明する。
【0045】
第１説明変数生成器６０は、標準試料マススペクトルごとに、標準試料マススペクトルに含まれるピーク群に基づいて第１説明変数を生成するものである。具体的には、第１説明変数生成器６０は組成推定器６１を有する。組成推定器６１は、ピーク群中のピークごとに、それに対応する測定精密質量に基づいて、１又は複数の組成（部分組成）を推定する。組成推定器６１の組成推定結果から第１説明変数が生成される。第１説明変数については後に具体例を用いて詳述する。
【0046】
第２説明変数生成器６２は、標準試料マススペクトルごとに、標準試料マススペクトルに含まれるピーク群に基づいて第２説明変数を生成するものである。具体的には、第２説明変数生成器６２は組成推定器６３を有する。組成推定器６３は、ピーク群中のピーク間隔ごとに、それに対応する組成差又は測定精密質量差に基づいて、１又は複数の組成（部分組成）を推定する。組成推定器６１によりピークごとの組成が既に推定されている場合、組成推定器６３は、ピーク間ごとに２つの組成の差分演算により組成差を求める。その組成差が部分組成とされる。２つのピークに対応する２つの測定精密質量から演算される測定精密質量差に基づいて部分組成が推定されてもよい。組成推定器６３の組成推定結果から第２説明変数が生成される。第２説明変数については後に具体例を用いて詳述する。同じ組成推定器を組成推定器６１及び組成推定器６３として機能させてもよい。
【0047】
上記のピーク群は、基本的に、フラグメントピーク群である。ピーク群の中からすべてのピークペアが抽出され、抽出されたピークペアごとにピーク間が特定される。もっとも、ピーク群の中から一部のピークペア（代表ピークペア）が抽出され、抽出された代表ピークペアごとにピーク間が特定されてもよい。なお、ピーク群に分子ピークが含まれる場合、分子ピークと各フラグメントピークに基づいて複数のピーク間（ニュートラルロス）が特定されてもよい。これについては後述する。
【0048】
ＤＢ群１４には、構造式ＤＢ４４及び部分構造ＤＢ４８が含まれる。構造式ＤＢ４４には、標準試料群１６を構成する複数の標準試料の構造式が含まれる。それらの構造式を示すデータが構造式ＤＢ４４から学習用データセット生成部３４へ与えられる。そのデータが他の方法により学習用データセット生成部３４へ与えられてもよい。部分構造ＤＢ４８には、複数の公知部分構造が登録されている。複数の公知部分構造を示すデータが部分構造ＤＢ４８から学習用データセット生成部３４に与えられる。そのデータが他の方法により学習用データセット生成部３４へ与えられてもよい。
【0049】
部分構造生成器１５は、ユーザーにより指定された生成条件に従って、複数の新規部分構造を生成するものである。生成された複数の新規部分構造を示すデータが学習用データセット生成部３４に与えられる。複数の公知部分構造及び複数の新規部分構造が学習用データセット生成部３４に登録される。登録された複数の部分構造により部分構造リスト４６が構成される。
【0050】
目的変数生成器５２は、標準試料ごとに、標準試料の構造式及び部分構造リスト４６に基づいて目的変数を生成する。具体的には、標準試料の構造式に、部分構造リスト４６を構成する各部分構造が含まれるか否かを個別的に判定することにより、目的変数を生成する。目的変数については後に具体例を用いて詳述する。
【0051】
標準試料ごとに、目的変数、第１説明変数及び第２説明変数が生成され、それらにより訓練データが構成される。複数の標準試料に対応する複数の訓練データにより訓練データセット６４が構成される。訓練データセット６４が学習器１７に与えられる。
【0052】
学習器１７は、訓練データセットを用いた機械学習により、部分構造推定モデル１８を生成するものである。具体的には、訓練データごとに、第１説明変数及び第２説明変数が学習完了前の推定モデルに与えられ、推定モデルの推定結果が目的変数に近付くように、推定モデルの内容が修正される。これが繰り返し実施され、最終的に、部分構造推定モデル１８が生成される。生成された部分構造推定モデル１８が部分構造推定装置へ送られる。その際、評価部６８による、部分構造推定モデル１８の評価が実施されてもよい。例えば、部分構造推定モデル１８の内で、推定精度の低い部分については除外又は無効化されてもよい。
