知財求人 - 知財ポータルサイト「IP Force」
特表2023-547298クラスターごとの強度補正及びベースコールのためのシステム及び方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-11-10
(54)【発明の名称】クラスターごとの強度補正及びベースコールのためのシステム及び方法
(51)【国際特許分類】
G16B 40/10 20190101AFI20231102BHJP
【ＦＩ】
G16B40/10
【審査請求】未請求
【予備審査請求】有
(21)【出願番号】P 2022580968
(86)(22)【出願日】2021-10-26
(85)【翻訳文提出日】2022-12-27
(86)【国際出願番号】 US2021056711
(87)【国際公開番号】W WO2022093865
(87)【国際公開日】2022-05-05
(31)【優先権主張番号】63/106,256
(32)【優先日】2020-10-27
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
(71)【出願人】
【識別番号】500358711
【氏名又は名称】イルミナ インコーポレイテッド
(74)【代理人】
【識別番号】100108453
【弁理士】
【氏名又は名称】村山 靖彦
(74)【代理人】
【識別番号】100110364
【弁理士】
【氏名又は名称】実広 信哉
(74)【代理人】
【識別番号】100133400
【弁理士】
【氏名又は名称】阿部 達彦
(72)【発明者】
【氏名】エリック・ジョン・オジャード
(72)【発明者】
【氏名】アブデ・アリ・フナイド・カガルワーラ
(72)【発明者】
【氏名】ラミ・メヒオ
(72)【発明者】
【氏名】ニティン・ウドパ
(72)【発明者】
【氏名】ギャヴィン・デレク・パーナビー
(72)【発明者】
【氏名】ジョン・エス・ヴィエチェリ
(57)【要約】
開示された技術は、改善されたベースコールのために、クラスター別に変動補正係数を生成して、クラスター間強度プロファイル変動を補正する。増幅係数は、スケール変動を補正する。チャネル固有のオフセット係数は、それぞれの強度チャネルに沿ったシフト変動を補正する。ターゲットクラスターについての変動補正係数は、配列決定ランの先行する配信決定サイクルでターゲットクラスターについて生成された履歴強度データの分析と、配列決定ランの現在の配列決定サイクルでターゲットクラスターについて生成された現在の強度データの分析との組み合わせに基づいて生成される。次いで、変動補正係数を使用して、配列決定ランの次の配列決定サイクルでターゲットクラスターについて生成された次の強度データが補正される。次いで、補正された次の強度データを使用して、次の配列決定サイクルでターゲットクラスターがベースコールされる。
【特許請求の範囲】
【請求項1】
ターゲットクラスターをベースコールするコンピュータ実装方法であって、前記方法は、前記ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、前記現在の配列決定サイクルで前記ターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
前記塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
前記現在のチャネル固有の強度及び前記現在のチャネル固有の分布強度に基づいて、前記現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
前記配列決定ランの先行する配列決定サイクルについての前記現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、前記現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
前記現在の累積強度補正パラメータのセットに基づいて、前記現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
前記現在の増幅係数及び前記現在のチャネル固有のオフセット係数を使用して、前記配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、前記次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
前記補正された次のチャネル固有の強度に基づいて、前記次の配列決定サイクルで前記ターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
【請求項2】
前記現在の強度補正パラメータのセットは、前記現在のチャネル固有の分布強度と、現在のチャネル固有の強度誤差と、現在の分布重心から原点の距離と、現在の分布強度対強度誤差の類似性測定と、を含む、請求項１に記載のコンピュータ実装方法。
【請求項3】
前記現在のチャネル固有の強度誤差は、前記現在のチャネル固有の強度と前記現在のチャネル固有の分布強度との間のチャネル単位の差である、請求項１～２のいずれか一項に記載のコンピュータ実装方法。
【請求項4】
前記現在の分布重心から原点の距離は、前記重心と、前記塩基固有の強度分布を含む多次元空間の原点との間のユークリッド距離である、請求項１～３のいずれか一項に記載のコンピュータ実装方法。
【請求項5】
前記多次元空間は、デカルト空間、極空間、円筒空間、及び球状空間のうちの少なくとも１つである、請求項１～４のいずれか一項に記載のコンピュータ実装方法。
【請求項6】
前記現在の分布強度対強度誤差の類似性測定は、前記現在のチャネル固有の分布強度と前記現在のチャネル固有の強度誤差との間のチャネル単位のドット積の総和である、請求項１～５のいずれか一項に記載のコンピュータ実装方法。
【請求項7】
前記現在の累積強度補正パラメータのセットは、前記現在の強度補正パラメータのセット内の現在の強度補正パラメータと、前記先行する累積強度補正パラメータのセット内の先行する累積強度補正パラメータとの強度補正パラメータ単位の和である、請求項１～６のいずれか一項に記載のコンピュータ実装方法。
【請求項8】
前記現在の累積強度補正パラメータのセットは、前記現在の強度補正パラメータ及び前記先行する累積強度補正パラメータの強度補正パラメータ単位の平均である、請求項１～７のいずれか一項に記載のコンピュータ実装方法。
【請求項9】
前記先行する累積強度補正パラメータのセット及び前記現在の累積強度補正パラメータのセットは、量子化された固定ビット幅フォーマットで記憶される、請求項１～８のいずれか一項に記載のコンピュータ実装方法。
【請求項10】
前記現在のチャネル固有のオフセット係数は、同一であるように構成されている、請求項１～９のいずれか一項に記載のコンピュータ実装方法。
【請求項11】
前記現在の累積強度補正パラメータのセット内の現在の累積強度補正パラメータは、前記現在のチャネル固有の分布強度についての第１の共通の現在の累積強度補正パラメータと、前記現在のチャネル固有の強度誤差についての第２の共通の現在の累積強度補正パラメータと、を含む、請求項１～１０のいずれか一項に記載のコンピュータ実装方法。
【請求項12】
前記現在のチャネル固有のオフセット係数は、次のチャネル固有のシフト強度を生成するために前記次のチャネル固有の強度からチャネル単位で減算され、前記次のチャネル固有のシフト強度は、前記補正された次のチャネル固有の強度を生成するために前記現在の増幅係数で除算される、請求項１～１１のいずれか一項に記載のコンピュータ実装方法。
【請求項13】
重み付け関数を使用して、初期増幅係数を前記現在の増幅係数と組み合わせ、初期のチャネル固有のオフセット係数を前記現在のチャネル固有のオフセット係数と組み合わせて、前記現在の配列決定サイクルに対する重み付けされた現在の増幅係数及び重み付けされた現在のチャネル固有のオフセット係数を生成することを更に含む、請求項１～１２のいずれか一項に記載のコンピュータ実装方法。
【請求項14】
前記重み付け関数は、最小重み（ｗｍｉｎ）を初期増幅係数及び前記初期のチャネル固有のオフセット係数に適用し、最大重み（ｗｍａｘ）を前記現在の増幅係数及び前記現在のチャネル固有のオフセット係数に適用し、ｗｍｉｎ＝（１－ｗｍａｘ）である、請求項１～１３のいずれか一項に記載のコンピュータ実装方法。
【請求項15】
前記最大重み（ｗｍａｘ）は、（ｃ－ｐ）／ｃとして定義され、ｃは前記現在の配列決定サイクルのインデックスであり、ｐは２～７の数値である、請求項１～１４のいずれか一項に記載のコンピュータ実装方法。
【請求項16】
前記重み付けされた現在の増幅係数及び前記重み付けされた現在のチャネル固有のオフセット係数を使用して、前記次のチャネル固有の強度を補正し、前記補正された次のチャネル固有の強度を生成することを更に含む、請求項１～１５のいずれか一項に記載のコンピュータ実装方法。
【請求項17】
最尤法を使用して、前記現在の配列決定サイクルについて、前記現在の増幅係数及び前記現在のチャネル固有のオフセット係数のそれぞれの現在の最尤重みを生成することと、前記現在の最尤重みを前記現在の増幅係数及び前記現在のチャネル固有のオフセット係数にそれぞれ適用して、前記現在の配列決定サイクルについて最尤重みが付けられた現在の増幅係数及び最尤重みが付けられた現在のチャネル固有のオフセット係数を生成することと、
前記最尤重みが付けられた現在の増幅係数及び前記最尤重みが付けられた現在のチャネル固有のオフセット係数を使用して、前記次のチャネル固有の強度を補正し、前記補正された次のチャネル固有の強度を生成することと、を更に含む、請求項１～１６のいずれか一項に記載のコンピュータ実装方法。
【請求項18】
減衰因子を前記現在の強度補正パラメータに適用して、前記現在の配列決定サイクルについて減衰された現在の強度補正パラメータを生成することと、前記減衰された現在の強度補正パラメータと前記先行する累積強度補正パラメータとを強度補正パラメータ単位で累積することによって、前記現在の累積強度補正パラメータを決定することと、を更に含む、請求項１～１７のいずれか一項に記載のコンピュータ実装方法。
【請求項19】
前記減衰因子は、前記配列決定ランの特定の数の配列決定サイクルに対して固定されており、その後、減衰ロジックに基づいて指数関数的に減衰される、請求項１～１８のいずれか一項に記載のコンピュータ実装方法。
【請求項20】
前記減衰ロジックは１－１／ｔａｕであり、ｔａｕは事前定義された数値である、請求項１～１９のいずれか一項に記載のコンピュータ実装方法。
【請求項21】
前記配列決定ランの連続する配列決定サイクルで前記ターゲットクラスターについて前記読み取ること、前記読み取ること、前記決定すること、前記決定すること、前記決定すること、前記使用すること、及び前記ベースコールすることを繰り返すことを更に含む、請求項１～２０のいずれか一項に記載のコンピュータ実装方法。
【請求項22】
複数のクラスターについて前記読み取ること、前記読み取ること、前記決定すること、前記決定すること、前記決定すること、前記使用すること、及び前記ベースコールすることを並行して実行することを更に含む、請求項１～２１のいずれか一項に記載のコンピュータ実装方法。
【請求項23】
前記現在の強度補正パラメータのセット、前記現在の累積強度補正パラメータのセット、前記現在の増幅係数、及び前記現在のチャネル固有のオフセット係数の閉形式の式は、最小二乗法を使用して決定される、請求項１～２２のいずれか一項に記載のコンピュータ実装方法。
【請求項24】
前記現在のチャネル固有の強度は、強度チャネルにそれぞれ対応する、請求項１～２３のいずれか一項に記載のコンピュータ実装方法。
【請求項25】
前記現在のチャネル固有のオフセット係数は、前記現在のチャネル固有の強度と前記現在のチャネル固有の分布強度との間の前記チャネル単位の差である、請求項１～２４のいずれか一項に記載のコンピュータ実装方法。
【請求項26】
ターゲットクラスターをベースコールするコンピュータ実装方法であって、前記方法は、前記ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
前記現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
前記履歴強度データは、前記配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
前記現在の強度データ及び前記履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
前記スケール補正係数及び前記チャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
前記次の強度データは、前記配列決定ランの次の配列決定サイクルに対するものである、ことと、
前記補正された次の強度データに基づいて、前記次の配列決定サイクルで前記ターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
【請求項27】
ターゲットクラスターをベースコールするコンピュータ実装方法であって、前記方法は、前記ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
前記現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
前記履歴強度データは、前記配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
前記現在の強度データ及び前記履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
前記次の強度データは、前記配列決定ランの次の配列決定サイクルに対するものである、ことと、
前記補正された次の強度データに基づいて、前記次の配列決定サイクルで前記ターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
【請求項28】
メモリに結合された１つ以上のプロセッサを含むシステムであって、前記メモリは、ターゲットクラスターをベースコールするためのコンピュータ命令がロードされ、前記命令は、前記プロセッサ上で実行されると、請求項１に記載の命令を実施する、システム。
【請求項29】
メモリに結合された１つ以上のプロセッサを含むシステムであって、前記メモリは、ターゲットクラスターをベースコールするためのコンピュータ命令がロードされ、前記命令は、前記プロセッサ上で実行されると、請求項２６に記載の命令を実施する、システム。
【請求項30】
メモリに結合された１つ以上のプロセッサを含むシステムであって、前記メモリは、ターゲットクラスターをベースコールするためのコンピュータ命令がロードされ、前記命令は、前記プロセッサ上で実行されると、請求項２７に記載の命令を実施する、システム。
【発明の詳細な説明】
【技術分野】
【0001】
優先権出願
本出願は、２０２０年１０月２７日に出願された「Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ Ｐｅｒ－Ｃｌｕｓｔｅｒ Ｉｎｔｅｎｓｉｔｙ Ｃｏｒｒｅｃｔｉｏｎ ａｎｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許仮出願第６３／１０６，２５６号の優先権を主張する。
本出願は、２０２０年１０月２７日に出願された「Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ Ｐｅｒ－Ｃｌｕｓｔｅｒ Ｉｎｔｅｎｓｉｔｙ Ｃｏｒｒｅｃｔｉｏｎ ａｎｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許仮出願第６３／１０６，２５６号の優先権を主張する。
【0002】
開示された技術は、画像の自動分析又はパターンの認識のための装置及び対応する方法に関する。本明細書には、（ａ）認識前にその視覚的品質を向上させることと、（ｂ）センサ又は記憶されたプロトタイプに対して画像を位置決めして位置合わせすること、又は無関係なデータを廃棄することによって画像データの量を減少させることと、（ｃ）画像の有意な特性を測定することと、を目的として画像を変換するシステムが含まれる。特に、開示された技術は、画像データにおけるクラスター間強度プロファイルの変動を補正するための変動補正係数を生成することに関する。
【0003】
組み込み
２０２０年５月５日に出願された「ＥＱＵＡＬＩＺＡＴＩＯＮ－ＢＡＳＥＤ ＩＭＡＧＥ ＰＲＯＣＥＳＳＩＮＧ ＡＮＤ ＳＰＡＴＩＡＬ ＣＲＯＳＳＴＡＬＫ ＡＴＴＥＮＵＡＴＯＲ」と題する米国特許仮出願第６３／０２０，４４９号（代理人整理番号ＩＬＬＭ１０３２－１／ＩＰ－１９９１－ＰＲＶ）、
２０１８年３月２６日に出願された「ＤＥＴＥＣＴＩＯＮ ＡＰＰＡＲＡＴＵＳ ＨＡＶＩＮＧ Ａ ＭＩＣＲＯＦＬＵＯＲＯＭＥＴＥＲ，Ａ ＦＬＵＩＤＩＣ ＳＹＳＴＥＭ，ＡＮＤ Ａ ＦＬＯＷ ＣＥＬＬ ＬＡＴＣＨ ＣＬＡＭＰ ＭＯＤＵＬＥ」と題する米国特許非仮出願第１５／９３６，３６５号、
２０１９年９月１１日に出願された「ＦＬＯＷ ＣＥＬＬＳ ＡＮＤ ＭＥＴＨＯＤＳ ＲＥＬＡＴＥＤ ＴＯ ＳＡＭＥ」と題する米国特許非仮出願第１６／５６７，２２４号、
２０１９年６月１２日に出願された「ＤＥＶＩＣＥ ＦＯＲ ＬＵＭＩＮＥＳＣＥＮＴ ＩＭＡＧＩＮＧ」と題する米国特許非仮出願第１６／４３９，６３５号、
２０１７年５月１２日に出願された「ＩＮＴＥＧＲＡＴＥＤ ＯＰＴＯＥＬＥＣＴＲＯＮＩＣ ＲＥＡＤ ＨＥＡＤ ＡＮＤ ＦＬＵＩＤＩＣ ＣＡＲＴＲＩＤＧＥ ＵＳＥＦＵＬ ＦＯＲ ＮＵＣＬＥＩＣ ＡＣＩＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１５／５９４，４１３号、
２０１９年３月１２日に出願された「ＩＬＬＵＭＩＮＡＴＩＯＮ ＦＯＲ ＦＬＵＯＲＥＳＣＥＮＣＥ ＩＭＡＧＩＮＧ ＵＳＩＮＧ ＯＢＪＥＣＴＩＶＥ ＬＥＮＳ」と題する米国特許非仮出願第１６／３５１，１９３号、
２００９年１２月１５日に出願された「ＤＹＮＡＭＩＣ ＡＵＴＯＦＯＣＵＳ ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＡＳＳＡＹ ＩＭＡＧＥＲ」と題する米国特許非仮出願第１２／６３８，７７０号、
２０１３年３月１日に出願された「ＫＩＮＥＴＩＣ ＥＸＣＬＵＳＩＯＮ ＡＭＰＬＩＦＩＣＡＴＩＯＮ ＯＦ ＮＵＣＬＥＩＣ ＡＣＩＤ ＬＩＢＲＡＲＩＥＳ」と題する米国特許非仮出願第１３／７８３，０４３号、
２０１１年１月１３日に出願された「ＤＡＴＡ ＰＲＯＣＥＳＳＩＮＧ ＳＹＳＴＥＭ ＡＮＤ ＭＥＴＨＯＤＳ」と題する米国特許非仮出願第１３／００６，２０６号、
２０１４年１０月３１日に出願された「ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＵＳＥＦＵＬ ＦＯＲ ＰＡＴＴＥＲＮＥＤ ＯＢＪＥＣＴＳ」と題する米国特許非仮出願第１４／５３０，２９９号、
