CN108012553A - 信息处理设备、信息处理方法和信息处理系统 - Google Patents
信息处理设备、信息处理方法和信息处理系统 Download PDFInfo
- Publication number
- CN108012553A CN108012553A CN201680052528.0A CN201680052528A CN108012553A CN 108012553 A CN108012553 A CN 108012553A CN 201680052528 A CN201680052528 A CN 201680052528A CN 108012553 A CN108012553 A CN 108012553A
- Authority
- CN
- China
- Prior art keywords
- peak
- impulse waveform
- biological
- position information
- determined
- 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
- 230000010365 information processing Effects 0.000 title claims description 135
- 238000003672 processing method Methods 0.000 title claims description 31
- 238000000034 method Methods 0.000 claims description 47
- 239000000523 sample Substances 0.000 claims description 38
- 239000000427 antigen Substances 0.000 claims description 32
- 102000036639 antigens Human genes 0.000 claims description 32
- 108091007433 antigens Proteins 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 6
- 244000005700 microbiome Species 0.000 claims description 4
- 229920001222 biopolymer Polymers 0.000 claims description 3
- 239000012472 biological sample Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 63
- 238000005259 measurement Methods 0.000 description 62
- 210000004027 cell Anatomy 0.000 description 39
- 238000004891 communication Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 23
- 238000009826 distribution Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 239000007850 fluorescent dye Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000000052 comparative effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000013481 data capture Methods 0.000 description 8
- 238000005096 rolling process Methods 0.000 description 8
- 210000001367 artery Anatomy 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 7
- 210000003462 vein Anatomy 0.000 description 7
- 239000003153 chemical reaction reagent Substances 0.000 description 5
- 238000000546 chi-square test Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000000862 absorption spectrum Methods 0.000 description 3
- DZBUGLKDJFMEHC-UHFFFAOYSA-N acridine Chemical compound C1=CC=CC2=CC3=CC=CC=C3N=C21 DZBUGLKDJFMEHC-UHFFFAOYSA-N 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 210000003463 organelle Anatomy 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012421 spiking Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 2
- NXJCRELRQHZBQA-UHFFFAOYSA-N 5,7-dimethoxy-1-benzopyran-2-one Chemical compound C1=CC(=O)OC2=CC(OC)=CC(OC)=C21 NXJCRELRQHZBQA-UHFFFAOYSA-N 0.000 description 2
- -1 BCECF Chemical compound 0.000 description 2
- OZLGRUXZXMRXGP-UHFFFAOYSA-N Fluo-3 Chemical compound CC1=CC=C(N(CC(O)=O)CC(O)=O)C(OCCOC=2C(=CC=C(C=2)C2=C3C=C(Cl)C(=O)C=C3OC3=CC(O)=C(Cl)C=C32)N(CC(O)=O)CC(O)=O)=C1 OZLGRUXZXMRXGP-UHFFFAOYSA-N 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 108010004729 Phycoerythrin Proteins 0.000 description 2
- 241000723873 Tobacco mosaic virus Species 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 108010004469 allophycocyanin Proteins 0.000 description 2
- 229960002685 biotin Drugs 0.000 description 2
- 239000011616 biotin Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004043 dyeing Methods 0.000 description 2
- 238000000295 emission spectrum Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003834 intracellular effect Effects 0.000 description 2
- 239000002502 liposome Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- PRDFBSVERLRRMY-UHFFFAOYSA-N 2'-(4-ethoxyphenyl)-5-(4-methylpiperazin-1-yl)-2,5'-bibenzimidazole Chemical compound C1=CC(OCC)=CC=C1C1=NC2=CC=C(C=3NC4=CC(=CC=C4N=3)N3CCN(C)CC3)C=C2N1 PRDFBSVERLRRMY-UHFFFAOYSA-N 0.000 description 1
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 description 1
- BZTDTCNHAFUJOG-UHFFFAOYSA-N 6-carboxyfluorescein Chemical compound C12=CC=C(O)C=C2OC2=CC(O)=CC=C2C11OC(=O)C2=CC=C(C(=O)O)C=C21 BZTDTCNHAFUJOG-UHFFFAOYSA-N 0.000 description 1
- 108010000239 Aequorin Proteins 0.000 description 1
- 108090001008 Avidin Proteins 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000588724 Escherichia coli Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 206010029719 Nonspecific reaction Diseases 0.000 description 1
- 108091005461 Nucleic proteins Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- CAWBRCOBJNWRLK-UHFFFAOYSA-N acetyloxymethyl 2-[4-[bis[2-(acetyloxymethoxy)-2-oxoethyl]amino]-3-[2-[2-[bis[2-(acetyloxymethoxy)-2-oxoethyl]amino]-5-methylphenoxy]ethoxy]phenyl]-1h-indole-6-carboxylate Chemical compound CC(=O)OCOC(=O)CN(CC(=O)OCOC(C)=O)C1=CC=C(C)C=C1OCCOC1=CC(C=2NC3=CC(=CC=C3C=2)C(=O)OCOC(C)=O)=CC=C1N(CC(=O)OCOC(C)=O)CC(=O)OCOC(C)=O CAWBRCOBJNWRLK-UHFFFAOYSA-N 0.000 description 1