【0053】
利用し得る機械学習アルゴリズムとして、例えば、決定木（decision tree）、ランダムフォレスト（random forest）、ロジスティック回帰（logistic regression）、ナイーブベイズ（naive bayes）等に基づくアルゴリズムが挙げられる。他のアルゴリズムが用いられてもよい。事後的な検証の観点からアルゴリズムが選択されてもよい。
【0054】
図３には、部分構造推定装置の構成例が示されている。図示された部分構造推定装置２０は、説明変数セット生成部７０及び部分構造推定器２２を有する。
【0055】
質量分析装置１９において、未知試料の質量分析が実行される。これにより未知試料マススペクトル７８が生成される。マススペクトル処理装置７６は、ピーク検出器８０及び規格化器８２を有する。ピーク検出器８０は、未知試料マススペクトルに対してピーク検出を実行する。これによりピーク群が検出される。規格化器８２は、ピーク群を規格化する。例えば、ピーク群の強度の合計値が１０００になるようにピーク群が規格化される。規格化後のピーク群（規格化後の未知試料マススペクトルとも言い得る）が説明変数セット生成部７０へ送られる。未知試料マススペクトルは、ＥＩマススペクトルであり、ピーク群はフラグメントピーク群とみなせる。
【0056】
説明変数セット生成部７０は、第１説明変数生成器８４及び第２説明変数生成器８６を有する。第１説明変数生成器８４及び第２説明変数生成器８６は、上述した学習用データセット生成部における第１説明変数生成器及び第２説明変数生成器と同様の機能を有するものである。
【0057】
第１説明変数生成器８４は、未知試料マススペクトルに含まれるピーク群に基づいて第１説明変数を生成する。具体的には、第１説明変数生成器８４は組成推定器８５を有する。組成推定器８５は、ピーク群中のピークごとに、それに対応する測定精密質量に基づいて、１又は複数の組成（部分組成）を推定する。組成推定器８５の組成推定結果から第１説明変数が生成される。
【0058】
第２説明変数生成器８６は、未知試料マススペクトルに含まれるピーク群に基づいて第２説明変数を生成する。具体的には、第２説明変数生成器８６は組成推定器８７を有する。組成推定器８７は、ピーク群中のピーク間隔ごとに、それに対応する組成差又は測定精密質量差に基づいて、１又は複数の組成（部分組成）を推定する。組成推定器８７の組成推定結果から第２説明変数が生成される。単一の組成推定器を組成推定器８５及び組成推定器８７として機能させてもよい。
【0059】
以上のように生成された第１説明変数及び第２説明変数により説明変数セットが構成される。説明変数セットが部分構造推定器２２へ与えられる。
【0060】
部分構造推定器２２は、部分構造推定モデル２４を有する。部分構造推定モデル２４は、部分構造推定モデル生成装置において事前に生成されたものである。部分構造推定モデル２４により、説明変数セットに基づいて、未知試料が有する１又は複数の部分構造（１又は複数の目的変数）が推定される。推定結果を表すデータが表示処理器９０に送られる。表示処理器９０は、推定結果を含む画像を生成し、その画像が表示器９２に表示される。
【0061】
【0062】
図４において、符号９６が示すように、部分構造ＤＢに登録されている複数の部分構造（公知部分構造）が部分構造リスト４６に登録される。それらの部分構造は、例えば、ＩＵＰＡＣ命名法に従って登録されている複数の部分構造である。その登録作業がユーザーによって行われてもよいし、その登録作業が自動化されてもよい。
【0063】
図５には、上記の登録作業が模式的に示されている。部分構造群１１０は、複数の部分構造１１４Ａ～１１４Ｄにより構成される。部分構造群１１０が部分構造リスト４６に登録される。
【0064】
図４において、複数の新規部分構造を登録する場合、符号９８～符号１０６が示す処理が実施される。符号９８が示すように、最初に、ユーザーにより指定された条件に従って、複数の基本骨格が網羅的に定義される。その条件には原子数ｎの範囲及び結合の種類が含まれる。ｎの範囲として例えば３～６が指定される。結合の種類として、単結合、二重結合、三重結合、等が指定される。
