CN113109218A - 一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 - Google Patents
一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 Download PDFInfo
- Publication number
- CN113109218A CN113109218A CN202110433012.3A CN202110433012A CN113109218A CN 113109218 A CN113109218 A CN 113109218A CN 202110433012 A CN202110433012 A CN 202110433012A CN 113109218 A CN113109218 A CN 113109218A
- Authority
- CN
- China
- Prior art keywords
- nanoparticles
- motion
- displacement vector
- nano
- liquid
- 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.)
- Granted
Links
- 239000002105 nanoparticle Substances 0.000 title claims abstract description 250
- 239000002245 particle Substances 0.000 title claims abstract description 72
- 238000009826 distribution Methods 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 title claims description 40
- 238000001514 detection method Methods 0.000 title description 18
- 238000006073 displacement reaction Methods 0.000 claims abstract description 83
- 239000013598 vector Substances 0.000 claims abstract description 68
- 239000007788 liquid Substances 0.000 claims abstract description 48
- 230000005653 Brownian motion process Effects 0.000 claims abstract description 39
- 238000005537 brownian motion Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000009792 diffusion process Methods 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims description 19
- 239000003550 marker Substances 0.000 claims description 17
- 210000001808 exosome Anatomy 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 210000004881 tumor cell Anatomy 0.000 claims description 5
- 238000000295 emission spectrum Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 239000000243 solution Substances 0.000 claims 2
- 239000012530 fluid Substances 0.000 claims 1
- 239000012085 test solution Substances 0.000 claims 1
- 230000035945 sensitivity Effects 0.000 abstract 1
- 238000012937 correction Methods 0.000 description 19
- 239000000523 sample Substances 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 239000004005 microsphere Substances 0.000 description 4
