CN113167697A

CN113167697A - 使用具有不均匀体积的隔室的数字试验以确定样本中目标的体积浓度

Info

Publication number: CN113167697A
Application number: CN201980077639.0A
Authority: CN
Inventors: 萨曼莎·A·伯恩; 托安·休恩; 凯文·保罗·弗洛德·尼克尔斯; 伯恩哈德·汉斯·魏格尔
Original assignee: Tokitae LLC
Current assignee: Tokitae LLC
Priority date: 2018-11-26
Filing date: 2019-11-20
Publication date: 2021-07-23
Also published as: US11305284B2; US11577247B2; US20230149932A1; EP3887796A1; US20220193661A1; WO2020112456A1; US20200164364A1; EP3887796A4; JP2022516222A; JP7266679B2

Abstract

一种系统的实施方案，所述系统包括隔室生成设备、隔室检测器和电子计算电路。所述设备配置为生成数字试验的隔室，所述隔室中的至少一个具有与所述隔室中的至少另一个中的每个的各自的体积不同的各自的体积。所述检测器配置为确定具有大于目标的阈值数量的各自的目标数量的隔室的数量。并且所述电子电路配置为响应于所确定的隔室的数量确定样本的源中目标的体积浓度。因为这样的系统可以配置为从多分散数字试验估计源中目标的体积浓度，所述系统可以是便携式的，并且相比于传统系统成本更低，且更加快速。

Description

使用具有不均匀体积的隔室的数字试验以确定样本中目标的体积浓度

发明内容

尽管参照悬浮在液体中的不同体积的样本液滴描述了一个或多个实施方案的示例以及由一个或多个实施方案所解决的问题的示例，一个或多个实施方案通常涉及用于确定来自包括在屏障相(barrier phase)形成的不同体积的隔室的数字试验的源中目标的体积浓度的技术。

在某些情况下，需要确定源中目标的体积浓度。例如，为了确保大量人员的安全，政府机构可能希望确定市政供水中病原体(例如炭疽或其他传染原、病毒或寄生虫)、毒素(例如肉毒杆菌)、或者其他毒物(例如铅和汞等重金属、或神经毒剂等化学剂)的体积浓度，或者可能想确定空气中刺激性物质(例如花粉或烟雾)的体积浓度。体积浓度通常表示为单位体积中目标的″块″(例如，粒子、分子、细胞、原子)的数量比例，或者表示为目标占据的体积中的单元数量与体积单元的参考数量的标准化比值(例如，百万分之几)。

图1是示出用于确定源12中目标10的体积浓度λ_T的模拟技术的示例的示意图。例如，目标10可以是脊髓灰质炎病毒或细菌(例如大肠杆菌或其他大肠菌)，并且源12可以是市政供水。

参考图1，一个或多个样本14是从源12提取的。例如，如果源12是市政供水，则样本14可以是来自战略性选择的位置16(例如，在水体的中部，或在将水引入水处理设施的进水口附近)的10毫升(mL)的水。

接下来，用例如试剂的物质处理每个样本14，该物质使样本表现出一种或多种现象，每种现象具有与样本中目标10的浓度有关的相应水平。例如，添加到样本14的试剂可以与目标10的分子结合，并使得样本呈现出具有与样本中目标的浓度有关的强度、饱和度、色调或阴影的颜色，其中该颜色可能是由于结合的试剂吸收一种或多种波长的光，发出一种或多种波长的光，或吸收一种或多种第一波长的光并发出一种或多种第二波长的光而引起的。

然后，技术人员(图1中未示出)用设计为激活试剂以显示颜色的光源照射样本。

接下来，技术人员(图1中未示出)考虑一个或多个样本14表现出的一种或多种现象，并且得到源12中目标10的实际体积浓度λ_T的估计结果λ_T。例如，如果样本14显示出较浅的绿色阴影(阴影图16的左端)，则技术人员将样本12中目标10的体积浓度λ_T估计为″低″；相反，如果样本显示出较深的绿色阴影(阴影图的右端)，则技术人员将样本14中目标10的体积浓度λ_T估计为″高″。技术人员考虑一个或多个附加样本14中的每个样本各自的绿色阴影，并基于他/她对绿色阴影的认知，有效地平均所有考虑的样本的绿色阴影，以得出对体积浓度λ_T的最终估计。例如，技术人员可以将体积浓度λ_T表征为″高″、″中″、″低″、″危险″或″安全″。

但是，这种模拟技术的问题在于，技术人员无法以任何精度量化他/她对源12中目标10的体积浓度λ_T的估计结果

即，通过这种模拟技术，技术人员仅能够提供粗略的(coarse)或″大致的(rough)″体积浓度λ_T的估计结身

不幸的是，对于某些应用，″大致的″体积浓度λ_T的估计结果

是不足的。

在另一种模拟技术中，技术人员(图1中未示出)将一个或多个样本14表现出的一种或多种现象中的每一种与相应的图进行比较，该图量化了源12中目标10相对于相应现象的水平的体积浓度λ_T，并响应于一个或多个图得到体积浓度λ_T的估计结果

例如，图16包括四个绿色阴影，每个绿色阴影均与体积浓度λ_T的一个对应值λ_{T_1}-λ_{T_4}相关联，其中绿色阴影与对应值λ_{T_n}之间的关联关系是使用一个或多个具有目标10的已知体积浓度λ_T的测试源而确定的。技术人员将每个样本14的阴影与图16中的四个绿色阴影进行比较。如果，如图1所示的示例，样本14的阴影在图16中的两个阴影之间(这里样本在两个最左边的阴影之间)，然后，基于他/她对该样本阴影与该两个阴影″相近″程度的认知，技术人员将体积浓度λ_T插入为具有介于与图中的该两个阴影相联系的值λ_{T_1}和λ_{T_2}之间的估计值

(这种颜色-阴影插入类似于用于确定游泳池或矿泉的水的PH和碱度的颜色-阴影插入)。技术人员可以将一个或多个附加样本14中的每个样本的相应绿色阴影与图16进行比较，并对从所有比较样本中获得的体积浓度的插入值求平均值，以得出目标10的体积浓度λ_T的最终估计值