- NTECHUXHORNEGZ-UHFFFAOYSA-N acetyloxymethyl 3',6'-bis(acetyloxymethoxy)-2',7'-bis[3-(acetyloxymethoxy)-3-oxopropyl]-3-oxospiro[2-benzofuran-1,9'-xanthene]-5-carboxylate Chemical compound O1C(=O)C2=CC(C(=O)OCOC(C)=O)=CC=C2C21C1=CC(CCC(=O)OCOC(C)=O)=C(OCOC(C)=O)C=C1OC1=C2C=C(CCC(=O)OCOC(=O)C)C(OCOC(C)=O)=C1 NTECHUXHORNEGZ-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- DPKHZNPWBDQZCN-UHFFFAOYSA-N acridine orange free base Chemical compound C1=CC(N(C)C)=CC2=NC3=CC(N(C)C)=CC=C3C=C21 DPKHZNPWBDQZCN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000020958 biotin Nutrition 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- CFCUWKMKBJTWLW-UHFFFAOYSA-N deoliosyl-3C-alpha-L-digitoxosyl-MTM Natural products CC=1C(O)=C2C(O)=C3C(=O)C(OC4OC(C)C(O)C(OC5OC(C)C(O)C(OC6OC(C)C(O)C(C)(O)C6)C5)C4)C(C(OC)C(=O)C(O)C(C)O)CC3=CC2=CC=1OC(OC(C)C1O)CC1OC1CC(O)C(O)C(C)O1 CFCUWKMKBJTWLW-UHFFFAOYSA-N 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- BFMYDTVEBKDAKJ-UHFFFAOYSA-L disodium;(2',7'-dibromo-3',6'-dioxido-3-oxospiro[2-benzofuran-1,9'-xanthene]-4'-yl)mercury;hydrate Chemical compound O.[Na+].[Na+].O1C(=O)C2=CC=CC=C2C21C1=CC(Br)=C([O-])C([Hg])=C1OC1=C2C=C(Br)C([O-])=C1 BFMYDTVEBKDAKJ-UHFFFAOYSA-L 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- ZMMJGEGLRURXTF-UHFFFAOYSA-N ethidium bromide Chemical compound [Br-].C12=CC(N)=CC=C2C2=CC=C(N)C=C2[N+](CC)=C1C1=CC=CC=C1 ZMMJGEGLRURXTF-UHFFFAOYSA-N 0.000 description 1
- 229960005542 ethidium bromide Drugs 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 description 1
- YFHXZQPUBCBNIP-UHFFFAOYSA-N fura-2 Chemical compound CC1=CC=C(N(CC(O)=O)CC(O)=O)C(OCCOC=2C(=CC=3OC(=CC=3C=2)C=2OC(=CN=2)C(O)=O)N(CC(O)=O)CC(O)=O)=C1 YFHXZQPUBCBNIP-UHFFFAOYSA-N 0.000 description 1
- VPSRLGDRGCKUTK-UHFFFAOYSA-N fura-2-acetoxymethyl ester Chemical compound CC(=O)OCOC(=O)CN(CC(=O)OCOC(C)=O)C1=CC=C(C)C=C1OCCOC(C(=C1)N(CC(=O)OCOC(C)=O)CC(=O)OCOC(C)=O)=CC2=C1OC(C=1OC(=CN=1)C(=O)OCOC(C)=O)=C2 VPSRLGDRGCKUTK-UHFFFAOYSA-N 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- PNDZEEPOYCVIIY-UHFFFAOYSA-N indo-1 Chemical compound CC1=CC=C(N(CC(O)=O)CC(O)=O)C(OCCOC=2C(=CC=C(C=2)C=2N=C3[CH]C(=CC=C3C=2)C(O)=O)N(CC(O)=O)CC(O)=O)=C1 PNDZEEPOYCVIIY-UHFFFAOYSA-N 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 150000002540 isothiocyanates Chemical class 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- CFCUWKMKBJTWLW-BKHRDMLASA-N mithramycin Chemical compound O([C@@H]1C[C@@H](O[C@H](C)[C@H]1O)OC=1C=C2C=C3C[C@H]([C@@H](C(=O)C3=C(O)C2=C(O)C=1C)O[C@@H]1O[C@H](C)[C@@H](O)[C@H](O[C@@H]2O[C@H](C)[C@H](O)[C@H](O[C@@H]3O[C@H](C)[C@@H](O)[C@@](C)(O)C3)C2)C1)[C@H](OC)C(=O)[C@@H](O)[C@@H](C)O)[C@H]1C[C@@H](O)[C@H](O)[C@@H](C)O1 CFCUWKMKBJTWLW-BKHRDMLASA-N 0.000 description 1
- 210000003470 mitochondria Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- INAAIJLSXJJHOZ-UHFFFAOYSA-N pibenzimol Chemical compound C1CN(C)CCN1C1=CC=C(N=C(N2)C=3C=C4NC(=NC4=CC=3)C=3C=CC(O)=CC=3)C2=C1 INAAIJLSXJJHOZ-UHFFFAOYSA-N 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 229960003171 plicamycin Drugs 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- XJMOSONTPMZWPB-UHFFFAOYSA-M propidium iodide Chemical compound [I-].[I-].C12=CC(N)=CC=C2C2=CC=C(N)C=C2[N+](CCC[N+](C)(CC)CC)=C1C1=CC=CC=C1 XJMOSONTPMZWPB-UHFFFAOYSA-M 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- INCIMLINXXICKS-UHFFFAOYSA-M pyronin Y Chemical compound [Cl-].C1=CC(=[N+](C)C)C=C2OC3=CC(N(C)C)=CC=C3C=C21 INCIMLINXXICKS-UHFFFAOYSA-M 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- MUSLHCJRTRQOSP-UHFFFAOYSA-N rhodamine 101 Chemical compound [O-]C(=O)C1=CC=CC=C1C(C1=CC=2CCCN3CCCC(C=23)=C1O1)=C2C1=C(CCC1)C3=[N+]1CCCC3=C2 MUSLHCJRTRQOSP-UHFFFAOYSA-N 0.000 description 1
- PYWVYCXTNDRMGF-UHFFFAOYSA-N rhodamine B Chemical compound [Cl-].C=12C=CC(=[N+](CC)CC)C=C2OC2=CC(N(CC)CC)=CC=C2C=1C1=CC=CC=C1C(O)=O PYWVYCXTNDRMGF-UHFFFAOYSA-N 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- MPLHNVLQVRSVEE-UHFFFAOYSA-N texas red Chemical compound [O-]S(=O)(=O)C1=CC(S(Cl)(=O)=O)=CC=C1C(C1=CC=2CCCN3CCCC(C=23)=C1O1)=C2C1=C(CCC1)C3=[N+]1CCCC3=C2 MPLHNVLQVRSVEE-UHFFFAOYSA-N 0.000 description 1
- 239000004577 thatch Substances 0.000 description 1
- ACOJCCLIDPZYJC-UHFFFAOYSA-M thiazole orange Chemical compound CC1=CC=C(S([O-])(=O)=O)C=C1.C1=CC=C2C(C=C3N(C4=CC=CC=C4S3)C)=CC=[N+](C)C2=C1 ACOJCCLIDPZYJC-UHFFFAOYSA-M 0.000 description 1
- 238000012546 transfer Methods 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—Electro-optical investigation, e.g. flow cytometers
- G01N15/1429—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its 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—Electro-optical investigation, e.g. flow cytometers
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N15/1456—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
- G01N15/1459—Electro-optical investigation, e.g. flow cytometers 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
-
- G01N15/01—
-
- 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
Abstract
根据一些方面，提供了包括流式细胞仪和电路的系统。该流式细胞仪被配置为生成指示与生物样本的荧光信号相对应的脉冲波形的数据。该电路被配置为通过识别脉冲波形的至少一个峰来确定脉冲波形的峰位置信息，并且基于峰位置信息确定生物样本的至少一个生物特性。
Description
相关申请的交叉引用
本申请要求于2015年9月18日提交的日本优先权专利申请JP2015-185107以及于2016年6月22日提交的日本优先权专利申请JP2016-123226的优先权，其全部内容通过引用结合于此。
技术领域
本公开涉及一种信息处理设备、一种信息处理方法和一种信息处理系统。
背景技术
流式细胞仪已知为用于观察待观察的单个颗粒的属性的设备。当使用普通的流式细胞仪时，以脉冲波形的形式获得通过向颗粒发射激光束而获得的散射光或荧光，并且使用脉冲波形的面积、高度和宽度来确定或识别每个单个颗粒的属性。
已经提出了狭缝扫描方法和临界斜率差方法，作为获得比可以从脉冲波形的面积、高度和宽度获得的关于单个颗粒的信息更多的信息的方法(例如，参见PTL 1)。
引文列表
专利文献
PTL 1：JP 2006-524054T
发明内容
技术问题
然而，狭缝扫描方法需要专门的激光学系统进行测量。另外，采用狭缝扫描方法以通过采用一部分脉冲来实现提高的分辨率，并且因此可以仅对待测量的有限对象展现出高识别性能。同时，临界斜率差方法需要事先确定脉冲波形的斜率差最大的部分，并且涉及复杂和麻烦的过程。此外，临界斜率差方法只能测量其脉冲波形具有基本相同形状的对象。
因此，本公开的实施方式提出了能够容易地获取用已知方法获取困难且麻烦的颗粒信息的新颖且改进的信息处理设备、信息处理方法和信息处理系统。
解决问题的方法
根据本申请的一个方面，提供了一种包括流式细胞仪和电路的系统。流式细胞仪被配置为生成指示与生物样本的荧光信号相对应的脉冲波形的数据。电路被配置为：通过识别脉冲波形的至少一个峰来确定脉冲波形的峰位置信息；并且基于峰位置信息确定生物样本的至少一个生物特性。
根据本申请的一个方面，提供了一种流式细胞仪信息处理方法。该流式细胞仪信息处理方法包括：通过识别脉冲波形的至少一个峰来确定与生物样本的荧光信号相对应的脉冲波形的峰位置信息；并且基于峰位置信息确定生物样本的至少一个生物特性。
根据本申请的一个方面，提供了至少一种存储计算机可执行指令的计算机可读存储介质，该计算机可执行指令在被执行时执行流式细胞仪信息处理方法。该流式细胞仪信息处理方法包括：通过识别脉冲波形的至少一个峰来确定与生物样本的荧光信号相对应的脉冲波形的峰位置信息；并且基于峰位置信息确定生物样本的至少一个生物特性。
