CN112183011A - 一种“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法 - Google Patents

一种“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法 Download PDF

Info

Publication number
CN112183011A
CN112183011A CN202011039569.0A CN202011039569A CN112183011A CN 112183011 A CN112183011 A CN 112183011A CN 202011039569 A CN202011039569 A CN 202011039569A CN 112183011 A CN112183011 A CN 112183011A
Authority
CN
China
Prior art keywords
pin
constraint
test
connection
electrode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011039569.0A
Other languages
English (en)
Other versions
CN112183011B (zh
Inventor
黄喜军
许川佩
张龙
李翔
胡聪
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.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic 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 Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202011039569.0A priority Critical patent/CN112183011B/zh
Publication of CN112183011A publication Critical patent/CN112183011A/zh
Application granted granted Critical
Publication of CN112183011B publication Critical patent/CN112183011B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Human Resources & Organizations (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Genetics & Genomics (AREA)
  • Physiology (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Tourism & Hospitality (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)

Abstract

本发明公开了一种“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，包括：获取“5‑连接”结构的电极共用引脚约束数字微流控生物芯片的引脚约束规则；确定引脚分配方案；将微流控生物芯片模型转换为无向连通图模型，并设置所述无向连通图模型中的每一条边的优先级等级；以优先级策略作为路径选择策略，利用路径选择策略生成一条遍历边的路径；通过遗传算法对所述无向连通图模型中的边的优先级等级进行选择、交叉和变异操作，生成新的优先级等级，并通过迭代的方式，逐渐获得更短的测试路径。本发明采用优先级策略与遗传算法相结合的混合方法，首次解决了“5‑连接”结构引脚受限芯片的在线测试问题，且具有较好的测试效果。

