CN104969056A - 评估流式细胞仪中样品行为的方法和系统 - Google Patents

评估流式细胞仪中样品行为的方法和系统 Download PDF

Info

Publication number
CN104969056A
CN104969056A CN201480007260.XA CN201480007260A CN104969056A CN 104969056 A CN104969056 A CN 104969056A CN 201480007260 A CN201480007260 A CN 201480007260A CN 104969056 A CN104969056 A CN 104969056A
Authority
CN
China
Prior art keywords
sample
particle
entrainment factor
event
time interval
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
Application number
CN201480007260.XA
Other languages
English (en)
Other versions
CN104969056B (zh
Inventor
约瑟夫·特罗特
苏吉达·伊耶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Becton Dickinson and Co
Original Assignee
Becton Dickinson and Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Becton Dickinson and Co filed Critical Becton Dickinson and Co
Publication of CN104969056A publication Critical patent/CN104969056A/zh
Application granted granted Critical
Publication of CN104969056B publication Critical patent/CN104969056B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • 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
    • G01N15/1404—Handling flow, e.g. hydrodynamic focusing
    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

公开了在流式细胞仪样品中产生夹带因子的方法以及系统。所述方法包括使含有一系列颗粒的样品流经流式细胞仪；检测事件，并且基于分布，例如泊松分布，计算那些事件的预期频率；和测量颗粒事件的观察频率。可以由观察事件频率与预期事件频率的比值产生夹带因子。可以基于显示的夹带因子进一步调节流式细胞仪，例如调节分选偏差。