发明的有益效果
如上所述，本公开的实施方式提供了能够容易地获取用已知方法获取困难且麻烦的颗粒信息的新颖且改进的信息处理设备、信息处理方法以及信息处理系统。
注意，上述效果不必是受限的，并且与这些效果一起或代替这些效果，可以展现本说明书中期望引入的任何效果或者可以从本说明书预期的其他效果。
附图说明
[图1]图1是示出根据本公开的第一实施方式的信息处理系统的说明图。
[图2]图2是用于解释图1所示的信息处理系统中包括的测量单元的示意图。
[图3]图3是用于解释图1所示的信息处理系统中包括的测量单元的示意图。
[图4]图4是示出根据本公开的第一实施方式的信息处理设备的结构的框图。
[图5]图5是由图1所示的测量单元检测到的示例脉冲波形的概要图。
[图6]图6是由图1所示的测量单元检测到的示例脉冲波形的概要图。
[图7]图7是示出图4所示的脉冲波形分析单元可以使用的示例形状模型的示意图。
[图8]图8是示出图4所示的脉冲波形分析单元可以使用的示例形状模型的示意图。
[图9]图9是示出图4所示的脉冲波形分析单元可以使用的示例形状模型的示意图。
[图10]图10是用于描述图1所示的信息处理系统可以分析的示例生物对象的示图。
[图11]图11是用于描述图4所示的脉冲波形分析单元的脉冲波形的示例分析的示图。
[图12]图12是用于描述图4所示的脉冲波形分析单元的脉冲波形的示例分析的示图。
[图13]图13示意性地示出了应该产生具有一个峰的脉冲波形的生物对象。
[图14]图14示意性地示出了应该产生具有两个峰的脉冲波形的生物对象。
[图15]图15是用于解释根据已知技术使用脉冲波形的峰值来识别生物对象的直方图。
[图16]图16是用于解释细胞内的不同抗原之间的位置关系的识别和辨别的概要图。
[图17]图17是用于解释细胞内的不同抗原之间的位置关系的识别和辨别的概要图。
[图18]图18是示出根据本公开的第一实施方式的信息处理方法的示例过程的流程图。
[图19]图19是示出根据本公开的第二实施方式的信息处理系统的框图。
[图20]图20是示出根据本公开的第二实施方式的信息处理方法的示例过程的流程图。
[图21]图21是示出根据本公开的第二实施方式的信息处理方法的示例过程的流程图。
[图22]图22是用于解释根据本公开的第一实施方式的信息处理设备的硬件配置的框图。
具体实施方式
在下文中，将参考附图详细描述本公开的优选实施方式。在本说明书和附图中，具有基本上相同的功能和结构的结构元件用相同的附图标记表示，并且省略这些结构元件的重复解释。注意，在本描述和附图中，具有基本上相同的功能和结构的结构元件有时在相同的附图标记之后使用不同的字母来彼此区分。然而，当不需要特别区分具有基本上相同的功能和结构的结构元件时，仅附接相同的附图标记。
注意，将按以下顺序提供描述。
1、第一实施方式(细胞分析仪)
1.1、信息处理系统的概要
1.2、测量样本
1.3、测量单元的结构
1.4、信息处理设备的结构
1.5、信息处理方法的过程
2、第二实施方式(单元分类器)
2.1、信息处理系统的结构
2.2、信息处理方法的过程
3、信息处理设备的硬件配置
<1、第一实施方式>
在下文中，将参考图1至图18详细描述本公开的第一实施方式。
(1.1、信息处理系统的概要)
首先，将参考图1来描述根据本实施方式的信息处理系统。图1是示出根据第一实施方式的信息处理系统的说明图。图2和图3均是用于解释图1所示的信息处理系统中包括的测量单元的示意图。
参考图1，根据本实施方式的信息处理系统1包括信息处理设备10和测量单元20，测量单元20被配置为测量样本S(下文中适当地称为“测量样本S”)，以获得测量样本S的测量数据。测量单元20可以是任何类型的。
在本实施方式中，测量样本S是生物对象，并且本实施方式中可以使用的生物对象的示例包括诸如细胞、微生物、脂质体的生物颗粒。
生物颗粒的示例包括各种细胞的染色体、脂质体、线粒体和细胞器(细胞器(cellorganelle))。细胞的示例包括动物细胞(例如，血细胞)和植物细胞。微生物的示例包括诸如大肠杆菌的细菌、诸如烟草花叶病毒的病毒、诸如酵母的真菌。生物颗粒的示例可以包括生物聚合物，诸如，核酸、蛋白质及其复合物。这种颗粒的形状可以是球形或非球形的，并且这种颗粒可以具有任何尺寸或质量。然而，注意，在生物颗粒具有各向异性的形状时，如下所述，可以基于形状信息以更高的精度确定生物颗粒的候选特性，例如，候选生物特性。
信息处理设备10获取由测量单元20获得的测量样本S的测量数据，并基于作为脉冲波形的数据的所获取的测量数据来估计候选特性(例如，候选生物特性)。而在图1中，根据本实施方式的信息处理设备10被设置为与测量单元20分离的设备，根据本实施方式的信息处理设备10的功能可以经由控制测量单元20的操作的计算机或者经由设置在测量单元20的壳体中的任何其他计算机来实现。下面将详细描述信息处理设备10的详细结构。
测量单元20向测量样本S发射激光束，并且测量从测量样本S发射的诸如荧光或磷光的光、来自测量样本S的散射光或者测量样本S的吸收光谱。根据本实施方式的测量单元20可以被配置为测量测量样本S的发射光谱、散射光谱或吸收光谱，或者可以被配置为测量测样本S的发射光谱、散射光谱和吸收光谱中的两个以上。
在下面详细描述的示例中，如图2和图3所示的测量测量样本S的荧光光谱的测量单元(即，流式细胞仪)用作测量单元20。
(1.2、测量样本)
作为测量样本的生物对象可以在测量荧光光谱之前用一种或多种荧光染料进行标记(即，染色)。生物对象的荧光染料标记可以通过任何已知的方法执行。在要测量细胞的情况下，例如，将细胞表面分子的荧光标记的抗体与细胞混合，并且使抗体与细胞表面分子结合。荧光标记的抗体可以是与荧光染料直接结合的抗体或者可以是与抗生物素蛋白结合至的荧光染料通过抗生物素蛋白-生物素反应而结合的生物素标记的抗体。抗体可以是单克隆抗体或多克隆抗体。
可以使用任何荧光染料来标记生物对象，并且例如可以使用一种或多种已知物质来标记生物对象。要使用的荧光染料的示例包括藻红蛋白(PE)、FITC、PE-Cy5、PE-Cy7、PE-德克萨斯红、别藻蓝蛋白(APC)、APC-Cy7、溴化乙锭、碘化丙啶、Hoechst 33258/33342、DAPI、吖啶橙色、色素霉素、光辉霉素、奥利霉素、派洛宁Y、噻唑橙、若丹明101、异硫氰酸酯、BCECF、BCECF-AM、C.SNARF-1、C.SNARF-1-AMA、水母发光蛋白、Indo-1、Indo-1-AM、Fluo-3、Fluo-3-AM、Fura-2、Fura-2-AM、氧杂菁(oxonol)、德克萨斯红、若丹明123、10-N-壬基吖啶橙(吖啶橙)、荧光素、荧光素二乙酸酯、羧基荧光素、羧基荧光素二乙酸酯、羧基二氯荧光素、以及羧基二氯荧光素二乙酸酯。注意，本实施方式中可以使用的荧光染料不限于上述示例。
(1.3、测量单元的结构)
作为根据本实施方式的测量单元20的示例的流式细胞仪是能够分析每个生物样本S的细胞分析仪。参考图2，具有能够激发用于染色样本S的荧光染料的波长的激光束从激光源21发射到在流动单元(flow cell，流动细胞)231中流动的染色的生物样本S。另外，设置在流式细胞仪中的光检测器25通过诸如光电倍增管251的光电检测器检测从用激光束照射的生物样本S发射的荧光。注意，尽管在图2中仅示出了一个激光源21，但是可以提供多个激光源。
执行上述测量处理的流式细胞仪可以具有已知的结构，例如，如图3所示的结构。
参考图3，流式细胞仪包括发射预定波长的激光束(例如，波长为488nm或640nm的激光束)的激光源21、和流动单元231，并且还包括被配置为对准和移动流动单元231中的测量样本S的流动系统23、被配置为将激光束引导到测量样本S的诸如透镜的光学系统(未示出)、被配置为检测从测量样本S发射的荧光和散射光(诸如前向散射光或后向散射光)的光电检测器25、以及被配置为将荧光或散射光引导至光电检测器25的各种光学系统27。
此处，在图3所示的示例中，各自被配置为检测来自测量样本S的荧光的多个(例如，约八个)光电倍增器251，以及被配置为检测来自测量样本S的散射光等的检测器253(诸如，电荷耦合器件(CCD)、互补金属氧化物半导体(CMOS)或光电二极管)被设置作为光电检测器25。
由激光源21发射的激光束引起的来自每个测量样本S的荧光被光学系统27的波长选择滤波器271分成预定波长范围的光束，波长选择滤波器271设置在测量样本S和对应的光电倍增管251之间，并且每个光束被引导到对应的一个光电倍增器251。每个光电子倍增器251向根据本实施方式的信息处理设备10输出表示对应波长范围内的荧光的检测结果的测量数据。
如上所述，根据本实施方式的信息处理设备10从测量样本S获取荧光信号。另外，由检测器253(诸如，CCD、CMOS或光电二极管)检测到的散射光等的测量数据可以输出到根据本实施方式的信息处理设备10。
注意，尽管在图3所示的示例流式细胞仪中，为了检测来自测量样本S的散射光，设置了一系列的光学系统27，但是可以不提供这种光学系统27。还要注意的是，尽管在图中所示的实施方式中，激光源21用作光源，但是激光源21可以被配置为发射脉冲光或者连续光。
在上文中，已经参考图2和图3简要描述了根据本实施方式的示例测量单元20。
(1.4、信息处理设备的结构)
接下来，现在将参考图4，详细描述根据本实施方式的信息处理设备10。图4是示出根据本实施方式的信息处理设备10的结构的框图。
如图4所示，根据本实施方式的信息处理设备10主要包括数据获取单元102、脉冲波形分析单元104、候选特性确定单元106、存储单元108、输出单元112、显示控制单元114、以及输入单元116。信息处理设备10可以进一步包括学习单元110。
数据获取单元102例如由中央处理单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)、输入设备、通信设备等实现。数据获取单元102从测量单元20获取由测量单元20生成的测量样本S的测量数据。
此处，从测量单元20获取的测量样本S的测量数据例如是通由电压的幅度表示的作为已发射到一个或一定数量的生物对象的预定波长的激光束的结果而生成的荧光信号的强度的数据。对于一个或一定数量的生物对象的荧光信号的测量花费非零(尽管是无穷小)的时间段。因此，根据本实施方式的测量数据包括具有作为如图5和图6所示的轴的时间和电压(即，脉冲电压)的脉冲波形数据。
图5和图6分别是由图1所示的测量单元检测到的示例脉冲波形的概要图。图5所示的脉冲波形具有两个峰，而图6所示的脉冲波形具有三个峰。此处，在现有技术中，基于脉冲的峰的宽度、峰的最大强度以及峰的面积来执行脉冲波形的评估。然而，例如在图5和图6所示的脉冲波形具有相同的峰面积时，这种现有技术的评估方法不能区分图5和图6中所示的脉冲波形。此外，虽然脉冲波形中的峰的数量可以指示一些信息，但是例如现有技术的评估方法不允许识别该信息。相反，根据本公开的实施方式的信息处理设备10使得可以基于脉冲波形的形状信息来估计用现有技术的评估方法难以识别的特性。这将在下面详细描述。
一旦数据获取单元102获取了关注的测量样本S的测量数据，数据获取单元102就将所获取的测量数据提供给脉冲波形分析单元104，这将在下面进行描述。另外，数据获取单元102可以将诸如测量数据的获取日期和时间的时间信息与获取的测量数据相关联，并且将时间信息作为历史信息存储在存储单元108中，这将在下面描述。
脉冲波形分析单元104例如由CPU、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、ROM、RAM等实现。脉冲波形分析单元104对所提供的测量数据执行脉冲波形分析，并且识别脉冲波形的形状信息。
更具体地，脉冲波形分析单元104首先加载存储在存储单元108中的多个形状模型，并选择最佳拟合脉冲波形的一个形状模型。
图7、图8和图9分别是示出可由图4所示的脉冲波形分析单元104使用的示例形状模型的示意图。形状模型可以根据需要设置，并且不限于任何特定的形状模型。例如，概率分布可以用于形状模型。具体的示例包括如图7所示的正态分布、如图8所示的对数正态分布、指数分布、厄兰(Erlang)分布、韦伯(Weibull)分布、伽马(gamma)分布、二项分布、t分布、卡方(chi-square)分布、F分布、以及混合分布。混合分布的示例包括如图9所示的正态分布的混合以及两种以上的上述分布的组合。
