CN112136035B - 用于颗粒分选仪的双指数变换 - Google Patents
用于颗粒分选仪的双指数变换 Download PDFInfo
- Publication number
- CN112136035B CN112136035B CN201980033121.7A CN201980033121A CN112136035B CN 112136035 B CN112136035 B CN 112136035B CN 201980033121 A CN201980033121 A CN 201980033121A CN 112136035 B CN112136035 B CN 112136035B
- Authority
- CN
- China
- Prior art keywords
- bitmap
- transformation
- region
- vertex
- vertices
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 208
- 238000006243 chemical reaction Methods 0.000 title description 2
- 230000009466 transformation Effects 0.000 claims abstract description 452
- 238000000034 method Methods 0.000 claims abstract description 201
- 239000012530 fluid Substances 0.000 claims abstract description 55
- 230000015654 memory Effects 0.000 claims description 62
- 238000004422 calculation algorithm Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 29
- 238000009877 rendering Methods 0.000 claims description 22
- 238000000149 argon plasma sintering Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 18
- 230000031700 light absorption Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 16
- 238000003491 array Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 100
- 210000004027 cell Anatomy 0.000 description 80
- 238000003860 storage Methods 0.000 description 26
- 238000000684 flow cytometry Methods 0.000 description 25
- 238000000844 transformation Methods 0.000 description 21
- 239000012472 biological sample Substances 0.000 description 18
- 230000006870 function Effects 0.000 description 18
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 210000001519 tissue Anatomy 0.000 description 14
- 108091006146 Channels Proteins 0.000 description 12
- 241000699666 Mus <mouse, genus> Species 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000001678 irradiating effect Effects 0.000 description 11
- 239000004065 semiconductor Substances 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000012856 packing Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 239000007787 solid Substances 0.000 description 7
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 6
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- IGELFKKMDLGCJO-UHFFFAOYSA-N xenon difluoride Chemical compound F[Xe]F IGELFKKMDLGCJO-UHFFFAOYSA-N 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 239000000975 dye Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910052724 xenon Inorganic materials 0.000 description 5
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- -1 molecules Substances 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 229910052684 Cerium Inorganic materials 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 3
- 229910052769 Ytterbium Inorganic materials 0.000 description 3
- ZHNKYEGKBKJROQ-UHFFFAOYSA-N [He].[Se] Chemical compound [He].[Se] ZHNKYEGKBKJROQ-UHFFFAOYSA-N 0.000 description 3
- VZPPHXVFMVZRTE-UHFFFAOYSA-N [Kr]F Chemical compound [Kr]F VZPPHXVFMVZRTE-UHFFFAOYSA-N 0.000 description 3
- 229910052786 argon Inorganic materials 0.000 description 3
- ISQINHMJILFLAQ-UHFFFAOYSA-N argon hydrofluoride Chemical compound F.[Ar] ISQINHMJILFLAQ-UHFFFAOYSA-N 0.000 description 3
- UIZLQMLDSWKZGC-UHFFFAOYSA-N cadmium helium Chemical compound [He].[Cd] UIZLQMLDSWKZGC-UHFFFAOYSA-N 0.000 description 3
- GWXLDORMOJMVQZ-UHFFFAOYSA-N cerium Chemical compound [Ce] GWXLDORMOJMVQZ-UHFFFAOYSA-N 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- VPYURTKRLAYHEQ-UHFFFAOYSA-N copper neon Chemical compound [Ne].[Cu] VPYURTKRLAYHEQ-UHFFFAOYSA-N 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000000799 fluorescence microscopy Methods 0.000 description 3
- 239000007850 fluorescent dye Substances 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- IBBSHLLCYYCDGD-UHFFFAOYSA-N helium mercury Chemical compound [He].[Hg] IBBSHLLCYYCDGD-UHFFFAOYSA-N 0.000 description 3
- CPBQJMYROZQQJC-UHFFFAOYSA-N helium neon Chemical compound [He].[Ne] CPBQJMYROZQQJC-UHFFFAOYSA-N 0.000 description 3
- FPQDUGZBUIHCCW-UHFFFAOYSA-N helium silver Chemical compound [He].[Ag] FPQDUGZBUIHCCW-UHFFFAOYSA-N 0.000 description 3
- 229910052743 krypton Inorganic materials 0.000 description 3
- DNNSSWSSYDEUBZ-UHFFFAOYSA-N krypton atom Chemical compound [Kr] DNNSSWSSYDEUBZ-UHFFFAOYSA-N 0.000 description 3
- 238000011551 log transformation method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 229910052757 nitrogen Inorganic materials 0.000 description 3
- UZLYXNNZYFBAQO-UHFFFAOYSA-N oxygen(2-);ytterbium(3+) Chemical compound [O-2].[O-2].[O-2].[Yb+3].[Yb+3] UZLYXNNZYFBAQO-UHFFFAOYSA-N 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 239000010979 ruby Substances 0.000 description 3
- 229910001750 ruby Inorganic materials 0.000 description 3
- 229910052712 strontium Inorganic materials 0.000 description 3
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 description 3
- 239000010936 titanium Substances 0.000 description 3
- 229910052719 titanium Inorganic materials 0.000 description 3
- HGCGQDMQKGRJNO-UHFFFAOYSA-N xenon monochloride Chemical compound [Xe]Cl HGCGQDMQKGRJNO-UHFFFAOYSA-N 0.000 description 3
- NAWDYIZEMPQZHO-UHFFFAOYSA-N ytterbium Chemical compound [Yb] NAWDYIZEMPQZHO-UHFFFAOYSA-N 0.000 description 3
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 241000700159 Rattus Species 0.000 description 2
- 229910009372 YVO4 Inorganic materials 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004163 cytometry Methods 0.000 description 2
- 229910052805 deuterium Inorganic materials 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001506 fluorescence spectroscopy Methods 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 239000000543 intermediate Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 108020004999 messenger RNA Proteins 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 239000011325 microbead Substances 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 210000002381 plasma Anatomy 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 210000000582 semen Anatomy 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 210000001138 tear Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000271566 Aves Species 0.000 description 1
- 241001466804 Carnivora Species 0.000 description 1
- 241000700198 Cavia Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 241000282579 Pan Species 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 102100027198 Sodium channel protein type 5 subunit alpha Human genes 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 240000007313 Tilia cordata Species 0.000 description 1
- 210000001766 X chromosome Anatomy 0.000 description 1
- 210000002593 Y chromosome Anatomy 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 210000004381 amniotic fluid Anatomy 0.000 description 1
- 238000003975 animal breeding Methods 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004624 confocal microscopy Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003937 drug carrier Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004700 fetal blood Anatomy 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 230000023597 hemostasis Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 230000000366 juvenile effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 210000004880 lymph fluid Anatomy 0.000 description 1
- 239000006166 lysate Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001179 synovial fluid Anatomy 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1425—Optical investigation techniques, e.g. flow cytometry using an analyser being characterised by its control arrangement
- G01N15/1427—Optical investigation techniques, e.g. flow cytometry using an analyser being characterised by its control arrangement with the synchronisation of components, a time gate for operation of components, or suppression of particle coincidences
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/149—Optical investigation techniques, e.g. flow cytometry specially adapted for sorting particles, e.g. by their size or optical properties
- G01N15/1492—Optical investigation techniques, e.g. flow cytometry specially adapted for sorting particles, e.g. by their size or optical properties within droplets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/149—Optical investigation techniques, e.g. flow cytometry specially adapted for sorting particles, e.g. by their size or optical properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1477—Multiparameters
Landscapes
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Dispersion Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明的方面包括利用从流体介质内的颗粒中检测到的光的数据图来生成位图的方法。根据某些实施例的方法包括:检测来自流体介质中的颗粒的光;利用所检测到的光的测量值生成数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。本发明还提供***以及具有编程功能的集成电路器件(例如,现场可编程门阵列),所述编程功能适用于根据标的方法生成位图。
Description
相关专利申请的交叉引用
根据《美国法典》第35章第119节(e)项的规定,本专利申请案主张于2018年4月26日提交的编号为62/663,086的美国临时专利申请案提交日期的优先权;该专利中的内容以引用方式并入本文中。
技术领域
本专利申请案通常涉及颗粒分选***和方法,尤其涉及用于控制分选电子器件配置以响应于双指数或其他参数变换的颗粒分选***和方法。
背景技术
颗粒分析仪(例如,流式细胞仪和扫描式细胞仪)是一种分析工具,其可基于光散射和荧光等光学参数来表征颗粒。在流式细胞仪中,例如,流体悬浮液中的颗粒(例如分子、与分析物结合的微珠或个别细胞)通过检测区域,在所述区域内,所述颗粒暴露于通常来自一台或更多台激光器的激发光中,并且测定所述颗粒的光散射和荧光特性。颗粒或其组分通常用荧光染料标记以便进行检测。各种不同的颗粒或组分可以通过用光谱特性不同的荧光染料标记来同时加以检测。在一些实施方案中,所述分析仪包括多台光电检测器,适用于待测定的每个散射参数,适用于待检测的每种不同染料。所获得的数据包含针对每个光散射参数和所述荧光发射测得的所述信号。
细胞仪可以进一步包含用于记录所测得的数据并分析所述数据的装置。例如,可以使用与所述检测电子器件连接的计算机来进行数据存储和分析。例如,所述数据可以表格形式存储,其中每一行对应于一个颗粒的数据,而所述列对应于每个被测参数。使用标准文件格式(例如,“FCS”文件格式)存储来自流式细胞仪的数据有助于采用单独的程序和/或机器分析数据。采用当前分析方法时,所述数据通常以二维(2D)图的形式展示,以便于可视化,但也可采用其他方法来使多维数据可视化。
使用流式细胞仪测定的参数通常包括所述颗粒主要沿前向散射的所述激发光(被称为前向散射(FSC));所述颗粒主要沿侧向散射的所述激发光(被称为侧向散射(SSC));以及由一个或更多个光谱通道(频率范围)中的荧光分子发射出的光(被称为FL1、FL2等)或由主要在所述通道中检测到的荧光染料发射出的光。不同的细胞类型可以通过用染料标记的抗体标记各种细胞蛋白而得到/产生的所述散射参数和荧光发射加以识别。
流式细胞仪和扫描式细胞仪均可从诸如BD Biosciences(加利福尼亚州圣何塞)等处购得。流式细胞术的相关描述请见以下出版物,例如,Landy等人(编),临床流式细胞术,纽约科学院年鉴,第677卷(1993年);Bauer等人(编),临床流式细胞术:原理与应用,Williams&Wilkins(1993年);Ormerod(编),流式细胞术:实用方法,牛津大学出版社(1994年);Jaroszeski等人(编),流式细胞术方案,Methods in Molecular Biology,第91期,Humana Press(1997年);以及Shapiro,实用流式细胞术,第4版,Wiley-Liss(2003年);所述出版物中的所有内容以引用方式并入本文。荧光成像显微镜检查的相关描述请见以下出版物,例如,Pawley(编),生物共聚焦显微镜检查手册,第2版,Plenum Press(1989年),其以引用方式并入本文。
