CN115176139A - 用于调整训练门以适应流式细胞仪数据的方法和系统 - Google Patents

用于调整训练门以适应流式细胞仪数据的方法和系统 Download PDF

Info

Publication number
CN115176139A
CN115176139A CN202180011892.3A CN202180011892A CN115176139A CN 115176139 A CN115176139 A CN 115176139A CN 202180011892 A CN202180011892 A CN 202180011892A CN 115176139 A CN115176139 A CN 115176139A
Authority
CN
China
Prior art keywords
flow cytometer
data
cytometer data
image
processor
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
Application number
CN202180011892.3A
Other languages
English (en)
Inventor
艾利森·欧文
尼古拉·沙穆西克
约瑟夫·T·特罗特
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.)
Becton Dickinson and Co
Original Assignee
Becton Dickinson and Co
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 Becton Dickinson and Co filed Critical Becton Dickinson and Co
Publication of CN115176139A publication Critical patent/CN115176139A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1434—Optical arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G01N33/4915—Blood using flow cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Dispersion Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Hematology (AREA)
  • Ecology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

提供了用于调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的方法。在实施例中，方法包括为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像。在一些情况下，生成图像包括将数据组织到二维箱中，并为每个箱分配阴影，使得箱由像素表示。在一些情况下，方法包括用计算机实施的算法扭曲所述第一组流式细胞仪数据的所生成的图像，使得其最大化相对于所述第二组流式细胞仪数据的相似度，并将相同的变换应用于训练门。在一些实施例中，方法包括将经调整的训练门叠加到所述第二组流式细胞仪数据的所生成的图像上。还提供了用于调整训练门的系统和计算机可读介质。

Description

用于调整训练门以适应流式细胞仪数据的方法和系统
相关申请的交叉引用
本申请与2020年1月31日提交的美国临时申请序列号62/968,520和2020年7月9日提交的美国临时申请序列号63/049,735相关，其公开内容通过引用并入本文。
背景技术
流式细胞术是一种用于表征和经常用于分类生物材料(例如血液样品的细胞或另一种类型的生物或化学样品中的所关注的颗粒)的技术。流式细胞仪通常包括用于接收流体样品(例如血液样品)的样品容器和包含鞘液的鞘容器。流式细胞仪将流体样品中的颗粒(包括细胞)作为细胞流传输至流动池，同时还将鞘液引导至流动池。为了表征流动流的成分，用光照射流动流。流动流中材料的变化(例如形态或荧光标记的存在)可能会导致观察到的光中的变化，这些变化允许表征和分离。例如，流体悬浮中的诸如分子、分析物结合的珠子或个体细胞的颗粒通过检测区域，在该检测区域中，颗粒暴露于通常来自一种或多个激光器的激励光，并且测量颗粒的光散射和荧光特性。颗粒或其成分通常用荧光染料标记以方便检测。通过使用光谱不同的荧光染料来标记不同的颗粒或成分，可以同时检测多种不同的颗粒或成分。在一些实施方式中，分析器中包括多个检测器，对于待测量的散射参数中的每个有一个检测器，对于待检测的不同染料中的每个有一个或更多个检测器。例如，一些实施例包括光谱配置：其中，每种染料使用多于一个的传感器或检测器。获得的数据包括对于光散射检测器中的每个测量的信号和荧光发射。
流式细胞仪还可以包括用于记录测量数据和分析数据的装置。例如，可以使用连接到检测电子设备的计算机来执行数据存储和分析。例如，数据能够以表格形式存储，其中，每一行对应于一种颗粒的数据，而列对应于所测量的特征中的每个。使用诸如“FCS”文件格式的标准文件格式以用于存储来自颗粒分析仪的数据方便使用单独的程序和/或机器来分析数据。使用当前的分析方法，数据通常显示为一维直方图或二维(2D)图，以便于可视化，但也可以使用其它方法来可视化多维数据。
使用例如流式细胞仪测量的参数通常包括由颗粒沿着主要前向方向以窄角散射的激励波长的光(称为前向散射(FSC))、由颗粒在与激励激光器正交的方向上散射的激励光(称为侧向散射(SSC))，以及由在光谱波长范围上或通过主要在具体检测器或检测器阵列中检测的荧光染料来测量信号的一个或更多个检测器中的荧光分子发射的光。不同的细胞类型能够通过它们的光散射特性和由用荧光染料标记的抗体或其它荧光探针标记各种细胞蛋白或其它成分而产生的荧光发射来识别。
流式细胞仪和扫描式细胞仪都可从例如BD Biosciences(加州San Jose)商购获得。例如在以下文献中描述了流式细胞术：Landy等人(eds.)的Clinical Flow Cytometry，Annals of the New York Academy of Sciences Volume 677(1993)、Bauer等人(eds.)的Clinical Flow Cytometry：Principles and Applications，Williams&Wilkins(1993)、Ormerod(ed.)的Flow Cytometry：A Practical Approach，Oxford Univ.Press(1994)、Jaroszeski等人(eds.)的Flow Cytometry Protocols，Methods in Molecular BiologyNo.91，Humana Press(1997)；和Practical Shapiro的Flow Cytometry，第四版，Wiley-Liss(2003)；这些文献全部通过引用并入本文。例如在Pawley(ed.)的Handbook ofBiological Confocal Microscopy，第二版，Plenum Press(1989)中描述了荧光成像显微术，其通过引用并入本文。