【0065】
図６には、以上のように生成された基本骨格が示されている。図６において、（Ａ）はｎ＝３の場合を示している。その場合、基本骨格１１６が定義される。基本骨格１１６において、ノード１１８は原子の位置を示している。バー１２０は、原子間の結合を示している。（Ｂ）はｎ＝４の場合を示している。（Ｃ）はｎ＝５の場合を示している。（Ｄ）はｎ＝６の場合を示している。なお、図６には、代表的な基本骨格が例示されている。基本骨格のタイプとして、直鎖型、分岐型、環型、等が挙げられる。
【0066】
図４において、符号１００が示すように、基本骨格ごとに網羅的な元素配置が実施される。具体的には、指定された元素群の中から各ノードに配置する元素が選択される。元素群は、例えば、Ｃ，Ｎ，Ｏ，Ｐ，Ｓ，Ｓｉ，Ｆ，Ｃｌ，Ｂｒにより構成される。元素組み合わせを変更しながら元素配置が実施され、これにより多様な新規部分構造が生成される。この段階で、原子価が考慮されてもよいし、事後的に原子価が考慮されてもよい。いずれにしても化学的に成立しない新規部分構造は棄却され、化学的に成立する新規部分構造が生成される。
【0067】
【0068】
図４において、符号１０２が示すように、以上のように生成された複数の新規部分構造が部分構造リスト４６に追加的に登録される。一方、図４において、符号１０４が示すように、原子価を考慮しつつ、生成された複数の新規部分構造に対して１又は複数のＨが付加され、これにより更に新規部分構造が生成される。符号１０６が示すように、Ｈの付加により生成された複数の新規部分構造が部分構造リスト４６に追加的に登録される。
【0069】
図８には、Ｈの付加により生成された部分構造が示されている。図６において示した特定の部分構造１２４に着目した場合、図８に示すように、特定の部分構造１２４に対して、様々な態様で、１又は複数のＨが明示的に指定される。例えば、符号１２６が示すように、左端に位置するＣに対しては０～３個のＨが明示的に指定される。符号１２８が示すように、左端から２番目のＣに対しては０～２個のＨが明示的に指定される。符号１３０が示すように、左端から３番目のＣに対しては０～１個のＨが明示的に指定される。符号１３２が示すように、右端に位置するＣに対しては０～２個のＨが明示的に指定される。Ｈを明示的に指定する位置や明示的に指定するＨの個数を変化させながら部分構造１２４の自由度を減らしていくことにより、新規部分構造が生成される。
【0070】
図８において、符号１３４は、以上のように生成された複数の新規部分構造を示している。なお、部分構造の生成に際しては、当然ながら、他の部分構造へ結合が考慮される。
【0071】
以上のように、部分構造リストに対して、多様な公知部分構造及び多様な新規部分構造が登録される。例えば、数千個、数万個、数十万個、又は、それ以上の部分構造が登録される。もっとも、推定可能な部分構造が、登録された部分構造の一部に限定されてもよい。
【0072】
図９には、目的変数の生成方法の具体例が示されている。注目する標準試料の構造式１３６が特定される。例えば、構造式ＤＢ４４上において、その構造式１３６を特定し得る。部分構造リストを構成する部分構造ごとに、当該部分構造が構造式１３６内に存在するか否かが判定される。部分構造リストを構成する複数の部分構造についての判定結果から目的変数１３８が生成される。
【0073】
目的変数１３８は、複数の部分構造に対応する複数の要素１４０を有する。各要素１４０は、ラベル（部分構造）及び値の組み合わせに相当する。注目する部分構造が構造式１３６に存在する場合、値として１が与えられ、一方、注目する部分構造が構造式１３６に存在しない場合、値として０が与えられる。標準試料ごとに目的変数が生成される。
【0074】
次に、図１０～図１２を用いて、第１説明変数及び第２説明変数の生成について説明する。部分構造推定モデル生成過程での第１説明変数の生成方法と部分構造推定過程での第１説明変数の生成方法は同じであり、以下においては前者について説明する。同様に、部分構造推定モデル生成過程での第２説明変数の生成方法と部分構造推定過程での第２説明変数の生成方法は同じであり、以下においては前者について説明する。