利用多色流式细胞术进行细胞(或其他颗粒)分析所获得的数据是多维的,其中每个细胞对应于由所述被测参数定义的多维空间中的一个点。细胞群或颗粒群被识别为所述数据空间中的点的群集。可以通过在所述数据的一个或更多个二维图(被称为“散点图”或“点阵图”)中显示的某一群体周围绘制门来手动识别群集和群体。或者,可以自动识别群集,而且可以自动确定定义所述群体界限的门。用于自动设门的方法示例请见以下出版物,例如,编号如下的美国专利:4,845,653;5,627,040;5,739,000;5,795,727;5,962,238;6,014,904;6,944,338;以及第2012/0245889号美国专利公开出版物,上述各出版物均以引用方式并入本文。
流式细胞术是用于分析和分离生物颗粒(例如,细胞和组成分子)的有效方法,因此,它广泛应用于诊断和治疗中。所述方法利用流体介质线性分离颗粒,使所述颗粒可以排成一排,以通过检测装置。个别细胞可以根据其在流体介质中的位置以及是否存在可检测标记物来区分。因此,流式细胞仪可用于生成生物颗粒群的诊断配置文件。
生物颗粒的分离已通过使流式细胞仪具有分选或收集功能而实现。经检测具有一种或多种所需特征的分离流中的颗粒通过机械或电气去除方式从所述样品流中单独分离出来。这种流式分选方法已用于分选不同类型的细胞,分离含有X和Y染色体的***以进行动物育种,分选染色体以进行遗传分析,以及从复杂的生物种群中分离出特定的生物体。
设门用于帮助理解可能由样品生成的大量数据。鉴于一个给定样品所呈现出的大量数据,即使在所述数据转换之后,也需要有效、准确地控制所述数据的图形显示以提供一致的视图。
发明内容
本发明的***、方法和设备各自具有若干创新方面,其中无单个方面单独负责本文所揭示的合乎需求的属性的情况。
本发明的方面包括利用在流体介质内的颗粒中测得的光的数据图来生成位图的方法。根据某些实施例的方法包括:检测来自流体介质中的颗粒的光;利用所检测到的光的测量值生成数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。在实施例中,应用于所述位图中每个顶点的所述算法变换类型与所述数据图中各对应顶点相关联的算法变换类型相同。
在实施例中,在所述流体介质中检测来自颗粒的光。在一些实施例中,方法包括检测来自所述流体介质的光吸收、光散射、光发射(例如,荧光)中的一种或多种。在一些情况下,由所检测到的光吸收(例如,明场图像数据)生成在颗粒中测得的光的数据图。在其他情况下,由所检测到的光散射(例如,前向散射图像数据、侧向散射图像数据)生成在颗粒中测得的光的数据图。在其他情况下,由所检测到的荧光(例如,荧光标记图像数据)生成在颗粒中测得的光的数据图。在其他情况下,由所检测到的光吸收、所检测到的光散射和所检测到的荧光中的两种或更多种的组合生成在颗粒中测得的光的数据图。
在一些实施例中,计算构成所述数据图中每个颗粒群区域边界的一组顶点包括确定每个顶点沿所述数据图各轴的最小值和最大值。例如,确定每个顶点沿所述数据图的x轴和y轴的最小值和最大值。每个顶点都与算法变换相关联。在实施例中,所述颗粒群区域中每个顶点的所述算法变换可以是线性数值变换、对数数值变换、双指数数值变换或其组合。在一些实施例中,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,方法包括确定应用于所述位图中所述对应顶点的线性变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,方法包括确定应用于所述位图中所述对应顶点的对数变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为双指数变换时,方法包括确定应用于所述位图中所述对应顶点的变换,其包含对称对数变换和线性变换中的两种或以上。在一些实施例中,对齐应用于所述位图的所述算法变换。在一些情况下,将仿射变换应用于所述位图。
根据某些实施例的方法包括针对所述数据图生成含有两个或以上图块的位图,例如,包括3个或以上图块、4个或以上图块、5个或以上图块、6个或以上图块、7个或以上图块、8个或以上图块以及包括9个或以上图块的位图。在这些实施例中,可以确定应用于每个位图图块中每个顶点的算法变换。所述位图可以通过绘制与所述数据图的所述区域相对应的多边形来生成。例如,所述位图可以利用多边形绘制算法(例如,多边形扫描线填充算法)来生成。
在一些实施例中,方法进一步包括基于所生成的位图生成适用于某一区域中的颗粒的分选决策。在一些情况下,所述分选决策是基于具有真值表的位图生成的。在其他情况下,所述分选决策是基于具有一个或更多个逻辑或门的位图生成的。在某些情况下,所述分选决策是基于具有分层次的逻辑或门的位图生成的。在某些实施例中,所述流体介质中的颗粒是取自生物样品的细胞。在这些实施例中,方法包括生成具有不同细胞群区域的数据图;生成本文所述的位图;以及基于所生成的位图生成适用于所述样品中每个细胞群的分选决策。在某些实施例中,方法进一步包括采用细胞分选***(例如,具有液滴偏转器的流式细胞仪)对细胞进行分选。
本发明的方面还包括利用在流体介质内的颗粒中测得的光的数据图来生成位图的***。根据某些实施例的***包括:光源,被配置成辐照流体介质中的颗粒;光检测***,其具有一台或更多台光电检测器;以及处理器,其包含与所述处理器可操作地耦合的存储器,其中所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:生成所检测到的光的测量值的数据图,使得所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;
生成每个颗粒区域的位图,使得每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。在实施例中,所述光检测***包括光电检测器,其被配置成检测光吸收、光散射和荧光或其组合中的一种或多种。
在一些实施例中,***包括处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器通过确定每个顶点沿所述数据图各轴的最小值和最大值,计算构成所述数据图中每个区域边界的所述顶点组。所述颗粒群区域中每个顶点的所述算法变换可以是线性数值变换、对数数值变换、双指数数值变换或其组合。在一些实施例中,所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:即,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,确定应用于所述位图中所述对应顶点的线性变换。在其他实施例中,所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:即,在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,确定应用于所述位图中所述对应顶点的对数变换。在其他实施例中,所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:即,在与所述数据图中某一顶点相关联的所述算法变换为双指数变换时,确定应用于所述位图中所述对应顶点的变换,其具有对称对数变换和线性变换中的两种或以上。在一些实施例中,标的***被配置成对齐应用于所述位图的所述算法变换。在某些情况下,***被配置成对所述位图应用仿射变换。
根据某些实施例的***被配置成针对所述数据图生成含有两个或以上图块的位图,例如,包括3个或以上图块、4个或以上图块、5个或以上图块、6个或以上图块、7个或以上图块、8个或以上图块以及包括9个或以上图块的位图。在这些实施例中,可以确定应用于每个位图图块中每个顶点的算法变换。目的***可被配置成通过绘制与所述数据图的所述区域相对应的多边形来生成所述位图。例如,所述位图可以利用多边形绘制算法(例如,多边形扫描线填充算法)来生成。
在一些实施例中,***被配置成基于所生成的位图生成适用于某一区域中的颗粒的分选决策。在一些情况下,所述分选决策组件(例如,分选模块)基于具有真值表的位图生成分选决策。在其他情况下,所述分选决策组件基于具有一个或更多个逻辑或门的位图生成分选决策。在某些情况下,所述分选决策组件采用分层次的逻辑或门来生成分选决策。在某些实施例中,所述流体介质中的颗粒是取自生物样品的细胞。在一些情况下,***进一步包括用于分选流体介质中的样品组分的液滴分选仪。
本发明的方面还包括集成电路器件,其被编程为:生成包含所检测到的光的测量值的数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。在某些情况下,目的集成电路器件可以包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)或复杂可编程逻辑器件(CPLD)。
在一些实施例中,本发明提供了一种用于配置颗粒分析仪以收集指定颗粒的控制设备。所述控制设备包括:输入设备端口,其被配置成接收来自输入设备的消息;与所述输入设备端口进行数据通信的事件***,所述事件***被配置成处理接收自输入设备的消息;存储可执行指令的计算机可读存储器;以及一个或更多个与所述计算机可读存储器通信的计算机处理器。一个或更多个所述计算机处理器被配置成执行所述可执行指令。所述可执行指令促使所述控制设备提供包括第一图的图形显示,所述第一图包括第一轴,其中所述第一图包括第一选择,所述第一选择确定适用于某一颗粒群测量值的所述第一图的第一区。所述可执行指令促使所述控制设备通过所述输入设备端口自第一输入设备接收对所述第一轴的缩放调整请求。所述可执行指令也促使所述控制设备至少部分基于所述缩放调整以及可用于颗粒分析仪(用以处理样品)的资源,确定用于划分所述第一轴的区域数量;将所述第一轴划分为所述数量的区域;确定所述第一区域的第一变换;确定所述第二区域的第二变换;对于由第一组顶点定义的所述第一选择的第一部分(其中所述第一部分位于所述第一区域范围内),利用所述第一组顶点和所述第一变换生成第一组经平移的顶点;对于由第二组顶点定义的所述第一选择的第二部分(其中所述第二部分位于所述第二区域范围内),利用所述第二组顶点和所述第二变换生成第二组经平移的顶点;以及将第一组经平移的顶点与第二组经平移的顶点结合以形成第二选择。所述可执行指令也促使所述控制设备至少部分基于所述第二选择生成分选配置,其中所述分选配置至少包含真值表或分层次的逻辑或门中的任一项;以及配置所述颗粒分析仪,以利用所述分选配置对所述样品中的颗粒进行分选。本方面的其他实施例包括相应的计算机***、装置以及记录在一个或更多个计算机存储设备上的计算机程序,每个计算机存储设备均被配置成至少执行所述创新功能的一部分。
附图说明
结合附图阅读以下详细说明,可获得对本发明最全面的理解。附图中包括以下图示:
图1是根据本文所示的一个实施例的细胞分选***100的示意图。
图2显示了图形控制***的一个示例的功能框图,所述图形控制***可以执行所述的一项或多项功能。
图3显示了采用双指数缩放的初始图。
图4A显示了图3所示的初始图缩放后的图块排列。
图4B显示了初始图的特定图块排列。
图5显示了图形控制***的一个示例的功能框图,所述图形控制***可以执行所述的一项或多项功能。
图6显示了一种门变换方法的过程流程图。
图7描绘了用于生成根据某些实施例的分选决策的一系列嵌套的与门和或门。
具体实施方式
本发明的方面包括利用从流体介质内的颗粒中检测到的光的数据图来生成位图的方法。根据某些实施例的方法包括:检测来自流体介质中的颗粒的光;利用所检测到的光的测量值生成数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。本发明还提供***以及具有编程功能的集成电路器件(例如,现场可编程门阵列),所述编程功能适用于根据标的方法生成位图。
在更加详细地描述本发明之前,应当理解,本发明不限于所描述的特定实施例,因为在实际实施中一定会存在差异。还应当理解,本文中使用的术语仅用于描述特定实施例,而无意限制本发明构思,本发明的范围将仅由所附权利要求书限定。
在提供数值范围的情况下,应当理解,该范围的上限和下限之间的每个中间值以及在该范围内的任何其他规定值或中间值都包含在本发明的范围内。除非上下文另有明确规定,否则每个中间值应低至下限单位的十分之一。这些较小范围的上限和下限可独立地包括在较小范围内,并且也包括在本发明内,需遵守所述范围内任何特别排除的限值的要求。在所述范围包括一个或两个限值的条件下,排除了那些所包括限值中的任一个或两个的范围也包括在本发明内。
本文中提出的某些范围在数值前带有术语“大约”。本文中使用术语“大约”的目的是为其后的精确数字以及与该术语之后数字接近或近似的数字提供文字支持。在确定某一数字是否接近或近似于具体列举的数字时,接近或近似的未列举数字在其出现的上下文中可以是基本上等同于所具体列举数字的数字。
除非另有定义,否则本文所用的所有技术和科学术语的含义与本发明所属领域的普通技术人员通常理解的含义相同。尽管与本文所描述的方法和材料类似或等同的方法和材料也可用于本发明的实施或测试中,但下文描述了具有代表性的示例性方法和材料。
在本说明书中引用的所有出版物和专利通过引用方式并入本文中,犹如每一单独出版物或专利被具体地和单独地表明通过引用方式并入,且通过引用并入本文的目的是公开和描述与引用的出版物相关的方法和/或材料。任何出版物的引用均是针对其在申请日之前公开的内容,并且不应将其解释为承认由于之前的发明使得本发明无权早于此类出版物。此外,所提供的出版日期可能与实际出版日期不同,可能需要单独确认。
需要注意的是,如本文和所附权利要求书中所使用的,单数形式的“一”、“一个”和“所述/该”包括复数指代对象,除非上下文另有明确说明。还应注意,可以起草权利要求以排除任何可选要素。因此,该陈述旨在作为使用诸如“单独”、“仅”等与陈述权利要求要素有关的专用术语或使用“否定”限制的前置基础。
在阅读本发明后,以下内容对所属领域的技术人员来说是显而易见的,本文所描述和列出的每个单独的实施例都具有分层的组分和特征,这些组分和特征可在不脱离本发明的范围和精神的情况下与其他几个实施例中任一实施例的特征进行快速分解或合并。可按陈述的事件顺序或逻辑上可能的任何其他顺序实施任何陈述的方法。
尽管为了语法的流畅性已经或将要描述该设备和方法,并进行功能上的说明,但应明确理解,除非《美国法典》第35章有明确规定,否则任何情况下都不得将权利要求解释为必须受“方式”或“步骤”的限制,而应按照等效物的司法原则与权利要求中所述定义的含义和等效物的完整范围相符,当明确按照《美国法典》第35章第112节的规定编写权利要求时,权利要求应与《美国法典》第35章第112节中的法定等效物完全相符。
分选样品中颗粒的方法
本发明的方面包括利用在流体介质内的颗粒中测得的光的数据图来生成位图的方法。根据某些实施例的方法包括:检测来自流体介质中的颗粒的光;利用所检测到的光的测量值生成数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。在实施例中,应用于所述位图中每个顶点的所述算法变换类型与所述数据图中各对应顶点相关联的算法变换类型相同。
在一些实施例中,方法包括分选样品中的颗粒(例如,生物样品中的细胞)。在实施根据某些实施例的方法时,用光源辐照样品,并检测来自样品的光,以生成具有所检测到的光的测量值的数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群。在一些情况下,所述样品是一种生物样品。术语“生物样品”采用其常规含义,是指整个生物体、植物、真菌或动物组织的子集、细胞或组成部分,在某些情况下,可能见于血液、粘液、淋巴液、滑液、脑脊液、唾液、支气管肺泡灌洗液、羊水、羊膜脐带血、尿液、***液和***中。因此,“生物样品”既指天然生物体或其组织的子集,也指利用所述生物体或其组织的子集制备的匀浆、裂解物或提取物,包括但不限于:血浆;血清;脊髓液;淋巴液;皮肤、呼吸道、胃肠道、心血管和泌尿生殖道切片;眼泪;唾液;乳汁;血细胞;肿瘤;器官等。生物样品可以是任何类型的生物组织,包括健康组织和病理组织(例如,癌组织、恶性组织、坏死组织等)。在某些实施例中,所述生物样品是一种液体样品,例如,血液或其衍生物(例如,血浆、眼泪、尿液、***等),其中,在某些情况下,样品是一种血液样品,包括全血样品,例如,血液通过静脉穿刺或手指针刺获取的血液(其中,血液在分析之前可能会也可能不会与任何试剂(例如防腐剂、抗凝剂等)混合)。
在某些实施例中,所述样品来源为“哺乳动物”,此术语被广泛地用于描述属于哺乳动物类的生物体,包括食肉动物(例如狗和猫)、啮齿类动物(例如小鼠、豚鼠和大鼠)以及灵长类动物(例如人、黑猩猩和猴子)。在某些情况下,受试者是人类。方法可适用于从任何发育阶段(即新生儿、婴儿、少年、青少年、成人)的男性和女性受试者中获取的样品,在其中某些实施例中,所述人类受试者是少年、青少年或成人。尽管本发明适用于取自人类受试者的样品,但应当理解,所述方法也可对取自其他动物受试者(即在“非人类受试者”中)的血液实施,这些受试者包括但不限于鸟类、小鼠、大鼠、狗、猫、家畜和马。
在实施标的方法时,用来自光源的光辐照具有颗粒的样品(例如,在流式细胞仪的流体介质中)。在一些实施例中,所述光源是一种宽带光源,其发射出具有宽范围波长的光,例如,跨度为50nm或以上、100nm或以上、150nm或以上、200nm或以上、250nm或以上、300nm或以上、350nm或以上、400nm或以上,包括500nm或以上的跨度。例如,一种合适的宽带光源发射出波长范围为200nm至1500nm的光。合适的宽带光源的另一示例包括发射出波长范围为400nm至1000nm的光的光源。在方法包括用宽带光源进行辐照的情况下,目的宽带光源方案可能包括但不限于:卤素灯、氘弧灯、氙弧灯、稳定的光纤耦合宽带光源、具有连续光谱的宽带LED、超辐射发光二极管、半导体发光二极管、宽光谱LED白色光源、多颗LED集成光源及其他宽带光源或上述任意组合。
在其他实施例中,方法包括用发射出特定波长或窄范围波长的光的窄带光源进行辐照,例如,用发射出窄范围波长的光的光源进行辐照,例如,范围跨度为50nm或以下、40nm或以下、30nm或以下、25nm或以下、20nm或以下、15nm或以下、10nm或以下、5nm或以下、2nm或以下,包括发射出一种特定波长的光(即单色光)的光源。在方法包括用窄带光源进行辐照的情况下,目的窄带光源方案可能包括但不限于:窄波长LED、激光二极管或与一个或更多个光学带通滤波器、衍射光栅、单色仪耦合的宽带光源或其任意组合。
在某些实施例中,方法包括用一台或更多台激光器辐照所述流体介质。如上所述,激光器的类型和数量将根据所述样品和收集的所需光而变化,且可以是一种脉冲激光器或连续波激光器。例如,所述激光器可以是一种气体激光器,例如,氦氖激光器、氩激光器、氪激光器、氙激光器、氮激光器、CO2激光器、CO激光器、氟化氩(ArF)准分子激光器、氟化氪(KrF)准分子激光器、氯化氙(XeCl)准分子激光器或氟化氙(XeF)准分子激光器或其组合;或是一种金属蒸气激光器,例如,氦镉(HeCd)激光器、氦汞(HeHg)激光器、氦硒(HeSe)激光器、氦银(HeAg)激光器、锶激光器、氖铜(NeCu)激光器、铜激光器或金激光器及其组合;或是一种固态激光器,例如,红宝石激光器、Nd:YAG激光器、NdCrYAG激光器、Er:YAG激光器、Nd:YLF激光器、Nd:YVO4激光器、Nd:YCa4O(BO3)3激光器、Nd:YCOB激光器、钛蓝宝石激光器、thulim YAG激光器、YAG镱激光器、三氧化二镱激光器或掺铈激光器及其组合;亦或是一种半导体二极管激光器、光泵浦半导体激光器(OPSL)或上述任一种激光器的二倍频或三倍频实施方案。
可以用上述一种或多种光源辐照所述样品,例如,2种或以上的光源、3种或以上的光源、4种或以上的光源、5种或以上的光源,包括10种或以上的光源。所述光源可能包括光源类型的任意组合。例如,在一些实施例中,所述方法包括用激光器阵列辐照所述流体介质中的样品,例如,具有一台或更多台气体激光器、一台或更多台染料激光器和一台或更多台固态激光器的阵列。
可以用波长范围为200nm至1500nm的光辐照所述样品,例如,250nm至1250、300nm至1000nm、350nm至900nm,包括400nm至800nm。例如,在光源为宽带光源的情况下,可以用波长范围为200nm至900nm的光辐照所述样品。在其他情况下,在所述光源包括多个窄带光源的情况下,可以用特定波长范围为200nm至900nm的光辐照所述样品。例如,所述光源可以是多个窄带LED(1nm–25nm),每个LED分别发射出波长介于200nm至900nm之间的光。在其他实施例中,所述窄带光源包括一台或更多台激光器(例如,激光器阵列),并且用特定波长范围为200nm至700nm的激光器辐照所述样品,例如,使用具有上述气体激光器、准分子激光器、染料激光器、金属蒸气激光器和固态激光器的激光器阵列。
在采用多个光源的情况下,可以用所述光源同时或依次或其组合辐照所述样品。例如,可以用每个光源同时辐照所述样品。在其他实施例中,用每个光源依次辐照所述流体介质。在采用多个光源依次辐照所述样品的情况下,每个光源辐照所述样品的时间可以分别为0.001微秒或以上,例如,0.01微秒或以上、0.1微秒或以上、1微秒或以上、5微秒或以上、10微秒或以上、30微秒或以上,包括60微秒或以上。例如,方法可能包括用所述光源(例如激光器)在一定时间内辐照所述样品,所述持续时间范围为0.001微秒至100微秒,例如,0.01微秒至75微秒、0.1微秒至50微秒、1微秒至25微秒,包括5微秒至10微秒。在实施例中,在依次用两个或以上的光源辐照所述样品的情况下,每个光源辐照样品的持续时间可能相同,也可能不同。
用每个光源进行辐照之间的时间间隔也可能根据需要发生变化,其间隔分别为0.001微秒或以上,例如,0.01微秒或以上、0.1微秒或以上、1微秒或以上、5微秒或以上、10微秒或以上、15微秒或以上、30微秒或以上,包括60微秒或以上。例如,用每个光源进行辐照之间的时间间隔范围为0.001微秒至60微秒,例如,0.01微秒至50微秒、0.1微秒至35微秒、1微秒至25微秒,包括5微秒至10微秒。在某些实施例中,用每个光源进行辐照之间的时间间隔为10微秒。在实施例中,在依次用两个以上(即3个或以上)的光源辐照所述样品的情况下,用每个光源进行辐照之间的延迟时间可能相同,也可能不同。
所述样品可以连续地或以离散时间间隔进行辐照。在某些情况下,方法包括用所述光源连续辐照所述样品。在其他情况下,以离散时间间隔用所述光源辐照所述样品,例如,辐照时间间隔为0.001毫秒、0.01毫秒、0.1毫秒、1毫秒、10毫秒、100毫秒,包括1000毫秒或一些其他时间间隔。