- 239000004793 Polystyrene Substances 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000007850 fluorescent dye Substances 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229920002223 polystyrene Polymers 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000439 tumor marker Substances 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000002296 dynamic light scattering Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007877 drug screening Methods 0.000 description 1
- 238000001493 electron microscopy Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 108020001507 fusion proteins Proteins 0.000 description 1
- 102000037865 fusion proteins Human genes 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0227—Investigating particle size or size distribution by optical means using imaging; using holography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种液体中纳米颗粒粒径分布检测分析方法，包括如下步骤：步骤1)，基于纳米颗粒示踪技术确定待测液体中某一纳米颗粒的运动轨迹；步骤2)，计算待测液体中纳米颗粒的流动位移矢量，并将流动位移矢量从纳米颗粒运动位移矢量中去除，即得布朗运动的位移矢量；步骤3)，先根据所述纳米颗粒的布朗运动的位移计算其平均扩散系数，再根据斯托克斯爱因斯坦方程计算得到纳米颗粒粒径；步骤4)，通过对液体中所有纳米颗粒的粒径进行分析，统计得到待测液体中纳米颗粒的粒径分布情况。该方法具有灵敏度高、准确度高等优点。
Description
技术领域
本发明涉及纳米粒子的光学检测分析技术领域，具体涉及一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法。
背景技术
纳米粒子分析是工业和生物学领域普遍存在的要求，此类分析中最重要的是粒径和浓度的测量。目前已有的检测方法包括电子显微镜、微流成像(MFI)、动态光散射(DLS)、可调电阻脉冲传感(TRPS)以及纳米颗粒跟踪技术(NTA)。NTA技术以其直观可视、分辨率高、检测速度快、特异性荧光检测等优势，成为该领域的不可取代的技术手段，得到越来越广泛的应用。
纳米颗粒跟踪技术(NTA)是基于微粒在液体环境内做无规则布朗运动的原则，通过记录粒子的运动影像，解析得到粒子的平均扩散系数，再根据斯托克斯爱因斯坦方程反推得到粒径，具有直观可视、分辨率高检测速度快等优点，如图1，是粒子布朗运动轨迹示意图。此外，NTA技术还可以与荧光标记相结合，实现对特定标志物的检测。多通道NTA技术是通过设置多重照明光源和成像光路，利用滤光片组将每个通道的检测光谱分开，进而实现多通道同时成像。
发明内容
因此，本发明要解决的第一个技术问题在于克服现有技术中的NTA算法没有针对跟踪轨迹流动位移的校正，算法的准确性和适用性较低，提供一种液体中纳米颗粒粒径分布检测分析方法，该方法的准确性更高。
一种液体中纳米颗粒粒径分布分析方法，其特征在于，包括如下步骤：
步骤1)，基于纳米颗粒示踪技术确定待测液体中某一纳米颗粒的运动轨迹；
步骤2)，计算待测液体中纳米颗粒的流动位移矢量，并将流动位移矢量从纳米颗粒运动位移矢量中去除，即得布朗运动的位移矢量；
步骤3)，先根据所述纳米颗粒的布朗运动的位移计算其平均扩散系数，再根据斯托克斯爱因斯坦方程计算得到纳米颗粒粒径；
步骤4)，通过对液体中所有纳米颗粒的粒径进行分析，统计得到待测液体中纳米颗粒的粒径分布情况。
粒径分布情况可以为纳米颗粒粒径与纳米颗粒个数关系曲线，或纳米颗粒粒径-纳米颗粒浓度的关系曲线。
可选的，步骤1)的具体方法包括如下步骤：
步骤a：对每帧图像中的纳米颗粒进行识别与质心定位；所述图像是用暗场显微镜(优选为光片显微镜)观察含纳米颗粒的溶液得到的；
步骤b：根据最小距离原则，对相邻两帧图像上的同一纳米颗粒进行匹配；
步骤c：根据纳米颗粒匹配结果，将同一纳米颗粒的运动轨迹提取出来；
可选的步骤a包括如下步骤：
a1，对所述图像进行去噪；
a2，对图像进行局部二值化处理；
a3，对二值化后的图像进行连通域识别，即纳米颗粒识别，并根据设定的光强和纳米颗粒大小阈值对识别到的纳米颗粒进行筛选；
