CN109564770B - 整合系统以及整合方法 - Google Patents

整合系统以及整合方法 Download PDF

Info

Publication number
CN109564770B
CN109564770B CN201880002968.4A CN201880002968A CN109564770B CN 109564770 B CN109564770 B CN 109564770B CN 201880002968 A CN201880002968 A CN 201880002968A CN 109564770 B CN109564770 B CN 109564770B
Authority
CN
China
Prior art keywords
image
base sequence
biological
sequence information
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.)
Active
Application number
CN201880002968.4A
Other languages
English (en)
Other versions
CN109564770A (zh
Inventor
北桥伦
西岛美由纪
下田代雅文
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.)
Suruga Biotechnology Institute Co ltd
Japan Agency for Marine Earth Science and Technology
Original Assignee
Suruga Biotechnology Institute Co ltd
Japan Agency for Marine Earth Science and Technology
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 Suruga Biotechnology Institute Co ltd, Japan Agency for Marine Earth Science and Technology filed Critical Suruga Biotechnology Institute Co ltd
Publication of CN109564770A publication Critical patent/CN109564770A/zh
Application granted granted Critical
Publication of CN109564770B publication Critical patent/CN109564770B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/30—Data warehousing; Computing architectures
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
    • G16B50/20—Heterogeneous data integration

Abstract

一种整合系统，其具备：生物图像取得部，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；碱基序列信息取得部，取得所述生物粒子的碱基序列信息；以及整合部，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库。

Description

整合系统以及整合方法
技术领域
本发明涉及一种生物的图像等的数据库的技术。
本申请基于2017年4月28日在日本提出申请的日本特愿2017-090809号而主张优先权，在此援引其内容。
背景技术
以往，进行对生物的鉴定、分类所需的信息的数据库的构建。例如，有如非专利文献1～3所示这样的数据库。在这些数据库中，登记有从生物得到的各自的碱基序列信息等信息而被有效利用。
此外，在非专利文献1所公开的技术中，向图像数据的链接(link)被登记于数据库。
现有技术文献
非专利文献
非专利文献1：“MycoBank Database”、[online]、[2017年4月28日检索]、因特网〈URL:http://www.mycobank.org/〉
非专利文献2：“JBIF地球规模生物多样性信息机构日本节点”、[online]、[2017年4月28日检索]、因特网〈URL:http://www.gbif.jp/bol〉
非专利文献3：“BISMaL”、[online]、[2017年4月28日检索]、因特网〈URL:http://www.godac.jamstec.go.jp/bismal/j/using.html〉
发明内容
发明所要解决的问题
然而，以往虽然能个别地取得生物的碱基序列信息，但有时难以有效利用该信息。
因此，本发明的问题在于，提供一种具有碱基序列信息的数据库，更容易有效利用的数据库。
用于解决问题的方案
本发明的一个方案为整合系统，其具备：生物图像取得部，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；碱基序列信息取得部，取得所述生物粒子的碱基序列信息；以及整合部，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库。
本发明的一个方案为上述整合系统，其进一步具备：生物信息判定部，基于由所述生物图像取得部所取得的图像，取得与所述试样中的所述生物粒子的每个种类的个体数相关的信息，所述整合部除了所述生物图像以及所述碱基序列信息以外，进一步将基于所述图像得到的与个体数相关的信息相对应地登记于综合数据库。
本发明的一个方案为上述整合系统，其进一步具备：碱基序列信息判定部，基于由所述碱基序列信息取得部所取得的碱基序列信息，取得与所述试样中的所述生物粒子的每个种类的个体数相关的信息，所述整合部除了所述生物图像以及所述碱基序列信息以外，进一步将基于所述碱基序列信息得到的与个体数相关的信息相对应地登记于综合数据库。
本发明的一个方案为上述整合系统，其中，生物图像取得部通过在含有所述试样的流体在流动池中流动的状态下，对所述流体进行拍摄而取得所述生物图像。
本发明的一个方案为上述整合系统，其进一步具备：生物信息判定部，基于由所述生物图像取得部所取得的图像，取得作为与所述试样中的所述生物粒子的每个种类的个体数相关的信息的第一个体信息；以及碱基序列信息判定部，基于由所述碱基序列信息取得部所取得的碱基序列信息，取得作为与所述试样中的所述生物粒子的每个种类的个体数相关的信息的第二个体信息，所述整合部在判定出所述第一个体信息和所述第二个体信息基于规定的基准为类似的信息的情况下，将与所述第一个体信息对应的所述图像和与所述第二个体信息对应的所述碱基序列信息相对应地登记于所述综合数据库。
本发明的一个方案为上述整合系统，其进一步具备：解析部，基于登记于所述综合数据库的所述生物图像以及所述碱基序列信息的对应关系，对新取得的生物图像的生物粒子的碱基序列信息进行鉴定、或者对新取得的生物的碱基序列信息的生物图像进行鉴定。
本发明的一个方案为上述整合系统，其中，所述解析部进一步基于与所述生物粒子相关而得到的属性信息进行鉴定。
本发明的一个方案为上述整合系统，其中，所述整合部基于所述生物图像或所述碱基序列信息，对所述生物粒子的分类群进行推定。
本发明的一个方案为整合方法，其具有：生物图像取得步骤，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；碱基序列信息取得步骤，取得所述生物粒子的碱基序列信息；以及整合步骤，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库。
发明效果
根据本发明，在具有碱基序列信息的数据库中，使数据库的有效利用变得更容易。
附图说明
图1表示本发明的一个实施方式的整合系统的概略。
图2是表示图像数据库所存储的信息的具体例的图。
图3是表示碱基序列信息数据库所存储的信息的具体例的图。
图4是表示综合数据库所存储的信息的具体例的图。
图5是表示第一变形例的整合系统90的概略的图。
图6表示本发明的一个实施方式的生物粒子的图像取得方法的概略。
图7表示本发明的一个实施方式的生物粒子的图像取得方法的工序的一个例子。
图8表示本发明的一个实施方式的含有生物粒子的试样的预处理装置的构成例。
图9表示本发明的一个实施方式的生物粒子图像取得装置的构成例。
图10表示由本发明的一个实施方式的方法取得的小型底栖生物的图像的一个例子。(a)为线虫类，(b)为桡足类，(c)为无节幼虫，(d)为动吻动物，(e)为有孔虫。
图11表示基于由本发明的一个实施方式的方法取得的图像而计数的小型底栖生物的个体数与在显微镜下计数的个体数的相关性。
具体实施方式
图1是表示本发明的一个实施方式的整合系统90的概略的图。以下，针对整合系统90的详细内容进行说明。整合系统90具备：参考数据库910、生物图像取得部920、生物信息判定部930、图像数据库940、基因组(genome)信息取得部950、基因组信息判定部960、基因组信息数据库970、整合部980以及综合数据库990。此外，解析部800基于由整合系统90生成的综合数据库990的数据而进行解析处理。
参考数据库910使用磁性硬盘装置、半导体存储装置等存储装置而构成。参考数据库910存储参考数据。在参考数据中存在图像参考数据和碱基序列参考数据。
图像参考数据为已经公知的将图像信息与类别信息相对应的数据。图像参考数据所含的图像信息既可以为图像本身的数据，又可以为表示从图像得到的特征量的数据。需要说明的是，作为特征量，包括用于识别分类群的形态特征(图像)。通过使用图像参考数据，能判定从试样得到的生物粒子的图像为哪种生物的图像。
碱基序列参考数据为已经公知的将碱基序列信息与类别信息相对应的数据。碱基序列参考数据所含的碱基序列信息既可以为碱基序列本身的信息，又可以为表示从碱基序列得到的特征量的数据。需要说明的是，作为特征量，可以使用GenBank等数据库所使用的元数据。通过使用碱基序列参考数据，能判定从试样得到的生物粒子的碱基序列信息为哪种生物的碱基序列信息。
生物图像取得部920从含有作为检测对象的生物粒子的试样取得生物粒子的生物图像。生物图像取得部920可以通过任意方式取得生物图像。例如，可以通过在含有试样的流体在流动池中流动的状态下，对流体进行拍摄而取得生物图像。需要说明的是，针对生物图像取得部920的具体例，在以下进行说明。
生物信息判定部930针对通过生物图像取得部920所取得的生物图像，判定该生物图像的生物粒子为哪种生物。生物信息判定部930例如可以基于所取得的生物图像和参考数据库910所存储的图像参考数据来判定生物的种类。生物信息判定部930将作为判定结果的类别信息(表示生物的种类的信息)和图像相对应地登记于图像数据库940。在本实施方式中，生物信息判定部930进一步将表示采集试样的日期时间的日期时间信息、表示采集试样的海域的海域信息、与该种类的生物的个体数相关的第一个体数信息相对应地登记。需要说明的是，在对所取得的图像数据与参考数据库910的图像的判定中，例如可以使用图像识别技术中所应用的生物的形状、以及特征或者特征形状的关系、距离、尺寸、颜色等。特征形状的关系是指，表示多个特征形状部分的位置关系、朝向的关系。距离是指，表示多个特征形状间的距离。
第一个体数信息通过生物信息判定部930并基于图像而取得。例如，生物信息判定部930可以按生物粒子的每个种类而取得从成为处理对象的试样检测出的生物粒子的个体数。生物信息判定部930可以取得如此取得的每个种类的个体数作为第一个体数信息。生物信息判定部930可以取得表示各种类的个体数相对于从成为处理对象的试样检测出的所有种类的生物粒子的个体数的比例(出现比例)的值(例如百分数值)作为第一个体数信息。
图像数据库940使用磁性硬盘装置、半导体存储装置等存储装置而构成。图像数据库940存储由生物信息判定部930所取得的信息作为数据库。图2是表示图像数据库940所存储的信息的具体例的图。图像数据库940存储具有类别信息、日期时间信息、海域信息、图像以及第一个体数信息的各值的表格。登记于图像数据库940的表格中的图像不需要为检测出的所有个体的图像，可以为从相同种类的生物粒子得到的多个生物图像之中的代表图像。可以基于任何判定基准来确定选择哪种图像作为代表图像。例如，可以选择被认为是映入人眼中最清晰的图像来作为代表图像。例如，可以选择生物的躯体部分最大的图像作为代表图像。这样的处理例如可以由生物信息判定部930来执行。
碱基序列信息取得部950从含有作为检测对象的生物粒子的试样取得生物粒子的碱基序列信息。碱基序列信息取得部950可以通过任意方式取得碱基序列信息。例如可以通过执行由试样提取DNA、PCR(Polymerase Chain Reaction：聚合酶链反应)以及序列解析而取得碱基序列信息。例如，可以通过利用了下一代定序器(next generation sequencer)的大规模碱基序列解析(例如，被称为宏基因组解析等的碱基序列解析法)而取得碱基序列信息。在该情况下，例如能使用：利用PCR法解析识别分类群的碱基序列片段的扩增产物的被称为宏条形码(metabar-coding)或者扩增子解析(amplicon analysis)的方法；或者使用被称为鸟枪序列(shotgun sequence)的源自试样中的生物物种混合核酸的碱基序列。用于碱基序列解析的核酸可以使用DNA或者RNA的逆转录物(C-DNA)。
作为碱基序列信息取得部950处理的对象的试样与作为生物图像取得部920处理的对象的试样为相同的试样。即，针对相同的试样，取得图像和碱基序列信息。需要说明的是，虽然不是必须的，但作为处理的顺序，可以为：生物图像取得部920首先取得图像，之后针对成为对象的试样，碱基序列信息取得部950取得碱基序列信息。为了更直接地取得样品图像和碱基序列，可以由按这样的顺序进行了处理的试样(回收进行了图像取得的试样，对其)进行DNA解析。
碱基序列信息判定部960针对由碱基序列信息取得部950所取得的碱基序列信息，判定该碱基序列信息的生物粒子为哪种生物。这样的判定例如可以通过进行同源性搜索而实现。优选的是，这样的判定例如基于碱基序列信息之中的、在各生物中保存性高的部分的碱基序列信息来判定。例如，关于真核生物，可以在判定中利用18S核糖体。
碱基序列信息判定部960例如可以基于所取得的碱基序列信息和参考数据库910所存储的碱基序列参考数据而判定生物的种类。碱基序列信息判定部960将作为判定结果的类别信息与碱基序列信息相对应地登记于碱基序列信息数据库970。在本实施方式中，碱基序列信息判定部960进一步将表示采集试样的日期时间的日期时间信息、表示采集试样的海域的海域信息、与该种类的生物的个体数相关的第二个体数信息相对应地登记。
第二个体数信息通过碱基序列信息判定部960并基于碱基序列信息而取得。例如，碱基序列信息判定部960可以基于读取数(取得序列数)按生物粒子的每个种类取得从成为处理对象的试样检测出的生物粒子的个体数。碱基序列信息判定部960可以取得如此取得的每个种类的个体数作为第二个体数信息。碱基序列信息判定部960可以取得表示各种类的个体数相对于从成为处理对象的试样检测出的所有种类的生物粒子的个体数的比例(出现比例)的值(例如百分数值)作为第二个体数信息。
碱基序列信息数据库970使用磁性硬盘装置、半导体存储装置等存储装置而构成。碱基序列信息数据库970存储由碱基序列信息判定部960所取得的信息作为数据库。图3是表示碱基序列信息数据库970所存储的信息的具体例的图。碱基序列信息数据库970存储具有类别信息、日期时间信息、海域信息、碱基序列信息以及第二个体数信息的各值的表格。登记于碱基序列信息数据库970的表格中的碱基序列信息不需要为检测出的所有个体的碱基序列信息，可以为从相同种类的生物粒子得到的多个碱基序列信息之中的代表碱基序列信息。可以基于任何判定基准来确定选择哪种碱基序列信息作为代表碱基序列信息。例如，可以任意地选择被认为是最具代表性的碱基序列信息作为代表碱基序列信息。例如，可以选择其特征量最接近平均值的碱基序列信息作为代表碱基序列信息。这样的处理例如可以通过碱基序列信息判定部960执行。
整合部980通过整合图像数据库940的信息和碱基序列信息数据库970的信息而生成综合数据库。此时，整合部980以图像数据库940中的类别信息和碱基序列信息数据库970中的类别信息为关键来整合各数据库。即，整合部980针对图像数据库940的记录(record)和碱基序列信息数据库970的记录，将具有相同类别信息的记录彼此结合而整合数据库。需要说明的是，对于通过整合部980进行的图像数据库940的信息和碱基序列信息数据库970的信息的整合而言，可以使用所谓的大数据所应用的deep Learning(深度学习)等AI(人工智能)技术，综合地判断样品生物的个体数信息、以及分布或者类别信息或分类信息。
综合数据库990使用磁性硬盘装置、半导体存储装置等存储装置而构成。综合数据库990存储由整合部980整合而成的综合数据库。图4是表示综合数据库990所存储的信息的具体例的图。综合数据库990存储具有类别信息、日期时间信息、海域信息、图像、第一个体数信息、碱基序列信息以及第二个体数信息的各值的表格。
解析部800基于登记于综合数据库990中的信息而执行解析处理。解析部800执行的解析处理可以为任何处理。以下，针对解析部800执行的解析处理的具体例进行说明。例如，解析部800可以基于从新试样取得的生物粒子的图像而取得碱基序列信息。这样的处理能通过使用整合有图像信息和碱基序列信息的综合数据库990而更容易地执行。例如，解析部800可以基于从新试样取得的生物粒子的碱基序列信息而取得生物图像。这样的处理能通过使用整合有图像信息和碱基序列信息的综合数据库990而更容易地执行。
解析部800针对从新试样得到的生物的个体数，可以基于该生物的碱基序列信息而使用从综合数据库990得到的个体信息进行推定。这样的处理能通过使用综合数据库990而容易地执行。解析部800针对成为处理对象的海域中的各生物物种的个体数的比例，可以判定在其他海域中是否存在类似的海域。在存在类似的海域的情况下，存在多个同样的环境，也能判断出即使一方的生物体的平衡被破坏，也可以在另一方进行维持。
解析部800可以基于从新试样得到的生物粒子的图像以及碱基序列信息，判定该生物为哪种生物的哪种生长状态。这样的处理对于仅仅通过图像或碱基序列信息中的任一方而难以判定生物的类别以及生长状态的案例是有用的。例如，对于无节幼虫而言，多种生物具有类似的外观。因此，仅仅通过图像难以判定。另一方面，由于无节幼虫的碱基序列信息按生物的类别而不同，因此能针对生物的类别来判定。然而，基于碱基序列信息难以判定生长状态。因此，仅仅基于碱基序列信息难以判定是无节幼虫还是成虫。针对这样的问题，由于上述解析部800基于生物粒子的图像以及碱基序列信息进行判定，因此能基于图像判定是无节幼虫还是成虫，能基于碱基序列信息判定生物的类别。其结果是，能高精度地判定生物的类别以及生长状态。
解析部800可以基于登记于综合数据库990中的数据而更新参考数据库910的内容。例如，可以基于登记于综合数据库990中的图像和类别信息而更新图像参考数据的图像、特征量。例如，可以基于登记于综合数据库990中的碱基序列信息和类别信息，更新碱基序列信息参考数据的碱基序列信息、特征量。
根据这样构成的整合系统90，在具有碱基序列信息的数据库中，使数据库的有效利用更容易。具体而言，如上述解析部800这样，能使在此之前的数据库难以执行或需要劳动力的解析处理更容易地执行。
此外，在整合系统90中，针对相同的试样，构建出将生物图像与碱基序列信息对应起来的综合数据库990。以往，难以将所取得的生物的图像和从映入该图像的生物得到的碱基序列相对应地登记于数据库。然而，如上所述，在整合系统90中，能将从相同试样得到的生物图像与碱基序列信息相对应地进行登记。
需要说明的是，生物信息判定部930、碱基序列信息判定部960、整合部980以及解析部800的一部分或全部既可以通过具备CPU(Central Processing Unit：中央处理器)、存储器等的信息处理装置执行程序而实现，又可以使用ASIC等硬件而实现。
(第一变形例)
在上述实施方式中，作为检测对象的生物粒子预先将图像、碱基序列信息登记于参考数据库910。接着，针对在试样内存在未在参考数据库910中登记图像以及碱基序列信息的生物粒子的情况的整合系统90的动作进行说明。
生物信息判定部930针对由生物图像取得部920所取得的生物图像，无法判定生物粒子的种类。生物信息判定部930针对作为检测对象的生物粒子的图像，取得与具有类似的图像的生物粒子的个体数相关的信息(第一个体数信息)。生物信息判定部930针对无法判定种类的生物粒子的图像，将与图像相关的信息和第一个体信息登记于图像数据库940。此外，在由生物图像取得部920所取得的生物图像与登记于参考数据库910中的任一图像均不一致的情况下，生物信息判定部930将未确认标识符登记为类别信息。如上所述，未确认标识符为表示与登记于参考数据库910中的任一图像均不一致的信息。
碱基序列信息判定部960针对由碱基序列信息取得部950所取得的碱基序列信息，无法判定生物粒子的种类。碱基序列信息判定部960针对作为检测对象的生物粒子的碱基序列信息，取得与具有类似的碱基序列信息的生物粒子的个体数相关的信息(第二个体数信息)。碱基序列信息判定部960针对无法判定种类的生物粒子的碱基序列信息，将碱基序列信息和第二个体信息登记于碱基序列信息数据库970。此外，在由碱基序列信息取得部950所取得的碱基序列信息与登记于参考数据库910中的任一碱基序列信息均不一致的情况下，碱基序列信息判定部960将未确认标识符登记为类别信息。如上所述，未确认标识符为表示与登记于参考数据库910中的任一碱基序列信息均不一致的信息。此时，碱基序列信息判定部960可以与未确认标识符相对应地，进一步登记同源性信息。同源性信息为与同源性搜索的结果相关的信息。同源性信息例如为表示最高值的同源率的值和与得到了最高同源率的生物的名称相关的信息。作为与名称相关的信息，例如可以使用属名以及种类名。在检索出多个显示最高同源率的生物的情况下，可以将多个信息全部登记。
整合部980通过整合图像数据库940的信息和碱基序列信息数据库970的信息而生成综合数据库。如本说明所述的那样，在关于参考数据库910中未登记信息的生物粒子的处理中，整合部980以图像数据库940中的第一个体信息和碱基序列信息数据库970中的第二个体信息为关键来整合各数据库。即，针对图像数据库940的记录和碱基序列信息数据库970的记录，整合部980通过将第一个体信息与第二个体信息类似的记录彼此结合而整合数据库。例如，在第一个体信息以及第二个体信息均表示相对于所有种类的生物粒子的个体数的比例的情况下，可以将该比例的值的差最小的记录彼此结合。换言之，第一个体信息与第二个体信息类似意指，取得在试样内大致相同的个体数的图像以及碱基序列信息。
因此，针对参考数据库910中未登记的生物粒子，也能以个体数为基础，将同种生物类别的图像与碱基序列信息高精度地对应起来。通过整合部980而被登记于综合数据库990的记录可以被追加登记于参考数据库910。图5是表示像这样进行追加登记而构成的第一变形例的整合系统90的概略的图。通过像这样构成，在之后的生物信息判定部930、碱基序列信息判定部960等的处理中，即使针对在此之前无法鉴定的生物粒子，也能使用参考数据库910进行鉴定。
整合部980针对将未确认标识符登记为类别信息的记录，可以进行分类群推定处理。以下，针对分类群推定处理进行说明。整合部980可以基于与未确认标识符相对应地登记的同源性信息来推定分类群。例如，整合部980针对登记有未确认标识符的记录的生物，可以推定为与作为同源性信息登记的生物接近的分类群的生物。整合部980针对登记有未确认标识符的记录的生物，可以使用所检索的序列而制作进化树，根据其结果来推定分类群。整合部980可以基于同源性信息以及进化树来推定分类群。更具体而言，整合部980在基于同源性信息进行推定时，在推定出多个分类群的情况下，可以使用所检索的序列而制作进化树，基于其结果来推定分类群。此外，在基于同源性信息而推定出的结果与基于进化树而推定出的结果不同的情况下，整合部980可以优先基于规定的一方的进化树的推定结果。通过上述处理，针对登记有未确认标识符的记录，在进行使图像与碱基序列信息相对应的情况下，可以进一步基于该图像进行分类群推定处理。例如，在推定出多个分类群的情况下，可以对各分类群中的代表图像(登记于参考数据库910中的图像)和未确认标识符的图像进行图像解析，得到具有更接近的特征的图像的分类群作为推定结果。整合部980针对登记有未确认标识符的记录，可以按以下这样使生物图像与碱基序列信息相对应。首先，整合部980基于关于碱基序列信息而得到的同源性信息和/或进化树来推定分类群。整合部980基于作为推定结果而得到的分类群，从登记有未确认标识符的记录中选择生物图像。作为整合部980选择生物图像的方法的具体例，例如具有如下所示的两种方法。不过，不需要限定于如下所示的两种方法。(1)基于分类群所含的学名等类别信息，从图像数据库940取得具有近缘的类别信息的记录的生物图像。(2)基于分类群所含的学名等类别信息，从论文、图鉴等已知的数据检索生物的图像，从记录中取得与作为检索结果而得到的图像类似的生物图像。这样得到的分类群的推定结果可以通过上述处理而追加登记于参考数据库910。
(第二变形例)
在上述实施方式中，作为检测对象的生物粒子是预先将图像以及碱基序列信息登记于参考数据库910的生物粒子，或者是图像以及碱基序列信息均未被登记的生物粒子。接着，可能也有如下情况：在试样内存在有在参考数据库910中图像或碱基序列信息中的一方被登记而另一方未被登记的生物粒子。针对在参考数据库910中图像被登记，而碱基序列信息未被登记的案例作为具体例进行说明。
生物信息判定部930针对由生物图像取得部920所取得的生物图像，能判定生物粒子的种类。生物信息判定部930针对由生物图像取得部920所取得的生物图像，判定该生物图像的生物粒子为哪种生物。生物信息判定部930将作为判定结果的类别信息(表示生物的种类的信息)、图像、与该种类的生物的个体数相关的第一个体数信息相对应地登记于图像数据库940。
碱基序列信息判定部960针对由碱基序列信息取得部950所取得的碱基序列信息，无法判定生物粒子的种类。碱基序列信息判定部960针对作为检测对象的生物粒子的碱基序列信息，取得与具有类似的碱基序列信息的生物粒子的个体数相关的信息(第二个体数信息)。碱基序列信息判定部960针对无法判定种类的生物粒子的碱基序列信息，将碱基序列信息和第二个体信息登记于碱基序列信息数据库970。
整合部980通过整合图像数据库940的信息和碱基序列信息数据库970的信息而生成综合数据库。如本说明所述那样，在关于参考数据库910中未登记图像以及碱基序列信息中的任一方的信息的生物粒子的处理中，整合部980以图像数据库940中的第一个体信息和碱基序列信息数据库970中的第二个体信息为关键来整合各数据库。即，整合部980针对图像数据库940的记录和碱基序列信息数据库970的记录，将第一个体信息与第二个体信息类似的记录彼此结合而整合数据库。例如，在第一个体信息以及第二个体信息均表示相对于所有种类的生物粒子的个体数的比例的情况下，可以将该比例的值的差最小的记录彼此结合。换言之，第一个体信息与第二个体信息类似意指，取得了在试样内大致相同的个体数的图像以及碱基序列信息。因此，针对参考数据库910中图像以及碱基序列信息中的任一方未登记的生物粒子，也能以个体数为基础，将同种生物类别的图像与碱基序列信息高精度地对应起来。通过整合部980而被登记于综合数据库990的记录可以被追加登记于参考数据库910。需要说明的是，在碱基序列信息中存储有与种类鉴定相关的信息的情况下，可以根据参考数据库910中存储的信息推定生物的形状、特征，确认并整合从图像数据库940输出的对象的图像。需要说明的是，在图像中存储有与种类鉴定相关的信息的情况下，可以根据参考数据库910中存储的特征量(用于识别分类群的形态特征(图像))推定特征性碱基序列，确认并整合从碱基序列信息数据库970输出的碱基序列信息。此外，在碱基序列信息中存储有与种类鉴定相关的信息的情况下，可以根据参考数据库910中存储的信息推定生物的形状、特征，确认并整合从图像数据库940输出的对象的图像。
(第三变形例)
在上述第一变形例或第二变形例中，用于碱基序列解析的核酸可以利用RNA的逆转录物(C-DNA)。通过这样构成，相对于在DNA中有可能含有不现存(过去栖息)的碱基序列，从生物图像取得部920得到的生物图像以现存(活体)的生物为对象。因此，能根据基于以现存的生物为对象的RNA的碱基序列信息的第二个体信息(生态数、分布)，进一步更高效地与基于图像的第一个体信息整合。此外，通过利用RNA，在真核生物的情况下，也具有不含有内含子(转录未使用的序列)的优点。这样，通过不含有内含子，能更可靠地取得作为解析对象的基因碱基序列。
(第四变形例)
在检测出作为检测对象的生物粒子的大小的情况下，生物信息判定部930可以基于所取得的生物图像和与生物粒子的大小相关的信息而判定生物的种类。在该情况下，理想的是，在参考数据库910中，相对于图像参考数据，含有与该图像的生物的大小相关的信息。通过这样构成，即使外观相似的生物，只要为大小不同的生物，就能在生物信息判定部930中更高精度地进行判定。需要说明的是，与作为检测对象的生物粒子的大小相关的信息例如可以通过后述的筛分部110而得到。即，能将表示从多个筛网中的哪个筛网通过且未从哪个筛网通过的信息用作与大小相关的信息。
这样，使用与生物粒子的大小相关的信息来判定生物的种类的处理可以在碱基序列信息判定部960中应用。即，碱基序列信息判定部960可以基于所取得的碱基序列信息和与生物粒子的大小相关的信息而判定生物的种类。
这样，使用与生物粒子的大小相关的信息来判定生物的种类的处理可以在解析部800中应用。例如，解析部800可以基于从新试样取得的生物粒子的图像和与该生物粒子的大小相关的信息而判定生物的种类。在该情况下，综合数据库990具有与生物粒子的大小相关的信息。例如，解析部800可以基于从新试样取得的生物粒子的碱基序列信息和与该生物粒子的大小相关的信息而判定生物的种类。例如，解析部800可以基于从新试样取得的生物粒子的图像、该生物粒子的碱基序列信息、与该生物粒子的大小相关的信息而判定生物的种类。
(第五变形例)
生物信息判定部930可以基于所取得的生物图像、与采取成为检测对象的试样的位置相关的信息而判定生物的种类。与采取试样的位置相关的信息是指，既可以为表示采取试样的海域的信息，又可以为表示采取试样的海的深度的信息，又可以为其双方。在该情况下，理想的是，在参考数据库910中，相对于图像参考数据，含有与该图像的生物栖息的位置相关的信息。通过这样构成，即使为外观类似的生物，只要为栖息的位置不同的生物，就能在生物信息判定部930中更高精度地进行判定。
此外，对于生物信息判定部930而言，虽然得到了基于所取得的生物图像的生物的种类的判定结果作为可靠性非常高的判定结果，但是在与采取试样的位置相关的信息与参考数据库910的内容不一致的情况下，可以输出与采取试样的位置相关的信息，作为检测出的生物的新栖息位置的候选。通过这样构成，能发现在此之前未被识别为栖息位置的位置来作为新栖息位置。
这样，使用与采取试样的位置相关的信息来判定生物的种类的处理可以在碱基序列信息判定部960中应用。即，碱基序列信息判定部960可以基于所取得的碱基序列信息和与采取试样的位置相关的信息来判定生物的种类。
这样，使用与采取试样的位置相关的信息来判定生物的种类的处理可以在解析部800中应用。例如，解析部800可以基于从新试样取得的生物粒子的图像和与采取该试样的位置相关的信息来判定生物的种类。在该情况下，综合数据库990具有与生物粒子的栖息位置相关的信息。例如，解析部800可以基于从新试样取得的生物粒子的碱基序列信息和与采取该试样的位置相关的信息来判定生物的种类。例如，解析部800可以基于从新试样取得的生物粒子的图像、该生物粒子的碱基序列信息、与采取该试样的位置相关的信息来判定生物的种类。
需要说明的是，作为第四以及第五变形例所示出的与生物粒子的大小相关的信息和与采取试样的位置相关的信息仅仅是与生物相关的属性信息(以下称为“元信息”)的具体例。元信息只要为与成为检测对象的生物相关的信息，就可以为任何信息。作为与生物相关的元信息，可以使用任何信息。例如，可以将与生物的外观的颜色相关的信息、与生物的活动时期相关的信息、与生物捕食的食物相关的信息作为元信息而同样地用于判定。
(第六变形例)
作为具备解析部800的装置，可以安装任何装置。例如，可以在移动电话、智能电话、个人计算机等通用的信息处理装置中安装解析部800。这样的安装例如可以作为可分发的应用程序而被安装。在该情况下，安装了应用程序的信息处理装置可以按照用户的操作取得安装于服务器的综合数据库990的信息，由此根据从试样取得的图像、碱基序列信息而取得与生物的类别相关的信息等。
此外，这样的安装可以作为用于向用户提供针对安装于服务器的解析部800的接口的应用程序而被安装。在该情况下，安装了应用程序的信息处理装置可以按照用户的操作向服务器的解析部800询问从试样取得的图像、碱基序列信息，由此取得与生物的类别相关的信息等。
以下，针对生物图像取得部920的一个具体例进行详细说明。
＜含有生物粒子的试样的预处理方法＞
[第一实施方式]
在一实施方式中，本发明为含有生物粒子的试样的预处理方法，其包括：对含有作为检测对象的生物粒子的试样进行筛分，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)的工序(以下，称为“工序(I)”)；以及向所述级分(1b)中添加具有1.10～2.45g/cm3的密度的胶体溶液，进行离心分离而取得离心分离后的上清级分(S0)的工序(以下，称为“工序(II)”)。
参照图6，对本实施方式的方法的概略进行说明。
首先，使用网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)来筛分含有作为检测对象的生物粒子的试样1，取得从筛网(A)通过，并且不从筛网(B)通过的级分(1b)(图6(a)；工序(I))。
接着，在级分(1b)中，添加具有1.10～2.45g/cm3的密度的胶体溶液2，进行适当搅拌(图6(b))。之后，对含有级分(1b)和胶体溶液2的混合物3进行离心分离而取得上清级分(S0)(图6(c))。(以上，工序(II))。
以下，针对本实施方式的方法的各工序进行说明。
(工序(I))
工序(I)为：对含有作为检测对象的生物粒子的试样进行筛分，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)的工序。
在工序(I)中，对含有作为检测对象的生物粒子的试样1进行筛分。在本实施方式的方法中，作为检测对象的生物粒子为从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的生物粒子。作为这样的生物粒子的例子，可列举出小型底栖生物。小型底栖生物是指，从网孔1mm的筛网通过，可被网孔32μm的筛网捕捉的生物的统称。已知小型底栖生物会对物质循环、堆积物的稳定造成显著的影响，是深海生态系统的重要构成要素。此外，因传代时间短，对环境的变化迅速反应，而易于检测环境的变化。进而，小型底栖生物即使在生物的栖息密度低的深海底，栖息密度也高，也易于定量采集，因此容易统计解析。基于这些原因，小型底栖生物作为深海底的环境影响评价的对象生物而被重视。需要说明的是，作为检测对象的生物粒子既可以为从网孔250～500μm的筛网通过，并且不从网孔32～63μm的筛网通过的粒子，又可以为从网孔250μm的筛网通过，并且不从网孔63μm的筛网通过的粒子。
在本实施方式的方法中，即使为含有大量堆积物的试样，也能取得画质足以分类出生物物种的图像。因此，作为检测对象的生物粒子可以为栖息于堆积物中的生物。作为这样的生物的例子，例如可列举出栖息于海底、湖底、或河底等的底栖生物等。从这一点考虑，作为底栖生物的小型底栖生物也适合作为检测对象的生物粒子。
在本实施方式的方法中，作为检测对象的生物粒子既可以为生物体整体，又可以为生物体的一部分。此外，生物粒子可以为孢子等休眠中的粒子、卵等。此外，并不限定于活体，可以为尸体。
对于在本实施方式的方法中进行筛分的试样1而言，只要为含有作为检测对象的生物粒子的试样，就并未特别限定。作为试样1，例如可列举出从作为检测对象的生物粒子所栖息的环境中采取的试样等。在本实施方式的方法中，由于试样也可以含有堆积物，因此可以将从海底、湖底、或河底等采取的堆积物试样用作试样1。例如，在作为检测对象的生物粒子为小型底栖生物的情况下，可以将从深海底采取的堆积物试样用作试样1。
在本实施方式的方法中进行筛分的试样1既可以为从环境中采取的原样的试样，也可以为实施了固定、染色等处理的试样。在进行试样的固定处理的情况下，可以防止试样的腐烂。因此，在不立即使用所采取的试样的情况下，优选进行试样的固定处理。固定处理的方法并未特别限定，只要利用一般使用的方法进行试样的固定处理即可。例如可以通过使用福尔马林、乙醇、卢戈氏液(Lugol's solution)、戊二醛、RNAlaterTM(Invitrogen)等试剂，或者进行冷冻而实施固定处理。作为优选的固定处理的方法，可列举出福尔马林固定。
此外，在进行试样的染色处理的情况下，之后，在取得预处理试样中的生物粒子的图像的情况下，在该图像中，容易视觉确认生物粒子。因此，在进行筛分之前，优选的是，试样1中的生物粒子被色素等染色。染色处理的方法并未特别限定，只要利用一般使用的色素等进行试样的染色处理即可。例如可以使用玫瑰红、刚果红、CellTrackerTM Green(ThermoFisher Scientific)等来进行染色处理。作为优选的染色处理的方法，可列举出玫瑰红染色。
试样1的筛分使用至少两个筛网。一方为网孔250～1000μm的筛网(A)，另一方为网孔32～63μm的筛网(B)。网孔250～1000μm的筛网(A)用于从试样1中去除不从所述筛网通过的级分。此外，网孔32～63μm的筛网(B)用于从试样1中去除从所述筛网通过的级分。然后，在工序(I)中，取得试样1中的从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分。由此，可以在去除试样1所含有的直径大的堆积物的同时，去除比作为检测对象的生物粒子小的粒子。
上述筛网(A)以及(B)只要具有上述范围的网孔，就并未特别限定，只要利用一般使用的筛网即可。此外，可以配合作为检测对象的生物粒子的尺寸，使网孔的尺寸在上述范围内变动。通过缩小由筛分取得的级分(1b)的网孔的范围，在之后的拍摄工序中，可以更高效地拍摄作为检测对象的生物粒子。
例如，在作为检测对象的生物粒子为小型底栖生物的情况下，约98％以上的个体存在于38～500μm的筛网级分中，约83％以上的个体存在于38～250μm的筛网级分中，约75％的个体存在于63～250μm的筛网级分中(参照表1)。因此，在工序(I)中，既可以取得从250～500μm的筛网通过，并且不从32～63μm的筛网通过的级分，又可以取得从250～500μm的筛网通过，并且不从38～63μm的筛网通过的级分，此外，也可以取得从250μm的筛网通过，并且不从63μm的筛网通过的级分。
本工序的筛分方法并未特别限定，只要利用一般使用的方法进行筛分即可。例如，如图6(a)所示，可以在容器10中设置网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)，通过将试样1从筛网(A)的上方注入来进行筛分。由此，试样1被筛分为：不从网孔250～1000μm的筛网(A)通过的级分(1a)；从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)；以及从网孔32～63μm的筛网(B)通过的级分(1c)。
需要说明的是，在图6(a)的例子中，将容器10设置于振荡机13上，一边利用振荡机13进行振荡一边进行筛分。通过一边振荡一边进行筛分，可以缩短筛分所需要的时间。
筛分之后，例如可以通过将筛网(A)连同捕捉到的粒子一起去除，取得筛网(B)以及捕捉到的粒子而取得级分(1b)。
需要说明的是，在图6(a)的例子中，虽然在容器10中设置了筛网(A)和筛网(B)，但筛网(A)和筛网(B)的设置方法并不限定于此。例如，可以将捕集不从筛网(A)通过的级分(1a)的容器、捕集从筛网(A)通过并且不从筛网(B)通过的级分(1b)的容器、以及捕集从筛网(B)通过的级分(1c)的容器设为不同的容器，在捕集不从筛网(A)通过的级分(1a)的容器中设置筛网(A)，在捕集从筛网(A)通过并且不从筛网(B)通过的级分(1b)的容器中设置筛网(B)。在该情况下，可以在进行试样1的筛分之后，通过取得设置了筛网(B)的容器而取得级分(1b)。
(工序(II))
工序(II)为：在级分(1b)中添加具有1.10～2.45g/cm3的密度的胶体溶液，进行离心分离而取得离心分离后的上清级分(S0)的工序。
在工序(II)中，首先，在级分(1b)中添加具有1.10～2.45g/cm3的密度的胶体溶液2(图6(b))。在图6(b)的例子中，在离心管(centrifuge tube)21中放入级分(1b)，添加胶体溶液2而取得含有级分(1b)和胶体溶液2的混合物3。胶体溶液2只要具有1.10～2.45g/cm3的密度，就并未特别限定。级分1b所含有的生物粒子的密度为约1.0～1.2g/cm3，堆积物粒子的密度为约2.5～2.8g/cm3。因此，可以通过在级分1b中添加具有1.10～2.45g/cm3的密度的胶体溶液2，在进行离心分离时，将生物粒子和堆积物分离为上清级分和沉淀。胶体溶液2的密度优选为1.10～2.00g/cm3，更优选为1.10～1.50g/cm3。
此外，胶体溶液2的pH优选为4.0～11.0。只要pH在该范围内，就可以避免对生物粒子产生不良影响。
作为在工序(II)中可使用的胶体溶液2的例子，可列举出胶体状二氧化硅。此外，胶体溶液2可以使用市售品。例如可以使用LUDOX(注册商标)HS-40(Sigma Aldrich；密度1.3g/cm3、pH9.5-10.3)、Percoll(注册商标)(GE Healthcare；密度1.13g/cm3、pH9.0)，RNAlaterTM(Invitrogen；1.25g/cm3、pH5.0)等作为胶体溶液2。
胶体溶液2的添加量并未特别限定，只要是可使级分(1b)悬浮的量即可。例如，就胶体溶液2的添加量而言，作为与筛分前的试样1的体积比，可以设为试样1：胶体溶液2＝1：1～5。
在级分(1b)中添加胶体溶液2之后，利用离心分离机20，对含有级分(1b)和胶体溶液2的混合物3进行离心分离(图6(c))。由此，混合物3分离为上清级分(S0)和沉淀(P0)。在上清级分(S0)中，含有大量作为检测对象的生物粒子，在沉淀(P0)中，含有大量堆积物。
本工序的离心分离的条件可以根据作为检测对象的生物粒子的种类而适当选择。例如，在检测对象为小型底栖生物的情况下，作为离心分离的条件，可列举出600～1000G，优选设为700～900G，更优选设为750～850G，特别优选设为800G。
此外，作为离心分离的时间，可例示出3～30分钟，优选为5～20分钟，更优选为8～15分钟，特别优选为10分钟。
在离心分离后，只要使用移液管等取得上清级分(S0)即可。
对于通过本实施方式的试样预处理方法制备的试样而言，例如可以作为用于取得生物粒子的图像的试样而使用。例如，可以在如后述的图6(d)所示这样的具备流动池的拍摄装置中，优选作为用于投入流动池的试样而使用。
根据本实施方式的试样预处理方法，即使为含有大量堆积物的试样，也能高效地去除堆积物，制备适用于取得生物粒子的图像的试样。此外，在通过本实施方式的试样预处理方法制备的试样含有胶体溶液的情况下，在为了取得生物粒子的图像而向流动池中投入时，能防止生物粒子在流动池中的沉降，能防止流动池被生物粒子堵塞。
此外，通过本实施方式的试样预处理方法制备的试样也可以用于基因组解析等各种解析。
(任意工序)
本实施方式的方法除了上述工序(I)以及工序(II)以外，也可以进一步包括制备上清级分(S0)的工序。
作为制备上清级分(S0)的工序，例如可列举出向上清级分(S0)中添加胶体溶液2的工序。上清级分(S0)通常含有胶体溶液2，但通过进一步添加胶体溶液2，可以调整生物粒子在试样中的浮力。
此外，作为制备上清级分(S0)的工序，也可以列举出：用具有比筛网(B)的网孔小的网孔的筛网(C)进行筛分而取得不从筛网(C)通过的级分，向所述级分中添加胶体溶液2的工序。通过利用具有比筛网(B)的网孔小的网孔的筛网(C)进行筛分，可以去除多余的胶体粒子，浓缩作为对象的生物粒子。此外，通过使用比筛网(B)的网孔小的网孔的筛网，可以减少作为检测对象的生物粒子的损失。只要筛网(C)的网孔比在工序(I)中使用的筛网(B)的网孔小，就并未特别限定，例如可列举出30～63μm。
需要说明的是，只要在本工序中使用的胶体溶液2使用与在工序(II)中使用的胶体溶液同样的胶体溶液即可。
[第二实施方式]
在一实施方式中，本发明为用于取得生物粒子的图像的试样预处理方法，其包括：对含有作为检测对象的生物粒子的试样进行筛分，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)的工序(以下，称为“工序I”)；向所述级分(1b)中添加具有1.10～2.45g/cm3的密度的胶体溶液，进行离心分离而取得离心分离后的上清级分(S0)的工序(以下，称为“工序II”)；实施n次将所述离心分离后的沉淀(Pn-1)悬浮于胶体溶液，并进行离心分离而取得离心分离后的上清级分(Sn)的步骤(n为1以上的整数，沉淀(Pn-1)为第n-1次离心分离后得到的沉淀，上清级分(Sn)为第n次离心分离后得到的上清级分)的工序(以下，称为“工序II’”)。
参照图6以及图7，对本实施方式的方法的概略进行说明。
首先，使用网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)来筛分含有作为检测对象的生物粒子的试样1，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)(图6(a)；工序(I))。
接着，在级分(1b)中，添加具有1.10～2.45g/cm3的密度的胶体溶液2，进行适当搅拌(图6(b))。之后，对含有级分(1b)和胶体溶液2的混合物3进行离心分离而取得上清级分(S0)(图6(c))。(以上，工序(II))
接着，在离心分离后的沉淀(P0)中，添加胶体溶液2(图7(a))，将沉淀(P0)悬浮于胶体溶液2，制成悬浮物6(图7(b))。然后，对悬浮物6进行离心分离而取得上清级分(S1)(图7(c))。这样，取得n次量的离心分离之后的上清级分(S1)～(Sn)(图7(a)-n～(c)-n))。(以上，工序(II’))
以下，针对本实施方式的方法的各工序进行说明。
(工序(I)以及工序(II))
工序(I)以及工序(II)与上述第一实施方式的方法的工序(I)以及工序(II)相同。因此，省略说明。
(工序(II’))
工序(II’)为：实施n次将离心分离后的沉淀(Pn-1)悬浮于胶体溶液，并进行离心分离而取得离心分离后的上清级分(Sn)的步骤(n为1以上的整数，沉淀(Pn-1)为第n-1次离心分离后得到的沉淀，上清级分(Sn)为第n次离心分离后得到的上清级分)的工序。
在工序(II’)中，在由工序(II)的离心分离所得到的沉淀(P0)中，添加胶体溶液2(图7(a))。胶体溶液2只要使用与在工序(II)中使用的胶体溶液相同的胶体溶液即可。然后，将沉淀(P0)悬浮于胶体溶液2而得到悬浮物6(图7(b))。若对该悬浮物6进行离心分离，则分离为上清级分(S1)和沉淀(P1)(图7(c))。残留于沉淀(P0)中的生物粒子转移至上清级分(S1)，堆积物残留于沉淀(P1)。
上述离心分离的条件既可以与工序(II)中的离心分离的条件相同，又可以不同，但优选为相同。只要在离心分离后使用移液管等取得上清级分(S1)即可。
在由上述离心分离所得到的沉淀(P1)中，根据需要，再次添加胶体溶液2，进行悬浮而实施离心分离。然后，取得离心分离后得到的上清级分(S2)。这样，若将通过第n次离心分离所得到的上清级分设为上清级分(Sn)，将通过第n次离心分离所得到的沉淀设为沉淀(Pn)，则通过实施n次在沉淀(Pn-1)中添加胶体溶液2，进行悬浮并进行离心分离的步骤，能取得上清级分(S1)～(Sn)。
在本工序中，n只要为1以上的整数即可，离心分离的次数并未特别限定。离心分离的次数越多(n越大)，则越可以提高残留于沉淀(Pn)中的生物粒子的回收率。通常，n可以设为1～5中的整数，也可以为1～3中的整数，例如可以设为2或3。
需要说明的是，胶体溶液2相对于沉淀(Pn-1)的添加量只要为能使沉淀(Pn-1)悬浮的量，就并未特别限定。只要根据沉淀(Pn-1)的量，添加适当量的胶体溶液2而使沉淀(Pn-1)悬浮即可。例如，就添加的胶体溶液2的量而言，作为与沉淀(Pn-1)的体积比，可列举出沉淀(Pn-1)：胶体溶液2＝2：3等。
对于通过本实施方式的方法被预处理的试样而言，通常含有胶体溶液2。可以对由工序(II)得到的上清级分(S0)、以及由工序(II’)得到的上清级分(S1)～(Sn)的一部分或全部进行混合，用于后述的图像的取得、解析等。
通过本实施方式的试样预处理方法制备的试样与通过第一实施方式的方法制备的试样同样地，可以作为用于取得生物粒子的图像的试样而使用。
根据本实施方式的方法，即使为含有大量堆积物的试样，也能高效地去除堆积物，制备适用于取得生物粒子的图像的试样。此外，在工序(II’)中，在通过离心分离得到的沉淀中添加胶体溶液而进一步进行离心分离，因此，即使在生物粒子残留于沉淀中的情况下，也能回收该生物粒子。
此外，通过本实施方式的试样预处理方法制备的试样与通过第一实施方式的方法制备的试样同样地，也能用于基因组解析等各种的解析。
(任意工序)
本实施方式的方法除了上述工序(I)、工序(II)以及工序(II’)以外，也可以进一步包括制备上清级分(S0)以及上清级分(S1)～(Sn)的工序。
作为制备上清级分(S0)以及上清级分(S1)～(Sn)的工序，例如可列举出向上清级分(S0)以及上清级分(S1)～(Sn)中添加胶体溶液2的工序。上清级分(S0)以及上清级分(S1)～(Sn)通常含有胶体溶液2，但通过进一步添加胶体溶液2，能调整生物粒子在试样中的浮力。
需要说明的是，对于胶体溶液2的添加而言，既可以对上清级分(S0)以及上清级分(S1)～(Sn)分别单独地进行，又可以对上清级分(S0)以及上清级分(S1)～(Sn)的一部分或全部的混合物进行。在对上清级分(S0)以及上清级分(S1)～(Sn)分别单独地进行胶体溶液2的添加的情况下，也可以在胶体溶液2的添加后，将上清级分(S0)以及上清级分(S1)～(Sn)的一部分或全部混合。
此外，作为制备上清级分(S0)以及上清级分(S1)～(Sn)的工序，也可列举出：利用具有比上述筛网(B)的网孔小的网孔的筛网(C)进行筛分，取得不从筛网(C)通过的级分，在所述级分中添加胶体溶液2的工序。通过利用具有比筛网(B)的网孔小的网孔的筛网(C)进行筛分，能去除多余的胶体粒子，浓缩作为对象的生物粒子。此外，通过使用比筛网(B)的网孔小的网孔的筛网，能减少作为检测对象的生物粒子的损失。筛网(C)的网孔只要比在工序(I)中使用的筛网(B)的网孔小，就并未特别限定，例如可列举出30～63μm。
需要说明的是，只要在本工序中使用的胶体溶液2使用与在工序(II)中使用的胶体溶液同样的胶体溶液即可。
对于使用筛网(C)的筛分而言，既可以对上清级分(S0)以及上清级分(S1)～(Sn)分别单独地进行，又可以对上清级分(S0)以及上清级分(S1)～(Sn)的一部分或全部的混合物进行。在对上清级分(S0)以及上清级分(S1)～(Sn)分别单独地进行筛分以及胶体溶液2的添加的情况下，也可以在筛分以及胶体溶液2的添加后，将所得到的试样的一部分或全部混合。
＜生物粒子的图像取得方法＞
[第一实施方式]
在一实施方式中，本发明为生物粒子的图像取得方法，其包括：对含有作为检测对象的生物粒子的试样进行筛分，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)的工序(以下，称为工序(I))；向所述级分(1b)中添加具有1.10～2.45g/cm3的密度的胶体溶液，进行离心分离而取得离心分离后的上清级分(S0)的工序(以下，称为工序(II))；以及一边使含有所述上清级分(S0)的至少一部分的流体向流动池流动，一边拍摄在所述流动池中流动的流体的工序(以下，称为工序(III))。
参照图6，对本实施方式的方法的概略进行说明。
首先，使用网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)来筛分含有作为检测对象的生物粒子的试样1，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)(图6(a)；工序(I))。
接着，在级分(1b)中，添加具有1.10～2.45g/cm3的密度的胶体溶液2，进行适当搅拌(图6(b))。之后，对含有级分(1b)和胶体溶液2的混合物3进行离心分离而取得上清级分(S0)(图6(c))。(以上，工序(II))。
接着，一边使含有上清级分(S0)的至少一部分的流体4向流动池31流动，一边通过摄像机32拍摄框(frame)40内的流动池31(图6(d)；工序(III))。需要说明的是，在图6(d)的例子中，经由物镜33进行拍摄。
由此，可以在拍摄时，取得存在于框40内的生物粒子5b的图像41。
以下，针对本实施方式的方法的各工序进行说明。
(工序(I)以及工序(II))
工序(I)以及工序(II)与上述的“＜含有生物粒子的试样的预处理方法＞”的工序(I)以及工序(II)相同。因此，省略说明。
(工序(III))
工序(III)为：一边使含有所述上清级分(S0)的至少一部分的流体向流动池流动，一边拍摄在所述流动池中流动的流体的工序。
在工序(III)中，首先，使含有上清级分(S0)的至少一部分的流体4向流动池31流动。向流动池31流动的流体4优选含有胶体溶液2。通过使流体4含有胶体溶液2，能防止作为检测对象的生物粒子的沉降，能防止流动池31被生物粒子堵塞。
由于上清级分(S0)通常含有胶体溶液2，因此可以将上清级分(S0)直接作为流体4而流向流动池31。此外，也可以进一步向上清级分(S0)中添加胶体溶液2，使所得溶液作为流体4流向流动池31。
此外，可以对上清级分(S0)进行筛分等处理，取得规定的级分而制备流体4，使其向流动池31流动。例如，可以利用具有比上述筛网(B)的网孔小的网孔的筛网(C)，从上清级分(S0)中去除多余的胶体粒子，取得不从筛网(C)通过的级分，向该级分中添加胶体溶液2而作为流体4。即，流体4可以含有：利用具有比筛网(B)的网孔小的网孔的筛网(C)对上清级分(S0)进行筛分而取得不从筛网(C)通过的级分，向所述级分中添加胶体溶液2而成的溶液。通过利用具有比筛网(B)的网孔小的网孔的筛网(C)进行筛分，能去除多余的胶体粒子，浓缩作为对象的生物粒子，高效地进行拍摄。此外，通过使用比筛网(B)的网孔小的网孔的筛网，能减少作为检测对象的生物粒子的损失。筛网(C)的网孔只要比在工序(I)中使用的筛网(B)的网孔小，就并未特别限定，例如可列举出30～63μm。
在本工序中，一边使含有如上所述地制备的上清级分(S0)的至少一部分的流体4向流动池31流动，一边拍摄在流动池31中流动的流体4。在图6(d)的例子中，利用设置于拍摄装置30内的摄像机32，经由物镜33，拍摄在流动池31中流动的流体4。在图6(d)的例子中，通过光源34，向流动池31的拍摄部分(框40)照射光。
流动池31优选为透明度高的流动池，以便能拍摄在内部流动的流体4。流动池31的形状并未特别限定，优选为使由摄像机32拍摄的拍摄面为平面的形状。作为流动池31的形状的例子，例如可列举出长方体。流动池31的尺寸并未特别限定，可以根据作为检测对象的生物粒子而适当选择。例如，在检测对象为小型底栖生物的情况下，可以使用相对于由摄像机32拍摄的拍摄面的进深方向的内径为150～500μm的流动池。该内径优选为200～400μm，更优选为250～350μm。
需要说明的是，在本说明书中，在称为流动池的“进深方向的内径”的情况下，意指与拍摄面垂直的方向的流动池的内径。此外，在称为流动池的“宽度方向的内径”的情况下，意指与拍摄面平行的方向的流动池的内径。
向流动池31中投入流体4的投入方法并未特别限定。例如，既可以利用移液管等进行投入，又可以通过在流动池31的上游侧连接软管(tube)，使该软管的上游端与进入容器等的流体4接触而吸取流体4来进行。此外，流动池31内的流体4的流动例如可以通过经由软管等将泵连接于流动池31的下游侧，使泵运转等而生成。此外，在将流体4投入流动池31之前，优选预先使流动池31内(在流动池31的上游侧连接软管的情况下，该软管内也)充满胶体溶液2。
在图6(d)的例子中，经由物镜33，并通过摄像机32进行拍摄。可以通过使用物镜33而取得生物粒子的放大图像。物镜33的倍率并未特别限定，可以根据作为检测对象的生物粒子而适当选择。例如，在检测对象为小型底栖生物的情况下，可以使用倍率1～20倍的物镜，优选为倍率2～10倍，更优选为倍率2～5倍。需要说明的是，也可以不使用物镜33进行拍摄，在拍摄后进行图像的放大处理。
此外，在图6(d)的例子中，通过光源34，向拍摄部分照射光而进行拍摄。通过向拍摄部分照射光而进行拍摄，可以取得更清晰的图像。光源34既可以配合拍摄而间歇地照射光，又可以始终照射光。照射的光并未特别限定，优选为可见光。需要说明的是，在工序(I)中，在试样1使用被荧光色素实施了染色处理的试样的情况下，可以照射激发该荧光色素的波长的光。
此外，在图6(d)的例子中，摄像机32取得在流动池31上的框40内存在的流体4的图像。摄像机32拍摄的图像既可以为静态图像，又可以为动态图像。在拍摄静态图像的情况下，优选摄像机32按规定时间进行拍摄。拍摄间隔只要根据在流动池31中流动的流体4的流速而适当选择即可。拍摄间隔例如可以设为5～50次/秒等。
在上述这样构成的拍摄装置30中，若含有上清级分(S0)的至少一部分的流体4在流动池31中流动，则流体4中含有的生物粒子5a～5c按照流体4的流动而在流动池31内进行移动。期间，摄像机32连续地取得流动池31上的框40的图像。因此，若生物粒子5a～5c在框40内进行移动，则拍摄到生物粒子5a～5c的图像。在图6(d)的例子中，拍摄到生物粒子5b的图像。其结果是，能取得生物粒子5b的图像41(图6(e))。
通过本实施方式的方法取得的生物粒子的图像能供于用来分类生物物种的解析。例如，利用目测或图像解析程序等，对通过本实施方式的方法取得的图像进行分类，由此，能比以往的基于显微镜检查的方法迅速地进行生物相的解析。
根据本实施方式的方法，由于可以通过筛分处理以及离心处理来去除堆积物，因此即使为含有堆积物的试样，也能高效地取得生物粒子的图像。此外，在流动于流动池的流体含有胶体溶液的情况下，能防止生物粒子在流动池中的沉降，能防止流动池被生物粒子堵塞。
(任意工序)
本实施方式的方法除了上述工序(I)～(III)以外，也可以进一步包括对结束拍摄后的流体4进行回收的工序。通过对结束拍摄后的流体4进行回收，能进一步解析流体4中含有的生物粒子。
在对结束拍摄后的流体4进行回收的情况下，例如，只要在流动池31的下游侧连接软管等，将软管的下游端设置于密闭容器内等即可。只要在所述密闭容器连接泵等，使密闭容器内的空气排出，就能在流动池31内生成流体4的流动，进而，可以在所述密闭容器内对结束拍摄后的流体4进行回收。
如上所述回收后的流体4中含有的生物粒子不会被泵等破坏，基本不会受到损伤。因此，能供于生物粒子的进一步解析。
[第二实施方式]
在一实施方式中，本发明为生物粒子的图像取得方法，其包括：对含有作为检测对象的生物粒子的试样进行筛分，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)的工序(以下，称为“工序(I)”)；向所述级分(1b)中添加具有1.10～2.45g/cm3的密度的胶体溶液，进行离心分离而取得离心分离后的上清级分(S0)的工序(以下，称为“工序(II)”)；实施n次将所述离心分离后的沉淀(Pn-1)悬浮于所述胶体溶液，并进行离心分离而取得离心分离后的上清级分(Sn)的步骤(n为1以上的整数，沉淀(Pn-1)为第n-1次离心分离后得到的沉淀，上清级分(Sn)为第n次离心分离后得到的上清级分)的工序(以下，称为“工序(II’)”)；以及一边使含有所述上清级分(S0)以及所述n次量的上清级分(S1)～(Sn)的至少一部分的流体向流动池流动，一边拍摄在所述流动池中流动的流体的工序(以下，称为“工序(III’)”)。
参照图6以及图7，对本实施方式的方法的概略进行说明。
首先，使用网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)来筛分含有作为检测对象的生物粒子的试样1，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)(图6(a)；工序(I))。
接着，在级分(1b)中，添加具有1.10～2.45g/cm3的密度的胶体溶液2，进行适当搅拌(图6(b))。之后，对含有级分(1b)和胶体溶液2的混合物3进行离心分离而取得上清级分(S0)(图6(c))。(以上，工序(II))
接着，向离心分离后的沉淀(P0)中添加胶体溶液2(图7(a))，将沉淀(P0)悬浮于胶体溶液2而制成悬浮物6(图7(b))。然后，对悬浮物6进行离心分离而取得上清级分(S1)(图7(c))。这样，取得n次离心分离后的上清级分(S1)～(Sn)(图7(a)-n～(c)-n))。(以上，工序(II’))
接着，一边使含有上清级分(S0)以及n次量的上清级分(S1)～(Sn)的至少一部分的流体4向流动池31流动，一边通过摄像机32拍摄框40内的流动池31(图6(d)；工序(III’))。需要说明的是，在图6(d)的例子中，经由物镜33进行拍摄。由此，可以在拍摄时，取得存在于框40内的生物粒子5b的图像41。
以下，针对本实施方式的方法的各工序进行说明。
(工序(I)、工序(II)以及工序(II’))
工序(I)、工序(II)以及工序(II’)与上述“＜含有生物粒子的试样的预处理方法＞”的工序(I)、工序(II)以及工序(II’)相同。因此，省略说明。
(工序(III’))
工序(III’)为：一边使含有所述上清级分(S0)以及所述n次量的上清级分(S1)～(Sn)的至少一部分的流体向流动池流动，一边拍摄在所述流动池中流动的流体的工序。
在工序(III’)中，使含有在工序(II)中得到的上清级分(S0)、以及在工序(II’)中得到的上清级分(S1)～(Sn)的至少一部分的流体4向流动池31流动。流体4可以以将上清级分(S0)以及上清级分(S1)～(Sn)的一部分或全部混合，含有该混合物的至少一部分的方式而制备。优选的是，以将上清级分(S0)以及上清级分(S1)～(S0)的全部混合，含有该混合物的至少一部分的方式来制备流体4。
与第一实施方式的方法同样地，在流动池31中流动的流体4优选含有胶体溶液2。由于上清级分(S0)以及上清级分(S1)～(Sn)通常含有胶体溶液2，因此可以将上清级分(S0)以及上清级分(S1)～(Sn)直接作为流体4而流向流动池31。此外，也可以进一步向上清级分(S0)以及上清级分(S1)～(Sn)中添加胶体溶液2，将所得溶液作为流体4而流向流动池31。在使用上清级分(S0)以及上清级分(S1)～(Sn)的混合物的情况下，也可以在该混合物中添加胶体溶液2。
此外，与第一实施方式的方法同样地，也可以对上清级分(S0)以及上清级分(S1)～(Sn)进一步进行筛分等处理，取得规定的级分而制备流体4，使其向流动池31流动。例如，可以利用具有比上述筛网(B)的网孔小的网孔的筛网(C)，对上清级分(S0)以及上清级分(S1)～(Sn)进行筛分，取得不从所述筛网(C)通过的级分，向该级分中添加胶体溶液2而作为流体4。对于利用了筛网(C)的筛分以及胶体溶液2的添加而言，既可以对上清级分(S0)以及上清级分(S1)～(Sn)分别单独地进行，又可以对上清级分(S0)以及上清级分(S1)～(Sn)的一部分或全部的混合物进行。在对上清级分(S0)以及上清级分(S1)～(Sn)分别单独地进行筛分以及胶体溶液2的添加的情况下，也可以在筛分以及胶体溶液2的添加后，将所得到的试样的一部分或全部混合。即，流体4可以含有：利用具有比所述筛网(B)的网孔小的网孔的筛网(C)对上清级分(S0)和/或上清级分(S1)～(Sn)进行筛分而取得不从筛网(C)通过的级分，向所述级分中添加胶体溶液2而成的溶液。此外，在使用上清级分(S0)以及上清级分(S1)～(Sn)的混合物的情况下，只要利用筛网(C)进行该混合物的筛分而取得不从筛网(C)通过的级分，向该级分中添加胶体溶液2而制成流体4即可。通过利用具有比筛网(B)的网孔小的网孔的筛网(C)进行筛分，能去除多余的胶体粒子，浓缩作为对象的生物粒子，高效地进行拍摄。此外，通过使用比筛网(B)的网孔小的网孔的筛网，能减少作为检测对象的生物粒子的损失。筛网(C)的网孔只要比在工序(I)中使用的筛网(B)的网孔小，就并未特别限定，例如可列举出30～63μm。
在本工序中，一边使含有如上所述地制备的上清级分(S0)以及上清级分(S1)～(Sn)的至少一部分的流体4向流动池31流动，一边拍摄在流动池31中流动的流体4。流动池31可以设为与第一实施方式的方法同样的流动池。此外，向流动池31投入流体4的投入方法、以及在流动池31中流动的流体4的拍摄方法等也可以利用与第一实施方式的方法同样的方法进行。
通过本实施方式的方法取得的生物粒子的图像与利用第一实施方式的方法取得的图像同样地，可以供于用来分类生物物种的解析。
根据本实施方式的方法，由于可以通过筛分处理以及离心处理来去除堆积物，因此即使为含有堆积物的试样，也能高效地取得生物粒子的图像。此外，在工序(II’)中，由于在通过离心分离而得到的沉淀中添加胶体溶液，进一步进行离心分离，因此即使在生物粒子残留于该沉淀的情况下，也能回收该生物粒子。
(任意工序)
本实施方式的方法与第一实施方式的方法同样地，除了上述工序(I)、(II)、(II’)以及(III’)以外，也可以进一步包括对结束拍摄后的流体4进行回收的工序。通过对结束拍摄后的流体4进行回收，能进一步解析流体4中含有的生物粒子。对结束拍摄后的流体4进行回收的方法也与第一实施方式的方法同样地进行即可。
＜含有生物粒子的试样的预处理装置＞
在一个实施方式中，本发明提供一种用于实现含有上述生物粒子的试样的预处理方法的含有生物粒子的试样的预处理装置。本实施方式的含有生物粒子的试样的预处理装置具备：筛分部，具备网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)，对含有作为检测对象的生物粒子的试样进行筛分，取得从所述筛网(A)通过，并且不从所述筛网(B)通过的级分(1b)；胶体溶液添加部，向由所述筛分部取得的级分(1b)中添加胶体溶液；离心分离部，对添加有所述胶体溶液的级分(1b)进行离心分离；以及上清级分取得部，在所述离心分离部的离心分离后，取得上清级分。
以下，针对本实施方式的含有生物粒子的试样的预处理装置的构成的一个例子进行说明。
图8表示本实施方式的含有生物粒子的试样的预处理装置的构成的一个例子。图8所示的预处理装置100具备：筛分部110、胶体溶液添加部120、离心分离部130以及上清级分取得部140。
筛分部110为：用于对含有作为检测对象的生物粒子的试样1进行筛分，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)的单元。筛分部110至少具备网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)，通过这些筛网进行试样1的筛分。筛分部110例如可以采用如图6(a)所示的构成。在图6(a)的例子中，构成为：在容器10中设置网孔250～1000μm的筛网(A)和网孔32～63μm的筛网(B)，一边利用振荡机13进行振荡，一边进行筛分。筛分结束后，取得从网孔250～1000μm的筛网(A)通过，并且不从网孔32～63μm的筛网(B)通过的级分(1b)。
需要说明的是，筛分部110的构成并不限定于图6(a)的例子，例如可以将筛网(A)和筛网(B)设置于不同的容器。在该情况下，可以在筛分结束后，分离设置有各筛网的容器，连同设置有筛网(B)的容器而取得级分(1b)。
胶体溶液添加部120为：用于在由筛分部110取得的级分(1b)中添加胶体溶液2的单元。胶体溶液2与在上述“＜生物粒子的图像取得方法＞”的工序(II)中使用的胶体溶液相同。胶体溶液添加部120例如可以构成为：通过移液管、软管、玻璃管等，向级分(1b)中添加胶体溶液2。
离心分离部130为：用于对胶体溶液添加部120中添加了胶体溶液2的级分(1b)进行离心分离的单元。需要说明的是，在图8中，将级分(1b)与胶体溶液2混合后的物质表示为混合物3。离心分离部130可以采用一般的离心分离机所具备的构成。离心分离部130的离心分离的条件可以通过操作面板等进行设定。
上清级分取得部140为：用于在离心分离部130的离心分离后，取得上清级分(S0)的单元。上清级分取得部140例如可以构成为：既可以通过移液管、软管、玻璃管等取得上清级分(S0)，又可以从离心管直接将上清级分(S0)转移至其他容器。
针对具备上述这样构成的预处理装置100的动作的一个例子进行说明。
首先，将含有作为检测对象的生物粒子的试样1投入筛分部110。在筛分部110中，进行试样1的筛分，取得从网孔250～1000μm的筛网通过，并且不从网孔32～63μm的筛网通过的级分(1b)。通过利用筛分部110的筛分，去除试样1所含有的大量的堆积物粒子。
由筛分部110取得的级分(1b)通过胶体溶液添加部120添加胶体溶液2。由此，制备级分(1b)与胶体溶液2的混合物3。
混合物3被投入离心分离部130而进行离心分离。由此，混合物3被分离为上清级分(S0)和沉淀(P0)。在上清级分(S0)中含有作为检测对象的生物粒子，在沉淀(P0)中含有堆积物粒子。通过利用离心分离部130的离心分离，可以取得基本不含有堆积物粒子的上清级分(S0)。之后，上清级分(S0)通过上清级分取得部140而取得，进行适当制备，含有生物粒子的试样的预处理完成。
由于本实施方式的含有生物粒子的试样的预处理装置具备上述这样的构成，因此即使为含有大量堆积物粒子的试样，也能制备出品质足以进行之后的解析的试样。此外，对于通过本实施方式的含有生物粒子的试样的预处理装置制备的试样而言，在利用图像取得装置等取得生物粒子的图像的情况下，可以取得画质足以进行之后的解析的图像。
需要说明的是，预处理装置100可以具备除了上述构成以外的其他构成。例如，预处理装置100也可以具备沉淀悬浮部。沉淀悬浮部为：用于在离心分离部130的离心分离之后，在通过上清级分取得部140取得上清级分(S0)后的沉淀(P0)中，添加胶体溶液2而使沉淀悬浮的单元。在沉淀悬浮部中，悬浮于胶体溶液2的沉淀(P0)在离心分离部130中，再次被离心分离。在离心分离后，通过上清级分取得部140取得上清级分(S1)。由此，即使在作为检测对象的生物粒子残留于沉淀(P0)的情况下，也能回收该生物粒子。需要说明的是，可以在沉淀悬浮部中，进一步将通过再次离心分离而得到的沉淀(P1)悬浮于胶体溶液2中，在离心分离部130中，再次进行离心分离。这样，若将通过第n次离心分离所得到的上清级分设为上清级分(Sn)，将利用第n次离心分离所得到的沉淀设为沉淀(Pn)，也可以实施n次在沉淀(Pn-1)中添加胶体溶液2，进行悬浮而进行离心分离的步骤。可以使在沉淀悬浮部中进行沉淀(P0)～(Pn-1)的悬浮的次数能通过操作面板等进行设定。
对于沉淀悬浮部而言，既可以构成为：在上清级分取得后的离心管中，利用移液管、软管、玻璃管等添加胶体溶液2，通过振荡离心管而使沉淀悬浮；也可以构成为：通过在胶体溶液2的添加后进行移液等而使沉淀悬浮。此外，胶体溶液2的添加也可以通过胶体溶液添加部120来进行。
此外，预处理装置100也可以具备上清级分制备部。上清级分制备部为：用于为了用于之后的解析而进一步制备由上清级分取得部140取得的上清级分(S0)～(Sn)的单元。上清级分制备部例如可以具备将由上清级分取得部140取得的上清级分(S0)～(Sn)混合的构成。此外，也可以具备在上清级分(S0)～(Sn)中添加胶体溶液的构成。或者，也可以具备以下构成：具备具有比筛网(B)的网孔小的网孔的筛网(C)，对上清级分(S0)～(Sn)进行筛分，取得不从筛网(C)通过的级分，在该级分中添加胶体溶液。
除此以外，预处理装置100也可以具备控制装置整体的动作的控制部等。
＜生物粒子图像取得装置＞
在一个实施方式中，本发明提供一种用于实现上述生物粒子的图像取得方法的生物粒子图像取得装置。本实施方式的生物粒子图像取得装置具备：筛分部，具备筛网(A)和具有比所述筛网(A)的网孔小的网孔的筛网(B)，对含有作为检测对象的生物粒子的试样进行筛分，取得从所述筛网(A)通过，并且不从所述筛网(B)通过的级分(1b)；胶体溶液添加部，向由所述筛分部取得的级分(1b)中添加胶体溶液；离心分离部，对添加有所述胶体溶液的级分(1b)进行离心分离；上清级分取得部，在所述离心分离部的离心分离后，取得上清级分；以及拍摄部，具备流动池和摄像机，一边使含有由所述上清级分取得部取得的所述上清级分的至少一部分的流体向所述流动池流动，一边拍摄在所述流动池中流动的所述流体。所述筛网(A)具有比所述流动池的宽度方向以及进深方向的内径中的任意较大的一方小的网孔。
以下，针对本实施方式的生物粒子图像取得装置的构成的一个例子进行说明。
图9表示本实施方式的生物粒子图像取得装置的构成的一个例子。图9所示的生物粒子图像取得装置200具备：筛分部110、胶体溶液添加部120、离心分离部130、上清级分取得部140、拍摄部150以及流体回收部160。
筛分部110为：用于对含有作为检测对象的生物粒子的试样1进行筛分，取得从筛网(A)通过，并且不从筛网(B)通过的级分(1b)的单元。筛网(A)具有比筛网(B)大的网孔。筛网(A)用于去除比作为检测对象的生物粒子大的粒子。筛网(A)的网孔可以基于作为检测对象的生物粒子的大小而适当选择。不过，筛网(A)的网孔被设定为：能从拍摄部150所具备的流动池通过的尺寸的最大值以下。具体而言，筛网(A)具有比流动池的宽度方向以及进深方向的内径中的任意较大的一方小的网孔。或者，筛网(A)的网孔在流动池的流路设计中也可以设为：比生物粒子能通过的最大尺寸小的网孔。
筛网(B)具有比筛网(A)小的网孔。筛网(B)用于去除比作为检测对象的生物粒子小的粒子。筛网(B)的网孔可以基于作为检测对象的生物粒子的大小而适当选择。不过，优选的是，筛网(B)具有拍摄部150所具备的摄像机可对焦的粒径的最小值以上的网孔。摄像机可对焦的粒径的最小值由拍摄部150所具备的流动池的进深方向的内径和摄像机的焦点深度规定。因此，筛网(B)的网孔可以基于作为检测对象的生物粒子的大小、流动池的进深方向的内径以及摄像机的焦点深度进行选择。
例如，摄像机的焦点深度一般可以由下述式(1)的Berek公式表示。
[数式1]
D.O.F：焦点深度(Depth of Focus)
ω：眼睛的分辨率(0.014：在将眼睛的视角设为5分的情况下)
M：总倍率
λ：光的波长(在可见光的情况下λ＝0.55μm)
NA：由摄像机规定的数值孔径
在此，例如，若设定M＝1000、NA＝0.90，则D.O.F＝0.73μm。此外，例如，若设定M＝4、NA＝0.90，则D.O.F＝182.5μm。
此外，例如，在1/2英寸HD摄像机的情况下，CCD尺寸为6.4mm(W)×4.8mm(H)，CCD像素数为1980(W)×1080(H)，分辨率为宽度(W)3.2μm、高度(H)4.4μm。因此，若设定M＝4，则摄像机可对焦的粒径的最小值为：宽度(W)0.8μm、高度(H)1.1μm。
这样，若设定焦点深度、以及摄像机的规格，则确定总倍率(M)，并确定摄像机可对焦的粒径的最小值。
需要说明的是，由于光学系统中的极限分辨率为0.2μm，因此可以将筛网(B)的网孔设为0.2μm以上。例如，筛网(B)的网孔配合作为检测对象的生物粒子的细节部分，既可以设为1μm以上，又可以设为10μm以上，也可以设为20μm以上。
例如，在作为检测对象的生物粒子为小型底栖生物的情况下，作为筛网(A)的网孔可列举出250～1000μm，作为筛网(B)的网孔可列举出32～62μm。
操作者可以基于作为检测对象的生物粒子的尺寸、流动池的尺寸、以及摄像机的焦点深度，分别选择适当网孔的筛网(A)以及筛网(B)，并将筛网(A)以及筛网(B)设置于筛分部110。或者，筛分部110可以具备网孔不同的多种筛网，根据作为检测对象的生物粒子、流动池的尺寸、以及摄像机的焦点深度而选择筛网(A)以及筛网(B)。在该情况下，可以根据操作者的选择而将筛网(A)以及筛网(B)设置于筛分部110。或者，生物粒子图像取得装置200可以根据作为检测对象的生物粒子、流动池的尺寸、以及摄像机的焦点深度而自动地选择筛网(A)以及筛网(B)，并将其设置于筛分部110。生物粒子图像取得装置200可以具备用于输入作为生物检测对象的生物粒子的尺寸、流动池的尺寸、以及摄像机的焦点深度等的输入部等。
针对筛分部110的其他构成，可以与上述含有生物粒子的试样的预处理装置100中说明的构成相同。
胶体溶液添加部120、离心分离部130、以及上清级分取得部140与上述含有生物粒子的试样的预处理装置100中说明的内容相同。
拍摄部150为：用于一边使含有由上清级分取得部140取得的上清级分(S0)的至少一部分的流体4向流动池流动，一边用摄像机拍摄在所述流动池中流动的所述流体的单元。拍摄部150至少具备流动池和摄像机。
拍摄部150例如可以如图6(d)这样构成。在图6(d)的例子中，构成为：具备流动池31和摄像机32，在流动池31与摄像机32之间设置物镜33，摄像机32经由物镜33，对流动池31的框40部分进行拍摄。此外，通过光源34，向框40部分照射光。
流动池31只要根据作为检测对象的生物粒子而适当选择即可。例如，在检测对象为小型底栖生物的情况下，可以将流动池31的相对于拍摄面的进深方向的内径设为150～500μm。此外，可以在流动池31的下游侧连接泵等，通过利用该泵等抽吸投入至流动池31的流体而在流动池31内生成流体的流动。
摄像机32既可以用于静态图像，又可以用于动态图像。在用于静态图像的情况下，优选可连续拍摄，更优选按规定时间进行连续拍摄。此外，可以通过操作面板等设定拍摄间隔。
物镜33用于取得框40的放大图像。物镜33的倍率只要根据作为检测对象的生物粒子而适当选择即可。例如，在检测对象为小型底栖生物的情况下，可以使用倍率10～100倍的物镜。
光源34用于向框40照射光而取得更清晰的图像。光源34既可以配合摄像机32的拍摄间隔而间歇地照射光，又可以始终照射光，优选为按规定间隔照射光的闪光光源。此外，可以通过操作面板等能设定照射间隔。
从光源34照射的光并未特别限定，优选为可见光。此外，在作为检测对象的生物粒子被荧光色素染色的情况下，可以照射激发该荧光色素的波长的光。
针对具备上述这样构成的生物粒子图像取得装置200的动作的一个例子进行说明。
首先，将含有作为检测对象的生物粒子的试样1投入筛分部110。在筛分部110中，进行试样1的筛分，取得从筛网(A)通过，并且不从筛网(B)通过的级分(1b)。通过利用筛分部110的筛分，去除试样1所含有的大量的堆积物粒子。
由筛分部110取得的级分(1b)通过胶体溶液添加部120添加胶体溶液2。由此，制备级分(1b)与胶体溶液2的混合物3。
混合物3被投入离心分离部130而进行离心分离。由此，混合物3被分离为上清级分(S0)和沉淀(P0)。在上清级分(S0)中含有作为检测对象的生物粒子，在沉淀(P0)中含有堆积物粒子。通过利用离心分离部130的离心分离，可以取得基本不含有堆积物粒子的上清级分(S0)。之后，上清级分(S0)通过上清级分取得部140而取得，进行适当制备，制备为含有上清级分(S0)的至少一部分的流体4。
向拍摄部150投入流体4而进行拍摄。流体4在拍摄部150内，向流动池中流动，通过摄像机拍摄存在于流动池上的拍摄框(Imaging frame)内的流体的图像。在生物粒子图像取得装置200中，可以像这样地取得作为检测对象的生物粒子的图像。
由于本实施方式的生物粒子图像取得装置具备上述这样的构成，因此即使为含有大量堆积物粒子的试样，也能取得画质足以进行之后的解析的图像。此外，由于可以自动地进行图像取得之前的操作，因此可以节省以往的基于显微镜检查的解析所需要的时间和工夫。
需要说明的是，生物粒子图像取得装置200可以具备除了上述构成以外的其他构成。在图9所示的例子中，生物粒子图像取得装置200具备流体回收部160。
流体回收部160为：用于回收在拍摄部150中结束拍摄后的流体4的单元。流体回收部160可以构成为例如具备：用于回收流体4的容器；用于向该容器导入流体4的软管；以及生成在该软管内的流体4的流动的泵等。例如可以构成为：在拍摄部150内的流动池31的下游端连接软管，将该软管与流体回收部160内的容器连接。此外，也可以构成为：将泵连接于该容器，排出该容器内的空气，经由所述软管，将通过了流动池的流体4回收到所述容器。
由流体回收部160回收的流体4可以用于进一步的解析。
此外，生物粒子图像取得装置200与上述含有生物粒子的试样的预处理装置100同样地，可以具备沉淀悬浮部、上清级分制备部等。沉淀悬浮部以及上清级分制备部与预处理装置100中说明的内容相同。
除此以外，生物粒子图像取得装置200可以具备：显示由拍摄部150取得的图像的图像显示部、解析取得的图像的图像解析部、控制装置整体的动作的控制部等。
实施例
以下，利用实施例来说明本发明，但本发明并不限定于以下的实施例。
＜试验例1＞
[解析用试样]
使用了由北海道钏路冲的三个测量点(水深560m、3300m、7100m)得到的堆积物试样。
[试样的筛分]
使用网孔1mm、500μm、250μm、125μm、63μm、以及38μm的六个筛网，对所述堆积物试样进行了筛分。通过显微镜检查确认了被所述各筛网捕捉的小型底栖生物的个体数。
[结果]
将被各筛网捕捉的小型底栖生物的个体数示于表1。约80％的个体进入63～250μm的筛网分区。
[表1]
＜试验例2＞
[解析用试样]
使用了由岩手县大槌湾冲的四个测量点(水深72m、303m、1064m、1677m)得到的堆积物试样。
[用于取得解析用图像的试样预处理]
用5％中和福尔马林固定所述堆积物试样，利用玫瑰红染色了堆积物试样中的生物(终浓度0.05g/L)。
一边振荡一边筛分所述染色操作后的堆积物试样约26.4mL。筛分使用网孔250μm的筛网和网孔63μm的筛网，回收从网孔250μm的筛网通过，并且不从网孔63μm的筛网通过的试样。
将所回收的试样放入50mL离心管，添加约30mL胶体状二氧化硅(LUDOX HS-40、SIGMA-ALDRICH)，使试样悬浮于胶体状二氧化硅。之后，使用离心分离机(LC200、TOMY)，以800G进行了10分钟离心。从离心后的离心管采取上清液，捕集于网孔32μm的筛网上。
在采取了上清液之后，在离心管内的沉淀中添加约30mL胶体状二氧化硅，使沉淀悬浮于胶体状二氧化硅。之后，使用离心分离机，以800G进行了10分钟离心。从离心后的离心管采取上清液，捕集于网孔32μm的筛网上。再进行一次该作业。
使从上述离心三次量的上清液捕集于网孔32μm的筛网上的试样悬浮于约10mL胶体状二氧化硅，回收到新的50mL离心管。
[解析用图像的取得]
解析用图像的取得使用带摄像机的流动微粒计数装置FlowCAM(Fluid ImagingTechnologies)来进行。物镜使用倍率为四倍的物镜，流动池使用相对于摄像机的拍摄面的进深方向的内径为300μm的流动池。
此外，为了回收从FlowCAM通过的试样，准备了新的50mL离心管。该离心管的上部被封口膜(parafilm)密封，插入两根软管，一方软管的另一端与流动池的下游侧连接。另一方的软管的另一端与蠕动泵(Fisher Scientific)连接。根据该构成，若运转蠕动泵，则试样从流动池流向所述软管，试样被回收到离心管内。这样，从FlowCAM通过的试样捕集于离心管。
需要说明的是，在试样投入前，流动池以及与流动池连接的软管预先充满胶体状二氧化硅溶液。
在上述这样的构成中，轻轻搅拌回收于离心管的试样，使用巴斯德吸管(Pasteurpipette)，向FlowCAM的流动池投入而进行了拍摄。拍摄在Auto Image Mode(自动成像模式)下进行，将Auto Image Rate(自动成像速率)(1秒所拍摄的图像数)设定为20。此外，Flash Duration(闪光持续时间)设定为10μs。
[图像的解析]
利用FlowCAM附带的软件VisualSpreadSheet的分类功能Red/Blue Ratio分类所拍摄的图像，通过目测确认各图像来分选生物，按高阶分类群进行了计数。需要说明的是，在此，通过目测进行了分选，但也可以根据从各图像得到的生物的形态、须等形态特征，通过程序等自动地进行生物图像的分选/分类。生物图像的分选可以通过图像解析软件、AI(人工智能)等来进行。
[结果]
对用于向FlowCAM投入试样的离心管、以及结束计数后的软管内进行了显微镜检查，残余的生物个体为几个。
将由FlowCAM拍摄的图像的一个例子示于图10。由FlowCAM拍摄的图像为：足以通过目测分选生物的画质。
由FlowCAM观察的生物个体数与从FlowCAM通过后捕集于离心管的个体数进行比较，计算出拍摄效率。其结果是，对于拍摄效率而言，小型底栖生物整体为57.9±14.8％，线虫类为58.9±19.6％，桡足类为34.6±3.7％。此外，利用FlowCAM计数的个体数与通过显微镜检查计数捕集于离心管的试样的个体数，示出了显著的相关性(小型底栖生物整体：r＝0.95、p＜0.05；线虫类：r＝0.95、p＜0.05；桡足类：r＝1.00、p＜0.01；图11)。
根据以上可知，本方法能得到与通过以往的基于显微镜检查的方法得到的生物个体数的解析结果相关性高的解析结果。
工业上的可利用性
根据本发明，可提供一种即使在堆积物粒子存在的情况下，也能迅速地进行生物粒子的解析的技术。此外，可提供一种能从水或者海水而不存在堆积物地直接取得生物图像以及碱基序列信息，迅速地进行生物粒子的解析的技术。
附图标记说明
1试样；1a不从网孔250～1000μm的筛网通过的级分；1b从网孔250～1000μm的筛网通过，并且不从网孔32～63μm的筛网通过的级分；1c从网孔32～63μm的筛网通过的级分；2胶体溶液；3含有级分(1b)和胶体溶液2的混合物；4流体；5a～5c生物粒子；6悬浮物；10容器；13振荡机；20离心分离机；21离心管；30拍摄装置；31流动池；32摄像机；33物镜；34光源；40框；41图像；100含有生物粒子的试样的预处理装置；110筛分部；120胶体溶液添加部；130离心分离部；140上清级分取得部；150拍摄部；160流体回收部；200生物粒子图像取得装置；A网孔250～1000μm的筛网；B网孔32～63μm的筛网；S0～Sn上清级分；P0～Pn沉淀；90整合系统；910参考数据库；920生物图像取得部；930生物信息判定部；940图像数据库；950碱基序列信息取得部；960碱基序列信息判定部；970碱基序列信息数据库；980整合部；990综合数据库；800解析部。

Claims (9)

1.一种整合系统，其具备：
生物图像取得部，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；
碱基序列信息取得部，取得所述生物粒子的碱基序列信息；
整合部，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库；
生物信息判定部，基于由所述生物图像取得部所取得的图像，取得作为与所述试样中的所述生物粒子的每个种类的个体数相关的信息的第一个体信息；以及
碱基序列信息判定部，基于由所述碱基序列信息取得部所取得的碱基序列信息，取得作为与所述试样中的所述生物粒子的每个种类的个体数相关的信息的第二个体信息，
所述整合部除了所述生物图像以及所述碱基序列信息以外，进一步将基于所述图像得到的与个体数相关的所述第一个体信息和基于所述碱基序列信息得到的与个体数相关的所述第二个体信息，相对应地登记于综合数据库，
所述整合部在判定出所述第一个体信息和所述第二个体信息基于规定的基准为类似的信息的情况下，将与所述第一个体信息对应的所述图像和与所述第二个体信息对应的所述碱基序列信息相对应地登记于所述综合数据库，
所述第一个体信息与所述第二个体信息类似意指，取得在所述试样内大致相同的个体数的图像以及碱基序列信息。
2.一种整合系统，其具备：
生物图像取得部，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；
碱基序列信息取得部，取得所述生物粒子的碱基序列信息；
整合部，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库；
生物信息判定部，基于由所述生物图像取得部所取得的图像，取得作为与所述试样中的所述生物粒子的每个种类的个体数相关的信息的第一个体信息；以及
碱基序列信息判定部，基于由所述碱基序列信息取得部所取得的碱基序列信息，取得作为与所述试样中的所述生物粒子的每个种类的个体数相关的信息的第二个体信息，
所述整合部在判定出所述第一个体信息和所述第二个体信息基于规定的基准为类似的信息的情况下，将与所述第一个体信息对应的所述图像和与所述第二个体信息对应的所述碱基序列信息相对应地登记于所述综合数据库，
所述第一个体信息与所述第二个体信息类似意指，取得在所述试样内大致相同的个体数的图像以及碱基序列信息。
3.一种整合系统，其具备：
生物图像取得部，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；
碱基序列信息取得部，取得所述生物粒子的碱基序列信息；
整合部，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库；
生物信息判定部，基于由所述生物图像取得部所取得的图像，取得表示各种类的个体数相对于从所述试样检测出的所有种类的生物粒子的个体数的比例即出现比例的值；以及
碱基序列信息判定部，基于由所述碱基序列信息取得部所取得的碱基序列信息，取得表示各种类的个体数相对于从所述试样检测出的所有种类的生物粒子的个体数的比例即出现比例的值，
所述整合部除了所述生物图像和所述碱基序列信息以外，进一步将基于所述图像得到的表示出现比例的值和基于所述碱基序列信息得到的表示出现比例的值，相对应地登记于所述综合数据库，
所述整合部在判定出基于所述图像得到的表示出现比例的值和基于所述碱基序列信息得到的表示出现比例的值基于规定的基准为类似的信息的情况下，将与基于所述图像得到的表示出现比例的值对应的所述图像和与基于所述碱基序列信息得到的表示出现比例的值对应的所述碱基序列信息相对应地登记于所述综合数据库，
基于所述图像得到的表示出现比例的值与基于所述碱基序列信息得到的表示出现比例的值类似意指，取得在所述试样内大致相同的个体数的图像以及碱基序列信息。
4.根据权利要求1～3中任一项所述的整合系统，其中，
生物图像取得部通过在含有所述试样的流体在流动池中流动的状态下，对所述流体进行拍摄而取得所述生物图像。
5.根据权利要求1～3中任一项所述的整合系统，其中，
进一步具备：解析部，基于登记于所述综合数据库的所述生物图像以及所述碱基序列信息的对应关系，对新取得的生物图像的生物粒子的碱基序列信息进行鉴定、或者对新取得的生物的碱基序列信息的生物图像进行鉴定。
6.根据权利要求5所述的整合系统，其中，
所述解析部进一步基于与所述生物粒子相关而得到的属性信息进行鉴定。
7.根据权利要求1～3中任一项所述的整合系统，其中，
所述整合部基于所述生物图像或所述碱基序列信息，对所述生物粒子的分类群进行推定。
8.根据权利要求5所述的整合系统，其中，
所述解析部基于所述生物图像判定所述生物粒子的生长状态，基于所述碱基序列信息判定所述生物粒子的类别。
9.一种整合方法，其具有：
生物图像取得步骤，从含有作为检测对象的生物粒子的试样取得作为所述生物粒子的图像的生物图像；
碱基序列信息取得步骤，取得所述生物粒子的碱基序列信息；
整合步骤，将从同种的生物粒子取得的所述生物图像以及所述碱基序列信息相对应地登记于综合数据库；
生物信息判定步骤，基于在所述生物图像取得步骤中取得的图像，取得表示各种类的个体数相对于从所述试样检测出的所有种类的生物粒子的个体数的比例即出现比例的值；以及
碱基序列信息判定步骤，基于在所述碱基序列信息取得步骤中取得的碱基序列信息，取得表示各种类的个体数相对于从所述试样检测出的所有种类的生物粒子的个体数的比例即出现比例的值，
在所述整合步骤中，除了所述生物图像和所述碱基序列信息以外，进一步将基于所述图像得到的表示出现比例的值和基于所述碱基序列信息得到的表示出现比例的值，相对应地登记于所述综合数据库，
所述整合步骤在判定出基于所述图像得到的表示出现比例的值和基于所述碱基序列信息得到的表示出现比例的值基于规定的基准为类似的信息的情况下，将与基于所述图像得到的表示出现比例的值对应的所述图像和与基于所述碱基序列信息得到的表示出现比例的值对应的所述碱基序列信息相对应地登记于所述综合数据库，
基于所述图像得到的表示出现比例的值与基于所述碱基序列信息得到的表示出现比例的值类似意指，取得在所述试样内大致相同的个体数的图像以及碱基序列信息。
CN201880002968.4A 2017-04-28 2018-04-27 整合系统以及整合方法 Active CN109564770B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-090809 2017-04-28
JP2017090809 2017-04-28
PCT/JP2018/017300 WO2018199326A1 (ja) 2017-04-28 2018-04-27 統合システム及び統合方法

Publications (2)

Publication Number Publication Date
CN109564770A CN109564770A (zh) 2019-04-02
CN109564770B true CN109564770B (zh) 2023-11-21

Family

ID=63918461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880002968.4A Active CN109564770B (zh) 2017-04-28 2018-04-27 整合系统以及整合方法

Country Status (5)

Country Link
US (1) US11837331B2 (zh)
EP (1) EP3617916A4 (zh)
JP (1) JP6853469B2 (zh)
CN (1) CN109564770B (zh)
WO (1) WO2018199326A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018508821A (ja) * 2015-01-30 2018-03-29 モレキュラー デバイシーズ， エルエルシー ハイコンテント撮像システムおよびハイコンテント撮像システムを動作させる方法
CN114101109B (zh) * 2021-11-29 2024-02-27 华电电力科学研究院有限公司 一种直吹式制粉系统管道在线监测系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6303297B1 (en) * 1992-07-17 2001-10-16 Incyte Pharmaceuticals, Inc. Database for storage and analysis of full-length sequences
JP2003242154A (ja) * 2002-02-18 2003-08-29 Celestar Lexico-Sciences Inc 遺伝子発現情報管理装置、遺伝子発現情報管理方法、プログラム、および、記録媒体
CN1813063A (zh) * 2003-05-01 2006-08-02 独立行政法人科学技术振兴机构 将固定于载体上的物质附加染色体的顺序或排列位置信息进行排列的阵列及其制造方法、使用阵列的分析系统及其应用
JP2008175769A (ja) * 2007-01-22 2008-07-31 Canon Inc 生物種判定用の辞書作成方法
CN103339632A (zh) * 2011-01-11 2013-10-02 日本软件管理株式会社 核酸信息处理装置及其处理方法
WO2014175427A1 (ja) * 2013-04-26 2014-10-30 日本ソフトウェアマネジメント株式会社 Ｄｎａの状態を評価する方法、装置及びプログラム
JPWO2014203322A1 (ja) * 2013-06-18 2017-02-23 株式会社日立製作所 細胞画像処理装置、細胞画像認識装置及び細胞画像認識方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3131715B2 (ja) 1992-08-19 2001-02-05 株式会社日立製作所 プラントの支援システム
US20020064792A1 (en) 1997-11-13 2002-05-30 Lincoln Stephen E. Database for storage and analysis of full-length sequences
CN102622746B (zh) * 2005-09-21 2016-05-25 卢米尼克斯股份有限公司 图像数据处理的方法和系统
JP5298753B2 (ja) 2008-10-07 2013-09-25 株式会社Ｉｈｉ 微生物反応装置
JP2014203322A (ja) 2013-04-08 2014-10-27 船井電機株式会社 描画装置、描画方法、及び描画プログラム
US20150298091A1 (en) * 2014-04-21 2015-10-22 President And Fellows Of Harvard College Systems and methods for barcoding nucleic acids
US20150324969A1 (en) * 2014-05-09 2015-11-12 Fluid Imaging Technologies, Inc. System and method for microorganism effectiveness analysis using particle imaging

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6303297B1 (en) * 1992-07-17 2001-10-16 Incyte Pharmaceuticals, Inc. Database for storage and analysis of full-length sequences
JP2003242154A (ja) * 2002-02-18 2003-08-29 Celestar Lexico-Sciences Inc 遺伝子発現情報管理装置、遺伝子発現情報管理方法、プログラム、および、記録媒体
CN1813063A (zh) * 2003-05-01 2006-08-02 独立行政法人科学技术振兴机构 将固定于载体上的物质附加染色体的顺序或排列位置信息进行排列的阵列及其制造方法、使用阵列的分析系统及其应用
JP2008175769A (ja) * 2007-01-22 2008-07-31 Canon Inc 生物種判定用の辞書作成方法
CN103339632A (zh) * 2011-01-11 2013-10-02 日本软件管理株式会社 核酸信息处理装置及其处理方法
WO2014175427A1 (ja) * 2013-04-26 2014-10-30 日本ソフトウェアマネジメント株式会社 Ｄｎａの状態を評価する方法、装置及びプログラム
JPWO2014203322A1 (ja) * 2013-06-18 2017-02-23 株式会社日立製作所 細胞画像処理装置、細胞画像認識装置及び細胞画像認識方法

Also Published As

Publication number Publication date
US11837331B2 (en) 2023-12-05
US20210295953A1 (en) 2021-09-23
CN109564770A (zh) 2019-04-02
WO2018199326A1 (ja) 2018-11-01
EP3617916A4 (en) 2021-05-05
JP6853469B2 (ja) 2021-03-31
EP3617916A1 (en) 2020-03-04
JPWO2018199326A1 (ja) 2019-08-08

Similar Documents

Publication Publication Date Title
JP6959614B2 (ja) 分析装置，及びフローサイトメータ
Kalwa et al. New methods of removing debris and high-throughput counting of cyst nematode eggs extracted from field soil
US20230384208A1 (en) Image-based cell sorting systems and methods
Koydemir et al. Rapid imaging, detection and quantification of Giardia lamblia cysts using mobile-phone based fluorescent microscopy and machine learning
Gering et al. A rapid method for counting nucleated erythrocytes on stained blood smears by digital image analysis
EP2936116B1 (en) System and method for classification of particles in a fluid sample
Rees et al. Imaging flow cytometry
MX2014006555A (es) Sistema, metodos y dispositivos de analisis de material.
Hiemann et al. Automatic analysis of immunofluorescence patterns of HEp‐2 cells
CN109564770B (zh) 整合系统以及整合方法
US11630052B2 (en) Ultra-high throughput detection of fluorescent droplets using time domain encoded optofluidics
US10990798B2 (en) Analysis device, analysis method, and program
Le et al. Benchmarking and automating the image recognition capability of an in situ plankton imaging system
Dyomin et al. Fast recognition of marine particles in underwater digital holography
Melzer et al. Trypan blue as an affordable marker for automated live‐dead cell analysis in image cytometry
CA3091337A1 (en) A real-time open water analysis system
Goodwin et al. Improving a semi‐automated classification technique for bivalve larvae: Automated image acquisition and measures of quality control
Fricke et al. Quantitative single-molecule localization microscopy (qSMLM) of membrane proteins based on kinetic analysis of fluorophore blinking cycles
Govindaraju Application of convolutional neural network for leukocyte quantification from a smartphone based microfluidic biosensor
Belini et al. Reducing costs of Giardia spp. cyst enumeration using machine learning-based systems
Kalwa et al. Neue Methoden zum Entfernen von Trümmern und Hochdurchsatzzählung von Zystennematodeneiern, die aus Feldboden extrahiert wurden
Pandey et al. New methods of removing debris and high-throughput counting of cyst nematode eggs extracted from field soil
Sanders Automatic machine learning-guided methods for 3D synapse quantification in confocal neuron images
Kelly et al. Automated Image Processing in Marine Biology

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