Description

评估流式细胞仪中样品行为的方法和系统
相关申请的引用
本申请要求2013年2月1日提交的题为“评估流式细胞术中样品行为的方法和系统”的美国临时申请第61/759,878号的优先权，在此通过引用的方式将其内容整体并入本文。
背景
技术领域
本内容涉及通常涉及流式细胞术领域，更具体涉及样品分析方法。
背景
颗粒分析仪，例如流式细胞仪和扫描细胞仪，是能够基于光学参数(例如光散射以及荧光)分析颗粒特性的分析工具。例如，在流式细胞仪中，在流体悬浮的颗粒(例如分子、分析物结合珠或者单个细胞)通过检测区域时被暴露于通常来自一种或者多种激光器的激发光，并且测量颗粒的光散射以及荧光特性。通常用荧光染料标记颗粒或其组分以帮助检测。通过使用不同光谱的荧光染料标记不同的颗粒或者组分，可以同时检测多种不同的颗粒或者组分。在一些实施中，分析器包括多种光电探测器，每种用于每一待测量的散射参数，每种用于每一待检测的不同染料。获得的数据包括每一光散射参数以及荧光发射的测量信号。
细胞仪可以还包括记录测量数据以及分析数据的手段。例如可以通过与检测用电子产品相连的计算机实施数据的存储以及分析。例如，数据可以以表格的形式存储，每行对应于一个颗粒的数据，列对应于每项测量参数。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促进了使用单独的程序和/或机器分析数据。使用现有分析方法，通常将数据以2维(2D)平面图的形式展示以方便显示，但是可以使用其它方法来显示多维数据。
使用流式细胞仪测量的参数通常包括颗粒沿主要为向前方向散射的激发光(被称为前向散射(FSC))，颗粒沿主要为侧向方向散射的激发光(被称为侧向散射(SSC))，以及由在光谱的一个或者多个通道(频率范围)中的荧光分子发出的光(被称为FL1、FL2等)，或者在该通道中初始检测到的荧光染料发出的光。可以通过染料标记抗体标记的不同细胞蛋白的散射参数以及荧光发射来鉴定不同的细胞类型。
流式细胞仪以及扫描细胞仪都是可市购的，例如，从BD Biosciences(San Jose,Calif.)。流式细胞仪描述于，例如，Landy et al.(eds.),ClinicalFlow Cytometry,Annals of the New York Academy of Sciences Volume 677(1993)；Bauer et al.(eds.),Clinical Flow Cytometry:Principles andApplications,Williams&Wilkins(1993)；Ormerod(ed.),Flow Cytometry:APractical Approach,Oxford Univ.Press(1997)；Jaroszeski et al.(eds.),FlowCytometry Protocols,Methods in Molecular Biology No.91,Humana Press(1997)；以及Practical Shapiro,Flow Cytometry,4th ed.,Wiley-Liss(2003)；通过引用的方式全部并入本文。荧光成像显微镜描述于，例如，Pawley(ed.),Handbook of Biological Confocal Microscopy,2nd Edition,PlenumPress(1989)，通过引用的方式并入本文。
荧光激活的细胞分选或者颗粒分选是流式细胞仪的具体类型。它提供将异质性颗粒混合物分选进两个或者更多的容器的方法，所述方法基于每个细胞特殊的光散射以及荧光特性，一次一个细胞。它记录来自单个细胞的荧光信号，并且物理性地分离具体目标细胞。首字母缩略词FACS是商标，并且属于Becton Dickinson。
将颗粒悬液置于狭窄、快速流动的液体流的中心。安排流动以使一般而言(泊松分布)颗粒之间相对于它们的直径有大的间隔。振动机制引起颗粒流变为单个液滴。调节系统以使在液滴中有多于一个颗粒的可能性较低。在流变为液滴之前，流动流经一个或者更多激光交点，在这里测量每一颗粒的目标荧光特性。如果颗粒将要被收集，在一个或者多个液滴形成并从流中中断的时间阶段，使流动的细胞带电。这些带电的液滴然后经过静电偏转系统落下，基于液滴所带的电荷将其转移至目标容器。
样品可以包含没有百万个细胞也有上千个细胞。可以分选细胞以将样品纯化至目标细胞。分选方法通常可以识别三种不同的细胞：目标细胞、非目标细胞以及不能被识别的细胞。为了高纯度地分选细胞(例如，目标细胞浓度较高)，产生液滴的细胞分选器通常放弃与另一非目标细胞电子上太接近的细胞，以此减少分选的群体的污染。高度区别分选可以导致用于分析的细胞数量减少。此外，实施详细分选所需的时间可能高于较不严格的分选。
此外，贴壁细胞样品或者抗原递呈细胞(例如单核细胞以及树突细胞)样品或者那些以增加细胞间相互作用的方式处理过的细胞样品，经常导致低回收。在分布较好的样品中，细胞分布是随机的并符合泊松分布的统计。Lindmo指出(1981)通过测量事件之间的时间间隔，评估与理想分布的误差是可能的。因而，有需要评价“实时”样品行为以测定样品分布是否较好。
概述
本公开的每一系统、方法以及装置中都有一些创新的方面，没有一项为本文公开的期望属性单独负责。
在一创新性方面，提供了用于产生流式细胞仪样品夹带因子的方法。所述方法包括使含有一系列颗粒的样品流经流式细胞仪，其中每一颗粒与信号关联。所述方法包括，在第一时间间隔内利用检测系统检测来自从流式细胞仪形成的流的一系列事件。所述方法还包括，基于特征分布例如同质泊松分布，计算在第一时间间隔内事件的预期频率。所述方法也包括测量第二时间间隔内事件的观察频率，其中所述第二时间间隔在所述第一时间间隔内。所述方法包括至少部分基于观察频率与预期频率的比值产生夹带因子。
在另一创新性方面，提供了产生流式细胞仪样品的行为信息的方法。所述方法包括使含有一系列颗粒的样品流经流式细胞仪，其中每一颗粒与事件关联，并且颗粒分布于液体流中。所述方法包括检测一系列事件以及每一事件的相应到达时间。所述方法包括测定相对于系列中先前事件的一系列到达间时间，以及相对于指定时间间隔的长度，到达间时间发生的关联可能性。所述方法也包括在一部分液体流的具有与指定时间间隔等同长度的计算事件的预期频率，所述计算基于预先确定的分布，例如泊松分布。所述方法包括测量所述一部分液流的一系列到达间时间事件的观察频率。所述方法也包括至少一部分基于液流部分的一系列到达间时间事件的观察频率与预期频率的比值，产生样品行为信息。
在所述创新性方法的任一种中，所述流可以包括规律间隔的液滴。在一些方法的实施中，方法可以包括将夹带因子与预先确定的值进行比较(例如，大于1)，并且基于比较的结果，驱动与流式细胞仪操作上相连的控制系统中的校正动作。校正动作的实例包括停止流式细胞仪中样品的流动。
方法中的一些实施可以包括分选流中的颗粒。在此种实施中，校正动作可以包括基于夹带因子调节分选。
当样品在流式细胞仪中流动时，创新性方法可以产生夹带因子。
根据创新性方法，可以用多种方法测量时间间隔。一个示例性时间间隔单位为液滴分数。
在一些实施中，所述夹带因子为流式细胞仪样品的连续时间间隔过程中计算的多个夹带因子中的一种。
所述样本可以包括多种标记的颗粒。例如，所述样本可以包括外周血细胞，其中所述外周血细胞包括用第一标签以及第二标签标记的第一组分以及第二组分。在有多种组分的实施中，可以期望产生每一组分的夹带因子。在此种实施中，所述方法可以包括产生第一组分的夹带因子以及第二组分的另外的夹带因子。
在进一步创新性方面，提供了用于提供样品夹带因子的流动系统。所述系统包括液流系统，所述液流系统可以包括样品管以及样品管中的移动流体柱，样品颗粒在移动流体柱中沿通常的样品路径移动。所述系统包括检测系统，用于收集来自每一颗粒沿通常样品路径经过一种或者多种检测站时的信号。向每一信号赋予信号值以形成每一颗粒的数据点。所述检测系统包括与液流系统操作上相关联的控制系统。配置所述控制系统，以基于泊松分布以及在第一时间间隔中检测系统收集的数据点的数量，产生第一时间间隔的至少一部分的计算信号频率。进一步配置所述控制系统，以基于第一时间间隔的一部分的数据点的数量产生实验信号频率。进一步配置所述控制系统，以将实验信号频率与计算信号频率或者预先确定的信号频率进行比较。配置所述控制系统也为提供样品的夹带因子，所述夹带因子基于所述比较。
所述流动系统可以通过测定实验信号频率与计算信号频率或者预先确定的信号频率的比值，将实验信号频率进行比较。
在一些实施中，所述控制系统可以通过测定夹带因子与预先确定值的偏差而驱动校正动作。校正动作可以包括中断检测系统的信号收集，通过所述液流系统清理样品管，基于夹带因子通过声聚焦改变信号收集，以及重新开始检测系统的信号收集。重新开始信号收集可以发生在启动样品分散之后。
在一些实施中，所述控制系统包括提供高收集收率的第一分选配置以及提供高收集纯度的第二分选配置。可以配置所述控制系统以基于夹带因子选择第一分选配置或者第二分选配置中的一种。
在进一步创新性方面，可以提供包括电子装置处理器可执行指令的永久计算机可读介质。所述指令，被处理器执行时可引起电子装置实施以上所述创新性方法中的一种或者多种。
附图简要说明
考虑到接下来的详细描述，结合附图，发明的一些优势将是显而易见的，其中：