a4，根据原始图像和纳米颗粒识别结果计算纳米颗粒的光强、面积和质心；
a5，最后将每一帧图像中的所有纳米颗粒的编号、质心坐标、面积大小和光强信息存储下来。
所述步骤b可分解为以下子步骤：
b1，构建基于距离、光强变化量、面积变化量的代价函数，如下：
Qij＝w1[(xi-xj)2+(yi-yj)2]+w2|Ii-Ij|+w3|Si-Sj| (1)
其中[xi，yi]，Ii，Si为当前帧图像中第i个纳米颗粒的质心坐标、光强和面积，[xj，yj]，Ij，Sj为后一帧图像中第j个纳米颗粒的质心坐标、光强和面积，w1，w2和w3为权重值。
b2，对相邻两帧图像中的所有纳米颗粒计算代价函数值，当某两个纳米颗粒对应的代价函数值最小，则这两个纳米颗粒视为同一物理纳米颗粒，即匹配成功，记匹配矩阵A[i，j]＝1；
b3，对除最后一帧图像以外的其它图像，都计算当前帧与后一帧的匹配矩阵。
因此，本发明要解决的第二个技术问题在于克服现有技术中的NTA算法没有针对跟踪轨迹的优化和筛选因此算法的准确性和适用性较低，本发明中提供一种纳米颗粒粒径分布检测分析方法。
步骤1)之前还包括将对纳米颗粒的运动轨迹优化和纳米颗粒运动轨迹筛选的步骤。
可选的，纳米颗粒的运动轨迹具体包括：根据纳米颗粒同一运动轨迹上的步长分布，将异常节点剔除，获得优化后的纳米颗粒的运动轨迹；
纳米颗粒轨迹筛选具体包括：筛选出优化后的纳米颗粒的运动轨迹大于设定阈值的运动轨迹作为最终有效运动轨迹。
可选的，步骤2)具体包括如下步骤：
d1，计算被测溶液的流动位移矢量；
d2，将流动位移矢量从纳米颗粒的运动位移矢量中去除，得到布朗运动的位移矢量。
d1包括如下步骤：用公式(3)计算颗粒在相邻帧之间的流动位移矢量
其中
为第i条轨迹上纳米颗粒的初始位置到最终位置之间的位移矢量；Li为第i条轨迹的长度，N表示轨迹总数；
d2包括如下步骤：纳米颗粒的运动位移矢量减去流动位移矢量，得到布朗运动的位移矢量，如公式(3)所述；
其中
为显微镜记录的纳米颗粒运动图像相邻帧之间同一纳米颗粒的运动位移矢量，[xa，ya]为某纳米颗粒在第a帧图像中的质心坐标，[xa+1，ya+1]为该纳米颗粒在第a+1帧图像中的质心坐标。
可选的，步骤3)具体包括如下步骤：
先根据纳米颗粒的布朗运动位移矢量和运动影像的采集帧率计算得到纳米颗粒的平均扩散系数，再根据斯托克斯爱因斯坦方程反推得到纳米颗粒的流体力学直径；
其中D为纳米颗粒的平均扩散系数，k为玻尔兹曼常数，T为被测液体的温度，η为被测溶液的粘度系数，d为流体力学直径，
为纳米颗粒的平均布朗运动位移，t为相邻帧的采集时间间隔。
本发明解决的第三个技术问题为现有纳米颗粒粒径分布算法和分析方法只适用于单通道检测，无法满足病理性或药物筛查等所需的多通道同时检测的应用需求。本发明提供一种基于分析待测液体中两种或以上的纳米颗粒或者物质之间的相关关系的方法。该方法为针对多通道NTA技术的准确度和适用性更高的NTA算法，并在其中加入了多通道分析算法，能够对含有多重标志物的被测样品提供全面且准确的分析。
一种分析待测液体中两种或以上的纳米颗粒或者物质之间的相关关系的方法，包括如下步骤：
利用滤光片组将待测液体中每种纳米颗粒上的标志物的发射光谱分开，分别成像于对应成像模块上，实现多通道同时观测，获得液体中两种或以上的纳米颗粒的运动轨迹；具体为利用公开号为CN112255206A的专利中的粒子检测装置确定待测液体中每种纳米颗粒的运动轨迹；
可选的，上述方法还包括如下步骤：采用上述方法分析各个通道内的纳米颗粒粒径分布。
可选的，上述方法还包括如下步骤：通过对各个通道内的纳米颗粒轨迹进行匹配，分析任意两个通道内的纳米颗粒的轨迹重叠情况，将两种轨迹重叠的纳米颗粒个数记为M，将其中的一种纳米颗粒的总个数记为N，通过M比N的值可以确定两种粒子的关系。
待测溶液为肿瘤细胞分泌的外泌体样本；所述纳米颗粒为外泌体。
本发明提供一种液体中纳米颗粒粒径分布检测分析装置，包括纳米颗粒的运动轨迹确定单元和液体中纳米颗粒粒径分布分析单元；
所述纳米颗粒的运动轨迹确定单元基于纳米颗粒示踪技术确定待测液体中某一纳米颗粒的运动轨迹；
所述液体中纳米颗粒粒径分布分析单元用于分析液体中纳米颗粒粒径分布；所述液体中纳米颗粒粒径分布分析单元包括第一分析单元-第三分析单元：
第一分析单元用于计算待测液体中纳米颗粒的流动位移矢量，并将流动位移矢量从纳米颗粒运动位移矢量中去除，即得布朗运动的位移矢量；
第二分析单元用于先根据所述纳米颗粒的布朗运动的位移计算其平均扩散系数，再根据斯托克斯爱因斯坦方程计算得到纳米颗粒粒径；
第三分析单元用于通过对液体中所有纳米颗粒的粒径进行分析，统计得到待测液体中纳米颗粒的粒径分布情况。
可选的，所述装置还包括优化和筛选单元，用于对纳米颗粒的运动轨迹优化和纳米颗粒运动轨迹筛选。
可选的，优化和筛选单元优化单元和筛选单元，优化单元用于根据纳米颗粒同一运动轨迹上的步长分布，将异常节点剔除，获得优化后的纳米颗粒的运动轨迹；筛选单元用于筛选出优化后的纳米颗粒的运动轨迹大于设定阈值的运动轨迹作为最终有效运动轨迹。
可选的，第一分析单元包括d1分析单元和d2分析单元；
d1分析单元用于计算被测溶液的流动位移矢量；
d2分析单元用于将流动位移矢量从纳米颗粒的运动位移矢量中去除，得到布朗运动的位移矢量。
d1分析单元中用公式(2)计算颗粒在相邻帧之间的流动位移矢量
其中
为第i条轨迹上纳米颗粒的初始位置到最终位置之间的位移矢量；Li为第i条轨迹的长度，N表示轨迹总数；
d2分析单元中纳米颗粒的运动位移矢量减去流动位移矢量，得到布朗运动的位移矢量，如公式(3)所述；
其中
为显微镜记录的纳米颗粒运动图像相邻帧之间同一纳米颗粒的运动位移矢量，[xa，ya]为某纳米颗粒在第a帧图像中的质心坐标，[xa+1，ya+1]为该纳米颗粒在第a+1帧图像中的质心坐标。
可选的，第二分析单元用于先根据纳米颗粒的布朗运动位移矢量和运动影像的采集帧率计算得到纳米颗粒的平均扩散系数，再根据斯托克斯爱因斯坦方程反推得到纳米颗粒的流体力学直径；
其中D为纳米颗粒的平均扩散系数，k为玻尔兹曼常数，T为被测液体的温度，η为被测溶液的粘度系数，d为流体力学直径，
为纳米颗粒的平均布朗运动位移，t为相邻帧的采集时间间隔。
本发明技术方案，具有如下优点：
(1)现有技术中的NTA算法没有针对跟踪轨迹流动位移的校正，因此算法的准确性和适用性较低，本发明提供一种液体中纳米颗粒粒径分布检测分析方法，该方法的准确性更高。
(2)现有技术中的NTA算法没有针对跟踪纳米颗粒的运动轨迹的优化和筛选，因此算法的准确性和适用性较低，本发明中提供一种纳米颗粒粒径分布检测分析方法，步骤1)之前还包括将对纳米颗粒的运动轨迹优化和纳米颗粒运动轨迹筛选的步骤。运动轨迹优化步骤通过对同一条轨迹上单位步长的筛选，将匹配错误的节点剔除，进而提高粒径测量精度；纳米颗粒轨迹筛选去除无效的运动轨迹。
(3)本发明提供一种分析待测液体中两种或以上的纳米颗粒或者物质之间的相关关系的方法，通过对多个通道粒子轨迹匹配，分析待测液体中多重标志物的分布情况，实现对样本更全面的分析，且能够分析两种或以上的纳米颗粒或者物质之间的相关关系。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1纳米颗粒布朗运动轨迹示意图；
图2实施例1检测分析方法流程图；
图3为实施例3某一帧图像上纳米颗粒识别与定位的结果；
图4实施例3异常轨迹((a)(b)(c)，存在突变点)和正常轨迹((d)(e)(f))的单位步长分布；
图5实施例3某几个粒子的布朗运动轨迹；
图6实施例3无明显流速的原始数据得到的粒径分布曲线；流速校正即为流动位移校正，无流速校正即为无流动位移校正；
图7实施例3有明显流速的原始数据得到的粒径分布曲线；流速校正即为流动位移校正，无流速校正即为无流动位移校正。
具体实施方式
提供下述实施例是为了更好地进一步理解本发明，并不局限于所述最佳实施方式，不对本发明的内容和保护范围构成限制，任何人在本发明的启示下或是将本发明与其他现有技术的特征进行组合而得出的任何与本发明相同或相近似的产品，均落在本发明的保护范围之内。
实施例中未注明具体实验步骤或条件者，按照本领域内的文献所描述的常规实验步骤的操作或条件即可进行。所用试剂或仪器未注明生产厂商者，均为可以通过市购获得的常规试剂产品。
实施例1
基于多通道NTA技术，本实施例提供了一种纳米颗粒粒径分布检测分析方法，该方法可以检测被测粒子所包含标志物的情况，具体步骤包括(检测分析流程图见图2)：
步骤a：对每帧图像中的纳米颗粒进行识别与质心定位；所述图像是用暗场显微镜(优选为光片显微镜)观察含纳米颗粒的溶液得到的；
步骤b：根据最小距离原则，对相邻两帧图像上的同一纳米颗粒进行匹配；对连续多帧图像(如100或200帧)进行同样的处理；
步骤c：根据纳米颗粒匹配结果，将同一纳米颗粒的运动轨迹提取出来；
步骤d：计算溶液中颗粒的流动位移矢量，并将固定的流动位移矢量从纳米颗粒运动位移矢量中去除；
步骤e：先根据每个纳米颗粒的运动位移计算其平均扩散系数，再根据斯托克斯爱因斯坦方程反推得到粒径；
步骤f：通过对所有纳米颗粒进行分析，可以统计得到被测溶液中纳米颗粒的粒径分布情况，即粒径-个数/浓度的关系曲线；
步骤g：对于多通道同时观测的结果，通过对各个通道内的纳米颗粒轨迹进行匹配，分析待测溶液的纳米颗粒上含有标志物情况。
下面对每个步骤进行详细论述：
所述步骤a可分解为以下子步骤：
a1，对所述图像进行去噪，避免噪声对纳米颗粒识别的干扰；
a2，再利用Bernsen算法对图像进行局部二值化处理；
a3，对二值化后的图像进行连通域识别，即纳米颗粒识别，并根据用户指定的光强和纳米颗粒大小阈值对识别到的纳米颗粒进行筛选；
a4，根据原始图像和纳米颗粒识别结果计算纳米颗粒的光强、面积和质心；
a5，最后将每一帧图像中的所有纳米颗粒的编号、质心坐标、面积(大小)和光强信息存储下来。
所述步骤b可分解为以下子步骤：
b1，构建基于距离、光强变化量、面积变化量的代价函数，如下：
Qij＝w1[(xi-xj)2+(yi-yj)2]+w2|Ii-Ii|+w3|Si-Sj| (1)
其中[xi，yi]，Ii，Si为当前帧图像中第i个纳米颗粒的质心坐标、光强和面积，[xj，yj]，Ij，Sj为后一帧图像中第j个纳米颗粒的质心坐标、光强和面积，w1，w2和w3为权重值。
b2，对相邻两帧图像中的所有纳米颗粒计算代价函数值，当某两个纳米颗粒对应的代价函数值最小，则这两个纳米颗粒视为同一物理纳米颗粒，即匹配成功，记匹配矩阵A[i，j]＝1；
b3，对除最后一帧图像以外的其它图像，都计算当前帧与后一帧的匹配矩阵。
虽然布朗运动是随机的，但同一个纳米颗粒的扩散速度大概率分布在某一范围内，因此，一条轨迹上的单位步长如果有明显突变，则表明很可能存在纳米颗粒匹配错误的情况。此外，纳米颗粒的平均扩散速度是由其单位运动步长的平均值计算得到，如果轨迹过短，计算得到的平均扩散速度具有较大的统计误差。提取有效轨迹步骤c可分解为以下子步骤：c1，根据相邻帧之间的匹配矩阵，将同一物理纳米颗粒的运动轨迹提取出来，记录该轨迹上所有节点的帧序号、纳米颗粒编号和纳米颗粒坐标；c2，对纳米颗粒的运动轨迹进行优化和筛选，具体包括：根据纳米颗粒同一运动轨迹上的步长分布，将异常节点剔除，获得优化后的纳米颗粒的运动轨迹；再筛选出轨迹长度大于设定阈值的运动轨迹作为最终有效运动轨迹。
由于刚注入的待测溶液与样品池存在温差，或溶液纳米颗粒对照明光的吸收导致待测溶液温度局部升高等因素，待测溶液有可能沿某一方向流动，因此溶液中纳米颗粒的运动既包括随机的布朗运动，又包括恒定的流动，如公式(2)所述。
其中
为相邻帧之间同一纳米颗粒的运动位移矢量，[xa，ya]为某纳米颗粒在第a帧图像中的质心坐标，[xa+1，ya+1]为该纳米颗粒在第a+1帧图像中的质心坐标；
为相邻帧之间同一纳米颗粒的布朗运动位移矢量，
为相邻帧之间纳米颗粒的流动位移矢量。
所述步骤d可分解为以下子步骤：
d1，根据布朗运动是随机的，而样品溶液的流动是恒定的原理，将所有纳米颗粒的运动位移矢量相加，消除随机的布朗运动，进而获取流动位移矢量，如公式(3)所述；
其中
为第i条轨迹上纳米颗粒的初始位置到最终位置之间的位移矢量；Li为第i条轨迹的长度，N表示轨迹总数；
d2，纳米颗粒的运动位移矢量减去流动位移矢量，得到布朗运动的位移矢量，如公式(4)所述。
所述步骤e是根据纳米颗粒的布朗运动位移的平均值和运动影像的采集时间间隔计算得到纳米颗粒的平均扩散系数D，如公式(5)所述；
其中Di是第i条轨迹即第i个纳米颗粒的扩散系数，Ki为第i条轨迹的轨迹长度，
为第i条轨迹上纳米颗粒从第k帧运动至第k+1帧之间的布朗运动位移，Δt为相邻帧之间的采集时间间隔。
再根据斯托克斯爱因斯坦方程反推得到纳米颗粒的流体力学直径，如公式(6)所述。
其中Di为第i个纳米颗粒的平均扩散系数，k为玻尔兹曼常数，T为被测液体的温度，η为被测溶液的粘度系数，di为该纳米颗粒的流体力学直径。
所述步骤f是按照一定的粒径统计间隔，计算每个粒径区间内的纳米颗粒个数，最终得到粒径-个数分布曲线。此外，由于单位测量体积恒定，因此也可以得到粒径-浓度分布曲线。
对于含有多重标志物的被测纳米颗粒，利用滤光片组将每种标志物的发射光谱分开，分别成像于对应相机上，实现多通道同时观测。所述步骤g是通过对各个通道内的纳米颗粒轨迹进行匹配，分析待测溶液中每个纳米颗粒上含有标志物情况。以双通道为例，通道1观测的是标志物A，通道2观测的是标志物B，对通道1跟踪得到的轨迹合集为Φ1，含有N1条轨迹；对通道2跟踪得到的轨迹合集为Φ2，含有N2条轨迹。通过对两个通道内轨迹的匹配，分析得到具有相同运动轨迹的纳米颗粒，记为合集Ψ＝Φ1∩Φ2，含有M条轨迹，即这M个纳米颗粒上同时含有标志物A和B，而通道内的其他纳米颗粒则只含有标志物A或标志物B。由此，可实现待测样品更全面的分析。
实施例2
双通道分析算法对于某些生物学应用非常重要。在一个具体的实施例中，提取某肿瘤细胞分泌的外泌体样本，对外泌体的通用标志物，如CD63-GFP融合蛋白(正常细胞和肿瘤细胞分泌的外泌体均含有这种标志物)，采用1号荧光染料标记；对该肿瘤细胞的某个特异性标志物采用2号荧光染料标记。采用双通道粒径检测装置(公开号为CN112255206A的专利中的粒子检测装置)对外泌体样本中的两种标志物进行同时检测，并对检测结果进行分析，得到单个通道内的轨迹跟踪合集，以及粒径分布曲线(利用实施例方法所得)。再利用双通道分析算法，分析两个通道内的轨迹重叠情况。假设通道1检测外泌体通用标志物，得到的外泌体总个数为N，通道2检测肿瘤特异性标志物，双通道轨迹重叠的纳米颗粒个数为M，表明这M个外泌体中含有肿瘤特异性标志物，占比为r＝M/N。当r较大时，表明该肿瘤标志物大量存在于肿瘤外泌体中，因此可作为该肿瘤的外泌体特异性标志物。科研人员或医务人员则可以通过检测患者体液中的外泌体是否含有该肿瘤标志物，进而实现该肿瘤的早期筛查、转移及预后评估等。
实施例3
采用公开号为CN112255206A的专利中的粒子检测装置，对100nm聚苯乙烯微球溶液进行检测，激光光源为405nm，观测物镜为NA0.25，10X，实验时，被测溶液浓度约为每毫升107个颗粒。将待测溶液注入仪器样品池内，调节显微物镜焦距，相机增益和曝光时间，直至视场内所有微球清晰成像，设置采集帧率为30帧/秒，同一位置连续采集30帧，然后调节物镜和照明光，将观测位置沿物镜光轴移动0.1mm，再次采集30帧，最终完成21个位置的图像采集。
以上述100nm聚苯乙烯微球的布朗运动影像为例，图3是某一帧图像上纳米颗粒识别与定位的结果，图4是正常轨迹和异常轨迹上单位步长的分布图，可以看到异常轨迹中含有明显突变点，表明突变点对应的那帧图像中的纳米颗粒匹配错误，后续算法会将突变点剔除，只截取突变点之前和之后的轨迹。图5是某个纳米颗粒的布朗运动轨迹。
对100nm聚苯乙烯微球溶液进行测量，分别在溶液无明显流速和有明显流速的情况下进行，得到两组运动影像。对无明显流速的数据按照实施例1的方法进行有流速校正和无流速校正(无流速校正即为无流动位移校正)两种处理，得到的结果如图6所示，有流速校正和无流速校正得到的粒径分布曲线的峰值分别为99.95nm和99.79nm，由于样品本身流速非常小，所以两个结果相差也非常小。对有明显流速的数据按照实施1的方法进行处理，得到的两个结果如图7，峰值分别为99.90nm(有流速校正)和79.28nm(无流速校正)，相差约20.7nm。可见对于存在一定流动速度的被测溶液，必须加入流速校正算法，图7结果也验证了本发明所采用的流速校正算法的准确性。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种液体中纳米颗粒粒径分布检测分析方法，其特征在于，包括如下步骤：
步骤1)，基于纳米颗粒示踪技术确定待测液体中某一纳米颗粒的运动轨迹；
步骤2)，计算待测液体中纳米颗粒的流动位移矢量，并将流动位移矢量从纳米颗粒运动位移矢量中去除，即得布朗运动的位移矢量；
步骤3)，先根据所述纳米颗粒的布朗运动的位移计算其平均扩散系数，再根据斯托克斯爱因斯坦方程计算得到纳米颗粒粒径；
步骤4)，通过对液体中所有纳米颗粒的粒径进行分析，统计得到待测液体中纳米颗粒的粒径分布情况。
2.根据权利要求1所述的纳米颗粒粒径分布检测分析方法，其特征在于，
步骤1)之前还包括对纳米颗粒的运动轨迹优化和纳米颗粒运动轨迹筛选的步骤。
3.根据权利要求2所述的纳米颗粒粒径分布检测分析方法，其特征在于，
纳米颗粒的运动轨迹具体包括：根据纳米颗粒同一运动轨迹上的步长分布，将异常节点剔除，获得优化后的纳米颗粒的运动轨迹；
纳米颗粒轨迹筛选具体包括：筛选出优化后的纳米颗粒的运动轨迹大于设定阈值的运动轨迹作为最终有效运动轨迹。
4.根据权利要求1-3任一所述的纳米颗粒粒径分布检测分析方法，其特征在于，步骤2)具体包括如下步骤：
d1，计算被测溶液的流动位移矢量；
d2，将流动位移矢量从纳米颗粒的运动位移矢量中去除，得到布朗运动的位移矢量；
d1包括如下步骤：用公式(3)计算颗粒在相邻帧之间的流动位移矢量
其中
为第i条轨迹上纳米颗粒的初始位置到最终位置之间的位移矢量；Li为第i条轨迹的长度，N表示轨迹总数；
d2包括如下步骤：纳米颗粒的运动位移矢量减去流动位移矢量，得到布朗运动的位移矢量，如公式(4)所述；
其中
为显微镜记录的纳米颗粒运动图像相邻帧之间同一纳米颗粒的运动位移矢量，[xa，ya]为某纳米颗粒在第a帧图像中的质心坐标，[xa+1，ya+1]为该纳米颗粒在第a+1帧图像中的质心坐标。
5.根据权利要求1-4任一所述的纳米颗粒粒径分布检测分析方法，其特征在于，
步骤3)具体包括如下步骤：
先根据纳米颗粒的布朗运动位移矢量和运动影像的采集帧率计算得到纳米颗粒的平均扩散系数，再根据斯托克斯爱因斯坦方程反推得到纳米颗粒的流体力学直径；
其中D为纳米颗粒的平均扩散系数，k为玻尔兹曼常数，T为被测液体的温度，η为被测溶液的粘度系数，d为流体力学直径，
为纳米颗粒的平均布朗运动位移，t为相邻帧的采集时间间隔。
6.一种分析待测液体中两种或以上的纳米颗粒或者物质之间的相关关系的方法，其特征在于，包括如下步骤：
利用滤光片组将每种纳米颗粒上的标志物的发射光谱分开，分别成像于对应成像模块上，实现多通道同时观测，获得液体中两种或以上的纳米颗粒的运动轨迹。
7.根据权利要求6所述的方法，其特征在于，还包括，采用权利要求1-5任一所述方法分析各个通道内的纳米颗粒粒径分布；
可选的，还包括如下步骤：通过对各个通道内的纳米颗粒轨迹进行匹配，分析任意两个通道的纳米颗粒的轨迹重叠情况，将两种轨迹重叠的纳米颗粒个数记为M，将其中的一种纳米颗粒的总个数记为N，通过M比N的值可以确定两种粒子的关系。
8.根据权利要求6或7所述的方法，其特征在于，待测溶液为肿瘤细胞分泌的外泌体样本；所述纳米颗粒为外泌体。
9.一种液体中纳米颗粒粒径分布检测分析装置，其特征在于，包括纳米颗粒的运动轨迹确定单元和液体中纳米颗粒粒径分布分析单元；
所述纳米颗粒的运动轨迹确定单元基于纳米颗粒示踪技术确定待测液体中某一纳米颗粒的运动轨迹；
所述液体中纳米颗粒粒径分布分析单元用于分析液体中纳米颗粒粒径分布；所述液体中纳米颗粒粒径分布分析单元包括第一分析单元-第三分析单元：
第一分析单元用于计算待测液体中纳米颗粒的流动位移矢量，并将流动位移矢量从纳米颗粒运动位移矢量中去除，即得布朗运动的位移矢量；
第二分析单元用于先根据所述纳米颗粒的布朗运动的位移计算其平均扩散系数，再根据斯托克斯爱因斯坦方程计算得到纳米颗粒粒径；
第三分析单元用于通过对液体中所有纳米颗粒的粒径进行分析，统计得到待测液体中纳米颗粒的粒径分布情况。
10.根据权利要求9所述液体中纳米颗粒粒径分布检测分析装置，其特征在于，还包括优化和筛选单元，用于对纳米颗粒的运动轨迹优化和纳米颗粒运动轨迹筛选。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110433012.3A CN113109218B (zh) | 2021-04-21 | 2021-04-21 | 一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110433012.3A CN113109218B (zh) | 2021-04-21 | 2021-04-21 | 一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113109218A true CN113109218A (zh) | 2021-07-13 |
| CN113109218B CN113109218B (zh) | 2022-03-22 |
Family
ID=76719315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110433012.3A Active CN113109218B (zh) | 2021-04-21 | 2021-04-21 | 一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113109218B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563342A (zh) * | 2023-05-18 | 2023-08-08 | 广东顺德西安交通大学研究院 | 一种基于图像识别的水泡跟踪方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109454A (zh) * | 2011-03-17 | 2011-06-29 | 上海理工大学 | 同时测量多颗粒的动态光散射纳米颗粒粒度的装置及方法 |
| CN201984012U (zh) * | 2011-03-17 | 2011-09-21 | 上海理工大学 | 一种图像动态光散射纳米颗粒粒度测量装置 |
| US20140066751A1 (en) * | 2012-09-04 | 2014-03-06 | ARkival Technology Corp. | System and method for determining size and size distribution of magnetic nanoparticles using vsm magnetization data |
| CN110426335A (zh) * | 2019-09-05 | 2019-11-08 | 苏州大学 | 一种基于原子力显微镜的纳米颗粒浓度测量方法 |
| CN111795950A (zh) * | 2019-04-03 | 2020-10-20 | 梅克文斯股份公司 | 用于生物标志物的同时、多重、超灵敏和高通量光学检测的生物传感器平台和方法 |
-
2021
- 2021-04-21 CN CN202110433012.3A patent/CN113109218B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102109454A (zh) * | 2011-03-17 | 2011-06-29 | 上海理工大学 | 同时测量多颗粒的动态光散射纳米颗粒粒度的装置及方法 |
| CN201984012U (zh) * | 2011-03-17 | 2011-09-21 | 上海理工大学 | 一种图像动态光散射纳米颗粒粒度测量装置 |
| US20140066751A1 (en) * | 2012-09-04 | 2014-03-06 | ARkival Technology Corp. | System and method for determining size and size distribution of magnetic nanoparticles using vsm magnetization data |
| CN111795950A (zh) * | 2019-04-03 | 2020-10-20 | 梅克文斯股份公司 | 用于生物标志物的同时、多重、超灵敏和高通量光学检测的生物传感器平台和方法 |