通过流式细胞仪分析细胞(或其它颗粒)获得的数据通常是多维的，其中，每个细胞对应于由测量参数限定的多维空间中的点。细胞群或颗粒群能够被识别为数据空间中的点簇。能够通过在数据的一个或更多个二维图(称为“散点图”或“点图”)中显示的群体周围绘制门来手动识别簇，从而识别群体。替代地，能够识别簇，并且能够自动确定限定群体的极限的门。用于自动化门控的方法的示例已在例如美国专利第4,845,653号、第5,627,040号、第5,739,000号、第5,795,727号、第5,962,238号、第6,014,904号、第6,944,338号和第8,990,047号中进行了描述，这些文献中的每个都通过引用并入本文。门控用于理解可能从样品中生成的大量数据。因此，方便门的创建和操控能够有助于改善理解结果含义的速度和准确度。
发明内容
本发明的方面包括用于调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的方法。在一些实施例中，第一组流式细胞仪数据包含被理解为表现出某些参数的群体，并且包括由顶点组限定的训练门，该顶点组已被绘制以将所关注的群体与数据的其余部分区分开来。本公开的方法包括调整训练门以适应第二组流式细胞仪数据(即，尚未门控的数据组)，以使得经调整的门适应第二组流式细胞仪数据中的类似群体。在实施例中，方法包括获得第一组流式细胞仪数据和第二组流式细胞仪数据，以及为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像(即，针对每组的单独图像)。在一些实施例中，生成图像包括基于给定区域内的数据图中存在的分析对象的数量，将流式细胞仪数据组织到二维箱中。在一些实施例中，流式细胞仪数据基于关于一个或更多个不同参数(例如，前向散射、侧向散射、荧光)的数据状态进行分箱。在实施例中，每个箱具有通过对箱内包含的数据的值进行平均(例如，关于参数)确定的代表值。在数据分箱后，方法包括根据经分箱的数据创建二维直方图，并根据直方图计算累积分布函数。方法还包括将来自每个箱的代表性(例如，平均)值输入到所计算的累积分布函数中，以确定用作用于分配阴影(即，明度或暗度)的基础的图像生成值，以使得用像素表示箱。在生成图像之后，方法包括用处理器实施的算法扭曲第一组流式细胞仪数据的所生成的图像，以最大化与第二组流式细胞仪数据的所生成的图像的相似性。在实施例中，处理器实施的算法是图像配准算法，所述图像配准算法包括采用B样条的数学变形模型，以用于扭曲第一组流式细胞仪数据的所生成的图像。在一些实施例中，应用到第一组流式细胞仪数据的所生成的图像的相同扭曲变换随后通过使用B样条系数应用于训练门，以限定用于扭曲训练门的函数。在实施例中，训练门随后通过从经调整的门提取顶点并将它们传输到第二组流式细胞仪数据而叠加到第二组流式细胞仪数据的所生成的图像上，从而在第二组流式细胞仪数据的所生成的图像中，重新构造经调整的训练门。
本发明的方面还包括用于调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的系统。在实施例中，第一组流式细胞仪数据从被配置为接收和/或存储流式细胞仪数据的输入模块获得，并且第二组流式细胞仪数据从颗粒分析仪获得。主题系统另外包括处理器，所述处理器具有可操作地耦接到该处理器的存储器，其中，所述存储器包括存储在其上的指令，所述指令当由处理器执行时，使处理器调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据。在实施例中，处理器被配置为调整训练门以适应第二组流式细胞仪数据(即，尚未被门控的数据组)，以使得经调整的门适应第二组流细胞仪数据中的类似群体。在实施例中，处理器被配置成为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像(即，针对每组的单独图像)。在一些实施例中，生成图像包括基于给定区域内的数据图中存在的分析对象的数量，将流式细胞仪数据组织到二维箱中。在一些实施例中，流式细胞仪数据基于关于一个或更多个不同参数(例如，前向散射、侧向散射、荧光)的数据状态进行分箱。在实施例中，每个箱具有通过对箱内包含的数据的值(例如，关于参数)进行平均确定的代表值。在数据被分箱后，处理器可以被配置为基于经分箱的数据创建二维直方图，并基于直方图计算累积分布函数。处理器可以还被配置为将来自每个箱的代表(例如，平均)值输入到所计算的累积分布函数中，以确定用作分配阴影(即，明度或暗度)的基础的图像生成值，以使得用像素表示箱。在生成图像之后，处理器可以被配置为用处理器实施的算法来扭曲第一组流式细胞仪数据的所生成的图像，以最大化与第二组流式细胞仪数据的所生成的图像的相似性。在实施例中，处理器实施的算法是图像配准算法，所述图像配准算法包括采用B样条的数学变形模型以用于扭曲第一组流式细胞仪数据的所生成的图像。在一些实施例中，应用到第一组流式细胞仪数据的所生成的图像的相同扭曲变换随后通过使用B样条系数应用于训练门，以限定用于扭曲训练门的函数。在实施例中，随后通过从经调整的门中提取顶点并将所述顶点传输到第二组流式细胞仪数据，将训练门叠加到第二组流式细胞仪数据的所生成的图像上。
本发明的方面还包括计算机控制的系统和计算机可读存储介质，其包括用于完全自动化或部分自动化的一个或更多个计算机。在一些实施例中，系统包括具有计算机可读存储介质的计算机，在该计算机可动存储介质上存储有计算机程序，其中，计算机程序在加载到计算机上时包括指令，该指令用于获得包含训练门的第一组流式细胞仪数据和第二组流式细胞仪数据、将数据组织成二维箱、基于经二维分箱的数据创建直方图和累积分布函数，和根据累积分布函数确定图像生成值。计算机还可以包括指令，该指令用于通过基于对应的图像生成值将阴影分配给每个箱来为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像、扭曲第一组流式细胞仪数据的所生成的图像以最大化与第二组流式细胞仪数据的所生成的图像的相似度、使用来自扭曲第一组流式细胞仪数据的所生成的图像的B样条系数来调整训练门，并将训练门叠加到第二组流式细胞仪数据的所生成的图像上。
附图说明
当结合附图阅读时，可以从以下详细描述中最好地理解本发明。图中包括以下图：