根据所述光源,可以相距一定距离辐照所述样品,其中所述距离范围是可变的,例如,0.01mm或以上、0.05mm或以上、0.1mm或以上、0.5mm或以上、1mm或以上、2.5mm或以上、5mm或以上、10mm或以上、15mm或以上、25mm或以上,包括50mm或以上。此外,所述角度或辐照也可能发生变化,范围为10°至90°、15°至85°、20°至80°、25°至75°,包括30°至60°,例如90°角。
在实施标的方法时,测量来自受辐照样品的光,例如,通过在一定波长范围(例如,200nm–1000nm)内收集来自样品的光进行测量。在实施例中,方法可以包括以下一项或多项:测量所述样品的光吸收(例如,明场光数据);测量光散射(例如,前向或侧向散射光数据);以及测量所述样品的光发射(例如,荧光数据)。
可以在一种或多种波长下测量来自所述样品的光,例如,5种或以上的不同波长、10种或以上的不同波长、25种或以上的不同波长、50种或以上的不同波长、100种或以上的不同波长、200种或以上的不同波长、300种或以上的不同波长,包括在400种或以上的不同波长下测量收集到的光。
可以在波长范围200nm–1200nm中的一种或多种波长下收集光。在一些情况下,方法包括在一定波长范围内测量来自所述样品的光,例如,200nm至1200nm、300nm至1100、400nm至1000nm、500nm至900nm,包括600nm至800nm。在其他情况下,方法包括在一种或多种特定波长下测量收集到的光。例如,可以在450nm、518nm、519nm、561nm、578nm、605nm、607nm、625nm、650nm、660nm、667nm、670nm、668nm、695nm、710nm、723nm、780nm、785nm、647nm、617nm及其任何组合的一种或多种波长下测量收集到的光。在某些实施例中,方法包括测量与某些荧光团的荧光峰波长相对应的光的波长。
所收集的光可以连续地或以离散时间间隔进行测量。在某些情况下,方法包括连续对所述光进行测量。在其他情况下,以离散时间间隔测量所述光,例如,测量光的时间间隔为0.001毫秒、0.01毫秒、0.1毫秒、1毫秒、10毫秒、100毫秒,包括1000毫秒或一些其他时间间隔。
在实施标的方法期间,可以对所收集的光进行一次或多次测量,例如,2次或以上、3次或以上、5次或以上,包括10次或以上。在某些实施例中,对来自所述样品的光进行两次或以上的测量,在某些情况下,平均所述数据。
在一些实施例中,方法包括在检测所述光之前进一步调整来自样品的光。例如,来自所述样品源的光可以穿过一个或更多个透镜、镜子、针孔、狭缝、光栅、光折射器及其任何组合。在一些情况下,所收集的光穿过一个或更多个聚焦透镜,以缩小光的轮廓。在其他情况下,来自所述样品的发射光穿过一个或更多个准直仪,以减少光束发散。
在某些实施例中,方法包括用两束或更多束频移光辐照所述样品。如上所述,可以采用具有激光器和用于使激光频移的声光器件的光束发生器组件。在这些实施例中,方法包括用所述激光辐照所述声光器件。根据所述输出激光束中产生的光的所需波长(例如,用于辐照流体介质中的样品),所述激光器具有不同的特定波长,其波长范围为200nm至1500nm,例如,250nm至1250nm、300nm至1000nm、350nm至900nm,包括400nm至800nm。所述声光器件可以用一台或更多台激光器辐照,例如,2台或以上的激光器、3台或以上的激光器、4台或以上的激光器、5台或以上的激光器,包括10台或以上的激光器。所述激光器可能包括激光器类型的任意组合。例如,在一些实施例中,所述方法包括用激光器阵列辐照所述声光器件,例如,具有一台或更多台气体激光器、一台或更多台染料激光器和一台或更多台固态激光器的阵列。
在采用多台激光器的情况下,可以用所述激光器同时或依次或其组合辐照所述声光器件。例如,可以用每台激光器同时辐照所述声光器件。在其他实施例中,用每台激光器依次辐照所述声光器件。在采用多台激光器依次辐照所述声学器件的情况下,每台激光器辐照所述声学器件的时间可以分别为0.001微秒或以上,例如,0.01微秒或以上、0.1微秒或以上、1微秒或以上、5微秒或以上、10微秒或以上、30微秒或以上,包括60微秒或以上。例如,方法可能包括用所述激光器在一定时间内辐照所述声学器件,所述持续时间范围为0.001微秒至100微秒,例如,0.01微秒至75微秒、0.1微秒至50微秒、1微秒至25微秒,包括5微秒至10微秒。在实施例中,在依次用两台或以上的激光器辐照所述声光器件的情况下,每台激光器辐照所述声光器件的持续时间可以相同,也可以不同。
用每台激光器进行辐照之间的时间间隔也可能根据需要发生变化,其间隔分别为0.001微秒或以上,例如,0.01微秒或以上、0.1微秒或以上、1微秒或以上、5微秒或以上、10微秒或以上、15微秒或以上、30微秒或以上,包括60微秒或以上。例如,用每个光源进行辐照之间的时间间隔范围为0.001微秒至60微秒,例如,0.01微秒至50微秒、0.1微秒至35微秒、1微秒至25微秒,包括5微秒至10微秒。在某些实施例中,用每台激光器进行辐照之间的时间间隔为10微秒。在实施例中,在依次用两台以上(即3台或以上)的激光器辐照所述声光器件的情况下,用每台激光器进行辐照之间的延迟时间可能相同,也可能不同。
所述声光器件可以连续地或以离散时间间隔进行辐照。在一些情况下,方法包括用所述激光器连续辐照所述声光器件。在其他情况下,以离散时间间隔用所述激光器辐照所述声光器件,例如,辐照时间间隔为0.001毫秒、0.01毫秒、0.1毫秒、1毫秒、10毫秒、100毫秒,包括1000毫秒或一些其他时间间隔。
根据所述激光器,可以相距一定距离辐照所述声光器件,其中所述距离范围是可变的,例如,0.01mm或以上、0.05mm或以上、0.1mm或以上、0.5mm或以上、1mm或以上、2.5mm或以上、5mm或以上、10mm或以上、15mm或以上、25mm或以上,包括50mm或以上。此外,所述角度或辐照也可能发生变化,范围为10°至90°、15°至85°、20°至80°、25°至75°,包括30°至60°,例如90°角。
在实施例中,方法包括向所述声光器件施加射频驱动信号,以生成角度偏转激光束。可以向所述声光器件施加两个或以上的射频驱动信号,以生成具有所需数量的角度偏转激光束的输出激光束,例如,3个或以上的射频驱动信号、4个或以上的射频驱动信号、5个或以上的射频驱动信号、6个或以上的射频驱动信号、7个或以上的射频驱动信号、8个或以上的射频驱动信号、9个或以上的射频驱动信号、10个或以上的射频驱动信号、15个或以上的射频驱动信号、25个或以上的射频驱动信号、50个或以上的射频驱动信号,包括100个或以上的射频驱动信号。
由所述射频驱动信号产生的所述角度偏转激光束均具有一定强度,所述强度基于所施加的射频驱动信号的振幅而定。在一些实施例中,方法包括施加具有一定振幅的射频驱动信号,所述振幅足以产生具有所需强度的角度偏转激光束。在一些情况下,每个所施加的射频驱动信号分别具有范围为约0.001V至约500V的振幅,例如,约0.005V至约400V、约0.01V至约300V、约0.05V至约200V、约0.1V至约100V、约0.5V至约75V、约1V至50V、约2V至40V、3V至约30V,包括约5V至约25V。在一些实施例中,每个所施加的射频驱动信号均具有范围为约0.001MHz至约500MHz的频率,例如,约0.005MHz至约400MHz、约0.01MHz至约300MHz、约0.05MHz至约200MHz、约0.1MHz至约100MHz、约0.5MHz至约90MHz、约1MHz至约75MHz、约2MHz至约70MHz、约3MHz至约65MHz、约4MHz至约60MHz,包括约5MHz至约50MHz。
在这些实施例中,所述输出激光束中的所述角度偏转激光束在空间上是分离的。根据所施加的射频驱动信号和所述输出激光束的所需辐照轮廓,所述角度偏转激光束之间的间隔可以是0.001m或以上,例如,0.005m或以上、0.01m或以上、0.05m或以上、0.1m或以上、0.5m或以上、1m或以上、5m或以上、10m或以上、100m或以上、500m或以上、1000m或以上,包括5000m或以上。在一些实施例中,所述角度偏转激光束重叠,例如,与沿所述输出激光束的水平轴分布的相邻角度偏转激光束重叠。相邻角度偏转激光束之间的重叠部分(例如,束斑重叠)可以是重叠0.001m或以上,例如,重叠0.005m或以上、重叠0.01m或以上、重叠0.05m或以上、重叠0.1m或以上、重叠0.5m或以上、重叠1m或以上、重叠5m或以上、重叠10m或以上,包括重叠100m或以上。
在某些情况下,用多束频移光辐照所述流体介质,并利用射频标记发射(FIRE)通过荧光成像对所述流体介质中的细胞进行成像,以生成频率编码图像,例如,以下出版物中所述的频率编码图像:Diebold等人,自然光子学,第7(10)卷;806-810(2013年);第9,423,353、9,784,661和10,006,852号美国专利;以及第2017/0133857和2017/0350803号美国专利公开出版物,这些出版物中的内容以引用方式并入本文。
在实施例中,方法包括生成具有所检测到的光的测量值的数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;所述数据图可以用所检测到的光吸收、所检测到的光散射和所检测到的光发射或其任何组合生成。在一些情况下,所述数据图是用从样品中检测到的光吸收生成的,例如,用明场光检测器检测到的光吸收。在这些情况下,所述数据图是基于所述流体介质中的细胞的明场图像数据生成的。在其他情况下,所述数据图是用从样品中检测到的光散射生成的,例如,用侧向散射检测器、前向散射检测器或其组合检测到的光散射。在其他情况下,所述数据图是用来自样品的发射光生成的,例如,来自添加至样品中的荧光团的光。在其他情况下,所述数据图由所检测到的光吸收、所检测到的光散射和所检测到的光发射生成。
所述数据图可以包括一个或更多个标绘有颗粒群的区域,例如,两个或以上区域、三个或以上区域、四个或以上区域,包括五个或以上区域。生成所述数据图中每个区域的位图,根据某些实施例,所述位图用作对所述对应区域中的颗粒进行分选的门,下文对此提供了更为详细的描述。在实施方法时,确定所述数据图中每个区域的边界。在一些情况下,为了确定所述数据图中某一区域的边界,方法包括通过确定每个顶点沿所述数据图各轴的最小值和最大值,计算构成所述数据图中每个区域边界的一组顶点。在这些实施例中,确定每个顶点沿x轴的最小值和沿y轴的最小值以及沿x轴的最大值和沿y轴的最大值。
在实施例中,确定与所述数据图中每个区域的顶点相关联的算法变换。根据所采用的数据图类型(例如,双指数数据图),针对所述数据图的每个顶点确定的算法变换可能会有所不同,例如,为线性数值变换、对数数值变换或双指数数值变换。根据所述颗粒群在所述数据图上的位置,所述变换可以是正变换或负变换。例如,所述变换可以是正线性变换、正对数变换、负线性变换或负对数变换。图3描绘了根据某些实施例的数据图,其具有9个区,其中可能存在颗粒群。因此,确定的算法变换可以是适用于各轴的两部分算法变换(即,沿x轴和y轴的线性变换或对数变换)。在一些实施例中,所确定的算法变换是正线性/正线性变换(即,沿x轴正方向的线性变换和沿y轴正方向的线性变换)。在其他实施例中,所确定的算法变换是正对数/正对数变换。在其他实施例中,所述算法变换是正线性/正对数变换。在其他实施例中,所述算法变换是正对数/正线性变换。在其他实施例中,所述算法变换是负线性/负对数变换。在其他实施例中,所述算法变换是负线性/正对数变换。在其他实施例中,所述算法变换是正对数/负线性变换。
针对所述数据图中的每个颗粒群区域生成一张位图。依照常规含义,本文中使用的术语“位图”是指所述数据图的某一区域的映射索引。本文所述的位图可以数据或图形显示形式生成。在实施例中,位图可以由单个图块或一个以上的图块组成。在一些实施例中,所述数据图生成两个或以上的位图图块,例如,3个或以上的位图图块、4个或以上的位图图块、5个或以上的位图图块、6个或以上的位图图块、7个或以上的位图图块、8个或以上的位图图块,包括9个或以上的位图图块。每个位图图块均可以包括位于目的颗粒群所在各区域边界的一个或更多个顶点,例如,2个或以上的顶点、3个或以上的顶点、4个或以上的顶点,包括位于目的颗粒群所在各区域的5个或以上的顶点。
在实施标的方法时,确定应用于所述位图中每个顶点的算法变换。根据所采用的数据图类型(例如,双指数数据图),针对所述位图的每个顶点确定的算法变换可能会有所不同,例如,为线性数值变换、对数数值变换或双指数数值变换。根据所述颗粒群在所述数据图上的位置,所述变换可以是正变换或负变换。在一些实施例中,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,所述方法包括确定应用于所述位图中所述对应顶点的线性变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,所述方法包括确定应用于所述位图中所述对应顶点的对数变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为双指数变换时,所述方法包括确定应用于所述位图中所述对应顶点的变换,其包括对称对数变换、线性变换或其组合。在一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/正线性变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为正线性/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/正对数变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为正线性/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/正对数变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为正线性/正对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/正线性变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为正对数/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负对数/正线性变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为负对数/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/负线性变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为正对数/负线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负线性/正对数变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为负线性/正对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/负对数变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为正线性/负对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负线性/负线性变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为负线性/负线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负对数/负对数变换的情况下,所述方法包括确定应用于所述位图中所述对应顶点的算法变换为负线性/负线性变换。
在一些实施例中,方法包括对齐应用于所述位图的所述算法变换。在这些实施例中,对齐所述变换,以最大限度地减少重叠并适当切换变换。在某些实施例中,方法包括对所述位图执行仿射变换,调整仿射变换以最大限度地提高所述位图的使用率,即,使位图边界与区域边界框对齐。在这些实施例中,如果ADC通道中某一位图的跨距小于所述位图分辨率,则可以将该部分的所述变换切换为线性变换,以最大限度地提高保真度。可以通过在两个顶点之间内插一条或多条线段来渲染所述位图。在一些情况下,所述位图可以利用多边形绘制算法(例如,多边形扫描线填充算法)来生成。
在某些实施例中,根据以下内容利用数据图生成位图:
输入
·在所述仪器的测量空间中定义的一组表示分类区域的顶点(在荧光补偿或任何其他处理之后)
·绘制所述分类区域时应用于所述顶点的变换(例如,如果在双对数坐标图中绘制所述顶点,则为对数变换)
输出
·位图(可细分为位图图块以传输至所述仪器)
·待应用于每个位图图块的选定硬件变换
1.计算所述输入顶点的边界框。这是所有顶点沿各轴的最小值和最大值。
2.检查所述分类区域各轴的源变换。
如果轴变换为线性变换,则选择线性硬件变换。
如果轴变换为对数变换,则选择对数硬件变换。
如果轴变换为双指数变换(或类似变换),则选择对称对数变换(适用于负区域)、线性变换(适用于接近0的分块)和对称对数变换(适用于正区域)。对齐所述变换,以最大限度地减少重叠并适当切换变换。
3.所述位图的仿射变换:调整仿射变换以最大限度地提高所述位图的使用率,即,使位图边界与区域边界框对齐。
如果ADC通道中某一位图的跨距小于所述位图分辨率,则可以将该部分的所述变换任选地切换为线性变换,以最大限度地提高保真度。
4.利用每个轴的所述源变换来变换所述顶点。
通过将每对相邻顶点配对来构成一组线段顶点,并环绕所述顶点,使最后一个顶点与第一个顶点也构成一条线段。
对于每条线段,通过将其细分为许多线段顶点对来对所述线段进行内插。
所述内插算法可以是简单的线性细分,也可以考虑在轴上目标硬件空间中采取的步骤。
5.利用各轴的逆源变换,将所述内插顶点组变换回测量空间。
6.利用各轴的选定硬件变换来变换所述顶点组。
7.分配空位图,所述位图跨越各轴(或一系列图块)的硬件变换空间
8.采用绘制算法(例如,多边形扫描线填充)将所述顶点组渲染至位图中。
渲染各像素后,计算所述像素位于哪一位图图块中,并设置一个标志,以指示对所述位图图块进行写操作。
9.对于各写入的位图图块,根据需要标记所述位图图块。将所述图块与其仿射变换和硬件轴变换配对,并存储为待使用的硬件ROI位图。
10.将所述活动图块分为一组,并为每个ROI位图组分配或逻辑。
如果有充足的未使用的硬件ROI位图资源,则调整所述硬件变换,使多张位图可以进一步平铺于所述变换的一部分并重新运行所述算法。这可使保真度增加。
如果无充足的硬件ROI位图资源,则可以采用以下策略:
如果完整设置了双指数-双指数变换区域中的中心位图图块,则考虑调整周围位图(例如,线性/对数组合位图)的范围,使其涵盖零。
如果所述位图涵盖轴上的大量负空间和正空间,则可以消除线性位图分块,而且可以使用正对数变换和负对数变换。
或者,也可以使用经过对称对数变换以涵盖正空间和负空间的单张位图,并为线性主导区域(“环形孔”)填充其他位图。
如上所述,根据某些实施例的本发明的方法还包括分选所述样品中的颗粒,例如,生物样品中的细胞。依照常规含义,本文中使用的术语“分选”是指分离样品组分(例如,含有细胞的液滴、含有非细胞颗粒(例如生物大分子)的液滴),并且在一些情况下,将分离的组分递送至一个或更多个样品收集容器中。例如,方法可以包括分选所述样品中2种或以上的组分,例如,3种或以上的组分、4种或以上的组分、5种或以上的组分、10种或以上的组分、15种或以上的组分,包括分选所述样品中25种或以上的组分。在实施例中,方法包括通过基于所生成的位图(或位图图块)进行设门来对分选细胞。
在分选细胞时,方法包括数据采集、分析和记录(例如,使用计算机),其中多个数据通道记录数据,所述数据来自用于生成数据图和位图的各检测器。在这些实施例中,分析包括对颗粒进行分类和计数,使得各颗粒以一组数字化参数值的形式存在。可以将标的***(如下所述)设置为在选定参数下触发,以便将目的颗粒与本底和噪声区分开来。
然后,基于针对整个群体收集的数据,通过对位图进行“设门”来进一步分析特定目的子群体。可以通过绘制并生成适用于前向光散射(FSC)与侧向(即,正交)光散射(SSC)的位图来执行所述程序。如有需要,可以将上述分析配置成给出所述样品中目的颗粒的计数。
在一些实施例中,用于对样品组分进行分选的方法包括采用具有偏转板的颗粒分选模块对颗粒(例如,生物样品中的细胞)进行分选,例如,如2017年3月28日提交的第2017/0299493号美国专利公开出版物中所述,该出版物中的内容以引用方式并入本文。在某些实施例中,采用具有多个分选决策单元的分选决策模块对样品中的细胞进行分选,例如,如2019年2月8日提交的第62/803,264号美国临时专利申请案中所述,该出版物中的内容以引用方式并入本文。
在一些实施例中,方法包括基于所生成的位图生成适用于某一颗粒群的分选决策。在一些实施例中,生成分选决策包括生成分选配置,所述分选配置包括真值表、一个或更多个逻辑或门、分层次的逻辑或门或其组合。
在某些实施例中,方法包括依据真值表分类分选样品中的颗粒来生成分选决策。在其他实施例中,方法包括用一系列或门分选样品中的颗粒来生成分选决策。在其他实施例中,方法包括用一系列或门分选样品中的颗粒,然后利用真值表进行分类,以生成分选决策。在某些实施例中,利用或门级来组合任意数量的位图,而且方法包括设置用于各区域的位图的掩码字。在这些实施例中,方法包括对特定位图分类组合执行逻辑或运算,并将结果输出至各后续设门逻辑。在一示例中,可以使用64张位图,可以采用64个不同的或掩码,每个掩码均为64位掩码。在另一示例中,可以使用32张位图,可以采用32个不同的或掩码,每个掩码均为32位掩码。在另一示例中,可以将64张位图分成上部存储单元和下部存储单元。在该示例中,所述下部存储单元是前32张位图的或组合,而所述上部存储单元是后32张位图的或组合。
在某些实施例中,方法包括采用一系列嵌套的与门和或门。图7描绘了用于生成根据某些实施例的分选决策的一系列嵌套的与门和或门。在图7中,左侧是硬件ROI位图分类器的输出。各奇数编号的输入都会进入与门,并直通至所述输出。所述与门的另一输入来自控制注册表。如果针对与门设置所述控制注册表位,则将所述输入值传输至或门,所述输入值在此与其配对的偶数编号的输入组合。这将启用或功能。如果未针对与门设置所述控制注册表位,则与门的输出值为零,而或门取所述偶数编号的输入和零,这相当于传输所述偶数编号的输入值。
依据图7,在一示例中,包括5张、4张、3张、2张和1张位图的区域被分配给硬件感兴趣区域(ROI)位图。前五张ROI位图用于所述5位图区域。位图0与位图1组合,位图2与位图3组合,然后将其输出组合在一起。位图5在与位图0、1、2和3组合之前先穿过两级或门。这是穿过最后一个或门到达输出0处的路径。输出1、2、3和4表示各种中间产物。位图5用于任一单位图区域。由于源自位图5的路径用于所述5位图区域,因此所述位图插槽只能用于单位图区域。所述输入直通至所述输出。位图6与位图7组合,以表示一个双位图区域。所述或门的输出通至输出6。位图8与位图11组合,以表示一个四位图区域。两个级联或级将位图8与位图9、位图10与位图11组合,然后将其结果组合在一起。所述结果通过一个或门,然后传输至输出8。位图12、13与14组合以用于表示一个三位图区域。位图12和13与或门组合,位图14通过一个或门,然后与位图12和13组合。位图15直通至输出15。
在一些实施例中,采用通过且到达或门的奇数编号的输出以及进入或门的偶数编号的输出逐级重复此过程。这可以实现以下操作:即,采用少量层即可对任意数量的ROI位图分类器组合进行或运算。在某些情况下,打包算法可用于配置所述区域。
在一些实施例中,每个区域的位图均被分配给硬件ROI位图。如果或逻辑无法对任意硬件ROI位图进行或运算,而只能在特定层级下进行,则可以使用打包算法将所述位图指定至硬件ROI位图。在一些实施例中,方法包括采用递归打包算法。在该实施例中,所述算法的输入包括:1)包括分箱位置和容量的配对列表;2)包括每个区域所需的位图数量的区域列表。
对于分箱列表中的各分箱,根据某些实施例的方法包括:
查询区域列表中位图(适用于当前分箱容量)数量最多的区域。
如果存在一个位图(适用于当前分箱容量)数量最多的区域,则根据某些情况的方法包括:
输出以当前分箱位置作为其位置的区域;
从待处理的区域列表中删除所述区域;
计算所述分箱中未使用的ROI位图的数量(例如,所述分箱容量减去选定区域内ROI位图的数量);
根据剩余部分中2个组分的效能,将所述分箱中的剩余ROI位图拆分并入新的分箱中。
在某些实施例中,在剩下3张ROI位图的情况下,将所述位图分成规格为1和2的分箱。在这些实施例中,按照规格从小到大依次放置分箱,而且所述位置始于当前分箱位置加上当前区域内所使用的位图数量。
在某些情况下,采用新的分箱列表和剩余区域以递归方式调用所述算法。
在一些情况下,若完成所述算法后列表中仍有剩余区域,则方法可以包括:
在所述输出列表中查找未使用的ROI位图插槽;
将某一区域内的位图分配给非连续硬件ROI位图;以及
针对设门级(对所述非连续区域进行或运算)建立一个真值表。例如,如果某一区域包括9张位图,则方法可以包括将所述区域分成分别需要8张位图和1张位图的两个不同区域。在这些实施例中,如果有一张位图且真值表可构造成分别对所述8张位图和1位图进行或运算,则所述单张位图将平铺于备用插槽中。
在其他情况下,若完成所述算法后列表中仍有剩余区域,则方法可以包括:
采用启发式方法确定可以用较少的位图表示的区域。例如,在保持像素纵横比以分配给适用于较大矩形区域的位图的情况下,可以分配两张位图。在其他情况下,单张位图可与更多地在某一方向上跨ADC通道扩展的像素结合使用。
分选样品中颗粒的***
如上所述,本发明的方面包括利用从流体介质内的颗粒中测得的光的数据图来生成位图的***。根据某些实施例的***包括:光源,被配置成辐照流体介质中的颗粒;光检测***,其具有一台或更多台光电检测器;以及处理器,其包含与所述处理器可操作地耦合的存储器,其中所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:生成所检测到的光的测量值的数据图,使得所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。在实施例中,应用于所述位图中每个顶点的所述算法变换类型与所述数据图中各对应顶点相关联的算法变换类型相同。
目的***包括光源,其被配置成辐照流体介质中具有细胞的样品。在实施例中,所述光源可以是任何合适的宽带或窄带光源。根据样品中的组分(例如,细胞、微珠、非细胞颗粒等),所述光源可被配置成发射不同波长的光,其波长范围为200nm至1500nm,例如,250nm至1250、300nm至1000nm、350nm至900nm,包括400nm至800nm。例如,所述光源可能包括发射的光的波长范围为200nm至900nm的宽带光源。在其他情况下,所述光源包括发射的光的波长范围为200nm至900nm的窄带光源。例如,所述光源可以是发射的光的波长范围为200nm至900nm的窄带LED(1nm–25nm)。
在一些实施例中,所述光源是一种激光器。目的激光器可以包括脉冲激光器或连续波激光器。例如,所述激光器可以是一种气体激光器,例如,氦氖激光器、氩激光器、氪激光器、氙激光器、氮激光器、CO2激光器、CO激光器、氟化氩(ArF)准分子激光器、氟化氪(KrF)准分子激光器、氯化氙(XeCl)准分子激光器或氟化氙(XeF)准分子激光器或其组合;或是一种金属蒸气激光器,例如,氦镉(HeCd)激光器、氦汞(HeHg)激光器、氦硒(HeSe)激光器、氦银(HeAg)激光器、锶激光器、氖铜(NeCu)激光器、铜激光器或金激光器及其组合;或是一种固态激光器,例如,红宝石激光器、Nd:YAG激光器、NdCrYAG激光器、Er:YAG激光器、Nd:YLF激光器、Nd:YVO4激光器、Nd:YCa4O(BO3)3激光器、Nd:YCOB激光器、钛蓝宝石激光器、thulim YAG激光器、YAG镱激光器、三氧化二镱激光器或掺铈激光器及其组合;亦或是一种半导体二极管激光器、光泵浦半导体激光器(OPSL)或上述任一种激光器的二倍频或三倍频实施方案。
在其他实施例中,所述光源是一种非激光光源,例如,灯(包括但不限于卤素灯、氘弧灯、氙弧灯)、发光二极管(例如,具有连续光谱的宽带LED、超辐射发光二极管、半导体发光二极管、宽光谱LED白色光源、多颗LED集成光源)。在某些情况下,所述非激光光源是一种稳定的光纤耦合宽带光源、白色光源及其他光源或其任意组合。
在某些实施例中,所述光源是被配置成生成两束或更多束频移光的光束发生器。在一些情况下,所述光束发生器包括激光器和射频发生器,所述射频发生器被配置成向声光器件施加射频驱动信号,以生成两束或更多束角度偏转激光束。在这些实施例中,所述激光器可以是一种脉冲激光器或连续波激光器。例如,目的光束发生器中的激光器可以是一种气体激光器,例如,氦氖激光器、氩激光器、氪激光器、氙激光器、氮激光器、CO2激光器、CO激光器、氟化氩(ArF)准分子激光器、氟化氪(KrF)准分子激光器、氯化氙(XeCl)准分子激光器或氟化氙(XeF)准分子激光器或其组合;或是一种金属蒸气激光器,例如,氦镉(HeCd)激光器、氦汞(HeHg)激光器、氦硒(HeSe)激光器、氦银(HeAg)激光器、锶激光器、氖铜(NeCu)激光器、铜激光器或金激光器及其组合;或是一种固态激光器,例如,红宝石激光器、Nd:YAG激光器、NdCrYAG激光器、Er:YAG激光器、Nd:YLF激光器、Nd:YVO4激光器、Nd:YCa4O(BO3)3激光器、Nd:YCOB激光器、钛蓝宝石激光器、thulim YAG激光器、YAG镱激光器、三氧化二镱激光器或掺铈激光器及其组合。
所述声光器件可以是被配置成使用施加的声波对激光进行频移的任何合适的声光方案。在某些实施例中,声光器件是声光偏转器。目的***中的声光器件被配置成利用来自激光器的光和所施加的射频驱动信号来生成角度偏转激光束。可以利用任何合适的射频驱动信号源向声光器件施加射频驱动信号,例如直接数字频率合成器(DDS)、任意波形发生器(AWG)或电脉冲发生器。
在实施例中,控制器被配置成向所述声光器件施加射频驱动信号,以在输出激光束中产生所需数量的角度偏转激光束,例如,被配置成施加3个或以上的射频驱动信号、4个或以上的射频驱动信号、5个或以上的射频驱动信号、6个或以上的射频驱动信号、7个或以上的射频驱动信号、8个或以上的射频驱动信号、9个或以上的射频驱动信号、10个或以上的射频驱动信号、15个或以上的射频驱动信号、25个或以上的射频驱动信号、50个或以上的射频驱动信号,包括被配置成施加100个或以上的射频驱动信号。
在一些情况下,为了得到所述输出激光束中角度偏转激光束的强度分布,所述控制器被配置成施加具有不同振幅的射频驱动信号,例如,所述振幅范围为约0.001V至约500V、约0.005V至约400V、约0.01V至约300V、约0.05V至约200V、约0.1V至约100V、约0.5V至约75V、约1V至50V、约2V至40V、3V至约30V,包括约5V至约25V。在一些实施例中,每个所施加的射频驱动信号均具有范围为约0.001MHz至约500MHz的频率,例如,约0.005MHz至约400MHz、约0.01MHz至约300MHz、约0.05MHz至约200MHz、约0.1MHz至约100MHz、约0.5MHz至约90MHz、约1MHz至约75MHz、约2MHz至约70MHz、约3MHz至约65MHz、约4MHz至约60MHz,包括约5MHz至约50MHz。
在某些实施例中,所述控制器具有处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器产生具有角度偏转激光束(具有所需强度分布)的输出激光束。例如,所述存储器可以包括产生具有相同强度的两束或更多束角度偏转激光束的指令,例如,3束或以上、4束或以上、5束或以上、10束或以上、25束或以上、50束或以上,且包括以下存储器:即,可以包括产生具有相同强度的100束或更多束角度偏转激光束的指令的存储器。在其他实施例中,所述存储器可以包括产生具有不同强度的两束或更多束角度偏转激光束的指令,例如,3束或以上、4束或以上、5束或以上、10束或以上、25束或以上、50束或以上,且包括以下存储器:即,可以包括产生具有不同强度的100束或更多束角度偏转激光束的指令的存储器。
在某些实施例中,所述控制器具有处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器产生输出激光束,所述输出激光束沿横轴的强度由其边缘至中心逐渐增强。在这些情况下,在所述输出光束中心测得的角度偏转激光束的强度可以是沿横轴在所述输出激光束的边缘处测得的角度偏转激光束的强度的0.1%至约99%,例如,0.5%至约95%、1%至约90%、约2%至约85%、约3%至约80%、约4%至约75%、约5%至约70%、约6%至约65%、约7%至约60%、约8%至约55%,包括为沿横轴在所述输出激光束的边缘处测得的角度偏转激光束的强度的约10%至约50%。在其他实施例中,所述控制器具有处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器产生输出激光束,所述输出激光束的强度沿横轴由其边缘至中心逐渐增强。在这些情况下,在所述输出光束边缘处测得的角度偏转激光束的强度可以是沿横轴在所述输出激光束的中心测得的角度偏转激光束的强度的0.1%至约99%,例如,0.5%至约95%、1%至约90%、约2%至约85%、约3%至约80%、约4%至约75%、约5%至约70%、约6%至约65%、约7%至约60%、约8%至约55%,包括为沿横轴在所述输出激光束的中心测得的角度偏转激光束的强度的约10%至约50%。在其他实施例中,所述控制器具有处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器产生输出激光束,所述输出激光束沿横轴的强度分布符合高斯分布。在某些实施例中,所述控制器具有处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器产生输出激光束,所述输出激光束具有沿横轴的礼帽形强度分布。
在实施例中,目的光束发生器可以被配置成在输出激光束中产生在空间上分离的角度偏转激光束。根据所施加的射频驱动信号和所述输出激光束的所需辐照轮廓,所述角度偏转激光束之间的间隔可以是0.001m或以上,例如,0.005m或以上、0.01m或以上、0.05m或以上、0.1m或以上、0.5m或以上、1m或以上、5m或以上、10m或以上、100m或以上、500m或以上、1000m或以上,包括5000m或以上。在一些实施例中,***被配置成在输出激光束中产生重叠的角度偏转激光束重叠,例如,与沿所述输出激光束的水平轴分布的相邻角度偏转激光束重叠。相邻角度偏转激光束之间的重叠部分(例如,束斑重叠)可以是重叠0.001m或以上,例如,重叠0.005m或以上、重叠0.01m或以上、重叠0.05m或以上、重叠0.1m或以上、重叠0.5m或以上、重叠1m或以上、重叠5m或以上、重叠10m或以上,包括重叠100m或以上。
在某些情况下,被配置成产生两束或更多束频移光的光束发生器包括以下出版物中所述的激光激发模块:第9,423,353、9,784,661和10,006,852号美国专利;以及第2017/0133857和2017/0350803号美国专利公开出版物,这些出版物中的内容以引用方式并入本文。
在实施例中,***包括光检测***,所述光检测***具有一台或更多台用于检测和测量来自样品的光的光电检测器。目的光电检测器可以被配置成测量来自样品的光吸收(例如,适用于明场光数据)、光散射(例如,前向或侧向散射光数据)、光发射(例如,荧光数据)或其组合。目的光电检测器可以包括但不限于光学传感器,例如,有源像素传感器(APS)、雪崩光电二极管、图像传感器、电荷耦合装置(CCD)、增强型电荷耦合装置(ICCD)、发光二极管、光子计数器、辐射热测定器、热电检测器、光敏电阻、光伏电池、光电二极管、光电倍增管、光电晶体管、量子点光电导体或光电二极管及其组合以及其他光电检测器。在某些实施例中,采用电荷耦合装置(CCD)、半导体电荷耦合装置(CCD)、有源像素传感器(APS)、互补金属氧化物半导体(CMOS)、图像传感器或N型金属氧化物半导体(NMOS)图像传感器测量来自样品的光。
在一些实施例中,目的光检测***包括多台光电检测器。在一些情况下,所述光检测***包括多台固态检测器,例如光电二极管。在某些情况下,所述光检测***包括光电检测器阵列,例如光电二极管阵列。在这些实施例中,所述光电检测器阵列可能包括4台或以上的光电检测器,例如,10台或以上的光电检测器、25台或以上的光电检测器、50台或以上的光电检测器、100台或以上的光电检测器、250台或以上的光电检测器、500台或以上的光电检测器、750台或以上的光电检测器,包括1000台或以上的光电检测器。例如,所述检测器可以是具有4根或以上光电二极管的光电二极管阵列,例如,10根或以上的光电二极管、25根或以上的光电二极管、50根或以上的光电二极管、100根或以上的光电二极管、250根或以上的光电二极管、500根或以上的光电二极管、750根或以上的光电二极管,包括1000根或以上的光电二极管。
所述光电检测器可以根据需要按任何几何构型布置,其中目的布置构型包括但不限于正方形构型、矩形构型、梯形构型、三角形构型、六边形构型、七边形构型、八边形构型、九边形构型、十边形构型、十二边形构型、圆形构型、椭圆形构型以及不规则图案构型。所述光电检测器阵列中的光电检测器可能以与另一个光电检测器(如X-Z平面所述)成一定角度的方式进行定向,所述角度范围为10°至180°,例如,15°至170°、20°至160°、25°至150°、30°至120°,包括45°至90°。所述光电检测器阵列可以是任何合适的形状,而且可以是直线围成的形状(例如,正方形、矩形、梯形、三角形、六边形等)、曲线围成的形状(例如,圆形、椭圆形)以及不规则形状(例如,抛物线形底部连接至平面顶部)。在某些实施例中,所述光电检测器阵列具有矩形有源表面。
所述阵列中的每台光电检测器(例如,光电二极管)的有源表面宽度范围为5m至250m,例如,10m至225m、15m至200m、20m至175m、25m至150m、30m至125m,包括50m至100m;其长度范围为5m至250m,例如,10m至225m、15m至200m、20m至175m、25m至150m、30m至125m,包括50m至100m;其中,所述阵列中的每台光电检测器(例如,光电二极管)的表面积范围为25m2至10000m2,例如,50m2至9000m2、75m2至8000m2、100m2至7000m2、150m2至6000m2,包括200m2至5000m2。
所述光电检测器阵列的尺寸可以根据光量和光强度、光电检测器的数量和所需的灵敏度而发生变化,并且其长度范围为0.01mm至100mm,例如,0.05mm至90mm、0.1mm至80mm、0.5mm至70mm、1mm至60mm、2mm至50mm、3mm至40mm、4mm至30mm,包括5mm至25mm。所述光电检测器阵列的宽度也可能发生变化,范围为0.01mm至100mm,例如,0.05mm至90mm、0.1mm至80mm、0.5mm至70mm、1mm至60mm、2mm至50mm、3mm至40mm、4mm至30mm,包括5mm至25mm。因此,所述光电检测器阵列有源表面的表面积范围为0.1mm2至10000mm2,例如,0.5mm2至5000mm2、1mm2至1000mm2、5mm2至500mm2,包括10mm2至100mm2。
目的光电检测器被配置成测量在一种或多种波长下收集的光,例如,2种或以上的波长、5种或以上的不同波长、10种或以上的不同波长、25种或以上的不同波长、50种或以上的不同波长、100种或以上的不同波长、200种或以上的不同波长、300种或以上的不同波长,包括在400种或以上的不同波长下测量流体介质中的样品发射的光。
在一些实施例中,光电检测器被配置成测量在一定波长范围内(例如,200nm–1000nm)收集的光。在某些实施例中,目的光电检测器被配置成在一定波长范围内收集光的光谱。例如,***可能包括一台或更多台检测器,其被配置成在波长范围200nm–1000nm中的一种或多种波长下收集光的光谱。在其他实施例中,目的检测器被配置成在一种或多种特定波长下测量来自流体介质中的样品的光。例如,***可能包括一台或更多台检测器,其被配置成在450nm、518nm、519nm、561nm、578nm、605nm、607nm、625nm、650nm、660nm、667nm、670nm、668nm、695nm、710nm、723nm、780nm、785nm、647nm、617nm及其任何组合的一种或多种波长下测量光。
所述光检测***被配置成连续地或以离散时间间隔测量光。在某些情况下,目的光电检测器被配置成连续地测量收集的光。在其他情况下,所述光检测***配置成以离散时间间隔进行测量,例如,测量光的时间间隔为0.001毫秒、0.01毫秒、0.1毫秒、1毫秒、10毫秒、100毫秒,包括1000毫秒或一些其他时间间隔。
在一些实施例中,***包括处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器生成具有所检测到的光的测量值的数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群。所述处理器被配置成用所检测到的光吸收、所检测到的光散射和所检测到的光发射或其任何组合生成所述数据图。在一些情况下,所述***被配置成用从样品中检测到的光吸收生成所述数据图,例如,用明场光检测器检测到的光吸收。在这些情况下,所述数据图是基于所述流体介质中的细胞的明场图像数据生成的。在其他情况下,所述数据图是用从样品中检测到的光散射生成的,例如,用侧向散射检测器、前向散射检测器或其组合检测到的光散射。在其他情况下,所述数据图是用来自样品的发射光生成的,例如,来自添加至样品中的荧光团的光。在其他情况下,所述数据图由所检测到的光吸收、所检测到的光散射和所检测到的光发射生成。
目的***被配置成生成包括一个或更多个标绘有颗粒群的区域的数据图,例如,两个或以上区域、三个或以上区域、四个或以上区域,包括五个或以上区域。在一些实施例中,***包括处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器确定所述数据图中每个区域的边界。在一些情况下,为了确定所述数据图中某一区域的边界,标的***被配置成通过确定每个顶点沿所述数据图各轴的最小值和最大值,计算构成所述数据图中每个区域边界的一组顶点。在这些实施例中,由所述***确定每个顶点沿x轴的最小值和沿y轴的最小值以及沿x轴的最大值和沿y轴的最大值。
在实施例中,确定与所述数据图中每个区域的顶点相关联的算法变换。根据所采用的数据图类型(例如,双指数数据图),针对所述数据图的每个顶点确定的算法变换可能会有所不同,例如,为线性数值变换、对数数值变换或双指数数值变换。根据所述颗粒群在所述数据图上的位置,所述变换可以是正变换或负变换。例如,所述变换可以是正线性变换、正对数变换、负线性变换或负对数变换。
针对所述数据图中的每个颗粒群区域生成一张位图。根据某些实施例的***包括处理器,所述处理器具有与其本身可操作地耦合的存储器,使得所述存储器包括存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器生成由一个或更多个图块组成的位图。在一些实施例中,所述数据图生成两个或以上的位图图块,例如,3个或以上的位图图块、4个或以上的位图图块、5个或以上的位图图块、6个或以上的位图图块、7个或以上的位图图块、8个或以上的位图图块,包括9个或以上的位图图块。每个位图图块均可以包括位于目的颗粒群所在各区域边界的一个或更多个顶点,例如,2个或以上的顶点、3个或以上的顶点、4个或以上的顶点,包括位于目的颗粒群所在各区域的5个或以上的顶点。
在实施例中,***被配置成确定应用于所述位图中每个顶点的算法变换。根据所采用的数据图类型(例如,双指数数据图),针对所述位图的每个顶点确定的算法变换可能会有所不同,例如,为线性数值变换、对数数值变换或双指数数值变换。根据所述颗粒群在所述数据图上的位置,所述变换可以是正变换或负变换。在一些实施例中,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,***被配置成确定应用于所述位图中所述对应顶点的线性变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,***被配置成确定应用于所述位图中所述对应顶点的对数变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为双指数变换时,***被配置成确定应用于所述位图中所述对应顶点的变换,其包括对称对数变换、线性变换或其组合。在一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/正线性变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为正线性/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/正对数变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为正线性/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/正对数变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为正线性/正对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/正线性变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为正对数/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负对数/正线性变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为负对数/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/负线性变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为正对数/负线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负线性/正对数变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为负线性/正对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/负对数变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为正线性/负对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负线性/负线性变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为负线性/负线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负对数/负对数变换的情况下,***被配置成确定应用于所述位图中所述对应顶点的算法变换为负线性/负线性变换。
在一些实施例中,***被配置成对齐应用于所述位图的所述算法变换。在这些实施例中,对齐所述变换,以最大限度地减少重叠并适当切换变换。在某些实施例中,***被配置成对所述位图执行仿射变换,调整仿射变换以最大限度地提高所述位图的使用率,即,使位图边界与区域边界框对齐。可以通过在两个顶点之间内插一条或多条线段来渲染所述位图。在一些情况下,所述位图可以利用多边形绘制算法(例如,多边形扫描线填充算法)来生成。
在一些实施例中,标的***被配置成对样品组分进行分选,例如,生物样品中的细胞。如上所述,依照常规含义,本文中提及的分选是指分离样品组分(例如,细胞、非细胞颗粒(例如生物大分子)),并且在一些情况下,将分离的组分递送至一个或更多个样品收集容器中。例如,标的***可被配置成分选具有2种或以上组分的样品,例如,3种或以上组分、4种或以上组分、5种或以上组分、10种或以上组分、15种或以上组分,包括分选具有25种或以上组分的样品。可以从所述样品中分离出一种或多种样品组分,并递送至样品收集容器中,例如,2种或以上的样品组分、3种或以上的样品组分、4种或以上的样品组分、5种或以上的样品组分、10种或以上的样品组分,包括从所述样品中分离出15种或以上的样品组分,并递送至样品收集容器中。
在一些实施例中,标的***包括用于分选样品中的细胞的颗粒分选组件。在某些情况下,所述颗粒分选组件是颗粒分选模块,例如,以下出版物中所述的颗粒分选模块:于2017年3月28日提交的第2017/0299493号美国专利公开出版物;以及于2018年10月30日提交的第62/752,793号美国临时专利申请案,这些出版物中的内容以引用方式并入本文。在某些实施例中,所述颗粒分选组件包括一台或更多台液滴偏转器,例如,于2017年6月14日提交的第2018/0095022号美国专利公开出版物中所述的液滴偏转器,该出版物中的内容以引用方式并入本文。
在一些实施例中,标的***是流式细胞仪***,其采用上述加权最小二乘算法以分析和分选样品中的颗粒(例如,生物样品中的细胞)。合适的流式细胞仪***可以包括但不限于以下出版物中所述的***:Ormerod(编),流式细胞术:实用方法,牛津大学出版社(1997年);Jaroszeski等人(编),流式细胞术方案,Methods in Molecular Biology第91期,Humana Press(1997年);实用流式细胞术,第三版,Wiley-Liss(1995年);Virgo等人(2012年),临床生物化学年鉴,1月;49(pt 1):17-28;Linden等人,血栓形成和止血研讨会,2004年10月;30(5):502-11;Alison等人,病理学期刊,2010年12月;222(4):335-344;和Herbig等人(2007年),治疗性药物载体***评论,24(3):203-255;这些出版物中的内容以引用方式并入本文。在某些情况下,目的流式细胞仪***包括BD BiosciencesFACSCantoTM II流式细胞仪、BD AccuriTM流式细胞仪、BD Biosciences FACSCelestaTM流式细胞仪、BD Biosciences FACSLyricTM流式细胞仪、BD Biosciences FACSVerseTM流式细胞仪、BD Biosciences FACSymphonyTM流式细胞仪、BD Biosciences LSRFortessaTM流式细胞仪、BD Biosciences LSRFortessTM X-20流式细胞仪以及BD BiosciencesFACSCaliburTM细胞分选仪、BD Biosciences FACSCountTM细胞分选仪、BD BiosciencesFACSLyricTM细胞分选仪、BD Biosciences ViaTM细胞分选仪、BD Biosciences InfluxTM细胞分选仪、BD Biosciences JazzTM细胞分选仪、BD Biosciences AriaTM细胞分选仪和BDBiosciences FACSMelodyTM细胞分选仪等。
在一些实施例中,标的颗粒分选***是流式细胞仪***,例如,以下编号的美国专利中所述的***:10,006,852;9,952,076;9,933,341;9,784,661;9,726,527;9,453,789;9,200,334;9,097,640;9,095,494;9,092,034;8,975,595;8,753,573;8,233,146;8,140,300;7,544,326;7,201,875;7,129,505;6,821,740;6,813,017;6,809,804;6,372,506;5,700,692;5,643,796;5,627,040;5,620,842;5,602,039;这些文件中的内容以引用方式全文并入本文。
在某些情况下,标的***是流式细胞仪***,其被配置成利用射频标记发射(FIRE)通过荧光成像对流体介质中的颗粒进行成像,例如,以下出版物中所述的***:Diebold等人,自然光子学,第7(10)卷;806-810(2013年);第9,423,353、9,784,661和10,006,852号美国专利;以及第2017/0133857和2017/0350803号美国专利公开出版物,这些出版物中的内容以引用方式并入本文。
常用流式分选技术采用液滴分选,其中使含有线性分离颗粒的流体介质破碎成液滴,且使含有目的颗粒的液滴带电并通过电场偏转至收集管中。当前的液滴分选***能够在通过直径小于100微米的喷嘴的流体介质中以100,000滴/秒的速率形成液滴。液滴分选要求液滴在与喷嘴头相距一定距离处与所述流脱离。所述距离通常距离喷嘴头约几毫米,而且可以通过以预先确定的频率振荡喷嘴头来保持流体介质不受干扰。
通常情况下,所述流中的线性分离颗粒的特征在于它们会通过位于喷嘴头正下方的观测点。一旦确定颗粒满足一项或多项所需标准,便可以预测其到达液滴破碎点并以一滴液滴的形式与所述流脱离的时间。理想情况下,在含有选定颗粒的液滴与所述流脱离之前,先对所述流体介质施加短暂的电荷,然后在液滴破碎后使其立即接地。待分选的液滴在与所述流体介质脱离时会保持带电状态,而所有其他液滴则不带电。所述带电液滴在电场作用下侧向偏离其他液滴的下行轨迹,并被收集在样品管中。所述不带电的液滴直接落入排放管。
除分选颗粒外或作为分选颗粒的备选项,可以收集颗粒相关数据。由颗粒分析仪(例如,流式细胞仪)收集的数据可以生成负数据值,这是由于,例如,荧光补偿或基线恢复所引起。这些可能无法用常用对数表示。为了保持数据集的完整性,可以将所述值钳位至最小正值(例如,BD FACSMelodyTM上显示的26.2)。最近,在包括负值的多参数生物事件数据分析中采用了多种变换。这些变换可以具有与对数变换相似的特性,也可以类似于适用于接近零的测量值的线性变换。所述变换的示例包括双指数(逻辑)、反双曲正弦和超对数变换。
在分选电子器件中实现这些功能的一个问题是所述功能可能是不可逆的。为了解决此缺点,一些***包括查找表或函数逼近以有助于所述变换。依赖于所述表格或逼近的变换可能仍然需要电子器件和其他处理资源,这对将其有效纳入分选电子器件造成了阻碍,特别是对于针对所述颗粒的各测量值可以不同方式实现参数化的变换。例如,泰勒级数展开可能比较耗费时间和资源,需要进行许多乘积累加型运算,而查找表或存储资源可能会受到限制,或者外部存储器可能要应对需要在数据处理管道中同时变换的多个参数。
FACSMelodyTM细胞分选仪上的BD FACSChorusTM试图通过将双指数变换轴上绘制的区域变换为对数变换轴上绘制的区域来部分解决此问题。它在顶点之间内插所述区域的边缘,然后在对数变换空间内渲染所述区域。但是,这无法解决数据低于对数下限(例如,26.2)的问题,而且随后,即使测量值不同,测量值低于所述下限的事件都将被视为所述测量值即为所述下限。这意味着,无法基于变换后的数据确定事件应在与轴交叉的区域中显示的位置。例如,在其他参数范围内,在完全于轴下方绘制的区域可以对轴上的所有数据进行分选。
本文所述的特征包括变换方法之间的内插,以将表示一组特定目的事件的多边形渲染至多个位图分块中。这些分块可以根据所述变换在该点与所述源顶点的匹配程度独立地切换变换。目的群体可以在实验前(例如,确定分选群体)或实验后(例如,针对群体的事件数据的图形分析)加以识别。
本文中使用的“***”、“仪器”、“装置”和“设备”通常涵盖硬件(例如,机械和电子硬件),而且在一些实施方案中,也涵盖相关软件(例如,用于图形控制的专用计算机程序)组件。
本文中使用的“事件”通常是指从单种颗粒(例如,细胞或合成颗粒)中测得的数据。通常情况下,从单种颗粒中测得的数据包括许多参数,包括一个或更多个光散射参数,以及至少一个荧光强度参数。因此,每个事件均被表示为参数测量向量,其中每个被测参数对应于数据空间的一个维度。在一些生物应用中,事件数据可能对应于指示特定蛋白质或基因表达的定量生物数据。
本文中使用的颗粒“群体”或“子群体”(例如,细胞或其他颗粒)通常是指相对于一个或更多个被测参数具有光学特性的一组颗粒,其使得被测参数数据在数据空间中形成群集。因此,群体被识别为数据中的群集。相反,虽然通常也观测到了对应于噪声或本底的群集,但每个数据群集通常被解释为对应于特定类型的细胞或颗粒群。可以在所述维度的子集(例如,相对于被测参数的子集)中定义群集,其对应于仅在被测参数的子集中有所不同的群体。
本文中使用的“门”通常是指识别目的数据(例如,颗粒测量值)子集的边界。在细胞计量中,门可能与一组特定目的事件相关联。所述事件组可以称之为群体。此外,本文中使用的“设门”通常是指为给定数据集定义门的过程,例如,通过用户界面或板和孔选择。
图1是根据本文所示的一个实施例的细胞分选***100的示意图。如图1所示,液滴形成传感器(例如,压电振荡器)102与流体导管(例如,喷嘴101)耦合。在喷嘴101内,鞘液104在流体动力学上使样品流体106聚集成流108。在流108中,使颗粒(例如,细胞)排成一排,以穿过由辐照源(例如,激光器)112辐照的激光流交点110(例如,LJI)。压电振荡器102振动会导致流108破碎成多滴液滴109。
在运行中,事件检测器114确定目的颗粒(或目的细胞)何时穿过激光流交点110。事件检测器114馈入定时电路128,转而馈入瞬时充电电路130。在液滴破碎点,在定时液滴延迟(Δt)通知后,向所述流中施加瞬时电荷,使目的液滴带电。然后,可以通过启用偏转板(未示出)来分选所述带电液滴,使液滴偏转至收集管或多孔样品板中,其中孔可与特定目的液滴相关联。但是,如图1所示,液滴被收集在排放容器138中。
液滴边界检测器116用于在目的颗粒通过激光流交点110时自动确定液滴驱动信号的相位。示例性液滴边界检测器如第7,679,039号美国专利所述,所述专利全文以引用方式并入本文。液滴边界检测器116允许仪器准确地计算每个检测到的颗粒在液滴中的位置。液滴边界检测器116馈入振幅信号120和相位118信号,然后依次(通过放大器122)馈入振幅控制电路126和/或频率控制电路124。振幅控制电路126和/或频率控制电路124反过来控制压电振荡器102。
细胞分选仪***100进一步包括与排放容器138耦合的电流-电压转换器(CVC)134。CVC 134被配置成检测是否存在进入排放容器138的带电颗粒。电阻器136设置CVC 134的电阻,并提供与在排放容器138处观测到的电流成比例的电压。在电路单元132中测量漏极电流,并将其提供给处理器140。处理器140而后馈入频率控制电路124。
在一些实施方案中,分选电子器件(例如,液滴边界检测器116、事件检测器114、处理器140)可与被配置成存储所检测到的事件和基于其的分选决策的存储器耦合。该信息可以包括在颗粒的事件数据中。但是,如本文所述,由分选电子器件生成的分选决策可能不同于工作站基于为实验定义的门所确定的分选决策。由于事件数据分析可以在工作站上执行,因此这可能导致工作站生成的细胞分选信息与板的实际分选断连。
在流式细胞仪分选中,使用索引分选意味着可以使用其他信息,所述信息将单个细胞事件与所述细胞在板或载玻片固定器中的目标位置相关联。可以在获取后使用所述信息对细胞在平板设备上的物理位置进行其他分析。它也允许用户查看这些细胞在双变量图中的位置。当前索引分选产品在分析阶段与所述数据的交互非常有限。
索引分选是指细胞分选,其中分选设备可以记录每个事件(通常是悬浮于流体介质中的细胞或其他颗粒)的分选决策,而且数据可用于分选后分析。通常情况下,通过检测颗粒的特性(例如,颜色)并将颗粒引导至收集板中来进行索引分选。所述板可以包括多个板目的地(例如,孔位置)。所述分选可以包括将颗粒引导至板内的特定板位置(例如,孔)。所述分选设备可以联合事件标识符记录目标板和/或孔位置。因此,每个分选事件都具有源自检测器(PMT、光电二极管)的所有测量值以及孔位置和分选目的地。用户可以检查已分选细胞的数据,并将其与板上的后续操作相关联(例如,通过对已分选细胞进行测序而得到的基因表达)。
索引分选分析可能需要用图表和统计数据显示已分选和未分选事件。所述分选器可以执行以下一项或多项:荧光补偿、轴变换(例如,二项式或其他非线性变换)或每个事件的区域和门分类。
在一些实施方案中,目标门可用于识别目的事件。可以通过选择二维图上的区域来提供目标门。在二维图的选定区域内利用属性值检测到的事件将被视为目标门内的事件,且可以分选至特定位置。一个事件可能在目标门内,但在某些分选模式下(例如,纯度或单细胞模式),可能无法正确分选所述事件,例如,另一事件与所述事件在所述流体介质的同一液滴内。在一些实施方案中,这可以称之为夹带或内聚。
作为记录分选决策的一部分,所述分选设备的分选电子器件可以将分选目的地与事件原始数据一同发送。事件原始数据可以包括事件的检测特性(例如,反射光值、荧光信息、光散射信息、事件时间、事件序列号、分选设备在分析事件时的运行特征(例如,温度、流速、分选模式等)。为了进行索引分选,可以在当前托盘、板、显微镜载玻片或其他具有空间分隔池的物理介质中放置包括细胞的液滴,还可以传输用于特定事件的细胞放置位置的坐标。
所述分选电子设备还传输区域分类,即,数字信号处理器(DSP)为每个事件进行的分选分类。所述区域分类可以包括发送至所述分选电子器件的当前区域的位掩码。
区域可以包含基于一对变换参数(例如,CD4-A对数变换与CD8-A对数变换,或FSC-A线性变换与SSC-A线性变换)的位图。一对变换参数落入所述位图的设置位内的任何事件都被视为在所述区域内。
目标门可以包括由区域和门的组合组成的真值表,使得具有与所述区域相对应的参数的事件被视为关联门成员(例如,“在范围内”)。可能有表示门成员资格的其他方法(例如,如果逻辑由与组合组成,使用后缀逻辑表达式等,则为区域列表)。
图2显示了图形控制***的一个示例的功能框图,所述图形控制***可以执行所述的一项或多项功能。
颗粒分析仪202(例如,流式细胞仪)可被配置成获取生物事件的定量数据。例如,颗粒分析仪202可以生成流式细胞术事件数据。颗粒分析仪202可以包括细胞分选***,例如,图1所示的细胞分选***100。在此等实施例中,所述事件数据可以包括针对颗粒的分选决策。颗粒分析仪202可被配置成将事件数据提供给图形控制器290。可以在颗粒分析仪202和图形控制器290之间纳入一条数据通信通道。可以经由所述数据通信通道将所述事件提供给图形控制器290。
图形控制器290可被配置成接收来自颗粒分析仪202的事件。接收自颗粒分析仪202的事件可以包括流式细胞术事件数据或其他定量生物事件数据。图形控制器290可被配置成向显示设备206提供包括事件第一图或其他可视化信息(例如,孔)的图形显示。图形控制器290可进一步被配置成围绕由显示设备206所示的多个事件渲染门,其覆盖在第一图上。或者,图形控制器290可进一步被配置成以不同于门外事件中其他事件的方式在门内的显示设备206上显示事件。例如,图形控制器290可被配置成使门内含有的流式细胞术事件的颜色与门外的流式细胞术事件的颜色不同。显示设备206可以用作显示器、平板计算机、智能电话或被配置成展示图形界面的其他电子设备。
图形控制器290可与存储设备204连接。存储设备204可被配置成接收和存储来自图形控制器290的流式细胞术事件。存储设备204还可被配置成接收和存储来自图形控制器290的流式细胞术事件数据。存储设备204还可被配置成允许图形控制器290检索流式细胞术事件和流式细胞术事件数据。
显示设备206可被配置成接收来自图形控制器290的显示数据。显示数据可以包含流式细胞术事件的图和概述图部分的门。显示设备206可以进一步被配置成根据接收自图形控制器290的输入以及接收自颗粒分析仪202、存储设备204、键盘208和/或鼠标210的输入来改变所展示的信息。
图形控制器290可以被配置成接收选择信号(识别诸如按钮等控制元件的激活)、绘制门或来自第一输入设备的键盘输入。例如,所述输入设备可以用作鼠标210。鼠标210可以向图形控制器290发出门选择信号,以确定待在显示设备206上显示或经由显示设备206操纵的门(例如,当光标位于此处时,在所需门上或内单击)。如果可视化包括孔显示,则特定孔的选择可以包括在门选择信号中。
第一和第二输入设备可以用作鼠标210、键盘208或用于向图形控制器290提供输入信号的其他装置(例如触摸屏、触控笔、光学检测器或语音识别***)中的一项或多项。某些输入设备可能包括多种输入功能。在此等实施方案中,所述输入功能可以各自地被视为是一种输入设备。例如,如图2所示,鼠标210可以包括鼠标右键和鼠标左键,其均可产生触发事件。
所述触发事件可以促使图形控制器290改变显示数据的方式或在显示设备206上实际显示的数据部分或同时改变上述两者。
在一些实施例中,图形控制器290可被配置成检测鼠标210启动门选择的时间。图形控制器290可以进一步被配置成自动修改一个或更多个接口元素以响应于所述的选择/输入。所述改变可以包括从指定源加载事件数据,并呈现出显示事件数据或其选择的用户界面。
图形控制器290可以接收改变图显示方式的调整内容。例如,所述缩放比例应用于通过图显示的至少一个维度。在一示例中,初始图可以使用对数标度在x和y维度上显示值。用户可以激活界面上的控制元件以更改值的缩放比例。在某些***中,可能无法根据缩放值来调整门。在这种情况下,由于基本参数缩放比例发生变化,由缩放图中的门定义的群体可能不准确。在某些***中,通用缩放比例可以应用于门。但是,由于在定义原始门时初始图中值的非线性,因此这也可能无法准确表示群体。
为了在调整图的缩放比例时准确表示门,可以将图划分为图块,并且使每个图块与变换相关联,以调整与门相关联的每个图块中的区域。
图3显示了采用双指数缩放的初始图。所述初始图包括表示目的门控区或感兴趣区域的阴影区。颗粒分析仪可以利用所述区将门控区内的事件分选至特定收集容器(例如,收集板上的孔)中。
图4A显示了图3所示的初始图缩放后的图块排列。所述x和y轴已如图4A所示进行了变换,即,由双指数标度变换为负对数、线性和正对数标度。作为所述变换的一部分,每个轴的所述三次变换可产生九个区域,其中对被标记为A至I的这些区域进行了限定。图4A中的所述门控区域表示为九个独立的多边形,每个多边形的一部分落在所述九个区域中的任一区域内。将仿射变换应用于每个位图中,以对其进行定位,使所述角位于所述区域范围内。这可使256条位图通道用于定义总感兴趣区域。
图4B显示了初始图的特定图块排列。在图4B中,将特定变换分配给每个图块,以控制图块内值的调整,从而响应于缩放请求。所述图包括两个门控群体410和420。群体410完全位于图块C内,而群体420跨越两个图块——图块C和图块F。对于群体420,如果要分选所述群体,则以不同于图块F中的事件处理方式处理对图块C中的事件进行的任何变换。
不同于图4A,在图4B中,所述图块在显示时,其形状并不一致。所述图块本身在硬件分选位图中是一致的,但是它们映射的源图空间范围并非未如图4B所示。在图4A中,所述图块尺寸为256×256。图4A中有9个图块,所述图块可以组合以形成尺寸为768×768的位图。在图4B中,显示了从其中获得各图块的源图区域。可以采用类似于图5中所述的方法动态地生成所述图块集。
图5显示了图形控制***的一个示例的功能框图,所述图形控制***可以执行所述的一项或多项功能。图5所示的图形控制器500可以包括在图2所示的***200中。图形控制器500可以用作专门配置的设备,以将非线性门准确缩放为其他线性或非线性格式。在一些实施方案中,图形控制器500可与颗粒分析仪202、显示设备206(例如,平板计算机、膝上型计算机、台式计算机)或其他电子硬件集成在一起。
图形控制器500包括分析仪输入/输出(I/O)接口505。分析仪输入/输出接口505可被配置成向颗粒分析仪提供分选配置信息。例如,用户可以定义表示目的颗粒的门。图形控制器500可将门转换成配置,所述配置可由颗粒分析仪应用以根据图形定义的门对样品进行分选。所述配置可以是真值表或分层次的逻辑或门。
分析仪输入/输出接口505还可被配置成接收来自颗粒分析仪(例如,流式细胞仪)的事件数据。分析仪I/O接口505可以是硬件接口,其提供可供图形控制器500接收事件数据的路径。例如,分析仪输入/输出接口505可以用作网络接口、通用串行总线接口、串行数据通信接口、存储器访问设备或其他机器对机器通信接口。所述数据可以标准化的机器可读格式(例如,逗号分隔列表、令牌分隔列表、标记语言文档或电子表格)接收。
