CN114882948A - 一种实时荧光定量pcr数据处理方法及装置 - Google Patents
一种实时荧光定量pcr数据处理方法及装置 Download PDFInfo
- Publication number
- CN114882948A CN114882948A CN202210517889.5A CN202210517889A CN114882948A CN 114882948 A CN114882948 A CN 114882948A CN 202210517889 A CN202210517889 A CN 202210517889A CN 114882948 A CN114882948 A CN 114882948A
- Authority
- CN
- China
- Prior art keywords
- node
- target
- fluorescence
- fluorescence data
- target sample
- 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.)
- Pending
Links
- 238000003753 real-time PCR Methods 0.000 title claims abstract description 64
- 238000003672 processing method Methods 0.000 title claims abstract description 32
- 238000012937 correction Methods 0.000 claims abstract description 249
- 238000001506 fluorescence spectroscopy Methods 0.000 claims abstract description 231
- 238000012545 processing Methods 0.000 claims abstract description 86
- 230000014509 gene expression Effects 0.000 claims abstract description 44
- 238000009795 derivation Methods 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 238000013178 mathematical model Methods 0.000 claims abstract description 19
- 238000005070 sampling Methods 0.000 claims description 127
- 125000004122 cyclic group Chemical group 0.000 claims description 87
- 230000015654 memory Effects 0.000 claims description 21
- 239000007850 fluorescent dye Substances 0.000 claims description 9
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 23
- 239000000523 sample Substances 0.000 description 135
- 238000010586 diagram Methods 0.000 description 6
- 108091028043 Nucleic acid sequence Proteins 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000003752 polymerase chain reaction Methods 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 238000012408 PCR amplification Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000975 dye Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 108700019961 Neoplasm Genes Proteins 0.000 description 1
- 102000048850 Neoplasm Genes Human genes 0.000 description 1
- 238000012339 Real-time fluorescence quantitative polymerase chain reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005861 gene abnormality Effects 0.000 description 1
- 238000003205 genotyping method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 244000000003 plant pathogen Species 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000009385 viral infection Effects 0.000 description 1
Images
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
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/20—Polymerase chain reaction [PCR]; Primer or probe design; Probe optimisation
-
- 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
