液体クロマトグラフィー-質量分析（LC-MS）技術は、液体クロマトグラフィーの高い分離能力と質量分析の高感度同定能力を組み合わせ、生命科学、臨床医学、環境科学などの分野で重要な分析ツールとなっている。しかし、生成される高次元で複雑かつノイズを含む生データは、高効率かつ堅牢なデータ処理アルゴリズムを必要とし、原信号から有効な科学情報への変換を実現しなければならない。本論文は、LC-MSデータ処理フローにおける三大重要課題である信号抽出、時空間アライメントおよび物質同定に焦点を当て、その方法論の進化と内在的論理を詳細に解析し、併せて現在のアルゴリズム研究が直面する汎化性不足、ベンチマークデータセットの欠如、ソフトウェアエコシステムの断片化といった共通課題を明らかにする。これらの課題に対して、物理的に誘導された人工知能モデリングおよび標準化されたベンチマーク体系の構築方向を提案し、アルゴリズム開発には装置メカニズムとデータサイエンスの融合が必要であることを強調し、高いロバスト性、解釈性、クラウド協調可能な次世代LC-MSデータ処理技術の構築を目指す。

液体クロマトグラフィー-質量分析;データ処理;深層学習;特徴抽出;保持時間補正;物質同定