２０１４年１２月３日に出願された「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＡＮＡＬＹＺＩＮＧ ＩＭＡＧＥ ＤＡＴＡ」と題する米国特許非仮出願第１５／１５３，９５３号、
２０１３年９月６日に出願された「ＣＥＮＴＲＯＩＤ ＭＡＲＫＥＲＳ ＦＯＲ ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＯＦ ＨＩＧＨ ＤＥＮＳＩＴＹ ＣＬＵＳＴＥＲＳ ＩＮ ＣＯＭＰＬＥＸ ＰＯＬＹＮＵＣＬＥＯＴＩＤＥ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１４／０２０，５７０号、
２０１４年１０月３１日に出願された「ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＵＳＥＦＵＬ ＦＯＲ ＰＡＴＴＥＲＮＥＤ ＯＢＪＥＣＴＳ」と題する米国特許非仮出願第１４／５３０，２９９号、
２００９年９月２３日に出願された「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＤＥＴＥＲＭＩＮＩＮＧ ＴＨＥ ＡＣＣＵＲＡＣＹ ＯＦ ＤＮＡ ＢＡＳＥ ＩＤＥＮＴＩＦＩＣＡＴＩＯＮＳ」と題する米国特許非仮出願第１２／５６５，３４１号、
２００７年３月３０日に出願された「ＳＹＳＴＥＭＳ ＡＮＤ ＤＥＶＩＣＥＳ ＦＯＲ ＳＥＱＵＥＮＣＥ ＢＹ ＳＹＮＴＨＥＳＩＳ ＡＮＡＬＹＳＩＳ」と題する米国特許非仮出願第１２／２９５，３３７号、
２００８年１月２８日に出願された「ＩＭＡＧＥ ＤＡＴＡ ＥＦＦＩＣＩＥＮＴ ＧＥＮＥＴＩＣ ＳＥＱＵＥＮＣＩＮＧ ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ」と題する米国特許非仮出願第１２／０２０，７３９号、
２０１３年３月１５日に出願された「ＢＩＯＳＥＮＳＯＲＳ ＦＯＲ ＢＩＯＬＯＧＩＣＡＬ ＯＲ ＣＨＥＭＩＣＡＬ ＡＮＡＬＹＳＩＳ ＡＮＤ ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＳＡＭＥ」と題する米国特許非仮出願第１３／８３３，６１９号（代理人整理番号ＩＰ－０６２６－ＵＳ）、
２０１６年６月７日に出願された「ＢＩＯＳＥＮＳＯＲＳ ＦＯＲ ＢＩＯＬＯＧＩＣＡＬ ＯＲ ＣＨＥＭＩＣＡＬ ＡＮＡＬＹＳＩＳ ＡＮＤ ＭＥＴＨＯＤＳ ＯＦ ＭＡＮＵＦＡＣＴＵＲＩＮＧ ＴＨＥ ＳＡＭＥ」と題する米国特許非仮出願第１５／１７５，４８９号（代理人整理番号ＩＰ－０６８９－ＵＳ）、
２０１３年４月２６日に出願された「ＭＩＣＲＯＤＥＶＩＣＥＳ ＡＮＤ ＢＩＯＳＥＮＳＯＲ ＣＡＲＴＲＩＤＧＥＳ ＦＯＲ ＢＩＯＬＯＧＩＣＡＬ ＯＲ ＣＨＥＭＩＣＡＬ ＡＮＡＬＹＳＩＳ ＡＮＤ ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＴＨＥ ＳＡＭＥ」と題する米国非特許非仮出願第１３／８８２，０８８号（代理人整理番号ＩＰ－０４６２－ＵＳ）、
２０１２年９月２１日に出願された「ＭＥＴＨＯＤＳ ＡＮＤ ＣＯＭＰＯＳＩＴＩＯＮＳ ＦＯＲ ＮＵＣＬＥＩＣ ＡＣＩＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１３／６２４，２００号（代理人整理番号ＩＰ－０５３８－ＵＳ）、
２０１９年３月２１日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許仮出願第６２／８２１，６０２号（代理人整理番号ＩＬＬＭ１００８－１／ＩＰ－１６９３－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＧＥＮＥＲＡＴＩＯＮ ＯＦ ＳＥＱＵＥＮＣＩＮＧ ＭＥＴＡＤＡＴＡ」と題する米国特許仮出願第６２／８２１，６１８号（代理人整理番号ＩＬＬＭ１００８－３／ＩＰ－１７４１－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／８２１，６８１号（代理人整理番号ＩＬＬＭ１００８－４／ＩＰ－１７４４－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＱＵＡＬＩＴＹ ＳＣＯＲＩＮＧ」と題する米国特許仮出願第６２／８２１，７２４号（代理人整理番号ＩＬＬＭ１００８－７／ＩＰ－１７４７－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許仮出願第６２／８２１，７６６号（代理人整理番号ＩＬＬＭ１００８－９／ＩＰ－１７５２－ＰＲＶ）、
２０１９年６月１４日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する蘭国特許出願第２０２３３１０号（代理人整理番号ＩＬＬＭ１００８－１１／ＩＰ－１６９３－ＮＬ）、
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＧＥＮＥＲＡＴＩＯＮ ＯＦ ＳＥＱＵＥＮＣＩＮＧ ＭＥＴＡＤＡＴＡ」と題する蘭国特許出願第２０２３３１１号（代理人整理番号ＩＬＬＭ１００８－１２／ＩＰ－１７４１－ＮＬ）、
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する蘭国特許出願第２０２３３１２号（代理人整理番号ＩＬＬＭ１００８－１３／ＩＰ－１７４４－ＮＬ）、
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＱＵＡＬＩＴＹ ＳＣＯＲＩＮＧ」と題する蘭国特許出願第２０２３３１４号（代理人整理番号ＩＬＬＭ１００８－１４／ＩＰ－１７４７－ＮＬ）、及び
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する蘭国特許出願第２０２３３１６号（代理人整理番号ＩＬＬＭ１００８－１５／ＩＰ－１７５２－ＮＬ）。
２０２０年３月２０日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１６／８２５，９８７号（代理人整理番号ＩＬＬＭ１００８－１６／ＩＰ－１６９３－ＵＳ）、
２０２０年３月２０日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１６／８２５，９９１号（代理人整理番号ＩＬＬＭ１００８－１７／ＩＰ－１７４１－ＵＳ）、
２０２０年３月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許非仮出願第１６／８２６，１２６号（代理人整理番号ＩＬＬＭ１００８－１８／ＩＰ－１７４４－ＵＳ）、
２０２０年３月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＱＵＡＬＩＴＹ ＳＣＯＲＩＮＧ」と題する米国特許非仮出願第１６／８２６，１３４号（代理人整理番号ＩＬＬＭ１００８－１９／ＩＰ－１７４７－ＵＳ）、
２０２０年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１６／８２６，１６８号（代理人整理番号ＩＬＬＭ１００８－２０／ＩＰ－１７５２－ＰＲＶ）、
２０１９年５月１６日に出願された「ＳＹＳＴＥＭＳ ＡＮＤ ＤＥＶＩＣＥＳ ＦＯＲ ＣＨＡＲＡＣＴＥＲＩＺＡＴＩＯＮ ＡＮＤ ＰＥＲＦＯＲＭＡＮＣＥ ＡＮＡＬＹＳＩＳ ＯＦ ＰＩＸＥＬ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許仮出願第６２／８４９，０９１号（代理人整理番号ＩＬＬＭ１０１１－１／ＩＰ－１７５０－ＰＲＶ）、
２０１９年５月１６日に出願された「ＢＡＳＥ ＣＡＬＬＩＮＧ ＵＳＩＮＧ ＣＯＮＶＯＬＵＴＩＯＮＳ」と題する米国特許仮出願第６２／８４９，１３２号（代理人整理番号ＩＬＬＭ１０１１－２／ＩＰ－１７５０－ＰＲ２）、
２０１９年５月１６日に出願された「ＢＡＳＥ ＣＡＬＬＩＮＧ ＵＳＩＮＧ ＣＯＭＰＡＣＴ ＣＯＮＶＯＬＵＴＩＯＮＳ」と題する米国特許仮出願第６２／８４９，１３３号（代理人整理番号ＩＬＬＭ１０１１－３／ＩＰ－１７５０－ＰＲ３）、
２０２０年２月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ ＯＦ ＩＮＤＥＸ ＳＥＱＵＥＮＣＥＳ」と題する米国特許仮出願第６２／９７９，３８４号（代理人整理番号ＩＬＬＭ１０１５－１／ＩＰ－１８５７－ＰＲＶ）、
２０２０年２月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＭＡＮＹ－ＴＯ－ＭＡＮＹ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／９７９，４１４号（代理人整理番号ＩＬＬＭ１０１６－１／ＩＰ－１８５８－ＰＲＶ）、
２０２０年２月２０日に出願された「ＫＮＯＷＬＥＤＧＥ ＤＩＳＴＩＬＬＡＴＩＯＮ－ＢＡＳＥＤ ＣＯＭＰＲＥＳＳＩＯＮ ＯＦ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＥＲ」と題する米国特許仮出願第６２／９７９，３８５号（代理人整理番号ＩＬＬＭ１０１７－１／ＩＰ－１８５９－ＰＲＶ）、
２０２０年２月２０日に出願された「ＭＵＬＴＩ－ＣＹＣＬＥ ＣＬＵＳＴＥＲ ＢＡＳＥＤ ＲＥＡＬ ＴＩＭＥ ＡＮＡＬＹＳＩＳ ＳＹＳＴＥＭ」と題する米国特許仮出願第６２／９７９，４１２号（代理人整理番号ＩＬＬＭ１０２０－１／ＩＰ－１８６６－ＰＲＶ）、
２０２０年２月２０日に出願された「ＤＡＴＡ ＣＯＭＰＲＥＳＳＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／９７９，４１１号（代理人整理番号ＩＬＬＭ１０２９－１／ＩＰ－１９６４－ＰＲＶ）、及び
２０２０年２月２０日に出願された「ＳＱＵＥＥＺＩＮＧ ＬＡＹＥＲ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／９７９，３９９号（代理人整理番号ＩＬＬＭ１０３０－１／ＩＰ－１７８２－ＰＲＶ）。
２０２０年５月５日に出願された「ＥＱＵＡＬＩＺＡＴＩＯＮ－ＢＡＳＥＤ ＩＭＡＧＥ ＰＲＯＣＥＳＳＩＮＧ ＡＮＤ ＳＰＡＴＩＡＬ ＣＲＯＳＳＴＡＬＫ ＡＴＴＥＮＵＡＴＯＲ」と題する米国特許仮出願第６３／０２０，４４９号（代理人整理番号ＩＬＬＭ１０３２－１／ＩＰ－１９９１－ＰＲＶ）、
２０１８年３月２６日に出願された「ＤＥＴＥＣＴＩＯＮ ＡＰＰＡＲＡＴＵＳ ＨＡＶＩＮＧ Ａ ＭＩＣＲＯＦＬＵＯＲＯＭＥＴＥＲ，Ａ ＦＬＵＩＤＩＣ ＳＹＳＴＥＭ，ＡＮＤ Ａ ＦＬＯＷ ＣＥＬＬ ＬＡＴＣＨ ＣＬＡＭＰ ＭＯＤＵＬＥ」と題する米国特許非仮出願第１５／９３６，３６５号、
２０１９年９月１１日に出願された「ＦＬＯＷ ＣＥＬＬＳ ＡＮＤ ＭＥＴＨＯＤＳ ＲＥＬＡＴＥＤ ＴＯ ＳＡＭＥ」と題する米国特許非仮出願第１６／５６７，２２４号、
２０１９年６月１２日に出願された「ＤＥＶＩＣＥ ＦＯＲ ＬＵＭＩＮＥＳＣＥＮＴ ＩＭＡＧＩＮＧ」と題する米国特許非仮出願第１６／４３９，６３５号、
２０１７年５月１２日に出願された「ＩＮＴＥＧＲＡＴＥＤ ＯＰＴＯＥＬＥＣＴＲＯＮＩＣ ＲＥＡＤ ＨＥＡＤ ＡＮＤ ＦＬＵＩＤＩＣ ＣＡＲＴＲＩＤＧＥ ＵＳＥＦＵＬ ＦＯＲ ＮＵＣＬＥＩＣ ＡＣＩＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１５／５９４，４１３号、
２０１９年３月１２日に出願された「ＩＬＬＵＭＩＮＡＴＩＯＮ ＦＯＲ ＦＬＵＯＲＥＳＣＥＮＣＥ ＩＭＡＧＩＮＧ ＵＳＩＮＧ ＯＢＪＥＣＴＩＶＥ ＬＥＮＳ」と題する米国特許非仮出願第１６／３５１，１９３号、
２００９年１２月１５日に出願された「ＤＹＮＡＭＩＣ ＡＵＴＯＦＯＣＵＳ ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＡＳＳＡＹ ＩＭＡＧＥＲ」と題する米国特許非仮出願第１２／６３８，７７０号、
２０１３年３月１日に出願された「ＫＩＮＥＴＩＣ ＥＸＣＬＵＳＩＯＮ ＡＭＰＬＩＦＩＣＡＴＩＯＮ ＯＦ ＮＵＣＬＥＩＣ ＡＣＩＤ ＬＩＢＲＡＲＩＥＳ」と題する米国特許非仮出願第１３／７８３，０４３号、
２０１１年１月１３日に出願された「ＤＡＴＡ ＰＲＯＣＥＳＳＩＮＧ ＳＹＳＴＥＭ ＡＮＤ ＭＥＴＨＯＤＳ」と題する米国特許非仮出願第１３／００６，２０６号、
２０１４年１０月３１日に出願された「ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＵＳＥＦＵＬ ＦＯＲ ＰＡＴＴＥＲＮＥＤ ＯＢＪＥＣＴＳ」と題する米国特許非仮出願第１４／５３０，２９９号、
２０１４年１２月３日に出願された「ＭＥＴＨＯＤＳ ＡＮＤ ＳＹＳＴＥＭＳ ＦＯＲ ＡＮＡＬＹＺＩＮＧ ＩＭＡＧＥ ＤＡＴＡ」と題する米国特許非仮出願第１５／１５３，９５３号、
２０１３年９月６日に出願された「ＣＥＮＴＲＯＩＤ ＭＡＲＫＥＲＳ ＦＯＲ ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＯＦ ＨＩＧＨ ＤＥＮＳＩＴＹ ＣＬＵＳＴＥＲＳ ＩＮ ＣＯＭＰＬＥＸ ＰＯＬＹＮＵＣＬＥＯＴＩＤＥ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１４／０２０，５７０号、
２０１４年１０月３１日に出願された「ＩＭＡＧＥ ＡＮＡＬＹＳＩＳ ＵＳＥＦＵＬ ＦＯＲ ＰＡＴＴＥＲＮＥＤ ＯＢＪＥＣＴＳ」と題する米国特許非仮出願第１４／５３０，２９９号、
２００９年９月２３日に出願された「ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ ＦＯＲ ＤＥＴＥＲＭＩＮＩＮＧ ＴＨＥ ＡＣＣＵＲＡＣＹ ＯＦ ＤＮＡ ＢＡＳＥ ＩＤＥＮＴＩＦＩＣＡＴＩＯＮＳ」と題する米国特許非仮出願第１２／５６５，３４１号、
２００７年３月３０日に出願された「ＳＹＳＴＥＭＳ ＡＮＤ ＤＥＶＩＣＥＳ ＦＯＲ ＳＥＱＵＥＮＣＥ ＢＹ ＳＹＮＴＨＥＳＩＳ ＡＮＡＬＹＳＩＳ」と題する米国特許非仮出願第１２／２９５，３３７号、
２００８年１月２８日に出願された「ＩＭＡＧＥ ＤＡＴＡ ＥＦＦＩＣＩＥＮＴ ＧＥＮＥＴＩＣ ＳＥＱＵＥＮＣＩＮＧ ＭＥＴＨＯＤ ＡＮＤ ＳＹＳＴＥＭ」と題する米国特許非仮出願第１２／０２０，７３９号、
２０１３年３月１５日に出願された「ＢＩＯＳＥＮＳＯＲＳ ＦＯＲ ＢＩＯＬＯＧＩＣＡＬ ＯＲ ＣＨＥＭＩＣＡＬ ＡＮＡＬＹＳＩＳ ＡＮＤ ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＳＡＭＥ」と題する米国特許非仮出願第１３／８３３，６１９号（代理人整理番号ＩＰ－０６２６－ＵＳ）、
２０１６年６月７日に出願された「ＢＩＯＳＥＮＳＯＲＳ ＦＯＲ ＢＩＯＬＯＧＩＣＡＬ ＯＲ ＣＨＥＭＩＣＡＬ ＡＮＡＬＹＳＩＳ ＡＮＤ ＭＥＴＨＯＤＳ ＯＦ ＭＡＮＵＦＡＣＴＵＲＩＮＧ ＴＨＥ ＳＡＭＥ」と題する米国特許非仮出願第１５／１７５，４８９号（代理人整理番号ＩＰ－０６８９－ＵＳ）、
２０１３年４月２６日に出願された「ＭＩＣＲＯＤＥＶＩＣＥＳ ＡＮＤ ＢＩＯＳＥＮＳＯＲ ＣＡＲＴＲＩＤＧＥＳ ＦＯＲ ＢＩＯＬＯＧＩＣＡＬ ＯＲ ＣＨＥＭＩＣＡＬ ＡＮＡＬＹＳＩＳ ＡＮＤ ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＴＨＥ ＳＡＭＥ」と題する米国非特許非仮出願第１３／８８２，０８８号（代理人整理番号ＩＰ－０４６２－ＵＳ）、
２０１２年９月２１日に出願された「ＭＥＴＨＯＤＳ ＡＮＤ ＣＯＭＰＯＳＩＴＩＯＮＳ ＦＯＲ ＮＵＣＬＥＩＣ ＡＣＩＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１３／６２４，２００号（代理人整理番号ＩＰ－０５３８－ＵＳ）、
２０１９年３月２１日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許仮出願第６２／８２１，６０２号（代理人整理番号ＩＬＬＭ１００８－１／ＩＰ－１６９３－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＧＥＮＥＲＡＴＩＯＮ ＯＦ ＳＥＱＵＥＮＣＩＮＧ ＭＥＴＡＤＡＴＡ」と題する米国特許仮出願第６２／８２１，６１８号（代理人整理番号ＩＬＬＭ１００８－３／ＩＰ－１７４１－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／８２１，６８１号（代理人整理番号ＩＬＬＭ１００８－４／ＩＰ－１７４４－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＱＵＡＬＩＴＹ ＳＣＯＲＩＮＧ」と題する米国特許仮出願第６２／８２１，７２４号（代理人整理番号ＩＬＬＭ１００８－７／ＩＰ－１７４７－ＰＲＶ）、
２０１９年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許仮出願第６２／８２１，７６６号（代理人整理番号ＩＬＬＭ１００８－９／ＩＰ－１７５２－ＰＲＶ）、
２０１９年６月１４日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する蘭国特許出願第２０２３３１０号（代理人整理番号ＩＬＬＭ１００８－１１／ＩＰ－１６９３－ＮＬ）、
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＧＥＮＥＲＡＴＩＯＮ ＯＦ ＳＥＱＵＥＮＣＩＮＧ ＭＥＴＡＤＡＴＡ」と題する蘭国特許出願第２０２３３１１号（代理人整理番号ＩＬＬＭ１００８－１２／ＩＰ－１７４１－ＮＬ）、
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する蘭国特許出願第２０２３３１２号（代理人整理番号ＩＬＬＭ１００８－１３／ＩＰ－１７４４－ＮＬ）、
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＱＵＡＬＩＴＹ ＳＣＯＲＩＮＧ」と題する蘭国特許出願第２０２３３１４号（代理人整理番号ＩＬＬＭ１００８－１４／ＩＰ－１７４７－ＮＬ）、及び
２０１９年６月１４日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する蘭国特許出願第２０２３３１６号（代理人整理番号ＩＬＬＭ１００８－１５／ＩＰ－１７５２－ＮＬ）。
２０２０年３月２０日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１６／８２５，９８７号（代理人整理番号ＩＬＬＭ１００８－１６／ＩＰ－１６９３－ＵＳ）、
２０２０年３月２０日に出願された「ＴＲＡＩＮＩＮＧ ＤＡＴＡ ＧＥＮＥＲＡＴＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１６／８２５，９９１号（代理人整理番号ＩＬＬＭ１００８－１７／ＩＰ－１７４１－ＵＳ）、