图形控制器500经由分析仪输入/输出接口505接收的颗粒事件数据可以存储在存储设备中,例如,图2所示的存储设备204。图形控制器500可以包括存储输入/输出(I/O)接口520,以便于将数据存入存储设备以及在存储设备中检索数据。例如,存储I/O接口520可以用作网络接口、通用串行总线接口、串行数据通信接口、存储器访问设备或其他机器对机器通信接口。在一些实施方案中,存储I/O接口520可被配置成生成查询,以检索由图形控制器500的某一元件所请求的信息。所述查询可以采用诸如结构化查询语言(SQL)之类的标准化查询语言。在一些实施方案中,存储I/O接口520可被配置成生成存储命令,以将数据长久地存储于存储设备中。SQL更新或***命令是存储I/O接口520生成的存储命令的示例。
显示处理单元510如图5所示。显示处理单元510协调图形控制器500的活动。例如,显示处理单元510可以接收表明数据已经由分析仪I/O接口505接收的信号。在检测到所述信号时,显示处理单元510可以发送指令,以将所述数据路由至存储I/O接口520进行存储。显示处理单元510可以根据一组预先配置的机器可读指令来协调所述活动。
图5所示的图形控制器500还包括设备输入/输出(I/O)接口515。设备I/O接口515接收来自输入设备(例如,鼠标或键盘)的信号。显示处理单元510可以检测输入信号(例如,缩放信号),并调整根据一个或更多个所述方面的显示内容。输入信号可以包括开始显示事件数据的消息。所述输入信号可以包括用于实验(应当显示数据)的标识符。使用所述标识符时,可以检索所述事件数据,例如,经由存储I/O接口520或经由分析仪I/O接口505(适用于来自所述颗粒分析仪的事件数据)。
事件***525可以被包括在图形控制器500中,以监控经由设备I/O接口515接收到的信号。事件***525可被配置成使得来自输入设备的信号被转译为图形调整内容。图形控制器500可以包括多台事件***525,以应对不同的***环境。例如,在任何事件数据显示之前,按键可用于触发数据加载。但是,一旦数据完成初始显示,所述相同按键事件可能会引发不同的***响应,例如应用特定变换。
事件***525可以包括事件注册表和相应的图形控制功能(例如,变换),以在检测到事件时触发。例如,事件***525可被配置成检测按键(例如,控制键与“L”键和“H”键一同按下)。事件***525可以感知环境。例如,当所述按键与另一输入信号(例如,鼠标选择、鼠标位置)、***状态(例如,电源打开、***)、数据状态(例如,加载的细胞计数数据)、显示状态(例如,所显示的图、当前显示的图类型)等一同检测到时,按键可以触发图形控制功能。所述注册表可以长久地存储于存储器中,并通过事件***525访问。
一旦检测到输入事件并确定***响应,所述事件***525便可以将指令传输至图形控制器500的适当元件中。例如,如果所述事件表示接收事件数据,则所述事件***525可以将消息传输至存储I/O接口520以开始存储所接收的事件数据。
在一些实施方案中,允许显示处理单元510协调***对所检测到的事件的响应可能是有利的。在可以接收到多个输入信号且需要仲裁以确定应当针对事件采用的顺序的情况下,这可能较为实用。显示处理单元510可被配置成利用状态机来管理状态变换,以展示图形控制器500的当前状态以及可能的下一状态。
事件***525所检测到的一些事件可以是图形控制事件。可以包括显示调整电路530,以协调对事件的图形显示的调整(从当前状态转变为调整状态)。显示调整电路530可以调整所显示的事件数量、所显示的一个或更多个事件的颜色、用于显示所述事件的图类型、用于所述显示的缩放级别、缩放比例等。
显示调整电路530可以将所述调整和待显示的事件标识传输至图生成器635。图生成器635可以进而根据所述调整生成所述事件数据的计算机可显示图示。而后,所述图示可以经由图形输出接口640提供给显示器。图形输出接口可以是视频图形阵列(VGA)接口、高清多媒体接口(HDMI)、有线或无线网络接口或被配置成直接或间接向显示设备提供图形数据的其他通信装置。在一些实施方案中,图生成器535可被配置成基于所应用的显示调整进一步选择待显示的事件。
图形控制器500中包括的元件可以通过总线545进行耦合。总线545可以是数据总线、通信总线或其他总线机制,以使图形控制器500的各个组件能够交换信息。应当进一步理解,虽然已示出了不同的元件,但是可以将多项功能组合纳入单个元件中,例如,显示调整电路530和图生成器535。此外,可以在图形控制器500中包括附加元件,以支持所述功能。例如,未示出电源,但可以包括电源,从而为图形控制器500供电。这允许将图形控制器500用作独立的图形控制中心,以接收来自一台或更多台分析仪的数据,接收来自一台或更多台输入设备的输入,并向一个或更多个显示源提供图形。
图6显示了一种门变换方法的过程流程图。方法600可以由控制设备执行。所述控制设备可以是所述设备中的一种或多种,例如,图2所示的图形控制器290或图5所示的图形控制器500。
方法600始于框602。在框604处,所述控制设备接收输入信息。所述输入信息包括初始图上的一组顶点。所述顶点组表示在荧光补偿或任何其他处理之后,在仪器(例如,颗粒分析仪)的测量空间中定义的分类区域。所述输入信息包括在绘制分类区域时应用于所述初始图的顶点的变换信息。例如,如果在双对数初始图上绘制所述顶点,则所述输入信息中指示的变换是对数变换。
在框605处,确定是否检测到任何缩放比例变化。所述变化可以基于所述控制设备接收的输入(例如,门的选择或更新的缩放参数)来检测。如果在框605处的确定结果是否定的,则方法600可以前进至框650,以便以线性或未缩放形式显示所述分类区域。如果在框605处的确定结果是否定的,则方法600可以前进至框606。
在框606处,所述控制设备计算所述输入顶点的边界框。所述边界框限定了所述初始图中显示的所有顶点沿各轴的最小值和最大值。
在框608处,所述控制设备将变换类型与所述分类区域内的各轴相关联。如果所述轴变换为线性变换,则将线性硬件变换与所述轴表示的参数相关联。如果所述轴变换为对数变换,则将对数硬件变换与所述轴表示的参数相关联。如果所述轴变换为双指数变换或类似变换,则将第一对称对数变换与负值区域相关联,线性变换与接近0的区域相关联,第二对称对数变换与正值区域相关联。可以对齐适用于双指数变换的所述变换,以最大限度地减少所示区域之间的重叠,并切换变换,以便在变换后,提供所述值的准确表示。在一些实施方案中,对齐所述图块,使分选区域之间实现无缝过渡。无缝过渡可以包括定义各ADC通道,同时最大限度地减少图块之间的重叠。由于舍入问题,可能无法避免重叠,但是可以最大限度地减少重叠。如果所述硬件对仿射变换有限制,则可以应用解决所述硬件限制所需的重叠。例如,考虑采用可以调整线性图块但无法调整对数图块的固件。在这种情况下,所述图块排列会受到更多限制,而且在较低的正向测量空间中会出现重叠。
如果所述硬件支持仿射变换,则调整仿射变换以最大限度地提高所述位图的使用率,即,使位图边界与区域边界框对齐。如果ADC通道中某一位图的跨距小于所述位图分辨率,则可以将该部分的所述变换任选地切换为线性变换,以最大限度地提高保真度。
在框610处,所述控制设备利用针各轴(位于与给定顶点相关联的区域内)的所述源变换来变换所述门的顶点。变换所述顶点可以包括通过将每对相邻顶点配对来构成一组线段顶点,并环绕所述顶点,使最后一个顶点与第一个顶点也构成一条线段。对于每条线段,所述控制设备可以通过将其细分为许多线段顶点对来对所述线段进行内插。例如,所述内插可以是线性细分,也可以考虑在轴上目标硬件空间中采取的若干步骤。点过多会导致绘制和填充多边形的渲染时间增加。较为可取的是避免使保真度高于从一个像素连接至相邻像素的各线段的保真度。点过少可能指示在图块表示上进行的设门决策与在基于源图的位图上进行的设门决策之间的误差。
在框630处,所述控制设备采用绘制算法(例如,多边形扫描线填充)将所述顶点组渲染至位图中。渲染各像素后,所述控制设备可以确定所述像素位于哪一位图图块中,并设置一个标志,以指示对所述位图图块进行写操作。对于每个已写入的位图图块,所述控制设备将所述图块与其仿射变换和硬件轴变换配对。所述图块和变换可以作为待使用的硬件ROI位图存储。在框603处的渲染可以包括利用各轴的逆源变换,将所述内插顶点组变换至测量空间。在框603处的渲染可以包括基于硬件变换(适于进行分选的硬件执行)来对测量空间中的所述顶点进行变换。所述渲染还可以包括分配一个空位图,所述位图跨越各轴或系列图块的硬件变换空间。
可以包括所述渲染变换步骤或类似变换,以使所述门的几何特性保留在其定义的变换空间(即,绘制其的图)中。例如,线性/对数图中绘制的直线在变换为线性/线性空间时变为曲线。如果未对这条线进行内插,而仅仅变换其起点和终点,则所述线将在新空间内定义一条无曲线的直线。通过将所述线分成一系列线段,使曲率保持不变。
在一些实施方案中,可以在硬件中执行数学函数,所述数学函数将保持与所述门相关联的顶点的完整性。一些实施方案可以在电子器件的自然测量空间中定义顶点,所述自然测量空间可以是线性空间。在此等实施方案中,所述***可以通过标绘轴变换来变换顶点、进行内插,然后平移回所述测量空间。而后,所述***可以从测量空间平移至图块空间。请注意,如果所述顶点在标绘轴变换空间中定义的(在某些实施方案中已定义),则可以省略一个或更多个渲染变换。所述省略可以基于对与一组顶点相关联的变换空间的检测进行。举例而言,可以通过适用于所述顶点的元数据或所述***可以检测到的指定格式来识别所述变换空间。
在一些实施方案中,较为可取的是将所述活动图块分为一组,并为每个ROI位图组分配或逻辑。所述分组可以提高用以表示ROI的效率。在框632处,所述控制设备可以执行分组。如果有充足的未使用的硬件ROI位图资源,则在框632处的分组可以包括调整所述硬件变换,使多张位图可以进一步平铺于所述变换的一部分并重新运行所述算法。这可使保真度增加。
如果无充足的硬件ROI位图资源用于颗粒分析仪,则在框632处的分组可以包括一种或多种资源节约策略。如果完整设置了双指数-双指数变换区域中的中心位图图块,则可以调整周围位图(例如,线性/对数组合位图)的范围,使所述位图涵盖零。如果所述位图涵盖轴上的大量负空间和正空间,则可以消除线性位图分块,而且只能使用正对数变换和负对数变换。或者,单张位图可与对称对数变换结合使用,以涵盖正空间和负空间。在这种情况下,所述控制设备可以为所述线性主导区域(“环形孔”)填充其他位图。
在一些实施方案中,可以将所述区域分配给特定目的区域,使颗粒分析仪进行分选。由于所述离散区域已组合到可供颗粒分析仪进行分选的表示中,因此所述区域的分配可以称之为打包过程。所述打包过程将表示各图块的离散区域组合在一起,以表示在图形处理器中绘制的区域。
所述打包过程可以是递归过程,其接收分箱位置和容量的配对列表以及包括每个区域所需的位图数量的区域列表。所述打包可以产生分配给与颗粒分析仪相关联的ROI位图的区域列表。对于所述分箱列表中的各分箱,查询区域列表中位图(适用于当前分箱容量)数量最多的区域。如果存在符合此标准的区域,则所述过程可以输出以当前分箱位置作为其位置的区域;从待处理的区域列表中删除所述区域;计算所述分箱中未使用的ROI位图的数量(即,所述分箱容量减去选定区域内ROI位图的数量);以及根据剩余部分中2个组分的效能,将所述分箱中的剩余ROI位图拆分并入新的分箱中。例如,如果剩下3张ROI位图,则将所述位图分成规格为1和2的分箱。所述分箱可以按照规格从小到大依次安置,而且所述位置始于当前分箱位置加上当前区域内所使用的位图数量。所述过程可以递归方式执行新的分箱列表和剩余区域。
如果在退出所述过程后,所述列表中仍有任何剩余区域,则硬件中可能无足够的容量将所述区域分配给ROI位图。在此等情况下,所述过程可以在所述输出列表中查找未使用的ROI位图插槽。而后,所述过程可以将某一区域内的位图分配给非连续硬件ROI位图,并针对设门级(对所述非连续区域进行或运算)建立一个真值表。这样可以通过用户定义的区域来降低设门真值表的有效容量。例如,如果一个区域需要9张位图,则将其分成分别需要8张位图和1张位图的两个区域。如果有一张位图且真值表可构造成分别对所述8张位图和1位图进行或运算,则所述单张位图将平铺于备用插槽中。接下来,所述过程可以确定可以用较少的位图表示的区域。例如,较为可取的是,保持分配给适用于较大矩形区域的位图的像素纵横比,以便最初可以分配两张位图,但也可以使单张位图与更多地在某一方向上跨ADC通道“扩展”的像素结合使用。
在一些实施方案中,可能存在未使用的硬件ROI位图插槽。在这种情况下,所述过程可以通过使用更多位图,然后重新运行所述打包过程来增加分配给某一区域的细节层次。
可以根据所述位图的分配来计算或运算的控制情况。例如,对于其中至多有32张位图可通过或运算进行组合的实施例,所述过程可以计算或运算控制注册表。请注意,用于控制注册表中某一或门的位是任意分配的,但出于本示例之目的,所述过程选择0xAAAAAAAA,0x44444444、0x10101010、0x01000100和0x00010000的位掩码来表示所述层的有效位。每层的位数是前一层的一半。
对于每对位图位置和规格,从设置有后续规格位的位置开始计算掩码(例如,位置28,规格3的掩码为0x7000000)
对于所述掩码,通过以下方式生成以下控制注册表值:
·控制掩码1是(mask&(mask<<1)&0xAAAAAAAA)
·通过与0x55555555进行与运算,从掩码中删除位
·控制掩码2是(mask&(mask<<2)&0x44444444)
·通过与0x11111111进行与运算,从掩码中删除位
·控制掩码3是(mask&(mask<<4)&0x10101010
·通过与0x01010101进行与运算,从掩码中删除位
·控制掩码4是(mask&(mask<<8)&0x010000100
·通过与0x00010001进行与运算,从掩码中删除位
·控制掩码5是(mask&(mask<<16)&0x00010000
而后,所述过程可以通过逻辑或运算将所有控制掩码1的值结合起来。然后,所述过程对与控制掩码2至5相关联的值执行类似操作。
对于所述掩码,通过以下方式生成以下控制注册表值:
所述过程可以扩展至任意数量的位图。这通过首先比较相邻位,然后检查每组区域的位掩码是否会传递至下一层实现。所述移位和与掩码可以取决于与或门结合的位的排列方式。例如,在第一层中低16位与高16位结合的另一种方案需要不同的掩码和移位(向左移16位并使用0xFFFF0000掩码,或向右移16位并使用0x0000FFFF掩码)。
其他实施例
本发明的方面主要关注流式细胞仪和流式细胞仪事件数据。在一些实施例中,所述事件数据可能对应于指示特定蛋白质或基因表达的其他定量生物数据。例如,所述事件数据可以表明在细胞内或在细胞的混合群体中存在mRNA序列。所述事件数据可以确定用于细胞转录组的基因转录的绝对数量。可以依据细胞或基因表达来调整所述事件数据的呈现,以提供对特定目的事件数据群体(例如,与特定mRNA序列相关,取自特定细胞等)的不同观点。可以利用大量并行的单细胞分析功能来生成所述事件数据,例如第9,567,645号美国专利所述的功能,此专利中的内容以引用方式全文并入本文。一种在市场上可购得的单细胞分析***是位于新泽西州富兰克林湖的Becton,Dickinson and Company生产的Becton,Dickinson RhapsodyTM硬件。所探讨的功能可用于可视化或门控与基因表达有关的事件。
本文中使用的术语“确定”涵盖各种活动。例如,“确定”可以包括计算、计算机计算、处理、推导、调查、查找(例如,在表、数据库或另一数据结构中查找)、查明等。此外,“确定”可以包括接收(例如,接收信息)、访问(例如,访问存储器中的数据)等。此外,“确定”可以包括解析、选定、选择、建立等。
本文中使用的术语“提供”涵盖各种活动。例如,“提供”可以包括将值存储在便于后续检索的位置、将值直接发送给接收者、发送或存储对值的引用等。“提供”还可以包括编码、解码、加密、解密、确认、验证等。
本文中使用的术语“选择性地”或“选择性”可以涵盖各种活动。例如,“选择性”过程可以包括从多个选项中确定一个选项。“选择性”过程可以包括以下一项或多项:动态确定的输入、预先配置的输入或用户为确定而发起的输入。在一些实施方案中,可以包括n输入切换以提供选择性功能,其中n是用于进行选择的输入数量。
本文中使用的术语“消息”涵盖用于传达(例如,发送或接收)信息的各种格式。消息可以包括机器可读的信息聚合,例如,XML文档、固定字段消息、逗号分隔消息等。在一些实施方案中,消息可以包括用于传输一种或多种信息表示的信号。虽然以单数形式叙述,但应当理解,消息可以多个部分组成、发送、存储、接收等。
本文中使用的“用户界面”(也被称为交互式用户界面、图形用户界面、界面或UI)可以指基于网络的界面,包括数据字段和/或用于接收输入信号或提供电子信息和/或向用户提供信息以响应于任何接收到的输入信号的其他控件。可以采用诸如超文本标记语言(HTML)、 Web服务和丰富站点摘要(RSS)等技术来全部或部分实现UI。在一些实施方案中,可以将UI包括在被配置成根据所述的一个或更多个方面进行通信(例如,发送或接收数据)的独立客户端(例如,胖客户端、胖客户机)中。
本文中使用的指代项目列表中“至少一项”的短语是指所述项目的任意组合,包括单个成员。例如,“以下项目中的至少一项:a、b或c”旨在涵盖:a、b、c、a-b、a-c、b-c和a-b-c。
本领域技术人员应当理解,可以使用各种不同技术和技巧中的任何一种来表示信息、消息和信号。例如,在上述整个说明书中可能提及的数据、指令、命令、信息、信号、位、符号和芯片可以用电压、电流、电磁波、磁场或粒子、光场或光学粒子或其任何组合表示。
本领域技术人员应当进一步理解,结合本文所揭示的实施例描述的各种说明性逻辑块、模块、电路和算法步骤可以用作电子硬件、计算机软件或两者的组合。为了清楚阐明硬件和软件的这种可互换性,上文已大体上就其功能描述了各种说明性组件、块、模块、电路和步骤。将这种功能用作硬件还是软件取决于特定应用以及对于整个***的设计约束。技术人员可以针对各特定应用以各种方式执行所述功能,但是这种执行决策不应被解释为导致脱离本发明的范围。
本文所述的技术可以硬件、软件、固件或其任何组合的形式来实施。所述技术可以在各种设备中的任何一种中实施,例如,专门编程的事件处理计算机、无线通信设备或集成电路器件。被描述为模块或组件的任何功能都可以在集成逻辑设备中一同执行,或在离散但可互操作的逻辑设备中分别执行。如果以软件形式实施,则所述技术可以至少部分通过计算机可读数据存储介质来实现,所述计算机可读数据存储介质包括指令,执行所述指令时,即执行上述一种或多种方法。所述计算机可读数据存储介质可以构成计算机程序产品的一部分,其可以包括包装材料。所述计算机可读介质可以包含存储器或数据存储介质,例如,随机存取存储器(RAM)(例如同步动态随机存储器(SDRAM))、只读存储器(ROM)、非易失性随机存取存储器(NVRAM)、电可擦可编程只读存储器(EEPROM)、闪速存储器、磁性或光学数据存储介质等。所述计算机可读介质可以是非暂时性存储介质。此外或另外,所述技术可以至少部分通过计算机可读通信介质来实现,所述计算机可读通信介质以指令或数据结构的形式携带或传递程序代码,而且可以通过计算设备来访问、读取和/或执行,例如传播的信号或波。
所述程序代码可以由专门编程的图形处理器执行,所述图形处理器可以包括一个或更多个处理器,例如,一个或更多个数字信号处理器(DSP)、可配置微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其他等效的集成或离散逻辑电路***。所述图形处理器可以被专门配置成执行本发明中所描述的任何技术。计算设备的组合(例如,DSP和微处理器的组合、多个微处理器、与DSP内核结合的一个或更多个微处理器或至少部分数据连接中的任何其他此等配置)可以执行一项或多项所述功能。因此,本文中使用的术语“处理器”可以指任何前述结构、前述结构的任何组合或适于实施本文所述技术的任何其他结构或装置。此外,在一些方面,本文所述的功能可以在被配置成用于编码和解码的专用软件模块或硬件模块内提供,或者将其并入专用图形控制卡中。
集成电路器件
本发明的方面还包括集成电路器件,其被编程为:生成包含所检测到的光的测量值的数据图,其中所述数据图包括一个或更多个区域,每个区域具有颗粒群;计算构成所述数据图中每个区域边界的一组顶点;确定与所述顶点组中的每个顶点相关联的算法变换类型;生成每个颗粒区域的位图,使每个区域的所述位图均包括一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及确定应用于每个区域所述位图中每个顶点的算法变换。在一些实施例中,目的集成电路器件包括现场可编程门阵列(FPGA)。在其他实施例中,集成电路器件包括专用集成电路(ASIC)。在其他实施例中,集成电路器件包括复杂可编程逻辑器件(CPLD)。
在实施例中,所述集成电路器件被编程成生成包括一个或更多个标绘有颗粒群的区域的数据图,例如,两个或以上区域、三个或以上区域、四个或以上区域,包括五个或以上区域。在一些实施例中,所述集成电路器件被编程成确定所述数据图中每个区域的边界。在一些情况下,为了确定所述数据图中某一区域的边界,所述集成电路器件被编程成通过确定每个顶点沿所述数据图各轴的最小值和最大值,计算构成所述数据图中每个区域边界的一组顶点。在这些实施例中,由所述***确定每个顶点沿x轴的最小值和沿y轴的最小值以及沿x轴的最大值和沿y轴的最大值。
在实施例中,确定与所述数据图中每个区域的顶点相关联的算法变换。根据所采用的数据图类型(例如,双指数数据图),针对所述数据图的每个顶点确定的算法变换可能会有所不同,例如,为线性数值变换、对数数值变换或双指数数值变换。根据所述颗粒群在所述数据图上的位置,所述变换可以是正变换或负变换。例如,所述变换可以是正线性变换、正对数变换、负线性变换或负对数变换。
针对所述数据图中的每个颗粒群区域生成一张位图。在一些实施例中,所述集成电路器件被编程成生成由一个或更多个图块组成的位图。在一些实施例中,所述数据图生成两个或以上的位图图块,例如,3个或以上的位图图块、4个或以上的位图图块、5个或以上的位图图块、6个或以上的位图图块、7个或以上的位图图块、8个或以上的位图图块,包括9个或以上的位图图块。每个位图图块均可以包括位于目的颗粒群所在各区域边界的一个或更多个顶点,例如,2个或以上的顶点、3个或以上的顶点、4个或以上的顶点,包括位于目的颗粒群所在各区域的5个或以上的顶点。