图1示出了对于第一组流式细胞仪数据的所生成的图像，及其对应的训练门，以及对于第二组流式细胞仪数据的所生成的图像。
图2示出了根据某些实施例的用于根据第一组流式细胞仪数据，自动调整训练门以适应第二组流式细胞仪数据的流程图。
图3示出了调整训练门以适应第二组流式细胞仪数据的所生成的图像。
图4示出了经调整的训练门。
图5示出了已经调整以适应各个第二组流式细胞仪数据的训练门的示例。
图6示出了已经被调整以适应各个第二组流式细胞仪数据的训练门的另外的示例。
图7示出了根据某些实施例的流式细胞仪。
图8示出了根据某些实施例的处理器的一个示例的功能框图。
图9示出了根据某些实施例的计算系统的框图。
具体实施方式
如上所述，提供了用于调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的方法。在实施例中，方法包括为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像。在一些情况下，生成图像包括将数据组织到二维箱中，并为每个箱分配阴影，以使得用像素表示箱。在一些情况下，方法包括用计算机实施的算法扭曲第一组流式细胞仪数据的所生成的图像，使得其最大化与第二组流式细胞仪数据的相似度，并将相同的变换应用于训练门。在一些实施例中，方法包括将经调整的训练门叠加到第二组流式细胞仪数据的所生成的图像上。还提供了用于调整训练门的系统和计算机可读介质。
在更详细地描述本发明之前，应当理解本发明不限于所描述的具体实施例，这是因为这些实施例显然可以改变。还应理解，本文使用的术语仅出于描述具体实施例的目的，并不旨在是限制性的，因为本发明的范围将仅由所附权利要求限制。
在提供数值范围的情况下，在该范围的上限和下限之间的每个其中的值(至下限的单位的十分之一，除非上下文另有明确规定)和所述范围中的任何其它所述或中间的值应理解为包含在本发明之内。这些更小的范围的上限和下限可以独立地包括在更小的范围内并且也包含在本发明内，但受所述范围内任何具体排除的极限值的限制。当所述范围包括一个或两个极限值时，排除这些包括的一个或两个极限值的范围也包括在本发明中。
某些范围在本文中以之前有术语“约”的数值呈现。术语“约”在本文中用于为其后的确切数字以及接近或近似于该术语后的数字的数字提供字面支持。在确定一个数字是否接近或近似于具体列举的数字时，接近的或近似的未列举的数字可以是在其呈现的上下文中提供具体列举的数字的大致等同的数字。
除非另有限定，本文使用的所有技术和科学术语与本发明所属领域的技术人员通常理解的含义相同。尽管与本文所述的那些相似或等同的任何方法和材料也可用于本发明的实践或测试，但现在描述代表性的说明性方法和材料。
本说明书中引用的所有公开和专利都通过引用并入本文，就如每个个体公开或专利被具体地和个体地指示为通过引用并入并且通过引用并入本文以公开和描述与引用公开相关的方法和/或材料。对任何公开的引用是对于其在申请日之前的公开，并且不应被解释为承认本发明无权凭借在先发明而早于这样的公开。此外，提供的公开日期可能与实际公开日期不同，可独立地确认实际公开日期。
要注意，如本文和所附权利要求中使用的，单数形式“一”、“一个”和“该”包括复数指示物，除非上下文另有明确规定。还应注意，权利要求可能起草为排除任何可选元素。因此，本声明旨在作为在引用权利要求要素时使用“仅”、“只有”等排他性术语或使用“否定”限制的先行基础。
如在阅读本公开后将对于本领域技术人员显而易见的，本文描述和图示的每个个体实施例具有分立的组件和特征，它们可以容易地与其它几个实施例中的任一个的特征分离或组合而不背离本发明的范围或精神。任何列举的方法都能够按照列举的事件的顺序或逻辑上可行的任何其它顺序来执行。
尽管为了语法上的流畅性，用功能性解释已经或将要描述设备和方法，但应明确理解，除非根据35 U.S.C.§112明文陈述，权利要求不应被解释为必须以任何方式受到“装置”或“步骤”要素的解释的限制，而是应根据等同原则，被赋予权利要求所提供的限定的全部含义和等同范围，而在根据35 U.S.C.§112明文陈述的权利要求的情况下，它们应被赋予根据35 U.S.C.§112的完全法定等同。
用于调整训练门以适应流式细胞仪数据的方法
如上所述，本公开的方面包括用于调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的方法。本发明的实施例因此包括获得第一组流式细胞仪数据和第二组流式细胞仪数据。在实施例中，第一组流式细胞仪数据已被表征为使得其中包含的一个或更多个群体被理解为与所关注的亚型(即表型)相关。在一些实施例中，第一组流式细胞仪数据是从先前的流式细胞术实验中获得的。因此，根据某些实施例，第一组流式细胞仪数据包含已被用户识别或确认与所关注的具体属性相关联的群体。相反，根据本发明的实施例，第二组流式细胞仪数据包括尚未限定的一个或更多个群体。换句话说，第二组流式细胞仪数据中的所关注的群体需要边界(即门)，以便能够正式将其与剩余数据区分开来。在实施例中，第一组和第二组流式细胞仪数据包含表现出相同参数的数据(例如，在两组中检测到相同的荧光染料)。
在实施例中，第一组流式细胞仪数据包括训练门。如本文所用，“门”通常指识别所关注的数据子集的分类器边界。在流式细胞术中，门能够绑定所具体关注的事件组。此外，“门控”一般指针对给定的数据组，使用限定的门对数据进行分类的过程，其中，门能够是与布尔逻辑组合的一个或更多个的所关注的区域。在一些实施例中，门形成了用于对流式细胞仪数据的群体进行分类的边界。在实施例中，门识别表现出相同参数的流式细胞仪数据。用于门控的方法的示例已在例如美国专利第4,845,653号、第5,627,040号、第5,739,000号、第5,795,727号、第5,962,238号、第6,014,904号、第6,944,338号、第8,990,047号，其每个都通过引用的方式并入本文。因此，“训练门”指已知限定流式细胞仪数据的具体子集的门。换言之，训练门形成先前已由用户或流式细胞术的技术人员确定为对应于所关注的属性的流式细胞仪数据的群体的边界。在实施例中，训练门包括顶点，即二维图上的点，当连接时，所述点形成门。在一些实施例中，训练门由用户绘制。在其它实施例中，训练门由其它细胞计数技术人员预先建立。在实施例中，训练门用于限定第一组流式细胞仪数据内的所关注的群体。在实施例中，训练门具有与第一组流式细胞仪数据中的所关注的群体的形状相对应的形状。在一些实施例中，训练门具有多边形形状。因此，在实施例中，用户能够在第一组流式细胞仪数据测量的图表上绘制多边形以限定要包括在训练门内的数据值范围。