２０２０年３月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許非仮出願第１６／８２６，１２６号（代理人整理番号ＩＬＬＭ１００８－１８／ＩＰ－１７４４－ＵＳ）、
２０２０年３月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＱＵＡＬＩＴＹ ＳＣＯＲＩＮＧ」と題する米国特許非仮出願第１６／８２６，１３４号（代理人整理番号ＩＬＬＭ１００８－１９／ＩＰ－１７４７－ＵＳ）、
２０２０年３月２１日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許非仮出願第１６／８２６，１６８号（代理人整理番号ＩＬＬＭ１００８－２０／ＩＰ－１７５２－ＰＲＶ）、
２０１９年５月１６日に出願された「ＳＹＳＴＥＭＳ ＡＮＤ ＤＥＶＩＣＥＳ ＦＯＲ ＣＨＡＲＡＣＴＥＲＩＺＡＴＩＯＮ ＡＮＤ ＰＥＲＦＯＲＭＡＮＣＥ ＡＮＡＬＹＳＩＳ ＯＦ ＰＩＸＥＬ－ＢＡＳＥＤ ＳＥＱＵＥＮＣＩＮＧ」と題する米国特許仮出願第６２／８４９，０９１号（代理人整理番号ＩＬＬＭ１０１１－１／ＩＰ－１７５０－ＰＲＶ）、
２０１９年５月１６日に出願された「ＢＡＳＥ ＣＡＬＬＩＮＧ ＵＳＩＮＧ ＣＯＮＶＯＬＵＴＩＯＮＳ」と題する米国特許仮出願第６２／８４９，１３２号（代理人整理番号ＩＬＬＭ１０１１－２／ＩＰ－１７５０－ＰＲ２）、
２０１９年５月１６日に出願された「ＢＡＳＥ ＣＡＬＬＩＮＧ ＵＳＩＮＧ ＣＯＭＰＡＣＴ ＣＯＮＶＯＬＵＴＩＯＮＳ」と題する米国特許仮出願第６２／８４９，１３３号（代理人整理番号ＩＬＬＭ１０１１－３／ＩＰ－１７５０－ＰＲ３）、
２０２０年２月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ ＯＦ ＩＮＤＥＸ ＳＥＱＵＥＮＣＥＳ」と題する米国特許仮出願第６２／９７９，３８４号（代理人整理番号ＩＬＬＭ１０１５－１／ＩＰ－１８５７－ＰＲＶ）、
２０２０年２月２０日に出願された「ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＭＡＮＹ－ＴＯ－ＭＡＮＹ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／９７９，４１４号（代理人整理番号ＩＬＬＭ１０１６－１／ＩＰ－１８５８－ＰＲＶ）、
２０２０年２月２０日に出願された「ＫＮＯＷＬＥＤＧＥ ＤＩＳＴＩＬＬＡＴＩＯＮ－ＢＡＳＥＤ ＣＯＭＰＲＥＳＳＩＯＮ ＯＦ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＥＲ」と題する米国特許仮出願第６２／９７９，３８５号（代理人整理番号ＩＬＬＭ１０１７－１／ＩＰ－１８５９－ＰＲＶ）、
２０２０年２月２０日に出願された「ＭＵＬＴＩ－ＣＹＣＬＥ ＣＬＵＳＴＥＲ ＢＡＳＥＤ ＲＥＡＬ ＴＩＭＥ ＡＮＡＬＹＳＩＳ ＳＹＳＴＥＭ」と題する米国特許仮出願第６２／９７９，４１２号（代理人整理番号ＩＬＬＭ１０２０－１／ＩＰ－１８６６－ＰＲＶ）、
２０２０年２月２０日に出願された「ＤＡＴＡ ＣＯＭＰＲＥＳＳＩＯＮ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／９７９，４１１号（代理人整理番号ＩＬＬＭ１０２９－１／ＩＰ－１９６４－ＰＲＶ）、及び
２０２０年２月２０日に出願された「ＳＱＵＥＥＺＩＮＧ ＬＡＹＥＲ ＦＯＲ ＡＲＴＩＦＩＣＩＡＬ ＩＮＴＥＬＬＩＧＥＮＣＥ－ＢＡＳＥＤ ＢＡＳＥ ＣＡＬＬＩＮＧ」と題する米国特許仮出願第６２／９７９，３９９号（代理人整理番号ＩＬＬＭ１０３０－１／ＩＰ－１７８２－ＰＲＶ）。
【背景技術】
【0004】
このセクションで考察される主題は、単にこのセクションにおける言及の結果として、先行技術であると想定されるべきではない。同様に、このセクションで言及した問題、又は背景として提供された主題と関連付けられた問題は、先行技術において以前に認識されていると想定されるべきではない。このセクションの主題は、単に、異なるアプローチを表し、それ自体はまた、特許請求される技術の実施態様に対応し得る。
【0005】
本開示は、配列決定ラン中に、画像データを分析してクラスターをベースコールすることに関する。画像データの分析による１つの課題は、ベースコールされるクラスター集団におけるクラスターの強度プロファイルの変動である。これは、配列決定ラン中のデータスループットの低下及び誤差率の増加を引き起こす。
【0006】
クラスター間強度プロファイルの変動には多くの潜在的な理由がある。該変動は、クラスター集団の断片長分布によって引き起こされるクラスター輝度の違いに起因し得る。該変動は、クラスター内の分子がいくつかの配列決定サイクルでヌクレオチドを取り込まず、他の分子より遅れているとき、又は分子が単一の配列決定サイクルで２つ以上のヌクレオチドを取り込むときに生じる位相誤差に起因し得る。該変動は、退色、すなわち、配列決定ランが進行する際の、過剰な洗浄及びレーザ露光による配列決定サイクル数の関数としてのクラスターの信号強度の指数関数的減衰に起因し得る。該変動は、発育不良クラスターコロニー、すなわち、パターン化されたフローセル上に空又は部分的にしか充填されないウェルを生成する小さなクラスターサイズに起因し得る。該変動は、非排他的な増幅によって引き起こされるクラスターコロニーの重複に起因し得る。該変動は、例えば、クラスターがフローセルの縁部に位置することによる、照明不足又は不均一な照明に起因し得る。該変動は、放出された信号を不明確化するフローセル上の不純物に起因し得る。該変動は、多クローン性クラスター、すなわち、複数のクラスターが同一のウェルに堆積される場合に起因し得る。
【0007】
クラスター間強度プロファイルの変動を補正する機会が生じる。結果として、配列決定ラン中のベースコールスループットの改善及びベースコール誤差率の低減が得られ得る。
【図面の簡単な説明】
【0008】
特許又は出願ファイルは、カラーで創作された少なくとも１つの図面を含む。カラー図面（単数又は複数）を有するこの特許又は特許出願公開のコピーは、必要な料金の要求及び支払いの際に、庁によって提供される。カラー図面はまた、補足コンテンツタブを介してＰＡＩＲ（ｐａｔｅｎｔ ａｐｐｌｉｃａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ：特許出願情報検索）で利用可能であり得る。
図面では、同様の参照文字は、概して、異なる図全体を通して同様の部分を指す。また、図面は必ずしも縮尺どおりではなく、その代わりに、開示された技術の原理を例示することを強調している。以下の説明において、開示された技術の様々な実施態様は、以下の図面を参照して説明される。
図面では、同様の参照文字は、概して、異なる図全体を通して同様の部分を指す。また、図面は必ずしも縮尺どおりではなく、その代わりに、開示された技術の原理を例示することを強調している。以下の説明において、開示された技術の様々な実施態様は、以下の図面を参照して説明される。
【図1】開示された技術によって発見され補正されたクラスター間強度プロファイルの変動の一例を示す。
【図2】本明細書に開示された変動補正ロジックを実装するベースコールパイプラインの一例を示す。
【図3】本明細書に開示された最小二乗法を実装する最小二乗法決定器を示す。
【図4】現在の配列決定サイクルでターゲットクラスターについてチャネル固有の分布強度がどのように測定されるかを表す例を示す。
【図5】現在の配列決定サイクルでターゲットクラスターについてチャネル固有の強度誤差がどのように計算されるかを表す例を示す。
【図6】現在の配列決定サイクルでターゲットクラスターについて分布重心から原点の距離がどのように計算されるかを表す例を示す。
【図7】変動補正ロジックを実装するベースコールパイプラインの別の例を示す。
【図8】本明細書に記載の重み付け関数の一実施態様を示す。
【図9】最尤重みを変動補正係数に直接適用する一実施態様を示す。
【図10】指数関数的減衰因子を変動補正係数に適用する一実施態様を示す。
【図11】チャネル固有のオフセット係数を決定する別の実施態様を示す。
【図15】開示された技術を実装するために使用され得るコンピュータシステムである。
【発明を実施するための形態】
【0009】
以下の考察は、開示される技術を当業者が作製及び使用することを可能にするために提示され、特定の用途及びその要件に関連して提供される。開示される実施態様に対する様々な修正は、当業者には容易に明らかとなり、本明細書で定義される一般原理は、開示される技術の趣旨及び範囲から逸脱することなく、他の実施態様及び用途に適用され得る。したがって、開示される技術は、示される実施態様に限定されることを意図するものではなく、本明細書に開示される原理及び特徴と一致する最も広い範囲を与えられるものである。
【0010】
序論
開示された技術の開発は、配列決定ラン中にベースコールされるクラスター集団内のクラスターの強度プロファイルの分析を開始した。分析により、クラスター集団内のクラスターの強度プロファイルは同様の形態（例えば、台形）を取るが規模は異なり、多次元空間１００の原点１３２からシフトすることが明らかとなった。これを「クラスター間強度プロファイル変動」と称する。多次元空間１００は、デカルト空間、極空間、円筒空間、又は球状空間であり得る。
開示された技術の開発は、配列決定ラン中にベースコールされるクラスター集団内のクラスターの強度プロファイルの分析を開始した。分析により、クラスター集団内のクラスターの強度プロファイルは同様の形態（例えば、台形）を取るが規模は異なり、多次元空間１００の原点１３２からシフトすることが明らかとなった。これを「クラスター間強度プロファイル変動」と称する。多次元空間１００は、デカルト空間、極空間、円筒空間、又は球状空間であり得る。
【0011】
図１は、開示された技術によって発見され補正されたクラスター間強度プロファイルの変動の一例を示す。図１は、クラスター集団におけるクラスター１、２、及び３の強度プロファイル１１２、１２２、及び１３２をそれぞれ示す。ターゲットクラスターの強度プロファイルは、配列決定ランの複数の配列決定サイクル（例えば、１５０）でのターゲットクラスターへのヌクレオチドの取り込みに起因して生成された化学発光信号を捕捉する強度値を含む。
【0012】
図１に示される実施態様では、強度値は、複数の配列決定サイクルの中のそれぞれの配列決定サイクルでシーケンサによって生成された２つの異なる色／強度チャネル配列決定画像から抽出される。シーケンサの例としては、ＩｌｌｕｍｉｎａのｉＳｅｑ、ＨｉＳｅｑＸ、ＨｉＳｅｑ３０００、ＨｉＳｅｑ４０００、ＨｉＳｅｑ２５００、ＮｏｖａＳｅｑ６０００、ＮｅｘｔＳｅｑ５５０、ＮｅｘｔＳｅｑ１０００、ＮｅｘｔＳｅｑ２０００、ＮｅｘｔＳｅｑＤｘ、ＭｉＳｅｑ、及びＭｉＳｅｑＤｘが挙げられる。
【0013】
一実施態様では、シーケンサは、配列決定画像を生成するための合成による配列決定（sequencing by synthesis、ＳＢＳ）を使用する。ＳＢＳは、新たに添加されたそれぞれのヌクレオチドの放出信号を追跡しながら、蛍光標識されたヌクレオチドを有するクラスター鎖に相補的な新生鎖を伸長させることに依存する。蛍光標識されたヌクレオチドは、ヌクレオチド型のフルオロフォアシグナルをアンカーする、３′の取り外し可能なブロックを有する。ＳＢＳは、反復配列決定サイクルで行われ、それぞれは、（ａ）蛍光標識されたヌクレオチドを添加することによって出現鎖を伸長させることと、（ｂ）シーケンサの光学システムの１つ以上のレーザを使用してフルオロフォアを励起させ、光学システムの異なるフィルタを通した撮像によって配列決定画像を生成することと、（ｃ）次の配列決定サイクルに備えてフルオロフォアを切断し、３’ブロックを除去することと、の３つの工程を含む。取り込み及び撮像サイクルは、指定された数の配列決定サイクルまで繰り返され、リード長を定義する。このアプローチを使用して、それぞれの配列決定サイクルはクラスター鎖に沿って新しい位置を照合する。
【0014】
図１では、
【0015】
【数1】
【0016】
記号は、クラスター１の強度値を表し、
【0017】
【数2】
【0018】
記号は、クラスター２の強度値を表し、
【0019】
【数3】
【0020】
記号は、クラスター３の強度値を表す。４つの異なるヌクレオチドタイプ／塩基Ａ、Ｃ、Ｔ、及びＧの同一性は、２つのカラー画像、すなわち、第１及び第２の強度チャネルにおける強度値の組み合わせとして符号化される。例えば、核酸は、第１の強度チャネル（多次元空間１００のｘ軸）で検出される第１のヌクレオチドタイプ（例えば、塩基Ｔ）、第２の強度チャネル（多次元空間１００のｙ軸）で検出される第２のヌクレオチドタイプ（例えば、塩基Ｃ）、第１及び第２の強度チャネルの両方で検出される第３のヌクレオチドタイプ（例えば、塩基Ａ）、並びにいずれの強度チャネルでも検出されないか、又は最小限しか検出されない、標識を欠く第４のヌクレオチドタイプ（例えば、塩基Ｇ）を提供することによって配列決定され得る。
【0021】
いくつかの実施態様では、強度プロファイルは、４つの強度分布（例えば、ガウス分布）が、第１及び第２の強度チャネルでの強度値に反復的に適合されることによって生成される。４つの強度分布は、４つの塩基Ａ、Ｃ、Ｔ、及びＧに対応する。強度プロファイルでは、第１の強度チャネルでの強度値は、第２の強度チャネルでの強度値に対して（例えば、散布図として）プロットされ、強度値は４つの強度分布に分離される。
【0022】
強度プロファイルは、任意の形状をとることができる（例えば、台形、正方形、矩形、菱形など）。４つの強度分布がベースコールの強度値にどのように適合されるかについての追加の詳細は、米国特許出願公開第２０１８／０２７４０２３（Ａ１）号に見出すことができ、その開示は参照によりその全体が本明細書に組み込まれる。
【0023】
一実施態様では、それぞれの強度チャネルは、光学システムによって使用される複数のフィルタ波長帯域のうちの１つに対応する。別の実施態様では、それぞれの強度チャネルは、配列決定サイクルにおける複数の撮像事象のうちの１つに対応する。更に別の実施態様では、それぞれの強度チャネルは、特定のレーザによる照射と光学システムの特定の光学フィルタを通した撮像との組み合わせに対応する。
【0024】
開示された技術は、１チャネルの実施態様、４チャネルの実施態様などを使用して生成された配列決定画像に同様に適用され得ることは、当業者には明らかであろう。例えば、４チャネルの実施態様の場合、４チャネル固有のオフセット係数が、それぞれ４つの強度チャネルのシフト変動を補正するために決定される。
【0025】
変動補正ロジック
クラスター集団内の多数（例えば、数千個、数百万個、数億個など）のクラスターの強度プロファイルにおけるクラスター間強度プロファイル変動は、ベースコールスループットの低下及びベースコール誤差率の増加を引き起こす。クラスター間強度プロファイル変動を補正するために、クラスター別に変動補正係数を生成する変動補正ロジックを開示する。
クラスター集団内の多数（例えば、数千個、数百万個、数億個など）のクラスターの強度プロファイルにおけるクラスター間強度プロファイル変動は、ベースコールスループットの低下及びベースコール誤差率の増加を引き起こす。クラスター間強度プロファイル変動を補正するために、クラスター別に変動補正係数を生成する変動補正ロジックを開示する。
【0026】
２チャネルの実施態様では、変動補正係数は、クラスター間強度プロファイル変動におけるスケール変動を考慮する増幅係数と、クラスター間強度プロファイル変動における第１及び第２の強度チャネルに沿ったシフト変動をそれぞれ考慮する２チャネル固有のオフセット係数と、を含む。別の実装態様では、シフト変動は、異なる強度チャネル（例えば、第１及び第２の強度チャネル）に共通のオフセット係数を使用することによって考慮される。
【0027】
ターゲットクラスターの変動補正係数は、配列決定ランの先行する配列決定サイクルでターゲットクラスターについて決定された履歴強度統計量の分析と、現在の配列決定サイクルでターゲットクラスターについて決定された現在の強度統計の分析との組み合わせに基づいて、配列決定ランの現在の配列決定サイクルで生成される。変動補正係数は、配列決定ランの次の配列決定サイクルでターゲットクラスターに登録された次の強度読み取り値を補正するために使用される。補正された次の強度読み取り値は、次の配列決定サイクルでターゲットクラスターをベースコールするために使用される。配列決定ランの連続する配列決定サイクルでそれぞれのクラスターのそれぞれの強度プロファイルにそれぞれの変動補正係数を繰り返し適用した結果、強度プロファイルは一致するようになり、原点１３２に（例えば、台形の下側隅にある）固定される。
【0028】
図２は、変動補正ロジックを実装するベースコールパイプライン２００の例を示す。
【0029】
現在の配列決定サイクル
現在の配列決定サイクルｉにおいて、シーケンサは配列決定画像２０２を生成する。配列決定画像２０２は、クラスター集団内の複数のクラスターに登録された現在の強度データ２０２を含むと共に、現在の配列決定サイクルｉでターゲットクラスターに登録された現在の強度データ２０２ｔを含む。現在の強度データ２０２ｔの「ｔ」は、ターゲットクラスターを指す。
現在の配列決定サイクルｉにおいて、シーケンサは配列決定画像２０２を生成する。配列決定画像２０２は、クラスター集団内の複数のクラスターに登録された現在の強度データ２０２を含むと共に、現在の配列決定サイクルｉでターゲットクラスターに登録された現在の強度データ２０２ｔを含む。現在の強度データ２０２ｔの「ｔ」は、ターゲットクラスターを指す。
【0030】
現在の強度データ２０２ｔは、ベースコーラー２１２に提供される。ベースコーラー２１２は、現在の強度データ２０２ｔを処理し、現在の配列決定サイクルｉでターゲットクラスターについての現在のベースコール２２２を生成する。ベースコーラー２１２の例としては、ＩｌｌｕｍｉｎａのＲｅａｌ－Ｔｉｍｅ Ａｎａｌｙｓｉｓ（ＲＴＡ）ソフトウェア、Ｉｌｌｕｍｉｎａのニューラルネットワークベースのベースコーラー（例えば、米国特許公開第２０２０／０３０２２９７（Ａ１）号に記載されている）、及びＩｌｌｕｍｉｎａのイコライザーベースのベースコーラー（例えば、米国仮特許出願第６３／０２０，４４９号に記載されている）が挙げられる。
【0031】
現在の配列決定サイクルｉでは、ターゲットクラスターの強度プロファイルは、現在の強度データ２０２ｔと、現在の配列決定サイクルｉに先行する配列決定ランの配列決定サイクル、すなわち、先行する配列決定サイクル１～ｉー１でターゲットクラスターに登録された現在の履歴強度データと、を含む。現在の強度データ２０２ｔ及び現在の履歴強度データを総称して、現在の利用可能な強度データとする。
【0032】