尽管后一种模拟技术可以提供源12中目标10的体积浓度λ_T的更准确的估计结果

该技术仍取决于技术人员区分颜色阴影中，或一或多种其他现象的水平中有时微妙的差异的能力。

图2是示出用于确定源12中的目标10的体积浓度λ_T的数字技术的示意图。

通过将样本分成多个隔室(如果隔室是液体的，也称为液滴)22来形成数字试验20，每个隔室足够小(例如，≤约100皮升(pL))，使得一些隔室包括目标10，且一些隔室不包括目标。数字试验20中的隔室22的数量可以在数十到数千的范围内，这取决于应用和所期望的精度量。

该技术是数字技术，因为所考虑的是隔室22是否确实包括至少一个目标10(″开启″隔室)或者不包括至少一个目标(″关闭″隔室)。例如，如以上结合图1所述，试剂被添加到每个隔室22中，并且与隔室中的目标10的任何分子结合(在此示例中，″至少一个目标″是指目标的至少一个分子，或者，换言之，是指至少一个目标分子)。如果隔室22变成任何绿色阴影(即，该隔室包括至少一个目标)，则该隔室为″开启″隔室；相反，如果隔室没有变为绿色(即，该隔室没有任何目标)，则该隔室为″关闭″隔室。

存在用于响应于数字试验所显示的特征而生成源12中目标10的体积浓度λ_T的估计结身

的算法，该特征包括″开启″隔室22的数量、″关闭″隔室的数量、以及隔室的总体积。

因为隔室22的体积相对较小，所以低成本、便携式设备经常产生具有明显不同体积的隔室，其中数字试验20中的最大隔室体积为，例如约最小隔室体积的十倍或十倍以上。具有像这样不同体积的隔室的数字试验被称为″多分散数字试验″。

不幸的是，现有算法的准确性随着隔室体积一致性的降低而大幅下降。换言之，随着隔室体积之间差异的增加，由现有算法确定的体积浓度估计结果

的准确性降低。

因此，对于许多应用，由低成本设备产生的隔室22的体积的差异是如此大，以致于现有算法无法产生足够精确的

直。

仍然参考图2，为了提高现有算法的准确性，已经开发了专用设备来生成具有更一致的体积的数字试验。

例如，数字试验30具有体积近似相等的隔室32，并且这种数字试验被称为″单分散数字试验″。

但是，尽管单分散数字试验，例如数字试验30，显着提高了现有算法可以估计源12中目标10的体积浓度λ_T的准确性，但是单分散数字试验的生成常常困扰于许多问题。

例如，用于生成例如数字试验30的单分散数字试验的设备可能昂贵，笨重且缓慢。此类设备的成本可能高达150,000美元或更多；从而，慈善机构和其他资金有限的机构通常无法获得此类设备。因此，此类机构将其样本发送到实验室进行分析，并且通常等待大量时间(例如，几周到几个月)以获得体积浓度λ_T的估计结果

此外，这样的设备可能是大约6英尺×6英尺×2英尺；因此，它通常不适于现场应用(例如，在水库岸边，在饮用水井处)。因此，即使机构拥有或以其他方式可以使用这种设备，将样本从源运输到设备也增加了获得体积浓度λ_T的估计结果

的时间和成本。而且，这种设备可能花费相对较长的时间，例如大约一分钟，来产生单分散数字试验的每个隔室。因此，由于单分散数字试验可能包括数十个，数百个甚至数千个隔室，此类设备的生产力受到限制，并从而增加了获得体积浓度λ_T的估计结果

的时间和成本。

因此，需要一种比现有设备更小，更便宜和更快速的系统，并至少与现有系统一样精确。

在一个实施方案中，这样的系统包括隔室生成设备，隔室检测器和电子计算电路。该设备配置为生成数字试验的隔室，隔室中的至少一个具有与隔室中的至少另外一个中的每个的各自的体积不同的各自的体积。检测器配置为确定具有大于目标的阈值浓度的各自的目标浓度的隔室的数量。并且电子电路配置为响应于该数量以确定样本的源中目标的体积浓度。

与用于生成单分散数字试验的设备相比，这样的系统可以是便携式的，低成本的和更快的，但是也可以产生相似的准确性。在一个实施方案中，这些改进来自配置为实施允许从多分散数字试验准确估计源中目标的体积浓度λ_T的算法的系统。

附图说明

图1是示出用于确定源中目标的体积浓度的模拟技术的示意图。

图2是示出用于确定源中目标的体积浓度的两种数字技术的示意图。

图3是示出根据一个实施方案的用于确定源中目标的体积浓度的数字技术的示意图。

图4是配置为根据一个实施方案实施图3所示的数字技术的系统的示意图。

图5是图3所示的数字技术的流程图，并且根据一个实施方案由图4中的系统实施。

图6是图3所示的数字技术的流程图，并且根据另一个实施方案由图4中的系统实施。

图7是根据一个实施方案的用于表征图3-4的多分散数字试验的技术的流程图。

图8是图3所示的数字技术的流程图，并且根据又一个实施方案由图4实施。

图9是根据一个实施方案的多分散数字试验和残留屏障相的示意图。

图10是根据一个实施方案的用于使用图3所示的数字技术确定源中目标的体积浓度的便携式试剂盒的示意图。

图11是根据一个实施方案的图4的计算机的示意图。

具体实施方案

下文中使用词语″大概(approximately)″、″基本上(substantially)″、″大约(about)″以及类似的词语和短语，表示数量可以处于该数量的给定值的±10％范围内，并且两个或更多的数量可以完全相等，或在彼此±10％的范围之内。此外，使用这样的词语来描述b到c的范围，表示处于b-10％·|c-b|到c+10％·|c-b|的范围。

图3是示出根据实施方案的用于确定源12中的目标10的体积浓度λT的数字技术的示意图。例如，可以使用该数字技术来获得对体积浓度λ_T的精确估计

根据一个实施方案，容器40，例如玻璃或塑料的透明试管，保持悬浮在屏障相46中的隔室44的多分散数字试验42，其中暗隔室″打开″并且亮隔室″关闭″。在所描述的示例中，每个隔室44是液体(例如水)的相应液滴，而屏障相46是另一种液体，例如油，液滴悬浮在其中。液滴44和液体屏障相46的结合是乳液。

图4是根据一个实施方案的容器40、容器内的多分散数字试验42和屏障相46以及配置为响应于多分散数字试验的液滴44中的至少一些以确定源12(图3)中的目标10(图3)的体积浓度λ_T的系统50的图。

系统50包括液滴分析器52和计算设备54。该液滴分析器52和该计算设备54均包括硬接线或由软件或固件配置的电子电路，以执行下面描述的各个功能和操作。

液滴分析器52包括″开启″液滴检测器和计数器56，液滴计数器58和液滴体积确定器60。该″开启″液滴检测器和计数器56包括电子电路和一个多个配置为检测和确定多分散数字试验42中″开启″液滴44的数量的光学传感器。液滴计数器58包括电子电路和一个或多个配置为确定多分散数字试验42中″开启″和″关闭″的液滴44的总数的光学传感器(其中的一个或多个可以与该开启液滴检测器和计数器56共享)。并且液滴体积检测器60包括电子电路和一个或多个配置为测量或以其他方式确定每个液滴44的各自体积的光学传感器(其中的一个或多个可以与″开启″液滴检测器和计数器56或液滴计数器58共享)。

计算设备54可以是包括一个或多个微处理器或微控制器的任何合适的计算机，例如便携式电脑、平板电脑或智能手机。

图5是根据一个实施方案的用于确定源12中目标10的体积浓度λ_T的算法的流程图70。

参照图3-5，根据一个实施方案，描述了由流程图70表示的算法以及在实现该算法时系统50的操作，在该实施方案中，隔室44和屏障相46都是液体，使得隔室44是悬浮在液体屏障相中的液滴。

首先，在步骤72中，技术人员(图3-5中未显示)从源12中的样本中生成不同体积(例如，在大约1pL-100s pL的范围内)的液滴44，以形成多分散数字试验42。例如，技术人员将屏障相液体46(例如油)的指示的体积添加到容器40中，将源10的指示的样本体积添加到容器中的屏障相液体中，塞住容器的顶部，并摇晃容器以形成悬浮在屏障相液体中的液滴44的乳液。进一步在示例中，容器40可以包括测量线(图3-5中未示出)以指示要添加的屏障相液体的体积，并且技术人员使用例如″眼″滴管之类的测量装置以获取并测量样本的体积。可替代地，容器40可以包括另一测量线(图3-5中未示出)，该另一测量线在容器上高于屏障相测量线，以指示在屏障相液体被添加之后要添加的样本的体积。更进一步在示例中，在技术人员摇晃容器之前，技术人员向容器40添加试剂，该试剂用于使携带目标的液滴44发光，如上面结合图1-2所述。使用这种″摇和烘(shake and bake)″技术，技术人员可以在几到几十秒的时间内，并且即使在包括设置系统50和获取样本的时间的情况下也在不超过几分钟的时间内，生成多分散数字试验42。

接下来，在步骤74中，″开启″液滴检测器和计数器56确定多分散数字试验42中的″开启″液滴44的数量a。例如，计数器56可以包括照明设备和图像捕获设备的组合，例如光源和小型照相机，技术人员使其接近或靠着容器40。照明设备照亮液滴44，使得包括目标的液滴发出具有分别对应于液滴中目标浓度的阴影的颜色。然后，技术人员按下设备上的按钮或由计算机54显示的虚拟按钮，以在包括目标的液滴发光时捕获容器中的液滴44的图像。使用传统的图像处理技术，计算机54分析图像，检测液滴44，并通过对于每一液滴确定该液滴内包括的多个目标的数量(the number of targets)(或者，换言之，该目标的数量(thenumber of the target))是否超过阈值数量(例如，一个目标分子，五个目标分子，十个目标分子)，以确定所检测到的每一液滴44是″开启″或者″关闭″。

然后，在步骤76中，计算机54响应于容器40中的″开启″液滴44的数量a，生成源12中目标10的体积浓度λ_T的估计值

例如，如以下结合图6所述，计算机54响应于a执行一个或多个方程来求解

与现有的用于确定源中目标的体积浓度的系统和技术相比，系统50以及该系统50实施的算法提供了一个或多个优点。例如，容器40和屏障相46配置为提供便宜、现场和快速的数字试验42的生成。此外，系统50配置为提供便宜、现场和快速的对源12中目标10的体积浓度λ_T的估计，甚至是响应于具有不同体积的隔室44的多分散数字试验42来进行的。

仍参考图3-5，考虑到系统50和上述算法的替代实施方案。例如，可以将一个或多个步骤添加到算法中，并且可以从算法中省略上述步骤中的一个或多个。此外，可以在系统50中添加一个或多个部件，并且可以从系统中省略上述部件中的一个或多个。而且，可以省略试剂的使用，例如，如果目标在没有试剂的情况下发光可以将试剂省略，或者如果系统50可以通过确定目标相关信号的特性(例如，颜色，颜色阴影)是否超过信号特性阈值，以一种不需要使用试剂的方式来确定隔室44中的目标数量是否超过阈值数量，则可以将试剂省略。另外，计算机54可以执行归因于液滴分析器52的一个或多个功能和操作，并且液滴分析器可以执行归因于计算机的一个或多个功能和操作。此外，云服务器可以补充或替换计算机54。而且，系统50和上述算法对于单分散数字试验产生相似的结果和优点。另外，下面结合图6-10描述的实施方案可适用于该系统50和上述算法。

图6是根据一个实施方案的用于确定源12(图3)中的目标10(图3)的体积浓度λ_T的数字可变体积(DVV)算法的流程图80。该DVV算法适用于系统50包括液滴体积确定器60的情况，或者″开启″液滴44的各自体积以及所有液滴的总体积可以被确定的情况。

参照图3-4，根据一个实施方案描述了由流程图80表示的DVV算法以及在实现该算法时系统50的操作，在该实施方案中，隔室44和屏障相46都是液体，使得隔室44是悬浮在屏障相中的液滴以形成乳液。

首先，在步骤82中，技术人员(图3-4和图6中未示出)从源12的样本生成不同体积(例如，在大约1pL-100s pL范围内)的液滴44，以形成多分散数字试验42。例如，技术人员可以使用与上述结合图5的步骤72所述的″摇和烘″方法相同或相似的方法来形成多分散数字试验42。

接下来，在步骤84中，″开启″液滴检测器和计数器56确定多分散数字试验42中″开启″液滴44的数量a。例如，″开启″液滴检测器和计数器56可以使用与上述结合图5的步骤74所述的方法相同或相似的方法来确定液滴的数量a。

然后，在步骤86中，液滴体积确定器60确定每个检测到的″开启″液滴44的各自的体积v_i，并且，在需要的情况下，通过将检测到的″开启″和″关闭″液滴44的各自的体积求和来确定液滴44的总体积v_Total。例如，为了确定每个″开启″液滴44的各自的体积v_i，该确定器60使用传统的液滴体积确定算法来分析系统50在步骤84捕获的一个或多个图像。为了确定总体积v_Total，该确定器60还通过与确定器确定″开启″液滴的体积v_i相同的方式来确定″关闭″液滴44的体积，将″关闭″液滴的体积与″开启″液滴的体积v_i求和，并且将v_Total设置为等于所确定的求和值。替代地，液滴体积确定器60配置为如上所述地操作，但是代替液滴分析器52而作为计算机54的一部分或以其他方式被包括在计算机54中。在又一替代方案中，因为样本的总体积与液滴44的总体积v_Total相同，并且由于根据步骤82知道样本的体积，技术人员将样本的体积输入计算机54，并且计算机将v_Total设置为等于输入的样本体积。

接下来，在步骤88中，计算机54根据下列方程式求解源12中目标10的体积浓度的估计值

(1)

下面包括对方程式(1)的推导和解释。

在一个理想的例子中，每个″开启″液滴44将包含且仅包含一个目标，使得计算机54可以从″开启″液滴44的数量a除以样本14的体积v_Total来确定估计的体积浓度

其中a也等于样本中目标的数量。

但是，因为在实际的非理想示例中，每个″开启″液滴44可能包含多个目标10，从a/v_Total确定估计的体积浓度

可能会由于样本14中目标数量的计数不足而导致错误。

为了减小或消除这种在样本14的一个或多个″开启″液滴44中的各自目标数量是未知的情况下计数不足的错误，计算机54配置为使用方程式(1)来估计源12中目标的体积浓度λ_T。

对于每个″开启″液滴44，方程式(1)包括液滴包括至少一个目标的概率的相应表达，该概率取决于相应的液滴体积，并且因此该相应表达包括相应的液滴体积。

因此，方程式(1)不仅有效说明了一个或多个″开启″液滴44中的每个包括多个目标10的可能性，方程式(1)还有效说明了更大的″开启″液滴44相比于更小的″开启″液滴44有更大的可能包括多个目标。

与现有系统和技术相比，系统50以及由系统50配置为实现的DVV算法提供了一个或多个优点。例如，容器40和二元相(binary phase)46提供了便宜、现场和快速的数字试验42的生成。此外，系统50提供了对源12中的目标10的体积浓度λ_T的便宜、现场、快速且准确的估计，甚至是响应于具有不同体积的液滴44的多分散数字试验42来进行的。

仍参考图3-4和图6，考虑到系统50和DVV算法的替代实施方案。例如，代替″开启″液滴检测器，计数器56确定″开启″液滴44的数量a，技术人员可以对″开启″液滴的数量a进行计数并将数量a输入计算机54。此外，代替液滴体积确定器60确定″开启″液滴44的体积v_i，技术人员可以使用例如尺子或显微镜的设备来估计体积v_i，并且然后将这些体积输入计算机54。此外，系统50和上述算法对于单分散数字试验产生相似的结果和优点。另外，以上结合图3-5以及以下结合图7-11描述的替代实施方案可以适用系统50和DVV算法。

图7是用于表征由图4的容器40和屏障相46产生的隔室(例如，液滴)的体积的算法的流程图100。

图8是根据一个实施方案的用于确定源12(图3)中的目标10(图3)的体积浓度λ_T的数字可变体积近似(DVVA)算法的流程图110。该DVVA算法适合于其中系统50缺少液滴体积确定器60，或者其中″开启″液滴44的各自体积以及所有液滴的总体积未知的情况。

参照图3-4和图7，根据其中隔室44是液滴的实施方案，描述了隔室体积表征算法。

在步骤102中，技术人员(图3-4或图7中未示出)从类似于图3的源12的样本的测试样本生成一组具有不同体积(例如，在大约1pL-100pL的范围内)的测试液滴，以形成测试多分散数字试验；例如，如果预期的源12是水体，则技术人员可以使用水的样本。技术人员将指示体积的屏障相液体46(例如油)添加到容器40中，将指示体积的测试样本添加至容器中的屏障相液体中，塞住容器的顶部，并摇晃容器以形成悬浮在屏障相液体中的测试液滴的乳液。容器40可以包括测量线(图3-4或图7中未示出)以指示要添加的屏障相液体的体积，并且技术人员可以使用例如″眼″滴管的测量设备，以添加指示体积的测试样本。替代地，该容器可以包括另一条测量线(图3-4或图7中未示出)，其在容器上的位置比屏障相测量线高，以指示在屏障相液体被添加之后要添加的测试样本的体积。

接下来，在步骤104中，液滴计数器58或类似的计数器确定测试液滴的数量m，并且在步骤106中，液滴体积确定器60或类似的确定器确定该m个测试液滴中的每个的各自的体积v_{i_characterized}。

然后，在步骤108中，计算机54将测试液滴的数量m，以及测试液滴的体积v_{i_characterized}存入存储器(图3中未示出)。替代地，该数量m和相应的体积v_{i_characterized}可以存入另一个存储器，计算机54配置为从其中下载m和v_{i_characterized}的值。

生成特征数量m和特征体积v_{i_characterized}背后的理论是，相似的容器，样本物质和屏障相将为m和v_{i_characterized}生成相似的值，使得能够在实际液滴44的体积v_i不能被确定或者以其他方式未知的情况下使用m和v_{i_characterized}的值来确定源12(图3)中的目标10(图3)的体积浓度λ_T。即，实际液滴体积v_i和特征液滴体积v_{i_characterized}之间的统计相关性足够高，从而如下所述，可以在实际液滴44的体积v_i未知的情况下使用测试液滴的数量m和体积v_{i_characterized}来确定源12中目标10的实际体积浓度λ_T。

仍参考图7，考虑到液滴表征算法的替代实施方案。例如，步骤102-106可以重复任何合适的次数以生成对于m和v_{i_characterized}的测试值集合，并且计算机54或类似的计算机可以通过从测试值集合中的一个或多个进行内插值以计算m和v_{i_characterized}的最终值。

参考图3-4和图8，根据一个实施方案描述了由流程图110表示的DVVA算法以及在实施DVVA算法时系统50的操作，其中，隔室44和屏障相46都是液体，使得隔室44是悬浮在屏障相中以形成乳液的液滴。

首先，在步骤112中，技术人员(图3-4和图8中未示出)从源12的样本中生成体积不同(例如，在大约1pL-100pL的范围内)的液滴44，以形成多分散数字试验42。例如，技术人员可以使用与以上结合图5的步骤72描述的″摇和烘″方法相同或相似的方法来形成多分散数字试验42。

接下来，在步骤114中，″开启″液滴检测器和计数器56确定多分散数字试验42中″开启″液滴44的数量a。例如，开启液滴检测器和计数器56可以使用与以上结合图5的步骤74描述的方法相同或相似的方法来确定数量a。

然后，在步骤116中，液滴计数器58确定容器40中的多分散数字试验42中所有液滴44的数量n(即，″开启″和″关闭″液滴的总和)。例如，为了确定所有液滴44的数量n，液滴计数器58使用传统的液滴计数算法分析系统50在步骤114中捕获的一个或多个图像。替代地，液滴计数器58仅计数″关闭″液滴44的数量b，并将该数量与″开启″液滴的数量a相加，以生成n＝a+b。替代地，液滴计数器58以类似的方式操作，但是是计算机54的一部分或包括在计算机54中，而不是液滴分析器52的一部分或包括在液滴分析器52中。

接下来，在步骤118中，计算机54根据以下方程式求解源12中目标10的估计体积浓度

(2)

其中，m是液滴的特征数量，并且每个v_{i_characterized}是以上结合图7描述的m个液滴中相应的一个液滴的特征体积。

下面包括对方程式(2)的推导和解释。

与现有系统和技术相比，系统50以及该系统配置为实施的DVVA算法提供了一个或多个优点。例如，容器40和屏障相46提供了便宜、现场和快速的数字试验42的生成。此外，系统50提供了便宜、现场和快速的对于源12中目标10的体积浓度λ_T的估计，甚至是响应于具有未知的不同体积的液滴44的多分散数字试验42进行的。

仍参考图3-4和图8，考虑到系统50和DVVA算法的替代实施方案。例如，从以上结合图7描述的测试液滴的数量m和体积v_{i_characterized}，可以确定测试液滴的体积的概率密度函数f(v)，并根据以下方程式求解源12中目标10的估计体积浓度

(3)

此外，以上结合图3-7，以及以下结合图9-11描述的替代实施方案可适用于该系统50和该DVVA算法。

图9是根据另一个实施方案的容器40中的多分散数字试验42的图。

如果屏障相46，例如油，具有比液滴44更高的密度，则液滴可以″漂浮″在没有图9所示的液滴的屏障相的残留区域120上。

相反，如果屏障相46，例如油，具有比液滴44低的密度，则液滴可以″下沉″到容器40的底部，使得没有液滴的屏障相的残留区域120″漂浮″在液滴上(图9中未示出″漂浮″在液滴上的残留区域)。

图10是根据实施方案的数字试验生成器和分析器套件130的图。该套件130、便携式计算机(例如，笔记本电脑、平板电脑、智能手机)与以上结合图5-8描述的一种或多种算法的组合提供了便宜、现场和快速的数字试验42的生成，并且提供了便宜、现场和快速的对于源12(图3)中目标10(图3)的体积浓度λ_T的估计，尽管该多分散数字试验中的液滴44可能具有未知的不同体积。例如，套件130可能花费大约30-100美元，生成每个数字试验42所需的屏障相46的量可能花费大约1美元或更少，套件130和计算机54的总重量可以是大约3磅(1bs.)到101bs.，并且总测试时间(从样本14的收集到计算机54提供估计的体积浓度λ_T)可能是大约20分钟至80分钟。

除了容器40和液滴分析器52，套件130还包括容器塞132、屏障相46的可重新打开并且可重新关闭的包装(例如，螺旋盖瓶)134、试剂的可重新打开并且可重新关闭的可选包装(例如，螺旋盖瓶)136、滴管138、以及非暂时性计算机可读介质140。该塞132配置为在容器40的开口处形成液密密封，从而允许摇晃该容器以形成多分散数字试验42。该滴管138允许技术人员将屏障相46和试剂从它们各自的包装134和136转移到容器40，并允许技术人员从源(例如，储液库)中获得液体样本(例如，水)，且将该样本转移到该容器。并且该计算机可读介质是合适的非易失性存储器，该非易失性存储器存储程序指令，当便携式计算机执行该程序指令时，使得计算机实施以上结合图5-8描述的算法中的一种。

仍然参考10，考虑到套件130的替代实施方案。例如，套件130可以包括其中可以存储和携带所有其他系统组件的携带箱。另外，以上结合图1-9描述的，以及以下结合图11描述的实施方案可以适用于该套件130。

图11是根据一个实施方案的图4的计算机54的框图。

计算机54包括计算电路150，一个或多个输入设备152，一个或多个输出设备154以及一个或多个数据存储设备156。

计算电路150包括配置为执行多种功能和操作的电路，例如以上结合图3-8和图10描述的功能和操作。例如，计算电路150包括微处理器或微控制器，其是硬接线的或配置有固件，或者其执行软件以执行上述功能和操作。

该一个或多个输入设备152配置为允许操作员或设备向计算机54提供数据或其他信息或信号。输入设备152的示例包括键盘、鼠标、触摸屏、可听或声音识别组件、液滴分析器52(图4)等等

一个或多个输出设备154配置为以合适的形式将数据从计算电路150提供给操作员或设备，或者在计算电路150的控制下执行功能或操作。输出设备154的示例包括打印机、视频显示器、音频输出组件、液滴分析器52(图4)等等。

一个或多个数据存储设备156配置为在易失性或非易失性存储介质(未示出)上存储数据，或者从易失性或非易失性存储介质(未示出)中检索数据。数据存储设备156的示例包括磁盘、闪速存储器、其他类型的固态存储器，例如随机存取存储器(RAM、SRAM、DRAM、USB″条″)、铁电存储器、磁带驱动器、光盘，如压缩磁盘和数字通用磁盘(DVD)，等等。