注意，脉冲波形分析单元104可以根据需要从存储的多个形状模型中选择要加载的形状模型的数量和类型。当仅加载有限数量或类型的形状模型时，将更快地实现选择最佳拟合脉冲波形的形状模型。关于要加载的形状模型的数量和类型的设置例如存储在存储单元108中。脉冲波形分析单元104在加载形状模型之前可以调用设置并且允许参考该设置加载形状模型。
接下来，脉冲波形分析单元104确定加载的哪个形状模型最佳拟合脉冲波形，并选择最佳拟合脉冲波形的形状模型。可以通过例如计算每个形状模型对于脉冲波形的拟合优度，并且提取最佳拟合脉冲波形的形状模型(例如，在如下所述计算拟合优度的方法的情况下，具有最小拟合优度的形状模型)，来实现该确定和选择。
计算拟合优度的方法不限于任何特定的方法。例如，皮尔逊卡方检验、似然比检验、耶茨卡方检验、Mantel-Haenszel卡方检验、累积卡方检验、线性关联卡方检验等可以用于计算拟合优度。
注意，脉冲波形分析单元104可以使用诸如赤池信息量准则(AIC)、贝叶斯信息准则(BIC)、最小描述长度(MDL)、赤池贝叶斯信息准则(ABIC)、广义信息标准(GIC)或交叉验证的另一种模型选择方法，来选择拟合脉冲波形的形状模型。
接下来，脉冲波形分析单元104通过将所选形状模型与脉冲波形进行比较来执行分析。可以通过例如使用回归分析、插值、外插等进行曲线拟合，来实现所选形状模型与脉冲波形的比较，以获得回归曲线。另外，此时，可以计算所选形状模型中的脉冲波形的参数。这种参数的示例在形状模型是正态分布的情况下包括均值μ和方差σ2，在形状模型是对数正态分布的情况下包括μ和σ2，并且在形状模型是泊松分布的情况下包括均值λ。此外，在形状模型是混合分布的情况下，可以计算组合以形成混合分布的每个分布中的参数。
脉冲波形分析单元104使用通过上述比较获得的脉冲波形的参数和回归曲线来识别形状信息。此处，在本实施方式中，所识别的形状信息包括与脉冲波形中的一个或多个峰位置相关的信息。与峰位置相关的信息的示例包括峰的数量和脉冲波形中的每个峰的位置(即，回归曲线中每个峰的位置)。注意，脉冲波形中的每个峰的位置的示例包括在包括脉冲波形的测量图表中的时间(即，位置)以及脉冲波形中的峰的时间(即，位置)。此外，在脉冲波形具有多个峰的情况下，即，在脉冲波形对应于混合分布的情况下，与峰位置相关的信息可以包括多个峰的强度的比较结果和/或多个峰的位置的比较结果。
注意，脉冲波形分析单元104可以进一步识别除了与峰位置相关的上述信息之外的形状信息。这种形状信息的示例包括如上所述的在所选形状模型中的脉冲波形的参数以及脉冲波形(和/或回归曲线)的峰宽度、峰面积、峰强度等。
注意，脉冲波形分析单元104可以相对于检测波长互不相同的多个脉冲波形，获取如上所述的形状信息。在这种情况下，除了关于每个单独的脉冲波形的上述形状信息之外，形状信息可以包括关于多个脉冲波形的比较结果的信息。更具体地，形状信息可以包括关于与峰位置相关的多条信息的比较结果的信息、与每个脉冲波形的位置(时间)相关的多条信息和/或除了与以上脉冲波形的峰位置相关的信息之外的多条形状信息。这种信息的示例包括脉冲波形的峰位置之间的差异(即，时间差)以及脉冲波形的峰强度(即峰处的脉冲电压)的比较结果(例如，峰强度之间的差异或比率)。
脉冲波形可以是其中生物对象的多个元件的荧光信号混合的复合信息。例如，如图10所示，在一个细胞300A中使用的荧光染料(试剂)304与细胞的一部分(诸如，核310的部分311)特异地反应，并且此外，在一些情况下，荧光染料304与整个细胞300A非特异地反应。在这种情况下，简单的分析会使试剂与之特异地反应的部分311的峰在由试剂的非特异性反应引起的峰中淹没，并且不可能检测或分析显示特异性反应的期望部分的峰。
脉冲波形分析单元104可以通过根据需要在这种脉冲波形上执行以下处理以提取(识别)难以检测的峰，并且基于包括提取的峰的波形执行分析，来获取形状信息。另外，在这种情况下，脉冲波形分析单元104也可以通过不仅使用包括提取的峰的波形而且还使用尚未处理的脉冲波形，来获取形状信息。
图11和图12中的每一个是用于描述由图4所示的脉冲波形分析单元进行的脉冲波形的示例分析的图。
例如，脉冲波形分析单元104可以基于利用与用于检测第一脉冲波形的波长范围不同的波长范围检测到的第二脉冲波形中的峰的信息，来识别第一脉冲波形中的峰。然后，脉冲波形分析单元104分析在第一脉冲波形中识别的峰，并且可以获取包括与峰的峰位置相关的信息的第一脉冲波形的形状信息。与第二脉冲波形中的峰相关的信息的示例包括峰的位置、高度、面积和宽度。
更具体地，例如，当难以识别如图11所示的波形范围A(红色区域)中的脉冲波形400的峰时，脉冲波形分析单元104首先使用波长范围B(绿色区域)中的脉冲波形401来识别脉冲波形401中的峰410。假设脉冲波形400在与峰410的位置(即，峰的时间)对应的位置具有峰，则脉冲波形分析单元104识别峰。这使得可以获取与脉冲波形400中的峰的峰位置相关的信息。
另外，例如，脉冲波形分析单元104也可以获取通过使脉冲波形中的至少一个或多个峰衰减而获得的基线，基于该脉冲波形与基线的比较结果来确定脉冲波形中的至少一个或多个峰。
更具体地，当获取了脉冲波形402作为原始数据时，如图12所示，脉冲波形分析单元104首先利用数字滤波器处理脉冲波形402，以获取通过衰减脉冲波形402中的至少一个或多个峰而获得的基线403。数字滤波器的示例包括低通滤波器以及使用移动平均的高通滤波器。移动平均的示例包括简单移动平均、加权移动平均、指数移动平均、平滑移动平均、三角移动平均、正弦加权移动平均、累积移动平均和Kolmogorov-Zurbenko滤波器(KZ滤波器)。通过该操作获取的基线403例如可以是由试剂的非特异性反应在脉波形式402中引起的波形。另外，用于获取基线的处理不限于数字滤波器，而可以是从各种波形处理中选择的一个或多个处理。
然后，脉冲波形分析单元104从脉冲波形402中减去基线403，以获取包括存在正差的区域(尖峰)405的尖峰数据404。具有由(1)至(7)所示的位置的尖峰数据404中的尖峰405可以是与细胞300A中的试剂与之特异地反应的部分相对应的峰。因此，脉冲波形分析单元104根据需要执行选通，提取必要的尖峰405，并且将提取的尖峰405识别为峰。另外，可以针对每个尖峰405计算面积、高度和宽度，如图12所示，并用于选通。如上所述，可以获取包括与脉冲波形402中的峰的峰位置相关的信息的形状信息。
另外，在生成基线403之前和之后，可以将数字滤波器应用于脉冲波形402，以根据需要去除噪声。要作为脉冲波形402处理的连续的脉冲数据中的区域可以根据该脉冲数据或具有另一波长范围的脉冲数据的信号电平来确定。
然后，脉冲波形分析单元104将如上所述获得的形状信息提供给候选特性确定单元106。
基于所识别的形状信息，候选特性确定单元106确定生物对象的所估计的候选特性，例如，估计的候选生物特性。更具体地，候选特性确定单元106加载表示候选生物特性与存储在存储单元108中的多条形状信息之间的相关性的相关性信息和/或用于作出关于相关性的确定的相关性算法。此外，候选特性确定单元106可以另外或可替代地加载表示由学习单元110生成的候选生物特性与多条形状信息之间的相关性的相关性信息，和/或用于做出关于相关性的确定的相关性算法。然后，候选特性确定单元106基于相关性信息和/或相关性算法来识别从形状信息估计的候选生物特性。注意，如上所述，候选生物特性仅仅是要估计的候选特性的示例，并且候选特性不限于候选生物特性。然而，在下面的描述中，为了便于描述，将候选生物特性用作候选特性。
以上相关信息可以是例如数据表，其中，各条形状信息和各个候选生物特性彼此相关联。使用这种数据表使得能够快速且容易地识别候选生物特性。
此外，要估计的候选生物特性可以是可以从形状信息估计的任何候选生物特性。这种候选生物特性的示例包括标记部分(例如，标记的抗原结合部位)的定位程度、不同标记部分之间的位置关系以及每个标记部分(例如，每个抗原结合部位)的标记比例(例如，存在的抗原的比例)。
此处，基于所获得的峰强度、峰面积和/或峰宽度，使用已知的流式细胞仪对生物对象进行了评估。同时，由候选特性确定单元106使用的形状信息包括与峰位置相关的信息。使用该信息使能够评估现有技术中不可分析的特性，例如，生物特性。现在将在下面描述候选特性确定单元106的示例操作，同时与已知的评估方法进行比较。
图13示意性地示出了应该产生具有一个峰的脉冲波形的生物对象。图14示意性地示出了应该产生具有两个峰的脉冲波形的生物对象。图15是用于解释根据已知技术使用脉冲波形的峰值来识别生物对象的直方图。
例如，可以使用通过识别峰位置而获得的峰的数量作为形状信息，来掌握生物对象的荧光部分的定位程度。参考图13和图14所示，例如，假设要观察在其表面上具有响应于激光束能够发射荧光的相同总量的抗原301A和301B的细胞300。在这种情况下，要获得的脉冲波形在峰的数量方面可能改变。该假设是由于抗原301A和301B使从激光源21发射的激光束通过的时间的差异。因此，假设峰的数量对应于在细胞300中存在抗原的位点(location)的数量。因此，在脉冲波形如图13所示仅具有一个峰的情况下，例如，假设抗原301A部分地存在于细胞300中的仅一个位点处。另一方面，在脉冲波形如图14所示具有两个峰的情况下，假设抗原301B存在于细胞300中的两个分开的位点处。因此，候选特性确定单元106能够估计细胞300中的抗原的定位程度，如图13和图14所示，使得可以基于定位的程度来区分这些细胞。而且，可以在不需要创建统计数据的情况下进行这种区分，并且因此可以在每次细胞300使激光束通过时实时地进行。
而且，在图14的示例中，通过确定脉冲波形中的峰位置之间的差异，可以估计细胞300中存在抗原301B的位点之间的距离。而且，在图14的示例中，可以基于两个峰的强度(即，脉冲电压)的比率来估计存在于细胞300中的每个位点处的抗原的比例。
注意，在细胞300具有各向异性形状的情况下，在流动系统23中行进的细胞300趋向于具有固定的取向，并且这使得脉冲波形中的峰更明显地出现，使得峰的位置更容易确定。这反过来使得更容易识别峰的数量和峰位置，从而能够进行更精确的分析。
另一方面，利用已知的评估方法，难以如上所述估计候选生物特性。例如，峰面积可以仅指示抗原301A和301B的总量。因此，在相应细胞300中存在的抗原301A和301B的总量相同的情况下，难以区分如图13和图14所示的细胞。
此外，如图13和图14所示，由于当存在于细胞300中的抗原301A和301B变得更加分散时最大峰值(即，脉冲电位)降低，所以可以想到基于最大峰强度区分具有不同的抗原301A和301B定位程度的细胞300。
在这种情况下，如图15所示，创建了根据脉冲波形的最大峰值计数的脉冲波形的出现数量(即，事件的数量)的直方图。然而，由于例如附着于细胞的抗原的量的变化，通常获得的最大峰值具有变化。因此，如图15所示，通常获得的直方图的多个峰经常重叠，使得难以实现精确的识别。此外，因为必须在识别之前创建直方图，因此用已知的方法实时识别是困难的。
此外，现在将在下面描述候选特性确定单元106的另一示例操作。图16和图17是用于解释细胞中的不同抗原之间的位置关系的识别和辨别的概要图。如图16和图17所示，将检查在细胞300中存在用不同荧光物质染色的多个抗原302和303的情况。在这种情况下，在源自抗原302的波长范围A的脉冲波形中的峰位置与源自抗原303的波长范围B的脉冲波形中的峰位置之间可能出现差异(例如，时间差t1和t2)。假设峰位置之间的这种时间差是由于抗原302和303使从激光源21发射的激光束通过的时间之间的差异造成的，并且指示细胞300中的抗原302和303的相对位置。因此，候选特性确定单元106能够基于t1和t2确定细胞300中的抗原302和303的相对位置，作为候选生物特性。此外，可以使用t1和t2之间的差异来根据抗原302和303的位置在细胞300之间进行区分。
同时，如图16和图17所示，已知的方法不能根据抗原302和303的位点在细胞300之间进行区分，因为在图16和图17的两个示例中，峰面积、最大峰值(即，脉冲电压)和峰宽度在波长范围A和B之间没有不同。
例如，当获取了图11中所示的脉冲波形时，候选特性确定单元106可以基于使用波长范围B中的脉冲波形401识别的脉冲波形400的峰的形状和脉冲波形400的形状的比较结果，来计算定位的和结合的荧光染料的比例(标记比例)以及定位程度。即使简单地计算波长范围A中的整个脉冲波形的峰面积、最大峰值和峰宽度，仍然难以计算以这种方式定位和结合的荧光染料的比例(标记比例)和定位程度。
当获取了图12中所示的脉冲波形402时，脉冲波形分析单元104可以获取用作峰的尖峰405。因此，可以通过使用从这些尖峰405获取的形状信息来估计候选生物特性。另外，不可能通过简单计算脉冲波形402的峰面积、最大峰值(脉冲电压)和峰宽度的方法，来获取本实施方式中的详细的候选生物特性。
