特許
J-GLOBAL ID：201503014504003960

分光分析および構造化分類による微生物の同定

発明者：
ケヴィン・ヴェルヴィエ

ケヴィン・ヴェルヴィエ について

, 
ピエール・マエ

ピエール・マエ について

, 
ジャン-バティスト・ヴェイリエラ

ジャン-バティスト・ヴェイリエラ について


出願人/特許権者：
ベーイーオー・メリュー

ベーイーオー・メリュー について


代理人 (4件)： 村山 靖彦 ,  志賀 正武 ,  渡邊 隆 ,  実広 信哉
公報種別：公表公報
出願番号（国際出願番号）：特願2015-503853
公開番号（公開出願番号）：特表2015-522249
出願日： 2013年04月02日
公開日（公表日）： 2015年08月06日
要約：
本発明は、未知の微生物を基準種の集合から分光分析によって同定する方法であって、基準種の分類モデルの教師あり学習の第1のステップと、同定される未知の微生物を予測する第2のステップであって、未知の微生物のスペクトルを取得するステップと、前記スペクトルおよび分類モデルに従って予測モデルを適用して、未知の微生物が属する微生物の少なくとも1つのタイプを推測するステップとを含む、第2のステップとを含む方法に関する。 この分類モデルは、進化および/または臨床的表現型に関して基準種のツリー状階層的表現のノードに適用され、かつツリーノード間の近接性を定量化するいわゆる「損失」関数を含むマージン制約を有する、構造化されたマルチクラスSVMアルゴリズムを用いて計算される。
請求項（抜粋）：
未知の微生物を基準種の集合から分光分析によって同定する方法であって、 ・基準種分類モデルの教師あり学習の第1の段階であって、 ○各種に対して、前記種に属する同定された微生物の訓練スペクトルの集合を取得するステップと、 ○マルチクラスサポートベクターマシン型アルゴリズムによって使用するための所定の形式に従って、取得された各訓練スペクトルを訓練データの集合に変換するステップと、 ○マルチクラスサポートベクターマシン型の前記アルゴリズムを用いて、前記訓練データの集合の関数として前記基準種の前記分類モデルを決定するステップと を含む、第1の段階と、 ・同定される未知の微生物を予測する第2のステップであって、 ○前記未知の微生物のスペクトルを取得するステップと、 ○前記スペクトルおよび前記分類モデルに従って予測モデルを適用して、前記未知の微生物が属する微生物の少なくとも1つの種類を推測するステップと を含む、第2のステップと を含む方法において、 ・各取得された訓練スペクトルの前記変換が、 ○前記スペクトルを、前記訓練スペクトルの構造を表すデータベクトルに変換するステップと、 ○前記データベクトルと、進化および/または臨床的表現型に関する前記基準種のツリー状の階層的表現における前記微生物の前記基準種の位置を全単射的に表す所定のベクトルと、のテンソル積を計算することによって、前記所定の形式による前記データの集合を生成するステップと を含み、 ・前記分類モデルが、前記階層的表現のツリーのノードに対応するクラスの分類モデルであり、マルチクラスサポートベクターマシン型の前記アルゴリズムが、前記ツリーノード間の近接性を定量化するいわゆる「損失関数」を含むマージン制約の下で前記分類モデルのパラメータに従って表現される基準の最適化の単一問題を解決することによって前記分類モデルのパラメータを決定するステップを含む ことを特徴とする方法。
IPC (4件)：
C12Q 1/04 ,  G01N 21/25 ,  C12M 1/34 ,  G06F 19/24
FI (4件)：
C12Q1/04 ,  G01N21/25 ,  C12M1/34 B ,  G06F19/24
Fターム (21件)：
2G059AA01 ,  2G059BB12 ,  2G059CC16 ,  2G059EE07 ,  2G059FF08 ,  2G059MM05 ,  2G059MM09 ,  2G059MM10 ,  4B029AA07 ,  4B029BB01 ,  4B029BB02 ,  4B029CC02 ,  4B029FA03 ,  4B063QA18 ,  4B063QQ05 ,  4B063QQ06 ,  4B063QR74 ,  4B063QS36 ,  4B063QS39 ,  4B063QX01 ,  4B063QX04
引用特許：
審査官引用 (4件)
全件表示
引用文献：
審査官引用 (4件)
全件表示

前のページに戻る

TOP

BOTTOM