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Genetics & Genomics (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种实时荧光定量PCR数据处理方法及装置，所述方法包括：获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对实测荧光数据进行校正，得到消噪荧光数据；针对消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定斜率模型，并进行二阶求导得到二阶导数表达式，确定基线期终点对应的循环节点；根据基线期终点得到基线校正模型，根据基线校正模型对消噪荧光数据进行基线校正，得到目标荧光数据。通过上述实时荧光定量PCR数据处理方法，有效提高了实时荧光定量PCR数据处理效率。
Description
技术领域
本发明涉及分子生物学技术领域，具体涉及一种实时荧光定量PCR数据处理方法及装置。
背景技术
实时荧光定量聚合酶链式反应(Real-Time PCR)，是以聚合酶链式反应(PCR)为基础的分子生物学实验技术，实时监控PCR过程中目标DNA序列的扩增，具有准确、灵敏度高、特异性强、简便快速及易于自动化等优点，被广泛应用于临床及生命科学等领域的核酸分子检测，如基因表达研究、传染病和癌症基因异常的检测、食品安全相关的微生物检测、植物病原体的检测、临床病毒感染的定量和基因分型等。实时荧光定量聚合酶链式反应在DNA序列扩增反应中，以荧光化学物质检测每次聚合酶链式反应循环后产物总量，由于在聚合酶链式反应扩增的指数时期，DNA序列的Ct值和该DNA序列的起始拷贝数存在线性关系，所以成为定量的依据，通过内参法或者外参法对待测样品中的该DNA序列进行定量分析。用于标记的荧光探针与对应的分子链式结合之后，会产生相应的荧光信号，不同的荧光信号都对应一个特定波段，探测该波段的传感器可以显示最大的亮度值。
发明人发现，在实际应用中，通常需要同时检测样本中两个或两个以上靶点(扩增目标)，因而需要使用不同的荧光基团(探针)(受激发后在特定的波段发出荧光)来标示不同的靶点。由于荧光的光谱是连续的，不同荧光存在部分交集，同一个波段上检测到的荧光强度可能由几种荧光的叠加，这就是荧光串扰现象。而这种串扰现象，会极大的干扰反应室在不同观测通道内的阴性阳性判断。另外，不同靶点在同一反应室内的反应会形成竞争，从而影响单个靶点的反应效率，进而影响标示靶点的荧光基团的终点观测，造成阴性阳性判断的失误。
实际PCR扩增数据的基线部分会有倾斜、抖动等问题，现有仪器的基线识别和校正算法，在处理一些偏差较大的线形数据时，不能准确的找到基线的终点，从而进行后续的校正、计算。
鉴于此，目前亟需一种实时荧光定量PCR数据处理方法，进而可以准确的找到基线的终点，以进行精准的校正和计算。
发明内容
有鉴于此，本发明提供了一种实时荧光定量PCR数据处理方法及装置，以解决现有技术中实时荧光定量PCR数据处理效率相对较低的技术问题。
第一方面，根据本发明实施例提供的一种实时荧光定量PCR数据处理方法，包括：
获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据；
针对所述目标样本中每个循环节点所对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点，其中，所述基线期终点对应的循环节点位于二阶导数表达式的极大值点之前，且所述基线期终点对应的循环节点为极小值点中最接近所述极大值点的极小值点；
根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
在一个实施方式中，所述获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据，包括：
根据目标样本中每个循环节点所对应的实测荧光数据，确定预设串扰校正模型中对应的目标串扰校正系数、目标均匀性校正系数、目标背景荧光数据；
根据所述目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对所述目标样本中每个循环节点所对应的实测荧光数据进行荧光串扰校正处理；
根据所述目标均匀性校正系数，通过预设串扰校正模型，对经过荧光串扰校正处理后的所述目标样本中每个循环节点所对应的实测荧光数据进行均匀性校正处理，并得到目标样本中每个循环节点所对应的消噪荧光数据；
其中，所述目标样本中每个循环节点所对应的实测荧光数据携带有对应目标样本的标识信息，所述标识信息包括目标样本对应的采样孔、目标样本对应的采样通道；所述目标串扰校正系数与所述目标样本对应的采样通道相适应，所述目标均匀性校正系数与所述目标样本对应的采样孔、目标样本对应的采样通道相适应，所述目标背景荧光数据与所述目标样本对应的采样孔、目标样本对应的采样通道相适应。
在一个实施方式中，所述根据所述目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对所述目标样本中每个循环节点所对应的实测荧光数据进行荧光串扰校正处理，包括：
计算目标样本中每个循环节点所对应的实测荧光数据与目标背景荧光数据的差值，得到目标样本中每个循环节点所对应的去除背景噪声的荧光数据；
根据目标串扰校正系数，对所述目标样本中每个循环节点所对应的去除背景噪声的荧光数据进行荧光串扰校正处理，得到目标样本中每个循环节点所对应的串扰校正荧光数据。
在一个实施方式中，所述预设串扰校正模型，为：
fi＝Mnm -1×[Oi-Amn]
Yi＝Xmn×fi
其中，fi为第i个循环节点对应的去除背景噪声的荧光数据经过荧光串扰校正得到的串扰校正荧光数据；Mnm -1为目标样本对应n采样孔对应m采样通道的串扰校正系数；Oi为第i个循环节点对应的实测荧光数据；Amn为目标样本对应的m采样通道n采样孔对应的背景荧光数据；Yi为第i个循环节点对应的消噪荧光数据；Xmn为目标样本对应的m采样通道n采样孔对应的均匀性校正系数。
在一个实施方式中，所述对所述斜率模型进行二阶求导得到二阶导数表达式，包括：
对所述斜率模型进行一阶求导得到一阶导数表达式；