关于由候选特性确定单元106以上述方式估计的候选生物特性的信息与形状信息和测量数据一起输入到输出单元112。另外，根据需要，关于估计的候选生物特性的信息、形状信息和测量数据被输入到学习单元110和/或存储单元108。
存储单元108例如由根据本实施方式的信息处理设备10中设置的RAM、存储设备等来实现。存储单元108存储由脉冲波形分析单元104使用的形状模型和分析程序来识别形状信息、表示候选生物特性与多条形状信息之间的相关性的相关性信息和/或用于作出关于由候选特性确定单元106使用的相关性的确定的相关性算法、以及由学习单元110生成的学习数据。另外，可以将由数据获取单元102等获取的各种测量数据存储在存储单元108中。此外，用于由脉冲波形分析单元104、候选特性确定单元106以及在显示屏上显示各种信息的显示控制单元114使用的各种应用的可执行数据可以存储在存储单元108中。此外，存储单元108根据需要存储在信息处理设备10执行处理时必须存储的各种参数、关于正在进行的处理的数据等、或者各种数据库等。存储单元108被配置为使得根据本实施方式的信息处理设备10的每个处理单元能够自由地从存储单元108读取信息或向存储单元108写入信息。
学习单元110对由候选特性确定单元106确定的候选生物特性和形状信息之间的相关性进行统计处理，并且生成表示候选生物特性和形状信息之间的相关性的新相关性信息和/或用于作出关于相关性的确定的相关性算法。所生成的相关性信息和/或所生成的相关性算法输入到存储单元108。注意，所生成的相关性信息和/或所生成的相关性算法可以替代地输入到候选特性确定单元106，而不经过存储单元108。另外，注意，学习单元110可以从输入单元116获取用于生成以上相关性信息和/或以上相关性算法的信息。
学习单元110可以采用任何学习方法，并且可以采用例如机器学习、强化学习、深度学习、神经网络、支持向量机(SVM)、遗传算法(GA)、贝叶斯估计等中的一个或适当的组合。
输出单元112例如由CPU、ROM、RAM、存储设备、驱动器、连接端口、通信设备等实现。输出单元112将由候选特性确定单元106获取的关于候选生物特性和形状信息之间的相关性的相关性信息、测量数据等输出到显示控制单元114、另一装置或另一介质。例如，输出单元112可以通过诸如打印机等的输出设备以打印的形式向用户呈现所获取的相关性信息等，或者可以将表示所获取的相关性信息的数据输出到任一个USB存储器和各种其他记录介质，包括CD、DVD和蓝光盘。而且，输出单元112可以将表示所获取的相关性信息的数据输出到根据本实施方式的信息处理设备10能够通过各种通信网络中的任一者与之进行通信的外部装置。
显示控制单元114例如由CPU、ROM、RAM、通信设备、输出设备等实现。显示控制单元114控制诸如信息处理设备10的显示器的显示设备上的或者诸如设置在信息处理设备外部的显示器的显示设备上的显示屏的显示。更详细地，显示控制单元114基于从输出单元112输入的关于候选特性和形状信息之间的相关性的信息来控制显示屏的显示。由显示控制单元114关于候选生物特性与形状信息之间的相关性进行的显示屏的显示的控制，使得信息处理设备10的用户能够掌握候选生物特性的确定结果。
输入单元116例如由CPU、ROM、RAM、输入设备、驱动器、连接端口、通信设备等实现。输入单元116被配置为能够将由用户、外部介质等输入的信息或各种指令输入到例如信息处理设备10的各个部分中。具体地，输入单元116将由脉冲波形分析单元104使用的形状模型和分析算法以及表示候选生物对象特性与形状信息之间的相关性的相关性信息和/或用于作出关于由候选特性确定单元106使用的相关性的确定的相关性算法，输入到存储单元108中。另外，具体地，输入单元116将由学习单元110使用的信息输入到学习单元110中，以生成相关性信息和/或相关性算法。
上面已经描述了根据本实施方式的信息处理设备10的示例功能。上面描述的每个结构元件可以使用通用构件或电路来形成，或者可以由专用于结构元件的功能的一个硬件构成。注意，所有结构元件的功能可以由CPU等实现。因此，在执行本实施方式时，所使用的结构元件可以根据当前技术水平适当地改变。
注意，用于实现如上所述根据本实施方式的信息处理设备的每个功能的计算机程序可以被制造并安装在个人计算机等上。还要注意，可以提供具有存储在其中的计算机程序的计算机可读记录介质。这种记录介质的示例包括磁盘、光盘、磁光盘和闪存。还要注意的是，如上所述的计算机程序可以经由例如网络来传送，而无需使用记录介质。
(1.5、信息处理方法的过程)
接下来，现在将参考图18简要描述根据本实施方式的信息处理方法的示例过程。图18是示出根据第一实施方式的信息处理方法的示例过程的流程图。
根据本实施方式的信息处理设备10的数据获取单元102获取由测量单元20测量的荧光信号的数据(即，测量数据)(步骤S101)，并将获取的测量数据输出到脉冲波形分析单元104。
脉冲波形分析单元104从存储单元108中加载一些形状模型，并然后在输入的测量数据中计算每个形状模型相对于每个脉冲波形的拟合优度(S103)。另外，脉冲波形分析单元104也可以与另一脉冲波形执行比较，并根据需要用数字滤波器等处理测量数据中的每个脉冲波形。
接下来，脉冲波形分析单元104基于计算的每个形状模型的拟合优度，识别要在每个脉冲波形的处理中使用的形状模型(S105)。更具体地，脉冲波形分析单元104将所计算的形状模型的拟合优度与另一形状模型的拟合优度进行比较，并且提取具有最少拟合优度(即，最佳拟合)的形状模型，以识别要在处理每个脉冲波形时使用的形状模型。
接下来，脉冲波形分析单元104使用所识别的形状模型来识别每个脉冲波形的形状信息(S107)。更具体地，脉冲波形分析单元104使用形状模型对每个脉冲波形进行曲线拟合以获得回归曲线，并且获得回归曲线中的关于每个脉冲波形的参数。接下来，脉冲波形分析单元104识别包括与峰位置相关的信息的形状信息。脉冲波形分析单元104将所获取的形状信息输出到候选特性确定单元106。
接下来，候选特性确定单元106基于所识别的形状信息来确定生物对象的估计的候选生物特性(S109)。更具体地，候选特性确定单元106加载表示候选生物特性与多条形状信息之间的相关性的相关性信息和/或用于作出关于在存储单元108内存储的和/或在学习单元110内生成的相关性的确定的(一个或多个)相关性算法。接下来，基于相关性信息和/或(一个或多个)相关性算法，候选特性确定单元106识别从形状信息估计的候选生物特性。最后，候选特性确定单元106将所识别的候选生物特性与其他必要信息一起输出到输出单元112。
接下来，输出单元112使得经由显示控制单元114显示相对于每个脉冲波形的关于估计的候选生物特性的信息。因此，用户能够识别所使用的生物对象的候选生物特性。
上面参考图18简要描述了根据本实施方式的信息处理的示例过程。
如上所述，根据本实施方式，从生物对象获得的脉冲波形的形状信息，特别是与脉冲波形中的峰位置相关的信息，用于估计生物样本的候选特性(例如，候选生物特性)，这是难以用已知方法估计的。这样估计的生物对象的候选特性可以适合用于识别生物对象。因此，可以使用已知方法未使用的指示器来识别生物对象。另外，根据本实施方式的信息处理系统1不需要使用专门的测量单元，并且能够使用具有已知结构的测量单元来容易地完成如上所述的生物对象的识别。
另外，如上所述的在流式细胞仪中以前未使用的候选特性可单独使用或与其他候选特性组合使用，或与常用指示器组合使用，以识别生物对象。
如上所述，根据本实施方式的信息处理系统1和信息处理方法使能够分析例如在上述图13和图14以及图16和图17的示例中的关于抗原局部存在的位点的数量以及关于以上抗原与其他抗原之间的相关性。另外，根据本实施方式的信息处理系统1和信息处理方法例如使能够进行比较分析，该比较分析确定是否对测量样本预先执行了处理(例如，热处理或染色处理)、在这种处理等将导致抗原局部存在的位点的数量的变化或差异之后已经经过的时间的差异、或者抗原局部存在的位点之间的位置关系。此外，从而将能够实现这种分析的组合。这种分析可以通过信息处理设备10、在信息处理系统1外部设置的另一信息处理设备或用户来执行。
<2、第二实施方式(单元分类器(cell sorter))>
下面将参考图19至图21，详细描述本公开的第二实施方式。
(2.1、信息处理系统的结构)
首先，现在将参考图19来描述根据本实施方式的信息处理系统。图19是示出根据第二实施方式的信息处理系统的框图。参考图19，根据本实施方式的信息处理系统1A与根据第一实施方式的信息处理系统1的不同之处主要在于测量单元20A包括分类单元29，即在于测量单元20A是能够进行分类的单元分类器。在下文中，将主要描述与本实施方式的第一实施方式的不同之处，并省略重复的说明。
参考图19，测量单元20A是所谓的单元分类器，并且包括测量部28和分类单元29。
测量部28对应于第一实施方式中的测量单元20。另外，测量部28执行与测量样本S有关的测量，并且在测量后将测量样本S传送到分类单元29。
分类单元29根据来自信息处理设备10A的指令将生物对象分类。更具体地，分类单元29生成包含生物对象的测量样本S的液滴。此时，使要分类的测量样本S的液滴充电。接下来，分类单元29允许所获得的液滴在由偏转板产生的电场中行进。此时，带电液滴被吸引到带电的偏转板，使液滴行进方向发生改变。结果，要分类的液滴和不分类的液滴彼此分离。这允许分类单元29对生物对象进行分类，以获取分类的样本Sp。注意，分类单元29可以采用空气喷射系统或比色管流动槽系统，作为分类系统。
接下来，信息处理设备10A的候选特性确定单元106A确定生物对象的候选生物特性，并且通过输出单元112A指示分类单元29对目标测量样本S进行分类。
注意，对分类单元29的这种指令可以基于生物样本的所确定的候选生物特性或者基于形状信息的分析结果来发布。
(2.2、信息处理方法的过程)
接下来，现在将参考图20和图21简要描述根据本实施方式的信息处理方法的示例过程。图20和图21均是示出根据第二实施方式的信息处理方法的示例过程的流程图。注意，由于根据本实施方式的信息处理系统1A包括分类单元29，因此根据本实施方式的每种信息处理方法形成分类方法的一部分。
首先，现在将在下面描述在图20所示的信息处理方法的过程。注意，S201至S207与上述第一实施方式中的S101至S107类似，并且省略对S201至S207的描述。
在输入由脉冲波形分析单元104识别的形状信息时，候选特性确定单元106A基于脉冲波形的形状信息确定是否要对已经产生了所讨论的脉冲波形的生物对象进行分类，以执行分类(S209)。
接下来，候选特性确定单元106A基于形状信息针对所分类的生物对象识别估计的候选生物特性(S211)。
信息处理设备10A基于如上所述的形状信息来确定是否要对每个生物对象进行分类，并且因此能够实现对目标生物对象的快速分类。此外，信息处理设备10A仅估计所分类的生物对象的候选生物特性，并因此实现计算负荷的降低。
接下来，现在将在下面描述图21所示的信息处理方法的过程。注意，图21中的S201至S213与上述第一实施方式中的S101到S109类似，并省略S201到S213的描述。
候选特性确定单元106A确定是否要对已被识别其候选生物特性的生物对象进行分类(S215)。如果要对生物对象进行分类(即，如果“是”)，则候选特性确定单元106A通过输出单元112A指示分类单元29对生物对象进行分类。分类单元29响应于该指令而将生物对象分类(S217)。
同时，如果不对生物对象进行分类(即，如果否)，则候选特性确定单元106A在不向分类单元29发布指令的情况下终止该过程(结束)。
注意，由显示控制单元114根据需要提供如何执行分类的指示和所识别的候选生物特性的指示。
以上参考图20和图21描述了根据本公开的第二实施方式的信息处理方法的过程。
上述本实施方式能够实现与上述第一实施方式的效果类似的有益效果。另外，上述的本实施方式允许根据需要使用已知方法未使用的指示器(即，脉冲波形的形状信息)来对所识别的生物对象进行分类。这使得能够基于生物对象的候选特性(例如，生物特性)进行分类，这是用已知方法难以实现的。
<3、信息处理设备的硬件配置>
接下来，将参考图22详细描述根据本公开的第一实施方式的信息处理设备10的硬件配置。图22是用于示出根据本公开的第一实施方式的信息处理设备10的硬件配置的框图。注意，根据本公开的第二实施方式的信息处理设备10A的结构可以与信息处理设备10的结构类似，并且因此，下面将描述信息处理设备10作为代表。