在实施例中,所述集成电路被编程成确定应用于所述位图中每个顶点的算法变换。根据所采用的数据图类型(例如,双指数数据图),针对所述位图的每个顶点确定的算法变换可能会有所不同,例如,为线性数值变换、对数数值变换或双指数数值变换。根据所述颗粒群在所述数据图上的位置,所述变换可以是正变换或负变换。在一些实施例中,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,所述集成电路被编程成确定应用于所述位图中所述对应顶点的线性变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,所述集成电路被编程成确定应用于所述位图中所述对应顶点的对数变换。在其他实施例中,在与所述数据图中某一顶点相关联的所述算法变换为双指数变换时,所述集成电路被编程成确定应用于所述位图中所述对应顶点的变换,其包括对称对数变换、线性变换或其组合。在一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/正线性变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为正线性/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/正对数变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为正线性/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/正对数变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为正线性/正对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/正线性变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为正对数/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负对数/正线性变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为负对数/正线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正对数/负线性变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为正对数/负线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负线性/正对数变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为负线性/正对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为正线性/负对数变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为正线性/负对数变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负线性/负线性变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为负线性/负线性变换。在另一示例中,在与所述数据图中某一顶点相关联的所述算法变换为负对数/负对数变换的情况下,所述集成电路被编程成确定应用于所述位图中所述对应顶点的算法变换为负线性/负线性变换。
在一些实施例中,所述集成电路被编程成对齐应用于所述位图的所述算法变换。在这些实施例中,对齐所述变换,以最大限度地减少重叠并适当切换变换。在某些实施例中,所述集成电路被编程成对所述位图执行仿射变换,调整仿射变换以最大限度地提高所述位图的使用率,即,使位图边界与区域边界框对齐。
套件
本发明的方面进一步包括套件,其中套件包括本文所述的一个或更多个集成电路器件。在一些实施例中,套件可以进一步包括用于标的***的编程,例如,计算机可读介质(例如,闪存驱动器、USB存储器、光盘、DVD、蓝光光盘等)形式或用于从互联网Web协议或云服务器下载所述编程的指令。套件可以进一步包括用于实施标的方法的说明书。这些说明书可能以各种形式存在于标的套件中,其中一种或多种可能存在于套件中。这些说明书可能存在的一种形式是印在合适的介质或基材(例如,其上印有信息的一张纸或几张纸)、套件包装、包装说明书等之上的印刷信息。这些说明书存在的另一种形式是其上已记录有信息的计算机可读介质,例如,软盘、光盘(CD)、便携式闪存驱动器等。这些说明书可能存在的另一种形式是网址,可以借此通过互联网访问远程网站上的信息。
效用
标的***、方法和计算机***可用于需要分析和分选流体介质内的样品(例如,生物样品)中的颗粒组分的各种应用中。在一些实施例中,本文所述的***和方法可用于通过流式细胞术表征用荧光标签标记的生物样品。在其他实施例中,所述***和方法可用于发射光的光谱分析。本发明的实施例可以用于需要提供满足以下要求的流式细胞仪的情况:细胞分选准确性有所改善;颗粒收集能力增强;颗粒带电效能提高;颗粒带电更准确;以及细胞分选过程中的颗粒偏转增强。
本发明的实施例还可以用于可能需要将利用生物样品制备的细胞用于研究、实验室测试或用于治疗的应用中。在一些实施例中,标的方法和装置有助于获得利用目标流体或组织生物样品制备的单种细胞。例如,标的方法和***有助于从流体或组织样品中获得细胞,以用作诸如癌症等疾病的研究或诊断试样。同样,标的方法和***有助于从流体或组织样品中获得用于治疗的细胞。与传统的流式细胞术***相比,本发明的方法和装置能够以更高的效率和更低的成本从生物样品(例如,器官、组织、组织碎片、流体)中分离和收集细胞。
虽然本文附有权利要求书,但本发明的范围还受以下条款限定:
1.一种方法,其包含:
检测来自流体介质中的颗粒的光;
生成包含所检测到的光的测量值的数据图,其中所述数据图包含一个或更多个区域,每个区域包含颗粒群;
计算构成所述数据图中每个区域边界的一组顶点;
确定与所述顶点组中的每个顶点相关联的算法变换类型;
生成每个颗粒区域的位图,其中每个区域的所述位图均包含一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及
确定应用于每个区域所述位图中每个顶点的算法变换,
其中应用于所述位图中每个顶点的所述算法变换类型与所述数据图中各对应顶点相关联的算法变换类型相同。
2.根据条款1所述的方法,其中检测来自流体介质中的颗粒的光包含光吸收、光散射、荧光或其组合。
3.根据条款2所述的方法,其中检测光包含检测侧向散射光、前向散射光或其组合。
4.根据条款2-3中任一项所述的方法,其中检测光包含检测荧光。
5.根据条款1-4中任一项所述的方法,其中计算构成所述数据图中每个区域边界的一组顶点包含确定每个顶点沿所述数据图各轴的最小值和最大值。
6.根据条款1-5中任一项所述的方法,其中与所述数据图中的每个顶点相关联的所述算法变换为线性数值变换、对数变换或双指数变换。
7.根据条款6所述的方法,其中在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,所述方法包含确定应用于所述位图中所述对应顶点的线性变换。
8.根据条款6-7中任一项所述的方法,其中在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,所述方法包含确定应用于所述位图中所述对应顶点的对数变换。
9.根据条款6-8中任一项所述的方法,其中在与所述数据图中某一顶点相关联的所述算法变换为双指数变换时,所述方法包含确定应用于所述位图中所述对应顶点的变换,其包含以下两种或以上:
对称对数变换;以及
线性变换。
10.根据条款1-9中任一项所述的方法,进一步包含对齐应用于所述位图的所述算法变换。
11.根据条款1-10中任一项所述的方法,进一步包含对所述位图应用仿射变换。
12.根据条款1-11中任一项所述的方法,其中所述方法包含利用所述数据图生成两个或更多个位图图块。
13.根据条款12所述的方法,进一步包含确定应用于每个位图图块中每个顶点的算法变换。
14.根据条款1-13中任一项所述的方法,进一步包含在两个顶点之间内插一条或两条线段。
15.根据条款1-14中任一项所述的方法,其中生成位图包含多边形绘制算法。
16.根据条款15所述的方法,其中生成位图包含多边形扫描线填充算法。
17.根据条款1-16中任一项所述的方法,进一步包含基于所生成的位图生成适用于某一区域中的颗粒的分选决策。
18.根据条款17所述的方法,其中生成分选决策包含生成分选配置,所述分选配置包含:
真相表;或
一个或更多个逻辑或门。
19.根据条款18所述的方法,其中所述方法包含生成分选配置,所述分选配置包含分层次的逻辑或门。
20.根据条款1-19中任一项所述的方法,其中所述颗粒是生物样品中的细胞。
21.根据条款1-20中任一项所述的方法,其中所述位图和所应用的算法变换是由集成电路生成的。
22.根据条款17-20中任一项所述的方法,其中所述分选决策是由集成电路生成的。
23.根据条款21-22中任一项所述的方法,其中所述集成电路是现场可编程门阵列。
24.一种***,其包含:
光源,其被配置成辐照流体介质中的颗粒;
光检测***,其包含光电检测器;以及
处理器,其包含与所述处理器可操作地耦合的存储器,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:
生成包含所检测到的光的测量值的数据图,其中所述数据图包含一个或更多个区域,每个区域包含颗粒群;
计算构成所述数据图中每个区域边界的一组顶点;
确定与所述顶点组中的每个顶点相关联的算法变换类型;
生成每个颗粒区域的位图,其中每个区域的所述位图均包含一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及
确定应用于每个区域所述位图中每个顶点的算法变换,其中应用于所述位图中每个顶点的所述算法变换类型与所述数据图中各对应顶点相关联的算法变换类型相同。
25.根据条款24所述的***,其中所述光检测***包括光电检测器,其被配置成检测光吸收、光散射和荧光中的一种或多种。
26.根据条款24-25中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器通过确定每个顶点沿所述数据图各轴的最小值和最大值,计算构成所述数据图中每个区域边界的所述顶点组。
27.根据条款24-26中任一项所述的***,其中与所述数据图中的每个顶点相关联的所述算法变换为线性数值变换、对数变换或双指数变换。
28.根据条款27所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:即,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,确定应用于所述位图中所述对应顶点的线性变换。
29.根据条款27-28中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:即,在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,确定应用于所述位图中所述对应顶点的对数变换。
30.根据条款27-29中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器确定应用于所述位图中某一顶点的变换,其包含以下两种或以上:
对称对数变换;以及
线性变换,
前提是在与所述数据图中所述对应顶点相关联的所述算法变换为双指数变换的情况下。
31.根据条款24-30中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器对齐应用于所述位图的所述算法变换。
32.根据条款24-31中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器利用所述数据图生成两个或更多个位图图块。
33.根据条款32所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器确定应用于每个位图图块中每个顶点的算法变换。
34.根据条款24-33中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器在两个顶点之间内插一条或多条线段。
35.根据条款24-33中任一项所述的***,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器利用多边形绘制算法来生成所述位图。
36.根据条款35所述***,其中所述多边形绘制算法包含多边形扫描线填充算法。
37.根据条款24-36中任一项所述的***,进一步包含被配置成基于所生成的位图分选某一区域中的颗粒的颗粒分选组件。
38.根据条款37所述的***,其中所述颗粒分选组件包含:
真相表;或
一个或更多个逻辑或门。
39.根据条款38所述的方法,其中所述颗粒分选组件包含分层次的逻辑或门。
40.根据条款24-39中任一项所述的***,包含被配置成用于生成算法变换的集成电路。
41.根据条款24-39中任一项所述***,包含被配置成用于生成所述位图的集成电路。
42.根据条款24-39中任一项所述的***,包含被配置成用于生成基于所述位图的分选决策的集成电路。
43.根据条款40-42中任一项所述的***,其中所述集成电路是现场可编程门阵列。
44.根据条款24-43中任一项所述的***,其中所述***是流式细胞仪。
45.根据条款37-44中任一项所述的***,其中所述细胞分选组件包含液滴偏转器。
46.根据条款24-45中任一项所述的***,其中所述光源包括激光器。
47.根据条款46所述的***,其中所述激光器是连续波激光器。
48.一种集成电路,其被编程为:
生成包含所检测到的光的测量值的数据图,其中所述数据图包含一个或更多个区域,每个区域包含颗粒群;
计算构成所述数据图中每个区域边界的一组顶点;
确定与所述顶点组中的每个顶点相关联的算法变换类型;
生成每个颗粒区域的位图,其中每个区域的所述位图均包含一组顶点,所述顶点与所述数据图中每个区域的顶点相对应;以及
确定应用于每个区域所述位图中每个顶点的算法变换,其中应用于所述位图中每个顶点的所述算法变换类型与所述数据图中各对应顶点相关联的算法变换类型相同。
49.根据条款48所述的集成电路,其中所述集成电路被编程成通过确定每个顶点沿所述数据图各轴的最小值和最大值,计算构成所述数据图中每个区域边界的所述顶点组。
50.根据条款48-49中任一项所述的集成电路,其中与所述数据图中的每个顶点相关联的所述算法变换为线性数值变换、对数变换或双指数变换。
51.根据条款50所述的集成电路,其中所述集成电路被编程成在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,确定应用于所述位图中所述对应顶点的线性变换。
52.根据条款50-51中任一项所述的集成电路,其中所述集成电路被编程成在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,确定应用于所述位图中所述对应顶点的对数变换。
53.根据条款50-52中任一项所述的集成电路,其中所述集成电路被编程成确定应用于所述位图中某一顶点的变换,其包含以下两种或以上:
对称对数变换;以及
线性变换,
前提是在与所述数据图中所述对应顶点相关联的所述算法变换为双指数变换的情况下。
54.根据条款48-53中任一项所述的集成电路,其中所述集成电路被编程成对齐应用于所述位图的所述算法变换。
55.根据条款48-54中任一项所述的集成电路,其中所述集成电路被编程成利用所述数据图生成两个或更多个位图图块。
56.根据条款55所述的集成电路,其中所述集成电路被编程成确定应用于每个位图图块中每个顶点的算法变换。
57.根据条款48-56中任一项所述的集成电路,其中所述集成电路被编程成利用多边形绘制算法来生成所述位图。
58.根据条款57所述的集成电路,其中所述多边形绘制算法包含多边形扫描线填充算法。
59.根据条款48-58中任一项所述的集成电路,其中所述集成电路被编程成基于所生成的位图生成分选某一区域中的颗粒的分选决策。
60.根据条款59所述的集成电路,其中所述集成电路用以下各项进行编程:
真相表;或
一个或更多个逻辑或门。
61.根据条款60所述的集成电路,其中所述集成电路用分层次的逻辑或门进行编程。
62.根据条款48-61中任一项所述的集成电路,其中所述集成电路是现场可编程门阵列(FPGA)。
63.根据条款48-61中任一项所述的集成电路,其中所述集成电路是专用集成电路(ASIC)。
64.根据条款48-61中任一项所述的集成电路,其中所述集成电路是复杂可编程逻辑器件(CPLD)。
65.一种用于配置颗粒分析仪以收集指定颗粒的控制设备,所述控制设备包含:
输入设备端口,其被配置成接收来自输入设备的消息;
与所述输入设备端口进行数据通信的事件***,所述事件***被配置成处理接收自输入设备的消息;
存储可执行指令的计算机可读存储器;以及
一个或更多个与所述计算机可读存储器通信的计算机处理器,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以至少执行以下操作:
提供包括第一图的图形显示,所述第一图包括第一轴,其中所述第一图包括第一选择,所述第一选择确定适用于某一颗粒群测量值的所述第一图的第一区;
通过所述输入设备端口自第一输入设备接收对所述第一轴的缩放调整请求;
至少部分基于所述缩放调整以及可用于颗粒分析仪(用以处理样品)的资源,确定用于划分所述第一轴的区域数量;
将所述第一轴划分为所述数量的区域,
确定所述第一区域的第一变换,
确定所述第二区域的第二变换,
对于由第一组顶点定义的所述第一选择的第一部分(其中所述第一部分位于所述第一区域范围内),利用所述第一组顶点和所述第一变换生成第一组经平移的顶点,
对于由第二组顶点定义的所述第一选择的第二部分(其中所述第二部分位于所述第二区域范围内),利用所述第二组顶点和所述第二变换生成第二组经平移的顶点,
将第一组经平移的顶点与第二组经平移的顶点结合以形成第二选择;
至少部分基于所述第二选择生成分选配置,其中所述分选配置至少包含以下任一项:(a)真值表;或(b)分层次的逻辑或门;以及
配置所述颗粒分析仪,以利用所述分选配置对所述样品中的颗粒进行分选。
66.根据条款65所述的控制设备,其中所述第一变换是线性变换或对数变换。
67.根据条款65-66中任一项所述的控制设备,其中所述第二变换是线性变换或对数变换。
68.根据条款65-67中任一项所述的控制设备,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以便在与所述第一组顶点相关联的变换为线性变换时,确定与所述第一组顶点结合使用以生成所述第一组经平移的顶点的线性变换。
69.根据条款65-67中任一项所述的控制设备,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以便在与所述第一组顶点相关联的变换为对数变换时,确定与所述第一组顶点结合使用以生成所述第一组经平移的顶点的对数变换。
70.根据条款65-69中任一项所述的控制设备,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以便在与所述第二组顶点相关联的变换为线性变换时,确定与所述第二组顶点结合使用以生成所述第二组经平移的顶点的线性变换。
71.根据条款65-67中任一项所述的控制设备,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以便在与所述第二组顶点相关联的变换为对数变换时,确定与所述第二组顶点结合使用以生成所述第二组经平移的顶点的对数变换。
72.根据条款65-71中任一项所述的控制设备,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以生成包含真值表的分选配置。
73.根据条款65-71中任一项所述的控制设备,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以生成包含分层次的逻辑或门的分选配置。
尽管为了达到清晰理解的目的采用图示和示例的方式详细描述了前述发明,但是鉴于本发明的教学意义,对于本领域普通技术人员显而易见的是,在不脱离所附权利要求书的精神或范围的情况下,可对其进行特定的变更和修改。
因此,前述内容仅说明了本发明的原理。应当理解,本领域技术人员将能够设计出各种结构,尽管这里没有明确表述或示出,但这些设计反应了本发明的原理,未超出本发明的精神和范围。此外,本文列举的所有示例和条件语言主要为了帮助读者理解本发明的原理和发明人为进一步拓展本领域所提供的构想,并且应解释为不受这些具体列举的示例和条件的限制。而且,本文中引用本发明的原理、方面和实施例及其特定示例的所有陈述旨在涵盖其在结构和功能上的等同物。此外,所述等同物拟包括目前已知的等同物和日后待开发的等同物,即,开发出的任何功能相同的原件且与结构无关。而且,无论在权利要求书中是否明确叙述了本发明的公开内容,都不会向公众披露其中的任何内容。
因此,本发明的范围并不限于本文中显示和描述的示例性实施例。相反,本发明的范围和精神通过所附权利要求书体现。在权利要求书中,只有当权利要求书的限制内容开头明确使用短语“用于……的手段”或“用于……的步骤”时,《美国法典》第35章第112节(f)或《美国法典》第35章第112节(6)明确定义为被援引;如果权利要求书的限制内容中未使用所述短语,则《美国法典》第35章第112节(f)或《美国法典》第35章第112节(6)未被援引。
Claims (15)
1.一种方法,其包含:
检测来自流体介质中的颗粒的光;
生成包含所检测到的光的测量值的数据图,其中所述数据图包含一个或更多个区域,每个区域包含颗粒群;
计算构成所述数据图中每个区域的边界的一组顶点;
确定与构成所述数据图中每个区域的边界的一组顶点中的每个顶点相关联的算法变换的类型;
生成每个颗粒区域的位图,其中每个区域的所述位图均包含与所述数据图中每个区域的顶点相对应的一组顶点;以及
确定应用于每个区域的所述位图中每个顶点的算法变换,
其中应用于所述位图中每个顶点的所述算法变换的类型与所述数据图中各对应顶点相关联的算法变换的类型相同。
2.根据权利要求1所述的方法,其中检测来自流体介质中的颗粒的光包含光吸收、光散射、荧光或其组合。
3.根据权利要求1或2所述的方法,其中计算构成所述数据图中每个区域的边界的一组顶点包含确定每个顶点沿所述数据图各轴的最小值和最大值。
4.根据权利要求1或2所述的方法,其中与所述数据图中的每个顶点相关联的所述算法变换为线性数值变换、对数变换或双指数变换。
5.根据权利要求4所述的方法,其中,在与所述数据图中某一顶点相关联的所述算法变换为线性变换时,所述方法包含确定应用于所述位图中对应顶点的线性变换;在与所述数据图中某一顶点相关联的所述算法变换为对数变换时,所述方法包含确定应用于所述位图中对应顶点的对数变换。
6.根据权利要求1或2所述的方法,进一步包含对齐应用于所述位图的所述算法变换。
7.根据权利要求1或2所述的方法,其中所述方法包含利用所述数据图生成两个或更多个位图图块。
8.根据权利要求7所述的方法,进一步包含确定应用于每个位图图块中每个顶点的算法变换。