| CN110426335A (zh) * | 2019-09-05 | 2019-11-08 | 苏州大学 | 一种基于原子力显微镜的纳米颗粒浓度测量方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563342A (zh) * | 2023-05-18 | 2023-08-08 | 广东顺德西安交通大学研究院 | 一种基于图像识别的水泡跟踪方法及装置 |
| CN116563342B (zh) * | 2023-05-18 | 2023-10-27 | 广东顺德西安交通大学研究院 | 一种基于图像识别的水泡跟踪方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113109218B (zh) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10502674B2 (en) | Apparatus and method for label-free analysis of rare cells from bodily fluids | |
| EP3180738B1 (en) | A system and method for cell recognition | |
| CN103890561B (zh) | 粒子的光学检测及分析 | |
| JP5425814B2 (ja) | サポートベクタマシンを用いてフローサイトメトリーデータを分析するための方法及びシステム | |
| EP1865303A1 (en) | Method of discriminating cancer and atypical cells and cell analyzer | |
| WO2016106688A1 (zh) | 一种有核红细胞报警方法、装置及流式细胞分析仪 | |
| CN102121892B (zh) | 样本分析仪及样本分析方法 | |
| JP2019512697A (ja) | デジタルホログラフィ顕微鏡検査および無傷の（ｕｎｔｏｕｃｈｅｄ）末梢血白血球を用いる高精度の５部鑑別（５−ｐａｒｔ Ｄｉｆｆｅｒｅｎｔｉａｌ） | |
| CN113227755A (zh) | 测定准确度改善 | |
| WO2013102076A1 (en) | Method and apparatus for automated platelet identification within a whole blood sample from microscopy images | |
| JP2012521781A (ja) | 生物学的及び化学的収集及び検出 | |
| CN105986003B (zh) | 一种白细胞计数方法、装置及细胞分析仪 | |
| CN114341619A (zh) | 测定准确度以及可靠性提高 | |
| CN113109218B (zh) | 一种基于纳米颗粒示踪技术的纳米颗粒粒径分布检测分析方法 | |
| EP1849125B1 (en) | Method and apparatus for analyzing body fluids | |
| CN104212706B (zh) | 一种基于锁相放大技术的细胞微流图像采集*** | |
| US11193927B2 (en) | Automated body fluid analysis | |
| JP6623551B2 (ja) | 情報処理装置、情報処理システム及び情報処理方法 | |
| CN114152557B (zh) | 基于图像分析的血细胞计数方法和*** | |
| CN104212705B (zh) | 一种基于脉冲检测技术的双通道细胞微流图像采集*** | |
| Tang et al. | A review on intelligent impedance cytometry systems: Development, applications and advances | |
| JP2020509347A (ja) | 細胞分析方法及び装置 | |
| Brdar et al. | Explainable AI for unveiling deep learning pollen classification model based on fusion of scattered light patterns and fluorescence spectroscopy | |
| Machin et al. | Single particle tracking across sequences of microscopical images: application to platelet adhesion under flow | |
| Ossandon et al. | A computational streak mode cytometry biosensor for rare cell analysis |
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 |