信息处理设备10主要包括CPU 901、ROM 902和RAM 903。此外、信息处理设备10还包括主机总线907、桥接器909、外部总线911、接口913、输入设备915、输出设备917、存储设备919、驱动器921、连接端口923和通信设备925。
CPU 901用作算术处理设备和控制设备，并且根据记录在ROM 902、RAM 903、存储设备919、或可移除记录介质927中的各种程序来控制信息处理设备10的整体操作或部分操作。ROM 902存储由CPU 901使用的程序、操作参数等。RAM 903主要存储CPU 901使用的程序和在程序的执行期间适当地改变的参数等。这些通过由诸如CPU总线等的内部总线配置的主机总线907彼此连接。
主机总线907经由桥接器909连接到诸如PCI(外围组件互连/接口)总线的外部总线911。
输入设备915是由用户操作的操作机构，诸如，鼠标、键盘、触摸面板、按钮、开关和控制杆。此外，输入设备915可以是使用例如红外光或其他无线电波的遥控机构(所谓的遥控器)，或者可以是外部连接的设备929，诸如，符合信息处理设备10的操作的移动电话或PDA。此外，输入设备915基于例如由用户利用上述操作机构输入的信息来生成输入信号，并且由输入控制电路配置以用于将输入信号输出到CPU 901。信息处理设备10的用户可以向信息处理设备10输入各种数据，并且可以指示信息处理设备10通过操作该输入设备915来执行处理。
输出设备917由能够在视觉上或听觉上向用户通知所获取的信息的装置来配置。这种装置的示例包括诸如CRT显示设备、液晶显示设备、等离子显示设备、EL显示设备和灯的显示设备、诸如扬声器和耳机的音频输出设备、打印机、移动电话、传真机等。例如，输出设备917输出通过由信息处理设备10执行的各种处理获得的结果。更具体地，显示设备以文本或图像的形式显示通过由信息处理设备10执行的各种处理而获得的结果。另一方面，音频输出设备将诸如再现的音频数据和声音数据的音频信号转换为模拟信号，并输出该模拟信号。
存储设备919是用于存储被配置为信息处理设备10的存储单元的示例的数据的装置并用于存储数据。存储设备919由例如诸如HDD(硬盘驱动器)的磁存储设备、半导体存储设备、光存储设备或磁光存储设备配置成。该存储设备919存储要由CPU 901执行的程序、各种数据以及从外部获得的各种数据。
驱动器921是用于记录介质的读取器/写入器，并且嵌入在信息处理设备10中或从外部附接到信息处理设备10。驱动器921读取记录在诸如磁盘、光盘、磁光盘或半导体存储器的附接的可移除记录介质927中的信息，并将所读取的信息输出到RAM 903。此外，驱动器921可以在诸如磁盘、光盘、磁光盘或半导体存储器的附接的可移除记录介质927中写入。可移除记录介质927例如是DVD介质、HD-DVD介质或蓝光介质。可移除记录介质927可以是CompactFlash(CF；注册商标)、闪存、SD存储卡(安全数字存储卡)等。可替换地，可移除记录介质927可以是例如配备有非接触式IC芯片或电子设备的IC卡(集成电路卡)。
连接端口923是用于允许设备直接连接到信息处理设备10的端口。连接端口923的示例包括USB(通用串行总线)端口、IEEE1394端口、SCSI(小型计算机系统接口)端口等。连接端口923的其他示例包括RS-232C端口、光学音频端子、HDMI(高清晰度多媒体接口)端口等。通过连接到该连接端口923的外部连接的设备929，信息处理设备10直接从外部连接的设备929获得各种数据，并向外部连接的设备929提供各种数据。
通信设备925是由例如用于连接到通信网络931的通信设备配置的通信接口。通信设备925例如是有线或无线LAN(局域网)、蓝牙(注册商标)、用于WUSB(无线USB)的通信卡等。可替换地，通信设备925可以是用于光通信的路由器、用于ADSL(非对称数字用户线路)的路由器、用于各种通信的调制解调器等。例如，该通信设备925可以根据互联网上的诸如TCP/IP的预定协议并且与其他通信设备一起传输和接收信号等。连接到通信设备925的通信网络931由经由有线或无线连接的网络等配置，并且可以是例如互联网、家庭LAN、红外通信、无线电波通信、卫星通信等。
至此，已经示出了能够实现根据本公开的第一实施方式的信息处理设备10的功能的硬件配置的示例。上述每个结构元件可以使用通用材料来配置，或者可以通过专用于每个结构元件的功能的硬件来实现。因此，根据执行本实施方式时的技术水平，可以适当地改变要使用的硬件配置。
例如，可以使用控制器芯片来实现信息处理设备10的一些功能，例如，脉冲波形分析单元104、候选特性确定单元106和/或学习单元110的功能。诸如流式细胞仪等的测量单元20通常必须在有限的时间段内快速处理大量的生物对象。当在控制器芯片上以集成的方式执行信息处理设备10的一些上述组件的处理时，组件的处理可以更快地完成。而且，使用这种控制器芯片可以使信息处理设备10的另一硬件上的负载降低。
注意，任何控制器芯片都可以用作这种控制器芯片。这种控制器芯片的示例包括可编程逻辑器件(PLD)、例如现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)、可编程阵列逻辑(PAL)以及通用阵列逻辑(GAL)和专用集成电路(ASIC)。FPGA特别适合作为控制器芯片，因为FPGA易于重新配置且能够进行相对较快的计算。
本领域的技术人员应该理解，只要在所附权利要求或其等同物的范围内，可以根据设计要求和其他因素进行各种修改、组合、子组合和变更。
另外，本说明书中描述的效果仅仅是说明性的和演示性的，而不是限制性的。换言之，连同或者代替基于本说明书的效果，根据本公开的实施方式的技术可以展现对于本领域技术人员显而易见的其他效果。
另外，也可以如下配置本技术：
(1)一种系统，包括：
流式细胞仪，被配置为生成指示与生物样本的荧光信号相对应的脉冲波形的数据；
电路，被配置为：
通过识别脉冲波形的至少一个峰来确定脉冲波形的峰位置信息；
并且
基于峰位置信息，来确定生物样本的至少一个生物特性。
(2)根据(1)所述的系统，其中，确定至少一个生物特性包括将峰位置信息和使脉冲波形信息与不同的生物特性相关的数据进行比较。
(3)根据(1)所述的系统，其中，确定至少一个生物特性包括识别生物样本内的至少一个生物组分的位点。
(4)根据(3)所述的系统，其中，至少一个生物组分包括抗原。
(5)根据(1)所述的系统，其中，确定峰位置信息包括识别峰的数量，并且确定至少一个生物特性包括基于峰的数量确定在生物样本内的至少一个生物组分的位点的数量。
(6)根据(1)所述的系统，其中，确定峰位置信息包括：
确定与脉冲波形的第一峰相关联的第一时间和与脉冲波形的第二峰相关联的第二时间；并且
确定与第一峰相关联的第一时间和与第二峰相关联的第二时间之间的时间差。
(7)根据(6)所述的系统，其中，确定至少一个生物特性包括基于第一时间和第二时间之间的时间差，确定在生物样本内的至少一个生物组分的第一位点与至少一个生物组分的第二位点之间的距离。
(8)根据(1)所述的系统，其中，确定峰位置信息包括确定脉冲波形的至少一个峰的峰面积。
(9)根据(8)所述的系统，其中，确定至少一个生物特性包括基于峰面积确定至少一个生物组分的量。
(10)根据(1)所述的系统，其中，确定峰位置信息包括确定对于脉冲波形的至少一个峰的最大峰值。
(11)根据(10)所述的系统，其中，确定至少一个生物特性包括基于最大峰值来确定至少一个生物组分的定位程度的指示。
(12)根据(1)所述的系统，其中，电路被进一步配置为基于峰位置信息生成对生物样本进行分类的指令，并将指令发送给流式细胞仪，其中，流式细胞仪响应于接收到指令而对生物样本进行分类。
(13)根据(1)所述的系统，其中，电路被进一步配置为基于至少一个生物特性生成对生物样本进行分类的指令，并将指令发送给流式细胞仪，其中，流式细胞仪响应于接收到指令而对生物样本进行分类。
(14)根据(1)所述的系统，其中，确定峰位置信息包括通过将脉冲波形与至少一个形状模型比较来确定脉冲波形的峰位置信息。
(15)根据(14)所述的系统，其中，确定脉冲波形的峰位置信息包括：通过计算形状模型与脉冲波形拟合的水平来从至少一个形状模型中选择形状模型，并且基于将脉冲波形与所选形状模型进行比较来计算脉冲波形的回归曲线和/或脉冲波形的至少一个参数。
(16)根据(1)所述的系统，其中，脉冲波形包括多个峰，并且峰位置信息包括针对多个峰中的每一个的信息。
(17)根据(16)所述的系统，其中，确定峰位置信息包括将与多个峰中的第一峰相对应的第一强度和与多个峰中的第二峰相对应的第二强度进行比较。
(18)根据(17)所述的系统，其中，确定峰位置信息包括确定多个峰中的第一峰与多个峰中的第二峰之间的时间差。
(19)根据(1)所述的系统，其中，该数据包括第一脉冲波形和第二脉冲波形，第一脉冲波形对应于用第一波长范围生成的数据，并且第二脉冲波形对应于用第二波长范围生成的数据，并且其中，确定峰位置信息包括通过将第一脉冲波形与第二脉冲波形进行比较来确定峰位置信息。
(20)根据(19)所述的系统，其中，确定峰位置信息包括：识别第二脉冲波形中的峰，并且基于第二脉冲波形中的峰的峰信息来识别第一脉冲波形中的峰。
(21)根据(19)所述的系统，其中，第一脉冲波形指示与特异地标记生物样本的一部分的第一荧光团相对应的数据，并且第二波形指示与非特异地标记生物样本的第二荧光团相对应的数据。
(23)根据(1)所述的系统，其中，电路被进一步配置为确定脉冲波形的基线，并且确定峰位置信息包括从脉冲波形减去基线。
(24)根据(23)所述的系统，其中，获取脉冲波形的基线包括将数字滤波器应用于脉冲波形。
(25)根据(1)所述的系统，其中，生物样本是细胞、微生物或生物聚合物。
(26)一种流式细胞仪信息处理方法，包括：
通过识别脉冲波形的至少一个峰来确定与生物样本的荧光信号相对应的脉冲波形的峰位置信息；并且
基于峰位置信息，确定生物样本的至少一个生物特性。
(27)至少一种存储计算机可执行指令的计算机可读存储介质，计算机可执行指令在被执行时执行流式细胞仪信息处理方法，该方法包括：
通过识别脉冲波形的至少一个峰来确定与生物样本的荧光信号相对应的脉冲波形的峰位置信息；并且
基于峰位置信息，确定生物样本的至少一个生物特性。
(28)一种信息处理设备，包括：
脉冲波形分析单元，被配置为基于作为向移动的生物对象发射光束的结果而检测到的脉冲波形的数据，识别与脉冲波形中的一个或多个峰位置相关的信息；以及
候选特性确定单元，被配置为基于与一个或多个峰位置相关的信息来确定生物对象的估计的候选特性。
(29)根据(28)所述的信息处理设备，
其中，与一个或多个峰位置相关的信息包括脉冲波形中的峰的数量。
(30)根据(28)或(29)所述的信息处理设备，
其中，当脉冲波形具有多个峰时，与一个或多个峰位置相关的信息包括多个峰的强度的比较结果。
(31)根据(28)至(30)中任一项所述的信息处理设备，
其中，当脉冲波形具有多个峰时，与一个或多个峰位置相关的信息包括多个峰的位置的比较结果。
(32)根据(28)至(31)中任一项所述的信息处理设备，
其中，脉冲波形分析单元分析多个脉冲波形并且相对于多个脉冲波形中的每一个识别与一个或多个峰位置相关的信息，多个脉冲波形具有相互不同的波长范围。
(33)根据(32)所述的信息处理设备，
其中，与一个或多个峰位置相关的信息包括在波长范围互不相同的多个脉冲波形中的峰位置的比较结果。
(34)根据(28)至(33)中任一项所述的信息处理设备，
其中，脉冲波形分析单元从多个预定形状模型中选择与脉冲波形有关的形状模型，并且将脉冲波形与所选形状模型进行比较，以执行分析。
(35)根据(28)至(34)中任一项所述的信息处理设备，
其中，脉冲波形分析单元基于以与用于检测第一脉冲波形的波长范围不同的波长范围检测到的第二脉冲波形中的峰，来识别第一脉冲波形中的峰。
(36)根据(28)至(34)中任一项所述的信息处理设备，
其中，脉冲波形分析单元获取通过衰减脉冲波形中的至少一个或多个峰而获得的基线，并且基于脉冲波形与基线的比较结果来识别脉冲波形中的至少一个或多个峰。
(37)根据(28)至(36)中任一项所述的信息处理设备，进一步包括：
存储单元，被配置为存储表示候选特性和与峰位置相关的信息之间的相关性的相关性信息。
(38)根据(28)至(37)中任一项所述的信息处理设备，还包括：
学习单元，被配置为学习候选特性和与峰位置相关的信息之间的相关性。
(39)根据(28)至(38)中任一项所述的信息处理设备，
其中，生物对象具有各向异性的形状。
(40)根据(28)至(39)中任一项所述的信息处理设备，
其中，所估计的候选特性用作用于将生物对象分类的信息。
(41)一种信息处理方法，包括：
基于作为向移动的生物对象发射光束的结果而检测到的脉冲波形的数据，识别与脉冲波形中的一个或多个峰位置相关的信息；并且
基于与一个或多个峰位置相关的信息来确定生物对象的估计的候选特性。
(42)一种信息处理系统，包括：
流式细胞仪，被配置为向移动的生物对象发射光束，并检测脉冲波形；以及
信息处理设备，包括：脉冲波形分析单元，被配置为基于脉冲波形的数据，识别与脉冲波形中的一个或多个峰位置相关的信息；以及候选特性确定单元，被配置为基于与一个或多个峰位置相关的信息来确定生物对象的估计的候选特性。
(43)根据(42)所述的信息处理系统，
其中，流式细胞仪包括能够将生物对象分类的分类单元，并且
其中，分类单元被配置为根据与一个或多个峰位置相关的信息将生物对象分类。
参考符号列表
1、1A 信息处理系统
10、10A 信息处理设备
20、20 测量单元
21 激光源
23 流动系统
231 流动单元
25 光电检测器
251 光电倍增管
253 检测器
27 光学系统
271 波长选择滤波器
28 测量部
29 分类单元
102 数据获取单元
104 脉冲波形分析单元
106、106 候选特性确定单元
108 存储单元
110 学习单元
112、112A 输出单元
114 显示控制单元
116 输入单元
300、300A 细胞
301A、301B、302、303 抗原
304 荧光染料
310 核
400、401、402 脉冲波形
403 基线
404 尖峰数据
405 尖峰
410 峰
901 CPU
902 ROM
903 RAM
907 主机总线
909 桥接器
911 外部总线
913 接口
915 输入设备
917 输出设备
919 存储设备
921 驱动器
923 连接端口
925 通信设备
927 可移除记录介质
929 外部连接的设备
931 通信网络。
Claims (26)
1.一种系统，包括：
流式细胞仪，被配置为生成指示与生物样本的荧光信号相对应的脉冲波形的数据；
电路，被配置为：
通过识别所述脉冲波形的至少一个峰来确定所述脉冲波形的峰位置信息；并且
基于所述峰位置信息，确定所述生物样本的至少一个生物特性。
2.根据权利要求1所述的系统，其中，确定所述至少一个生物特性包括将所述峰位置信息和使脉冲波形信息与不同的生物特性相关的数据进行比较。
3.根据权利要求1所述的系统，其中，确定所述至少一个生物特性包括识别所述生物样本内的至少一个生物组分的位点。
4.根据权利要求3所述的系统，其中，所述至少一个生物组分包括抗原。
5.根据权利要求1所述的系统，其中，确定所述峰位置信息包括识别峰的数量，并且确定所述至少一个生物特性包括基于所述峰的数量确定在所述生物样本内的至少一个生物组分的位点的数量。
6.根据权利要求1所述的系统，其中，确定所述峰位置信息包括：
确定与所述脉冲波形的第一峰相关联的第一时间和与所述脉冲波形的第二峰相关联的第二时间；并且
确定与所述第一峰相关联的所述第一时间和与所述第二峰相关联的所述第二时间之间的时间差。
7.根据权利要求6所述的系统，其中，确定所述至少一个生物特性包括基于所述第一时间与所述第二时间之间的时间差，确定在所述生物样本内的至少一个生物组分的第一位点与所述至少一个生物组分的第二位点之间的距离。
8.根据权利要求1所述的系统，其中，确定所述峰位置信息包括确定所述脉冲波形的所述至少一个峰的峰面积。
9.根据权利要求8所述的系统，其中，确定所述至少一个生物特性包括基于所述峰面积确定至少一个生物组分的量。
10.根据权利要求1所述的系统，其中，确定所述峰位置信息包括确定对于所述脉冲波形的所述至少一个峰的最大峰值。
11.根据权利要求10所述的系统，其中，确定所述至少一个生物特性包括基于所述最大峰值来确定至少一个生物组分的定位程度的指示。
12.根据权利要求1所述的系统，其中，所述电路被进一步配置为基于所述峰位置信息生成对所述生物样本进行分类的指令，并将所述指令发送到所述流式细胞仪，其中，所述流式细胞仪响应于接收到所述指令而对所述生物样本进行分类。
13.根据权利要求1所述的系统，其中，所述电路被进一步配置为基于所述至少一个生物特性生成对所述生物样本进行分类的指令，并将所述指令发送到所述流式细胞仪，其中，所述流式细胞仪响应于接收到所述指令而对所述生物样本进行分类。
14.根据权利要求1所述的系统，其中，确定所述峰位置信息包括通过将所述脉冲波形与至少一个形状模型进行比较，来确定所述脉冲波形的所述峰位置信息。
15.根据权利要求14所述的系统，其中，确定所述脉冲波形的所述峰位置信息包括：通过计算所述形状模型与所述脉冲波形拟合的水平来从至少一个所述形状模型中选择形状模型，并且基于将所述脉冲波形与所选择的形状模型进行比较来计算所述脉冲波形的回归曲线和/或所述脉冲波形的至少一个参数。
16.根据权利要求1所述的系统，其中，所述脉冲波形包括多个峰，并且所述峰位置信息包括针对所述多个峰中的每一个的信息。
17.根据权利要求16所述的系统，其中，确定所述峰位置信息包括将与所述多个峰中的第一峰相对应的第一强度和与所述多个峰中的第二峰相对应的第二强度进行比较。
18.根据权利要求17所述的系统，其中，确定所述峰位置信息包括确定所述多个峰中的第一峰与所述多个峰中的第二峰之间的时间差。
19.根据权利要求1所述的系统，其中，所述数据包括第一脉冲波形和第二脉冲波形，所述第一脉冲波形对应于用第一波长范围生成的数据，并且所述第二脉冲波形对应于用第二波长范围生成的数据，并且其中，确定所述峰位置信息包括通过将所述第一脉冲波形与所述第二脉冲波形进行比较来确定所述峰位置信息。
20.根据权利要求19所述的系统，其中，确定所述峰位置信息包括：识别所述第二脉冲波形中的峰，并且基于针对所述第二脉冲波形中的所述峰的峰信息来识别所述第一脉冲波形中的峰。
21.根据权利要求19所述的系统，其中，所述第一脉冲波形指示与特异地标记所述生物样本的一部分的第一荧光团相对应的数据，并且所述第二波形指示与非特异地标记所述生物样本的第二荧光团相对应的数据。
22.根据权利要求1所述的系统，其中，所述电路被进一步配置为确定所述脉冲波形的基线，并且确定所述峰位置信息包括从所述脉冲波形减去所述基线。
23.根据权利要求22所述的系统，其中，获取所述脉冲波形的基线包括将数字滤波器应用于所述脉冲波形。
24.根据权利要求1所述的系统，其中，所述生物样本是细胞、微生物或生物聚合物。
25.一种流式细胞仪信息处理方法，包括：
通过识别脉冲波形的至少一个峰来确定与生物样本的荧光信号相对应的脉冲波形的峰位置信息；并且
基于所述峰位置信息，确定所述生物样本的至少一个生物特性。
26.至少一种存储计算机可执行指令的计算机可读存储介质，所述计算机可执行指令在被执行时执行流式细胞仪信息处理方法，所述方法包括：
通过识别脉冲波形的至少一个峰来确定与生物样本的荧光信号相对应的脉冲波形的峰位置信息；并且
基于所述峰位置信息，确定所述生物样本的至少一个生物特性。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015185107 | 2015-09-18 | ||
| JP2015-185107 | 2015-09-18 | ||
| JP2016-123226 | 2016-06-22 | ||
| JP2016123226A JP6790490B2 (ja) | 2015-09-18 | 2016-06-22 | 情報処理装置、情報処理方法及び情報処理システム |
| PCT/JP2016/003449 WO2017046988A1 (en) | 2015-09-18 | 2016-07-25 | Information processing apparatus, information processing method, and information processing system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108012553A true CN108012553A (zh) | 2018-05-08 |
| CN108012553B CN108012553B (zh) | 2021-05-04 |
Family
ID=58391508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680052528.0A Active CN108012553B (zh) | 2015-09-18 | 2016-07-25 | 信息处理设备、信息处理方法和信息处理系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11022537B2 (zh) |
| EP (1) | EP3300517B1 (zh) |
| JP (1) | JP6790490B2 (zh) |
| CN (1) | CN108012553B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109827944A (zh) * | 2019-02-27 | 2019-05-31 | 山东省食品药品检验研究院 | 一种阿德福韦酯片的鉴别方法 |
| CN117233053A (zh) * | 2023-11-13 | 2023-12-15 | 北京普能世纪科技有限公司 | 实现电解液监测的方法、系统、计算机存储介质及终端 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110691964B (zh) * | 2017-04-24 | 2023-08-22 | 索尼公司 | 信息处理设备、粒子分选系统、程序和粒子分选方法 |
| JP6928948B2 (ja) * | 2017-08-09 | 2021-09-01 | 学校法人日本大学 | 口臭判定装置及びプログラム |
| CN111316095B (zh) * | 2017-11-09 | 2022-06-17 | 株式会社岛津制作所 | 波形分析装置 |
| EP3807005B1 (en) * | 2018-06-13 | 2023-10-25 | ThinkCyte K.K. | Methods and systems for cytometry |
| JP7201297B2 (ja) * | 2018-09-26 | 2023-01-10 | シスメックス株式会社 | フローサイトメーター、データ送信方法及び情報処理システム |
| JP2020139824A (ja) | 2019-02-27 | 2020-09-03 | ソニー株式会社 | 微小粒子解析装置、解析装置、解析プログラム、および微小粒子解析システム |
| JP7367343B2 (ja) | 2019-05-28 | 2023-10-24 | ソニーグループ株式会社 | 分取システム、及び分取方法 |
| US11841373B2 (en) * | 2019-06-28 | 2023-12-12 | Canon Kabushiki Kaisha | Information processing apparatus, method for controlling information processing apparatus, and program |
| JP2024509331A (ja) * | 2021-02-08 | 2024-02-29 | シー－スクエア バイオサイエンス ゲーエムベーハー | 微生物含有量を制御する装置および方法 |
| CN113419020A (zh) * | 2021-06-30 | 2021-09-21 | 成都师范学院 | 糖化血红蛋白重叠峰识别方法、装置、系统、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1322843A (zh) * | 2000-05-05 | 2001-11-21 | 朱学军 | 一种检测细胞内核酸的方法和装置 |
| CN1323395A (zh) * | 1998-10-20 | 2001-11-21 | 库尔特国际公司 | 鉴别网状细胞的试剂组合物和方法 |
| CN1970788A (zh) * | 2005-11-23 | 2007-05-30 | 郑芳 | 流式细胞仪－细胞内分子探针技术 |
| CN101846626A (zh) * | 2010-05-24 | 2010-09-29 | 天津商业大学 | 一种利用流式细胞仪检测腹腔吞噬细胞活性的方法 |
| US20140268102A1 (en) * | 2013-03-14 | 2014-09-18 | Abbott Laboratories | Methods for Detecting Coincident Sample Events, and Devices and Systems Related Thereto |
| EP2913656A1 (en) * | 2014-02-14 | 2015-09-02 | Palo Alto Research Center Incorporated | Determination of color characteristics of objects using spatially modulated light |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5452237A (en) * | 1994-02-28 | 1995-09-19 | Abbott Laboratories | Coincidence error correction system for particle counters |
| DK2309245T3 (en) | 2003-03-28 | 2016-01-04 | Inguran Llc | Methods for providing sex-sorted animal semen |
| JP4921356B2 (ja) * | 2005-03-29 | 2012-04-25 | シスメックス株式会社 | 癌・異型細胞および凝集粒子を弁別する方法および細胞分析装置 |
| US7457709B2 (en) * | 2005-12-20 | 2008-11-25 | Beckman Coulter, Inc. | Systems and methods for particle counting |
| US8209128B1 (en) * | 2007-02-21 | 2012-06-26 | Paul L. Gourley | Nanolaser spectroscopy and micro-optical resonators for detecting, analyzing, and manipulating bioparticles |
| EP2602613B1 (en) * | 2010-09-10 | 2017-02-22 | Olympus Corporation | Optical analysis method using optical intensity of single light-emitting particle |
| JP2013015357A (ja) * | 2011-07-01 | 2013-01-24 | Shimadzu Corp | フローサイトメータ |
| JP5712396B2 (ja) * | 2012-03-30 | 2015-05-07 | 公益財団法人神奈川科学技術アカデミー | イメージングセルソーター |
-
2016
- 2016-06-22 JP JP2016123226A patent/JP6790490B2/ja active Active
- 2016-07-25 CN CN201680052528.0A patent/CN108012553B/zh active Active
- 2016-07-25 US US15/759,173 patent/US11022537B2/en active Active
- 2016-07-25 EP EP16750498.4A patent/EP3300517B1/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1323395A (zh) * | 1998-10-20 | 2001-11-21 | 库尔特国际公司 | 鉴别网状细胞的试剂组合物和方法 |
| CN1322843A (zh) * | 2000-05-05 | 2001-11-21 | 朱学军 | 一种检测细胞内核酸的方法和装置 |
| CN1970788A (zh) * | 2005-11-23 | 2007-05-30 | 郑芳 | 流式细胞仪－细胞内分子探针技术 |
| CN101846626A (zh) * | 2010-05-24 | 2010-09-29 | 天津商业大学 | 一种利用流式细胞仪检测腹腔吞噬细胞活性的方法 |
| US20140268102A1 (en) * | 2013-03-14 | 2014-09-18 | Abbott Laboratories | Methods for Detecting Coincident Sample Events, and Devices and Systems Related Thereto |
| EP2913656A1 (en) * | 2014-02-14 | 2015-09-02 | Palo Alto Research Center Incorporated | Determination of color characteristics of objects using spatially modulated light |
Non-Patent Citations (2)
| Title |
|---|
| C.CREM: "Flow cytometry of chromosomes : principles and application in medicine and molecular biology", 《OPTIC,WISSENSCHAFTLICHE VERLAG GMBH,DE》 * |
| CHENG FRANK ZHONG: "Quantitative two-photon flow cytometry-in vitro and in vivo", 《JOURNAL OF BIOMEDICAL OPTICS》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109827944A (zh) * | 2019-02-27 | 2019-05-31 | 山东省食品药品检验研究院 | 一种阿德福韦酯片的鉴别方法 |
| CN117233053A (zh) * | 2023-11-13 | 2023-12-15 | 北京普能世纪科技有限公司 | 实现电解液监测的方法、系统、计算机存储介质及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017058361A (ja) | 2017-03-23 |
| US20180259440A1 (en) | 2018-09-13 |
| US11022537B2 (en) | 2021-06-01 |
| CN108012553B (zh) | 2021-05-04 |
| EP3300517B1 (en) | 2020-11-25 |
| JP6790490B2 (ja) | 2020-11-25 |
| EP3300517A1 (en) | 2018-04-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108012553A (zh) | 信息处理设备、信息处理方法和信息处理系统 | |
| US10061973B2 (en) | Method and apparatus for automated platelet identification within a whole blood sample from microscopy images | |
| US8885913B2 (en) | Detection of circulating tumor cells using imaging flow cytometry | |
| WO2017046988A1 (en) | Information processing apparatus, information processing method, and information processing system | |
| US6246785B1 (en) | Automated, microscope-assisted examination process of tissue or bodily fluid samples | |
| US8346483B2 (en) | Interactive and automated tissue image analysis with global training database and variable-abstraction processing in cytological specimen classification and laser capture microdissection applications | |
| JP7176697B2 (ja) | 細胞評価システム及び方法、細胞評価プログラム | |
| US20220082489A1 (en) | Methods and apparatus for full spectrum flow cytometer | |
| CN105210083A (zh) | 用于查验和分析细胞学标本的系统和方法 | |
| KR20140120321A (ko) | 조직 샘플들에 있어서의 유전자들을 검출하는 시스템 | |
| KR102122068B1 (ko) | 이미지 분석 시스템 및 분석 방법 | |
| JP4749637B2 (ja) | 画像解析方法、装置、及び記録媒体 | |
| Davidson et al. | Automated detection and staging of malaria parasites from cytological smears using convolutional neural networks | |
| JP2009122115A (ja) | 細胞画像解析装置 | |
| JP2020193877A (ja) | 分取装置、分取システム、及びプログラム | |
| CN112432902A (zh) | 一种外周血细胞形态学判别细胞数目的自动检测系统及方法 | |
| JP4271054B2 (ja) | 細胞画像解析装置 | |
| CN116046643B (zh) | 辅助诊断信息提供装置及血液分析系统 | |
| JP4500138B2 (ja) | 細胞画像解析方法 | |
| US20210278333A1 (en) | Methods and systems for adjusting a training gate to accommodate flow cytometer data | |
| Clocksin et al. | Automatic Analysis of Fluorescence In-Situ Hybridisation Images. | |
| US20240125689A1 (en) | Methods for classifying particles using images based on filtered layers and machine learning models and systems for same | |
| Lerner et al. | GELFISH–Graphical environment for labelling fluorescence in‐situ hybridization images | |
| US20220155209A1 (en) | Method for Optimal Scaling of Cytometry Data for Machine Learning Analysis and Systems for Same | |
| US20230384220A1 (en) | Information processing apparatus, information processing method, and program |
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 |