Description

一种“5连接”结构的电极共用引脚约束数字微流控生物芯片 在线测试方法
技术领域
本发明涉及数字微流控生物芯片在线测试技术领域，特别是涉及一种基于“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法。
背景技术
数字微流控生物芯片由2层板构成，底层为控制电极层，可由外部引脚进行控制，顶层为连续的地电极。在电极上均涂有疏水物质，以利于液滴在芯片上的电极间进行移动。当需要移动液滴至相邻电极时，需要激活该相邻电极，并使液滴所在的电极为低电位，则液滴即可移动至该相邻电极。通过对控制电极施加不同的高低电平对板极之间的液滴进行移动、混合等操作。当芯片出现开路与短路等灾难性故障时，液滴在经过故障单元时，将会停滞不前，使生化实验无法正常进行。由于生化实验对数字微流控芯片的可靠性要求非常高，所以需要对芯片进行充分的离线与在线测试，即不仅需要在芯片生产后或实验开展前进行离线测试，而且需要在实验开展时对芯片进行在线测试，以便确保芯片的可靠性。
根据芯片引脚的控制方式的不同，数字微流控生物芯片可以分为直接寻址型与电极共用引脚约束型2种不同结构的芯片，图1所示为5x5电极阵列的数字微流控芯片。图1(a)为直接寻址型芯片，该芯片中的每一个电极均连接一个单独的控制引脚，也即一个控制引脚仅仅控制着一个电极单元。图1(b)为“5-连接”算法设计的电极共用引脚约束型芯片，该电极阵列中的每个电极与其上、下、左、右四个直接相邻电极的引脚编号均不同，共需5个不同的引脚编号。芯片中的多个电极可以共用一个相同编号的控制引脚，也即一个控制引脚可以同时激活多个电极单元。
对于直接寻址芯片而言，由于控制引脚与电极之间是一一对应关系，所以液滴的操纵很方便。但是随着芯片规模的逐渐增大，这种方式需要较多的控制引脚，使得芯片的设计成本与制造成本均急剧上升。而电极共用引脚约束芯片由于多个电极只需要由一个控制引脚进行控制，从而减少了芯片外围的引脚数量，进而降低了芯片成本，弥补了直接寻址芯片的不足。然而，由于电极共用引脚约束芯片中存在多个电极共用一个引脚的情况，相比直接寻址芯片而言，液滴操纵的自由度降低，同时芯片的测试复杂度也更高。
在数字微流控芯片的测试中，直接寻址芯片的研究成果较多，而对于电极共用引脚约束芯片的研究较少。有学者提出了通用型电极共用引脚约束芯片的设计方法，也有学者利用蚁群算法对通用引脚芯片进行了离线与在线测试，取得了较好的测试效果。但这些通用型的设计方法较复杂，生产成本较高。另有学者采用了“5-连接”结构的电极共用引脚约束芯片的设计方法，该方法设计思路简单，生产成本较低。但该类电极共用引脚约束的芯片在设计时并没有考虑芯片的在线测试，虽然该类芯片可以较大比例地减少芯片引脚数量，却无法在生化实验进行的同时对芯片进行在线测试。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，用于解决现有技术的至少一个缺陷。
为实现上述目的及其他相关目的，本发明提供一种“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，包括：
获取“5-连接”结构的电极共用引脚约束数字微流控生物芯片的引脚约束规则；
确定“5-连接”结构的电极共用引脚约束数字微流控生物芯片引脚分配方案；
将“5-连接”结构的电极共用引脚约束数字微流控生物芯片模型转换为无向连通图模型，并设置所述无向连通图模型中的每一条边的优先级等级；
以优先级策略作为路径选择策略，利用路径选择策略生成一条遍历边的路径；
通过遗传算法对所述无向连通图模型中的边的优先级等级进行选择、交叉和变异操作，生成新的优先级等级，并通过迭代的方式，逐渐获得更短的测试路径。
可选地，所述引脚约束规则包括静态流体约束、动态流体约束以及电极共用引脚约束；
所述静态流体约束表示为：
Figure BDA0002706193600000021
或者
Figure BDA0002706193600000022
其中，
Figure BDA0002706193600000023
为液滴l1、l2在时刻t所在的行，
Figure BDA0002706193600000024
为液滴l1、l2在时刻t所在的列；
所述动态流体约束表示为：
Figure BDA0002706193600000025
或者
Figure BDA0002706193600000026
或者
Figure BDA0002706193600000027
或者
Figure BDA0002706193600000028
所述电极共用引脚约束表示为：
Figure BDA0002706193600000029
其中，
Figure BDA00027061936000000210
表示k时刻实验液滴所在的引脚号，
Figure BDA00027061936000000211
表示k时刻测试液滴所在的引脚号，Di表示第i个“5-连接”功能区域。
可选地，所述确定“5-连接”结构的电极共用引脚约束数字微流控生物芯片引脚分配方案，包括：
对所述电极共用引脚约束数字微流控生物芯片进行分区，得到相应的功能分区；
采用“5-连接”方法对每个分区进行引脚分配；其中，“5-连接”方法是指在同一个功能分区内，均采用5个不同引脚进行引脚分配，电极共用引脚约束数字微流控生物芯片中每个阵列单元与其上、下、左、右4个相邻阵列单元的引脚号不同。
可选地，所述将“5-连接”结构的电极共用引脚约束数字微流控生物芯片模型转换为无向连通图模型，包括：
将电极转换为无向连通图中的顶点；
各相邻顶点之间用边进行连接。
可选地，通过logistics混沌算子产生0至1以内的优先级系数，并为无向连通图模型每条边分配一个优先级系数，使得无向连通图模型中的每条边对应一个优先级等级。
可选地，所述以优先级策略作为路径选择策略，利用路径选择策略生成一条遍历边的路径，包括：
选定一个符合引脚约束规则的顶点作为测试液滴的起始点，并利用路径选择策略生成测试路径；
若测试液滴存在满足所有约束条件的邻接顶点且未遍历的邻接边，则选择优先级最高的边对应的顶点作为下一个搜索顶点；若所有邻接边均已遍历，则根据Floyd算法选择距离未遍历边最近的有效邻接点作为搜索顶点；
若测试液滴的所有邻接顶点均不满足约束条件，则执行回退操作，测试液滴回到上一个顶点，并对不满足要求的顶点进行标记；
当所有边均已遍历时，测试液滴所经过的所有顶点按时间顺序构成的序列即为获得的在线测试路径。
可选地，所述通过遗传算法对所述无向连通图模型中的边的优先级等级进行选择、交叉和变异操作，生成新的优先级等级，并通过迭代的方式，逐渐获得更短的测试路径，包括：
步骤1：对遗传算法进行初始化设置；
步骤2：根据给定的群体大小和无向连通图模型中边的数量，生成初始群体；
步骤3：根据优先级策略求解测试路径，计算出各测试路径长度，并求出局部最优解；
步骤4：根据各测试路径的长度，求出适应度函数值；
步骤5：求出选择概率；
步骤6：根据轮盘赌方式与精英保留策略对群体进行选择；
步骤7：根据交叉概率对群体进行交叉操作；
步骤8：根据变异概率进行变异操作；
步骤9：重复步骤3至步骤8，直到迭代次数完成为止。
如上所述，本发明的一种基于“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，具有以下有益效果：
1、本发明在“5-连接”结构的电极共用引脚约束芯片特点的基础上，推导了“5-连接”结构的电极共用引脚约束芯片引脚约束规则，同时，协同考虑“5-连接”结构的电极共用引脚约束芯片的设计与在线测试要求，提出适合在线测试的“5-连接”结构的电极共用引脚约束芯片的引脚分配方案，使该结构的芯片可以进行在线测试(使在线测试成为可能，或者说具备进行在线测试的条件)。
2、为了解决“5-连接”结构的电极共用引脚约束数字微流控生物芯片的在线测试，并提高测试效率，采用优先级策略与遗传算法相结合的混合方法，首次解决了“5-连接”结构引脚受限芯片的在线测试问题，且具有较好的测试效果。
附图说明
图1为5x5电极阵列芯片示例图；其中，a)为直接寻址型(引脚数为25)，b)为“5-连接”结构的电极共用引脚约束型(引脚数为5)；
图2为本发明一实施例一种基于“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法的流程图；
图3为本发明静态流体约束与动态流体约束示意图；
图4为本发明电极共用引脚约束示意图，其中，(a)表示引脚号不一致，(b)表示引脚号一致；
图5为本发明在芯片上开展的实验对应的实验路径规划图；
图6为本发明功能分区及引脚分配图；
图7为原有的功能分区及引脚分配图(不能进行在线测试)；
图8为本发明实施例中无向连通图模型的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图2所示，一种基于“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，包括：
S21获取“5-连接”结构的电极共用引脚约束数字微流控生物芯片的引脚约束规则；
S22确定“5-连接”结构的电极共用引脚约束数字微流控生物芯片引脚分配方案；
S23将“5-连接”结构的电极共用引脚约束数字微流控生物芯片模型转换为无向连通图模型，并设置所述无向连通图模型中的每一条边的优先级等级；
S24以优先级策略作为路径选择策略，利用路径选择策略生成一条遍历边的路径；
S25通过遗传算法对所述无向连通图模型中的边的优先级等级进行选择、交叉和变异操作，生成新的优先级等级，并通过迭代的方式，逐渐获得更短的测试路径。
由于生化实验在进行的过程中，芯片也可能发生故障，故需要进行在线测试。此时实验液滴与测试液滴将同时存在于芯片上，此时需要考虑液滴之间的约束条件，否则将可能会发生液滴之间的融合等错误的操作，导致实验的失败。电极共用引脚约束数字微流控生物芯片的约束条件包含3类，分别为静态流体约束、动态流体约束与电极共用引脚约束。
1、静态流体约束
Figure BDA0002706193600000041
或者
Figure BDA0002706193600000042
式中，
Figure BDA0002706193600000043
为液滴l1、l2在时刻t所在的行，
Figure BDA0002706193600000044
为液滴l1、l2在时刻t所在的列。静态流体约束表明2个静止的液滴之间的行号或列号需相差2以上，也即在相同时刻的液滴之间不能直接相邻，也不能对角相邻。
2、动态流体约束
Figure BDA0002706193600000045
或者
Figure BDA0002706193600000046
或者
Figure BDA0002706193600000047
或者
Figure BDA0002706193600000048
动态流体约束说明相邻时刻的2个液滴也不能直接相邻或对角相邻，也即一个t时刻的液滴与t-1时刻或t+1时刻的另一个液滴均不能相邻。图3所示为静态流体约束与动态流体约束示意图，其中
Figure BDA0002706193600000049
表示黑色测试液滴下一时刻不能到达的阵列单元，而“√”表示黑色测试液滴下一时刻能访问的阵列单元。
3、电极共用引脚约束
由于电极共用引脚约束型数字微流控芯片中的一个控制引脚连接着多个电极，利用“5-连接”方法设计的电极共用引脚约束芯片由多个不同功能区域组成，每个功能区域均由属于同一组的5个引脚控制。例如：D1＝{1,2,3,4,5}，表示功能区域D1由编号为1、2、3、4、5的5个控制引脚进行控制。在同一个“5-连接”区域内，所有液滴不仅需要满足流体的静态与动态流体约束条件，而且需要满足电极共用引脚约束条件，即液滴所在的引脚号必须保持一致，否则将影响液滴的正常操作。
如图4(a)所示，当灰色标识的实验液滴所属的引脚号为4时，下一时刻将前往下方标注为2的电极。假设此时有另一个黑色标识的液滴位于引脚号为3的电极上，下一时刻将前往正下方的引脚号为1的电极，则在下一时刻实验液滴正上方与正下方的电极均被激活，将产生液滴分裂。若黑色液滴将前往正上方的引脚号为5的电极时，同样将产生液滴分裂。另外，若黑色液滴前往右方的4号电极，则标注为4的电极均被激活，则使得实验液滴将无法移动。此时黑色液滴只有前往与实验液滴一致的引脚号时，才不会发生异常。
而在图4(b)中，虽然靠下的灰色标识的液滴与靠上的灰色标识的实验液滴引脚号一致，但其无法满足动态流体约束条件，也会发生液滴的融合现象。因此，当测试液滴在k-1时刻进入与实验液滴相同的“5-连接”功能区域内以后，从k时刻开始，同一功能区域内的液滴所在的引脚号必须保持一致，其电极共用引脚约束条件如下式所示。其中
Figure BDA0002706193600000051
表示k时刻实验液滴所在的引脚号，
Figure BDA0002706193600000052
表示k时刻测试液滴所在的引脚号，Di表示第i个“5-连接”功能区域。
Figure BDA0002706193600000053
在步骤S22中，确定“5-连接”结构的电极共用引脚约束数字微流控生物芯片引脚分配方案，具体地，包括以下步骤：
对所述电极共用引脚约束数字微流控生物芯片进行分区，得到相应的功能分区；
以15x15芯片阵列为例，在芯片上开展的实验操作安排如下：
步骤1、0s时，样本R2和试剂S2开始向混合区移动；
步骤2、0.8s时，样本R2和试剂S2开始混合；
步骤3、6s时，样本R2和试剂S2进行混合的同时，样本R1和试剂S1开始向混合区移动；
步骤4、6.8s时，样本R2和试剂S2混合结束，向光学检测单元移动，此时样本R1和试剂S1开始混合；
步骤5、12.8s时，样本R1和试剂S1混合结束，向光学检测单元移动，光学检测单元继续进行检测操作；
步骤6、19.8s时，实验2检测结束，液滴向废液池移动，实验1继续进行检测操作；
步骤7、25.8s时，实验1检测结束，液滴向废液池移动，实验结束。
实验安排中采用频率为16Hz，幅度为50V的交流电压驱动液滴，则液滴在相邻电极间移动的时间为62.5ms，称为一个单位时间，所走过的路径长度记为1。同时，在芯片上开展的实验对应的实验路径规划如图5所示。
根据实验安排及路径规划，将芯片分成9个功能分区D1至D9，如图6所示。其中每个分区详情如下：
D1区：由试剂S2移动区域的前端部分构成，此区域仅有试剂S2经过；
D2区：由样本R2移动区域前端部分构成，此区域仅有试剂R2经过；
D3区：由试剂R1和R2的公共移动区域构成；
D4区：由样本和试剂的混合区域3构成；
D5区：由样本和试剂混合后的移动区域构成；
D6区：由试剂S1移动区域的前端部分构成，此区域仅有试剂S1经过；
D7区：由样本R1移动区域前端部分构成，此区域仅有试剂R1经过；
D8区：由第二检测区域2构成；
D9区：由第一检测区域1构成。
2)对每个功能分区采用“5-连接”方法进行引脚分配
在对芯片进行了分区以后，再采用“5-连接”方法对每个分区进行引脚分配。其中，“5-连接”方法是指在同一个功能分区内(也即同一个“5-连接”区域内)，均采用5个不同引脚进行引脚分配，只需保证每个阵列单元与其上、下、左、右4个相邻阵列单元的引脚号不同即可。该5个不同引脚组成一个引脚组，使得不同的功能分区对应于不同的引脚组，也即有9个功能分区，则有9个不同的引脚组。对应的由“5-连接”方法进行的引脚分配如图6所示。
其他参考文献所提出的由“5-连接”方法进行的引脚分配如图7所示，此时有9个功能分区，但不是每一个功能分区对应不同的引脚组。从图7中可以看出，该电极共用引脚约束芯片只需要25个控制引脚，是直接寻址芯片引脚数(225个)的11.1％，虽然引脚数量得以大幅度减少，且能保证生化实验的正常进行，但却无法对该引脚分布的芯片进行在线测试。因为进行在线测试时，首先需要将测试液滴置于芯片的最外围电极上。如果将测试液滴起始点放置在D3区域，由于流体约束与电极共用引脚约束的存在，测试液滴只能经过D4区域后到达D5区域。而当样品2与试剂2的混合物离开D4区域前往D5区域时，D6和D7区域又被样品1与试剂1占用，也即引脚1至引脚10均被占用，此时的测试液滴与实验液滴之间的约束条件得不到满足，将无法避免的发生液滴融合或分裂等异常现象。另外，除了D3区域，其他外围区域都与实验刚开始就占用的引脚1至10有关，使得测试液滴无法满足约束条件，所以也不能将起始点放置在除D3以外的其他区域。因此，相比于直接寻址型芯片而言，图7所示的电极共用引脚约束分配方式只专注于减少控制引脚数量，却引发了无法进行在线测试的问题。
为了解决上述问题，本发明提出了适合电极共用引脚约束芯片进行在线测试的引脚分配方案。首先根据芯片需要执行的实验安排，对芯片进行功能分区，然后再利用“5-连接”方法对每个分区进行引脚配置，且要求每个功能区采用不同的控制引脚，上述芯片的引脚分配示意图如图6所示。与参考文献中的功能分区一样，该芯片可以分成9个不同的功能区，不同的是参考文献中允许不同的分区共享相同的控制引脚，只需满足正常的实验要求即可，不需考虑测试液滴是否满足约束条件，而本发明方法却要求不同分区采用不同的控制引脚，此时测试液滴在芯片上的操纵自由度增大，在进行正常实验的同时，也可满足电极共用引脚约束条件，即可实现在线测试。此时，该引脚分配方式需要45个控制引脚，是直接寻址芯片引脚数的20％，使得控制引脚数也得到大幅降低。与以前方法相比，虽然引脚数增加了约9％，但使得在线测试成为了可能，进一步确保了生化实验的可靠性。
为了检测出芯片中的短路与开路等灾难性故障，首先将芯片转换成无向图模型，也即无向连通图模型：1)将陈列单元(也即电极)转换为图中顶点，2)各相邻顶点之间用边进行连接，如图8所示。
在获得无向连通图模型后，利用测试液滴从储液池出发遍历图模型中的顶点和边，因为当遍历无向图中的边时，也同时一定会遍历无向图中的顶点，故测试液滴只需遍历所有的边即可。若测试液滴在遍历边以后能到达终点，也即废液池4，说明芯片正常，若芯片中存在灾难性故障，则测试液滴无法到达废液池。通过将测试液滴遍历无向图中所有边的方法，实现对芯片进行测试的目的。为了提高测试效率，需要尽量缩短测试时间，也即在测试液滴遍历所有边的基础上，所走过的测试路径最短。若微流控芯片模型为m行n列的阵列，则边的总数为NE＝m×(n-1)+(m-1)×n。根据欧拉回路理论，测试液滴从起点出发，遍历图中所有边一次且仅有一次后，再回到起点时所经历的边数可为NEC，如下式所示。若终点和起点不一致，则可以构成欧拉路径，所经历的边数最小可为NEC-2。
Figure BDA0002706193600000071
芯片的在线测试路径优化问题是NP-hard问题(NP难问题)，适合采用遗传算法等智能方法进行求解，但是由于引脚受限芯片中电极分布的特点，遗传算子不方便对无向连通图模型中的顶点或边直接进行操作，故采用优先级策略与遗传算法相结合的方法对测试路径进行优化。首先给无向连通图模型中的每条边赋值一个初始优先级系数，并采用优先级策略生成初始测试路径，然后再利用遗传算子对优先级系数进行交叉与变异操作，获得新的优先级系数，从而又可以产生新的测试路径。因此，通过优先级策略与遗传算法对测试路径不断地进行优化，通过迭代方式逐步逼近最短测试路径。
在利用优先级策略进行在线测试路径生成之前，首先要根据无向连通图模型生成顶点之间的邻接矩阵及顶点与边之间的关系矩阵，并根据实验路径生成禁忌表，对测试液滴在某些时刻不能到达的顶点进行标识。另外，根据logistics混沌算子产生0至1以内的优先级系数，使得无向连通图模型中的每条边对应一个优先级系数。此后，选定一个符合静态流体约束、动态流体约束和电极共用引脚约束条件的顶点作为测试液滴的起始点，并利用优先级策略生成测试路径。若测试液滴存在满足所有约束条件的邻接顶点，且存在未遍历的邻接边，则选择优先级最高的边对应的顶点作为下一个搜索顶点；若所有邻接边均已遍历，则根据Floyd算法选择距离未遍历边最近的有效邻接点作为搜索顶点。另外，若测试液滴的所有邻接顶点均不满足约束条件，则执行回退操作，测试液滴回到上一个顶点，并对不满足要求的顶点进行标记。当所有边均已遍历时，测试液滴所经过的所有顶点按时间顺序构成的序列即为获得的在线测试路径。
以上通过优先级策略获得的测试路径是测试液滴按时间顺序经过的顶点序列，这些相邻顶点之间在芯片的空间位置上也满足邻接关系。若利用遗传算法直接对获得的测试路径进行交叉等操作，则会破坏顶点之间的邻接关系，使得新的测试路径成为不可行解。所以利用遗传算法对优先级系数进行选择、交叉与变异操作，通过优化优先级系数，从而优化测试液滴的路径选择顺序，最终实现优化测试路径的目的。通过优先级策略与遗传算法实现在线测试路径优化的设计步骤如下。
步骤1：首先对遗传算法进行初始化设置。
步骤2：根据给定的群体大小和无向图模型中边的数量，生成初始群体。
步骤3：根据优先级策略求解测试路径，计算出各路径长度，并求出局部最优解。
步骤4：根据各路径长度，求出适应度函数值。
步骤5：求出选择概率。
步骤6：根据轮盘赌方式与精英保留策略对群体进行选择。
步骤7：根据交叉概率对群体进行交叉操作。
步骤8：根据变异概率进行变异操作。
步骤9：重复步骤3至步骤8，直到迭代次数完成为止。
对电极共用引脚约束芯片进行在线测试时，设置遗传算法群体大小NPS＝30，迭代次数NIT＝300，交叉概率pc＝0.6和变异概率pm＝0.2。同时，针对数字微流控芯片行列相等即m＝n的方式进行测试，其中m分别取7、9、11、13、15。表1为不同尺寸的芯片的引脚数据及引脚受限芯片在线测试的最短路径长度数据。从表中可以看出：(1)相比直接型而言，电极共用引脚约束型芯片的引脚数量大幅度减少。(2)从对电极共用引脚约束型芯片的在线测试数据来看，最短测试路径长度均达到了欧拉路径的最优值，也即长度均为NEC-2，此长度为测试路径长度的极限值，说明本发明采用的算法能有效解决电极共用引脚约束型芯片的在线测试。
表1引脚数与在线测试时最短测试路径长度
Figure BDA0002706193600000081
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (7)

1.一种“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，包括：
获取“5-连接”结构的电极共用引脚约束数字微流控生物芯片的引脚约束规则；
确定“5-连接”结构的电极共用引脚约束数字微流控生物芯片引脚分配方案；
将“5-连接”结构的电极共用引脚约束数字微流控生物芯片模型转换为无向连通图模型，并设置所述无向连通图模型中的每一条边的优先级等级；
以优先级策略作为路径选择策略，利用路径选择策略生成一条遍历边的路径；
通过遗传算法对所述无向连通图模型中的边的优先级等级进行选择、交叉和变异操作，生成新的优先级等级，并通过迭代的方式，逐渐获得更短的测试路径。
2.根据权利要求1所述的“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，所述引脚约束规则包括静态流体约束、动态流体约束以及电极共用引脚约束；
所述静态流体约束表示为：
Figure FDA0002706193590000011
或者
Figure FDA0002706193590000012
其中，
Figure FDA0002706193590000013
为液滴l1、l2在时刻t所在的行，
Figure FDA0002706193590000014
为液滴l1、l2在时刻t所在的列；
所述动态流体约束表示为：
Figure FDA0002706193590000015
或者
Figure FDA0002706193590000016
或者
Figure FDA0002706193590000017
或者
Figure FDA0002706193590000018
所述电极共用引脚约束表示为：
Figure FDA0002706193590000019
其中，
Figure FDA00027061935900000110
表示k时刻实验液滴所在的引脚号，
Figure FDA00027061935900000111
表示k时刻测试液滴所在的引脚号，Di表示第i个“5-连接”功能区域。
3.根据权利要求1所述的“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，所述确定“5-连接”结构的电极共用引脚约束数字微流控生物芯片引脚分配方案，包括：
对所述电极共用引脚约束数字微流控生物芯片进行分区，得到相应的功能分区；
采用“5-连接”方法对每个分区进行引脚分配；其中，“5-连接”方法是指在同一个功能分区内，均采用5个不同引脚进行引脚分配，电极共用引脚约束数字微流控生物芯片中每个阵列单元与其上、下、左、右4个相邻阵列单元的引脚号不同。
4.根据权利要求1所述的“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，所述将“5-连接”结构的电极共用引脚约束数字微流控生物芯片模型转换为无向连通图模型，包括：
将电极转换为无向连通图中的顶点；
各相邻顶点之间用边进行连接。
5.根据权利要求1所述的“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，通过logistics混沌算子产生0至1以内的优先级系数，并为无向连通图模型每条边分配一个优先级系数，使得无向连通图模型中的每条边对应一个优先级等级。
6.根据权利要求1所述的“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，所述以优先级策略作为路径选择策略，利用路径选择策略生成一条遍历边的路径，包括：
选定一个符合引脚约束规则的顶点作为测试液滴的起始点，并利用路径选择策略生成测试路径；
若测试液滴存在满足所有约束条件的邻接顶点且未遍历的邻接边，则选择优先级最高的边对应的顶点作为下一个搜索顶点；若所有邻接边均已遍历，则根据Floyd算法选择距离未遍历边最近的有效邻接点作为搜索顶点；
若测试液滴的所有邻接顶点均不满足约束条件，则执行回退操作，测试液滴回到上一个顶点，并对不满足要求的顶点进行标记；
当所有边均已遍历时，测试液滴所经过的所有顶点按时间顺序构成的序列即为获得的在线测试路径。
7.根据权利要求1所述的“5连接”结构的电极共用引脚约束数字微流控生物芯片在线测试方法，其特征在于，所述通过遗传算法对所述无向连通图模型中的边的优先级等级进行选择、交叉和变异操作，生成新的优先级等级，并通过迭代的方式，逐渐获得更短的测试路径，包括：
步骤1：首先对遗传算法进行初始化设置；
步骤2：根据给定的群体大小和无向连通图模型中边的数量，生成初始群体；
步骤3：根据优先级策略求解测试路径，计算出各测试路径长度，并求出局部最优解；
步骤4：根据各测试路径的长度，求出适应度函数值；
步骤5：求出选择概率；
步骤6：根据轮盘赌方式与精英保留策略对群体进行选择；
步骤7：根据交叉概率对群体进行交叉操作；
步骤8：根据变异概率进行变异操作；
步骤9：重复步骤3至步骤8，直到迭代次数完成为止。
CN202011039569.0A 2020-09-28 2020-09-28 一种数字微流控生物芯片在线测试方法 Active CN112183011B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011039569.0A CN112183011B (zh) 2020-09-28 2020-09-28 一种数字微流控生物芯片在线测试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011039569.0A CN112183011B (zh) 2020-09-28 2020-09-28 一种数字微流控生物芯片在线测试方法

Publications (2)

Publication Number Publication Date
CN112183011A true CN112183011A (zh) 2021-01-05
CN112183011B CN112183011B (zh) 2022-08-19

Family

ID=73944604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011039569.0A Active CN112183011B (zh) 2020-09-28 2020-09-28 一种数字微流控生物芯片在线测试方法

Country Status (1)

Country Link
CN (1) CN112183011B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111558404A (zh) * 2020-05-12 2020-08-21 南方科技大学 微流控芯片液滴路径规划方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040263152A1 (en) * 2003-06-24 2004-12-30 Cherif Ahrikencheikh Optimized pin assignment with constraints
CN106934173A (zh) * 2017-03-24 2017-07-07 哈尔滨工业大学 基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法
CN107238790A (zh) * 2017-05-27 2017-10-10 哈尔滨工业大学（威海） 基于编码译码的数字微流控生物芯片在线测试结构及方法
CN110704259A (zh) * 2019-09-09 2020-01-17 桂林电子科技大学 一种高效的数字微流控生物芯片测试路径优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040263152A1 (en) * 2003-06-24 2004-12-30 Cherif Ahrikencheikh Optimized pin assignment with constraints
CN106934173A (zh) * 2017-03-24 2017-07-07 哈尔滨工业大学 基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法
CN107238790A (zh) * 2017-05-27 2017-10-10 哈尔滨工业大学（威海） 基于编码译码的数字微流控生物芯片在线测试结构及方法
CN110704259A (zh) * 2019-09-09 2020-01-17 桂林电子科技大学 一种高效的数字微流控生物芯片测试路径优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHUAN-PEI XU等: ""Digital Microfluidic Biochips Online Fault Detection Route Optimization Scheme"", 《2018 INTERNATIONAL CONFERENCE ON COMMUNICATION, NETWORK AND ARTIFICIAL INTELLIGENCE (CNAI 2018)》 *
DEBASIS DHAL等: ""A connect-5 structure based parallel assay operations in a restricted sized chip in digital microfluidics"", 《2013 2ND INTERNATIONAL CONFERENCE ON ADVANCES IN ELECTRICAL ENGINEERING (ICAEE)》 *
XIJUN HUANG等: ""An Efficient Algorithm for Optimizing the Test Path of Digital Microfluidic Biochips"", 《JOURNAL OF ELECTRONIC TESTING》 *
许川佩 等: ""引脚受限数字微流控芯片的多液滴并行测试研究"", 《仪器仪表学报》 *
许川佩等: "引脚约束的数字微流控生物芯片在线并行测试", 《电子与信息学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111558404A (zh) * 2020-05-12 2020-08-21 南方科技大学 微流控芯片液滴路径规划方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112183011B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN106934173B (zh) 基于禁忌搜索与人工势场法相结合的数字微流控芯片在线测试方法
EP3273059B1 (en) Methods, systems and products for conducting droplet operations
US8603413B2 (en) Electrode addressing method
CN109190259B (zh) 基于改进Dijkstra算法和IPSO结合的数字微流控芯片故障修复方法
Ho et al. Digital microfluidic biochips: A vision for functional diversity and more than Moore
CN110443433B (zh) 基于改进鲸鱼优化算法的数字微流控芯片的调度优化方法
Jajodia et al. CLASS: computerized layout solutions using simulated annealing
CN109214090B (zh) 基于改进遗传算法的数字微流控芯片故障修复方法
CN112183011B (zh) 一种数字微流控生物芯片在线测试方法
Lee et al. An improved genetic algorithm for facility layout problems having inner structure walls and passages
CN106886843B (zh) 基于改进粒子群算法的数字微流控芯片故障检测方法及系统
Parrilla-Gutierrez et al. Adaptive artificial evolution of droplet protocells in a 3D-printed fluidic chemorobotic platform with configurable environments
CN103402641A (zh) 用于处理液体或基于液体的物质的装置和方法
CN111141920B (zh) 基于强化学习的数字微流控生物芯片的故障在线检测方法
Singha et al. Method of droplet routing in digital microfluidic biochip
Huang et al. Parallel testing optimization method of digital microfluidic biochip
Keszocze et al. Exact design of digital microfluidic biochips
Roy et al. Two-level clustering-based techniques for intelligent droplet routing in digital microfluidic biochips
Xijun et al. On-Line Test of Pin-Constrained Digital Microfluidic Biochips with Connect-5 Structure
CN115657621A (zh) 一种基于混合蚁群算法的led晶粒分选路径优化方法
Dutta et al. Structural and behavioural facets of digital microfluidic biochips with hexagonal-electrode-based array
Xu et al. Automated design of digital microfluidic lab-on-chip under pin-count constraints
Zheng et al. Testing path searching for digital microfluidic biochips based on the improved particle swarm optimization
CN109117497B (zh) 数字微流控生物芯片计算机辅助设计布局的时间优化方法
CN111274682A (zh) 基于蛙跳算法的数字微流控芯片在线测试路径优化方法

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210105

Assignee: Guangxi Jingteng Medical Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2022450000245

Denomination of invention: An On line Testing Method for Digital Microfluidic Biochip

Granted publication date: 20220819

License type: Common License

Record date: 20221206

Application publication date: 20210105

Assignee: Guilin Jierui Sensor Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2022450000244

Denomination of invention: An On line Testing Method for Digital Microfluidic Biochip

Granted publication date: 20220819

License type: Common License

Record date: 20221206

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210105

Assignee: Nanning Xinglintang Medical Technology Co.,Ltd.

Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY

Contract record no.: X2022450000399

Denomination of invention: An On line Testing Method for Digital Microfluidic Biochip

Granted publication date: 20220819

License type: Common License

Record date: 20221226

EE01 Entry into force of recordation of patent licensing contract