【0075】
図１０には、標準試料マススペクトル１４６が示されている。標準試料マススペクトル１４６にはピーク群１４８が含まれる。ピーク群１４８はフラグメントピーク群（フラグメントイオンピーク群）と言い得る。標準試料マススペクトル１４６はＥＩマススペクトルである。ＥＩマススペクトルにおいて、分子ピーク（分子イオンピーク）１５０が明瞭に生じる場合もあるが、それが明瞭に生じない場合も多い。
【0076】
上述したピーク検出によりピーク群１４８が抽出される。ピーク群１４８はフラグメントピーク群と言い得る。その後、そのピーク群１４８が規格化される。上述したように、ピーク群１４８を構成する複数のピークの強度の総和が所定値になるようにピーク群１４８が規格化される。
【0077】
符号１５２が示すように、ピーク群を構成するピークごとに、それに対応する測定精密質量（具体的にはm/z）が特定される。マススペクトル生成において生じ得る一定の質量誤差を考慮しつつ、特定された測定精密質量に基づいて組成推定が実行される。これにより、ピークに対応する１又は複数の組成が推定される。ピーク群における全部のピークについて組成推定を行うのではなく、ピーク群における代表的な複数のピークに対して組成推定を行うようにしてもよい。例えば、一定以上の強度を有するピークが組成推定の対象とされてもよい。
【0078】
部分構造推定モデル生成過程での組成推定に際しては、標準試料の分子式に基づいて組成推定条件が定められてもよい。例えば、分子式中の各元素の個数を推定上限としつつ、それらの条件が満たされるように組成推定が実施されてもよい。分子式に基づいて、元素の範囲が定められてもよい。
【0079】
ピーク群１４８を構成する複数のピークに基づいて推定された複数の組成、及び、ピーク群１４８を構成する複数のピークの強度（規格化後の強度）に基づいて、第１説明変数が生成される。
【0080】
図１１には、第１説明変数が例示されている。図示された第１説明変数１６２は複数の要素１６４により構成される。各要素１６４は、ラベル１６６と値１６８の組み合わせに相当する。ラベル１６６は部分組成であり、値１６８はピークの強度（規格化後の強度）である。値１６８は重み値として作用する。例えば、推定可能性のあるすべての部分組成をそれぞれラベル１６６としてもよい。あるいは、標準試料マススペクトル群に基づいて推定されたすべての部分組成をそれぞれラベル１６６としてもよい。推定されなかった部分組成に対応する値には０が与えられる。
【0081】
なお、ピークの強度をそのまま重み値として使用せず、ピークの強度の変換により重み値を求めてもよい。例えば、ピークの強度が入る区分に対応した重み値を用いてもよい。
【0082】
図１０に戻って、符号１５４が示すように、第２説明変数の生成に際しては、ピーク群１４８に基づいて全部のピーク間隔が特定される。図１０においては、符号１５６が特定のピーク間隔を示している。全部のピーク間隔に代えて一部のピーク間隔が特定されてもよい。個々のピーク間隔は、それぞれ、化合物分子における一部分に相当し、それはフラグメントロスとも言い得る。
【0083】
ピーク間隔ごとに、それに対応する組成差又は測定精密質量差から組成推定が実行される。各ピーク間隔は、m/z軸上において左側にある第１ピーク及びm/z軸上において右側にある第２ピークにより定義される。第１ピークに基づいて推定された組成から、第２ピークに基づいて推定された組成を減算することにより、組成差が演算される。組成差の中に負の元素が含まれる場合、その組成差を棄却してもよいし、それを採用してもよい。ピーク群１４８から定義される複数のピーク間隔に基づいて推定された複数の組成から、第２説明変数が生成される。
【0084】
図１２には、第２説明変数が例示されている。図示された第２説明変数１７０は複数の要素１７２により構成される。各要素１７２は、ラベル１７４と値１７６の組み合わせである。ラベル１７４は部分組成であり、値１７６は部分組成の推定有無を示している。上記同様に、推定可能性のあるすべての部分組成をそれぞれラベル１７４としてもよい。あるいは、標準試料マススペクトル群に基づいて推定されたすべての部分組成をそれぞれラベル１７４としてもよい。推定された部分組成については値として１が与えられ、推定されなかった部分組成については値として０が与えられる。なお、図１２においては、各部分組成が組成差として求められたことを明示するために、各部分組成の先頭に「--」が付加されている。