对所述一阶导数表达式进行平滑处理，并对经过平滑处理后的一阶导数表达式进行一阶求导得到二阶导数表达式。
在一个实施方式中，所述根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据，包括：
根据预设基线期起点确定规则，从目标样本的循环节点中确定对应基线期起点的循环节点，从目标样本的循环节点中选取从所述对应基线期起点的循环节点至基线期终点对应的循环节点的节点为基线节点集；
确定所述斜率模型中对应所述基线节点集的所有循环节点的斜率数据，并根据所述所有循环节点的斜率数据确定基线校正模型的斜率参数；
根据基线期终点对应的循环节点所对应的消噪荧光数据，确定基线校正模型的修正参数；
根据确定斜率参数、修正参数后的基线校正模型，对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据；
所述基线校正模型，为：
Ji＝Yi-(a×i-b)
其中，i为第i个循环节点，Yi为第i个循环节点对应的消噪荧光数据；a为斜率参数，b为修正参数，Ji为第i个循环节点对应的消噪荧光数据经过基线校正得到的目标荧光数据。
在一个实施方式中，在获取采集的目标样本中每个循环节点所对应的实测荧光数据前，还包括：
获取采集的第一样本板中每个采样孔对应每个采样通道的第一荧光数据，得到每个采样通道对应每个采样孔的背景荧光数据，其中，第一样本板为水制备样本板；
获取采集的第二样本板中每个采样孔对应每个采样通道的第二荧光数据，针对每个采样孔，确定单位系数对应的采样通道，并确的每个采样孔对应每个采样通道的串扰校正系数，其中，第二样本板为纯色荧光染料制备样本板；
获取采集的第三样本板中每个采样孔对应每个采样通道的第三荧光数据，针对每个采样通道，确定单位系数对应的采样孔，并确的每个采样通道对应每个采样孔的均匀校正系数，其中，第三样本板为全光谱混色荧光染料制备样本板。
第二方面，根据本发明实施例提供的一种实时荧光定量PCR数据处理装置，包括：
消噪模块，用于获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据；
定点模块，用于针对所述目标样本中每个循环节点所对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点，其中，所述基线期终点对应的循环节点位于二阶导数表达式的极大值点之前，且所述基线期终点对应的循环节点为最接近所述极大值点的极小值点；
基校模块，用于根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
第三方面，根据本发明实施例提供的一种计算机设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而实现第一方面任一项所述的实时荧光定量PCR数据处理方法。
第四方面，根据本发明实施例提供的一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现第一方面任一项所述的实时荧光定量PCR数据处理方法。
本发明实施例提供的实时荧光定量PCR数据处理方法及装置，至少具有如下有益效果：
本发明实施例提供的实时荧光定量PCR数据处理方法及装置，可以通过获取采集的目标样本中每个循环节点所对应的实测荧光数据，使用预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据。进而消除采集的实测荧光数据的串扰影响，保证采集到的数据的有效性，减少荧光数据的串扰干扰，提高了阴性阳性判断的准确性。通过使用预设串扰校正模型，可以对不同采样孔、不同采样通道的实测荧光数据进行串扰校正和均匀性校正，保证了对实时荧光定量PCR数据处理的适用性。保证可以对整个样本板不同区域的采样孔采集到的实测荧光数据进行处理，提高了实时荧光定量PCR数据处理效率。
通过针对对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点。并根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。通过对消噪荧光数据做线性拟合处理，并确定对应的斜率模型，通过二阶求导确定基线期终点对应的循环节点，从而准确地找到基线期终点，以便于后续的数据处理。
通过对消噪荧光数据进行基线校正，得到对应的目标荧光数据，从而在消噪荧光数据的基础上较少消噪荧光数据的基线部分的倾斜、抖动等问题，进一步地保证了目标荧光数据的有效性，提高了实时荧光定量PCR的数据处理效率。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1中实时荧光定量PCR数据处理方法的一个具体示例的流程图；
图2为本发明实施例1中实时荧光定量PCR数据处理方法的一个样本板的结构示意图；
图3为本发明实施例1中实时荧光定量PCR数据处理方法的一个样本板对应的荧光分布图；
图4为本发明实施例1中实时荧光定量PCR数据处理方法的一个基线校正处理前的数据示意图；
图5为本发明实施例1中实时荧光定量PCR数据处理方法的一个基线校正处理后的数据示意图；
图6为本发明实施例2中实时荧光定量PCR数据处理装置的一个具体示例的原理框图；
图7为本发明实施例3中一种计算机设备的一个具体示例的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
虽然下文描述的过程包括以特定的顺序出现的多个操作，但是应该清楚地了解到，这些过程也可以包括更多或者更少的操作，这些操作可以顺序执行或者并行执行。
实施例1
本实施例提供一种实时荧光定量PCR数据处理方法，参见图1所示，包括如下步骤：
步骤S101、获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据；
步骤S102、针对所述目标样本中每个循环节点所对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点，其中，所述基线期终点对应的循环节点位于二阶导数表达式的极大值点之前，且所述基线期终点对应的循环节点为最接近所述极大值点的极小值点；
步骤S103、根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
