グラセフ 5 オンライン スロット
プレートの種類： シングルリポーター（Single Reporter） 器械： ７７００シークエンスデテクションシステム（7700 S equence Detection System） 運転： 実時間 染料層： エフエイエム（FAM） サンプルの種類： 未知である サンプル容積： ５０ｕｌ（マイクロリットル） 運転条件： ７０℃ ２分１サイクル データ収集せず ６８℃ １０秒９８サイクル データ収集する 自動インクレメント ＋０．３℃／サイクル ２５℃ ”長期間” 該多成分データは該器械から移出され該分析に使用された。特定のデーエヌエ イフラグメントの製作は該アンプリフアイ（amplified）されたサンプルにビー エイエックスローデイングダイ（BAX R Loading Dye）の１５マイクロリットルを 添加することにより検証された。次いで１５マイクロリットルのアリコートが臭 化エチジウムを含む２％アガロースゲル（agarose gel）のウエル（well）内に 装填された。該ゲルは３０分間１８０ボルトで運転された。特定の生成物は次い でユーブイトランスイルミネーション（UV transillumination）を使用して可視 化された。 データ分析 生の蛍光量（raw fluorescence）データが処理用にマイクロソフトエクセル（ Microsoft Excel）に移入された。この段階からデータを可視化し該データから 予測をするため分岐的取り組みが使用された。 データ事前処理（Data Preprocessing） 蛍光ノイズを減らすために該データを事前処理することは成功するモデリング の尤度（likelihood）を増すことが実験的に決定された。該データ事前処理は次 の過程から成り、すなわち、 ａ．蛍光データ（fluorescence data）の正規化、 ｂ．０．１℃の解像度でキュービックスプライン関数（cubic spline functio n）を用いた該正規化蛍光の内挿補間、 ｃ．内挿補間された蛍光スペクトラムの対数を取る、 ｄ．２５点サビツスキーゴレイ平滑化関数（25 point Savitsky Golay smooth ing function）を用いた該蛍光の対数の平滑化、 である。, グラセフ 5 オンライン スロット. 最終温度スペクトラムはここで説明されるモデリング方法への入力の集合とし て使用される。該温度スペクトラムを使用した２つの異なるモデリング例を説明 する。 過程ａ．データの正規化と可視化 該蛍光データは、最初にスペクトラム内の最低測定蛍光レベルを決定し、この 値を、直流オフセットを除くために、該スペクトラム内の各点から引くことによ り正規化される。上記の過程ａ．の正規化されたデータは次いでサビツスキーゴ レイの平滑化アルゴリズム(Savitzky-Golay smoothing algorithm)で平滑化され る。温度に対する平滑化蛍光の負の導関数｛−ｄｌｏｇ（Ｆ）／ｄＴ｝が取られ 、−ｄｌｏｇ（Ｆ）／ｄＴ（ｙ軸）対温度（ｘ軸）としてプロットされる。 過程ｂ．該データからの予測 該正規化されたデータからスタートして、キュービックスプライン内挿関数（ cubic spline interpolating function）を使用して０．１Ｃ分解能で該データ は内挿補間される。次いで該内挿されたデータの対数が取られ、次いで２．５度 （すなわち０．１℃で２５の点）上でサビツスキーゴレイの平滑化アルゴリズム を用いて平滑化される。温度に対する該ログの蛍光の負の導関数が取られ｛−ｄ （ｌｏｇＦ）／ｄＴ｝、サルモネラ用データ範囲：８２．０℃−９３．０℃（１ ２データ点）を用いて１．０Ｃ間隔でパース（parsed）された。 方法比較用に、ここに説明された方法は２つの他の良く知られたモデリング方 法：ニューラルネットワーク及びロジスティック回帰（logistic regression） 、と比較され、結果は下表で報告される。 見出された最も有効なＤＮＡフラグメント同定法は２つのモデリングスキーム をシーケンシャルな仕方で背中合わせで使うことを含んでいる。同定の第１レベ ルはスメア（smear）を非スメア（non-smear）から分離することである。これに 、非スメアサンプル用に関心のある特定のデーエヌエイフラグメントを同定する ことが続く。実際は、この階層的方法は、起こり得る出力カテゴリーを表す正、 負そしてスメアを有する１つの３状態モデルを使用するより精確であった。 １．特定ピーシーアールフラグメントに対する非特定ピーシーアールフラグメン トのモデリング 該ピーシーアールアンプリフイケーション過程（PCR amplification process ）は、関心のあるデーエヌエイの特定の種類に対応するフラグメントのみならず 非特定ピーシーアールフラグメントも作る。第１例は本方法の該非特定と特定の ピーシーアールフラグメント間を区別する能力を展示する。１４９のロックされ たプロセス（すなわち、対照）特定的トレーニングスペクトルと、問題食料（ピ ーシーアール用で問題があると知られる実際の食料）の３０９のテストスペクト ルと、一緒に３０の非特定的又は”スメア”の蛍光スペクトルのグループが創ら れた。０．１℃の温度分解能を有して、１１１点を含む各サンプル用の温度スペ クトル（１１．１℃の範囲上の）が創られた。該ロックされたプロセスと問題食 料サンプルの両者が陽性と陰性の標本を含んだ。この例で、該陽性のサンプルは 特定のバクテリヤ（例えば、サルモネラ）でスパイクされ（すなわち汚染され） そして陰性のサンプルはスパイクされぬ（汚染されぬ）ようにされた。該スメア サンプルはロックされたプロセストレーニング集合（１２スメアサンプル）と問 題食料テスト集合（１８スメアサンプル）の両者にランダムに導入された。該陽 性及び陰性の両サンプル状態は合併され２進のゼロ”０”文字でラベル付けされ 、該スメアサン