【0085】
なお、第２説明変数に含まれる各値として、２つのフラグメントピークの強度から算出される値を用いてもよい。例えば、その値として、２つの強度の比の自然対数を用いてもよい。
【0086】
既に説明したように、部分構造推定過程においても、上記同様の方法により、未知試料マススペクトルに基づいて第１説明変数及び第２説明変数が生成される。
【0087】
図１３には、訓練データセットが例示されている。図示された訓練データセット１７８は、複数の化合物（複数の標準試料）に対応する複数の訓練データ１８０により構成される。個々の訓練データ１８０は、目的変数、第１説明変数、及び、第２説明変数により構成される。複数の目的変数にわたってラベル列１８８は共通であり、各目的変数の実体は値列１８２である。複数の第１説明変数にわたってラベル列１９０は共通であり、各第１説明変数の実体は値列１８４である。複数の第２説明変数にわたってラベル列１９２は共通であり、各第２説明変数の実体は値列１８６である。図１３において、Ｙは目的変数を示しており、Ｘ１は第１説明変数を示しており、Ｘ２は第２説明変数を示している。訓練データセット１７８を用いた機械学習により部分構造推定モデルが生成される。
【0088】
なお、部分構造推定過程では、第１説明変数及び第２説明変数からなる説明変数セットが部分構造推定モデルへ与えられる。その場合においても、第１説明変数の実体は値列であり、第２説明変数の実体は値列である。目的変数及び各説明変数はベクトルである。
【0089】
図１４には第１表示例が示されている。表示画像１９４には、未知試料から取得されたマススペクトル１９６及び部分構造リスト１９８が含まれる。マススペクトルの横軸はm/z軸であり、その縦軸は強度軸である。部分構造リスト１９８には、推定された複数の部分構造を特定する情報２００が含まれる。情報２００には、個々の部分構造を示す構造式（構造モデル）２０２及び部分構造名２０４が含まれる。新規部分構造の場合、その部分構造名２０４として機械的に付与された識別子が表示されてもよい。
【0090】
部分構造リスト１９８において、符号２０２Ａが示すように、特定の部分構造を選択すると、符号２０６が示すように、その部分構造に対応するピーク又はピーク間が識別表示される。例えば、ピーク又はピーク間を特定する識別子としてマーカーが表示される。これにより、ユーザーにおいて、個々の部分構造とマススペクトル１９６の関係を認識することが可能となり、また、マススペクトル１９６の解析又は評価をより正確に行うことが可能となる。
【0091】
図１５には、第２表示例が示されている。表示画像２０８には、マススペクトル２１０及び推定結果表示欄２１２が含まれる。推定結果表示欄２１２には「“C5H5”及び“C6H5”が観測されているため、試料に「部分構造Ａ」が含まれる可能性が高い。」という文章、及び、「“--C２H3O２”及び“--C１H１O２”が観測されているため、試料に「部分構造Ｂ」が含まれる可能性が高い。」という文章が含まれる。各文には、推定された部分構造と推定に際しての根拠が含まれる。２表示例を採用する場合、根拠を提示することが可能な機械学習方法（例えば決定木）が選択される。
【0092】
図１６には、第３表示例が示されている。質量分析装置がＥＩイオン源及びソフトイオン源を含み、質量分析装置の前段にガスクロマトグラフ（ＧＣ）が接続されている場合に、第３表示例が採用され得る。
【0093】
表示画像２１８には、第１のグラフ２２０、第２のグラフ２２２、及び、推定結果表２２４が含まれる。ＧＣにおいて元試料から分離された複数の試料がＥＩイオン源に送られ、各試料がイオン化される。それにより生じたイオンの質量分析によりマススペクトル（ＥＩマススペクトル）が順次生成される。保持時間軸（ＲＴ軸）上に並ぶ複数のマススペクトルに基づいて第１のＴＩＣＣ（トータルイオンカレントクロマトグラム）が生成される。第１のグラフ２２０が第１のＴＩＣＣである。