強度プロファイルでは、４つの強度分布は、４つの塩基Ａ、Ｃ、Ｔ、及びＧに対応する。一実施態様では、現在のベースコール２２２は、４つの強度分布のうち、現在の強度データ２０２ｔが属する強度分布を決定することによって行われる。いくつかの実施態様では、これは、期待値最大化アルゴリズムを使用することによって達成される。期待値最大化アルゴリズムは、現在利用可能な強度データに最も適合する平均（重心）及び分布（共分散）を観測する尤度を繰り返し最大化する。
【0033】
期待値最大化アルゴリズムを使用することによって、現在の配列決定サイクルｉで４つの強度分布が決定されると、４つの強度分布のそれぞれに属する現在の強度データ２０２ｔの尤度が計算される。最も大きい尤度が現在のベースコール２２２を与える。一例として、「ｍ，ｎ」が、それぞれ、第１及び第２の強度チャネルにおける現在の強度データ２０２ｔの強度値であるとする。期待値最大化アルゴリズムは、４つの強度分布のそれぞれに属する「ｍ，ｎ」の強度値の尤度を表す４つの値を生成する。４つの値の最大値は、呼び出された塩基を識別する。
【0034】
他の実施態様では、ｋ－ｍｅａｎｓクラスタリングアルゴリズム、ｋ－ｍｅａｎｓ様クラスタリングアルゴリズム、ヒストグラムベースの方法などがベースコールに使用され得る。
【0035】
次の配列決定サイクル
次の配列決定サイクルｉ＋１で、強度補正パラメータ決定器２３２は、現在のベースコール２２２に基づいて、ターゲットクラスターについての強度補正パラメータ２４２を決定する。２チャネルの実施態様では、強度補正パラメータ２４２は、第１の強度チャネルにおける分布強度、第２の強度チャネルにおける分布強度、第１の強度チャネルにおける強度誤差、第２の強度チャネルにおける強度誤差、分布重心から原点の距離、及び分布強度対強度誤差の類似性測定を含む。
次の配列決定サイクルｉ＋１で、強度補正パラメータ決定器２３２は、現在のベースコール２２２に基づいて、ターゲットクラスターについての強度補正パラメータ２４２を決定する。２チャネルの実施態様では、強度補正パラメータ２４２は、第１の強度チャネルにおける分布強度、第２の強度チャネルにおける分布強度、第１の強度チャネルにおける強度誤差、第２の強度チャネルにおける強度誤差、分布重心から原点の距離、及び分布強度対強度誤差の類似性測定を含む。
【0036】
強度補正パラメータ２４２のそれぞれを以下のように定義する。
【0037】
１）第１の強度チャネルにおける分布強度は、現在の配列決定サイクルｉでターゲットクラスターが属する塩基固有の強度分布の重心での第１の強度チャネルにおける強度値である。塩基固有の強度分布は、現在のベースコール２２２を呼び出すための基礎であることに留意されたい。
【0038】
２）第２の強度チャネルにおける分布強度は、塩基固有の強度分布の重心での第２の強度チャネルにおける強度値である。
【0039】
３）第１の強度チャネルにおける強度誤差は、第１の強度チャネルにおける現在の強度データ２０２ｔの測定強度値と第１の強度チャネルにおける分布強度との間の差である。
【0040】
４）第２の強度チャネルにおける強度誤差は、第２の強度チャネルにおける現在の強度データ２０２ｔの測定強度値と第２の強度チャネルにおける分布強度との間の差である。
【0041】
５）分布重心から原点の距離は、塩基固有の強度分布の重心と、塩基固有の強度分布が（例えば、期待値最大化アルゴリズムを使用することによって）適合された多次元空間１００の原点１３２との間のユークリッド距離である。他の実施態様では、マハラノビス距離及び最小共分散行列式（minimum covariance determinant、ＭＣＤ）距離などの距離メトリック、並びにそれらの関連する重心推定値が使用され得る。
６）分布強度対強度誤差の類似性測定は、第１及び第２の強度チャネルにおける分布強度と強度誤差との間のチャネル単位のドット積の総和である。
６）分布強度対強度誤差の類似性測定は、第１及び第２の強度チャネルにおける分布強度と強度誤差との間のチャネル単位のドット積の総和である。
【0042】
累積強度補正パラメータ決定器２５２は、先行する配列決定サイクルｉ－１からの履歴累積強度補正パラメータ２５４と共に強度補正パラメータ２４２を累積して、累積強度補正パラメータ２６２を決定する。累積の例としては、合計及び平均化が挙げられる。
【0043】
変動補正係数決定器２７２は、決定された累積強度補正パラメータ２６２に基づいて、変動補正係数２８２を決定する。
【0044】
次の配列決定サイクルｉ＋１で、シーケンサは配列決定画像２９４を生成する。配列決定画像２９４は、クラスター集団内の複数のクラスターに登録された次の強度データ２９４を含むと共に、次の配列決定サイクルｉ＋１でターゲットクラスターに登録された次の強度データ２９４ｔを含む。次の強度データ２９４ｔの「ｔ」は、ターゲットクラスターを指す。
【0045】
強度補正器２９２は、変動補正係数２８２を次の強度データ２９４ｔに適用して、補正された次の強度データ２９６ｔを生成する。補正された次の強度データ２９６ｔの「ｔ」は、ターゲットクラスターを指す。
【0046】
次の配列決定サイクルｉ＋１では、ターゲットクラスターの強度プロファイルは、補正された次の強度データ２９６ｔと、次の配列決定サイクルｉ＋１に先行する配列決定ランの配列決定サイクル、すなわち、先行する配列決定サイクル１～ｉでターゲットクラスターに登録された次の履歴強度データと、を含む。補正された次の強度データ２９６ｔ及び次の履歴強度データを総称して、次の利用可能な強度データとする。
【0047】
補正された次の強度データ２９６ｔは、ベースコーラー２１２に提供される。ベースコーラー２１２は、補正された次の強度データ２９６ｔを処理し、次の配列決定サイクルｉ＋１でターゲットクラスターについて次のベースコール２９８を生成する。次のベースコール２９８を生成するために、期待値最大化アルゴリズムは、次の利用可能な強度データに最も適合するように、補正された次の強度データ２９６ｔに基づいて、平均（重心）及び分布（共変量）を観察する。
【0048】
期待値最大化アルゴリズムを使用することによって、次の配列決定サイクルｉ＋１で４つの強度分布が決定されると、４つの強度分布のそれぞれに属する補正された次の強度データ２９６ｔの尤度が計算される。最も大きい尤度が次のベースコール２９８を与える。
【0049】
ベースコールパイプライン２００は、クラスター別に実行され、クラスター集団内の複数のクラスターについて並行して実行されることに留意されたい。また、ベースコールパイプライン２００は、配列決定ランの連続する配列決定サイクルに対して（例えば、ペアエンドの配列決定ランにおいてリード１の連続する１５０の配列決定サイクル及びリード２の別の連続する１５０の配列決定サイクルに対して）繰り返し実行される。
【0050】
最小二乗法
図３は、本明細書に開示された最小二乗法３００を実装する最小二乗法決定器を示す。最小二乗法３００は、累積強度補正パラメータ２６２及び変動補正係数２８２の閉形式の式を決定する。最小二乗法決定器３０２は、強度モデラー３１２及び最小化器３２２を含む。
図３は、本明細書に開示された最小二乗法３００を実装する最小二乗法決定器を示す。最小二乗法３００は、累積強度補正パラメータ２６２及び変動補正係数２８２の閉形式の式を決定する。最小二乗法決定器３０２は、強度モデラー３１２及び最小化器３２２を含む。
【0051】
強度モデル３１２は、以下の式に従って、ターゲットクラスターの測定強度と変動補正係数２８２との間の関係をモデル化する。
【0052】
ｙＣ，ｉ＝ａｘＣ，ｉ＋ｄｉ＋ｎＣ，ｉ等式（１）
【0053】
式中、
ａは、ターゲットクラスターの増幅係数である。
ｄｉは、強度チャネルｉのチャネル固有のオフセット係数である。
ｘＣ，ｉは、現在の配列決定サイクルＣでのターゲットクラスターについての強度チャネルｉにおける分布強度である。
ｙＣ，ｉは、現在の配列決定サイクルＣでのターゲットクラスターについての強度チャネルｉにおける測定強度である。
ｎＣ，ｉは、現在の配列決定サイクルＣでのターゲットクラスターについての強度チャネルｉの加法性ノイズである。
ａは、ターゲットクラスターの増幅係数である。
ｄｉは、強度チャネルｉのチャネル固有のオフセット係数である。
ｘＣ，ｉは、現在の配列決定サイクルＣでのターゲットクラスターについての強度チャネルｉにおける分布強度である。
ｙＣ，ｉは、現在の配列決定サイクルＣでのターゲットクラスターについての強度チャネルｉにおける測定強度である。
ｎＣ，ｉは、現在の配列決定サイクルＣでのターゲットクラスターについての強度チャネルｉの加法性ノイズである。
【0054】
最小化器３２２は、最小二乗法３００を使用して、以下の式を最小化する。
【0055】
【数4】
【0056】
式中、
ｅｒｒｏｒｆはエラー関数である。
ｅｒｒｏｒｆはエラー関数である。
【0057】
【数5】
【0058】
は、ターゲットクラスターの増幅係数である。
【0059】
【数6】
【0060】
は、強度チャネルｉのチャネル固有のオフセット係数である。
Ｃは、現在の配列決定サイクルである。
Ｃは、現在の配列決定サイクルである。
【0061】
チェーンルールを使用して、最小化器３２２は、増幅係数
【0062】
【数7】
【0063】
及びチャネル固有のオフセット係数
【0064】
【数8】
【0065】
に対する誤差関数の２つの偏微分を計算する。誤差関数を最小限に抑えるために、偏微分は等式２をゼロに設定する。
【0066】
【数9】
【0067】
チャネル固有の強度誤差ｅｃ，ｉは、以下のように定義される。
【0068】
ｅＣ，ｉ＝ｙＣ，ｉ－ｘＣ，ｉ等式（５）
【0069】
閉形式の式
第１の偏微分は、以下のように増幅係数
第１の偏微分は、以下のように増幅係数
【0070】
【数10】
【0071】
の閉形式の式を決定する。
【0072】
【数11】
【0073】
累積強度補正パラメータ２６２の閉形式の式
【0074】
【数12】
【0075】
は、以下のように等式９を再特性化する。
【0076】
【数13】
【0077】
式中、
【0078】
【数14】
【0079】
累積強度補正パラメータ２６２のそれぞれを以下のように定義する。
１）第１の累積強度補正パラメータ
１）第１の累積強度補正パラメータ
【0080】
【数15】
【0081】
は、先行する配列サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて測定された第１の強度チャネルにおける分布強度の和である。
２）第２の累積強度補正パラメータ
２）第２の累積強度補正パラメータ
【0082】
【数16】
【0083】
は、先行する配列決定サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて測定された第２の強度チャネルにおける分布強度の和である。
３）第３の累積強度補正パラメータ
３）第３の累積強度補正パラメータ
【0084】
【数17】
【0085】
は、先行する配列決定サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された第１の強度チャネルにおける強度誤差の和である。
４）第４の累積強度補正パラメータ
４）第４の累積強度補正パラメータ
【0086】
【数18】
【0087】
は、先行する配列決定サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された第２の強度チャネルにおける強度誤差の和である。
５）第５の累積強度補正パラメータ
５）第５の累積強度補正パラメータ
【0088】
【数19】
【0089】
は、先行する配列決定サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された分布重心から原点の距離の和である。
６）第６の累積強度補正パラメータ
６）第６の累積強度補正パラメータ
【0090】
【数20】
【0091】
は、先行する配列決定サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された分布強度対強度誤差の類似性測定の和である。
【0092】
第２の偏微分は、オフセット係数
【0093】
【数21】
【0094】
の閉形式の式を以下のように決定する。
【0095】
【数22】
【0096】
次いで、それぞれの強度チャネルについて：
【0097】
【数23】
【0098】
第１の強度チャネル、すなわち、ｉ ＝１について：
【0099】
【数24】
【0100】
式中、
【0101】
【数25】
【0102】
は、第１の強度チャネルのオフセット係数である。
【0103】
第２の強度チャネル、すなわち、ｉ ＝２について：
【0104】
【数26】
【0105】
式中、
【0106】
【数27】
【0107】
は、第２の強度チャネルに対するオフセット係数である。
【0108】
等式１７及び１８の等式１１への代入：
【0109】
【数28】
【0110】
式中、
【0111】
【数29】
【0112】
は、ターゲットクラスターについての増幅係数である。
【0113】
別の実装態様では、クラスターごとのメモリ要件を低減するために、異なる強度チャネル（例えば、第１及び第２の強度チャネル）に対する共通オフセット係数は、制約
【0114】
【数30】
【0115】
を導入することによって以下のように決定される。
【0116】
【数31】
【0117】
最小二乗法３００は、閉形式の式の決定するために配列決定ランの前に実行されることが当業者には明らかであろう。決定されると、閉形式の式は、配列決定ランのそれぞれの配列決定サイクルで反復的に、クラスターごとに配列決定ラン中に生成された強度値に適用される。
【0118】
強度補正パラメータ
以下の考察では、６つの強度補正パラメータ、すなわち、第１の強度チャネルにおける分布強度、第２の強度チャネルにおける分布強度、第１の強度チャネルにおける強度誤差、第２の強度チャネルにおける強度誤差、分布重心から原点の距離、及び分布強度対強度誤差の類似性測定が、現在の配列決定サイクルでターゲットクラスターについてどのように決定されるかに焦点を当てる。
以下の考察では、６つの強度補正パラメータ、すなわち、第１の強度チャネルにおける分布強度、第２の強度チャネルにおける分布強度、第１の強度チャネルにおける強度誤差、第２の強度チャネルにおける強度誤差、分布重心から原点の距離、及び分布強度対強度誤差の類似性測定が、現在の配列決定サイクルでターゲットクラスターについてどのように決定されるかに焦点を当てる。
【0119】
強度補正パラメータの数が強度チャネルの数に応じて変化することは、当業者には明らかであろう。例えば、４チャネルの実施態様の場合、４チャネル固有の分布強度及び４チャネル固有の強度誤差が、それぞれ４つの強度チャネルについて計算される。
【0120】
【0121】
【数32】
【0122】
記号は、現在の配列決定サイクルｉ及び先行する配列決定サイクル１～ｉ－１でクラスター１に登録された第１及び第２の強度チャネルの強度値を表す。
【0123】
図４では、４つの強度分布Ｃ４０２、Ａ４０６、Ｇ４６２、及びＴ４６６が接続されて、クラスター１のコンステレーション１０２を形成している。図４では、「＊」記号は、現在の配列決定サイクルｉでクラスター１に登録された第１及び第２の強度チャネルにおける測定強度「ｍ，ｎ」４２２を表す。測定強度「ｍ，ｎ」４２２は、強度分布Ｃ４０２の重心４１４に最も近いため、クラスター１は、強度分布Ｃ４０２に属し、したがって、現在の配列決定サイクルｉでベースコールＣに割り当てられる。
【0124】
更に、クラスター１はＣ強度分布４０２に属するため、重心４１４の強度値「ａ，ｂ」は、現在の配列決定サイクルｉでのクラスター１についての分布強度である。また、「ａ」は、第１の強度チャネルのチャネル固有の分布強度であり、「ｂ」は、第２の強度チャネルのチャネル固有の分布強度である。
【0125】
図５は、現在の配列決定サイクルｉでターゲットクラスターについてチャネル固有の強度誤差がどのように計算されるかを表す例５００を示す。第１の強度チャネルにおける強度誤差
【0126】
【数33】
【0127】
５３２は、第１の強度チャネルにおけるチャネル固有の測定強度（ｍ）と第１の強度チャネルにおけるチャネル固有の分布強度（ａ）との差として、現在の配列決定サイクルｉでクラスター１について計算される。
【0128】
【数34】
【0129】
第２の強度チャネルにおける強度誤差
【0130】
【数35】
【0131】
５０２は、第２の強度チャネルにおけるチャネル固有の測定強度（ｎ）と第２の強度チャネルにおけるチャネル固有の分布強度（ｂ）との差として、現在の配列決定サイクルｉでクラスター１について計算される。
【0132】
【数36】
【0133】
図６は、現在の配列決定サイクルｉでターゲットクラスターについて分布重心から原点の距離がどのように計算されるかを表す例６００を示す。クラスター１は、Ｃ強度分布４０２に属し、重心４１４の強度値「ａ，ｂ」は、現在の配列決定サイクルｉでのクラスター１についての分布強度である。
【0134】
分布重心から原点の距離は、重心４１４と原点１３２「ｘ，ｙ」との間のユークリッド距離（ｄ）６５２として、現在の配列決定サイクルｉでクラスター１について計算される。
【0135】
【数37】
【0136】
分布強度対強度誤差の類似性測定は、チャネル固有の分布強度とチャネル固有の強度誤差との間のチャネル単位のドット積の総和として、現在の配列決定サイクルｉでクラスター１について計算される。
【0137】
【数38】
【0138】
式中、
・は、ドット積演算子である。
・は、ドット積演算子である。
【0139】
ベースコールパイプライン
図７は、変動補正ロジックを実装するベースコールパイプライン７００の別の例を示す。現在の配列決定サイクルｉが、配列決定ランの第２５の配列決定サイクル、すなわち、ｉ＝２５であるとする。先行する配列決定サイクルｉ－１は、配列決定ランの第２４の配列決定サイクル、すなわち、ｉ－１＝２４である。次の配列決定サイクルｉ＋１は、配列決定ランの第２６の配列決定サイクル、すなわち、ｉ＋１＝２６である。後続の配列決定サイクルｉ＋２は、配列決定ランの第２７の配列決定サイクル、すなわち、ｉ＋２＝２７である。
図７は、変動補正ロジックを実装するベースコールパイプライン７００の別の例を示す。現在の配列決定サイクルｉが、配列決定ランの第２５の配列決定サイクル、すなわち、ｉ＝２５であるとする。先行する配列決定サイクルｉ－１は、配列決定ランの第２４の配列決定サイクル、すなわち、ｉ－１＝２４である。次の配列決定サイクルｉ＋１は、配列決定ランの第２６の配列決定サイクル、すなわち、ｉ＋１＝２６である。後続の配列決定サイクルｉ＋２は、配列決定ランの第２７の配列決定サイクル、すなわち、ｉ＋２＝２７である。
【0140】
先行する配列決定サイクル
第１～２４の配列決定サイクルのそれぞれにおいて、累積強度補正パラメータのそれぞれのセットは、強度補正パラメータのそれぞれのセットから決定される。ターゲットクラスターについての先行する累積強度補正パラメータ７０２は、２４セットの強度補正パラメータの強度補正パラメータ単位の累積である。２チャネルの実施態様では、２４セットの強度補正パラメータのうちのそれぞれは、６つの強度補正パラメータ、すなわち、第１の強度チャネルにおける分布強度、第２の強度チャネルにおける分布強度、第１の強度チャネルにおける強度誤差、第２の強度チャネルにおける強度誤差、分布重心から原点の距離、及び分布強度対強度誤差の類似性を含む。２４セットの累積強度補正パラメータのうちのそれぞれは、６つの累積強度補正パラメータ