图1显示了处理细胞仪数据行为信息的电子装置的一个实例的功能块框图。
图2显示了样品行为分析器的一个实例的功能块框图。
图3显示了样品行为分析示例性方法的过程流程图。
图4显示了不显示凝集的示例性事件数据组的点列图。
图5显示了显示凝集的示例性事件数据组的点列图。
图6显示了含有夹带因子反馈流动控制器的分选装置的一个实例的功能块框图。
图7显示了流中一部分事件分布的重建，其阐明颗粒如何在流的部分分布。
图8显示了提供样品夹带因子的流动系统的功能块框图。
发明详细描述
描述的特征允许使用简化的分散指数自动或者手动地评估样品行为。包括的辅助评估的一个方面为夹带因子。当分析不同样品时，公开特征的效用提供一项非限制性的区分检测样品性能特性的优势，所述性能特性产生于分选器固有的那些样品行为。
本发明描述用于以下的方法以及系统：测定流式细胞仪样品的夹带因子，包括使含有一系列颗粒的样品流经流式细胞仪，其中每一颗粒与信号关联，并且颗粒分布于液流中，在一些实施方案中最终形成一系列规律间隔的液滴；检测相对于先前颗粒的一系列到达间时间信号，以及所述相对于指定具体时间间隔长度发生的可能性；基于泊松(例如理想的同质泊松)分布，计算在时间间隔内事件的预期频率；测量那段时间间隔内事件的观察频率；以及计算第一夹带因子，其中所述第一夹带因子由观察频率与预期频率的比值确定。
在一些实施方案中，方法还包括当夹带因子偏离预先确定值(例如大于1)时，驱动与流式细胞仪操作上相连的控制系统的校正动作。在一些实施方案中，所述校正动作可以包括停止流式细胞仪中样品的流动，清洁流式细胞仪，初始化用户界面信号等。可以当样品在流式细胞仪中流动时或者流动完成后计算所述夹带因子。在一些实施方案中，时间间隔以液滴分数的形式被测量。在一些实施方案中，所述第一夹带因子是在流式细胞仪样品连续时间间隔过程中计算的多个夹带因子中的一种。所述样品可以包括生物样品，例如外周血细胞。
一些实施方案可以包含液流系统，所述液流系统包括样品管以及样品管中的移动流体柱，样品颗粒在移动流体柱中沿通常的样品路径移动。所述液流系统也可以包括检测系统，用于收集来自每一颗粒沿通常的样品路径经过一种或者多种检测站时的信号，每一信号被赋予信号值以形成每一颗粒的数据点。在第一时间间隔，所述检测系统可以收集一系列此种数据点。控制系统可以在与液流系统操作上相关联。可以配置所述控制系统，以基于泊松分布以及在第一时间间隔过程中检测系统收集的数据点的数量计算第二时间间隔的至少计算信号频率，以及基于第二时间间隔的数据点的数量计算实验信号频率。所述控制系统可以还能够将实验信号频率与计算信号频率或者预先确定的信号频率进行比较，以便测定夹带值。可以基于实验信号频率与计算信号频率或者预先确定的信号频率的比值测定夹带值，其中第二时间间隔为第一时间间隔的子集。在一些实施方案中，夹带值可以与预先确定的值有偏差，并且控制系统可以驱动校正动作。所述校正动作可以是任意动作，例如通过实施一个或者多个循环的中断检测系统的信号收集，通过所述液流系统清理样品管，以及重新开始检测系统的信号收集。在一些实施方案中，重新开始信号收集发生在实施分散样品步骤之后。可以通过任意手段分散样品，例如声聚焦。
本文描述的方面提供使用分散指数评估样品行为的系统及方法，并且提供“夹带因子”的概念作为样品质量的度量标准。使用不同的样品展示了系统以及方法，并且讨论了本工具在区别性能问题的作用，所述问题来自分选器固有的那些样品行为。实施包括将一个或者多个描述特征作为通常分析数据(例如细胞仪数据)的有效手段，以测定在细胞分选或者分析过程中群体实际上是何种“泊松”，从而作为度量标准来帮助改善样品制备。描述的方面也可以用于通知用户为什么分类的群体可能表现较差的性能并且导致令人失望的分选收率。
如本文使用，下面特别提出的术语具有以下定义。如果在这一部分未以其它方式定义，本文使用的所有术语具有本发明所属领域的技术人员通常所理解的含义。
本文使用的术语“系统”、“仪器”以及“设备”通常既包括硬件组分(例如，机械的以及电子的)也包括相关的软件组分(例如，计算机程序)。
本文使用的术语“泊松分布”指的是显示一些独立事件在固定时间发生的可能性的离散频率分布。
本文使用的术语“夹带”确定颗粒聚集、凝集或者其它非随机联合的程度。
本文使用的“事件”通常指单个颗粒(例如细胞或者合成的颗粒)的测量数据。通常，单个颗粒的测量数据包括一些参数，包含一种或者多种光散射参数以及至少一种荧光强度参数。因此，每一事件代表参数测量的媒介，其中每一测量的参数与数据空间的一维对应。
本文使用的颗粒(例如细胞或者其它颗粒)的“群体”或者“亚群”，通常指的是具有关于一种或者多种测量参数的光学特性的一组颗粒，以使测量的参数数据在数据空间形成群。因此，在数据中，群体被认为是群。相反地，每一数据群通常被解释为与群体对应，尽管也观测到了通常与噪音或者背景对应的群。可以在维数的子集中定义群，例如，关于测量参数的子集，所述子集于仅区别于测量参数子集的群体对应。
本文使用的“门”，通常指的是一组识别目标数据子集的边界点。在细胞术中，门可以限制一组特殊目标事件。本文使用的“门控”通常指，通过限定给出的数据或者数据子集的门，对群体进行分类的方法。
如以上简单讨论，点图是使细胞仪产生的数据可视化一种的方法。当展示以及分析数据时，也可以使用直方图、块状图(bin plot)、2D密度和/或等高线图。
从流式细胞仪中分选细胞是一项有挑战性的任务，由于一些细胞制品的倾向性导致细胞或者颗粒的凝集或者聚集，这使得该任务更加具有挑战性。在理想情况下，流式细胞仪中一系列液滴的分选效率可以显示泊松分布，其中可以用以下等式(1)估算效率：
其中：d代表滴落包(drop packet)，定义为滴落单位时间；
f代表每秒液滴滴落的频率；
速率代表每秒事件中的样品速率；
分数代表目标群体中所有事件部分。
很多经流式细胞仪处理的样品不显示泊松分布。在不限于具体理论的情况下，非泊松分布可能是很多因素导致的结果，例如细胞的夹带(或者凝集)。由于所需细胞非期望地夹带非目标细胞，研究者比预期或者期望地“丢失”更大部分细胞是常见的。在一些实施方案中，能够通过测定与流式细胞仪检测的一系列事件同类泊松行为的差异，实现样品实际上为何种“泊松”的测量。在一项实施中，与平均比值的差异为1.0，则可以认为样品表现为泊松形式。
在一些实施方案中，样品可以包括两种或者更多种颗粒类型(例如，单核细胞、淋巴细胞或者任意其它细胞组分)，并且每一颗粒类型可以用提供不同检测信号的方式标记。样品中不同的细胞组分可能显示不同的聚集行为。描述的方面可以提供每一不同信号产生颗粒的特定夹带因子的测定。作为一项非限制性权益，这些特征提供理解样品中不同微粒群体或者细胞类型行为的方法。
在一些实施方案中，测量了给定时间间隔内观察到的事件数量。基于理想的泊松分布，计算在相同时间间隔内事件的预期频率。通过计算这一时间间隔或者任意其它时间间隔观察到的事件与事件预期频率的比值，我们可以获得“夹带因子”。该值标识样品凝集的程度以及与泊松的偏差。夹带因子显示的凝集水平越高，流动的样品行为越差。
相应地，可能以各种各样的方式实施夹带因子的表示。例如，在一项实施中，因子1.0表示泊松样品，而大于1.0的因子表示凝集的/夹带的样品。在另一项实施中，所述因子可以用零基表示。在此种实施中，因子0可以表示没有凝集(如，泊松)，而正值表示凝集程度。在一些实施中，可以测量凝集的程度，例如与100的比值。在此种实施中，因子可以表示样品的凝集百分比。在一些实施中，数值越高可以表示越多泊松样品，数值越低表示凝集程度越高。此处的讨论应当强调，在不脱离夹带因子表示凝集程度的含义的情况下，可以以各种各样的方法表示夹带因子。
使用具有指定滴落分辨率的固件中固有的时间标识可以高精度的测量颗粒到达时间。例如，从滴落的1/16th，使用可购自美国BD公司的BDInfluxTM细胞分选器，在40KHz，到达时间可以测量至1.5625微秒；使用可购自美国BD公司的BD FACSAriaTM III细胞分选器，可以测量至0.1微秒；或者使用也可购自美国BD公司的BD FACSJazzTM细胞分选器，测量至通过48比特时间标识来表示的17.625纳秒。
到达时间可以作为时间标识包含在每一处理事件的事件框架内。在一些实施中(例如在使用InfluxTM或者FACSJazzTM的情况下)，可以提供另外的信息，例如与先前事件在时间上的距离。可以将数据看做泊松指数分布进行分仓和拟合。然后可以基于常规的泊松估算(Pinkle and Stovel,1985)，获得在时间仓(time bin)内涉及滴落边界的另一事件发生的可能性。不同相关时间跨度的观察可能性与预期可能性的比值提供了“夹带因子”的度量标准。如讨论，一个示例性的夹带因子为：对于真正的泊松分布，结果将是1.0，对于那些以非随机方式夹带的颗粒，结果显著地更大。
不同样品/细胞类型以及异质性样本内亚群(例如外周血单核细胞(PBMC))的行为在流动中表现出从真正的同质性泊松分布到非随机夹带的夹带行为，所述行为显著影响分选性能并降低了分选收率(例如，分选决定达到的细胞数量)。应用于等式(1)的一个实例可以具有如等式(2)所示的效率表示。
p = 1.0 - e - r d f - - - ( 2 )
在滴落包d为1，频率f为40,400Hz的示例性样品中，预期速率r为每秒714个事件。在该实例中，只有一个目标群体，因此分数项(fractionterm)不是必须的。在测试过程中，可以从细胞仪获得样品的事件数据。在一个实例中，10,000个事件的样品，我们观察到829个事件，时间增量为1滴或者更少。时间增量代表了给定事件与先前事件之间的一段时间。在一些实施中，时间增量测量了到同类型先前事件(例如，同样的颗粒检测)的时间。在一些实施中，时间增量测量了到先前事件(不管事件类型)的时间。在以上所讨论的实例中，使用的时间单位为滴落的数量。在描述的方法以及系统中，也可以使用单位(例如微秒、绝对时间)或者其它时间的表示方式。观察的样品的结果频率为0.0829。然而，基于事件的泊松分布以及每秒714的样品速率，可以预期10,000中的175个事件(例如0.0175*10000)的时间增量为1滴或者更少。
通过这一实例，虽然泊松分布的预期可能性为0.0175，观察的可能性为0.0829。在夹带因子表示为观察的可能性与预期可能性的比值的实施中，夹带因子将会是0.0829/0.0175或者4.73。如果样品显示了预期分布，比值将产生1.0(例如0.0175/0.0175)的夹带因子。然而，在以上讨论的示例性实例中，夹带因子为4.73，为如果为同质性泊松分布过程的几乎5倍。
图1显示了处理细胞仪数据行为信息的电子装置的一个实例的功能块框图。可以配置电子装置100以实施本文所述方法中的一个或者多个方面。
在一些实施中，电子装置100可以为细胞仪。将会理解，此种实施中包含的其它元件未在图1中显示。在一些实施中，可以配置电子装置100以与细胞仪通讯，从而基于此提供行为分析以及控制信息。
为了促进与细胞仪的通讯，电子装置100包括接收器102。配置所述接收器102以接受信息，用于电子装置100的进一步处理，例如样品行为分析。接收器102可以接收原始流式细胞仪数据。接收器102也可以接收参数以控制电子装置100的操作特征。可以配置接收器102以接收来自另一电子装置(例如平板计算机、个人计算机或者智能手机)的信息。
可以作为有线或者无线接收器实施接收器102。在无线实施中，接收器102可以包括天线以及信号处理器。在有线实施中，接收器102可以包括与所述不同特征连接的一种或者多种网络接口、物理连接(例如以太网、USB、HDMI、电话等)和应用程序接口。
为进一步促进与细胞仪以及其它电子处理系统的通讯，电子装置100可以包括发送器104。可以配置发送器104以发送电子装置100产生的或者以其他方式获得的信息。可以通过发送器104发送的信息的一个实例为行为分析，例如夹带因子和/或基于其的驱动信息。
可以配置发送器104以将传送的数据格式化。格式化可以包括以下所述的一种或者多种：分包、封装(例如，以机器可读的格式(如XML、JSON、分隔的文本)、二进制格式(如位图)或者其它图像文件格式等))、加密以及压缩。
可以配置发送器104用于有线或者无线传送。在无线实施中，发送器104可以包括信号发生器、放大器以及天线。在有线实施中，发送器104可以包括网络接口以及物理接口(如，以太网、USB、HDMI、电话等)中的一种或者多种。
电子装置100可以包括存储器106。存储器106可以存储电子装置100接收的信息，所述存储器可以包括只读存储器(ROM)和/或随机存取存储器(RAM)。存储器106也可以存储电子装置100产生的信息。存储器106的一部分也可以包括非易失性随机存取存储器(NVRAM)。
电子装置100也可以包括处理器108。处理器108可以控制和/或调整电子装置100的操作。在一些实施中，处理器108可以被称为中央处理器(CPU)。可以配置所述处理器以向电子装置100的一个或者多个组件发送信息。也可以配置所述处理器以接收来自电子装置100的一个或者多个组件的信息。
可以用以下所述的任意组合来实施处理器108：通用或者专用微处理器、微控制器、数字信号处理器(DSP)、场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、状态机、门控逻辑、独立的硬件组件、专用硬件有限状态机，或者能够实施信息计算或者其它操作的任意其它合适的实体。
存储器106可以向处理器108提供指令以及数据。可以配置所述处理器108，以基于存储于存储器106中的程序指令实施逻辑以及算术运算。可以执行存储器106中的指令以实施本文所述的方法。
图1所示的电子装置100包括样品行为分析器200。显示的样品行为分析器200可以接收样品事件数据。所述样品事件数据可以包括事件信息，例如事件的平均荧光强度、相对于测试时间点的事件时间(例如测试开始或者滴落间隔)以及时间增量。在一些实施中这些输入可以存储于存储器106。在一些实施中，基于接收的信息，可以外部接收输入，例如通过接收器102。
可以配置样品行为分析器200以产生样品或者一部分样品的行为识别信息。行为识别信息的一个实例是夹带因子。行为识别器可以基于接收的事件数据，在这里将实际事件数据与事件数据的理想统计分布进行比较。可以配置样品行为分析器200以存储存储器106中产生的直方图。将参考下面的图2展示样品行为分析器200的进一步详细描述。
在一些实施中，行为识别信息可以包括驱动控制信息。所述驱动控制信息可以包括识别行为的信息以及一种或者多种流动调节，以改善样本测试行为。
电子装置100包括流动控制器600。配置所述流动控制器600以调节样品/测试的细胞流动。在下面参考图6描述调节的实例。流动控制器600可以接收作为第一输入的起始参数。起始参数显示样品的起始流动配置。显示的流动控制器600也接收行为识别信息，它可以利用该信息基于相关样品的行为调节起始流动配置。
以上描述的电子装置100的组件可以通过总线190联接。总线190可以是数据总线、通信总线或者其它的总线机制，以使电子装置100中的不同组件能够交换信息。在一些实施中，总线190可以促进所示组件之间电的传递。将会进一步被理解，虽然显示了不同的组件，显示的多种组件可以组合为单个组件。
图2显示了样品行为分析器200的一个实例的功能块框图。样品行为分析器200接收样品事件数据作为输入。细胞仪收集的事件数据可以不同。例如，一些细胞仪在第一级分辨率收集事件数据(例如比特数)，而其它的可以在更高分辨率收集事件数据。同样地，事件数据可以被更细微地表示，或者包括细胞仪之间另外的信息。由于样品行为分析器200可以分析来自不同细胞仪的事件数据，因而可以向事件数据解析器202提供所述事件数据。在包括样品行为分析器200的细胞仪中，事件数据格式可以被更可靠地识别。在此类实施中，事件数据解析器202可以被省略或者与包含电子装置的其它组件结合。
可以配置事件数据解析器202以测定事件数据的格式，并且提供一组标准事件数据用于分析目的。在一些实施中，可以配置事件数据解析器202以放大接收的事件数据。例如，一些细胞仪可能不报告所谓的时间增量。这样的话，可以配置事件解析器202以处理接收的事件数据，测定包含于数据集中的一个或者多个事件的时间增量。所述事件数据可以还包括当前的流动配置(例如，速率、时期等)。
如图2所示，事件数据解析器202可以接收解析配置作为输入。所述解析配置可以包括显示如何测定需要何种解析操作的规则。这可以使用标题字段、事件数据签名或者其它的解析方法进行显示。所述解析配置可以进一步显示将被执行的解析操作。例如，解析配置可以包括可被处理器执行的指令，例如可执行脚本。所述脚本可以指定一系列事件数据的转换以产生标准化的输出。
然后可以向预期频率分布产生器203提供标准化的事件数据。可以配置预期频率分布产生器203以测定一组分布形式良好(例如泊松分布)的事件的特征。可以例如通过预期配置，指定分布的类型为向预期频率分布产生器203的输入。所述预期频率分布产生器203可以分析事件数据以测定事件数据的速率以及时期的预期事件分布。将会理解，可以识别一部分事件数据的预期分布，例如一滴、三滴、三十滴或者一滴的1/16th。
也可以向观察频率分布产生器204提供标准化的事件数据。可以配置观察频率分布产生器204以提供至少一部分事件数据的实际频率分布。
然后将预期以及观察的样品分布提供给夹带处理器206。配置所述夹带处理器206以将预期以及观察的分布进行比较，从而产生样品的行为信息。在一项实施中，夹带处理器206可以获得如上所讨论的预期与观察的比值。可以利用传向夹带处理器206的夹带配置输入，指定通过夹带处理器206实施的对比。所述配置可以指定行为的一个或者多个的方面用于分析，并且包含于产生的行为信息中。所述配置也可以指定行为信息的输出形式。例如，在一项样品行为分析器200与一个或者多个细胞仪结合的实施中，可以配置每一细胞仪以理解指定形式。相应地，配置可以包括静态配置(例如组合技术)以及动态配置(例如目标细胞仪输出形式)。
然后可以配置夹带处理器206提供行为信息用于进一步处理。例如，夹带处理器206可以将行为信息储存存储器210中。在一些实施中，所述夹带处理器206可以利用图1所示电子装置100中包含的存储器106。
夹带处理器206可以向驱动控制器208提供行为信息。可以配置驱动控制器208，从而基于行为信息识别细胞仪的一种或者多种调节。例如，如果样品的夹带因子很高，可能是因为测试包含高纯度容差。驱动控制器208可以为给定的纯度的降低提供提高收率的统计指示。在一些实施中，可以配置驱动控制器208以自动产生控制信息，例如为测试降低流动速率。所述配置可以指定为向驱动控制器208的驱动配置输入。所述驱动配置可以包括调节分析的样品事件测试的分选逻辑。例如，规则可以指定高达10％的纯度的降低是可接受的，如果所述降低能够导致增加20％或者更多的收率。在一些实施中，所述驱动配置可以基于有序流动的检测提高速率，以及如果检测到无序的流动，则降低速率。其它调节的实例在下面进行描述。
图3显示了样品行为分析示例性方法的过程流程图。可以通过本文描述的一种或者多种装置实施图3所示的过程，例如图1显示的电子装置100或者图2显示的样品行为分析器200。所述方法起始于节点302，在这里接收流动的一系列液滴的事件数据。在测试过程中，所述事件数据可以接收自流式细胞仪。在一些实施中，此种从收集点至接收点的近似及时提供可以被称为“实时”。虽然图3显示的实例参考液滴作为速率单位，可以结合本文描述的特征利用其它的单位。
在节点304，测定假定分布的预期事件频率。假定分布的一个非限制性实例为泊松分布。所述测定可以基于至少一部分接收的事件数据的速率以及时期。
在节点306，测定事件数据的观察频率。在一项实施中，可以基于以上等式(1)的应用对所述观察频率进行测定。
在节点308，产生夹带因子。夹带因子通常基于接收到的事件数据描述样品行为。可以基于预期频率与观察频率的比较产生所述夹带因子。比较可以是两种频率的比值。在一些实施中，可以包括另外的因子例如流动配置、初始细胞仪信息(如类型、型号固件版本、配置等)。
图4显示了一组不显示凝集的示例性事件数据的点列图。利用以上所讨论的实例，图4所示事件数据的夹带因子将接近或者为1.0。
第一点列图410显示，在x轴时间增量以微秒为单位。y轴代表相应的时间增量检测的事件数量。如图4所示，时间增量为0时检测到很少的事件。最通常的时间增量(例如图中的峰点)略低于300微秒。第二点列图420以对数标尺形式显示了同一组数据。将被指出，随着时间增量的增加，本图通常显示向下的斜率。
图5显示了一组显示凝集的示例性事件数据的点列图。图5所示事件数据代表夹带因子接近4.0的行为稍差的分选样品。
第一点列图510显示，在x轴，时间增量以微秒为单位。y轴代表相应时间增量检测的事件数量。如图5所示，最通常的时间增量为约225微秒。图5与图4所示集合的变化可以归因于图5所示集合的凝集。
当比较第二点列图520与第二点列图420时，变化更加明显。与第二点列图420一样，第二点列图520以对数标尺形式显示第一点列图510中的事件数据。检测的事件530中起始组的时间增量接近0。图4所示集合中缺少该组530。
图6显示含有夹带因子反馈流动控制器的分选装置的一个实例的功能块框图。图6所示的分选装置可以被称为空中流分选系统。这种以及其它分选装置描述于共同拥有和转让的美国专利第8,140,300号中，该专利的公开内容以引用的方法方式整体并入本文。
显示了样品流602中的颗粒。样品流602流经喷嘴606的孔口604。样品流602离开喷嘴606时形成喷射流608。通过激光器611产生激光束610，从而照亮喷射流608中可能包含的颗粒。利用检测站612检测光以产生多种信号，处理所述信号以产生多参数事件数据点。可以向样品行为分析器提供产生的事件数据。可以通过通讯中介(例如网络/云)，通过存储器或者混合配置直接提供。
基于多种信号值，在液滴离开喷射流608之前，使它们带正电荷、负电荷，或者以中性形式离开。一些液滴如液滴630所示将含有样品颗粒，其它液滴如液滴640所示将不包含样品颗粒。液滴经过偏转区614。所述偏转区614包括两块带相反电荷的偏转板616a以及616b。配置偏转板616a以及616b，从而将喷射流608中的带电液滴引导至它们各自的收集容器618a、618b或者618c。如所示，由于带正电的偏转板616a将吸引带负电荷的液滴，容器618b收集带负电荷的液滴。类似地，由于带负电的偏转板616b将吸引带正电荷的液滴，容器618c将收集带正电荷的液滴。
在一个收集计划中，当目标颗粒经过检测站612时，流动系统基于它们的信号值识别所有目标颗粒，然后在目标颗粒作为液滴离开喷射流608的瞬间引起喷射流608带电荷或者不带电荷。这样，就使得目标颗粒具有相同的电荷。这就允许在相同的收集容器中收集颗粒。
偶尔，多种颗粒以紧密接近的状态经过检测站612(例如，凝集)。如讨论，夹带事件产生可能不能被流动系统辨识的信号。此类巧合的事件通常是不期望的，并且能够导致含有目标颗粒的液滴被拒绝。此类拒绝能够影响分选的收率(例如，作为目标细胞被明确识别的细胞的数目)。
图7显示了在一部分流中事件分布的重建，所述重建说明颗粒如何在一部分流中分布。显示的用于示例性测试的流700通常包括四种类型的颗粒：目标分类颗粒、舍弃分类颗粒、未分类颗粒以及在分类过程中被错误分类的颗粒。颗粒可以单独出现，或者在某些情况下作为凝集出现。在图7中，显示了仅含有一个目标分类颗粒的第一组颗粒702。在流的连续的下游，显示了仅含有一个舍弃分类颗粒的第二组颗粒704。显示了含有两个未分类颗粒以及一个错误颗粒的第三组颗粒706。第三组颗粒706可以被认为是凝集的(例如，夹带)。接下来在流700中显示了含有一个目标颗粒的第四组颗粒708。迄今为止可以看出，随着流的前进，时间也是如此。流700的第一部分可以代表单个液滴出现的事件，所述第一部分含有组702、704、706以及708。可以利用第一目标颗粒(例如组702)与第二目标颗粒(例如组704)到达间时间来表征时间增量。
流700连续具有含两个未分组颗粒以及一个舍弃分类颗粒的第五组颗粒。组712含有目标分类颗粒，跟随的另一组714含有错误颗粒。组716含有舍弃颗粒以及错误颗粒。在这种情况下，由于组716含有错误，可以配置分选以忽视组716。在一些例如基于样本行为分析调节分选偏差的实施中，可以配置分选以将组分选到舍弃收集容器。可以将相似的逻辑应用于图7所示的最后一组(组718)。组718含有一个未分类的颗粒以及一个目标颗粒。对高纯度分选而言，即使组718含有目标颗粒，可以将该组718引导离开目标收集容器。对高收率分选而言，可以将组718引导进入目标收集容器。流700仅仅是颗粒可以如何流经图6所示分选装置的一个实例。组之间的间隔可以大于或者小于所示间隔。此外，依赖于实施的测试，颗粒可以有更多或者更少的分类。
流动控制器600接收一种或者多种驱动信息。流动控制器600可以接收来自行为分析器的一种或者多种驱动控制信息。基于接收到的驱动控制信息，流动控制器可以调节细胞仪中的一个或者多个组件。例如，流动控制器600可以接收显示低凝集水平的驱动控制信息。在这种情况下，样品可以在流动介质中排列。在此种排列事件中，可以在不牺牲分选纯度的情况下增加通过速率。相应地，流动控制器600可以调节细胞仪以增加流动介质和/或样品的压力，从而增加样品成为液滴的速率。
可以基于提供的事件数据，通过行为分析器产生驱动信息。如图6所示，流动控制器600与分选装置中包含的不同组件通讯。这样，流动控制器600可以处理驱动信息，并调节一种或者多种组件的操作特征。例如，流动控制器可以调节激光器611以改变激光束612的性质。可以调节的性质的实例包括波长、发光时间、发光持续时间、发光角度、传播等。
显示的流动控制器600与喷嘴606通讯。流动控制器可以调节喷嘴606的一种或者多种特征，例如孔口的尺寸、样品颗粒或者流体(其中将包含颗粒以形成液滴)压力中的一项或全部，或者应用于液滴的电荷。
显示的流动控制器600与偏转处理器620通讯。配置所述偏转处理器620以控制偏转板616a以及616b递送的电荷。可以配置流动控制器600以向偏转处理器620提供信息，从而基于样品行为调节电荷。例如，可以调节电荷的强度以便使一个或者两个板具有更强或者更弱的吸引水平。在一项纯度很重要的测试中，可以精确地校准强度，从而只吸引那些目标颗粒。然而，如果以低纯度为代价的收率很重要，可以增加电荷以允许分选更多的颗粒。
显示的流动控制器600与检测站612通讯。可以通过流动控制器600调节检测站612的操作以回应接收到的驱动控制信息。例如，可以调节检测时间、检测分辨率或者检测的区域。由于实施的信息处理的复杂性降低，通过将检测调节至较不严格的计划，可以增加检测站612能够操作的速率。这可以提供另一个非限制性的优势，所述优势为降低样品处理过程中消耗的电力资源。
将被理解，流动控制器600可以同时调节多种组件。例如，可以通过驱动喷嘴606调节速率，同时也调节偏转处理器620。调节速率可能也需要调节检测站612，以保证新的流动速率的事件数据能够被捕获。也将被理解，流动控制器600可以基于驱动控制信息(例如声聚焦)调节细胞仪中包含的其它组件。
基于驱动控制信息，通过流动控制器600进行的调节，提供了表示样品行为的方法，例如，影响细胞仪操作特征的时间增量。在样品的测试过程中，对样品以及对流动介质而言，条件(例如仪器内部)可以不同。随着这些条件的改变，时间增量特征可以改变。相应地，可以配置流动控制器600在整个样品测试中实施调节。在一个实例中，当样品正经历测试时，可以动态调节涉及分选的操作特征。
图8显示了提供样品夹带因子的流动系统的功能块框图。可以配置图8所示的流动系统800，以实施例如本文描述的全部或者部分方法，例如图3的方法。流动系统800包括液流系统802。液流系统802可以包括样品管810以及样品管中的移动液体柱，或者与其结合，在所述移动液体柱中，样品颗粒830沿通常的样品路径820移动。
流动系统800包括检测系统804，配置所述检测系统804以当颗粒沿通常的样品路径经过一种或者多种检测站时，收集来自每一颗粒的信号。检测站一般指通常样品路径的监测区域840。在一些实施中，检测可以包括当颗粒830经过监测区域840时，检测颗粒830的光或者其它性质。在图8中，显示了含有一个监测区域840的一个检测站808。一些流动系统的实施可以包括多种检测站。此外，可以期望检测站监测多于一个区域。
每个信号被赋予信号值以形成每个颗粒的数据点。如上所述，这一数据可以被称为事件数据。配置检测系统804以收集第一时间间隔中的一系列该类数据点。
流动系统800也包括控制系统806。显示的控制系统806与液流系统802操作上相关联。配置所述控制系统806，以基于泊松分布以及在第一时间间隔内检测系统804收集的数据点的数量，产生第一时间间隔的至少一部分的计算信号频率。进一步配置所述控制系统806，以基于第一时间间隔的一部分的数据点的数量，产生实验信号频率。另外，控制系统806将实验信号频率与计算信号频率或者预先确定的信号频率进行比较。然后控制系统806提供样品的夹带因子。所述夹带因子至少部分基于比较的结果。
可以使用行为信息(例如夹带因子)以进一步处理细胞仪事件数据。在一个实施中，可以使用夹带因子以调节产生的细胞数目。例如，可以将夹带因子与凝集细胞数目结合以提供调节的细胞数目，从统计学上来说，该调节后的细胞数目反应了样品的预期数目。
在一个实施中，可以使用夹带因子以门控样品事件。例如，可以提供识别具有夹带因子的目标亚群。在某些情况下，可以使用凝集作为某些诊断条件的标记。
在进一步实施中，可以随时间追踪细胞仪中测试的夹带因子。基于归因于细胞仪的不同的条件，可以随时间改变夹带水平。在随时间追踪夹带信息的位置，凭借细胞仪增加的凝集水平可以识别一种趋势。增加可以是与相似型号细胞仪相比的增加，与细胞仪平均值或者其它的比较度量标准相比的增加。当超过可配置的阈值时，细胞仪可以提供需要检修以克服凝集的指示。此种检修可以包括清洁、再校准或者其它能够降低样品凝集的校正动作。在一些实施中，可以自动实施检修，例如通过处理器，配置所述处理器以随时间监测夹带以及实施以上提到的比较。
一项实施可以包括用于预测群体分选性能所描述的特征。例如，可以使用平均群体时间增量的倒数作为估计的平均虚拟速率，从而预测该群体的分选性能，并因此提供可用于基于测量的行为优化该群体分选逻辑的信息。在实施方案中，可以产生模型，例如通过样品行为分析器200或者处理器108，评估分类群体p的收率(效率)以及纯度产出。模型的产生可以基于由平均时间增量的倒数计算出的平均虚拟速率。等式(3)显示了一个等式(1)的修正实例。
一些实施可以包括选择性的反符合逻辑。分选逻辑可以调节如何分析行为。例如，如果具有标准反符合逻辑使得在“纯度”模型中，逻辑滴落包d为1.5滴，在“收率”模型中为1.0滴(递增地降低可能的舍弃数量)。一些实施可以包括失去反符合能力的“富集”模型，所述模型可以提供1.0滴。可以产生模型以在不同的分选模型(例如纯度、收率以及富集)下，评估样品内具有不同平均时间增量的多个群体的分选性能。虽然讨论中使用纯度、收率以及富集作为示例性分选逻辑，可以使用与不同逻辑滴落包和/或其它分选参数关联的较少或者较多的分选逻辑与时间增量一起来评估分选性能。
此外，可以使用来自测量的时间增量的估计来比较来自平均时间增量的预期性能与当群体行为为同质泊松时的预期性能的差异。这一信息是样品行为信息的进一步实例。
考虑细胞表面标记CD4、CD19以及CD14染色的PBMC样品，其中平均速率为每秒6400个事件，滴落速率为39200Hz。将被分选的四个群体为CD4+(37.13％)、CD4-(13.85％)、CD19+(10.97％)以及CD14+(1.83％)。在“纯度”模型中，平均预期效率(收率)将为约79％～85％收率，并且纯度检验为1.5滴；在“收率”模型中为85％～90％，并且纯度检验为1.0滴。表1总结了使用标准方法(例如，不考虑时间增量)的估计收率。
表1
然而，在分选过程中，纯度模型中CD14群体的观察收率接近33％，而非预期的79％。可以通过CD14+群体的平均(中值)时间增量预估实验结果。表2总结了使用时间增量方法的估计收率。
表2
相似地，可以通过估计另一颗粒在分类细胞被分选时具有相同滴落包的可能性来估计群体的预期纯度。预期纯度是样品行为信息的另一个实例。可以将估计颗粒位置时测量的变化性用作等式(3)中的d，以此来估计错误频率。例如以上讨论的实例，测定错误频率为0.2滴。利用这一信息可以产生估计纯度。表3显示了错误频率为0.2滴的群体不同分选模型的估计纯度。
表3
在一些实施中，行为分析可以基于滴落速率估计非目标过客细胞的频率。这一频率是样品行为信息的进一步实例。等式(4)显示了一种可以包含于所述装置以及方法中的纯度估计的表示。
本文使用的术语“测定(determine)”或者“测定(determining)”包含多种动作。例如，“测定”可以包括计算(calculating)、计算(computing)、处理、衍生、调查、查找(例如，在表、数据库或者其它数据结构中查找)、查明等。而且，“测定”可以包括接收(例如，接收信息)、评估(例如，评估存储器中的数据)等。而且，“测定”可以包括解析(resolving)、选择(selecting)、挑选(choosing)、建立等。
本文使用的术语“提供(provide)”或者“提供(providing)”包含多种动作。例如，“提供”可以包括在位置存储数值用于后续检索、直接将数值发送给接收者、发送或者存储数值的参考等。“提供”也可以包括编码、解码、加密、解密、确认、验证等。
本文使用的意为一系列项目中“至少一项”的短语，指的是那些项目的任意组合，包括单一项。例如，“a、b或者c中至少一项”意图包括：a、b、c、a-b、a-c、b-c以及a-b-c。
那些本领域技术人员将会理解，可以使用一些不同技术(technologies)以及技术(techniques)中的任意技术代表信息以及信号。例如，贯穿以上描述，被引用的数据、指令、命令、信息、信号、比特、符号以及芯片可以通过电压、电流、电磁波、磁场或者磁粒子、光场或者光学粒子，或者其任意组合来代表。
本领域技术人员将会进一步理解，描述的与本文公开的实施方案有关的各种各样的说明性逻辑块、模块、电路以及算法步骤可以作为电子硬件、计算机软件或者两者的组合来实施。为了明确地说明硬件与软件之间的这一可交换性，以上通常从功能方面描述了不同的说明性组件、块、模块、电路以及步骤。此类功能以硬件方式或者软件方式实施取决于施加于整体系统的具体应用以及设计限制。熟练的技工可以针对每一具体应用，以不同的方式实施描述的功能，但是该类实施决定不应被理解为导致脱离本发明的范围。
本文描述的技术可以在硬件、软件、固件或者其任意组合中实施。可以在各种各样装置的任意装置中实施此类技术，例如通用计算机、无线通讯装置或者具有多种用途的集成电路装置，所述多种用途包括在无线通讯装置手持设备以及其它装置中的应用。描述为模块或者组件的任意特征可以在集成逻辑装置中共同实施，或者在分别作为独立组件但是具有协同作用的逻辑装置中实施。如果在软件中实施，通过包括包含指令的程序编码的计算机可读数据存储介质可以至少部分实现技术，当执行所述指令时，实施以上所述的一种或者多种方法。可以包括包装材料的计算机可读数据存储介质可以形成计算机程序产品的一部分。计算机可读介质可以包括存储器或者数据存储介质，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)、非易失性随机存储器(NVRAM)、电可擦可编程只读存储器(EEPROM)、FLASH存储器、磁性或者光学数据存储介质等。计算机可读介质可以是永久性存储介质。通过计算机可读通讯介质(所述介质以指令或者数据结构的形式携带或者传达程序编码)，可以至少部分实现另外的技术或者作为备选的技术，并且可以通过计算机评估、阅读和/或执行所述技术，例如信号传播或者光传播。
可以通过处理器执行程序编码，所述处理器可以包括一种或者多种处理器，例如一种或者多种数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、场可编程逻辑阵列(FPGA)，或者其它等同的集成或者离散逻辑电路。可以配置此种处理器以实施本公开内容中描述的任意技术。通用处理器可以是微处理器，或者处理器也可以是常规处理器、控制器、微控制器或者状态机。也可以作为计算机设备的组合实施处理器，例如，DSP与微处理器、多个微处理器的组合；一个或者多个微处理器与DSP核的联合；或者任意其它的此类配置。相应地，本文使用的术语“处理器”可以指上述结构中的任意结构、上述结构的任意组合或者适合实施本文所述技术的任意其它结构或者装置。此外，在一些方面，本文描述的功能可以由用于编码以及解码的专用软件模块或者硬件模块提供，或者并入组合视频编码解码器(CODEC)。
本文公开的方法含有实现所述方法的一种或者多种步骤或者动作。在不脱离权利要求范围的情况下，可以将方法步骤和/或动作进行互换。换言之，除非指定步骤或者动作的具体顺序，可以在不脱离权利要求范围的条件下修改具体步骤和/或动作的顺序和/或用途。
描述了发明的不同实施方案。这些或者其它实施方案属于以下权利要求的范围。

Claims (20)

1.用于产生流式细胞仪样品的夹带因子的方法，所述方法包括：
使含有一系列颗粒的样品流经流式细胞仪，其中每一颗粒与信号关联；
在第一时间间隔，使用检测系统检测流式细胞仪形成的流中的一系列事件；
基于特征分布，计算第一时间间隔中事件的预期频率；
测量在第二时间间隔内事件的观察频率，其中所述第二时间间隔在所述第一时间间隔内；和
至少部分基于所述观察频率与所述预期频率的比值产生夹带因子。
2.如权利要求1所述的方法，其中所述特征分布包括泊松分布。
3.如权利要求1所述的方法，其还包括基于所述夹带因子以及分选逻辑，产生估计产量或者估计纯度中的至少一种。
4.产生流式细胞仪样品的样品行为信息的方法，所述方法包括：
使含有一系列颗粒的样品流经流式细胞仪，其中每一颗粒与事件关联，并且颗粒分布于液体流中；
检测一系列事件以及每一事件相应的到达时间；
测定相对于系列内先前事件的一系列到达间时间，以及相对于指定时间间隔的长度，到达间时间发生的关联可能性；
在一部分液体流的具有与指定时间间隔等同长度的所述系列到达间时间，计算事件的预期频率，所述计算基于预先确定的分布；
在所述系列到达间时间，测量所述一部分液体流内事件的观察频率；和
至少部分基于所述一部分液体流的、所述系列到达间时间的事件的观察频率与预期频率的比值，产生样品行为信息。
5.如权利要求4所述的方法，其中所述预先确定的分布包括泊松分布。
6.如权利要求1或者4中任一项所述的方法，其中所述流包括规律间隔的液滴。
7.如权利要求1或者4中任一项所述的方法，其还包括：
将所述夹带因子与预先确定的值进行比较；和
基于比较结果，驱动与流式细胞仪操作上相连的控制系统中的校正动作。
8.如权利要求7所述的方法，其中所述校正动作包括停止流式细胞仪中样品的流动。
9.如权利要求7所述的方法，其还包括分选所述流中的颗粒，其中所述校正动作包括基于所述夹带因子调节所述分选。
10.如权利要求1所述的方法，其中当样品在流式细胞仪中流动时产生所述夹带因子。
11.如权利要求6所述的方法，其中以液滴分数为单位测量时间间隔。
12.如权利要求1所述的方法，其中所述夹带因子为在流式细胞仪样品的连续时间间隔过程中计算的多个夹带因子中的一种。
13.如权利要求1所述的方法，其中所述样品包括外周血细胞，其中所述外周血细胞包含用第一标签和第二标签标记的第一组分和第二组分。
14.如权利要求13所述的方法，其中对于所述第一组分产生所述夹带因子，并且对于所述第二组分产生另一夹带因子。
15.用于提供样品夹带因子的流动系统，所述系统包括：
液流系统，所述液流系统包含样品管以及在样品管中的移动液体柱，样品颗粒在所述移动液体柱中沿通常的样品路径移动；
检测系统，用于收集来自每一颗粒沿通常的样品路径经过一个或者多个检测站时的信号，向每一信号赋予信号值以形成每一颗粒的数据点，检测系统在第一时间间隔收集一系列此类数据点；和
与液流系统操作上相关联的控制系统，所述控制系统被配置为：
基于泊松分布以及在第一时间间隔过程中检测系统收集的数据点的数量，产生第一时间间隔的至少一部分的计算信号频率；和
基于第一时间间隔的一部分的数据点的数量，产生实验信号频率；
将实验信号频率与计算信号频率或者预先确定的信号频率进行比较；和
为样品提供夹带因子，所述夹带因子基于所述比较。
16.如权利要求15所述的系统，其中比较实验信号频率包括测定实验信号频率与计算信号频率或者预先确定的信号频率的比值。
17.如权利要求15所述的系统，其中当测定到所述夹带因子偏离预先确定值时，控制系统驱动校正动作。
18.如权利要求17所述的系统，其中所述校正动作包括以下所述的一种或者多种：
中断检测系统的信号收集；
通过所述液流系统清理样品管；
基于所述夹带因子，通过声聚焦改变信号收集；和
重新开始检测系统的信号收集。
19.如权利要求18所述的系统，其中重新开始信号收集发生在启动样品分散之后。
20.如权利要求15所述的系统，其中所述控制系统包括提供高收集收率的第一分选配置以及提供高收集纯度的第二分选配置，其中所述控制系统被配置为基于所述夹带因子选择第一分选配置或者第二分选配置中的一种。
CN201480007260.XA 2013-02-01 2014-01-31 评估流式细胞仪中样品行为的方法和系统 Active CN104969056B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361759878P 2013-02-01 2013-02-01
US61/759,878 2013-02-01
PCT/US2014/014273 WO2014121126A2 (en) 2013-02-01 2014-01-31 Methods and systems for assessing sample behavior in a flow cytometer

Publications (2)

Publication Number Publication Date
CN104969056A true CN104969056A (zh) 2015-10-07
CN104969056B CN104969056B (zh) 2018-05-01

Family

ID=51258101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480007260.XA Active CN104969056B (zh) 2013-02-01 2014-01-31 评估流式细胞仪中样品行为的方法和系统

Country Status (5)

Country Link
US (2) US10190963B2 (zh)
EP (1) EP2951557B1 (zh)
CN (1) CN104969056B (zh)
ES (1) ES2931314T3 (zh)
WO (1) WO2014121126A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110462372A (zh) * 2017-05-25 2019-11-15 佛罗乔有限责任公司 大型多参数数据集的可视化、比较分析和自动差异检测
CN111983130A (zh) * 2020-09-07 2020-11-24 赵文建 基于全自动凯氏定氮仪颜色法检测氨气蒸馏完全的方法
CN112154317A (zh) * 2018-04-26 2020-12-29 贝克顿·迪金森公司 颗粒分析仪的表征和分选
CN113316713A (zh) * 2018-10-17 2021-08-27 贝克顿·迪金森公司 颗粒分析仪的自适应分选

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8835358B2 (en) 2009-12-15 2014-09-16 Cellular Research, Inc. Digital counting of individual molecules by stochastic attachment of diverse labels
US10481069B2 (en) * 2011-01-03 2019-11-19 Cytonome/St, Llc Method and apparatus for monitoring and optimizing microfluidic particle sorting
CN104364392B (zh) 2012-02-27 2018-05-25 赛卢拉研究公司 用于分子计数的组合物和试剂盒
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系统
KR102536833B1 (ko) 2013-08-28 2023-05-26 벡톤 디킨슨 앤드 컴퍼니 대량의 동시 단일 세포 분석
US9582877B2 (en) 2013-10-07 2017-02-28 Cellular Research, Inc. Methods and systems for digitally counting features on arrays
WO2015143041A1 (en) 2014-03-18 2015-09-24 The Regents Of The University Of California Parallel flow cytometer using radiofrequency mulitplexing
EP3259371B1 (en) 2015-02-19 2020-09-02 Becton, Dickinson and Company High-throughput single-cell analysis combining proteomic and genomic information
EP3262192B1 (en) 2015-02-27 2020-09-16 Becton, Dickinson and Company Spatially addressable molecular barcoding
US11535882B2 (en) 2015-03-30 2022-12-27 Becton, Dickinson And Company Methods and compositions for combinatorial barcoding
WO2016172373A1 (en) 2015-04-23 2016-10-27 Cellular Research, Inc. Methods and compositions for whole transcriptome amplification
WO2016196229A1 (en) 2015-06-01 2016-12-08 Cellular Research, Inc. Methods for rna quantification
US10619186B2 (en) 2015-09-11 2020-04-14 Cellular Research, Inc. Methods and compositions for library normalization
KR102600559B1 (ko) 2015-10-13 2023-11-10 벡톤 디킨슨 앤드 컴퍼니 다중모드 형광 이미징 유동 세포 계측 시스템
AU2017234815B2 (en) 2016-03-17 2022-11-03 Becton, Dickinson And Company Cell sorting using a high throughput fluorescence flow cytometer
EP3452614B1 (en) 2016-05-02 2023-06-28 Becton, Dickinson and Company Accurate molecular barcoding
US10301677B2 (en) 2016-05-25 2019-05-28 Cellular Research, Inc. Normalization of nucleic acid libraries
EP4407625A3 (en) 2016-05-26 2024-10-23 Becton, Dickinson and Company Molecular label counting adjustment methods
US10640763B2 (en) 2016-05-31 2020-05-05 Cellular Research, Inc. Molecular indexing of internal sequences
US10202641B2 (en) 2016-05-31 2019-02-12 Cellular Research, Inc. Error correction in amplification of samples
CA3034924A1 (en) 2016-09-26 2018-03-29 Cellular Research, Inc. Measurement of protein expression using reagents with barcoded oligonucleotide sequences
US11164659B2 (en) 2016-11-08 2021-11-02 Becton, Dickinson And Company Methods for expression profile classification
SG11201903158RA (en) 2016-11-08 2019-05-30 Cellular Res Inc Methods for cell label classification
US10722880B2 (en) 2017-01-13 2020-07-28 Cellular Research, Inc. Hydrophilic coating of fluidic channels
EP3577232A1 (en) 2017-02-01 2019-12-11 Cellular Research, Inc. Selective amplification using blocking oligonucleotides
CA3059559A1 (en) 2017-06-05 2018-12-13 Becton, Dickinson And Company Sample indexing for single cells
CN111492068A (zh) 2017-12-19 2020-08-04 贝克顿迪金森公司 与寡核苷酸相关联的颗粒
CN112136035B (zh) * 2018-04-26 2024-06-21 贝克顿·迪金森公司 用于颗粒分选仪的双指数变换
US11365409B2 (en) 2018-05-03 2022-06-21 Becton, Dickinson And Company Molecular barcoding on opposite transcript ends
ES2945191T3 (es) 2018-05-03 2023-06-29 Becton Dickinson Co Análisis de muestras multiómicas de alto rendimiento
WO2020072380A1 (en) 2018-10-01 2020-04-09 Cellular Research, Inc. Determining 5' transcript sequences
WO2020097315A1 (en) 2018-11-08 2020-05-14 Cellular Research, Inc. Whole transcriptome analysis of single cells using random priming
WO2020123384A1 (en) 2018-12-13 2020-06-18 Cellular Research, Inc. Selective extension in single cell whole transcriptome analysis
CN113614511A (zh) 2019-01-11 2021-11-05 贝克顿·迪金森公司 优化的分选门
WO2020150356A1 (en) 2019-01-16 2020-07-23 Becton, Dickinson And Company Polymerase chain reaction normalization through primer titration
WO2020154247A1 (en) 2019-01-23 2020-07-30 Cellular Research, Inc. Oligonucleotides associated with antibodies
EP3921622A4 (en) * 2019-02-08 2022-11-09 Becton, Dickinson and Company DECISION MODULES FOR SORTING DROPLET, SYSTEMS AND METHODS OF USE THEREOF
WO2020167920A1 (en) 2019-02-14 2020-08-20 Cellular Research, Inc. Hybrid targeted and whole transcriptome amplification
US11965208B2 (en) 2019-04-19 2024-04-23 Becton, Dickinson And Company Methods of associating phenotypical data and single cell sequencing data
US11704918B2 (en) * 2019-07-10 2023-07-18 Becton, Dickinson And Company Reconfigurable integrated circuits for adjusting cell sorting classification
EP4004231A1 (en) 2019-07-22 2022-06-01 Becton, Dickinson and Company Single cell chromatin immunoprecipitation sequencing assay
JP2021076455A (ja) * 2019-11-07 2021-05-20 ソニー株式会社 分取制御装置、該分取制御装置を用いた粒子分取装置及び粒子分取システム、並びに分取制御方法、及び制御プログラム
WO2021092386A1 (en) 2019-11-08 2021-05-14 Becton Dickinson And Company Using random priming to obtain full-length v(d)j information for immune repertoire sequencing
CN115244184A (zh) 2020-01-13 2022-10-25 贝克顿迪金森公司 用于定量蛋白和rna的方法和组合物
WO2021231779A1 (en) 2020-05-14 2021-11-18 Becton, Dickinson And Company Primers for immune repertoire profiling
US11932901B2 (en) 2020-07-13 2024-03-19 Becton, Dickinson And Company Target enrichment using nucleic acid probes for scRNAseq
CN116635533A (zh) 2020-11-20 2023-08-22 贝克顿迪金森公司 高表达的蛋白和低表达的蛋白的谱分析
US20230037799A1 (en) * 2021-08-04 2023-02-09 Becton, Dickinson And Company Light detection systems having first and second light receivers, and methods of use thereof

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010006416A1 (en) * 1999-01-11 2001-07-05 Johnson Paul E. Ribbon flow cytometry apparatus and methods
CN1811452A (zh) * 2006-01-13 2006-08-02 无锡市传染病医院 流式细胞术细胞因子检测法检测乙肝病毒特异性t细胞的方法
US20080221711A1 (en) * 2004-03-06 2008-09-11 Michael Trainer Methods and apparatus for determining characteristics of particles

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5466572A (en) * 1992-09-03 1995-11-14 Systemix, Inc. High speed flow cytometric separation of viable cells
US20020015971A1 (en) * 1993-01-26 2002-02-07 Ben J. H. Verwer Method for detecting rare events
US5817519A (en) * 1995-12-28 1998-10-06 Bayer Corporation Automated method and device for identifying and quantifying platelets and for determining platelet activation state using whole blood samples
AU3454699A (en) 1998-03-30 1999-10-18 Friedrich Srienc A flow injection flow cytometry system for on-line monitoring of bioreactors andmethod for monitoring
US8131053B2 (en) 1999-01-25 2012-03-06 Amnis Corporation Detection of circulating tumor cells using imaging flow cytometry
AU2003265471B2 (en) 2002-08-15 2009-08-06 Xy, Llc. High resolution flow cytometer
EP3511693B1 (en) * 2003-03-28 2022-08-24 Inguran, LLC Apparatus for detecting the breakoff point of a droplet generation system
US8303894B2 (en) * 2005-10-13 2012-11-06 Accuri Cytometers, Inc. Detection and fluidic system of a flow cytometer
US7564564B2 (en) * 2006-08-22 2009-07-21 Artium Technologies, Inc. Automatic set-up for instrument functions
CA2699319A1 (en) 2007-09-17 2009-03-26 Luminex Corporation Systems, storage mediums, and methods for identifying particles in flow
US8140300B2 (en) 2008-05-15 2012-03-20 Becton, Dickinson And Company High throughput flow cytometer operation with data quality assessment and control
CA2833341C (en) * 2011-04-29 2021-03-02 Becton, Dickinson And Company Cell sorter system and method
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系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20010006416A1 (en) * 1999-01-11 2001-07-05 Johnson Paul E. Ribbon flow cytometry apparatus and methods
US20080221711A1 (en) * 2004-03-06 2008-09-11 Michael Trainer Methods and apparatus for determining characteristics of particles
CN1811452A (zh) * 2006-01-13 2006-08-02 无锡市传染病医院 流式细胞术细胞因子检测法检测乙肝病毒特异性t细胞的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TORE LINDMO等: "Measurement of the Distribution of Time Intervals between Cell Passages in Flow Cytometry as a Method for the Evaluation of Sample Preparation Procedures", 《CYTOMETRY》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110462372A (zh) * 2017-05-25 2019-11-15 佛罗乔有限责任公司 大型多参数数据集的可视化、比较分析和自动差异检测
CN110462372B (zh) * 2017-05-25 2022-06-14 佛罗乔有限责任公司 大型多参数数据集的可视化、比较分析和自动差异检测
CN112154317A (zh) * 2018-04-26 2020-12-29 贝克顿·迪金森公司 颗粒分析仪的表征和分选
CN113316713A (zh) * 2018-10-17 2021-08-27 贝克顿·迪金森公司 颗粒分析仪的自适应分选
CN111983130A (zh) * 2020-09-07 2020-11-24 赵文建 基于全自动凯氏定氮仪颜色法检测氨气蒸馏完全的方法

Also Published As

Publication number Publication date
US20140216128A1 (en) 2014-08-07
ES2931314T3 (es) 2022-12-28
US10739248B2 (en) 2020-08-11
CN104969056B (zh) 2018-05-01
US10190963B2 (en) 2019-01-29
EP2951557A2 (en) 2015-12-09
WO2014121126A3 (en) 2014-10-30
EP2951557B1 (en) 2022-10-05
EP2951557A4 (en) 2016-11-02
WO2014121126A2 (en) 2014-08-07
US20190072478A1 (en) 2019-03-07

Similar Documents

Publication Publication Date Title
CN104969056A (zh) 评估流式细胞仪中样品行为的方法和系统
US11994459B2 (en) Adaptive sorting for particle analyzers
WO2016127364A1 (zh) 细胞分析仪、粒子分类方法及装置
US8754390B2 (en) Generating pulse parameters in a particle analyzer
US11327003B2 (en) Characterization and sorting for particle analyzers
CN104096687A (zh) 微粒分选装置和微粒分选方法
US20060066852A1 (en) Data frame selection for cytometer analysis
US12019006B2 (en) Subsampling flow cytometric event data
US11143587B2 (en) Compensation editor
US11788946B2 (en) Optimized sorting gates
CN102954964A (zh) 光学测量设备和芯片寿命判断方法
Riddell et al. Rmax: A systematic approach to evaluate instrument sort performance using center stream catch

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant