CN109117796A - 碱基识别方法及装置、生成彩色图像的方法及系统 - Google Patents
碱基识别方法及装置、生成彩色图像的方法及系统 Download PDFInfo
- Publication number
- CN109117796A CN109117796A CN201810939942.4A CN201810939942A CN109117796A CN 109117796 A CN109117796 A CN 109117796A CN 201810939942 A CN201810939942 A CN 201810939942A CN 109117796 A CN109117796 A CN 109117796A
- Authority
- CN
- China
- Prior art keywords
- base
- luminous point
- image
- spot
- color information
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Vascular Medicine (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种碱基识别方法及装置、生成彩色图像的方法及系统、计算机设备和计算机存储介质,一个实施例中的方法包括:获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得;对所述彩色碱基图像进行碱基识别,获得碱基识别结果。本实施例方案无需复杂的光学硬件系统,就可以实现对碱基的识别,简化了识别方案且该提高了效率。
Description
技术领域
本申请涉及分子生物学、光学以及计算科学技术领域,尤其涉及核酸检测技术领域,特别是涉及一种碱基识别方法、一种碱基识别装置、一种生成彩色图像的方法、一种生成彩色图像的系统、一种计算机设备和一种计算机存储介质。
背景技术
碱基识别是高通量基因测序的核心环节,它主要是指从含有碱基信息的荧光点图中获得基因序列信息。现有技术普遍采用多个单色相机配合其特定的分光棱镜采集荧光信号,主要通过判定单色图像中不同荧光点的强度来识别碱基。然而目前的碱基识别方式复杂且效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种碱基识别方法及装置、生成彩色图像的方法及系统、计算机设备和计算机存储介质。
一种碱基识别方法,所述方法包括:
获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得;
对所述彩色碱基图像进行碱基识别,获得碱基识别结果。
一个实施例中,对彩色碱基图像进行碱基识别,获得碱基识别结果,包括:确定所述彩色碱基图像的各光点的第一光点颜色信息;基于各光点的第一光点颜色信息,确定各碱基类别对应的第一参考颜色信息;基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,所述第一碱基识别结果包括所述彩色碱基图像中的光点所属的碱基类别。
一个实施例中,确定所述彩色碱基图像的各光点的第一光点颜色信息,包括:确定所述彩色碱基图像的各光点的光点位置信息,所述光点位置信息包括光点中心像素;基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息。
一个实施例中,确定所述彩色碱基图像的各光点的光点位置信息,包括:检测所述彩色碱基图像中的各光点的图像边缘,并确定图像边缘的曲率半径;基于各光点的图像边缘,确定各光点的光点中心像素的位置坐标,所述光点位置信息包括所述图像边缘的曲率半径以及所述光点中心像素的位置坐标。
一个实施例中,确定所述彩色碱基图像的各光点的光点位置信息,还包括:在检测所述彩色碱基图像中的各光点的图像边缘之前,对所述彩色碱基图像进行图像锐化处理。
一个实施例中,确定所述彩色碱基图像的各光点的光点位置信息之前,还包括步骤:对预定列数的各小区的图像进行图像拼接,获得预定列数全景图像;
此时,确定所述彩色碱基图像的各光点的光点位置信息,包括:确定所述预定列数全景图像中的各光点的光点位置信息。
一个实施例中的所述预定列数为一条泳道对应的列数。
一个实施例中,基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息,包括:任意一个光点的第一光点颜色信息,为该光点的光点中心像素以及该光点中心像素的N邻域像素的颜色信息的平均值,所述颜色信息包括RGB值和强度值。
一个实施例中,确定所述彩色碱基图像的各光点的光点位置信息之后,还包括步骤:在识别出的光点中心像素的周围绘制预定图形。
一个实施例中,还包括步骤:将确定的各光点的光点位置信息进行存储。
一个实施例中,基于各光点的光点颜色信息,确定各碱基类别对应的第一参考颜色信息,包括:确定主窗口内的预定数目个光点,所述预定数目个光点的第一光点颜色信息之间的差值在指定范围内;将所述预定数目个光点的第一光点颜色信息的平均值,确定为相应碱基类别对应的第一参考颜色信息。
一个实施例中,基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,包括:将光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息进行第一比对分析,获得第一比对分析结果;基于第一比对分析结果,确定该光点所属的碱基类别,获得第一碱基识别结果。
一个实施例中,在确定第一碱基识别结果之后,还包括步骤:确定各第一碱基识别结果的准确率。
一个实施例中,确定各第一碱基识别结果的准确率,包括:确定各第一碱基识别结果的第一质量分数,所述第一质量分数与准确率正相关。
一个实施例中,确定各第一碱基识别结果的第一质量分数之后,还包括:在所述第一质量分数大于或者等于第一阈值时,基于第一打分规则确定第一质量分数对应的第一碱基识别结果的准确率;在所述第一质量分数小于第二阈值时,对第一质量分数对应的光点进行图像处理,获得图像处理后的光点;确定所述图像处理后的光点的第二光点颜色信息,并基于各光点的第二光点颜色信息,重新确定该图像处理后的光点所属的碱基类别,获得该图像处理后的光点的第二碱基识别结果;确定第二碱基识别结果的第二质量分数,并基于第二质量分数确定第二碱基识别结果的准确率。
一个实施例中的所述第一打分规则包括:将所述第一质量分数,确定为对应的第一碱基识别结果的准确率。
一个实施例中的所述第一阈值与第二阈值相同。
一个实施例中,所述图像处理包括:采用滤色算法进行滤色处理,或者采用相位统计算法进行处理。
一个实施例中,基于第二质量分数确定第二碱基识别结果的准确率,包括:在所述第二质量分数大于或者等于所述第一阈值时,基于第二打分规则确定该第二质量分数对应的第二碱基识别结果的准确率;在所述第二质量分数小于第二阈值时,不对该第二质量分数对应的第二碱基识别结果的准确率进行打分,或者基于第三打分规则确定该第二质量分数对应的第二碱基识别结果的准确率。
一个实施例中的第二打分规则包括:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第一预定数值。
一个实施例中的第三打分规则包括:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第二预定数值,第二预定数值小于第一预定数值。
一个实施例中,所述获取彩色碱基图像,包括:
采集携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号;
对采集的光学信号进行彩色成像,获得所述彩色碱基图像。
一种生成彩色图像的方法,所述方法包括:
通过混合波长激光光束照射携带荧光标记的碱基,使得携带荧光标记的碱基在混合波长激光光束的照射下发射光学信号;
采集所述光学信号;
对采集的光学信号进行彩色成像,获得彩色碱基图像。
一个实施例中,在采集所述光学信号之前,还包括步骤:
过滤所述光学信号中,所述混合波长激光光束散射的激光信号。
一种碱基识别装置,包括:
图像获取模块,用于获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得;
图像识别模块,用于对所述彩色碱基图像进行碱基识别,获得碱基识别结果。
一个实施例中,所述图像识别模块包括:
光点颜色确定模块,用于确定所述彩色碱基图像的各光点的第一光点颜色信息;
参考颜色确定模块,用于基于各光点的第一光点颜色信息,确定各碱基类别对应的第一参考颜色信息;
碱基识别模块,用于基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,所述第一碱基识别结果包括所述彩色碱基图像中的光点所属的碱基类别。
一个实施例中,所述光点颜色确定模块,包括:
光点位置确定模块,用于确定所述彩色碱基图像的各光点的光点位置信息,所述光点位置信息包括光点中心像素;
颜色信息确定模块,用于基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息。
一个实施例中,所述光点位置确定模块,包括:
边缘检测模块,用于检测所述彩色碱基图像中的各光点的图像边缘,并确定图像边缘的曲率半径;
中心像素确定模块,用于基于各光点的图像边缘,确定各光点的光点中心像素的位置坐标,所述光点位置信息包括所述图像边缘的曲率半径以及所述光点中心像素的位置坐标。
一个实施例中,所述光点位置确定模块,还包括:锐化处理模块,用于对所述彩色碱基图像进行图像锐化处理,获得锐化处理后图像;
所述边缘检测模块,检测所述锐化处理后图像中的各光点的图像边缘。
一个实施例中,还包括:图像拼接模块,用于对预定列数的各小区的图像进行图像拼接,获得预定列数全景图像;
所述光点位置确定模块,用以确定所述预定列数全景图像中的各光点的光点位置信息。
一个实施例中,所述预定列数为一条泳道对应的列数。
一个实施例中,所述颜色信息确定模块,用以将光点的中心像素以及该光点中心像素的N邻域像素的颜色信息的平均值,确定为该光点的第一光点颜色信息,所述颜色信息包括RGB值和强度值。
一个实施例中,还包括:光点绘制模块,用以在识别出的光点中心像素的周围绘制预定图形。
一个实施例中,还包括:
存储模块,用以将确定的各光点的光点位置信息进行存储。
一个实施例中,所述参考颜色确定模块,确定主窗口内的预定数目个光点,所述预定数目个光点的第一光点颜色信息之间的差值在指定范围内;并将所述预定数目个光点的第一光点颜色信息的平均值,确定为相应碱基类别对应的第一参考颜色信息。
一个实施例中,所述碱基识别模块,将光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息进行第一比对分析,获得第一比对分析结果;基于第一比对分析结果,确定该光点所属的碱基类别,获得第一碱基识别结果。
一个实施例中,还包括:准确率确定模块,用于确定各第一碱基识别结果的准确率。
一个实施例中,所述准确率确定模块,包括:
质量判定模块,用于确定各第一碱基识别结果的第一质量分数;
确定模块,用于基于所述第一质量分数,确定准确率,所述第一质量分数与准确率正相关。
一个实施例中,所述确定模块,在所述第一质量分数大于或者等于第一阈值时,基于第一打分规则确定第一质量分数对应的第一碱基识别结果的准确率。
一个实施例中,还包括图像处理模块,用于在所述第一质量分数小于第二阈值时,对第一质量分数对应的光点进行图像处理,获得图像处理后的光点;
光点颜色确定模块,还用于确定图像处理后的光点的第二光点颜色信息;
碱基识别模块,还用于基于各光点的第二光点颜色信息,重新确定该图像处理后的光点所属的碱基类别,获得该图像处理后的光点的第二碱基识别结果;
所述质量判定模块,还用于确定第二碱基识别结果的第二质量分数;
所述确定模块,还用于基于第二质量分数确定第二碱基识别结果的准确率。
一个实施例中,所述第一打分规则包括:将所述第一质量分数,确定为对应的第一碱基识别结果的准确率。
一个实施例中,所述第一阈值与第二阈值相同。
一个实施例中,所述图像处理模块,采用滤色算法对第一质量分数对应的光点进行滤色处理,或者采用相位统计算法对第一质量分数对应的光点进行处理。
一个实施例中,所述确定模块:
在所述第二质量分数大于或者等于所述第一阈值时,基于第二打分规则确定该第二质量分数对应的第二碱基识别结果的准确率;
在所述第二质量分数小于第二阈值时,不对该第二质量分数对应的第二碱基识别结果的准确率进行打分,或者基于第三打分规则确定该第二质量分数对应的第二碱基识别结果的准确率。
一个实施例中的第二打分规则包括:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第一预定数值;
一个实施例中,第三打分规则包括:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第二预定数值,所述第二预定数值小于所述第一预定数值。
一种生成彩色图像的系统,所述系统包括:
激光光源系统,用以生成混合波长激光光束;
信号采集系统,用以采集携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号,并对采集的光学信号进行彩色成像,获得彩色碱基图像。
一个实施例中,所述激光光源系统包括:生成混合波长的激光光束的激光光源,以及扩束聚焦镜片组,所述激光光源和所述扩束聚焦镜片组通过光纤连接,所述混合波长的激光光束经所述光纤传输至所述扩束聚焦镜片组进行整形。
一个实施例中,所述激光光源包括:至少两个单色激光器,分别与各单色激光器对应的单色聚焦镜,混合波长聚焦镜,以及合光镜,各单色激光器发射的单色波长激光互不相同,各单色激光器发出的单色波长激光,经对应的聚焦镜聚焦后,通过合光镜混合为初始混合波长激光光束,所述初始混合波长激光光束经所述混合波长聚焦镜聚焦后,获得所述混合波长激光光束。
一个实施例中,所述激光光源还包括反射镜,经对应的聚焦镜聚焦后的单色波长激光,直接到达所述混合波长聚焦镜,或者经对应的反射镜,到达所述混合波长聚焦镜。
一个实施例中,所述合光镜为反蓝透绿透红合光镜。
一个实施例中,所述激光光源系统还包括:全反射镜和二向色镜,所述混合波长激光光束经所述全反射镜和所述二向色镜的反射后,传输至显微物镜。
一个实施例中,所述信号采集系统包括:信号传输子系统和信号捕获子系统,所述信号传输子系统用以将所述光学信号传输至信号捕获子系统,所述信号捕获子系统用以捕获所述光学信号并进行彩色成像,获得所述彩色碱基图像。
一个实施例中,所述信号传输子系统包括:显微物镜、二向色镜、管镜以及全反射镜,所述显微物镜对携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号进行聚集放大,聚焦放大后的光学信号通过所述二向色镜后,经所述管镜会聚并传输至全反射镜,所述显微物镜与所述管镜相匹配。
一个实施例中,所述信号传输子系统还包括带通滤光片,用以过滤经所述全反射镜全反射后的光学信号中,所述混合波长激光光束散射的激光信号。
一个实施例中,所述信号捕获子系统包括:信号捕获/转换元件。
一个实施例中,所述信号捕获/转换元件为彩色相机。
一个实施例中,所述信号采集系统包括对焦子系统,所述对焦子系统用以控制显微物镜的物平面自动聚焦在流通池的核苷酸平面上。
一个实施例中,所述系统还包括:信号生成系统,用以生成光学信号,所述光学信号由所述携带荧光标记的碱基发出。
一个实施例中,所述信号生成系统包括流通池。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现如上所述的方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的彩方法的步骤。
如上所述的实施例中的碱基识别方法及装置、生成彩色图像的方法及系统、计算机设备和存储介质,其在通过对携带荧光标记的碱基发射出的光学信号进行彩色成像,并针对获得的彩色碱基信号进行碱基识别,从而其无需复杂的光学硬件系统,就可以实现对碱基的识别,简化了识别方案且该提高了效率。
附图说明
图1为一个实施例中的碱基识别方法的流程环境图;
图2为一个实施例中的获得碱基识别结果的流程示意图;
图3为一个实施例中的确定光点颜色信息的流程示意图;
图4为一个实施例中的确定参考颜色信息的流程示意图;
图5为一个实施例中的生成彩色图像的方法的处理流程示意图;
图6为一个实施例中的碱基识别装置的模块结构示意图;
图7为一个实施例中的图像识别模块的模块结构示意图;
图8为一个实施例中的碱基识别中生成彩色图像的系统的结构示意图;
图9为一个实施例中的碱基识别系统的结构示意图;
图10是一个实施例中的检测出的光点边缘的示意图;
图11是一个实施例中的确定出的光点中心像素后并绘制图形后的示意图;
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
参考图1所示,一个实施例中的彩色碱基识别方法,包括下述步骤S11至步骤S12。
步骤S11:获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得。
在一个实施例中,上述彩色碱基图像,可以通过下述方式获得:采集携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号;对采集的光学信号进行彩色成像,获得所述彩色碱基图像。
步骤S12:对所述彩色碱基图像进行碱基识别,获得碱基识别结果。
一个实施例中,上述对所述彩色碱基图像进行碱基识别,获得碱基识别结果的过程,可包括下述步骤S121至步骤S123。
步骤S121:确定所述彩色碱基图像的各光点的第一光点颜色信息。
在确定所述彩色碱基图像的各光点的第一光点颜色信息的方式,可以包括下述步骤S1211与步骤S1212。
步骤S1211:确定所述彩色碱基图像的各光点的光点位置信息,所述光点位置信息包括光点中心像素。
一个实施例中,在确定所述彩色碱基图像的各光点的光点位置信息之前,还可以包括步骤:对预定列数的各小区的图像进行图像拼接,获得预定列数全景图像。一个实施例中,典型的flow cell(流通池)一般包括8条横向的泳道(channel),而每个泳道又划分为2-3个列(column),每个column又划分为多个tile(小区)。在采集图像时,一般是每个tile获得一个图片,将一个列的所有小区的图片拼接,即可获得单列全景图。本申请的一个实施例中的预定列数为一条泳道对应的列数。当然,在一些实施例中在进行图像拼接时,也可以是拼接其他列数的所有小区的图像。
此时,在上述确定所述彩色碱基图像的各光点的光点位置信息时,确定的是上述预定列数全景图像中的各光点的光点位置信息。
一个实施例中在确定所述彩色碱基图像的各光点的光点位置信息时,可以采用下述方式进行。
首先,检测所述彩色碱基图像中的各光点的图像边缘。
在检测所述彩色碱基图像中的各光点的图像边缘时,可以采用任何的可以用以检测图像边缘的方法进行,一个实施例中可以通过使用Canny边缘检测算法识别出彩色碱基图像中的每个光点的边缘,在识别出彩色碱基图像中的每个光点的边缘之后,还可以计算出识别出的光点的边缘的宽度。
一个实施例中,在检测所述彩色碱基图像中的各光点的图像边缘之前,还可以对所述彩色碱基图像进行图像锐化处理。此时,在检测所述彩色碱基图像中的各光点的图像边缘时,是识别出图像锐化处理后的彩色碱基图像中的每个光点的边缘,同时可计算出识别出的光点的边缘的曲率半径。
其次,基于各光点的图像边缘,确定各光点的光点中心像素的位置坐标,所述光点位置信息包括所述图像边缘的曲率半径以及所述光点中心像素的位置坐标。
在已经获得光点的图像边缘的曲率半径情况下,确定各光点的光点中心像素位置坐标时,可以采用任何可能的方式进行,本申请实施例不做具体限定。
在确定各光点的光点中心像素之后,还可以在该识别出的光点中心像素的周围绘制预定图形,例如绘制圆形,以突出显示光点。
另一方面,在上述获得光点位置信息之后,还可以进一步将确定的各光点的光点位置信息进行存储。以便于在后续需要应用到光点位置信息时,可以提取出光点位置信息进行应用。一个实施例中,可以是通过建立注册文件存储各光点的位置信息。
步骤S1212:基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息。
一个实施例中,任意一个光点的第一光点颜色信息,可以为该光点的中心像素以及该光点中心像素的N邻域像素的颜色信息的平均值,所述颜色信息包括RGB值和强度值。其中,N可以是大于0的自然数,具体取值可以结合实际技术应用需要进行设定,一个实施例中的N可以取值为8,此时,光点的第一光点颜色信息,为该光点的光点中心像素和与光点中点像素相邻的8个像素(即该中心像素的8邻域像素)的RGB值和强度值的平均值。
步骤S122:基于各光点的第一光点颜色信息,确定各碱基类别对应的第一参考颜色信息。
一个实施例中,在基于各光点的光点颜色信息,确定各碱基类别对应的第一参考颜色信息时,可以包括下述步骤S1221和步骤S1222。
步骤S1221:确定主窗口内的预定数目个光点,所述预定数目个光点的第一光点颜色信息之间的差值在指定范围内。
其中,这里的第一光点颜色信息之间的差值在指定范围内,在一个实施例中,可以是指各第一光点颜色信息完全相同,即RGB值和强度值均相同,在另一个实施例中,也可以是各第一光点颜色信息部分相同,例如RGB值相同,而强度值不同,当然,在其他实施例中,对该指定范围也可以做不同的设定。
预定数目的取值可以结合实际技术需要进行设定,一般来讲,预定数目的取值越大,使用的光点数越多,包含的色相和色度信息越多,碱基识别越准确。一个实施例中的预定数目的值可以设定为10、100、1000或者10000等。
步骤S1222:将所述预定数目个光点的第一光点颜色信息的平均值,确定为相应碱基类别对应的第一参考颜色信息。一个实施例中的平均值可以是该预定数目个光点的第一光点颜色信息的平均数,也可以是该预定数目个光点的第一光点颜色信息的加权平均值。
如上所述,第一光点颜色信息包括RGB值和强度值,从而可以通过计算这预定数目个光点的平均RGB值和平均强度值,并将获得的平均RGB值和平均强度值作为相应的碱基颜色对应的第一参考颜色信息。可以理解,对应不同的碱基,其对应的颜色会不同,从而会分别对应有各自的第一参考颜色信息。
步骤S123:基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,所述第一碱基识别结果包括所述彩色碱基图像中的光点所属的碱基类别。
一个实施例中,在确定第一碱基识别结果时,可以采用下述方式进行:将光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息进行第一比对分析,获得第一比对分析结果;基于第一比对分析结果,确定该光点所属的碱基类别,获得第一碱基识别结果。
参考图2所示,在另一个实施例中,在上述获得碱基识别结果之后,还可以包括步骤:
步骤S124:确定各第一碱基识别结果的准确率。
一个实施例中,在确定各第一碱基识别结果的准确率时,可以通过确定各第一碱基识别结果的第一质量分数,据此确定第一碱基识别结果的准确率,其中所述第一质量分数与准确率正相关。一个实施例中,可以采用phred算法计算各质量分数(Q score),检测碱基识别的准确率。基于phred算法,计算获得的Q值越高,准确率越高。通过对评估获得的准确率进行比对,本申请实施例的碱基识别结果的准确率高于单色相机系统的准确率。
一个实施例中,在所述第一质量分数大于或者等于第一阈值时,基于第一打分规则确定第一质量分数对应的第一碱基识别结果的准确率。一个实施例中的该第一打分规则可以包括:将所述第一质量分数,确定为对应的第一碱基识别结果的准确率。
一个实施例中,在所述第一质量分数小于第二阈值时,可以执行如下步骤A1至A3。其中,所述第一阈值与所述第二阈值的值可以相同。
A1:对第一质量分数对应的光点进行图像处理,获得图像处理后的光点。一个实施例中的图像处理,可以是采用滤色算法对第一质量分数对应的光点进行滤色处理,或者采用相位统计算法进行处理。
A2:确定所述图像处理后的光点的第二光点颜色信息,并基于各光点的第二光点颜色信息,重新确定该图像处理后的光点所属的碱基类别,获得该图像处理后的光点的第二碱基识别结果。
一个实施例中的确定第二光点颜色信息、获得第二碱基识别结果的方式,可以与上述确定第一光点颜色信息、获得第一碱基识别结果的原理相同。
A3:确定第二碱基识别结果的第二质量分数,并基于第二质量分数确定第二碱基识别结果的准确率。
一个实施例中,基于第二质量分数确定第二碱基识别结果的准确率时,可以采用下述方式进行。
在所述第二质量分数大于或者等于所述第一阈值时,基于第二打分规则确定该第二质量分数对应的第二碱基识别结果的准确率。一个实施例中的第二打分规则,可以是将该第二质量分数对应的第二碱基识别结果的准确率,设定为第一预定数值。
在所述第二质量分数小于第二阈值时,不对该第二质量分数对应的第二碱基识别结果的准确率进行打分,或者基于第三打分规则确定该第二质量分数对应的第二碱基识别结果的准确率。一个实施例中的第三打分规则可以是:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第二预定数值,所述第二预定数值小于所述第一预定数值。
参考图5所示,一个实施例中的碱基识别中生成彩色图像的方法,包括下述步骤S51和步骤S52。
步骤S51:通过混合波长激光光束照射携带荧光标记的碱基,使得携带荧光标记的碱基在混合波长激光光束的照射下发射光学信号。
步骤S52:采集所述光学信号,对采集的光学信号进行彩色成像,获得彩色碱基图像。
一个实施例中,在采集所述光学信号之前,还可以进一步过滤所述光学信号中,所述混合波长激光光束散射的激光信号。由于混合波长激光光束照射携带荧光标记的碱基时,可能会有一部分散射的激光信号,连同碱基发射的荧光信号一同传输至成像器件,通过过滤掉这部分散射的激光信号,使得最终采集获得的光学信号只保留碱基发射的荧光信号,有助于提高获得的彩色碱基图像的质量。
基于与如上所述的碱基识别方法相同的思想,参考图6所示,一个实施例中的碱基识别装置,包括图像获取模块61和图像识别模块62。
图像获取模块61,用于获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得。
在一个实施例中,上述彩色碱基图像,可以通过下述方式获得:采集携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号;对采集的光学信号进行彩色成像,获得所述彩色碱基图像。
图像识别模块62,用于对所述彩色碱基图像进行碱基识别,获得碱基识别结果。
参考图7所示,一个实施例中的图像识别模块包括光点颜色确定模块621、参考颜色确定模块622和碱基识别模块623。
光点颜色确定模块621,用于确定所述彩色碱基图像的各光点的第一光点颜色信息。
一个实施例中的光点颜色确定模块621,可以包括光点位置确定模块和颜色信息确定模块。
光点位置确定模块,用于确定所述彩色碱基图像的各光点的光点位置信息,所述光点位置信息包括光点中心像素。
颜色信息确定模块,用于基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息。
参考图7所示,一个实施例中的图像识别模块还包括:图像拼接模块,用于对预定列数的各小区的图像进行图像拼接,获得预定列数全景图像。一个实施例中的预定列数可以为一条泳道对应的列数。其中,该图像拼接模块可以是一个独立的模块,也可以是嵌入在光点颜色确定模块621或者光点位置确定模块中,作为光点颜色确定模块621或者光点位置确定模块的一部分。
此时,上述光点位置确定模块,用以确定所述预定列数全景图像中的各光点的光点位置信息。
一个实施例中的该光点位置确定模块,包括:
边缘检测模块,用于检测所述彩色碱基图像中的各光点的图像边缘,并确定图像边缘的曲率半径;
中心像素确定模块,用于基于各光点的图像边缘,确定各光点的光点中心像素的位置坐标,所述光点位置信息包括所述图像边缘的曲率半径以及所述光点中心像素的位置坐标。
在一个实施例中,该光点位置确定模块,还可以包括:锐化处理模块,用于对所述彩色碱基图像进行图像锐化处理,获得锐化处理后图像。
此时,上述边缘检测模块,检测所述锐化处理后图像中的各光点的图像边缘。
颜色信息确定模块,用于基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息。
一个实施例中的颜色信息确定模块,用以将光点的中心像素以及该光点中心像素的N邻域像素的颜色信息的平均值,确定为该光点的第一光点颜色信息,所述颜色信息包括RGB值和强度值。
一个实施例中的该装置还可以包括光点绘制模块,用以在识别出的光点中心像素的周围绘制预定图形。一个实施例中的该装置还可以包括存储模块,用以将确定的各光点的光点位置信息进行存储。可以理解,在其他的实施例中,也可以同时包括上述光点绘制模块和上述存储模块。
参考颜色确定模块622,用于基于各光点的第一光点颜色信息,确定各碱基类别对应的第一参考颜色信息。
一个实施例中,参考颜色确定模块622,通过确定主窗口内的预定数目个光点,所述预定数目个光点的第一光点颜色信息之间的差值在指定范围内;并将所述预定数目个光点的第一光点颜色信息的平均值,确定为相应碱基类别对应的第一参考颜色信息。
碱基识别模块623,用于基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,所述第一碱基识别结果包括所述彩色碱基图像中的光点所属的碱基类别。
一个实施例中,该碱基识别模块623,将光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息进行第一比对分析,获得第一比对分析结果;基于第一比对分析结果,确定该光点所属的碱基类别,获得第一碱基识别结果。
参考图7所示,一个实施例中的图像识别模块,还可以包括准确率确定模块624,用于确定各第一碱基识别结果的准确率。
一个实施例中,该准确率确定模块624,可以包括:
质量判定模块,用于确定各第一碱基识别结果的第一质量分数;
确定模块,用于基于所述第一质量分数,确定准确率,所述第一质量分数与准确率正相关。
其中,该确定模块,在所述第一质量分数大于或者等于第一阈值时,基于第一打分规则确定第一质量分数对应的第一碱基识别结果的准确率。一个实施例中的第一打分规则,可以是将所述第一质量分数,确定为对应的第一碱基识别结果的准确率。
一个实施例中的图像识别模块,还可以包括图像处理模块,用于在所述第一质量分数小于第二阈值时,对第一质量分数对应的光点进行图像处理,获得图像处理后的光点。其中,该第二阈值可以与第一阈值相同。一个实施例中的该图像处理模块,可以采用滤色算法对第一质量分数对应的光点进行滤色处理,也可以采用相位统计算法对第一质量分数对应的光点进行处理,或者采用其他的算法进行处理。
此时,上述光点颜色确定模块,还用于确定所述图像处理后的光点的第二光点颜色信息。上述所述碱基识别模块,还用于基于各光点的第二光点颜色信息,重新确定该图像处理后的光点所属的碱基类别,获得该图像处理后的光点的第二碱基识别结果。相应地,上述质量判定模块,还用于确定第二碱基识别结果的第二质量分数,上述确定模块,还用于基于第二质量分数确定第二碱基识别结果的准确率。
一个实施例中,上述确定模块,在所述第二质量分数大于或者等于所述第一阈值时,基于第二打分规则确定该第二质量分数对应的第二碱基识别结果的准确率。一个实施例中的第二打分规则可以包括:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第一预定数值。
一个实施例中,上述确定模块,在所述第二质量分数小于第二阈值时,不对该第二质量分数对应的第二碱基识别结果的准确率进行打分,或者基于第三打分规则确定该第二质量分数对应的第二碱基识别结果的准确率。一个实施例中的第三打分规则可以包括:将该第二质量分数对应的第二碱基识别结果的准确率,设定为第二预定数值,所述第二预定数值小于所述第一预定数值。
参考图8、9所示,一个实施例中的碱基识别中生成彩色图像的系统,所述系统包括:
激光光源系统,用以生成混合波长激光光束;
信号采集系统,用以采集携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号,并对采集的光学信号进行彩色成像,获得彩色碱基图像。
参考图9所示,一个实施例中的激光光源系统包括:生成混合波长的激光光束的激光光源101,以及扩束聚焦镜片组103,其中,激光光源101和扩束聚焦镜片组103通过光纤102连接,激光光源101生成的混合波长的激光光束经光纤102传输至所述扩束聚焦镜片组103进行整形。
参考图9所示,一个实施例中的该激光光源101包括:至少两个单色激光器,分别与各单色激光器对应的单色聚焦镜,混合波长聚焦镜125,以及合光镜,各单色激光器发射的单色波长激光互不相同,各单色激光器发出的单色波长激光,经对应的聚焦镜聚焦后,通过合光镜混合为初始混合波长激光光束,所述初始混合波长激光光束经混合波长聚焦镜聚焦后,获得所述混合波长激光光束。
一个实施例中,参考图9所示,该激光光源还包括反射镜,经对应的聚焦镜聚焦后的单色波长激光,直接到达所述混合波长聚焦镜,或者经对应的反射镜,到达所述混合波长聚焦镜。
参考图9所示,在一个具体示例中,该激光光源101包括:三个单色激光器(第一单色激光器111、第二单色激光器121、第三单色激光器131),分别与各单色激光器对应的聚焦镜(第一聚焦镜112、第二聚焦镜122、第三聚焦镜132),第一反射镜113,第一合光镜123,第二反射镜133,第二合光镜124以及混合波长聚焦镜125。其中,第一单色激光器111、第二单色激光器121、第三单色激光器131发出的激光的波长各不相同,例如三种激光的波长可以分别是465nm(纳米)、532nm和660nm。一个实施例中的第一合光镜123可以是反红透绿合光镜,一个实施例中的第二合光镜124可以是反蓝透绿透红合光镜。
第一单色激光器111发出的第一种波长的单色激光经对应的第一聚焦镜112会聚、并经第一反射镜113反射之后,通过反蓝透绿透红合光镜124。第二单色激光器121发出的第二种波长的单色激光经对应的第二聚焦镜122会聚后,通过反红透绿合光镜123与反蓝透绿透红合光镜124。第三单色激光器121发出的第三种波长的单色激光131激光经对应的第三聚焦镜132会聚、并经第二反射镜133反射之后,通过反红透绿合光镜123和反蓝透绿透红合光镜124。三种波长的单色激光通过反蓝透绿透红合光镜124之后,合成一束混合波长激光光束到达混合波长聚焦镜125。基于该激光光源的设计,使得3种不同波长的单色光生成混合波长的激光光束,该混合波长的激光光束可在一个光纤中传输,同时可使得光均匀分布。
参考图9所示,一个实施例中的激光光源系统还包括:全反射镜104和二向色镜105,所述混合波长激光光束经所述全反射镜104和所述二向色镜105的反射后,传输至显微物镜201。
一个实施例中的信号采集系统包括:信号传输子系统和信号捕获子系统,其中,信号传输子系统用以将所述光学信号传输至信号捕获子系统,信号捕获子系统用以捕获所述光学信号并进行彩色成像,获得所述彩色碱基图像。
参考图9所示,一个实施例中的信号传输子系统包括:显微物镜201、二向色镜105、管镜202以及全反射镜203,其中,显微物镜201对携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号进行聚集放大,聚焦放大后的光学信号通过二向色镜105后,经管镜202会聚并传输至全反射镜203,显微物镜201与管镜202相匹配。
一个实施例中的该信号传输子系统还可以包括带通滤光片204,该带通滤光片204用以过滤经所述全反射镜全反射后的光学信号中,所述混合波长激光光束散射的激光信号。
一个实施例中的该信号捕获子系统,可以包括信号捕获/转换元件205。该信号捕获/转换元件205为彩色相机等任何可以捕获光学信号并进行彩色成像的元件,彩色相机可以是例如彩色CCD相机、彩色CMOS相机或彩色sCMOS相机等。彩色相机的个数为一个。一个实施例中,彩色相机的扫描模式可以采用帧采集模式或者线扫描模式。一个实施例中,彩色相机可以采用静止成像模式或者移动成像模式进行彩色成像。
一个实施例中,上述信号采集系统还可以包括对焦子系统,该对焦子系统用以控制显微物镜的物平面自动聚焦在流通池的核苷酸平面上。参考图9所示,一个实施例中的对焦子系统包括ATF传感器和步进电机,在ATF传感器和步进电机的共同控制下,控制显微物镜201的物平面自动聚焦在流通池000的核苷酸平面上。
一个实施例中,上述信号采集系统还可以包括信号生成系统,用以生成所述携带荧光标记的碱基。一个实施例中,该信号生成系统可以包括流通池。一个具体示例中的流通池可以是基因芯片样品000。工作时,传输至显微物镜201的混合波长激光光束100均匀照射在流通池中,激发出碱基携带的不同光谱特性的荧光。
基于如上所述的实施例,以下结合一个应用示例进行举例说明。如图9所示,一个应用示例中对碱基进行识别时,涉及激光光源系统、信号生成系统、信号采集系统以及信号识别系统。
参考图9所示,一个实施例中的激光光源系统包括激光光源101、光纤102、扩束聚焦镜片组103,还可以包括全反射镜104和二向色镜105。其中,激光光源101中配置有三个单色激光器,三个单色激光器发出的激光的波长各不相同,例如三种激光的波长可以分别是465nm(纳米)、532nm和660nm。其中一种波长的单色激光111经对应的聚焦镜112会聚、并经反射镜113反射之后,通过反蓝透绿透红合光镜124。另一种波长的单色激光121经对应的聚焦镜122会聚后,通过反红透绿合光镜123与反蓝透绿透红合光镜124。第三种波长的单色激光131激光经对应的聚焦镜132会聚、并经反射镜133反射之后,通过反红透绿合光镜123和反蓝透绿透红合光镜124。三种波长的三色激光通过反蓝透绿透红合光镜124之后,合成一束混合波长激光光束到达聚焦镜125。基于该激光光源的设计,使得3种不同波长的单色光生成混合波长的激光光束,该混合波长的激光光束可在一个光纤中传输,同时可使得光均匀分布。
该混合波长的激光光束经过聚焦镜125的聚焦耦合之后,进入光纤102传输。光纤102将激光传输至扩束聚焦镜片组103进行整形,形成整形后的混合波长激光光束100。该整形后的混合波长激光光束100可直接传输进入显微物镜201。
在一个实施例中,该整形后的混合波长激光光束100,也可以是经全反射镜104与二向色镜105连续两次45度反射后,再传输进入显微物镜201。
信号生成系统用以生成光学信号,所述光学信号由带有荧光标记的碱基发出。一个实施例中,信号生成系统可以包含如图9所示的流通池000,该流通池在一个示例中可以是基因芯片样品。流通池中包括种在介质上的核酸模板链,测序时,加入引物、酶、荧光染料标记及末端封闭的核苷酸,与模板链发生引物延伸反应,每次延伸一个核苷酸,核苷酸发出荧光,识别出核苷酸碱基。不同种类的核苷酸连接不同种类荧光染料,激发出不同颜色。一个实施例中,可以是Cy3与A连接、Cy5与C连接、iFlour488与T连接。在一些实施例中,也可以采用其他使用的染料,例如Cy3.5、Cy5.5、cybr green等。工作时,传输至显微物镜201的混合波长激光光束100均匀照射在流通池中,激发出碱基携带的不同光谱特性的荧光。
一个实施例中,在生成或获得带有荧光标记的生物样品时,可以采用下述方式进行:
制备好测序用单链后,在流通池中加入测序引物。
将测序试剂加入流通池,一个实施例中可以包括染料标记及3’封闭的三磷酸核苷酸(dATP,dCTP,dGTP和dTTP),镁离子,聚合酶,以进行新链的核苷酸延伸,且一次延伸一个核苷酸。其中碱基A、G、C、T可指代腺嘌呤核苷酸、鸟嘌呤核苷酸、胞嘧啶核苷酸、胸腺嘧啶核苷酸。理想状态下,一个cluster(簇)在每一步酶反应中,均延长一个核苷酸;没有延长的称为phasing;延长两个核苷酸的称为prephasing。
洗涤缓冲液洗涤流通池一次,然后用成像缓冲液填充,从而在流通池成像。
信号采集系统用以采集上述获得的光学信号,并将其转换为彩色图像信号(本申请实施例中称为彩色碱基图像),该彩色图像信号可传输至信号识别系统进行信号识别,如可以通过适当的接口将传输至计算机,以实现信号识别。
一个实施例中,该信号采集系统可以包括信号传输子系统和信号捕获子系统。信号传输子系统用以将上述光学信号传输至信号捕获子系统,而信号捕获子系统用以捕获光学信号,使其成像,获得光学信号的图像。一个实施例中,该信号采集系统在包括信号传输子系统和信号捕获子系统的基础上,还可以包括对焦子系统,该对焦子系统用以控制显微物镜201的物平面自动聚焦在流通池000的核苷酸平面上。
参考图6所示,一个实施例中的对焦子系统可以是红外激光自动对焦系统,其涉及ATF(Autofoucus,自动对焦))传感器106与步进电机107,在ATF传感器106与步进电机107的共同控制下,可控制显微物镜201的物平面自动聚焦在基因芯片样品000的核苷酸平面上。
参考图6所示,一个实施例中的信号传输子系统可以涉及显微物镜201、二向色镜105、管镜202以及全反射镜203,还可以涉及带通滤光片204。
工作时,流通池中000的3种或4种碱基各携带不同的荧光染料基团,其受混合波长激光光束100激发后发出不同光谱特性的荧光,这些荧光会被显微物镜201聚集放大。激发出的不同光谱特性的荧光与散射的激光经显微物镜201放大后,形成混合波长的平行光束200。其中,该显微物镜201可以为无限远复消色差平场物镜,且放大倍数可以基于实际技术需要进行选择,例如放大倍数可选15X或者20X。
平行光束200通过二向色镜105后,经与显微物镜201匹配的管镜202会聚并传输至全反射镜203,经全反射镜203反射后,传输至带通滤光片204。在通过带通滤光片204时,混合波长平行光束200中,波长为465nm、532nm和660nm的激光波段部分的光束被带通滤光片204截止,荧光波段部分的平行光束通过带通滤光片204,以到达信号捕获子系统在成像平面成像。
参考图9所示,一个实施例中的信号捕获子系统涉及信号捕获/转换元件205,其用以捕获光学信号,并使其成像,获得彩色碱基图像。工作时,经过带通滤光片204过滤后的光学信号与信号捕获/转换元件205的感光平面重合。一个实施例中,该信号捕获/转换元件205可以为彩色相机,例如彩色sCMOS相机。彩色相机可以扫描捕获的荧光信号并将其转换为彩色图像,获得彩色碱基图像。一个实施例中,获得的彩色碱基图像的格式可以是32位ARGB(一种色彩模式,即R(Red)G(Green)B(Blue)色彩模式附加上Alpha(透明度)通道)格式,例如具体可以采用bitmap(位图文件)、jpeg(一种有损压缩标准方法)、png(一种无损压缩的位图片形格式)、tiff(Tagged Image File Format,一种图像文件格式)或其他格式。
信号识别系统主要用以对上述采集获得的彩色信号进行处理和分析,从而判定碱基种类。一个实施例中的信号识别系统可以包括光点定位子系统、颜色计算子系统、颜色矫正子系统和碱基判定子系统四个子系统。其中,光点定位子系统用以确定彩色图像中的光点的位置,颜色计算子系统用以计算定位出的光点颜色信息,颜色矫正子系统用以对颜色计算子系统计算出的同样颜色的光点进行矫正,获得各碱基颜色对应的参考颜色信息,碱基判定子系统用以基于颜色计算子系统计算出的光点颜色信息以及颜色矫正子系统矫正后的参考颜色信息,确定出识别出的图像中的碱基。
在一个实施例的彩色碱基识别的测序过程中,测序的前几个扩增循环(至少1个循环)可视为注册循环,以获得光点位置信息、光点大小信息以及对染料颜色进行矫正。在注册循环过程中,在获得彩色图像后,通过依次运行光点定位子系统、颜色计算子系统和颜色矫正子系统,实现对光点颜色的矫正,完成注册循环过程。
注册循环之后的扩增循环为测定循环,以获得光点颜色对应的碱基种类。在测定循环的过程中,其在获得彩色图像后,通过依次运行光点定位子系统、颜色计算子系统和碱基判定子系统,完成碱基识别过程。
在一个实施例中,光点定位子系统可以包括锐化模块、边缘检测模块和中心确定模块。其中,锐化模块用以对彩色图像进行图像锐化处理。一个实施例中,锐化模块可以使用3x 3矩阵算子通过卷积算法与高斯模糊滤镜相结合进行图像锐化处理,可以理解,锐化模块也可以通过其他的算法进行图像锐化处理。
一个实施例中,在对彩色图像进行图像锐化处理之前,还可以通过图像拼接算法,获得流通池中单泳道的单列全景图像。一个实施例中,典型的flow cell(流通池)一般包括8条横向的泳道(channel),而每个泳道又划分为2-3个列(column),每个column又划分为多个tile(小区)。在采集图像时,一般是每个tile获得一个图片,将一个列的所有小区的图片拼接,即可获得单列全景图。单泳道是限定单列。当然,在一些实施例中在进行图像拼接时,也可以是拼接其他列数的所有小区的图像。在进行图像锐化处理时,是针对各单列全景图像分别进行图像锐化处理。从而,在进行图像锐化处理时,是针对多个图片的拼接图像进行处理,可以提高图像处理的效率。
在一个实施例中,边缘检测模块用以识别上述图像锐化处理后的彩色图像中的各光点的边缘,同时可以计算出识别出的边缘的宽度,一个实施例中,边缘检测模块可以使用Canny边缘检测算法识别出图像锐化处理后的彩色图像中的每个光点的边缘,同时可计算出识别出的光点的边缘的宽度,一个实施例中的检测出的光点边缘的示意图可如图10所示。
在一个实施例中,中心确定模块用以基于边缘检测模块识别出的各光点的边缘,并确定图像边缘的曲率半径,确定出各光点的光点中心像素的位置坐标,在确定出光点的光点中心像素的位置坐标之后,还可以进一步在光点中心像素周围绘制预定图形,例如绘制圆形,以突出显示光点,一个实施例中确定出的光点中心像素后并绘制图形后的示意图可如图11所示。一个实施例中,在光点中心像素周围绘制图形的过程,可以嵌入在中心确定模块中由中心确定模块进行,也可以是由其他的绘制图像的模块进行。一个实施例中,以绘制图像的过程嵌入在中心确定模块为例,中心确定模块可以采用霍夫检测算法(Houghcircle)检测出各光点中心,并在各光点中心的周围绘制圆。
在检测出各光点中心像素之后,可以将获得的各光点的光点位置信息进行存储,这里的光点位置信息可以包括上述确定的光点中心像素的坐标位置以及该光点的边缘的曲率半径,一个实施例中的光点中心像素的位置坐标可以是光点在彩色碱基图像中的X-Y坐标。一个实施例中,可以是通过建立注册文件存储各光点的光点位置信息。
颜色计算子系统用以计算定位出的光点颜色信息,颜色计算子系统可以采用任何可能的方式计算出光点颜色信息,光点颜色信息中具体包含的信息内容也可以结合实际技术应用需要进行设定。一个实施例中,在通过建立注册文件存储各光点位置信息的情况下,可以在通过调用注册文件得到各光点的位置信息之后,基于光点的光点中心像素和与该光点中点像素相邻的N个像素(以N为8为例,即为该光点中心像素的8邻域像素),计算确定出该光点的光点颜色信息(为与后续重新确定的光点颜色信息进行区分,本实施例中称为第一光点颜色信息)。一个实施例中,可以通过计算该光点的光点中心像素和与该光点中点像素相邻的N个像素的RGB值和强度值的平均值,将获得的RGB值和强度值的平均值确定为该光点的第一光点颜色信息。
颜色矫正子系统用以同样颜色的光点进行校正,获得各碱基颜色的参考颜色信息。其中,同样颜色的光点的判定标准,可以结合实际需要进行设定,一个实施例中值可以是将RGB和强度值均相同时则判定为是同样颜色的光点,一个实施例中也可以是在RGB值相同时则判定为是同样颜色的光点,此时,各光点的强度值可以相同也可以不相同。理论上来说,彩色相机有4294967296种(2564)颜色信息供选择,其中只有一个颜色信息能够与碱基对应的参考颜色信息完全匹配;在对强度值的匹配度要求不高的话,有16776216种颜色信息能获得部分匹配(2563),即RGB值相同,但强度值不同。
一个实施例中,颜色校正子系统可以选择主窗口下同样颜色的N个光点进行校正,N的取值可以结合实际技术需要进行设定,一般来讲,N的取值越大,使用的光点数越多,包含的色相和色度信息越多,碱基识别结果越准确。其中,同样颜色是指指RGB值在相应的红、绿、蓝RGB颜色范围内。一个实施例中的N的值可以设定为10、100、1000或者10000等。以N的取值为100为例,即为选择主窗口下同样颜色的100个光点进行矫正。计算这些光点的平均RGB值和平均强度值,并将获得的平均RGB值和平均强度值作为相应的碱基颜色对应的参考颜色信息(为与后续重新确定的参考颜色信息进行区分,本实施例中称为第一参考颜色信息)。
碱基判定子系统用以基于颜色计算子系统计算出的第一光点颜色信息以及颜色矫正子系统矫正后的第一参考颜色信息,识别出彩色碱基图像中的碱基,一个实施例中,可以通过将第一光点颜色信息与第一参考颜色信息进行比对分析,据此确定识别出的图像中的碱基,获得碱基识别结果(为与后续重新确定的碱基识别结果进行区分,本实施例中称为第一碱基识别结果)。其中,在进行比对时,可以通过ARGB颜色匹配算法完成。
在通过比对分析获得第一碱基识别结果之后,可以进一步对识别出的第一碱基识别结果进行准确率判定,以对上述第一碱基识别结果的准确率进行评估。在准确率判定之后,还可以基于准确率判定的结果对第一碱基识别结果进行更新,从而获得第二碱基识别结果。
一个实施例中,可以采用phred算法计算各质量分数(Q score),检测碱基识别的准确率。基于phred算法,计算获得的Q值越高,准确率越高。通过对评估获得的准确率进行比对,本申请实施例的碱基识别结果的准确率高于单色相机系统的准确率。
以采用phred算法计算各质量分数为例,可以基于计算获得的Q值为相应的第一碱基识别结果进行打分。一个实施例中,在计算获得的Q值大于或者等于第一阈值时,可以基于第一打分规则为该识别的碱基进行打分,即确定该第一质量分数对应的第一碱基识别结果的准确率。一个实施例中的第一打分规则可以是直接将计算获得的Q值作为该第一质量分数对应的第一碱基识别结果的准确率,即给出的分数或者说准确率与计算获得的Q值相等,该第一阈值可以结合实际技术需要设定,例如一个实施例中可以设定为35,此时,若计算获得的Q值为36,则为其打的分数也为36分。
其中,作为一个实施例,如果计算获得的Q值小于第二阈值时,可以将Q值小于第二阈值的第一碱基识别结果对应的光点,进行图像处理,并将图像处理之后光点再次发送至碱基判定子系统重新进行碱基识别,获得该图像处理后的光点的第二碱基识别结果,并确定该第二碱基识别结果的第二质量分数,基于第二质量分数确定第二碱基识别结果的准确率。一个实施例中,该第二阈值可以设定为与第一阈值相同。
一个实施例中,如果重新进行准确率判定获得的第二质量分数大于或者等于上述第一阈值,基于第二打分规则为该第二碱基识别结果进行打分,得到第二碱基识别结果的准确率。一个实施例中的该第二打分规则可以是将该第二质量分数对应的第二碱基识别结果的准确率,设定为第一预定数值。该预定数值可以是小于上述第一阈值的值,以上述第一阈值为35为例,该第一预定数值可以设定为30。
如果重新进行准确率判定获得的第二质量分数小于上述第二阈值,可以不对该第二碱基识别结果进行打分,或者基于第三打分规则为该第二碱基识别结果进行打分。一个实施例中的该第三打分规则,可以是将该第二质量分数对应的第二碱基识别结果的准确率,设定为第二预定数值。该第二预定数值为小于上述第一预定数值的值,该第一预定数值可以足够小的能够与第一预定数值相区分的值。
上述图像处理,可以结合实际技术需要采用合适的处理方式,一个实施例中的图像处理,可以是采用滤色算法进行滤色处理,这里的滤色算法可以是采用任何的滤色算法。另一个实施例中的图像处理,可以是相位统计算法(如BayesHammer算法)的处理。
基于如上所述的处理方式,可以增加有效数据的获取量。基于如上所述的各实施例中的方案,无需多个相机和分光棱镜组成复杂的光学硬件系统;也无需复杂的算法矫正由染料发射光谱重叠、相位(pre-phasing和phasing)等造成的对准确碱基识别的问题;且保证降低了图像中光点强度、降低了图像的信噪比,提到了碱基识别的效率和准确率。且具有如下所述的优点:
其一、成像速度更快。一个区域仅需收集一次荧光信号,成像时间更少。获得的彩色碱基图像包含了后期碱基识别需要的所有信息。而典型的二代测序仪需要多个单色相机和其分光棱镜系统对同一区域进行多次荧光信号收集,且需要对多张图片(一般4张)进行处理(如空间矫正和图片叠加)后才能进行碱基识别。
其二、碱基识别的准确性和精确性更高。
彩色碱基图像中的每个像素可包括4个特征,即红色值、绿色值、蓝色值和强度值,其中强度值为基于红色值、绿色值和蓝色值计算得到的值,用以表示灰度大小,每个特征占1个字节,每个像素4个字节。当一种颜色精确匹配时,出错率为1/4294967296;即使强度不同,出错率是1/16776216。而从单色图像中识别碱基,仅依靠棱镜根据颜色分光和光强特征,出错率为1/65500,从而提高了准确率。
特定染料发出特定强度的特定颜色的光,如发生光学干扰(如光淬灭),强度发生改变、但颜色不变,通过本申请的上述实施例的碱基识别方法可以校正强度的改变;而现有技术本身依靠光强来判定碱基,难以解决此类光学干扰问题,从而本申请实施例的准确性也更高。
如在一个光点中出现2种或2种以上的荧光信号(如相位),本发明可通过滤色算法去除杂信号,以获得正确的识别结果。而现有技术需要复杂的算法来校正信号重叠,与之相比,本发明的准确性更高。
本发明进行了染料校正,不同批次染料的发射光谱特征会有轻微偏移,该步骤可以矫正不同批次染料的光谱差异。
其三、提供的硬件设计的结构更简单。相对现有技术,本申请减少了相机数量,消除了对与单色相机配合的分光镜或滤光镜的需求,同时还减少了其他冗余组件的使用,结构更简单。
另一方面,相对于现有的进行荧光成像时,均选择使用配备了适当的滤光片的单色相机捕获图像。本申请实施例尝试了一种“不明显”和“非传统”的方法,使用彩色相机。而由于图像较大,且目前可用的图像分析软件都是为单色图像分析而设计的,本申请实施例通过编写和提供与彩色图像相匹配的碱基识别方法,通过这种不明显的技术路线,获得了上述提高准确率、结构设计件等意想不到的优势。
如上所述的本申请实施例的方法、装置、系统等,可以与其他的测序装置、系统、模块或方法等配合使用,例如用于传输试剂的试剂传输系统、温控系统等。其中,测序可基于边合成边测序、边连接边测序或者其他测序原理进行。
如上所述的本申请实施例中的方法、装置、系统,也可以用于检测核酸。其中,上述光点对应流通池中的荧光染料标记的核酸单分子或克隆扩增的核酸分子。扩增可以使用对数或线性扩增技术扩增。上述核酸分子可以直接连接到平面表面或珠子上。上述核酸包括DNA分子或RNA分子。
一个实施例中提供了一种计算机设备,该计算机设备可以是终端,也可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。在计算机是终端的情况下,还可以包括显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的设备通过网络连接通信。该计算机程序被处理器执行时以实现一种碱基识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
据此,在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现如上所述的任意实施例中的碱基识别方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种碱基识别方法,所述方法包括:
获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得;
对所述彩色碱基图像进行碱基识别,获得碱基识别结果。
2.根据权利要求1所述的方法,其特征在于,对所述彩色碱基图像进行碱基识别,获得碱基识别结果,包括:
确定所述彩色碱基图像的各光点的第一光点颜色信息;
基于各光点的第一光点颜色信息,确定各碱基类别对应的第一参考颜色信息;
基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,所述第一碱基识别结果包括所述彩色碱基图像中的光点所属的碱基类别。
3.根据权利要求2所述的方法,其特征在于,包括下述各项中的至少一项:
第一项:
确定所述彩色碱基图像的各光点的第一光点颜色信息,包括:
确定所述彩色碱基图像的各光点的光点位置信息,所述光点位置信息包括光点中心像素;
基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息;
第二项:
基于各光点的光点颜色信息,确定各碱基类别对应的第一参考颜色信息,包括:
确定主窗口内的预定数目个光点,所述预定数目个光点的第一光点颜色信息之间的差值在指定范围内;
将所述预定数目个光点的第一光点颜色信息的平均值,确定为相应碱基类别对应的第一参考颜色信息;
第三项:
基于各光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息,确定第一碱基识别结果,包括:
将光点的第一光点颜色信息和各碱基类别对应的第一参考颜色信息进行第一比对分析,获得第一比对分析结果;
基于第一比对分析结果,确定该光点所属的碱基类别,获得第一碱基识别结果;
第四项:
在确定第一碱基识别结果之后,还包括步骤:
确定各第一碱基识别结果的准确率。
4.根据权利要求3所述的方法,其特征在于,包括下述各项中的至少一项:
第一项:
确定所述彩色碱基图像的各光点的光点位置信息,包括:
检测所述彩色碱基图像中的各光点的图像边缘,并确定图像边缘的曲率半径;
基于各光点的图像边缘,确定各光点的光点中心像素的位置坐标,所述光点位置信息包括光点的所述图像边缘的曲率半径以及所述光点中心像素的位置坐标;
第二项:
确定所述彩色碱基图像的各光点的光点位置信息之前,还包括步骤:对预定列数的各小区的图像进行图像拼接,获得预定列数全景图像;
确定所述彩色碱基图像的各光点的光点位置信息,包括:确定所述预定列数全景图像中的各光点的光点位置信息;
第三项:
基于各光点的光点中心像素,以及该光点中心像素的邻域像素,确定各光点的第一光点颜色信息,包括:
任意一个光点的第一光点颜色信息,为该光点的光点中心像素以及该光点中心像素的N邻域像素的颜色信息的平均值,所述颜色信息包括RGB值和强度值;
第四项:
确定所述彩色碱基图像的各光点的光点位置信息之后,还包括步骤:
在识别出的光点中心像素的周围绘制预定图形;
第五项:
还包括步骤:将确定的各光点的光点位置信息进行存储;
第六项:
确定各第一碱基识别结果的准确率,包括:
确定各第一碱基识别结果的第一质量分数,所述第一质量分数与准确率正相关。
5.一种生成彩色图像的方法,所述方法包括:
通过混合波长激光光束照射携带荧光标记的碱基,使得携带荧光标记的碱基在混合波长激光光束的照射下发射光学信号;
采集所述光学信号;
对采集的光学信号进行彩色成像,获得彩色碱基图像。
6.一种碱基识别装置,包括:
图像获取模块,用于获取彩色碱基图像,所述彩色碱基图像通过采集携带荧光标记的碱基发射出的光学信号,并对采集的光学信号进行彩色成像获得;
图像识别模块,用于对所述彩色碱基图像进行碱基识别,获得碱基识别结果。
7.一种生成彩色图像的系统,所述系统包括:
激光光源系统,用以生成混合波长激光光束;
信号采集系统,用以采集携带荧光标记的碱基在混合波长激光光束照射下发射出的光学信号,并对采集的光学信号进行彩色成像,获得彩色碱基图像。
8.根据权利要求7所述的系统,其特征在于,包括下述各项中的至少一项:
第一项:
所述激光光源系统包括:生成混合波长的激光光束的激光光源,以及扩束聚焦镜片组,所述激光光源和所述扩束聚焦镜片组通过光纤连接,所述混合波长的激光光束经所述光纤传输至所述扩束聚焦镜片组进行整形;
第二项:
所述信号采集系统包括:信号传输子系统和信号捕获子系统,所述信号传输子系统用以将所述光学信号传输至信号捕获子系统,所述信号捕获子系统用以捕获所述光学信号并进行彩色成像,获得所述彩色碱基图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810939942.4A CN109117796B (zh) | 2018-08-17 | 2018-08-17 | 碱基识别方法及装置、生成彩色图像的方法及系统 |
PCT/CN2019/101170 WO2020035068A1 (zh) | 2018-08-17 | 2019-08-16 | 生成彩色碱基图像的方法与系统、碱基识别方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810939942.4A CN109117796B (zh) | 2018-08-17 | 2018-08-17 | 碱基识别方法及装置、生成彩色图像的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109117796A true CN109117796A (zh) | 2019-01-01 |
CN109117796B CN109117796B (zh) | 2021-01-08 |
Family
ID=64852533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810939942.4A Active CN109117796B (zh) | 2018-08-17 | 2018-08-17 | 碱基识别方法及装置、生成彩色图像的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109117796B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020035068A1 (zh) * | 2018-08-17 | 2020-02-20 | 广州市锐博生物科技有限公司 | 生成彩色碱基图像的方法与系统、碱基识别方法与装置 |
CN111078926A (zh) * | 2019-12-19 | 2020-04-28 | 青岛海信电器股份有限公司 | 一种人像缩略图像的确定方法及显示设备 |
CN112823352A (zh) * | 2019-08-16 | 2021-05-18 | 深圳市真迈生物科技有限公司 | 碱基识别方法、系统、计算机程序产品和测序系统 |
CN113822838A (zh) * | 2020-06-17 | 2021-12-21 | 深圳华大智造科技有限公司 | 碱基识别设备及碱基识别方法 |
CN116486910A (zh) * | 2022-10-17 | 2023-07-25 | 北京普译生物科技有限公司 | 纳米孔测序碱基识别的深度学习训练集建立方法及其应用 |
WO2023240536A1 (zh) * | 2022-06-16 | 2023-12-21 | 深圳华大基因科技有限公司 | 图像处理方法、装置及系统 |
WO2024000312A1 (zh) * | 2022-06-29 | 2024-01-04 | 深圳华大生命科学研究院 | 碱基识别方法及系统、基因测序仪及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120015839A1 (en) * | 2009-01-09 | 2012-01-19 | The Regents Of The University Of Michigan | Recurrent gene fusions in cancer |
-
2018
- 2018-08-17 CN CN201810939942.4A patent/CN109117796B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120015839A1 (en) * | 2009-01-09 | 2012-01-19 | The Regents Of The University Of Michigan | Recurrent gene fusions in cancer |
Non-Patent Citations (4)
Title |
---|
吴光亮: "Toll样受体信号通路关键基因与缺血性中风及其中医证候易感性的关联性研究", 《中国博士学位论文全文数据库(电子期刊),医药卫生科技辑》 * |
崔腾腾: "芒属植物高密度遗传图谱的构建及比较基因组学分析", 《中国优秀硕士学位论文全文数据库(电子期刊),基础科学辑》 * |
武汉提沃克科技有限公司: "X-Cite TURBO多波长LED激光混合驱动荧光光源", 《HTTP://WWW.CHEM17.COM/ST287934/INFO_257409.HTML》 * |
武汉提沃克科技有限公司: "X-CITE系列Turbo Lumen-Dynamics多波长LED荧光光源", 《HTTP://WWW.CHEM17.COM/PRODUCT/DETAIL/26569734.HTML》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020035068A1 (zh) * | 2018-08-17 | 2020-02-20 | 广州市锐博生物科技有限公司 | 生成彩色碱基图像的方法与系统、碱基识别方法与装置 |
CN112823352A (zh) * | 2019-08-16 | 2021-05-18 | 深圳市真迈生物科技有限公司 | 碱基识别方法、系统、计算机程序产品和测序系统 |
CN112823352B (zh) * | 2019-08-16 | 2023-03-10 | 深圳市真迈生物科技有限公司 | 碱基识别方法、系统和测序系统 |
CN111078926A (zh) * | 2019-12-19 | 2020-04-28 | 青岛海信电器股份有限公司 | 一种人像缩略图像的确定方法及显示设备 |
CN113822838A (zh) * | 2020-06-17 | 2021-12-21 | 深圳华大智造科技有限公司 | 碱基识别设备及碱基识别方法 |
WO2023240536A1 (zh) * | 2022-06-16 | 2023-12-21 | 深圳华大基因科技有限公司 | 图像处理方法、装置及系统 |
WO2024000312A1 (zh) * | 2022-06-29 | 2024-01-04 | 深圳华大生命科学研究院 | 碱基识别方法及系统、基因测序仪及存储介质 |
CN116486910A (zh) * | 2022-10-17 | 2023-07-25 | 北京普译生物科技有限公司 | 纳米孔测序碱基识别的深度学习训练集建立方法及其应用 |
CN116486910B (zh) * | 2022-10-17 | 2023-12-22 | 北京普译生物科技有限公司 | 纳米孔测序碱基识别的深度学习训练集建立方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN109117796B (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117796A (zh) | 碱基识别方法及装置、生成彩色图像的方法及系统 | |
US10692209B2 (en) | Image processing apparatus, image processing method, and computer-readable non-transitory recording medium storing image processing program | |
CN108572163B (zh) | 荧光图像分析装置、分析方法及预处理的评价方法 | |
CN108732144B (zh) | 荧光图像分析装置、荧光图像的分析方法及计算机程序 | |
CN110234771A (zh) | 单光源双光通道测序 | |
WO2007080583A2 (en) | Methods and systems for analyzing biological samples | |
JP3996056B2 (ja) | レポーターラベルビードを読み取るための方法および装置 | |
US11580641B1 (en) | Deep learning based methods and systems for nucleic acid sequencing | |
CN116994246B (zh) | 基于多任务联合的碱基识别方法及装置、基因测序仪及介质 | |
EP4116402A1 (en) | Method for identifying base in nucleic acid and system | |
US20200249165A1 (en) | Fluorescence image analyzing apparatus, image processing method of fluorescence image, and computer program | |
CN111323397B (zh) | 光学成像系统、成像检测系统与方法及基因测序方法 | |
CN117351485B (zh) | 基因测序训练数据集的增强方法及装置、设备及存储介质 | |
CN109564189A (zh) | 电泳图谱分析 | |
JP6416530B2 (ja) | 蛍光観察装置、および蛍光観察方法 | |
CN117274614A (zh) | 基于荧光标记dNTP基因测序的碱基识别方法、测序仪及介质 | |
CN110214268A (zh) | 用于成像生物分子的装置和方法 | |
WO2020035068A1 (zh) | 生成彩色碱基图像的方法与系统、碱基识别方法与装置 | |
CN116883323A (zh) | 一种基于计算机视觉的多重免疫荧光图像分析系统 | |
US11170506B2 (en) | Method for constructing sequencing template based on image, and base recognition method and device | |
CN117523559A (zh) | 碱基识别方法及装置、基因测序仪及存储介质 | |
CN117392673B (zh) | 碱基识别方法及装置、基因测序仪及介质 | |
WO2023097685A1 (zh) | 核酸样本的碱基识别方法及装置 | |
CN116798523A (zh) | 一种抗中性粒细胞胞浆抗体的图谱识别判定系统 | |
US20240177351A1 (en) | Method for identifying analytes in an image series |
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 |