【0094】
また、ＧＣにおいて同一の元試料から分離された複数の試料がソフトイオン化法に従うイオン源に送られ、各試料がイオン化される。それにより生じたイオンの質量分析によりマススペクトル（ＳＩマススペクトル）が順次生成される。保持時間軸（ＲＴ軸）上に並ぶ複数のマススペクトルに基づいて第２のＴＩＣＣが生成される。第２のグラフ２２２が第２のＴＩＣＣである。
【0095】
推定結果表２２４は、複数の行２２６を有する。各行２２６には、保持時間（ＲＴ）２２８、及び、部分構造ごとの存否を示す情報２３２が含まれる。図示の例では、チェックマーク２３４が部分構造の存在を示している。なお、推定アルゴリズムとしてロジスティック回帰やナイーブベイズを用いる場合には、存否を示す情報に代えて、推定モデルからの出力値が表示されてもよい。
【0096】
なお、同じ試料からＥＩマススペクトル及びＳＩマススペクトルの両方を取得することにより、後述するニュートラルロスを確実に特定し得る。
【0097】
図１７には、生成された部分構造推定モデルの評価方法が例示されている。生成された部分構造推定モデルを用いて、構造式が既知である他の複数の標準試料に対して部分構造の推定を行うことにより、複数の推定結果が得られる。複数の推定結果が以下のように評価される。
【0098】
例えば、符号２３６が示すように、推定可能な複数の部分構造の中から、１つの部分構造が選択された上で、符号２３８が示す第１評価が実行される。第１評価では、複数の推定結果に基づいて、選択された部分構造を有する化合物（標準試料）の個数が評価される。例えば、その個数が第１閾値以上であることが求められる。続いて、符号２４０で示す第２評価が実行される。第２評価では、複数の評価結果に基づいて、選択された部分構造に対する推定精度が評価される。例えば、その推定精度としてＦ１スコア（適合率と再現率の調和平均）が計算される。その場合、Ｆ１スコアが第２閾値以上であることが求められる。
【0099】
個々の部分構造ごとに第１評価条件及び第２評価条件が満たされるか否かが評価される。その上で、符号２４２が示すように、第１評価条件及び第２評価条件のいずれかを満たされない部分構造については、その部分構造の推定が制限される。例えば、部分構造推定モデルの一部が除去又は制限されてもよいし、部分構造推定モデルが推定した結果が部分的にマスクされてもよい。これにより、一定以上の推定精度を確保しつつ、人が推定根拠を解釈できる形式で推定結果を提示できるという利点を得られる。
【0100】
次に、図１８～図２１を用いて、他の実施形態について説明する。図１８には、他の実施形態に係る部分構造推定モデル生成装置１２Ａが示されている。なお、図１８において、図２に示した構成と同様の構成には同一の符号を付し、その説明を省略する。
【0101】
図１８において、学習用データセット生成部３４Ａは、第３説明変数生成器２６０を有している。第３説明変数生成器２６０は組成推定器２６１を有している。組成推定器２６１は、標準試料マススペクトルに含まれるピーク群（但し、複数のフラグメントピークの他に分子ピークが含まれる）に基づいて第３説明変数を生成するものである。具体的には、組成推定器２６１は、フラグメントピークごとに、ニュートラルロスに相当するすべてのピーク間隔を特定し、ピーク間隔ごとにそれに対応する組成差又は測定精密質量差に基づいて１又は複数の組成（部分組成）を推定する。ニュートラルロスは、分子ピークとフラグメントピークとの間の質量差に相当するものである。組成推定器２６１の組成推定結果から、後に示す第３説明変数が生成される。
【0102】
目的変数、第１説明変数、第２説明変数及び第３説明変数により訓練データが構成される。複数の標準試料に対応する複数の訓練データからなる訓練データセット６４Ａが学習器１７Ａに与えられる。訓練データセット６４Ａを用いた機械学習により部分構造推定モデル１８Ａが生成される。
【0103】
図１９において、（Ａ）は標準試料から取得されたＥＩマススペクトルを示しており、（Ｂ）は同じ標準試料から取得されたＳＩマススペクトルを示している。なお、図１９において、図１０に示した要素と同様の要素には同一の符号を付し、その説明を省略する。
【0104】
ＳＩマススペクトルは、ソフトイオン化を用いて取得されたマススペクトルであり、それには通常、分子ピーク１５１が明瞭に現れる。ＥＩマススペクトルにおいては分子ピーク１５０が現れないことも多い。
【0105】
ＳＩマススペクトルに含まれる分子ピーク１５１（具体的にはそれに対応するm/z）を基準として、ＥＩマススペクトルにおいて複数のニュートラルロスに相当する複数のピーク間隔１６０を特定し得る。符号１５８が示すように、個々のピーク間隔ごとに組成推定が実施される。その場合、組成差をそのまま部分組成として推定してもよいし、測定精密質量差から組成推定を行ってもよい。組成推定に際しては、分子式が考慮されてもよい。
【0106】
図２０には、第３説明変数が例示されている。図示された第３説明変数は複数の要素２５２により構成される。各要素２５２は、ラベル２５４及び値２５６の組み合わせである。ラベル２５４は具体的には部分組成であり、値２５６はフラグメントピークの強度である。その値は重み値として機能する。推定される可能性のあるすべての部分組成をそれぞれラベル２５４としてもよい。標準試料マススペクトル群１５４に基づいて推定される可能性のあるすべての部分組成をそれぞれラベル２５４としてもよい。なお、図２０においては、各部分組成がニュートラルロスに相当するものであることを明示するために、各部分組成の先頭に「-」が付加されている。
【0107】
【0108】
図２１において、説明変数セット生成部７０Ａは、第３説明変数生成器２６２を有する。第３説明変数生成器２６２は、未知試料マススペクトル（但し、複数のフラグメントピークの他に分子ピークが含まれる）に基づいて第３説明変数を生成するものである。具体的には、第３説明変数生成器２６２は、組成推定器２６３を有する。組成推定器２６３は、フラグメントピークごとに、ニュートラルロスに相当するすべてのピーク間隔を特定し、ピーク間隔ごとにそれに対応する組成差又は測定精密質量差に基づいて１又は複数の組成（部分組成）を推定する。組成推定器２６３の組成推定結果から第３説明変数が生成される。分子ピークの特定に際しては、必要に応じて、未知試料から取得されたＳＩマススペクトルが参照される。
【0109】
説明変数セット生成部７０Ａにおける第１説明変数、第２説明変数及び第３説明変数の生成方法は、図１８に示した学習用データセット生成部３４Ａにおける第１説明変数、第２説明変数及び第３説明変数の生成方法と同じである。
【0110】
図２１において、部分構造推定器２２Ａは、図１８に示した部分構造推定モデル生成装置において生成された部分構造推定モデル２４Ａを有している。部分構造推定モデル２４Ａに対して、未知試料マススペクトル７８から求められた説明変数セット（第１説明変数、第２説明変数及び第３説明変数）を与えることにより、目的変数として部分構造が推定される。推定された部分構造を示す情報が表示器９２に表示される。
【0111】
他の実施形態によれば、３つの説明変数を基礎として部分構造を推定できるので、部分構造の推定精度を高められる。部分構造ごとに、参照する説明変数の組み合わせを変更してもよい。上記の第１説明変数と上記の第３説明変数により説明変数セットを構成してもよい。更に、不飽和度、分子量等を追加の説明変数として利用してもよい。
【0112】
実施形態に係る部分構造推定システムによれば、未知試料に含まれる部分構造を精度良く推定することが可能である。既に求められている複数の構造式候補から特定の構造式候補を絞り込む際に、実施形態に係る部分構造推定システムが利用されてもよい。
【符号の説明】
【0113】
１０ 部分構造推定システム、１１ 質量分析装置、１２ 部分構造推定モデル生成装置、１７ 学習器、１８ 部分構造推定モデル、１９ 質量分析装置、２０ 部分構造推定装置、２２ 部分構造推定器、２４ 部分構造推定モデル、３４ 学習用データセット生成部、６０ 第１説明変数生成器、６２ 第２説明変数生成器、７０ 説明変数セット生成部、８４ 第１説明変数生成器、８６ 第２説明変数生成器。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】