在上述实施方式中，具体地，所述目标样本中每个循环节点所对应的实测荧光数据，是通过目标采样通道对目标采样孔内的荧光染料机进行采集得到的荧光数据。获取到的实测荧光数据携带有目标采样孔的标识信息、目标采样通道的标识信息。在预设串扰校正模型中，预存储有对应每个采样孔的每个采样通道的校正参数数据。在对获取到的实测荧光数据进行荧光串扰校正与均匀性校正处理时，则从预存储的校正参数数据中选择对应目标采样孔的标识信息、目标采样通道的标识信息的目标校正参数，进而根据确定目标参数后的预设串扰校正模型，对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据。通过预设串扰校正模型，选择对应校正系数，进而对每个采样孔对应每个采样通道的进行串扰校正、均匀性校正，减少采集到的荧光数据受到荧光串扰的影响。于此同时，由于每个采样孔对应每个采样通到的串扰程度及均匀性程度并不相同，通过选择对应校正系数，可以对每个采样孔对应每个采样通道进行准确校正。得到目标样本中每个循环节点所对应的消噪荧光数据，还包括在进行串扰校正、均匀性校正时，消除背景荧光噪声的影响。
在上述实施方式中，具体地，根据消噪荧光数据，做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，通过对斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点。通过根据消噪荧光数据确定对应基线期终点，而不是通过根据实测荧光数据确定对应基线期终点，进而可以准确地找到基线期终点，从而便于后续校正、计算。
在上述实施方式中，具体地，在确定基线期终点对应的循环节点后，从目标样本的循环节点中选取基线节点集，即选取基线期起点的循环节点至对应基线期终点对应的循环节点的循环节点。其中，基线期起点可根据对应实际需求进行确定，例如将基线期的起点设为一固定值(3～6)。结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。通过斜率模型得到基线校正模型对应的斜率参数，例如确定基线节点集对应的平均斜率为对应的斜率参数，即确定斜率模型中对应基线节点集中所有节点的斜率值，并求得平均值为基线校正模型对应的斜率参数。并根据基线期终点对应的消噪荧光数据确定对应的修正参数，以确定对应的修正基线，对消噪荧光数据进行基线校正，得到对应的目标荧光数据，解决消噪荧光数据的基线部分出现的倾斜、抖动问题。
在上述实施方式中，通过获取采集的目标样本中每个循环节点所对应的实测荧光数据，使用预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据。进而消除采集的实测荧光数据的串扰影响，保证采集到的数据的有效性，减少荧光数据的串扰干扰，提高了阴性阳性判断的准确性。通过使用预设串扰校正模型，可以对不同采样孔、不同采样通道的实测荧光数据进行串扰校正和均匀性校正，保证了对实时荧光定量PCR数据处理的适用性。保证可以对整个样本板不同区域的采样孔采集到的实测荧光数据进行处理，提高了实时荧光定量PCR数据处理效率。
通过针对对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点。并根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。通过对消噪荧光数据做线性拟合处理，并确定对应的斜率模型，通过二阶求导确定基线期终点对应的循环节点，从而准确地找到基线期终点，以便于后续的数据处理。
通过对消噪荧光数据进行基线校正，得到对应的目标荧光数据，从而在消噪荧光数据的基础上较少消噪荧光数据的基线部分的倾斜、抖动等问题，进一步地保证了目标荧光数据的有效性，提高了实时荧光定量PCR的数据处理效率。
在一个实施方式中，所述获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据，包括：
根据目标样本中每个循环节点所对应的实测荧光数据，确定预设串扰校正模型中对应的目标串扰校正系数、目标均匀性校正系数、目标背景荧光数据；
根据所述目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对所述目标样本中每个循环节点所对应的实测荧光数据进行荧光串扰校正处理；
根据所述目标均匀性校正系数，通过预设串扰校正模型，对经过荧光串扰校正处理后的所述目标样本中每个循环节点所对应的实测荧光数据进行均匀性校正处理，并得到目标样本中每个循环节点所对应的消噪荧光数据；
其中，所述目标样本中每个循环节点所对应的实测荧光数据携带有对应目标样本的标识信息，所述标识信息包括目标样本对应的采样孔、目标样本对应的采样通道；所述目标串扰校正系数与所述目标样本对应的采样通道相适应，所述目标均匀性校正系数与所述目标样本对应的采样孔、目标样本对应的采样通道相适应，所述目标背景荧光数据与所述目标样本对应的采样孔、目标样本对应的采样通道相适应。
在上述实施方式中，具体地，根据实测荧光数据对应确定的目标串扰校正系数、目标背景荧光数据，通过实测荧光数据、目标背景荧光数据，得到去除背景噪声后的荧光数据，进而根据对应的目标串扰校正系数对去除背景噪声后的荧光数据进行串扰校正处理。减少背景噪声对实测荧光数据的干扰，利用确定的对应串扰系数进行串扰校正处理，消除荧光串扰干扰。以保证后续数据处理的准确性。
由于样本板上不同区域的采样孔采集到的荧光数据并不一致，参见图2所示，图2所示的样本孔板中，区域1对应为中间区域，区域2对应为边缘区域，区域1的各采样孔与区域2的各采样孔采集到的荧光数据并不一致。因此通过均匀性校正系数进行均匀性校正，以减少对应采样孔对应存在的差异。经均匀性校正过的样本孔板中各采集孔的荧光分布图如图3所示。通过根据目实测荧光数据，确定预设串扰校正模型中对应的目标串扰校正系数、目标均匀性校正系数、目标背景荧光数据；根据目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对实测荧光数据进行荧光串扰校正处理；根据目标均匀性校正系数，对经过荧光串扰校正处理后的实测荧光数据进行均匀性校正处理，并得到对应的消噪荧光数据。进而减少实测荧光数据存在的背景噪声影响、荧光串扰干扰、均匀性差异等不准确因素，保证处理后得到的消噪荧光数据准确性，进而便于作为原始数据进行后续数据处理，进而保证实时荧光定量PCR数据处理的效率，提高了对荧光定量PCR判断的准确性。
在一个实施方式中，所述根据所述目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对所述目标样本中每个循环节点所对应的实测荧光数据进行荧光串扰校正处理，包括：
计算目标样本中每个循环节点所对应的实测荧光数据与目标背景荧光数据的差值，得到目标样本中每个循环节点所对应的去除背景噪声的荧光数据；
根据目标串扰校正系数，对所述目标样本中每个循环节点所对应的去除背景噪声的荧光数据进行荧光串扰校正处理，得到目标样本中每个循环节点所对应的串扰校正荧光数据。
在上述实施方式中，具体地，通过计算实测荧光数据与背景荧光数据的差值去除实测荧光数据的背景噪声，并在去除背景噪声再进行荧光串扰校正处理。在荧光串扰校正处理前考虑到对除背景噪声的步骤，以减少背景荧光噪声对实测荧光数据带来的干扰，进而保证了时荧光定量PCR数据处理的准确性，进一步提高了对荧光定量PCR判断的准确性。
在一个实施方式中，所述预设串扰校正模型，为：
fi＝Mnm -1×[Oi-Amn]
Yi＝Xmn×fi
其中，fi为第i个循环节点对应的去除背景噪声的荧光数据经过荧光串扰校正得到的串扰校正荧光数据；Mnm -1为目标样本对应n采样孔对应m采样通道的串扰校正系数；Oi为第i个循环节点对应的实测荧光数据；Amn为目标样本对应的m采样通道n采样孔对应的背景荧光数据；Yi为第i个循环节点对应的消噪荧光数据；Xmn为目标样本对应的m采样通道n采样孔对应的均匀性校正系数。
在上述实施方式中，具体地，通过上述预设串扰校正模型，可适用于每个采样孔对应每个采样通道的实测荧光数据的校正处理，提高了时荧光定量PCR数据处理的效率和准确性，进而进一步提高了对荧光定量PCR判断的准确性。
在一个实施方式中，所述对所述斜率模型进行二阶求导得到二阶导数表达式，包括：
对所述斜率模型进行一阶求导得到一阶导数表达式；
对所述一阶导数表达式进行平滑处理，并对经过平滑处理后的一阶导数表达式进行一阶求导得到二阶导数表达式。
在上述实施方式中，具体地，在对所述斜率模型进行一阶求导得到一阶导数表达式后，通过对一阶导数表达式先进行平滑处理，在进行求导。从而减少一阶导数表达式数据的噪点，进而进一步地提高了确定的基线期终点对应节点的准确性。进一步提高了时荧光定量PCR数据处理的效率和准确性，进而进一步提高了对荧光定量PCR判断的准确性。
在一个实施方式中，所述根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据，包括：
根据预设基线期起点确定规则，从目标样本的循环节点中确定对应基线期起点的循环节点，从目标样本的循环节点中选取从所述对应基线期起点的循环节点至基线期终点对应的循环节点的节点为基线节点集；
确定所述斜率模型中对应所述基线节点集的所有循环节点的斜率数据，并根据所述所有循环节点的斜率数据确定基线校正模型的斜率参数；
根据基线期终点对应的循环节点所对应的消噪荧光数据，确定基线校正模型的修正参数；
根据确定斜率参数、修正参数后的基线校正模型，对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据；
所述基线校正模型，为：
Ji＝Yi-(a×i-b)
其中，i为第i个循环节点，Yi为第i个循环节点对应的消噪荧光数据；a为斜率参数，b为修正参数，Ji为第i个循环节点对应的消噪荧光数据经过基线校正得到的目标荧光数据。
在上述实施方式中，具体地，根据预设基线期起点确定规则，从目标样本的循环节点中确定对应基线期起点的循环节点，例如将基线期的起点设为一固定值3，即循环节点3。从目标样本的循环节点中选取从所述对应基线期起点的循环节3至基线期终点对应的循环节点e的节点为基线节点集。确定循环节3至循环节点e，于所述斜率模型中对应的斜率数据Ki,(3≤i≤e)，并确定基线校正模型的斜率参数,示例性地，确定K3至Ke的平均斜率为基线校正模型的斜率参数。根据基线期终点对应的循环节点所对应的消噪荧光数据，确定基线校正模型的修正参数；举例来说，即就是在确定斜率参数后，带入循环节点e及对应的消噪荧光数据，确定对应的修正参数，并确定对应的基线校正模型。进而对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
在上述实施方式中，具体地，通过确定对应的基线节点集，根据基线节点集及斜率模型，求得基线校正模型对应的斜率参数，并根据基线期终点对应的消噪荧光数据确定基线校正模型对应的修正参数，从而对目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。示例性地，基线校正处理前的数据如图4所示，基线校正处理后的数据如图5所示。在消噪荧光数据的基础上较少消噪荧光数据的基线部分的倾斜、抖动等问题，进一步地保证了目标荧光数据的有效性，提高了实时荧光定量PCR的数据处理效率。
在一个实施方式中，在获取采集的目标样本中每个循环节点所对应的实测荧光数据前，还包括：
a)、获取采集的第一样本板中每个采样孔对应每个采样通道的第一荧光数据，得到每个采样通道对应每个采样孔的背景荧光数据，其中，第一样本板为水制备样本板；
b)、获取采集的第二样本板中每个采样孔对应每个采样通道的第二荧光数据，针对每个采样孔，确定单位系数对应的采样通道，并确的每个采样孔对应每个采样通道的串扰校正系数，其中，第二样本板为纯色荧光染料制备样本板；
c)、获取采集的第三样本板中每个采样孔对应每个采样通道的第三荧光数据，针对每个采样通道，确定单位系数对应的采样孔，并确的每个采样通道对应每个采样孔的均匀校正系数，其中，第三样本板为全光谱混色荧光染料制备样本板。
在上述实施方式中，具体地，选用不同的纯色荧光染料制备样本板，重复b步骤，可以获得任意染料对应每个采样孔对应每个采样通道的串扰校正系数。通过上述a、b、c步骤，将得到的每个采样通道对应每个采样孔的背景荧光数据、任意染料对应每个采样孔对应每个采样通道的串扰校正系数、每个采样通道对应每个采样孔的均匀校正系数存储至预设串扰校正模型中。通过上述预处理步骤，进一步地提高了实时荧光定量PCR的数据处理效率，地保证了目标荧光数据处理的有效性。
实施例2
本实施例提供一种实时荧光定量PCR数据处理装置，本实施例以该实时荧光定量PCR数据处理装置应用于上述实施例1所述的实时荧光定量PCR数据处理方法进行说明。该实时荧光定量PCR数据处理装置，如图6所示,至少包括以下几个模块：
消噪模块61，用于获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据；
定点模块62，用于针对所述目标样本中每个循环节点所对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点，其中，所述基线期终点对应的循环节点位于二阶导数表达式的极大值点之前，且所述基线期终点对应的循环节点为最接近所述极大值点的极小值点；
基校模块63，用于根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
本申请实施例提供的实时荧光定量PCR数据处理装置，可用于如上实施例1中执行的实时荧光定量PCR数据处理方法，相关细节参考上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
需要说明的是：上述实施例中提供的实时荧光定量PCR数据处理装置在进行实时荧光定量PCR数据处理时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将实时荧光定量PCR数据处理装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的实时荧光定量PCR数据处理装置与实时荧光定量PCR数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
实施例3
请参阅图7所示，本发明实施方式还提供了一种计算机设备，该计算机设备可以是桌上型计算机、笔记本电脑、掌上电脑以及云端服务器等计算机设备。该计算机设备可以包括，但不限于，处理器和存储器，其中处理器和存储器可以通过总线或者其他方式连接。
处理器可以为中央处理器(Central Processing Unit，CPU)也可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、图形处理器(GraphicsProcessing Unit，GPU)、嵌入式神经网络处理器(Neural-network Processing Unit，NPU)或者其他专用的深度学习协处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如上述方法实施方式中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施方式中的方法。
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行上述方法实施方式中的方法。
本发明实施方式还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述方法实施方式中的方法。其中，所述非暂态计算机可读存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述非暂态计算机可读存储介质还可以包括上述种类的存储器的组合。
本领域内的技术人员应明白，本发明的实施方式可提供为方法、装置、计算机设备或非暂态计算机可读存储介质均可涉及或包含计算机程序产品。
因此，本发明可采用完全硬件实施方式、完全软件实施方式、或结合软件和硬件方面的实施方式的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述实施方式的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施方式中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
显然，以上所述实施方式仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种实时荧光定量PCR数据处理方法，其特征在于，包括：
获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据；
针对所述目标样本中每个循环节点所对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点，其中，所述基线期终点对应的循环节点位于二阶导数表达式的极大值点之前，且所述基线期终点对应的循环节点为最接近所述极大值点的极小值点；
根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
2.根据权利要求1所述的实时荧光定量PCR数据处理方法，其特征在于，所述获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据，包括：
根据目标样本中每个循环节点所对应的实测荧光数据，确定预设串扰校正模型中对应的目标串扰校正系数、目标均匀性校正系数、目标背景荧光数据；
根据所述目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对所述目标样本中每个循环节点所对应的实测荧光数据进行荧光串扰校正处理；
根据所述目标均匀性校正系数，通过预设串扰校正模型，对经过荧光串扰校正处理后的所述目标样本中每个循环节点所对应的实测荧光数据进行均匀性校正处理，并得到目标样本中每个循环节点所对应的消噪荧光数据；
其中，所述目标样本中每个循环节点所对应的实测荧光数据携带有对应目标样本的标识信息，所述标识信息包括目标样本对应的采样孔、目标样本对应的采样通道；所述目标串扰校正系数与所述目标样本对应的采样通道相适应，所述目标均匀性校正系数与所述目标样本对应的采样孔、目标样本对应的采样通道相适应，所述目标背景荧光数据与所述目标样本对应的采样孔、目标样本对应的采样通道相适应。