第１～２４の配列決定サイクルのそれぞれにおいて、累積強度補正パラメータのそれぞれのセットは、強度補正パラメータのそれぞれのセットから決定される。ターゲットクラスターについての先行する累積強度補正パラメータ７０２は、２４セットの強度補正パラメータの強度補正パラメータ単位の累積である。２チャネルの実施態様では、２４セットの強度補正パラメータのうちのそれぞれは、６つの強度補正パラメータ、すなわち、第１の強度チャネルにおける分布強度、第２の強度チャネルにおける分布強度、第１の強度チャネルにおける強度誤差、第２の強度チャネルにおける強度誤差、分布重心から原点の距離、及び分布強度対強度誤差の類似性を含む。２４セットの累積強度補正パラメータのうちのそれぞれは、６つの累積強度補正パラメータ
【0141】
【数39】
【0142】
を含む。
【0143】
先行する累積強度補正パラメータ７０２は、基礎となる先行する強度値及びそれらが計算される先行する強度補正パラメータに関するメタデータ（又は統計）である。結果として、基礎となる先行強度値及び先行強度補正パラメータと比較して、先行する累積強度補正パラメータ７０２は、はるかに小さいメモリフットプリントを有する。先行する累積強度補正パラメータ７０２は、配列決定ラン中にメモリにキャッシュされ、ターゲットクラスターについての現在の強度補正パラメータ７３２と共に累積されて、三角形７３４によって示されるように、ターゲットクラスターについての現在の累積強度補正パラメータ７４２を生成する。
【0144】
一実装態様では、先行する累積強度補正パラメータ７０２は、量子化された固定ビット幅フォーマットで記憶される。例えば、１つ又は２つのバイトを使用して、先行する累積強度補正パラメータ７０２にそれぞれの先行する累積強度補正パラメータが記憶され得る。
【0145】
現在の配列決定サイクル
ターゲットクラスターの現在の測定強度７１２は、第２５の配列決定サイクルでターゲットクラスターに登録された強度値を含む。現在の測定強度７１２に基づいて、現在のベースコール７２２は、第２５の配列決定サイクルでターゲットクラスターについて呼び出される（例えば、期待値最大化アルゴリズムを使用することによる）。
ターゲットクラスターの現在の測定強度７１２は、第２５の配列決定サイクルでターゲットクラスターに登録された強度値を含む。現在の測定強度７１２に基づいて、現在のベースコール７２２は、第２５の配列決定サイクルでターゲットクラスターについて呼び出される（例えば、期待値最大化アルゴリズムを使用することによる）。
【0146】
次の配列決定サイクル
現在のベースコール７２２に基づいて、現在の強度補正パラメータ７３２がターゲットクラスターについて決定される。現在の累積強度補正パラメータ７４２は、三角形７３４によって示されるように、現在の強度補正パラメータ７３２と共に先行する累積強度補正パラメータ７０２を累積することに基づいて、ターゲットクラスターについて計算される。累積の一例は合計である。合計の実施態様では、現在の累積強度補正パラメータ７４２は、（上記の中間項１～６に示されるように）強度補正パラメータ別に先行する累積強度補正パラメータ７０２と現在の強度補正パラメータ７３２との合計によって計算される。
現在のベースコール７２２に基づいて、現在の強度補正パラメータ７３２がターゲットクラスターについて決定される。現在の累積強度補正パラメータ７４２は、三角形７３４によって示されるように、現在の強度補正パラメータ７３２と共に先行する累積強度補正パラメータ７０２を累積することに基づいて、ターゲットクラスターについて計算される。累積の一例は合計である。合計の実施態様では、現在の累積強度補正パラメータ７４２は、（上記の中間項１～６に示されるように）強度補正パラメータ別に先行する累積強度補正パラメータ７０２と現在の強度補正パラメータ７３２との合計によって計算される。
【0147】
累積の別の例は平均化である。
【0148】
【数40】
【0149】
式中、Ｃは、現在の配列決定サイクルｉのインデックスである。すなわち、本明細書で論じられる例では、Ｃ＝２５である。
【0150】
中間項１．２～６．２に基づいて、累積強度補正パラメータのそれぞれを以下のように定義する。
１）第１の累積強度補正パラメータ
１）第１の累積強度補正パラメータ
【0151】
【数41】
【0152】
は、先行する配列決定サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて測定された第１の強度チャネルにおける分布強度の平均である。
２）第２の累積強度補正パラメータ
２）第２の累積強度補正パラメータ
【0153】
【数42】
【0154】
は、先行する配列サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて測定された第２の強度チャネルにおける分布強度の平均である。
３）第３の累積強度補正パラメータ
３）第３の累積強度補正パラメータ
【0155】
【数43】
【0156】
は、先行する配列サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された第１の強度チャネルにおける強度誤差の平均である。
４）第４の累積強度補正パラメータ
４）第４の累積強度補正パラメータ
【0157】
【数44】
【0158】
は、先行する配列サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された第２の強度チャネルにおける強度誤差の平均である。
５）第５の累積強度補正パラメータ
５）第５の累積強度補正パラメータ
【0159】
【数45】
【0160】
は、先行する配列サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された分布重心から原点の距離の平均である。
６）第６の累積強度補正パラメータ
６）第６の累積強度補正パラメータ
【0161】
【数46】
【0162】
は、先行する配列サイクル１～ｉ－１のそれぞれ、及び現在の配列決定サイクルｉでターゲットクラスターについて計算された分布強度対強度誤差の類似性測定の平均である。
【0163】
コンパクト表現
一実施態様では、先行する累積強度補正パラメータ７０２は、コンパクト表現（例えば、合計された表現又は平均化された表現）で記憶される。平均化の実施態様では、先行する累積強度補正パラメータ７０２は、それらの平均化された表現に記憶され、最初に、それらが累積される配列決定サイクルの数が乗算されて、平均化前表現が取り出される。すなわち、本明細書で論じられる実施例においては、２４が乗数である。
一実施態様では、先行する累積強度補正パラメータ７０２は、コンパクト表現（例えば、合計された表現又は平均化された表現）で記憶される。平均化の実施態様では、先行する累積強度補正パラメータ７０２は、それらの平均化された表現に記憶され、最初に、それらが累積される配列決定サイクルの数が乗算されて、平均化前表現が取り出される。すなわち、本明細書で論じられる実施例においては、２４が乗数である。
【0164】
次いで、乗算の結果、すなわち、平均化前表現が、強度補正パラメータ別に現在の強度補正パラメータ７３２と合計される。次いで、和の結果が、現在の配列決定サイクルｉのインデックスＣ（Ｃ＝２５）で除算されて、現在の累積強度補正パラメータ７４２が決定される。
【0165】
【数47】
【0166】
が、第２４の配列決定サイクルについての第１の累積強度補正パラメータであるとする。ｘ２５
Ｃ，１が、第２５の配列決定サイクルについての第１の強度チャネルにおける分布強度であるとする。
【0167】
【数48】
【0168】
が、第２５の配列決定サイクルに対する第１の累積強度補正パラメータであり、第２６の配列決定サイクルについて測定された強度を補正するために使用されるとする。この場合、以下のようになる。
【0169】
【数49】
【0170】
【数50】
【0171】
が、第２４の配列決定サイクルに対する第２の累積強度補正パラメータであるとする。ｘ２５
Ｃ，２が、第２５の配列決定サイクルについての第２の強度チャネルにおける分布強度であるとする。
【0172】
【数51】
【0173】
が、第２５の配列決定サイクルについての第２の累積強度補正パラメータであり、第２６の配列決定サイクルについて測定された強度を補正するために使用されるとする。この場合、以下のようになる。
【0174】
【数52】
【0175】
【数53】
【0176】
が、第２４の配列決定サイクルについての第３の累積強度補正パラメータであるとする。ｅ２５
Ｃ，１が、第２５の配列決定サイクルについての第１の強度チャネルにおける強度誤差であるとする。
【0177】
【数54】
【0178】
が、第２５の配列決定サイクルについての第３の累積強度補正パラメータであり、第２６の配列決定サイクルについて測定された強度を補正するために使用されるとする。この場合、以下のようになる。
【0179】
【数55】
【0180】
【数56】
【0181】
が、第２４の配列決定サイクルについての第４の累積強度補正パラメータであるとする。ｅ２５
Ｃ，２が、第２５の配列決定サイクルについての第２の強度チャネルにおける強度誤差であるとする。
【0182】
【数57】
【0183】
が、第２５の配列決定サイクルについての第４の累積強度補正パラメータであり、第２６の配列決定サイクルについて測定された強度を補正するために使用されるとする。この場合、以下のようになる。
【0184】
【数58】
【0185】
【数59】
【0186】
が、第２４の配列決定サイクルについての第５の累積強度補正パラメータであるとする。
【0187】
【数60】
【0188】
が、第２５の配列決定サイクルについての分布重心から原点の距離であるとする。
【0189】
【数61】
【0190】
が、第２５の配列決定サイクルについての第５の累積強度補正パラメータであり、第２６の配列決定サイクルについて測定された強度を補正するために使用されるとする。この場合、以下のようになる。
【0191】
【数62】
【0192】
【数63】
【0193】
が、第２４の配列決定サイクルについての第６の累積強度補正パラメータであるとする。
【0194】
【数64】
【0195】
が、第２５の配列決定サイクルについての分布強度対強度誤差の類似性測定であるとする。
【0196】
【数65】
【0197】
が、第２５の配列決定サイクルについての第６の累積強度補正パラメータであり、第２６の配列決定サイクルについて測定された強度を補正するために使用されるとする。この場合、以下のようになる。
【0198】
【数66】
【0199】
現在の累積強度補正パラメータ７４２は、現在の測定強度７１２及び現在の強度補正パラメータ７３２に関するメタデータ（又は統計）である。結果として、現在の測定強度７１２及び現在の強度補正パラメータ７３２と比較して、現在の累積強度補正パラメータ７４２は、はるかに小さいメモリフットプリントを有する。現在の累積強度補正パラメータ７４２は、配列決定ラン中にメモリにキャッシュされ、三角形７８４によって示されるように、ターゲットクラスターについての次の累積強度補正パラメータ７９６を生成するために、ターゲットクラスターについての次の強度補正パラメータ７９４と共に累積される。
【0200】
一実装態様では、現在の累積強度補正パラメータ７４２は、量子化された固定ビット幅形式で記憶される。例えば、１つ又は２つのバイトを使用して、現在の累積強度補正パラメータ７４２にそれぞれの先行する累積強度補正パラメータが記憶され得る。
【0201】
現在の累積強度補正パラメータ７４２は、ターゲットクラスターについての現在の増幅係数７５２を決定するために使用される。これは、現在の累積強度補正パラメータ７４２に応じて、等式２３において閉形式の式を実行することを含む。
【0202】
現在の累積強度補正パラメータ７４２及び現在の増幅係数７５２は、ターゲットクラスターについての現在のチャネル固有のオフセット係数７６２を決定するために使用される。これは、現在の累積強度補正パラメータ７４２及び増幅係数７５２に応じて、等式１７及び１８において閉形式の式を実行することを含む。
【0203】
現在の増幅係数７５２及び現在のチャネル固有のオフセット係数７６２を使用して、第２６の配列決定サイクルでターゲットクラスターについて測定された次の測定強度７７２が補正される。一実施態様では、補正することは、次の測定強度７７２から現在のチャネル固有のオフセット係数７６２をチャネル単位で減算して次のシフト強度を生成することと、次のシフト強度を現在の増幅係数７５２で除算してターゲットクラスターについての次の補正された測定強度７８２を生成することと、を含む。
【0204】
次いで、次のベースコール７９２は、次の補正された測定強度７８２を使用して、第２６の配列決定サイクルでターゲットクラスターについて呼び出される。これは、次の補正された測定強度７８２を入力としてベースコーラー２１２に提供することによって達成される（例えば、期待値最大化アルゴリズムを使用することによる）。
【0205】
後続の配列決定サイクル
コントローラ（図示せず）は、動作７９４、７９６、７９８、及び７９９によって例示されるように、配列決定ランの連続する配列決定サイクルについてベースコールパイプライン７００を繰り返す。例えば、第２７の配列決定サイクルについて、現在の累積強度補正パラメータ７４２は、三角形７８４によって示されるように、先行する累積強度補正パラメータ７０２として機能する。ベースコールパイプライン７００は、クラスター別に実行され、クラスター集団内の複数のクラスターについて並行して実行されることに留意されたい。
コントローラ（図示せず）は、動作７９４、７９６、７９８、及び７９９によって例示されるように、配列決定ランの連続する配列決定サイクルについてベースコールパイプライン７００を繰り返す。例えば、第２７の配列決定サイクルについて、現在の累積強度補正パラメータ７４２は、三角形７８４によって示されるように、先行する累積強度補正パラメータ７０２として機能する。ベースコールパイプライン７００は、クラスター別に実行され、クラスター集団内の複数のクラスターについて並行して実行されることに留意されたい。
【0206】
重み付けされた最小二乗法
図８は、本明細書に記載の重み付け関数８００の一実施態様を示す。最小二乗法３００は、収束するまで数回の配列決定サイクルを必要とし得るため、重み付け関数８００は、配列決定ランの初期配列決定サイクルで変動補正係数を減衰させ、配列決定ランの後の配列決定サイクルで変動補正係数を増幅させるために使用される。
図８は、本明細書に記載の重み付け関数８００の一実施態様を示す。最小二乗法３００は、収束するまで数回の配列決定サイクルを必要とし得るため、重み付け関数８００は、配列決定ランの初期配列決定サイクルで変動補正係数を減衰させ、配列決定ランの後の配列決定サイクルで変動補正係数を増幅させるために使用される。
【0207】
重み付け関数８００は、以下のように作用する。最初に、初期増幅係数８０２並びに初期オフセット係数８２２及び８３２が初期化される。一実施態様では、初期増幅係数８０２は、所定の値（例えば、「１」）を用いて配列決定ランの第１の配列決定サイクルで初期化され、初期オフセット係数８２２及び８３２は、所定の値（例えば、「０」）を用いて第１の配列決定サイクルで初期化される。重み付け関数８００は、初期増幅係数８０２を増幅係数８０６（最小二乗法３００によって決定される）と組み合わせ（例えば、合計して）、初期の第１及び第２のオフセット係数８２２及び８３２を第１及び第２のオフセット係数８２６及び８３６（最小二乗法３００によって決定される）と組み合わせ、その結果、増幅係数８０６並びに第１及び第２のオフセット係数８２６及び８３６は、初期配列決定サイクルで減衰し、後の配列決定サイクルで増幅する。
【0208】
一実施態様では、重み付け関数８００は、初期の最小重み（ｉｎｉｍｉｎ重み）８０４を初期増幅係数８０２並びに初期の第１及び第２のオフセット係数８２２及び８３２に、また、最小二乗法による最大重み（ｌｓｑｍａｘ重み）８０８を増幅係数８０６並びに第１及び第２のオフセット係数８２６及び８３６に適用（例えば、乗算）し、その結果、以下のようになる。
【0209】
【数67】
【0210】
式中、
ｃは、現在の配列決定サイクルのインデックスである。
ｐは２～７の数値である。
ｃは、現在の配列決定サイクルのインデックスである。
ｐは２～７の数値である。
【0211】
第１の配列決定サイクル、すなわち、ｃ＝１の場合、及びｐ＝２の場合、式
【0212】
【数68】
【0213】
は「－１」に等しい。次いで、「０」と「－１」との間で、ｌｓｑｍａｘ重み８０８は、２つの値のうちの最大値、すなわち、０を選択する。式
【0214】
【数69】
【0215】
は、「２」に等しい。次いで、「１」と「２」との間で、ｉｎｉｍｉｎ重み８０４は、２つの値のうちの最小値、すなわち、１を選択する。
【0216】
引き続き、ｌｓｑｍａｘ重み８０８からの０に増幅係数８０６並びに第１及び第２のオフセット係数８２６及び８３６が乗算され、ｉｎｉｍｉｎ重み８０４からの１に、初期増幅係数８０２並びに初期の第１及び第２のオフセット係数８２２及び８３２が乗算される。２つの乗算の結果が合計されて、重み付けされた増幅係数８１０並びに重み付けされた第１及び第２のオフセット係数８２０及び８３０が生成される。
【0217】
配列決定ランが進行し、インデックス「ｃ」の値が増分すると、ｌｓｑｍａｘ重み８０８及びｉｎｉｍｉｎ重み８０４の値も変化し、同様に適用され、その結果、増幅係数８０６並びに第１及び第２のオフセット係数８２６及び８３６（最小二乗法３００から学習される）は、それぞれの連続する配列決定サイクルで漸進的に増幅する。
【0218】
重み付け関数８００は、重み付けされた増幅係数８１０並びに重み付けされた第１及び第２のオフセット係数８２０及び８３０を生成し、これらを使用して、次の配列決定サイクルｉ＋１でターゲットクラスターについて測定強度が補正され、次の配列決定サイクルｉ＋１でターゲットクラスターをベースコールするために補正された測定強度が生成される。
【0219】
【数70】
【0220】
式中、
Ｗは、重みである。
Ｗは、重みである。
【0221】
最尤法
図９は、最尤重み９０６、９０８、及び９１０を変動補正係数に直接適用する一実施態様を示す。最尤重み９０６、９０８、及び９１０は、最尤法９００を、以前の配列決定ランで変動補正係数について観察された履歴値の確率分布９０２に適用することによって生成される。図９はまた、累積強度補正パラメータ９０４を示す。
図９は、最尤重み９０６、９０８、及び９１０を変動補正係数に直接適用する一実施態様を示す。最尤重み９０６、９０８、及び９１０は、最尤法９００を、以前の配列決定ランで変動補正係数について観察された履歴値の確率分布９０２に適用することによって生成される。図９はまた、累積強度補正パラメータ９０４を示す。
【0222】
最尤重み９０６、９０８、及び９１０は、インデックス「Ｃ」で表されるように、現在の配列決定サイクルの関数である。最尤重み９０６、９０８、及び９１０は、インデックスＣに依存して、配列決定サイクル別に変化する。最尤重み９０６、９０８、及び９１０はまた、文字「ｎ」で表されるように、加法性ノイズの関数である。シグマ項「σ」は、それぞれの変動補正係数、すなわち、分散（σ２）について観察された履歴値の変動範囲を表す。いくつかの実施態様では、加法性ノイズに対するシグマ項は、最尤法９００を使用して推定され得るか、又はユーザ指定され得る。増幅係数、チャネル固有のオフセット係数、及び加法性ノイズのシグマ項は、配列決定ラン別に決定され、配列決定ランの全ての配列決定サイクルに対して固定されたままである。シグマ項には、変動補正係数で観察された不確実性に関する事前の知識を組み込まれる。
【0223】
シグマ項のいくつかの例示的な値は、以下のとおりである。
【0224】
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ａ’， ０．１５
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ｄ１’， ０．１
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ｄ２’， ０．０２
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ｎ’， ０．１４
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ｄ１’， ０．１
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ｄ２’， ０．０２
‘ｍｌ＿ｃｈａｎｅｓｔ＿ｓｉｇｍａ＿ｎ’， ０．１４
【0225】
一実施態様では、増幅係数の確率分布の中心／初期／平均値は、「１」に設定され、チャネル固有のオフセット係数の確率分布の中心／初期／平均値は、「０」に設定される。
【0226】
最尤重み９０６、９０８、及び９１０における増幅係数及びチャネル固有のオフセット係数のシグマ項のより小さい値は、それぞれの履歴値における低変動を示す。これにより、最尤重み９０６、９０８、及び９１０の値が高くなる。これは次いで、特に早期の配列決定サイクルにおいて、中心値１を優先して重み付けされる、重み付けされた増幅係数９２０チャネルと、中心値０を優先して重み付けされる、重み付けされたチャネル固有のオフセット係数９３０及び９４０と、をもたらす。
【0227】
逆に、最尤重み９０６、９０８、及び９１０における増幅係数及びチャネル固有のオフセット係数のシグマ項のより大きい値は、それぞれの履歴値における高変動を示す。これにより、最尤重み９０６、９０８、及び９１０の値が低くなる。これは次いで、特に後期の配列サイクルにおいて、最小二乗法３００（例えば、等式２３）の出力を優先して重み付けされる、重み付けされた増幅係数９２０と、最小二乗法３００（例えば、等式１７及び１８）の出力を優先して重み付けされる、重み付けされたチャネル固有のオフセット係数９３０及び９４０と、をもたらす。
【0228】
最尤重み９０６、９０８、及び９１０は、それぞれ、重み付けされた増幅係数９２０並びに重み付けされたチャネル固有のオフセット係数９３０及び９４０を計算するために直接組み込まれる。
【0229】
指数関数的減衰因子法
図１０は、指数関数的減衰因子を変動補正係数に適用する一実施態様を示す。指数関数的減衰ロジック１０００は、いわゆる「ｔａｕ」及び「ｓｔａｔｓ．ｃｙｃｌｅ」に基づく。「ｓｔａｔｓ．ｃｙｃｌｅ」という用語は、現在の配列決定サイクルを指す。
図１０は、指数関数的減衰因子を変動補正係数に適用する一実施態様を示す。指数関数的減衰ロジック１０００は、いわゆる「ｔａｕ」及び「ｓｔａｔｓ．ｃｙｃｌｅ」に基づく。「ｓｔａｔｓ．ｃｙｃｌｅ」という用語は、現在の配列決定サイクルを指す。
【0230】
ｔａｕは、強度補正パラメータで観察された時間分散の程度に応じて所定の値に設定される。強度補正パラメータが時間不変である場合、ｔａｕは無限に設定され得る。強度補正パラメータが急速に時間変化する場合、ｔａｕは小さい値に設定され得る。一実施態様では、ｔａｕは３２に設定される。
【0231】
ｔａｕが３２であるとする。次いで、ステートメント１００２、１００４、及び１００６によれば、減衰因子は、配列サイクル１～３１については「１」であり、これは、累積強度補正パラメータの減衰をもたらさない。配列決定サイクル３２以上については、ステートメント１００８に基づき、減衰因子は３２に対して３１である。指数関数的減衰特性は、ステートメント１０１０、１０１２、１０１４、１０１６、１０１８、及び１０２０において、以下に示すように、それぞれの連続する配列決定サイクルで累積強度補正パラメータのそれぞれに減衰因子が乗算されるという事実に由来する。
【0232】
配列決定サイクル３２、減衰因子
【0233】
【数71】
【0234】
の場合
【0235】
【数72】
【0236】
配列決定サイクル３３、減衰因子
【0237】
【数73】
【0238】
の場合
【0239】
【数74】
【0240】
図１０では、累積強度補正パラメータは、和演算を使用して累積される。指数関数的減衰因子の平均化の実施態様では、累積強度補正パラメータは、平均演算を使用して累積される。指数関数的減衰因子の平均化の実施態様では、中間項１．２～６．２における除数「Ｃ」は、配列決定ランのｔａｕ数の配列決定サイクルの後、すなわち、配列決定ランの第３２の配列決定サイクルの後に固定されたままである。
【0241】
いくつかの実施態様では、重み付けされた最小二乗法（図８）、最尤法（図９）、及び指数関数的減衰因子法（図１０）を組み合わせて、配列決定ランのそれぞれの配列決定サイクルで重み付けされた変動補正係数が生成される。
【0242】
チャネル固有のオフセット係数
図１１は、チャネル固有のオフセット係数を決定する別の実施態様を示す。２チャネルの実施態様では、第１の強度チャネルに対する、及び現在の配列決定サイクルでのターゲットクラスターについての第１のチャネル固有のオフセット係数（「Δｘ」）が、現在の配列決定サイクルでのターゲットクラスターについての第１の強度チャネルにおける測定強度（「ｐ」）と、（例えば、期待値最大化アルゴリズムによって決定されるように）現在の配列決定サイクルでターゲットクラスターが属する塩基固有の強度分布Ａ１１０２の重心１１０４での第１の強度チャネルにおける強度値（「ｕ」）との間の差として計算される。
図１１は、チャネル固有のオフセット係数を決定する別の実施態様を示す。２チャネルの実施態様では、第１の強度チャネルに対する、及び現在の配列決定サイクルでのターゲットクラスターについての第１のチャネル固有のオフセット係数（「Δｘ」）が、現在の配列決定サイクルでのターゲットクラスターについての第１の強度チャネルにおける測定強度（「ｐ」）と、（例えば、期待値最大化アルゴリズムによって決定されるように）現在の配列決定サイクルでターゲットクラスターが属する塩基固有の強度分布Ａ１１０２の重心１１０４での第１の強度チャネルにおける強度値（「ｕ」）との間の差として計算される。
【0243】
２チャネルの実施態様では、第２の強度チャネルに対する、及び現在の配列決定サイクルでのターゲットクラスターについての第２のチャネル固有のオフセット係数（「Δｙ」）が、現在の配列決定サイクルでのターゲットクラスターについての第２の強度チャネルにおける測定強度（「ｑ」）と、現在の配列決定サイクルでターゲットクラスターが属する塩基固有の強度分布Ａ１１０２の重心１１０４での第２の強度チャネルにおける強度値（「ｖ」）との間の差として計算される。
【0244】
一実施態様では、第１のチャネル固有のオフセット係数（「Δｘ」）及び第２のチャネル固有のオフセット係数（「Δｙ」）は、配列決定ランのそれぞれの配列決定サイクルで決定される。いくつかの実施態様では、構成可能な数の配列決定サイクル（例えば、１０又は２０の配列決定サイクル）後に、第１のチャネル固有のオフセット係数（「Δｘ」）及び第２のチャネル固有のオフセット係数（「Δｙ」）が所定の値（例えば、「０」）で初期化される。
【0245】
ローリング平均の実施態様では、平均は、構成可能な数の配列決定サイクル後に、第１のオフセットチャネル固有の係数（「Δｘ」）及び第２のチャネル固有のオフセット係数（「Δｙ」）について計算される。次いで、平均は、次の平均が構成可能な数の配列決定サイクルの次のセットについて計算されるまで、第１のオフセットチャネル固有の係数（「Δｘ」）及び第２のチャネル固有のオフセット係数（「Δｙ」）の代用として使用される。
【0246】
いくつかの実装態様では、第１のチャネル固有のオフセット係数（「Δｘ」）及び第２のチャネル固有のオフセット係数（「Δｙ」）は、ターゲットクラスターがＡ、Ｃ、及びＴ塩基固有の強度分布に属するときのみ計算され、ターゲットクラスターがＧ（暗い）塩基固有の強度分布に属するときは計算されない。配列決定ランが、ペアエンドリードを含む場合の実施態様では、第１のチャネル固有のオフセット係数（「Δｘ」）及び第２のチャネル固有のオフセット係数（「Δｙ」）は、第２のリードに対して、第１のリードの最後に利用可能な値で初期化されるが、その後、構成可能な数の配列決定サイクルのそれぞれのセットで更新される。
【0247】
実行結果
図１２、図１３、及び図１４は、３つのアプローチ、すなわち、スケーリングのみの解法、オフセットのみの解法（図１１で論じられる）、及び最小二乗法３００の実行を比較する。３つのアプローチは、ＩｌｌｕｍｉｎａのシーケンサＮｅｘｔＳｅｑ２０００からの２０個のデータセットにわたってＩｌｌｕｍｉｎａのＲｅａｌ－Ｔｉｍｅ Ａｎａｌｙｓｉｓ（ＲＴＡ）ソフトウェアを使用して生成された強度データに適用される。
図１２、図１３、及び図１４は、３つのアプローチ、すなわち、スケーリングのみの解法、オフセットのみの解法（図１１で論じられる）、及び最小二乗法３００の実行を比較する。３つのアプローチは、ＩｌｌｕｍｉｎａのシーケンサＮｅｘｔＳｅｑ２０００からの２０個のデータセットにわたってＩｌｌｕｍｉｎａのＲｅａｌ－Ｔｉｍｅ Ａｎａｌｙｓｉｓ（ＲＴＡ）ソフトウェアを使用して生成された強度データに適用される。
【0248】
図１２では、スケーリングのみの解法（青色）、オフセットのみの解法（オレンジ）、及び最小二乗法（灰色）の実行が、ＲＴＡの２チャネルチャスティティフィルターを通過するクラスターのパーセンテージについて比較プロットされている。比較は、２０個のデータセット（ｘ軸として示される）にわたって行われる。３つ全てのアプローチが２チャネルチャスティティフィルターを通過する＞６５％のクラスターを達成し、２０件中の１６件（８０％）は、７５％より高い通過率を記録し、８／２０（又は２０％）は＞８０％の通過率を記録している。最小二乗法３００の実行が最良であることに留意されたい。
【0249】
図１３では、スケーリングのみの解法（青色）、オフセットのみの解法（オレンジ）、及び最小二乗法（灰色）の実行が、低多様性試料における誤差率について比較プロットされている。比較は、既知のファージゲノム（ＰｈｉＸ）をスパイクした２０個の低多様性データセット（ｘ軸として示される）にわたって行われる。２０件のうちの１７件（１７／２０又は６８％）が、＜３５％の誤差率を達成し、大多数は２５％未満の誤差率を享受している。最小二乗法３００の実行が最良であることに留意されたい。
【0250】
図１４では、スケーリングのみの解法（青色）、オフセットのみの解法（オレンジ）、及び最小二乗法（灰色）の実行が、Ｑ３０（すなわち、ベースコール誤差＜１０＾（－３０／１０）又は０．１％）を超える品質スコアを有する配列決定データのパーセンテージについて比較プロットされている。比較は、同じ２０個のデータセット（ｘ軸として示される）にわたって行われる。３つ全てのアプローチは、高Ｑ３０品質スコア（例えば、８０％超）を獲得している一方、２０件中の１６件（８０％）は７５％より高い通過率を記録し、８／２０（又は２０％）は＞８０％の通過率を記録している。最小二乗法３００は、他の解法より＞２％ポイント優れていることに留意されたい。
【0251】
コンピュータシステム
図１５は、開示された技術を実施するために使用することができるコンピュータシステム１５００である。コンピュータシステム１５００は、バスサブシステム１５５５を介して多数の周辺デバイスと通信する少なくとも１つの中央処理装置（central processing unit、ＣＰＵ）１５７２を含む。これらの周辺デバイスとしては、例えば、メモリデバイス及びファイル記憶サブシステム１５３６を含む記憶サブシステム１５１０、ユーザインターフェース入力デバイス１５３８、ユーザインターフェース出力デバイス１５７６、並びにネットワークインターフェースサブシステム１５７４が挙げられ得る。入力デバイス及び出力デバイスは、コンピュータシステム１５００とのユーザ対話を可能にする。ネットワークインターフェースサブシステム１５７４は、他のコンピュータシステム内の対応するインターフェースデバイスへのインターフェースを含む外部ネットワークへのインターフェースを提供する。
図１５は、開示された技術を実施するために使用することができるコンピュータシステム１５００である。コンピュータシステム１５００は、バスサブシステム１５５５を介して多数の周辺デバイスと通信する少なくとも１つの中央処理装置（central processing unit、ＣＰＵ）１５７２を含む。これらの周辺デバイスとしては、例えば、メモリデバイス及びファイル記憶サブシステム１５３６を含む記憶サブシステム１５１０、ユーザインターフェース入力デバイス１５３８、ユーザインターフェース出力デバイス１５７６、並びにネットワークインターフェースサブシステム１５７４が挙げられ得る。入力デバイス及び出力デバイスは、コンピュータシステム１５００とのユーザ対話を可能にする。ネットワークインターフェースサブシステム１５７４は、他のコンピュータシステム内の対応するインターフェースデバイスへのインターフェースを含む外部ネットワークへのインターフェースを提供する。
【0252】
一実施態様では、最小二乗法決定器３０２は、記憶サブシステム１５１０及びユーザインターフェース入力デバイス１５３８に通信可能にリンクされる。
【0253】
ユーザインターフェース入力デバイス１５３８は、キーボード、マウス、トラックボール、タッチパッド、又はグラフィックスタブレットなどのポインティングデバイス、スキャナ、ディスプレイに組み込まれたタッチスクリーン、音声認識システム及びマイクロフォンなどのオーディオ入力デバイス、並びに他のタイプの入力デバイスを含んでもよい。一般に、用語「入力デバイス」の使用は、コンピュータシステム１５００に情報を入力するための全ての可能なタイプのデバイス及び方式を含むことを意図している。
【0254】
ユーザインターフェース出力デバイス１５７６は、ディスプレイサブシステム、プリンタ、ファックス装置、又はオーディオ出力デバイスなどの非視覚ディスプレイを含むことができる。ディスプレイサブシステムは、ＬＥＤディスプレイ、陰極線管（Cathode Ray Tube、ＣＲＴ）、液晶ディスプレイ（Liquid Crystal Display、ＬＣＤ）などのフラットパネルデバイス、投影デバイス、又は可視画像を作成するための何らかの他の機構を含むことができる。ディスプレイサブシステムはまた、音声出力デバイスなどの非視覚ディスプレイを提供することができる。一般に、用語「出力デバイス」の使用は、コンピュータシステム１５００からユーザ又は別のマシン若しくはコンピュータシステムに情報を出力するための、全ての可能なタイプのデバイス及び方式を含むことを意図している。
【0255】
記憶サブシステム１５１０は、本明細書に記載されるモジュール及び方法のうちのいくつか又は全ての機能を提供するプログラミング及びデータ構築物を記憶する。これらのソフトウェアモジュールは、一般にプロセッサ１５７８によって実行される。
【0256】
プロセッサ１５７８は、グラフィック処理ユニット（graphics processing unit、ＧＰＵ）、フィールドプログラマブルゲートアレイ（field-programmable gate array、ＦＰＧＡ）、特定用途向け集積回路（application-specific integrated circuit、ＡＳＩＣ）、及び／又は粗粒化再構成可能構造（coarse-grained reconfigurable architecture、ＣＧＲＡ）であり得る。プロセッサ１５７８は、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍ（商標）、Ｘｉｌｉｎｘ（商標）及びＣｉｒｒａｓｃａｌｅ（商標）などの深層学習クラウドプラットフォームによってホスティングすることができる。プロセッサ１５７８の例は、ＧｏｏｇｌｅのＴｅｎｓｏｒ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＴＰＵ）（商標）、ＧＸ４ Ｒａｃｋｍｏｕｎｔ Ｓｅｒｉｅｓ（商標）、ＧＸ１５ Ｒａｃｋｍｏｕｎｔ Ｓｅｒｉｅｓ（商標）のようなラックマウントソリューション、ＮＶＩＤＩＡ ＤＧＸ－１（商標）、Ｍｉｃｒｏｓｏｆｔ’ Ｓｔｒａｔｉｘ Ｖ ＦＰＧＡ（商標）、ＧｒａｐｈｃｏｒｅのＩｎｔｅｌｌｉｇｅｎｔ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ（ＩＰＵ）（商標）、Ｓｎａｐｄｒａｇｏｎ ｐｒｏｃｅｓｓｏｒｓ（商標）を有するＱｕａｌｃｏｍｍのＺｅｒｏｔｈ Ｐｌａｔｆｏｒｍ（商標）、ＮＶＩＤＩＡのＶｏｌｔａ（商標）、ＮＶＩＤＩＡのＤＲＩＶＥ ＰＸ（商標）、ＮＶＩＤＩＡのＪＥＴＳＯＮ ＴＸ１／ＴＸ２ ＭＯＤＵＬＥ（商標）、ＩｎｔｅｌのＮｉｒｖａｎａ（商標）、Ｍｏｖｉｄｉｕｓ ＶＰＵ（商標）、Ｆｕｊｉｔｓｕ ＤＰＩ（商標）、ＡＲＭのＤｙｎａｍｉｃＩＱ（商標）、ＩＢＭ ＴｒｕｅＮｏｒｔｈ（商標）、Ｔｅｓｔａ Ｖ１００ｓ（商標）を有するＬａｍｂｄａ ＧＰＵ Ｓｅｒｖｅｒ、及び他のものを含む。
【0257】
記憶サブシステム１５１０で使用されるメモリサブシステム１５２２は、プログラム実行中に命令及びデータを記憶するためのメインランダムアクセスメモリ（random access memory、ＲＡＭ）１５３２と、固定命令が記憶された読み取り専用メモリ（read only memory、ＲＯＭ）１５３４とを含む多数のメモリを含むことができる。ファイル記憶サブシステム１５３６は、プログラム及びデータファイルのための永続的な記憶装置を提供することができ、これには、ハードディスクドライブ、関連する取り外し可能な媒体を伴うフロッピーディスクドライブ、ＣＤ－ＲＯＭドライブ、光学ドライブ、又は取り外し可能な媒体カートリッジが挙げられ得る。特定の実施態様の機能を実装するモジュールは、ファイル記憶サブシステム１５３６によって記憶サブシステム１５１０内に、又はプロセッサによってアクセス可能な他のマシン内に記憶され得る。