9.根据权利要求1或2所述的方法,进一步包含在两个顶点之间内插一条或两条线段。
10.根据权利要求1或2所述的方法,其中生成位图包含多边形绘制算法。
11.根据权利要求10所述的方法,其中生成位图包含多边形扫描线填充算法。
12.根据权利要求1或2所述的方法,进一步包含基于所生成的位图生成适用于某一区域中的颗粒的分选决策。
13.一种***,其包含:
光源,其被配置成辐照流体介质中的颗粒;
光检测***,其包含光电检测器;以及
处理器,其包含与所述处理器可操作地耦合的存储器,其中所述存储器包含存储于其上的指令,所述指令由所述处理器执行时,会使所述处理器执行以下操作:
生成包含所检测到的光的测量值的数据图,其中所述数据图包含一个或更多个区域,每个区域包含颗粒群;
计算构成所述数据图中每个区域的边界的一组顶点;
确定与构成所述数据图中每个区域的边界的一组顶点中的每个顶点相关联的算法变换的类型;
生成每个颗粒区域的位图,其中每个区域的所述位图均包含与所述数据图中每个区域的顶点相对应的一组顶点;以及
确定应用于每个区域的所述位图中每个顶点的算法变换,其中应用于所述位图中每个顶点的所述算法变换的类型与所述数据图中各对应顶点相关联的算法变换的类型相同。
14.一种集成电路,其被编程为:
生成包含所检测到的光的测量值的数据图,其中所述数据图包含一个或更多个区域,每个区域包含颗粒群;
计算构成所述数据图中每个区域的边界的一组顶点;
确定与构成所述数据图中每个区域的边界的一组顶点中的每个顶点相关联的算法变换的类型;
生成每个颗粒区域的位图,其中每个区域的所述位图均包含与所述数据图中每个区域的顶点相对应的一组顶点;以及
确定应用于每个区域的所述位图中每个顶点的算法变换,其中应用于所述位图中每个顶点的所述算法变换的类型与所述数据图中各对应顶点相关联的算法变换的类型相同。
15.一种用于配置颗粒分析仪以收集指定颗粒的控制设备,所述控制设备包含:
输入设备端口,其被配置成接收来自输入设备的消息;
与所述输入设备端口进行数据通信的事件***,所述事件***被配置成处理自输入设备接收的消息;
存储可执行指令的计算机可读存储器;以及
一个或更多个与所述计算机可读存储器通信的计算机处理器,其中一个或更多个所述计算机处理器被配置成执行所述可执行指令,以至少执行以下操作:
提供包括第一图的图形显示,所述第一图包括第一轴,其中所述第一图包括第一选择,所述第一选择确定适用于某一颗粒群测量值的所述第一图的第一区;
通过所述输入设备端口自第一输入设备接收对所述第一轴的缩放调整的请求;
至少部分基于所述缩放调整以及可用于颗粒分析仪的资源,确定用于划分所述第一轴的区域数量,其中所述颗粒分析仪用于处理样品;
将所述第一轴划分为所述数量的区域,
确定第一区域的第一变换,
确定第二区域的第二变换,
对于所述第一选择的由第一组顶点定义的第一部分,其中所述第一部分位于所述第一区域的范围内,利用所述第一组顶点和所述第一变换生成第一组经平移的顶点,
对于所述第一选择的由第二组顶点定义的第二部分,其中所述第二部分位于所述第二区域的范围内,利用所述第二组顶点和所述第二变换生成第二组经平移的顶点,
将第一组经平移的顶点与第二组经平移的顶点结合以形成第二选择;
至少部分基于所述第二选择生成分选配置,其中所述分选配置至少包含以下任一项:(a)真值表;或(b)分层次的逻辑或门;以及
配置所述颗粒分析仪,以利用所述分选配置对所述样品中的颗粒进行分选。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862663086P | 2018-04-26 | 2018-04-26 | |
US62/663,086 | 2018-04-26 | ||
PCT/US2019/028960 WO2019209977A1 (en) | 2018-04-26 | 2019-04-24 | Biexponential transformation for particle sorters |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112136035A CN112136035A (zh) | 2020-12-25 |
CN112136035B true CN112136035B (zh) | 2024-06-21 |
Family
ID=68291001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980033121.7A Active CN112136035B (zh) | 2018-04-26 | 2019-04-24 | 用于颗粒分选仪的双指数变换 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10613017B2 (zh) |
EP (1) | EP3785016A4 (zh) |
JP (1) | JP7366930B2 (zh) |
CN (1) | CN112136035B (zh) |
WO (1) | WO2019209977A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3948221A4 (en) | 2019-03-27 | 2022-12-21 | Becton, Dickinson and Company | SYSTEMS FOR CELL SORTING BASED ON FREQUENCY-CODED IMAGE AND METHODS OF USE THEREOF |
JP7466563B2 (ja) | 2019-03-29 | 2024-04-15 | ベクトン・ディキンソン・アンド・カンパニー | 粒子の区別に使用するためのパラメータ |
US11402317B2 (en) | 2019-04-19 | 2022-08-02 | Becton, Dickinson And Company | Subsampling flow cytometric event data |
CN115176139A (zh) | 2020-01-31 | 2022-10-11 | 贝克顿·迪金森公司 | 用于调整训练门以适应流式细胞仪数据的方法和*** |
WO2021225792A1 (en) | 2020-05-06 | 2021-11-11 | Becton, Dickinson And Company | Methods and systems for characterizing spillover spreading in flow cytometer data |
US11754487B2 (en) | 2020-06-24 | 2023-09-12 | Becton, Dickinson And Company | Flow cytometric droplet dispensing systems and methods for using the same |
US11680889B2 (en) | 2020-06-26 | 2023-06-20 | Becton, Dickinson And Company | Dual excitation beams for irradiating a sample in a flow stream and methods for using same |
CN111969982A (zh) * | 2020-08-19 | 2020-11-20 | 成都理工大学 | 一种脉冲波形变换方法 |
JP2024506817A (ja) * | 2021-01-25 | 2024-02-15 | ベクトン・ディキンソン・アンド・カンパニー | 空間的に分離されたレーザにわたる散乱信号を使用して液滴遅延を判定するための方法及びシステム |
US20230053122A1 (en) | 2021-08-10 | 2023-02-16 | Becton, Dickinson And Company | Clamps for operably coupling an optical component to a mounting block, and methods and systems for using the same |
US20230046207A1 (en) | 2021-08-10 | 2023-02-16 | Becton, Dickinson And Company | Outlet fittings for reducing bubbles at the interface with a flow cell, and flow cytometers and methods using the same |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4998010A (en) * | 1988-04-08 | 1991-03-05 | United Parcel Service Of America, Inc. | Polygonal information encoding article, process and system |
CA2017974C (en) | 1989-08-07 | 1998-06-16 | Richard Alan Becker | Dynamic graphical analysis of network data |
US5933150A (en) * | 1996-08-06 | 1999-08-03 | Interval Research Corporation | System for image manipulation and animation using embedded constraint graphics |
US7134994B2 (en) | 2002-05-20 | 2006-11-14 | Volcano Corporation | Multipurpose host system for invasive cardiovascular diagnostic measurement acquisition and display |
US20060015291A1 (en) | 2002-10-18 | 2006-01-19 | Leland Stanford Junior University | Methods and systems for data analysis |
US6954722B2 (en) | 2002-10-18 | 2005-10-11 | Leland Stanford Junior University | Methods and systems for data analysis |
JP2004200351A (ja) * | 2002-12-18 | 2004-07-15 | Hitachi Ltd | 露光装置及び露光方法 |
US20080119421A1 (en) | 2003-10-31 | 2008-05-22 | Jack Tuszynski | Process for treating a biological organism |
US7978205B1 (en) * | 2004-05-03 | 2011-07-12 | Microsoft Corporation | Systems and methods for providing an enhanced graphics pipeline |
US7382370B2 (en) * | 2004-07-07 | 2008-06-03 | The United States Of America As Represented By The Secretary Of The Navy | System and method for smoothing and compression of polyline data |
US7567714B2 (en) * | 2004-07-07 | 2009-07-28 | The United States Of America As Represented By The Secretary Of The Navy | System, method and apparatus for clustering features |
GB0602710D0 (en) * | 2006-02-10 | 2006-03-22 | Picsel Res Ltd | Processing Comic Art |
WO2007117423A2 (en) | 2006-03-31 | 2007-10-18 | Cira Discovery Sciences, Inc. | Method and apparatus for representing multidimensional data |
US8959448B2 (en) | 2007-04-17 | 2015-02-17 | Emd Millipore Corporation | Graphical user interface for analysis and comparison of location-specific multiparameter data sets |
ES2370541B1 (es) * | 2008-07-22 | 2012-10-26 | Universitat Politècnica De Catalunya | Procedimiento para manipular y consultar mediante un sistema computacional multigrafos dirigidos, etiquetados y con atributos |
US8233006B2 (en) * | 2008-10-10 | 2012-07-31 | Advanced Micro Devices, Inc. | Texture level tracking, feedback, and clamping system for graphics processors |
US8532398B2 (en) * | 2010-03-26 | 2013-09-10 | General Electric Company | Methods and apparatus for optical segmentation of biological samples |
US10503756B2 (en) * | 2011-01-03 | 2019-12-10 | The Board Of Trustees Of The Leland Stanford Junior University | Cluster processing and ranking methods including methods applicable to clusters developed through density based merging |
US8705031B2 (en) | 2011-02-04 | 2014-04-22 | Cytonome/St, Llc | Particle sorting apparatus and method |
JP5817369B2 (ja) | 2011-09-13 | 2015-11-18 | ソニー株式会社 | スペクトル解析装置及び微小粒子測定装置、並びにスペクトル解析あるいはスペクトルチャート表示のための方法及びプログラム |
US20130094750A1 (en) * | 2011-10-12 | 2013-04-18 | Tolga Tasdizen | Methods and systems for segmentation of cells for an automated differential counting system |
US9350763B1 (en) | 2012-04-17 | 2016-05-24 | Amazon Technologies, Inc. | HTTP tunnelling over websockets |
EP2936116B8 (en) * | 2012-12-19 | 2020-04-01 | Koninklijke Philips N.V. | System and method for classification of particles in a fluid sample |
CN104969056B (zh) * | 2013-02-01 | 2018-05-01 | 贝克顿迪金森公司 | 评估流式细胞仪中样品行为的方法和*** |
US10088407B2 (en) * | 2013-05-17 | 2018-10-02 | Becton, Dickinson And Company | Systems and methods for efficient contours and gating in flow cytometry |
EP3230717B1 (en) * | 2014-12-09 | 2021-08-18 | Berkeley Lights, Inc. | Automated detection and identification of micro-objects in microfluidic devices |
US20170322138A1 (en) | 2016-05-09 | 2017-11-09 | Becton, Dickinson And Company | Systems and methods for manipulating flow cytometric data |
CN107368600A (zh) * | 2017-07-26 | 2017-11-21 | 兰州交通大学 | 随机图的邻点和可区别边染色算法 |
-
2019
- 2019-04-24 EP EP19793598.4A patent/EP3785016A4/en active Pending
- 2019-04-24 US US16/393,855 patent/US10613017B2/en active Active
- 2019-04-24 JP JP2020559455A patent/JP7366930B2/ja active Active
- 2019-04-24 WO PCT/US2019/028960 patent/WO2019209977A1/en active Application Filing
- 2019-04-24 CN CN201980033121.7A patent/CN112136035B/zh active Active
Non-Patent Citations (2)
Title |
---|
SHIC: A View-Dependent Rendering Framework for Isosurfaces;Nan Zhang 等;IEEE SYMPOSIUM ON VOLUME VISUALIZATION AND GRAPHICS 2004;20041012;第63-70页 * |
基于位图的点集表面表示及其渲染;张睿;沈一帆;;计算机工程;20060531;32(09);第185-187页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112136035A (zh) | 2020-12-25 |
WO2019209977A1 (en) | 2019-10-31 |
JP2021522488A (ja) | 2021-08-30 |
EP3785016A4 (en) | 2022-02-09 |
US10613017B2 (en) | 2020-04-07 |
EP3785016A1 (en) | 2021-03-03 |
JP7366930B2 (ja) | 2023-10-23 |
US20190331587A1 (en) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112136035B (zh) | 用于颗粒分选仪的双指数变换 | |
JP7394786B2 (ja) | 粒子分析器のための特性評価および選別 | |
US11327003B2 (en) | Characterization and sorting for particle analyzers | |
JP7466563B2 (ja) | 粒子の区別に使用するためのパラメータ | |
US11029242B2 (en) | Index sorting systems and methods | |
US20210278333A1 (en) | Methods and systems for adjusting a training gate to accommodate flow cytometer data | |
US10883912B2 (en) | Biexponential transformation for graphics display | |
JP2022528323A (ja) | 周波数符号化画像に基づく細胞選別のシステムとその使用方法 | |
US11662297B2 (en) | Method for index sorting unique phenotypes and systems for same | |
US11761879B2 (en) | Method for processing and displaying multi-channel spectral histograms and systems for same | |
US20220390349A1 (en) | Methods and systems for classifying flow cyometer data | |
US11927522B2 (en) | Methods for identifying saturated data signals in cell sorting and systems for same | |
US20230304915A1 (en) | Methods for Group-Wise Cytometry Data Analysis and Systems for Same | |
US20220155209A1 (en) | Method for Optimal Scaling of Cytometry Data for Machine Learning Analysis and Systems for Same | |
WO2024097099A1 (en) | Methods and systems for dimensionality reduction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |