CN110331125B - 一种自动化实现多组细胞配对方法 - Google Patents

一种自动化实现多组细胞配对方法 Download PDF

Info

Publication number
CN110331125B
CN110331125B CN201910573508.3A CN201910573508A CN110331125B CN 110331125 B CN110331125 B CN 110331125B CN 201910573508 A CN201910573508 A CN 201910573508A CN 110331125 B CN110331125 B CN 110331125B
Authority
CN
China
Prior art keywords
cells
cell
pairing
potential energy
group
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
CN201910573508.3A
Other languages
English (en)
Other versions
CN110331125A (zh
Inventor
解明扬
张瀚
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201910573508.3A priority Critical patent/CN110331125B/zh
Publication of CN110331125A publication Critical patent/CN110331125A/zh
Application granted granted Critical
Publication of CN110331125B publication Critical patent/CN110331125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
    • C12N5/00—Undifferentiated human, animal or plant cells, e.g. cell lines; Tissues; Cultivation or maintenance thereof; Culture media therefor
    • 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
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明公开了一种自动化实现多组细胞配对方法，属于微纳机器人操作与控制领域。该方法包括如下步骤：（1）目标细胞识别，将非目标细胞移出工作区；（2）在目标细胞上产生光镊；（3）根据配对方法，重新分配光镊位置；（4）判断细胞是否移动到期望位置，如果是则结束配对操作；否则返回第三步继续执行。本发明能够自动化实现多组细胞移动和配对操作，实现大批量、高精度和高吞吐量的细胞配对操作。

Description

一种自动化实现多组细胞配对方法
技术领域
本发明涉及一种自动化实现多组细胞配对方法，属于微纳机器人操作与控制领域。
背景技术
将来自不同组的生物细胞或颗粒移动并配操作具有十分广泛的生物医学应用，例如研究抗原与CD+8T细胞之间的相互作用，研究癌细胞与免疫细胞之间的反应，细胞免疫学，细胞通讯中信号转导机制的研究，细胞融合，以及器官形成机制的探索等。在上述研究中均涉及到细胞配对操作。因此将来自不同组的生物细胞配对成所需的阵列具有广阔的临床应用背景，引起了广泛关注。
在实际的细胞操作中，存在着以下具有挑战性问题：首先，细胞是随机地分布在操作空间的；其次，需要解决细胞与障碍物碰撞以及处理进入工作空间中不相关的细胞微粒；再次，建立自动化操作价格实现大批量细胞移动配对操作，目前关于自动化实现批量细胞移动和配对的研究报道很少。因此，非常有必要研究和开发一套自动化操作平台实现大批量细胞移动和配对操作。
发明内容
本发明提出了一种自动化实现多组细胞配对方法，自动化实现多组细胞移动和配对操作，实现大批量、高精度和高吞吐量的细胞配对操作。
本发明为解决其技术问题采用如下技术方案：
一种自动化实现多组细胞配对方法，包括如下步骤：
(1)目标细胞识别，将非目标细胞移出工作区；
(2)在目标细胞上产生光镊；
(3)根据配对方法，重新分配光镊位置；
(4)判断细胞是否移动到期望位置，如果是则结束配对操作；否，则返回第(3)步继续执行。
步骤(1)所述目标细胞识别采用边缘检测和模板匹配方法进行。
本发明的有益效果如下：
1)自动化实现大批量细胞移动和配对操作。
2)本方法可实现多组细胞配对。
3)有助于研究细胞间通讯机理、细胞免疫学等机理。
附图说明
图1是利用同心圆思想，实现多组细胞移动和配对示意图。
图2是多细胞移动和配对流程图。
图3是移动和配对3组细胞过程图；(a)细胞起始位置图；(b)8秒后细胞位置图；(c)10秒后细胞位置图；(d)最终细胞位置图。
具体实施方式
下面结合附图对本发明创造做进一步详细说明。
1)建立光镊捕获细胞移动和配对动力学模型。考虑M组细胞，每组包含N个细胞。由光镊捕获第k组(k＝1,2…M)中的第i个细胞(i＝1,2…N)的动力学方程如下：
Figure BDA0002111483860000031
其中mik和qik分别是第k组中第i个捕获细胞的质量和位置；
Figure BDA0002111483860000032
和
Figure BDA0002111483860000033
分别是细胞的速度和加速度；Ftrap和Fdrag分别是光捕获力和粘滞阻力；aik和bik分别是光镊的刚度系数和粘滞阻力系数；uik是光镊焦点中心的位置坐标。
多组细胞移动和配对控制问题表述如下：
考虑M组细胞，每组包含N个细胞，表示为q＝{q11,...qik,...qNM}，其中qik表示第k组中第i个细胞的位置，i＝1,2…N,k＝1,2…M。根据同心圆的拓扑结构确定控制输入uik，使得M×N个细胞配成N对，其中每对M个细胞，同时M个细胞来自不同的组，并且它们的距离是可控的。
2)基于人工势能场方法的细胞移动、避障和配对。人工势能场方法已广泛应用于多机器人系统的协同控制，因为它具有控制多个智能体同时又能避免避免碰撞的优点。在本发明专利中，人工势能场函数被设计成对应于所需的单元拓扑。如图1所示，第k组细胞的期望拓扑结构为由圆的内切正N边形表示。设计三种人工势能场函数：
a)细胞间的相互作用：
Figure BDA0002111483860000041
其中a1和dk是正常数，qij(k)＝qik-qjk，qjk表示第k组中第j个细胞的位置，，||qij(k)||代表第k组中第i和第j个细胞的欧式距离。该势能函数是处理细胞与细胞间的相对位置。
b)细胞与参考点的相互作用：
Figure BDA0002111483860000042
其中a2和Rk是正常数，qio(k)＝qik-qo，qo为参考点的坐标，||qio(k)||代表第k组中第i个细胞与参考点qo的欧式距离。该势能函数是处理细胞与参考点的相对位置。
c)细胞与障碍物间的相互作用：
Figure BDA0002111483860000043
其中a3，Rks和R3是正常数，qic(k)＝qik-qc，||qic(k)||代表第k组中第i个细胞与障碍物qc的欧式距离。该势能函数是处理细胞与障碍物间的相对位置，避免碰撞。
1)多细胞移动和配对控制算法设计。利用定义的三种人工势能场函数(2)-(4)，建立了多细胞移动和配对控制算法。
Figure BDA0002111483860000051
其中
Figure BDA0002111483860000052
Figure BDA0002111483860000053
Figure BDA0002111483860000054
其中：
Figure BDA0002111483860000055
是第k组中第i个细胞与其相邻细胞的作用力之和，当两个细胞之间的距离小于dk时定义为相邻细胞。
Figure BDA0002111483860000056
为Pic(k)关于qic(k)的偏导数，Pio(k)表示第k组中第i个细胞与参考点qo的相对势能，
Figure BDA0002111483860000057
为Pij(k)关于qij(k)的偏导数，Pij(k)表示第k组中第i个细胞与第k组中第j个细胞相对势能，
Figure BDA0002111483860000061
为Pic(k)关于qic(k)的偏导数，Pic(k)表示第k组中第i个细胞与障碍物qc的相对势能。k1,k2,k3和k5是控制增益。
2)机器人辅助全息光镊多细胞移动和配对操作流程如图2所示。图3为配对三组细胞过程图。图3(a)为细胞起始位置图；图3(b)和图3(c)分别表示操作8s和10s后细胞位置图；图3(d)为最终的细胞位置图。其中Group1-3分别表示第1-3组细胞。

Claims (2)

1.一种自动化实现多组细胞配对方法，其特征在于，包括如下步骤：
(1)目标细胞识别，将非目标细胞移出工作区；
(2)在目标细胞上产生光镊；
(3)根据配对方法，重新分配光镊位置；
(4)判断细胞是否移动到期望位置，如果是则结束配对操作；否，则返回第三步继续执行；
具体包括以下步骤：
建立光镊捕获细胞移动和配对动力学模型；
考虑M组细胞，每组包含N个细胞；由光镊捕获第k组中的第i个细胞的动力学方程如下：k＝1,2…M，i＝1,2…N
Figure FDA0004049241910000011
其中mik和qik分别是第k组中第i个捕获细胞的质量和位置；
Figure FDA0004049241910000012
和
Figure FDA0004049241910000013
分别是细胞的速度和加速度；Ftrap和Fdrag分别是光捕获力和粘滞阻力；aik和bik分别是光镊的刚度系数和粘滞阻力系数；uik是光镊焦点中心的位置坐标；
多组细胞移动和配对控制问题表述如下：
考虑M组细胞，每组包含N个细胞，表示为q＝{q11,...qik,...qNM}，其中qik表示第k组中第i个细胞的位置，i＝1,2…N,k＝1,2…M；根据同心圆的拓扑结构确定控制输入uik，使得M×N个细胞配成N对，其中每对M个细胞，同时M个细胞来自不同的组；
设计三种人工势能场函数：包括细胞间的相互作用、细胞与参考点的相互作用以及细胞与障碍物间的相互作用：
细胞间的相互作用人工势能场函数公式表达如下：
Figure FDA0004049241910000021
其中a1和dk是正常数，qij(k)＝qik-qjk，qjk表示第k组中第j个细胞的位置，||qij(k)||代表第k组中第i和第j个细胞的欧式距离，该势能函数是处理细胞与细胞间的相对位置；
细胞与参考点的相互作用人工势能场函数公式表达如下：
Figure FDA0004049241910000022
其中a2和Rk是正常数，qio(k)＝qik-qo，qo为参考点的坐标，||qio(k)||代表第k组中第i个细胞与参考点qo的欧式距离，该势能函数是处理细胞与参考点的相对位置；
细胞与障碍物间的相互作用人工势能场函数公式表达如下：
Figure FDA0004049241910000023
利用定义的三种人工势能场函数(2)-(4)，建立多细胞移动和配对控制算法，
Figure FDA0004049241910000031
其中
Figure FDA0004049241910000032
Figure FDA0004049241910000033
Figure FDA0004049241910000034
其中：
Figure FDA0004049241910000035
是第k组中第i个细胞与其相邻细胞的作用力之和，当两个细胞之间的距离小于dk时定义为相邻细胞；
Figure FDA0004049241910000036
为Pic(k)关于qic(k)的偏导数，Pio(k)表示第k组中第i个细胞与参考点qo的相对势能，
Figure FDA0004049241910000037
为Pij(k)关于qij(k)的偏导数，Pij(k)表示第k组中第i个细胞与第k组中第j个细胞相对势能，
Figure FDA0004049241910000038
为Pic(k)关于qic(k)的偏导数，Pic(k)表示第k组中第i个细胞与障碍物qc的相对势能；k1,k2,k3和k5是控制增益。
2.根据权利要求1所述的一种自动化实现多组细胞配对方法，其特征在于，步骤(1)所述目标细胞识别采用边缘检测和模板匹配方法进行。
CN201910573508.3A 2019-06-28 2019-06-28 一种自动化实现多组细胞配对方法 Active CN110331125B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910573508.3A CN110331125B (zh) 2019-06-28 2019-06-28 一种自动化实现多组细胞配对方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910573508.3A CN110331125B (zh) 2019-06-28 2019-06-28 一种自动化实现多组细胞配对方法

Publications (2)

Publication Number Publication Date
CN110331125A CN110331125A (zh) 2019-10-15
CN110331125B true CN110331125B (zh) 2023-04-07

Family

ID=68143637

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910573508.3A Active CN110331125B (zh) 2019-06-28 2019-06-28 一种自动化实现多组细胞配对方法

Country Status (1)

Country Link
CN (1) CN110331125B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102285630A (zh) * 2011-05-06 2011-12-21 中国科学技术大学苏州研究院 基于光镊的自动化微粒搬运方法
CN105588827A (zh) * 2014-10-24 2016-05-18 中国科学院青岛生物能源与过程研究所 活体单细胞拉曼分析平台数字控制系统和方法
CN105849561A (zh) * 2013-10-22 2016-08-10 伯克利照明有限公司 用于测定生物活性的微流体装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006063335A2 (en) * 2004-12-10 2006-06-15 Arryx, Inc. Automated extraction and purification of samples using optical tweezers

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102285630A (zh) * 2011-05-06 2011-12-21 中国科学技术大学苏州研究院 基于光镊的自动化微粒搬运方法
CN105849561A (zh) * 2013-10-22 2016-08-10 伯克利照明有限公司 用于测定生物活性的微流体装置
CN105588827A (zh) * 2014-10-24 2016-05-18 中国科学院青岛生物能源与过程研究所 活体单细胞拉曼分析平台数字控制系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optical micromanipulation of active cells with minimal perturbations: direct and indirect pushing;Chenlu Wang;《J. of Biomedical Optics》;20130401;第18卷(第4期);全文 *
Optical Tweezers: A tool to control, manipulate and quantify immune cell interaction;David Gavin Glass BSc Hons;《思克莱德大学博士学位论文》;20141231;全文 *

Also Published As

Publication number Publication date
CN110331125A (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
Xie et al. Motion trajectory prediction based on a CNN-LSTM sequential model
Yu et al. Microrobotic cell injection
CN108415425B (zh) 一种基于改进基因调控网络的分布式群机器人协同集群算法
Xie et al. Automated pairing manipulation of biological cells with a robot-tweezers manipulation system
Banerjee et al. Optical tweezers: Autonomous robots for the manipulation of biological cells
CN110262523B (zh) 一种分布式群体机器人的自主避障蜂拥控制方法
CN107110762A (zh) 使用一堆散焦全息图像来识别生物颗粒的方法
CN109960880A (zh) 一种基于机器学习的工业机器人避障路径规划方法
CN114820702A (zh) 一种基于yolov5的Deepsort无人机视角行人多目标跟踪方法
CN108320051B (zh) 一种基于gru网络模型的移动机器人动态避碰规划方法
Chen et al. Transportation of multiple biological cells through saturation-controlled optical tweezers in crowded microenvironments
CN110331125B (zh) 一种自动化实现多组细胞配对方法
CN113359756B (zh) 一种基于栅格法实现全向移动机器人避障路径实时规划的方法
Fue et al. Evaluation of a stereo vision system for cotton row detection and boll location estimation in direct sunlight
Prasetyo et al. Spatial Based Deep Learning Autonomous Wheel Robot Using CNN
CN113110517A (zh) 未知环境下基于生物启发的多机器人协作搜索方法
Yang et al. A virtual-assisted controller for biological cell transportation in a dynamic environment with variable field of view
CN116520852A (zh) 一种局部信息下的群机器人围捕多目标方法、装置及设备
Chowdhury et al. Automated indirect manipulation of irregular shaped cells with optical tweezers for studying collective cell migration
Chu et al. Automated dual-arm micromanipulation with path planning for micro-object handling
Wang et al. The identification of straight-curved rice seedling rows for automatic row avoidance and weeding system
CN113189987A (zh) 基于多传感器信息融合的复杂地形路径规划方法及系统
CN116330344A (zh) 一种基于监督学习的支持向量机的协作机器人碰撞检测方法
Martínez-Martín Swarm Robotics: From Biology to Robotics
KR101471246B1 (ko) 고순도 뉴클레오타이드의 대량 생산방법

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