【0258】
バスサブシステム１５５５は、コンピュータシステム１５００の様々な構成要素及びサブシステムを、意図されるように互いに通信させるための機構を提供する。バスサブシステム１５５５は、単一のバスとして概略的に示されているが、バスサブシステムの代替実施態様は、複数のバスを使用することができる。
【0259】
コンピュータシステム１５００自体は、パーソナルコンピュータ、ポータブルコンピュータ、ワークステーション、コンピュータ端末、ネットワークコンピュータ、テレビ、メインフレーム、サーバファーム、緩くネットワーク化されたコンピュータの広く分散されたセット、又は任意の他のデータ処理システム若しくはユーザデバイスを含む様々なタイプのものであり得る。コンピュータ及びネットワークは絶え間なく変化する性質のものであるため、図１５に示されるコンピュータシステム１５００の説明は、本発明の好ましい実施態様を例示する目的のための特定の実施例としてのみ意図される。コンピュータシステム１５００の多くの他の構成は、図１５に示されるコンピュータシステムよりも多くの又は少ない構成要素を有することができる。
【0260】
プロセッサ又はモジュールのそれぞれは、特定のプロセスを実行するためのアルゴリズム（例えば、有形及び／又は非一時的コンピュータ可読記憶媒体上に記憶された命令）又はサブアルゴリズムを含んでもよい。変動補正器２３２は、モジュールの集合として概念的に例示されるが、専用ハードウェアボード、ＤＳＰ、プロセッサなどの任意の組み合わせを利用して実装されてもよい。あるいは、変動補正器２３２は、単一のプロセッサ又は複数のプロセッサを備えた既製のＰＣを利用して実装されてもよく、機能動作はプロセッサ間に分散される。更なる選択肢として、以下に記載されるモジュールは、特定のモジュール式機能が専用ハードウェアを利用して実施されるハイブリッド構成を利用して実装されてもよく、残りのモジュール式機能は、既製のＰＣなどを利用して実施される。モジュールはまた、処理ユニット内のソフトウェアモジュールとして実装されてもよい。
【0261】
本明細書（例えば、図９）に記載の方法の様々なプロセス及び工程は、コンピュータを使用して行われ得る。コンピュータは、検出デバイスの一部であるか、コンピュータによって処理されるデータを取得するために使用される検出デバイスとネットワーク化されているか、又は検出デバイスから分離しているプロセッサを含み得る。いくつかの実施態様では、情報（例えば、画像データ）は、本明細書に開示されるシステムの構成要素間で直接又はコンピュータネットワークを介して送信され得る。ローカルエリアネットワーク（ＬＡＮ）又はワイドエリアネットワーク（ＷＡＮ）は、システムを含むコンピュータ及びコンピューティングデバイスが接続されている、インターネットへのアクセスを含む企業コンピューティングネットワークであり得る。一実施態様では、ＬＡＮは、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）業界標準に準拠する。場合によっては、情報（例えば、画像データ）は、入力デバイス（例えば、ディスクドライブ、コンパクトディスクプレーヤ、ＵＳＢポートなど）を介して本明細書に開示されるシステムに入力される。場合によっては、情報は、例えば、ディスク又はフラッシュドライブなどの記憶デバイスから情報をロードすることによって受信される。
【0262】
本明細書に記載されるアルゴリズム又は他のプロセスを実行するために使用されるプロセッサは、マイクロプロセッサを含み得る。マイクロプロセッサは、Ｉｎｔｅｌ Ｃｏｒｐｏｒａｔｉｏｎ製のＰｅｎｔｉｕｍ（商標）プロセッサなどの任意の従来の汎用シングルチップ又はマルチチップマイクロプロセッサであり得る。特に有用なコンピュータは、１２８ＧＢのＲＡＭ、及び２ＴＢのソリッドステートディスクドライブを有する、Ｉｎｔｅｌ Ｉｖｙｂｒｉｄｇｅ ｄｕａｌ－１２コアプロセッサ、ＬＳＩ ＲＡＩＤコントローラを利用し得る。更に、プロセッサは、デジタル信号プロセッサ又はグラフィックスプロセッサなどの任意の従来の専用プロセッサを含み得る。プロセッサは、典型的には、従来のアドレスライン、従来のデータライン、及び１つ以上の従来の制御ラインを有する。
【0263】
本明細書に開示される実施態様は、ソフトウェア、ファームウェア、ハードウェア、又はそれらの任意の組み合わせを生成するための標準的なプログラミング技術又は工学技術を使用して、方法（例えば、図２及び図７）、装置、システム、又は物品として実装されてもよい。本明細書で使用するとき、用語「物品」は、光学記憶デバイスなどのハードウェア又はコンピュータ可読媒体、並びに揮発性又は不揮発性メモリデバイス内に実装されるコード又はロジックを指す。そのようなハードウェアとしては、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device、ＣＰＬＤ）、プログラマブルロジックアレイ（Programmable Logic Array、ＰＬＡ）、マイクロプロセッサ、又は他の同様の処理装置が挙げられ得るが、これらに限定されない。特定の実施態様では、本明細書に記載される情報又はアルゴリズムは、非一過性記憶媒体中に存在する。
【0264】
特定の実施態様では、本明細書に記載される（例えば、（図１１で論じされる））コンピュータ実装の方法は、物体の複数の画像が取得されている間に、リアルタイムで行われ得る。このようなリアルタイム分析は、核酸配列が流体及び検出工程の繰り返しサイクルに供される核酸配列決定用途に特に有用である。配列決定データの分析は、多くの場合、本明細書に記載される方法をリアルタイム又は背景で実行するのに有益であり得る一方で、他のデータ収集又は分析アルゴリズムがプロセス中である間に、本明細書に記載される方法を実行することが有益であり得る。本方法で使用することができるリアルタイム分析法の例は、Ｉｌｌｕｍｉｎａ， Ｉｎｃ（Ｓａｎ Ｄｉｅｇｏ， Ｃａｌｉｆ）から市販されており、及び／又は、参照により本明細書に組み込まれる米国特許出願公開第２０１２／００２０５３７（Ａ１）号に記載されているＭｉＳｅｑ及びＨｉＳｅｑ配列決定機器に使用されるものである。
【0265】
本出願において、用語「クラスター」、「ウェル」、「試料」、「検体」、及び「蛍光試料」は、ウェルが対応するクラスター／試料／検体／蛍光試料を含有するので、交換可能に使用される。本明細書中で定義されるように、「試料」及びその誘導体は、最も広い意味で使用され、標的を含むことが疑われる任意の試料、培養物などを含む。いくつかの実施態様において、試料は、ＤＮＡ、ＲＮＡ、ＰＮＡ、ＬＮＡ、キメラ又はハイブリッド形態の核酸を含む。試料は、１つ以上の核酸を含有する任意の生物学的試料、臨床試料、外科試料、農業試料、大気試料又は水試料を含むことができる。この用語はまた、任意の単離された核酸試料、例えば、ゲノムＤＮＡ、新鮮凍結又はホルマリン固定パラフィン包埋核酸試料を含む。試料は、単一個体、遺伝的に関連するメンバーからの核酸試料のコレクション、遺伝的に関連しないメンバーからの核酸試料、腫瘍試料及び正常組織試料のような単一個体からの核酸試料（適合）、又は母体被験体から得られた母体及び胎児ＤＮＡのような遺伝物質の２つの異なる形態を含む単一供給源からの試料、又は植物又は動物ＤＮＡを含む試料中の汚染細菌ＤＮＡの存在に由来し得ることも想定される。いくつかの実施態様において、核酸物質の供給源は、例えば新生児スクリーニングに典型的に使用されるような新生児から得られた核酸を含むことができる。
【0266】
核酸試料は、ゲノムＤＮＡ（genomic DNA、ｇＤＮＡ）などの高分子量物質を含むことができる。試料は、ＦＦＰＥ又は保管されたＤＮＡ試料から得られた核酸分子などの低分子量物質を含むことができる。別の実施態様では、低分子量物質は、酵素的又は機械的にフラグメント化されたＤＮＡを含む。試料は、無細胞循環ＤＮＡを含むことができる。いくつかの実施態様において、試料は、生検、腫瘍、擦過物、スワブ、血液、粘液、尿、血漿、精液、毛髪、レーザ捕捉顕微解剖、外科的切除、及び他の臨床的又は実験室で得られた試料から得られた核酸分子を含み得る。いくつかの実施態様において、試料は、疫学的、農業的、法医学又は病原性試料であり得る。いくつかの実施態様において、試料は、ヒト又は哺乳動物源などの動物から得られた核酸分子を含むことができる。別の実施態様では、試料は、植物、細菌、ウイルス又は真菌などの非哺乳類源から得られた核酸分子を含むことができる。いくつかの実施態様において、核酸分子の供給源は、保存又は絶滅した試料又は種であり得る。
【0267】
更に、本明細書中に開示される方法及び組成物は、法医学試料からの分解及び／又はフラグメント化されたゲノムＤＮＡなどの低品質核酸分子を有する核酸試料を増幅するのに有用であり得る。一実施態様では、法医学試料は、犯罪現場から得られた核酸、行方不明者ＤＮＡデータベースから得られた核酸、法医学調査と関連した研究所から得られた核酸を含むことができ、又は法執行機関、１以上の軍隊若しくはそのような要員によって得られた法医学試料を含むことができる。核酸試料は、例えば、口腔スワブ、紙、布、又は唾液、血液、若しくは他の体液で含浸され得る他の基質に由来する、精製された試料又は溶解物を含む粗ＤＮＡであり得る。それ自体、いくつかの実施態様において、核酸試料は、ゲノムＤＮＡのようなＤＮＡの少量又はフラグメント化された部分を含み得る。いくつかの実施態様において、標的配列は、限定されるものではないが、血液、痰、血漿、精液、尿及び血清を含む１つ以上の体液に存在し得る。いくつかの実施態様において、標的配列は、毛髪、皮膚、組織試料、剖検又は犠牲者の遺体から得ることができる。いくつかの実施態様において、１つ以上の標的配列を含む核酸は、死亡した動物又はヒトから得ることができる。いくつかの実施態様において、標的配列は、微生物、植物細胞又は昆虫学的のような非ヒトから得られた核酸を含むことができる。いくつかの実施態様において、標的配列又は増幅された標的配列は、ヒト同定を対象とする。いくつかの実施態様において、本開示は、一般に、法医学試料の特徴を同定するための方法に関する。いくつかの実施態様において、本開示は、一般に、本明細書に開示された１つ以上の標的特異的プライマー、又は本明細書に概説されたプライマー設計基準を用いて設計された１以上の標的特異的プライマーを使用するヒト同定方法に関する。一実施態様において、少なくとも１つの標的配列を含む法医学試料又はヒト同定試料は、本明細書に開示された標的特異的プライマーのいずれか１つ以上を用いて、又は本明細書に概説されたプライマー基準を用いて増幅することができる。
【0268】
開示された技術は、画像データのクラスター間強度プロファイルの変動を補正するための変動補正係数を生成する。開示された技術は、システム、方法、又は製品として実施することができる。実施態様の１つ以上の特徴を、塩基実施態様と組み合わせることができる。相互に排他的でない実施態様は、組み合わせ可能であると教示されている。実施態様の１つ以上の特徴を他の実施態様と組み合わせることができる。本開示は、これらのオプションのユーザを定期的に通知する。これらの選択肢を繰り返す列挙のいくつかの実施態様からの省略は、前述のセクションで教示されている組み合わせを制限するものとして解釈されるべきではない。これらの記載は、以下の実施態様の各々に参照することにより本明細書に組み込まれる。
【0269】
このセクションで説明される方法の他の実施態様は、上述の方法のいずれかを実行するためにプロセッサによって実行可能な命令を記憶する非一時的コンピュータ可読記憶媒体を含むことができる。このセクションで説明される方法の更に別の実施態様は、メモリと、メモリ内に記憶された命令を実行して上記の方法のいずれかを実行するように動作可能な１つ以上のプロセッサとを含むシステムを含むことができる。
【0270】
別の実施態様では、変動補正は、非強度データ、例えば、分子伸長中の水素イオンの放出によって誘発されるｐＨ変化に対して実行される。ｐＨ変化は検出され、組み込まれた塩基の数に比例する電圧変化に変換される（例えば、Ｉｏｎ Ｔｏｒｒｅｎｔの場合）。
【0271】
更に別の実施態様では、非強度データは、塩基の同一性を決定すると同時に、分析物がナノ細孔を通過する際、又はその開口部付近を通過する際に電流の破壊を測定するためにバイオセンサを使用するナノ細孔検知から構築される。例えば、Ｏｘｆｏｒｄ Ｎａｎｏｐｏｒｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ（ＯＮＴ）配列決定は、以下の概念に基づく：ナノ細孔を介して膜を介してＤＮＡ（又はＲＮＡ）の単一鎖を通過させ、膜にわたって電位差を印加する。細孔内に存在するヌクレオチドは、細孔の電気抵抗に影響を及ぼし、そのため、経時的な電流測定は、細孔を通過するＤＮＡ塩基の配列を示すことができる。この電流信号（プロットされたときにその外観に起因する「押しつぶし」）は、ＯＮＴシーケンサによって収集された生データである。これらの測定値は、４ｋＨｚ周波数（例えば）で取られた１６ビットの整数データ取得（Data Acquisition、ＤＡＣ）値として記憶される。１秒当たり～４５０塩基対のＤＮＡ鎖速度を用いて、これは、平均して、塩基当たり約９つの生観察を与える。次いで、この信号を処理して、個々の読み取りに対応する開孔信号の破断を識別する。これらの生信号の伸長は、ベースコールされ、ＤＡＣ値をＤＮＡ塩基の配列に変換するプロセスである。いくつかの実施態様では、非強度データは、正規化又はスケーリングされたＤＡＣ値を含む。
【0272】
開示される技術、又はその要素の１つ以上の実施態様は、示された方法ステップを実行するためのコンピュータ使用可能なプログラムコードを備えた非一時的コンピュータ可読記憶媒体を含むコンピュータ製品の形態で実装することができる。更に、開示される技術、又はその要素の１つ以上の実施態様は、メモリと、メモリに結合され、例示的な方法ステップを実行するように動作する少なくとも１つのプロセッサと、を含む装置の形態で実装することができる。更に、別の態様では、開示される技術又はその要素の１つ以上の実施態様は、本明細書に記載の方法ステップのうちの１つ以上を実行するための手段の形態で実装することができ、この手段は、（ｉ）ハードウェアモジュール、（ｉｉ）１つ以上のハードウェアプロセッサ上で実行されるソフトウェアモジュール、又は（ｉｉｉ）ハードウェア及びソフトウェアモジュールの組み合わせ、を含むことができ、（ｉ）～（ｉｉｉ）のいずれかが、本明細書に記載の特定の技術を実施し、ソフトウェアモジュールは、コンピュータ可読記憶媒体（又は複数のそのような媒体）に記憶される。
【0273】
本出願は、「累積強度補正パラメータ（複数可）」及び「中間項（複数可）」という用語を互換的に使用する。
【0274】
本出願は、「純粋な強度（複数可）」及び「分布強度（複数可）」という用語を互換的に使用する。
【0275】
本出願は、「強度プロファイル（複数可）」及び「コンステレーション（複数可）」という用語を互換的に使用する。
【0276】
本出願は、「変動補正係数（複数可）」及び「強度補正係数（複数可）」という用語を互換的に使用する。
【0277】
本出願は、「増幅係数」及び「スケール因子」という用語を互換的に使用する。
【0278】
本出願は、「オフセット係数（複数可）」及び「オフセット（複数可）」という用語を互換的に使用する。
【0279】
本出願は、「ターゲットクラスター」及び「特定のクラスター」という用語を互換的に使用する。
【0280】
本出願は、「次の」、「後続の」、及び「連続する」という用語を互換的に使用する。
【0281】
本出願は、「ヌクレオチド（複数可）」及び「塩基（複数可）」という用語を互換的に使用する。
【0282】
本出願は、「累積強度補正パラメータ決定器」及び「アキュムレータ」という用語を互換的に使用する。
【0283】
本出願は、「累積強度補正パラメータ決定器」及び「アキュムレータ」という用語を互換的に使用する。
【0284】
項目
１．ターゲットクラスターをベースコールするコンピュータ実装方法であって、方法は、
ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、現在の配列決定サイクルでターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
現在のチャネル固有の強度及び現在のチャネル固有の分布強度に基づいて、現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
配列決定ランの先行する配列決定サイクルについての現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
現在の累積強度補正パラメータのセットに基づいて、現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
現在の増幅係数及び現在のチャネル固有のオフセット係数を使用して、配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
補正された次のチャネル固有の強度に基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
１．ターゲットクラスターをベースコールするコンピュータ実装方法であって、方法は、
ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、現在の配列決定サイクルでターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
現在のチャネル固有の強度及び現在のチャネル固有の分布強度に基づいて、現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
配列決定ランの先行する配列決定サイクルについての現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
現在の累積強度補正パラメータのセットに基づいて、現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
現在の増幅係数及び現在のチャネル固有のオフセット係数を使用して、配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
補正された次のチャネル固有の強度に基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
【0285】
２．現在の強度補正パラメータのセットは、現在のチャネル固有の分布強度と、現在のチャネル固有の強度誤差と、現在の分布重心から原点の距離と、現在の分布強度対強度誤差の類似性測定と、を含む、項目１に記載のコンピュータ実装方法。
【0286】