3.根据权利要求2所述的实时荧光定量PCR数据处理方法，其特征在于，所述根据所述目标串扰校正系数、目标背景荧光数据，通过预设串扰校正模型对所述目标样本中每个循环节点所对应的实测荧光数据进行荧光串扰校正处理，包括：
计算目标样本中每个循环节点所对应的实测荧光数据与目标背景荧光数据的差值，得到目标样本中每个循环节点所对应的去除背景噪声的荧光数据；
根据目标串扰校正系数，对所述目标样本中每个循环节点所对应的去除背景噪声的荧光数据进行荧光串扰校正处理，得到目标样本中每个循环节点所对应的串扰校正荧光数据。
4.根据权利要求3所述的实时荧光定量PCR数据处理方法，其特征在于，所述预设串扰校正模型，为：
fi＝Mnm -1×[Oi-Amn]
Yi＝Xmn×fi
其中，fi为第i个循环节点对应的去除背景噪声的荧光数据经过荧光串扰校正得到的串扰校正荧光数据；Mnm -1为目标样本对应n采样孔对应m采样通道的串扰校正系数；Oi为第i个循环节点对应的实测荧光数据；Amn为目标样本对应的m采样通道n采样孔对应的背景荧光数据；Yi为第i个循环节点对应的消噪荧光数据；Xmn为目标样本对应的m采样通道n采样孔对应的均匀性校正系数。
5.根据权利要求4所述的实时荧光定量PCR数据处理方法，其特征在于，所述对所述斜率模型进行二阶求导得到二阶导数表达式，包括：
对所述斜率模型进行一阶求导得到一阶导数表达式；
对所述一阶导数表达式进行平滑处理，并对经过平滑处理后的一阶导数表达式进行一阶求导得到二阶导数表达式。
6.根据权利要求5所述的实时荧光定量PCR数据处理方法，其特征在于，所述根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据，包括：
根据预设基线期起点确定规则，从目标样本的循环节点中确定对应基线期起点的循环节点，从目标样本的循环节点中选取从所述对应基线期起点的循环节点至基线期终点对应的循环节点的节点为基线节点集；
确定所述斜率模型中对应所述基线节点集的所有循环节点的斜率数据，并根据所述所有循环节点的斜率数据确定基线校正模型的斜率参数；
根据基线期终点对应的循环节点所对应的消噪荧光数据，确定基线校正模型的修正参数；
根据确定斜率参数、修正参数后的基线校正模型，对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据；
所述基线校正模型，为：
Ji＝Yi-(a×i-b)
其中，i为第i个循环节点，Yi为第i个循环节点对应的消噪荧光数据；a为斜率参数，b为修正参数，Ji为第i个循环节点对应的消噪荧光数据经过基线校正得到的目标荧光数据。
7.根据权利要求6所述的实时荧光定量PCR数据处理方法，其特征在于，在获取采集的目标样本中每个循环节点所对应的实测荧光数据前，还包括：
获取采集的第一样本板中每个采样孔对应每个采样通道的第一荧光数据，得到每个采样通道对应每个采样孔的背景荧光数据，其中，第一样本板为水制备样本板；
获取采集的第二样本板中每个采样孔对应每个采样通道的第二荧光数据，针对每个采样孔，确定单位系数对应的采样通道，并确的每个采样孔对应每个采样通道的串扰校正系数，其中，第二样本板为纯色荧光染料制备样本板；
获取采集的第三样本板中每个采样孔对应每个采样通道的第三荧光数据，针对每个采样通道，确定单位系数对应的采样孔，并确的每个采样通道对应每个采样孔的均匀校正系数，其中，第三样本板为全光谱混色荧光染料制备样本板。
8.一种实时荧光定量PCR数据处理装置，其特征在于，包括：
消噪模块，用于获取采集的目标样本中每个循环节点所对应的实测荧光数据，通过预设串扰校正模型对所述实测荧光数据进行荧光串扰校正与均匀性校正处理，得到目标样本中每个循环节点所对应的消噪荧光数据；
定点模块，用于针对所述目标样本中每个循环节点所对应的消噪荧光数据做线性拟合处理，得到目标线性数学模型，确定所述目标线性数学模型在每个循环节点处的斜率模型，并对所述斜率模型进行二阶求导得到二阶导数表达式，根据所述二阶导数表达式的极值确定基线期终点对应的循环节点，其中，所述基线期终点对应的循环节点位于二阶导数表达式的极大值点之前，且所述基线期终点对应的循环节点为最接近所述极大值点的极小值点；
基校模块，用于根据所述基线期终点对应的循环节点，从目标样本的循环节点中选取基线节点集，结合基线期终点对应的循环节点所对应的消噪荧光数据、斜率模型得到基线校正模型，根据所述基线校正模型对所述目标样本中每个循环节点所对应的消噪荧光数据进行基线校正，得到目标样本中每个循环节点所对应的目标荧光数据。
9.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的实时荧光定量PCR数据处理方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储有计算机指令，所述计算机指令被处理器执行时实现如权利要求1-7中任一项所述的实时荧光定量PCR数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210517889.5A CN114882948A (zh) | 2022-05-12 | 2022-05-12 | 一种实时荧光定量pcr数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210517889.5A CN114882948A (zh) | 2022-05-12 | 2022-05-12 | 一种实时荧光定量pcr数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114882948A true CN114882948A (zh) | 2022-08-09 |
Family