仍然参考图11，考虑到计算机54的替代实施方案。例如，计算机54可以省略一个或多个上述设备，并且可以包括一个或多个其他设备。

方程式(1)和(2)的推导和解释

一般定义和假设

在数字试验中，体样本中的目标(分子、细胞等)随机分配到许多隔室中。具有一个或多个目标的隔室给出信号(例如，核酸扩增后的荧光强度)，并且被称为″开启″隔室。没有目标的隔室不提供信号，称为″关闭″隔室。目标按照泊松分布分配到隔室中。试验系统，例如图4的系统50，能够对″开启″隔室的数量n(但不能对每个隔室中的目标数量)进行检测和计数。

对于每个试验，都需要使用某种推断方法来计算体积浓度。数字可变体积(DVV)和数字可变体积近似(DVVA)方法基于最大似然估计；浓度估计是使得观察特定实验结果的可能性最大化的值。受到用于微生物计数的有限稀释试验的启发，在多体积数字PCR(其中每个试验都利用少量预先确定的，精确控制的体积)中使用最大似然估计，由此启发了这里对于最大似然估计的选择。特别地，一个重要的特征是来自不同体积的结果很容易通过将可能性相乘来进行组合。下面得到了用于计算浓度估计的表达式和使用最大似然估计框架的标准误差。表1中描述了与DVV和DVVA方法的描述相关的术语。

表1：数学符号的定义

首先，考虑到体积和体积浓度(方程式(a))而计算特定隔室变成″开启″的概率。这与基于平均值为vλ_T的泊松分布的隔室中具有多个目标的概率相同。这个概率在接下来的推导步骤中是有用的。

数字可变体积(DVV)

观察某个试验结果的可能性l(λ_T)，即，具有关联体积的″开启″和″关闭″隔室的特定数量(分别为a和b)是使用方程式(a)计算的各个可能性的乘积。

(b)

然后找到使l(λ_T)最大化的λ_T值。使用浓度的自然对数(Λ≡ln(λ_T))和对数似然函数(L(∧)≡ln(λ_T))可以方便地计算标准误差并实行对正浓度的要求。标准误差的计算相比于λ_T也更适用于Λ，因为Λ的分布偏斜更小。因此，目标是找到使L(∧)最大化的Λ值。L(∧)以及一阶和二阶导数的表达式在下面示出。

(c)

(d)

(e)

为了计算

确定一阶导数的根(方程式(d))，即求解了方程式(1)，在下面重复列出方程式(1)。

(1)

将L’(∧)＝0代入方程式(e)可得出L”(∧)＜0。因此，使用方程式(1)找到的Λ值确实使L(∧)最大化。同样，使用Λ处的导数，也能够使用观测到的费希尔(Fisher)信息

计算出Λ的标准误差。

(f)

该

可用于计算置信区间。由于体积分布未知，使用期望的费希尔信息计算

是不可行的。实际上，实施DVV算法不要求体积分布，各个实验的体积分布也不必相同。

数字可变体积近似(DVVA)

通常，可以使用体积分布(由概率密度函数f(v)规定)来计算隔室变成开启的概率。

(g)

以前，根据伽马分布或截断正态分布选择f(v)。然而，实际上，可能无法通过一个简单的函数来描述f(v)。即便可以，仍然需要通过实验获得预先测量的体积的集合(表1中的M)以表征f(v)。因此，对于DVVA技术，使用分别测量的体积的集合，M，而不是f(v)。

(h)

然后，能够使用二项分布以获得似然函数(对于在n个隔室中有a个开启隔室的情况，其概率为p_on(λ)。

(i)

如上所述，可以通过变量Λ≡ln(λ_T)以及其后的一阶和二阶导数的变化来计算对数似然函数。

(j)

(k)

(1)

为了最大化L(∧)，找到L’(∧)的根(方程式(2)，在下面重复列出)，并通过检查二阶导数的正负号(方程(m))证实了其与最大值相应。一个有趣的发现是，可以通过使用a/n估计p_ON(λ_T)来获得方程式(2)。

(2)

(m)

然后使用期望的费希尔信息，-<L″(Λ)>，计算

二阶导数L″(Λ)是

(方程式(2))的线性函数。将

代入方程式(k)，并且随后的结果可代入方程式(1)以获得关于

的以下表达式。

(n)

在这种特殊情况下，使用观测到的费希尔信息，

计算的标准误差也与在

处估计的方程式(n)相同。这可以通过将

插入

(方程式(1))来证实。

示例实施方案

示例1包括一种系统，该系统包括：配置为生成样本隔室的设备，隔室中的至少一个具有与隔室中至少另一个中的每个的各自的体积不同的各自的体积；检测器，其配置为确定具有大于目标的阈值数量的各自的目标数量的样本的隔室的数量；电子电路，其配置为响应于所确定的隔室的数量来确定样本的源中目标的体积浓度。

示例2包括示例1的系统，其中该设备包括容器，该容器配置为响应于容器的移动而在屏障相生成样本的隔室。

示例3包括示例1-2中任何一个的系统，其中该设备包括容器，该容器配置为响应于该容器的摇晃而在液体中生成样本的隔室。

示例4包括示例1-3中任何一个的系统，其中该设备包括容器，该容器配置为响应于容器的摇晃而在油中生成样本的隔室作为样本的液滴。

示例5包括示例1-4中任何一个的系统，其中该设备包括容器，该容器配置为响应于容器的摇晃而在屏障相中生成样本的隔室作为样本的液滴，每个液滴具有粘度，屏障相的粘度大于液滴的粘度。

示例6包括示例1-5中的任何一个的系统，其中该检测器配置为响应于电磁能的波长确定具有大于目标的阈值数量的各自的目标数量的隔室的数量，该数量的隔室中的每个在该电磁能的波长处发光。

示例7包括示例1-6中的任何一个的系统，其中该检测器配置为响应于电磁能的波长确定具有大于目标的阈值数量的各自的目标数量的隔室的数量，该数量的隔室中的每个在该电磁能的波长处吸收。

示例8包括示例1-7中的任何一个的系统，其中该检测器配置为响应于电磁能的波长确定具有大于目标的阈值数量的各自的目标数量的隔室的数量，该数量的隔室中的每个在该电磁能的波长处通过。

示例9包括示例1-8中的任何一个的系统，其中该检测器配置为响应于电磁能的波长确定具有大于目标的阈值数量的各自的目标数量的隔室的数量，该数量的隔室中的每个在该电磁能的波长处阻挡。

示例10包括示例1-9中的任何一个的系统，其中该电子电路配置为响应于该数量的隔室中的每个的各自的测量体积确定样本的源中目标的体积浓度。

示例11包括示例1-10中的任何一个的系统，其中该电子电路配置为响应于每个该隔室的各自的测量体积的总和确定样本的源中目标的体积浓度。

示例12包括示例1-11中的任何一个的系统，其中该电子电路配置为响应于该隔室的数量确定样本的源中目标的体积浓度。

示例13包括示例1-12中的任何一个的系统，其中该电子电路配置为响应于其他隔室的数量确定样本的源中目标的体积浓度。

示例14包括示例1-13中的任何一个的系统，其中该电子电路配置为响应于其他隔室中的每个的各自的测量体积确定样本的源中目标的体积浓度。

示例15包括示例1-14中的任何一个的系统，其中该电子电路配置为响应于其他隔室的数量以及其他隔室中的每个的各自的测量体积确定样本的源中目标的体积浓度。

示例16包括示例1-15中的任何一个的系统，其中该电子电路配置为响应于隔室体积的概率密度函数确定样本的源中目标的体积浓度。

示例17包括一种系统，该系统包括：屏障相液体；以及容器，其配置为接收该屏障相液体，接收包括目标的样本，并响应于该容器的摇晃而产生悬浮在该屏障相液体中的样本的隔室，隔室中的至少一个具有与隔室中至少另一个中的每个的各自的体积不同的各自的体积；以及检测器，其配置为确定具有大于目标的阈值数量的各自的目标数量的样本的隔室的数量。

示例18包括示例17的系统，其中，屏障相液体包括油。

示例19包括示例17-18中的任何一个的系统，其中该容器包括透明管。

示例20包括示例17-19中的任何一个的系统，其中该检测器包括电子检测器。

示例21包括示例17-20中的任何一个的系统，其中检测器配置为确定隔室的数量。

示例22包括示例17-21中的任何一个的系统，还包括被配置为从包括目标的源获得样本的装置。

示例23包括示例17-22中的任何一个的系统，还包括存储指令的计算机可读介质，该指令在由计算电路执行时使计算电路响应于具有大于目标的阈值数量的各自的目标数量的隔室的数量确定样本的源中目标的体积浓度。

示例24包括一种方法，该方法包括：生成样本的隔室，隔室中的至少一个具有与隔室中至少另一个中的每个的各自的体积不同的各自的体积；确定具有大于目标的阈值数量的各自的目标数量的隔室的数量；以及响应于该隔室的数量确定样本的源中目标的体积浓度。

示例25包括示例24的方法，其中生成隔室包括通过摇晃包括样本和屏障相的容器来生成悬浮在屏障相中的隔室。

示例26包括示例24-25中的任何一个的方法，其中生成隔室包括摇晃包括样本和屏障相的容器来生成悬浮在液体中的液滴。

示例27包括示例24-26中的任何一个的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，该数量的隔室中的每个在该电磁能的波长处发光。

示例28包括示例24-27中的任何一个的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，该数量的隔室中的每个在该电磁能的波长处吸收。

示例29包括示例24-28中的任何一个的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，该数量的隔室中的每个在该电磁能的波长处通过。

示例30包括示例24-29中的任何一个的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，该数量的隔室中的每个在该电磁能的波长处阻挡。

示例31包括示例24-30中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于该数量的隔室中的每个的各自的测量体积确定体积浓度。

示例32包括示例24-31中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于该数量的隔室中的每个的各自的测量体积的总和确定体积浓度。

示例33包括示例24-32中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于该隔室的数量确定体积浓度。

示例34包括示例24-33中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于其他隔室的数量确定体积浓度。

示例35包括示例24-34中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于其他隔室中的每个的各自的测量体积确定体积浓度。

示例36包括示例24-35中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于其他隔室的数量和其他隔室中的每个的各自的测量体积确定体积浓度。

示例37包括示例24-36中的任何一个的方法，其中确定样本的源中目标的体积浓度包括响应于隔室体积的概率密度函数确定体积浓度。

示例38包括有形的非暂时性计算机可读介质，其存储指令，该指令在由计算电路执行时使计算电路：确定具有大于目标的阈值数量的各自的目标数量的样本的隔室的数量，隔室中的至少一个具有与隔室中至少另一个中的每个的各自的体积不同的各自的体积；并响应于所确定的隔室的数量来确定样本的源中目标的体积浓度。

根据前述内容，将理解，尽管出于说明的目的已经描述了具体的实施方案，可以在不脱离本公开的精神和范围的情况下进行多种修改。此外，在公开了特定实施方案的替代方案的情况下，即使没有特别说明，该替代方案也可以应用于其他实施方案。另外，可以以硬件、软件、固件或者硬件、软件和固件中的任何两个或更多个的组合来实行/执行任何所描述的组分或操作。例如，上述一种、多种或所有操作和功能中的任何一种都可以由硬接线配置为执行一种或多种操作或功能的电子电路、配置为执行程序指令以执行一种或多种操作或功能的电子电路、以固件或其他方式配置为执行一种或多种操作或功能的电子电路、或者配置为上述两种或多种配置的组合的电子电路来执行。例如，图11的计算机54的一个或多个组分可以包括这样的电子电路。此外，为了清楚或其他原因可能省略所述装置或系统的一个或多个组分。而且，在描述中包括的所述装置或系统的一个或多个组分可能从该装置或系统中省略。另外，为了清楚或其他原因可能从描述中省略所述方法的一个或多个步骤。而且，在描述中包括的所述方法的一个或多个步骤可能从该方法中省略。

Claims

1.一种系统，其包括：

配置为生成样本的隔室的设备，所述隔室中的至少一个具有与所述隔室中的至少另一个中的每个的各自的体积不同的各自的体积；

检测器，其配置为确定具有大于目标的阈值数量的各自的目标数量的隔室的数量；

电子电路，其配置为响应于所确定的所述隔室的数量确定所述样本的源中所述目标的体积浓度。

2.根据权利要求1所述的系统，其中所述设备包括容器，所述容器配置为响应于所述容器的移动而在屏障相中生成所述样本的所述隔室。

3.根据权利要求1所述的系统，其中所述设备包括容器，所述容器配置为响应于所述容器的摇晃而在液体中生成所述样本的所述隔室。

4.根据权利要求1所述的系统，其中所述设备包括容器，所述容器配置为响应于所述容器的摇晃而在油中生成所述样本的所述隔室作为所述样本的液滴。

5.根据权利要求1所述的系统，其中所述设备包括容器，所述容器配置为响应于所述容器的摇晃而在屏障相中生成所述样本的所述隔室作为所述样本的液滴，每个所述液滴具有黏度，所述屏障相具有黏度，所述屏障相的黏度高于所述液滴的黏度。

6.根据权利要求1所述的系统，其中所述检测器配置为响应于电磁能的波长确定具有大于所述目标的阈值数量的各自的所述目标的数量的隔室的数量，所述数量的隔室在所述波长处发光。

7.根据权利要求1所述的系统，其中所述检测器配置为响应于电磁能的波长确定具有大于所述目标的阈值数量的各自的所述目标的数量的隔室的数量，所述数量的隔室在所述波长处吸收。

8.根据权利要求1所述的系统，其中所述检测器配置为响应于电磁能的波长确定具有大于所述目标的阈值数量的各自的所述目标的数量的隔室的数量，所述数量的隔室在所述波长处通过。

9.根据权利要求1所述的系统，其中所述检测器配置为响应于电磁能的波长确定具有大于所述目标的阈值数量的各自的所述目标的数量的隔室的数量，所述数量的隔室在所述波长处阻挡。

10.根据权利要求1所述的系统，其中所述电子电路配置为响应于所述数量的隔室中的每个的各自的测量体积确定所述样本的所述源中所述目标的所述体积浓度。

11.根据权利要求1所述的系统，其中所述电子电路配置为响应于所述数量的隔室中的每个的各自的测量体积的总和确定所述样本的所述源中所述目标的所述体积浓度。

12.根据权利要求1所述的系统，其中所述电子电路配置为响应于所述隔室的数量确定所述样本的所述源中所述目标的所述体积浓度。

13.根据权利要求1所述的系统，其中所述电子电路配置为响应于其他隔室的数量确定所述样本的所述源中所述目标的所述体积浓度。

14.根据权利要求1所述的系统，其中所述电子电路配置为响应于其他隔室中的每个的各自的测量体积确定所述样本的所述源中所述目标的所述体积浓度。

15.根据权利要求1所述的系统，其中所述电子电路配置为响应于其他隔室的数量和其他隔室中的每个的各自的测量体积确定所述样本的源中所述目标的体积浓度。

16.根据权利要求1所述的系统，其中所述电子电路配置为响应于隔室体积的概率密度函数确定所述样本的所述源中所述目标的所述体积浓度。

17.一种系统，其包括：

屏障相液体；

容器，其配置为接收所述屏障相液体，接收包括目标的样本，并且响应于所述容器的摇晃生成悬浮在所述屏障相液体中的所述样本的隔室，所述隔室中的至少一个具有与所述隔室中的至少另一个中的每个的各自的体积不同的各自的体积；以及

检测器，其配置为确定具有大于所述目标的阈值数量的各自的所述目标的数量的隔室的数量。

18.根据权利要求17所述的系统，其中所述屏障相液体包括油。

19.根据权利要求17所述的系统，其中所述容器包括透明管。

20.根据权利要求17所述的系统，其中所述检测器包括电子检测器。

21.根据权利要求17所述的系统，其中所述检测器配置为确定所述隔室的数量。

22.根据权利要求17所述的系统，其还包括配置为从包括所述目标的源获得所述样本的装置。

23.根据权利要求17所述的系统，其还包括存储指令的计算机可读介质，所述指令在由计算电路执行时，使得所述计算电路响应于具有大于所述目标的阈值数量的各自的所述目标的数量的隔室的数量确定所述样本的源中的所述目标的体积浓度。

24.一种方法，其包括：

生成样本的隔室，所述隔室中的至少一个具有与所述隔室中的至少另一个中的每个的各自的体积不同的各自的体积；

确定具有大于目标的阈值数量的各自的目标数量的隔室的数量；以及

响应于所述隔室的数量确定所述样本的源中的所述目标的体积浓度。

25.根据权利要求24所述的方法，其中生成所述隔室包括通过摇晃包括所述样本和屏障相的容器生成悬浮在所述屏障相中的所述隔室。

26.根据权利要求24所述的方法，其中生成所述隔室包括通过摇晃包括所述样本和液体的容器生成悬浮在所述液体中的所述隔室。

27.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，所述数量的隔室中的每个在所述波长处发光。

28.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，所述数量的隔室中的每个在所述波长处吸收。

29.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，所述数量的隔室中的每个在所述波长处通过。

30.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于电磁能的波长确定隔室的数量，所述数量的隔室中的每个在所述波长处阻挡。

31.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于所述数量的隔室中的每个的各自的测量体积确定所述体积浓度。

32.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于所述数量的隔室中的每个的各自的测量体积的总和确定所述体积浓度。

33.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于所述隔室的数量确定所述体积浓度。

34.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于其他隔室的数量确定所述体积浓度。

35.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于其他隔室中的每个的各自的测量体积确定所述体积浓度。

36.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于其他隔室的数量和其他隔室中的每个的各自的测量体积确定所述体积浓度。

37.根据权利要求24所述的方法，其中确定具有大于目标的阈值数量的各自的目标数量的隔室的数量包括响应于隔室体积的概率密度函数确定所述体积浓度。

38.一种存储指令的有形的非暂时性计算机可读介质，所述指令在由计算电路执行时，使得所述计算电路：

确定样本的具有大于目标的阈值数量的各自的目标数量的隔室的数量，所述隔室中的至少一个具有与所述隔室中的至少另一个中的每个的各自的体积不同的各自的体积；以及

响应于所确定的隔室的数量确定所述样本的源中所述目标的体积浓度。