在某些实施例中，方法包括通过生成二维数据图来确定训练门的边界，所述二维数据图包括绘制颗粒群体的一个或更多个区域，例如两个或更多个区域，例如三个或更多个区域，例如四个或更多个区域，包括五个或更多个区域。在一些实施例中，生成数据图中每个区域的位图，根据某些实施例，该位图用作该对应区域的门。在一些实施例中，确定数据图中每个区域的边界。在一些情况下，为了确定数据图的区域的边界，方法包括通过对于每个顶点确定沿数据图的每个轴线的最小值和最大值，来计算形成数据图中每个区域的边界的顶点组。在这些实施例中，对于每个顶点确定沿x轴的最小值和沿y轴的最小值以及沿x轴的最大值和沿y轴的最大值。
在一些实施例中，确定与数据图的每个区域的顶点相关联的算法变换。根据所采用的数据图类型(例如，双指数数据图)，为数据图的每个顶点识别的算法变换可能会不同，例如是线性数值变换、对数数值变换或双指数数值变换。取决于数据图上的颗粒群体位置，变换可能是正的或负的。例如，变换可以是正线性、正对数、负线性或负对数变换。在一些实施例中，所识别的算法变换是正线性/正线性变换(即，沿正x轴的线性变换和沿正y轴的线性变换)。在其它实施例中，所识别的算法变换是正对数/正对数变换。在其它实施例中，算法变换是正线性/正对数变换。在其它实施例中，算法变换是正对数/正线性变换。在其它实施例中，算法变换是负线性/负对数变换。在其它实施例中，算法变换是负线性/正对数变换。在其它实施例中，算法变换是正对数/负线性变换。
可以为数据图中的每个颗粒群体区域生成位图。在本文中使用的术语“位图”在其传统意义上指数据图的区域的映射索引。如本文所述的位图可以以数据的形式或作为图形显示来生成。在一些实施例中，位图由单个图块形成。在其它实施例中，位图由多于一个图块形成。在一些实施例中，从数据图生成两个或更多个位图图块，例如3个或更多个位图图块，例如4个或更多个位图图块，例如5个或更多个位图图块，例如6个或更多个位图图块，例如7个或更多位图图块，例如8个或更多位图图块，和包括9个或更多位图图块。每个位图图块可以包括来自所关注的颗粒群体的每个区域的边界的一个或更多个顶点，例如所关注的颗粒群体的每个区域的2个或更多顶点，例如3个或更多顶点，例如4个或更多顶点，和包括5个或更多个顶点。
在某些情况下，识别算法变换以应用于位图中的每个顶点。取决于所采用的数据图类型(例如，双指数数据图)，为位图的每个顶点识别的算法变换可能会不同，例如是线性数值变换、对数数值变换或双指数数值变换。取决于数据图上的颗粒群体位置，变换可能是正的或负的。在一些实施例中，当与数据图中的顶点相关联的算法变换是线性的时，该方法包括识别线性变换以应用于位图中的对应顶点。在其它实施例中，当与数据图中的顶点相关联的算法变换是对数的时，该方法包括识别对数变换以用于应用于位图中的对应顶点。在其它实施例中，当与数据图中的顶点相关联的算法变换是双指数的时，该方法包括识别包括对称对数变换、线性变换或其组合的用于应用于位图中的对应顶点的变换。在一个示例中，在与数据图中的顶点相关联的算法变换是正线性/正线性的情况下，该方法包括识别为正线性/正线性的用于应用于位图中的对应顶点的算法变换。在另一示例中，在与数据图中的顶点相关联的算法变换是正对数/正对数的情况下，该方法包括识别为正线性/正线性的用于应用于位图中的对应顶点的算法变换。在另一个示例中，在与数据图中的顶点相关联的算法变换是正线性/正对数的情况下，该方法包括识别为正线性/正对数的用于应用于位图中的对应顶点的算法变换。在另一示例中，在与数据图中的顶点相关联的算法变换是正对数/正线性的情况下，该方法包括识别为正对数/正线性的用于应用于位图中的对应顶点的算法变换。在另一示例中，在与数据图中的顶点相关联的算法变换是负对数/正线性的情况下，该方法包括识别为负对数/正线性的用于应用于位图中的对应顶点的算法变换。在另一个示例中，在与数据图中的顶点相关联的算法变换是正对数/负线性的情况下，该方法包括识别为正对数/负线性的用于应用于位图中的对应顶点的算法变换。在另一个示例中，在与数据图中的顶点相关联的算法变换是负线性/正对数的情况下，该方法包括识别为负线性/正对数的用于应用于位图中的对应顶点的算法变换。在另一个示例中，在与数据图中的顶点相关联的算法变换是正线性/负对数的情况下，该方法包括识别为正线性/负对数的用于应用于位图中的对应顶点的算法变换。在另一示例中，在与数据图中的顶点相关联的算法变换是负线性/负线性的情况下，该方法包括识别为负线性/负线性的用于应用于位图中的对应顶点的算法变换。在另一个示例中，在与数据图中的顶点相关联的算法变换是负对数/负对数的情况下，该方法包括识别为负线性/负线性的用于应用于位图中的对应顶点的算法变换。
在一些实施例中，方法包括对齐应用于位图的算法变换。在这些实施例中，变换被对齐以使得重叠最小化并且变换适当地切换。在某些实施例中，方法包括执行位图的仿射变换，调整仿射变换以使得位图的使用最大化，即位图边界与区域边界框对齐。在这些实施例中，如果跨ADC通道中的位图的跨度小于位图分辨率，则可以对该部分执行将变换切换到线性的以最大化保真度。可以通过在两个顶点之间插入一个或更多个线段来呈现位图。在一些情况下，可以使用多边形绘制算法生成位图，例如多边形扫描线填充算法。
在某些实施例中，如美国专利第10,613,017号中所述，生成包括具有颗粒群体的一个或更多个区域的二维数据图，该专利的公开内容通过引用并入本文。
“流式细胞仪数据”指关于流式细胞中样品(例如，细胞、颗粒)的参数的信息，该信息由颗粒分析仪中的任意数量的光检测器收集。在实施例中，从前向散射检测器接收流式细胞仪数据。在一些情况下，前向散射检测器可能会产生有关颗粒的整体尺寸的信息。在实施例中，从侧向散射检测器接收流式细胞仪数据。在一些情况下，侧向散射检测器可以被配置为检测来自颗粒表面和内部结构的折射和反射光，其倾向于随着结构的颗粒复杂性的增加而增加。在实施例中，从荧光检测器接收流式细胞仪数据。在一些情况下，荧光检测器可以被配置为检测来自荧光分子的荧光发射，荧光分子例如是与流动池中的颗粒相关的标记的特异性结合物(例如与所关注的标记物特异性结合的标记的抗体)。在某些实施例中，方法包括用一个或更多个荧光检测器检测来自样品的荧光，例如2个或更多个，例如3个或更多个，例如4个或更多个，例如5个或更多个，例如6个或更多个，例如7个或更多个，例如8个或更多个，例如9个或更多个，例如10个或更多个，例如15个或更多个，和包括25个或更多个荧光检测器。
通过流式细胞仪分析细胞(或其它颗粒)获得的数据通常是多维的，其中，每个细胞对应于由测量参数限定的多维空间中的点。细胞群体或颗粒群体能够被识别为数据空间中的点簇。在一些实施例中，方法包括基于样品中分析对象(例如，细胞、颗粒)的确定参数生成一个或更多个群体簇。如本文所用，分析物对象的“群体”或“亚群体”(例如细胞或其它颗粒)通常是指具有相对于一个或更多个测量参数的特性(例如，光学、阻抗或时间特性)的分析对象的组，以使得测量参数数据在数据空间中形成簇。在实施例中，数据由来自多个不同参数的信号组成，例如2个或更多个、3个或更多个、4个或更多个、5个或更多个、6个或更多个、7个或更多个、8个或更多个、9个或更多个，10个或更多个，和包括20个或更多个。由此，群体在数据中被识别为簇。相反，每个数据簇通常被解释为对应于具体类型的细胞或分析对象的群体，尽管通常也观察到对应于噪声或背景的簇。簇可以在维度的子集中限定，例如，相对于测量参数的子集，其对应于仅在从细胞或颗粒的测量中提取的测量参数或特征的子集中不同的群体。
在实施例中，方法包括接收流式细胞仪数据、计算每个分析对象的参数，以及基于所计算的参数将分析对象聚集在一起。例如，实验可包括由多个荧光团或荧光标记的抗体标记的颗粒，并且颗粒组可以由对应于一个或更多个荧光测量的群体来限定。在该示例中，第一组可以由对于第一荧光团的某个范围的光散射限定，并且第二组可以由对于第二荧光团的某个范围的光散射限定。如果第一个荧光团和第二个荧光团分别在x和y轴上表示，如果要以图形方式显示信息，则可能会出现两个不同颜色编码的群体来限定每组颗粒。任何数量的分析对象可以被分配到一个簇，包括5个或更多个分析对象，例如10个或更多个分析对象，例如50个或更多个分析对象，例如100个或更多个分析对象，例如500个分析对象并且包括1000个分析对象。在某些实施例中，该方法将样品中检测到的稀有事件(例如，样品中的稀有细胞，例如癌细胞)一起分组到一个簇中。在这些实施例中，所生成的分析对象簇可以包括10个或更少个指定分析对象，例如9个或更少个，和包括5个或更少个指定分析对象。
在已经获得流式细胞仪数据之后，本发明的方面另外包括为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像(即，为每组流式细胞仪数据生成不同的图像)。“生成图像”指将二维图转换为图像格式，使得用像素表示流式细胞仪数据，所述像素在组装时构成代表数据的图像。在实施例中，为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像涉及将数据组织到二维箱中。在本公开中，术语“箱”在其传统意义上使用，用于指将落入一定区间内的数据点组合成的数据结构。随后为箱分配代表该区间的值。在实施例中，箱的代表值是包含在所述箱内的流式细胞仪数据的平均值。因此，在实施例中，将二维散点图的限定区域内的个体数据点整理到箱中，并且该箱与反映其中包含的数据点数量的代表值相关联。
在一些实施例中，流式细胞仪数据根据数据相对于参数的状态被分箱。在这样的实施例中，给定箱的代表值可以是经分箱的数据相对于所述参数的检测到的强度的平均值。例如，在参数是荧光参数的情况下，具体箱的代表值可以是该箱内的数据相对于从给定荧光染料发射的荧光强度的平均值。在实施例中，根据数据关于一个或更多个另外的参数的状态对数据进行分箱。在这样的实施例中，给定箱的代表值可以是关于每个相关参数评估的平均值的合成。相应地，在实施例中，将流式细胞仪数据组合到箱中包括相对于1个或更多个另外的参数评估数据，例如2个或更多个、3个或更多个、4个或更多个、5个或更多个、10个或更多个、15个或更多个，和包括20个或更多个另外的参数。
在将流式细胞仪数据组织到箱中之后，本发明的方面包括确定图像生成值。如本文所讨论的，图像生成值量化给定箱内的数据点浓度，并用作生成图像的基础。在某些实施例中，确定图像生成值包括创建二维分箱数据的直方图(即，与每个箱相关联的代表值的直方图)。在这样的实施例中，确定图像生成值还包括基于直方图计算累积分布函数。累积分布函数在其传统意义上提及，其确定变量小于或等于某个量的概率。这样，每个箱的代表值被输入到从直方图计算的累积分布函数中，以获得图像生成值。在一些实施例中，图像生成值的范围为0到1。在其它实施例中，图像生成值可以缩放到0到用户选择的任何数字的范围。在实施例中，较高的图像生成值指示相关箱与更多的数据点相关联，而较低的图像生成值指示相关箱与较少的数据点相关联。
在确定图像生成值之后，本发明的实施例包括基于对应于该箱的图像生成值，将阴影分配给每个箱。本文所述的“阴影”指给定箱将在所得图像中表示的明度或暗度。在一些实施例中，箱被分配灰色阴影。在这样的实施例中，所得图像是灰度图像。在其它实施例中，箱被分配非灰色的阴影。在这样的实施例中，所得图像是彩色图像。在相对于多个参数评估组合到箱中的数据的实施例中，从这样的箱生成的图像可以是多色的。在这样的实施例中，不同的颜色可以与每个不同的参数相关联。在一些实施例中，与较高图像生成值相关联的箱被分配较亮的颜色，而与较低图像生成值相关联的箱被分配较暗的颜色。本发明的某些实施例还包括图像生成阈值。在这样的实施例中，与阈值以下的图像生成值相关联的所有箱都被分配黑色。在一些实施例中，阈值是可调整的(即，由用户从多个不同选项中选择)。因此，可以基于所选阈值的大小，给更多或更少的图像分配黑色。
图1示出了由上述过程生成的第一组流式细胞仪数据101的图像，以及用于限定第一组流式细胞仪数据101内的所关注的群体的相应训练门101a。另一方面，为第二组流式细胞仪数据102生成的图像不包括形成流式细胞仪数据的相似群体的边界的门。
本发明的方面还包括根据第一组流式细胞仪数据的所生成的图像调整训练门以适应第二组流式细胞仪数据的所生成的图像。通过调整训练门以“适应”第二组流式细胞仪数据，这意味着改变训练门的形状，以使得经调整的训练门考虑到第二组流式细胞仪数据中存在的与第一组流式细胞仪数据相比的群体形态的差异。在某些实施例中，训练门的调整包括调整训练门的构成顶点中的一个或更多个，直至每个顶点。在实施例中，训练门的调整由处理器实施的算法执行。在这样的实例的实施例中，处理器实施的算法可以被配置为扭曲从第一组流式细胞仪数据的所生成的图像获取的训练门的顶点，以适应第二组流式细胞仪数据的所生成的图像。根据本公开的实施例，处理器实施的算法是图像配准算法。图像配准算法集成并变换从图像接收的数据。因此，本文所述的图像配准算法分析第一组流式细胞仪数据的所生成的图像、分析第二组流式细胞仪数据的所生成的图像，并基于这些分析，和扭曲来自第一组流式细胞仪数据的训练门以适应第二组流式细胞仪数据。
在实施例中，扭曲训练门以适应第二组流式细胞仪数据包括扭曲第一组流式细胞仪数据的整个所生成的图像，以最大化相对于第二组流式细胞仪数据的所生成的图像的相似度。在这样的实施例中，第一组流式细胞仪数据的所生成的图像内的所关注的群体被调整(即，扭曲)，以使得所述群体的轮廓与第二组流式细胞仪数据的所生成的图像内的类似群体的轮廓大致相同。换言之，处理器实施的算法可以包括数学变形模型，该数学变形模型被配置为将第一组流式细胞仪数据变换/变形以与第二组流式细胞仪数据相似。在扭曲第一组流式细胞仪数据的所生成的图像后，其中包含的训练门可以被相应地扭曲。例如，图2示出了根据本发明某些实施例的示例工作流程。在步骤201和202中，获得第一组流式细胞仪数据和第二组流式细胞仪数据。第一组流式细胞仪数据包括训练门201a。在步骤203中，为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像(例如，如上所述)。随后，扭曲第一组流式细胞仪数据的所生成的图像，以使得所关注的群体与第二组流式细胞仪数据的所生成的图像中的类似群体相似(步骤204)。随后那个在步骤205中，通过在步骤204中使用的相同变换，扭曲包含在第一组流式细胞仪数据中的训练门。然后在步骤206中，能够将在步骤205中变换的门的顶点应用于第二组流式细胞仪数据的所生成的图像。在一些实施例中，在调整训练门之前，首先将其施加到空白图像上(即，使得训练门是图像中的唯一元素)。换言之，训练门可以与第一组流式细胞仪数据的所生成的图像的其余部分隔离，并施加到单独的图像上。
在一些实施例中，被配置为扭曲第一组流式细胞仪数据的所生成的图像的图像配准算法包括B样条扭曲。B样条(即基样条)描述经常用于曲线拟合的数学函数。例如在Gans，P.和Gill，J.B.(1984)的Smoothing and differentiation of spectroscopic curvesusing spline functions.Applied spectroscopy,38(3),370-376中描述了B样条；其公开内容通过引用并入本文。在实施例中，B样条扭曲包括计算B样条系数，然后将其用于限定用于调整训练门的函数。换言之，图像配准算法扭曲第一组流式细胞仪数据的所生成的图像，并输出以数值方式描述第一组流式细胞仪数据的所生成的图像是如何扭曲的B样条系数。然后，这些系数用作更新训练门的顶点的基础，以使得产生考虑到第一组流式细胞仪数据和第二组流式细胞仪数据之间的差异的经调整的训练门。然后能够将经更新的(即，经调整的)顶点应用于第二组流式细胞仪数据的所生成的图像，以在其上形成经调整的门。例如，图3示出了根据某些实施例调整第一组流式细胞仪数据及其对应的训练门的过程。图像301a示出了施加在空白图像上的训练门，图像301b示出了第一组流式细胞仪数据的相应的所生成的图像。由于图像301b通过处理器实施的算法扭曲成经调整的图像303b，以最大化与第二组流式细胞仪数据(图1中所示的102)的所生成的图像的相似度，使用并记录一组B样条系数302a。图像301b的扭曲由变形302b示出。用于将图像301b扭曲成图像303b的相同B样条系数302a然后用于限定用于扭曲施加在空白图像301a上的训练门并创建经调整的训练门303a的函数。
在调整训练门之后，本发明的方面包括将经调整的训练门叠加到第二组流式细胞仪数据上。在这样的实施例中，空白图像内的经调整的训练门的顶点被应用到第二组流式细胞仪数据的所生成的图像中的对应群体，以形成围绕该群体的门。例如，图4中所示的图像400示出了叠加在第二组流式细胞仪数据102上的经调整的训练门。在一些实施例中，调整训练门的顶点以创建经调整的训练门包括从训练门中提取顶点(即，隔离并观察每个顶点的位置)、基于B样条系数改变每个顶点的位置(例如，如上文所述地确定的)，并将经调整的顶点应用于第二组流式细胞仪数据的所生成的图像，以形成经调整的训练门。在其它实施例中，处理器实施的算法可以在观察每个顶点的位置之前扭曲训练门。在这样的实施例中，处理器实施的算法通过图像配准算法(例如，如上所述)调整训练门，然后可以观察经调整的顶点并将其应用于第二组流式细胞仪数据的所生成的图像。
在一些实施例中，叠加在第二组流式细胞仪数据上的经调整的训练门具有与原始训练门不同的形状，即，以便适应第二组流式细胞仪数据内的相关群体的形状。在一些情况下，与第一组流式细胞仪数据中的群体相比，第二组流式细胞仪数据中的相关群体在一些区域中被调制，例如被拉伸、收缩或移位。因此，在一些情况下，经调整的训练门的形状使其适应这些差异。在一些情况下，经调整的训练门是多边形。
图5和图6示出了已经通过上述过程调整的训练门。图5示出了包含训练门的第一组流式细胞仪数据501。502a至502d示出了第二组流式细胞仪数据，其每个包含已经通过本方法从图像501调整的门。类似地，图6示出了包含训练门的第一组流式细胞仪数据601。602a和602b示出了第二组流式细胞仪数据，其每个包含已经通过本方法从图像601调整的门。
为了产生根据本公开的流式细胞仪数据，用光源照射具有颗粒的样品并且检测来自样品的光，以至少部分地基于检测到的光的测量来生成相关颗粒的群体。在一些情况下，样品是生物样品。术语“生物样品”在其传统意义上用于指整个生物体、植物、真菌或动物组织、细胞或组成部分的子集，它们在某些情况下可以存在于血液、粘液、淋巴液、滑液、脑脊液、唾液、支气管肺泡灌洗液、羊水、羊脐带血、尿液、阴道液和精液中。因此，“生物样品”既指天然生物体或其组织子集，也指从生物体或其组织子集制备的匀浆、裂解物或提取物，包括但不限于，例如，血浆、血清、脊髓液、淋巴液、皮肤切片、呼吸道、胃肠道、心血管和泌尿生殖道、眼泪、唾液、乳汁、血细胞、肿瘤、器官。生物样品可以是任何类型的生物体组织，包括健康组织和患病组织(例如，癌变、恶性、坏死等)。在某些实施例中，生物样品是液体样品，例如血液或其衍生物，例如血浆、泪液、尿液、精液等，其中，在一些情况下，样品是血液样品，包括全血，例如从静脉穿刺或指尖穿刺获得的血液(其中，血液在检测前可能会或可能不会与任何试剂混合，例如防腐剂、抗凝剂等)。
在某些实施例中，样品的来源是“哺乳动物”或“哺乳动物的”，其中，这些术语用于广义地描述属于哺乳动物纲的生物体，包括食肉目(例如狗和猫)、啮齿动物(例如，小鼠、豚鼠和大鼠)和灵长类动物(例如人类、黑猩猩和猴子)。在一些情况下，受试者是人类。所述方法可以应用于从两种性别和处于任何发育阶段(即，新生儿、婴儿、少年、青少年、成人)的人类受试者获得的样品，其中，在某些实施例中，人类受试者是少年、青少年或成人。虽然本发明可以应用于来自人类受试者的样品，但是应当理解，所述方法也可以在来自其它动物受试者(即，在“非人类受试者”中)的样品上进行，例如，但是不限于鸟、小鼠、大鼠、狗、猫、牲畜和马。
在实施主题方法中，具有颗粒的样品(例如，在流式细胞仪的流动流中)用来自光源的光照射。在一些实施例中，光源是宽带光源，其发射具有宽波长范围的光，所述宽波长范例如跨越50nm或更大，例如100nm或更大，例如150nm或更大，例如200nm或更大，例如250nm或更大，例如300nm或更大，例如350nm或更大，例如400nm或更大，和包括跨越500nm或更大。例如，一种合适的宽带光源发射波长为200nm至1500nm的光。合适的宽带光源的另一个示例包括发射波长为400nm至1000nm的光的光源。在方法包括用宽带光源照射的情况下，所关注的宽带光源协议可以包括但不限于卤素灯、氘弧灯、氙弧灯、稳定的光纤耦合宽带光源、具有连续光谱的宽度LED、超发光二极管、半导体发光二极管、广谱LED白光光源、多LED集成白光光源，以及其它宽带光源或其任意组合。
在其它实施例中，方法包括用发射具体波长或窄波长范围的窄带光源照射，例如用发射窄波长范围的光的光源，所述窄波长范围为例如50nm或更小、例如40nm或更小、例如30nm或更小、例如25nm或更小、例如20nm或更小、例如15nm或更小、例如10nm或更小、例如5nm或更小、例如2nm或更小，和包括发射特定波长的光(即单色光)的光源。在方法包括用窄带光源照射的情况下，所关注的窄带光源协议可以包括但不限于窄波长LED、激光二极管或耦接到一个或更多个光学带通滤波器的宽带光源、衍射光栅、单色器或其任意组合。
本发明的方面包括用检测器或检测器的组合收集光。在一些实施例中，光由被配置为检测侧向散射光的一个或更多个侧向散射检测器收集。在另外的实施例中，光由被配置为检测前向散射光的一个或更多个前向散射检测器收集。在另外的实施例中，光由配置成检测荧光的一个或更多个荧光检测器收集。在一些情况下，荧光检测器可以被配置为检测来自荧光分子的荧光发射，例如，与流动池中的颗粒相关联的标记的特异性结合物(例如特异性结合到所关注的标记的标记的抗体)。在某些实施例中，方法包括用一个或更多个荧光检测器、例如2个或更多个、例如3个或更多个、例如4个或更多个、例如5个或更多个、例如6个或更多个、例如7个或更多个、例如8个或更多个、例如9个或更多个、例如10个或更多个、例如15个或更多个和包括25个或更多个荧光检测器检测来自样品的荧光。在实施例中，每个荧光检测器被配置为产生荧光数据信号。每个荧光检测器可以在200nm至1200nm的波长范围中的一个或更多个内独立地检测来自样品的荧光。在一些情况下，方法包括在一定波长范围(例如200nm到1200nm、例如300nm到1100nm、例如400nm到1000nm、例如500nm到900nm、和包括从600nm到800nm)内检测来自样品的荧光。在其它情况下，方法包括用每个荧光检测器在一个或更多个特定波长下检测荧光。例如，取决于主题光检测系统中不同荧光检测器的数量，可以在450nm、518nm、519nm、561nm、578nm、605nm、607nm、625nm、650nm、660nm、667nm、670nm、668nm、695nm、710nm、723nm、780nm、785nm、647nm、617nm中的一个或更多个及其任意组合下，检测荧光。在某些实施例中，方法包括检测与样品中存在的某些荧光染料的荧光峰值波长相对应的光波长。在实施例中，从一个或更多个荧光检测器(例如，一个或更多个检测通道)、例如2个或更多个、例如3个或更多个、例如4个或更多个、例如5个或更多个、例如6个或更多个和包括8个或更多个荧光检测器(例如，8个或更多个检测通道)，接收流式细胞仪数据。
用于调整训练门以适应流式细胞仪数据的系统
本公开的方面还包括用于调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的系统。在一些实施例中，系统包括被配置为获得第一组流式细胞仪数据的输入模块、被配置为获得第二组流式细胞仪数据的颗粒分析仪、以及被配置为分析流式细胞仪数据的处理器。
在一些实施例中，主题颗粒分析仪具有流动池，以及配置为照射流动池中的颗粒的激光器。在实施例中，激光器可以是任何合适的激光器，例如连续波激光器。例如，激光器可以是二极管激光器，例如紫外二极管激光器、可见光二极管激光器和近红外二极管激光器。在其它实施例中，激光器可以是氦氖(HeNe)激光器。在一些情况下，激光器是气体激光器，例如氦氖激光器、氩激光器、氪激光器、氙激光器、氮激光器、CO2激光器、CO激光器、氩氟(ArF)准分子激光器、氪氟(KrF)准分子激光器、氙氯(XeCl)准分子激光器或氙氟(XeF)准分子激光器或其组合。在其它情况下，主题流式细胞仪包括染料激光器，例如二苯乙烯、香豆素或罗丹明激光器。在另外的其它情况下，所关注的激光器包括金属蒸汽激光器，例如氦镉(HeCd)激光器、氦汞(HeHg)激光器、氦硒(HeSe)激光器、氦银(HeAg)激光器，锶激光器、氖铜(NeCu)激光器、铜激光器或金激光器及其组合。在其它情况下，主题流式细胞仪包括固态激光器，例如红宝石激光器、Nd：YAG激光器、NdCrYAG激光器、Er：YAG激光器、Nd：YLF激光器、Nd：YVO4激光器、Nd：YCa4O(BO3)3激光器、Nd：YCOB激光器、钛蓝宝石激光器、铥YAG激光器、镱YAG激光器、镱2O3激光器或掺杂铈激光器及其组合。
在某些实施例中，主题颗粒分析仪包括光束发生器，其被配置为生成两个或更多个频移光束。在一些情况下，光束发生器包括激光器、射频发生器，该射频发生器被配置为将射频驱动信号施加到声光设备，以生成角度偏转的两个或更多个激光束。在这些实施例中，激光器可以是脉冲激光器或连续波激光器。例如，所关注的光束发生器中的激光器可以是气体激光器，例如氦氖激光器、氩激光器、氪激光器、氙激光器、氮激光器、CO2激光器、CO激光器、氩氟(ArF)准分子激光器，氪氟(KrF)准分子激光器、氯氙(XeCl)准分子激光器或氙氟(XeF)准分子激光器或其组合；染料激光器，例如二苯乙烯、香豆素或罗丹明激光器；金属蒸汽激光器，如氦镉(HeCd)激光器、氦汞(HeHg)激光器、氦硒(HeSe)激光器、氦银(HeAg)激光器、锶激光器、氖铜(NeCu)激光器、铜激光器或金激光器及其组合；固体激光器，如红宝石激光器、Nd：YAG激光器、NdCrYAG激光器、Er：YAG激光器、Nd：YLF激光器、Nd：YVO4激光器、Nd：YCa4O(BO3)3激光器、Nd：YCOB激光器，钛蓝宝石激光器、铥YAG激光器、镱YAG激光器、镱2O3激光器或掺杂铈激光器及其组合。
声光设备可以是被配置为使用所施加的声波对激光进行频移的任何合适的声光协议。在某些实施例中，声光设备是声光偏转器。主题系统中的声光设备被配置为由来自激光器的光和所施加的射频驱动信号，生成角度偏转的激光束。射频驱动信号可以通过任何合适的射频驱动信号源，例如直接数字合成器(DDS)、任意波形发生器(AWG)或电脉冲发生器，施加到声光设备。
在实施例中，控制器被配置为向声光设备施加射频驱动信号，以在输出激光束中产生期望数量的角度偏转的激光束，例如被配置为施加3个或更多个射频驱动信号，例如4个或更多个射频驱动信号，例如5个或更多个射频驱动信号，例如6个或更多个射频驱动信号，例如7个或更多个射频驱动信号，例如8个或更多个射频驱动信号，例如9个或更多个射频驱动信号，例如10个或更多个射频驱动信号，例如15个或更多个射频驱动信号，例如25个或更多个射频驱动信号，例如50个或更多个射频驱动信号，和包括被配置为施加100个或更多个射频驱动信号。
在一些情况下，为了在输出激光束中产生角度偏转的激光束的强度分布，控制器被配置为施加射频驱动信号，该射频驱动信号具有例如约0.001V到约500V、例如约0.005V至约400V，例如约0.01V至约300V，例如约0.05V至约200V，例如约0.1V至约100V，例如约0.5V至约75V，例如约1V到50V，例如约2V到40V，例如3V到约30V，和包括约5V到约25V变化的幅度。每个所施加的射频驱动信号在一些实施例中具有约0.001MHz至约500MHz，例如约0.005MHz至约400MHz，例如约0.01MHz至约300MHz，例如约0.05MHz至约200MHz，例如约0.1MHz至约100MHz，例如约0.5MHz至约90MHz，例如约1MHz至约75MHz，例如从约2MHz至约70MHz，例如约3MHz至约65MHz，例如约4MHz至约60MHz，和包括约5MHz至约50MHz的频率。