３．現在のチャネル固有の強度誤差は、現在のチャネル固有の強度と現在のチャネル固有の分布強度との間のチャネル単位の差である、項目２に記載のコンピュータ実装方法。
【0287】
４．現在の分布重心から原点の距離は、重心と、塩基固有の強度分布を含む多次元空間の原点との間のユークリッド距離である、項目２に記載のコンピュータ実装方法。
【0288】
５．多次元空間は、デカルト空間、極空間、円筒空間、及び球状空間のうちの少なくとも１つである、項目４に記載のコンピュータ実装方法。
【0289】
６．現在の分布強度対強度誤差の類似性測定は、現在のチャネル固有の分布強度と現在のチャネル固有の強度誤差との間のチャネル単位のドット積の総和である、項目２に記載のコンピュータ実装方法。
【0290】
７．現在の累積強度補正パラメータのセットは、現在の強度補正パラメータのセット内の現在の強度補正パラメータと、先行する累積強度補正パラメータのセット内の先行する累積強度補正パラメータとの強度補正パラメータ単位の和である、項目１に記載のコンピュータ実装方法。
【0291】
８．現在の累積強度補正パラメータのセットは、現在の強度補正パラメータ及び先行する累積強度補正パラメータの強度補正パラメータ単位の平均である、項目７に記載のコンピュータ実装方法。
【0292】
９．先行する累積強度補正パラメータのセット及び現在の累積強度補正パラメータのセットは、量子化された固定ビット幅フォーマットで記憶される、項目１に記載のコンピュータ実装方法。
【0293】
１０．現在のチャネル固有のオフセット係数は、同一であるように構成されている、項目１に記載のコンピュータ実装方法。
【0294】
１１．現在の累積強度補正パラメータのセット内の現在の累積強度補正パラメータは、現在のチャネル固有の分布強度についての第１の共通の現在の累積強度補正パラメータと、現在のチャネル固有の強度誤差についての第２の共通の現在の累積強度補正パラメータと、を含む、項目１０に記載のコンピュータ実装方法。
【0295】
１２．現在のチャネル固有のオフセット係数は、次のチャネル固有のシフト強度を生成するために次のチャネル固有の強度からチャネル単位で減算され、次のチャネル固有のシフト強度は、補正された次のチャネル固有の強度を生成するために現在の増幅係数で除算される、項目１に記載のコンピュータ実装方法。
【0296】
１３．重み付け関数を使用して、初期増幅係数を現在の増幅係数と組み合わせ、初期のチャネル固有のオフセット係数を現在のチャネル固有のオフセット係数と組み合わせて、現在の配列決定サイクルに対する重み付けされた現在の増幅係数及び重み付けされた現在のチャネル固有のオフセット係数を生成することを更に含む、項目１に記載のコンピュータ実装方法。
【0297】
１４．重み付け関数は、最小重み（ｗｍｉｎ）を初期増幅係数及び初期のチャネル固有のオフセット係数に適用し、最大重み（ｗｍａｘ）を現在の増幅係数及び現在のチャネル固有のオフセット係数に適用し、ｗｍｉｎ＝（１－ｗｍａｘ）である、項目１３に記載のコンピュータ実装方法。
【0298】
１５．最大重み（ｗｍａｘ）は、（ｃ－ｐ）／ｃとして定義され、ｃは現在の配列決定サイクルのインデックスであり、ｐは２～７の数値である、項目１４に記載のコンピュータ実装方法。
【0299】
１６．重み付けされた現在の増幅係数及び重み付けされた現在のチャネル固有のオフセット係数を使用して、次のチャネル固有の強度を補正し、補正された次のチャネル固有の強度を生成することを更に含む、項目１５に記載のコンピュータ実装方法。
【0300】
１７．
最尤法を使用して、現在の配列決定サイクルについて、現在の増幅係数及び現在のチャネル固有のオフセット係数のそれぞれの現在の最尤重みを生成することと、
現在の最尤重みを現在の増幅係数及び現在のチャネル固有のオフセット係数にそれぞれ適用して、現在の配列決定サイクルについて最尤重みが付けられた現在の増幅係数及び最尤重みが付けられた現在のチャネル固有のオフセット係数を生成することと、
最尤重みが付けられた現在の増幅係数及び最尤重みが付けられた現在のチャネル固有のオフセット係数を使用して、次のチャネル固有の強度を補正し、補正された次のチャネル固有の強度を生成することと、を更に含む、項目１に記載のコンピュータ実装方法。
最尤法を使用して、現在の配列決定サイクルについて、現在の増幅係数及び現在のチャネル固有のオフセット係数のそれぞれの現在の最尤重みを生成することと、
現在の最尤重みを現在の増幅係数及び現在のチャネル固有のオフセット係数にそれぞれ適用して、現在の配列決定サイクルについて最尤重みが付けられた現在の増幅係数及び最尤重みが付けられた現在のチャネル固有のオフセット係数を生成することと、
最尤重みが付けられた現在の増幅係数及び最尤重みが付けられた現在のチャネル固有のオフセット係数を使用して、次のチャネル固有の強度を補正し、補正された次のチャネル固有の強度を生成することと、を更に含む、項目１に記載のコンピュータ実装方法。
【0301】
１８．
減衰因子を現在の強度補正パラメータに適用して、現在の配列決定サイクルについて減衰された現在の強度補正パラメータを生成することと、
減衰された現在の強度補正パラメータと先行する累積強度補正パラメータとを強度補正パラメータ単位で累積することによって、現在の累積強度補正パラメータを決定することと、を更に含む、項目１に記載のコンピュータ実装方法。
減衰因子を現在の強度補正パラメータに適用して、現在の配列決定サイクルについて減衰された現在の強度補正パラメータを生成することと、
減衰された現在の強度補正パラメータと先行する累積強度補正パラメータとを強度補正パラメータ単位で累積することによって、現在の累積強度補正パラメータを決定することと、を更に含む、項目１に記載のコンピュータ実装方法。
【0302】
１９．減衰因子は、配列決定ランの特定の数の配列決定サイクルに対して固定されており、その後、減衰ロジックに基づいて指数関数的に減衰される、項目１８に記載のコンピュータ実装方法。
【0303】
２０．減衰ロジックは１－１／ｔａｕであり、ｔａｕは事前定義された数値である、項目１９に記載のコンピュータ実装方法。
【0304】
２１．配列決定ランの連続する配列決定サイクルでターゲットクラスターについて読み取ること、読み取ること、決定すること、決定すること、決定すること、使用すること、及びベースコールすることを繰り返すことを更に含む、項目１に記載のコンピュータ実装方法。
【0305】
２２．複数のクラスターについて読み取ること、読み取ること、決定すること、決定すること、決定すること、使用すること、及びベースコールすることを並行して実行することを更に含む、項目１に記載のコンピュータ実装方法。
【0306】
２３．現在の強度補正パラメータのセット、現在の累積強度補正パラメータのセット、現在の増幅係数、及び現在のチャネル固有のオフセット係数の閉形式の式は、最小二乗法を使用して決定される、項目１に記載のコンピュータ実装方法。
【0307】
２４．現在のチャネル固有の強度は、強度チャネルにそれぞれ対応する、項目１に記載のコンピュータ実装方法。
【0308】
２５．現在のチャネル固有のオフセット係数は、現在のチャネル固有の強度と現在のチャネル固有の分布強度との間のチャネル単位の差である、項目１に記載のコンピュータ実装方法。
【0309】
２６．ターゲットクラスターをベースコールするためにコンピュータプログラム命令が記憶された非一時的コンピュータ可読記憶媒体であって、命令は、プロセッサ上で実行されると、
ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、現在の配列決定サイクルでターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
現在のチャネル固有の強度及び現在のチャネル固有の分布強度に基づいて、現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
配列決定ランの先行する配列決定サイクルについての現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
現在の累積強度補正パラメータのセットに基づいて、現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
現在の増幅係数及び現在のチャネル固有のオフセット係数を使用して、配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
補正された次のチャネル固有の強度に基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、現在の配列決定サイクルでターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
現在のチャネル固有の強度及び現在のチャネル固有の分布強度に基づいて、現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
配列決定ランの先行する配列決定サイクルについての現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
現在の累積強度補正パラメータのセットに基づいて、現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
現在の増幅係数及び現在のチャネル固有のオフセット係数を使用して、配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
補正された次のチャネル固有の強度に基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
【0310】
２７．最終的に項目１に従属するそれぞれの項目を実装する、項目２６に記載の非一時的コンピュータ可読記憶媒体。
【0311】
２８．メモリに結合された１つ以上のプロセッサを含むシステムであって、メモリは、ターゲットクラスターをベースコールするためのコンピュータ命令がロードされ、命令は、プロセッサ上で実行されると、
ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、現在の配列決定サイクルでターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
現在のチャネル固有の強度及び現在のチャネル固有の分布強度に基づいて、現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
配列決定ランの先行する配列決定サイクルについての現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
現在の累積強度補正パラメータのセットに基づいて、現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
現在の増幅係数及び現在のチャネル固有のオフセット係数を使用して、配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
補正された次のチャネル固有の強度に基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含むアクションを実装する、システム。
ターゲットクラスターについて、
配列決定ランの現在の配列決定サイクルに登録された現在のチャネル固有の強度を、現在の配列決定サイクルでターゲットクラスターがベースコールされる塩基固有の強度分布から読み取ることと、
塩基固有の強度分布の重心から現在のチャネル固有の分布強度を読み取ることと、
現在のチャネル固有の強度及び現在のチャネル固有の分布強度に基づいて、現在の配列決定サイクルに対する現在の強度補正パラメータのセットを決定することと、
配列決定ランの先行する配列決定サイクルについての現在の強度補正パラメータのセット及び先行する累積強度補正パラメータのセットを累積することによって、現在の配列決定サイクルについての現在の累積強度補正パラメータのセットを決定することと、
現在の累積強度補正パラメータのセットに基づいて、現在の配列決定サイクルに対する現在の増幅係数及び現在のチャネル固有のオフセット係数を決定することと、
現在の増幅係数及び現在のチャネル固有のオフセット係数を使用して、配列決定ランの次の配列決定サイクルに登録された次のチャネル固有の強度を補正し、次の配列決定サイクルに対して補正された次のチャネル固有の強度を生成することと、
補正された次のチャネル固有の強度に基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含むアクションを実装する、システム。
【0312】
２９．最終的に項目１に従属するそれぞれの項目を実装する、項目２８に記載のシステム。
【0313】
３０．ターゲットクラスターをベースコールするコンピュータ実装方法であって、方法は、
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
スケール補正係数及びチャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
スケール補正係数及びチャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
【0314】
３１．最終的に項目１に従属するそれぞれの項目を実装する、項目３０に記載のコンピュータ実装方法。
【0315】
３２．ターゲットクラスターをベースコールするためにコンピュータプログラム命令が記憶された非一時的コンピュータ可読記憶媒体であって、命令は、プロセッサ上で実行されると、
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
スケール補正係数及びチャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
スケール補正係数及びチャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
【0316】
３３．最終的に項目１に従属するそれぞれの項目を実装する、項目３２に記載の非一時的コンピュータ可読記憶媒体。
【0317】
３４．メモリに結合された１つ以上のプロセッサを含むシステムであって、メモリは、ターゲットクラスターをベースコールするためのコンピュータ命令がロードされ、命令は、プロセッサ上で実行されると、
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
スケール補正係数及びチャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含むアクションを実装する、システム。
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データに基づいて、スケール補正係数及びチャネル固有のシフト補正係数を決定することと、
スケール補正係数及びチャネル固有のシフト補正係数を使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含むアクションを実装する、システム。
【0318】
３５．最終的に項目１に従属するそれぞれの項目を実装する、項目３４に記載のシステム。
【0319】
３６．ターゲットクラスターをベースコールするコンピュータ実装方法であって、方法は、
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、コンピュータ実装方法。
【0320】
３７．最終的に項目１に従属するそれぞれの項目を実装する、項目３６に記載のコンピュータ実装方法。
【0321】
３８．ターゲットクラスターをベースコールするためにコンピュータプログラム命令が記憶された非一時的コンピュータ可読記憶媒体であって、命令は、プロセッサ上で実行されると、
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
【0322】
３９．最終的に項目１に従属するそれぞれの項目を実装する、項目３８に記載の非一時的コンピュータ可読記憶媒体。
【0323】
４０．メモリに結合された１つ以上のプロセッサを含むシステムであって、メモリは、ターゲットクラスターをベースコールするためのコンピュータ命令がロードされ、命令は、プロセッサ上で実行されると、
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、アクションを実装する、システム。
ターゲットクラスターについて、
現在の強度データ及び履歴強度データにアクセスすることであって、
現在の強度データは、配列決定ランの現在の配列決定サイクルに対するものであり、
履歴強度データは、配列決定ランの１つ以上の先行する配列決定サイクルに対するものである、ことと、
現在の強度データ及び履歴強度データを使用して、次の強度データを補正し、補正された次の強度データを生成することであって、
次の強度データは、配列決定ランの次の配列決定サイクルに対するものである、ことと、
補正された次の強度データに基づいて、次の配列決定サイクルでターゲットクラスターをベースコールすることと、を含む、アクションを実装する、システム。
【0324】
４１．最終的に項目１に従属するそれぞれの項目を実装する、項目４０に記載のシステム。
【0325】
本発明は、上述の好ましい実施形態及び実施例を参照して開示されているが、これらの実施例は、限定的な意味でではなく例示的な意味で意図されていることが理解されるべきである。当業者であれば、変更及び組み合わせが容易に生じ、その変更及び組み合わせは、本発明の趣旨及び以下の特許請求の範囲の範囲内にあると考えられる。
【符号の説明】
【0326】
１ クラスター
２ クラスター
３ クラスター
３０２ 最小二乗法決定器
３１２ 強度モデラー
３２２ 最小化器
１５００ コンピュータシステム
１５１０ 記憶サブシステム
１５２２ メモリサブシステム
１５３２ ＲＡＭ
１５３４ ＲＯＭ
１５３６ ファイル記憶サブシステム
１５３８ ユーザインターフェース入力デバイス
１５５５ バスサブシステム
１５７２ ＣＰＵ
１５７４ ネットワークインターフェースサブシステム
１５７６ ユーザインターフェース出力デバイス
１５７８ プロセッサ
２ クラスター
３ クラスター
３０２ 最小二乗法決定器
３１２ 強度モデラー
３２２ 最小化器
１５００ コンピュータシステム
１５１０ 記憶サブシステム
１５２２ メモリサブシステム
１５３２ ＲＡＭ
１５３４ ＲＯＭ
１５３６ ファイル記憶サブシステム
１５３８ ユーザインターフェース入力デバイス
１５５５ バスサブシステム
１５７２ ＣＰＵ
１５７４ ネットワークインターフェースサブシステム
１５７６ ユーザインターフェース出力デバイス
１５７８ プロセッサ
【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】
【国際調査報告】