ID=82675578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210517889.5A Pending CN114882948A (zh) | 2022-05-12 | 2022-05-12 | 一种实时荧光定量pcr数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114882948A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117434044A (zh) * | 2023-12-19 | 2024-01-23 | 鲲鹏基因（北京）科技有限责任公司 | 一种pcr仪荧光串扰系数标定方法及装置与应用 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110042580A1 (en) * | 2006-09-06 | 2011-02-24 | University Health Network | Fluorescence quantification and image acquisition in highly turbid media |
| CN110490836A (zh) * | 2019-07-04 | 2019-11-22 | 中国科学院苏州生物医学工程技术研究所 | dPCR微阵列图像信息处理方法 |
| CN110564830A (zh) * | 2019-10-18 | 2019-12-13 | 湖南工业大学 | 一种基于内标法和定量分析模型的荧光定量pcr方法 |
| CN111926064A (zh) * | 2020-07-01 | 2020-11-13 | 重庆京因生物科技有限责任公司 | 基于poct的荧光定量pcr仪校准方法及pcr仪 |
| CN112331266A (zh) * | 2020-11-20 | 2021-02-05 | 安图实验仪器(郑州)有限公司 | 消除pcr荧光基线期波动的方法 |
-
2022
- 2022-05-12 CN CN202210517889.5A patent/CN114882948A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110042580A1 (en) * | 2006-09-06 | 2011-02-24 | University Health Network | Fluorescence quantification and image acquisition in highly turbid media |
| CN110490836A (zh) * | 2019-07-04 | 2019-11-22 | 中国科学院苏州生物医学工程技术研究所 | dPCR微阵列图像信息处理方法 |
| CN110564830A (zh) * | 2019-10-18 | 2019-12-13 | 湖南工业大学 | 一种基于内标法和定量分析模型的荧光定量pcr方法 |
| CN111926064A (zh) * | 2020-07-01 | 2020-11-13 | 重庆京因生物科技有限责任公司 | 基于poct的荧光定量pcr仪校准方法及pcr仪 |
| CN112331266A (zh) * | 2020-11-20 | 2021-02-05 | 安图实验仪器(郑州)有限公司 | 消除pcr荧光基线期波动的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 贾二惠;李彬;金川;: "新精神活性物质拉曼谱图强荧光背景去除方法研究", 分析仪器, no. 06, 28 November 2019 (2019-11-28) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117434044A (zh) * | 2023-12-19 | 2024-01-23 | 鲲鹏基因（北京）科技有限责任公司 | 一种pcr仪荧光串扰系数标定方法及装置与应用 |
| CN117434044B (zh) * | 2023-12-19 | 2024-03-08 | 鲲鹏基因（北京）科技有限责任公司 | 一种pcr仪荧光串扰系数标定方法及装置与应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4610196B2 (ja) | リアルタイムｐｃｒのための自動閾値設定およびベースライン決定 | |
| JP2005172797A (ja) | 増殖曲線を用いる核酸の定量 | |
| US20080154512A1 (en) | Systems and methods for baselining and real-time pcr data analysis | |
| CN115985396B (zh) | 一种实时荧光定量pcr扩增数据的分析处理方法及装置 | |
| WO2007071349A1 (en) | Analytical method and instrument | |
| JP5810078B2 (ja) | 核酸定量方法 | |
| CN105389479B (zh) | 用于分析核酸扩增反应的分析方法和系统 | |
| CN114882948A (zh) | 一种实时荧光定量pcr数据处理方法及装置 | |
| CN118038981A (zh) | 一种基于qPCR扩增曲线曲率变化提取Cq值的方法及测量仪 | |
| KR20120103496A (ko) | 실시간 중합효소 연쇄 반응에 있어서 표준 곡선 및 임계값을 획득하는 방법 | |
| KR20140002242A (ko) | 실시간 ｐｃｒ을 이용하여 핵산의 정량 분석을 수행하는 방법 및 장치 | |
| JP2021510547A (ja) | 解離融解曲線データの分析方法 | |
| KR20140002241A (ko) | Ｐｃｒ 데이터 및 다른 데이터에서 크로스토크의 영향을 보상하여 핵산을 분석하는 방법 및 장치 | |
| WO2008070328A2 (en) | Systems and methods for baselining and real-time pcr data analysis | |
| CN117153256B (zh) | Pcr扩增曲线有效扩增判定方法及装置 | |
| EP3218516B1 (en) | Method for determining a property of a starting sample |
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 |