在某些实施例中，控制器具有处理器，该处理器具有可操作地耦接到处理器的存储器，以使得存储器包括存储在其上的指令，指令当由处理器执行时，使处理器产生具有角度偏转的激光束的输出激光束，该激光束具有期望的强度分布。例如，存储器可以包括用于产生具有相同强度的两个或更多个角度偏转的激光束的指令，例如3个或更多个，例如4个或更多个，例如5个或更多个，例如10个或更多个，例如25个或更多个，例如50个或更多个，和包括存储器可以包括用于产生具有相同强度的100个或更多个角度偏转的激光束的指令。在其它实施例中，可以包括用于产生具有不同强度的两个或更多个角度偏转的激光束的指令，例如3个或更多个，例如4个或更多个，例如5个或更多个，例如10个或更多个，例如25个或更多个，例如50个或更多个，和包括存储器可以包括产生具有不同强度的100个或更多个角度偏转的激光束的指令。
在某些实施例中，控制器具有处理器，该处理器具有可操作地耦接到处理器的存储器，以使得存储器包括存储在其上的指令，指令当由处理器执行时，使处理器产生输出激光束，该输出激光束沿着水平轴线具有从输出激光束的边缘到中心增加的强度。在这些情况下，沿水平轴线，角度偏转激光束的在输出光束中心的强度可以是角度偏转的激光束在输出激光束边缘的强度的0.1％到约99％，例如0.5％至约95％，例如1％至约90％，例如约2％至约85％，例如约3％至约80％，例如约4％至约75％，例如约5％至约70％，例如约6％至约65％，例如约7％至约60％，例如约8％至约55％，和包括沿水平轴线，角度偏转的激光束在输出激光束边缘的强度的约10％至约50％。在其它实施例中，控制器具有处理器，该处理器具有可操作地耦接到处理器的存储器，以使得存储器包括存储在其上的指令，指令当由处理器执行时，使处理器产生输出激光束，该输出激光束沿着水平轴线，具有从输出激光束的边缘到中心增加的强度。在这些情况下，沿着水平轴线，角度偏转的激光束在输出光束边缘的强度可以为角度偏转的激光束在输出激光束中心的强度的0.1％到约99％，例如0.5％至约95％，例如1％至约90％，例如约2％至约85％，例如约3％至约80％，例如约4％至约75％，例如约5％至约70％，例如约6％至约65％，例如约7％至约60％，例如约8％至约55％，和包括沿水平轴线，角度偏转的激光束在输出激光束中心的强度的10％至约50％。在另外的其它实施例中，控制器具有处理器，该处理器具有可操作地耦接到处理器的存储器，以使得存储器包括存储在其上的指令，指令当由处理器执行时，使处理器沿着水平轴线产生具有高斯分布的强度分布的输出激光束。在另外的其它实施例中，控制器具有处理器，该处理器具有可操作地耦接到处理器的存储器，以使得存储器包括存储在其上的指令，指令当由处理器执行时，使处理器产生沿着水平轴线，具有礼帽状强度分布的输出激光束。
在一些实施例中，所关注的光束发生器可以被配置为在输出激光束中产生空间分离的角度偏转的激光束。取决于所施加的射频驱动信号和输出激光束的期望照射配置，角度偏转的激光束可以分开0.001μm或更多，例如0.005μm或更多，例如0.01μm或更多，例如0.05μm或更多，例如0.1μm或更多，例如0.5μm或更多，例如1μm或更多，例如5μm或更多，例如10μm或更多，例如100μm或更多，例如500μm或更多，例如1000μm或更多，和包括5000μm或更多。在一些实施例中，系统被配置为在输出激光束中产生角偏转的激光束，该激光束例如与沿输出激光束的水平轴线的相邻的角度偏转的激光束重叠。相邻的角度偏转的激光束之间的重叠(例如光束点的重叠)可以是0.001μm或更多的重叠，例如0.005μm或更多的重叠，例如0.01μm或更多的重叠，例如0.05μm或更多的重叠，例如0.1μm或更多的重叠，例如0.5μm或更多的重叠，例如1μm或更多的重叠，例如5μm或更多的重叠，例如10μm和更多的重叠，和包括100μm或更多的重叠。
在某些情况下，被配置为生成两个或更多个频移光束的光束发生器包括如美国专利第9,423,353号、第9,784,661号和第10,006,852号以及美国专利公开第2017/0133857号和第2017/0350803号中所述的激光激励模块，它们的公开内容通过引用并入本文。
本发明的方面还包括配置为检测前向散射光的前向散射检测器。主题流式细胞仪中的前向散射检测器的数量可以根据需要而变化。例如，主题颗粒分析仪可以包括1个前向散射检测器或多个前向散射检测器，例如2个或更多个，例如3个或更多个，例如4个或更多个，和包括5个或更多个。在某些实施例中，流式细胞仪包括1个前向散射检测器。在其它实施例中，流式细胞仪包括2个前向散射检测器。
用于检测收集的光的任何合适的检测器都可以用于本文所述的前向散射检测器。所关注的检测器可以包括但不限于光学传感器或检测器，例如有源像素传感器(APS)、雪崩光电二极管、图像传感器、电荷耦合设备(CCD)、增强电荷耦合设备(ICCD)、发光二极管、光子计数器、辐射热计、热释电检测器、光敏电阻、光伏电池、光电二极管、光电倍增管(PMT)、光电晶体管、量子点光电导体或光电二极管及其组合，以及其它检测器。在某些实施例中，使用电荷耦合设备(CCD)、半导体电荷耦合设备(CCD)、有源像素传感器(APS)、互补金属氧化物半导体(CMOS)图像传感器或N型金属氧化物半导体(NMOS)图像传感器，测量所收集的光。在某些实施例中，检测器是光电倍增管，例如光电倍增管，其每个区域的有效检测表面积为0.01cm2到10cm2，例如0.05cm2到9cm2，例如0.1cm2至8cm2，例如0.5cm2至7cm2，包括1cm2至5cm2。
在本发明的颗粒分析仪包括多个前向散射检测器的情况下，每个检测器可以是相同的，或者检测器的收集可以是不同类型检测器的组合。例如，在主题颗粒分析仪包括两个前向散射检测器的情况下，在一些实施例中，第一前向散射检测器是CCD型设备，而第二前向散射检测器(或成像传感器)是CMOS型设备。在其它实施例中，第一前向散射检测器和第二前向散射检测器都是CCD型设备。在另外的其它实施例中，第一前向散射检测器和第二前向散射检测器都是CMOS型设备。在另外的其它实施例中，第一前向散射检测器是CCD型设备，而第二前向散射检测器是光电倍增管(PMT)。在另外的其它实施例中，第一前向散射检测器是CMOS型设备，而第二前向散射检测器是光电倍增管。在另外的其它实施例中，第一前向散射检测器和第二前向散射检测器都是光电倍增管。
在实施例中，前向散射检测器被配置为连续或以离散区间测量光。在一些情况下，所关注的检测器被配置为连续测量所收集的光。在其它情况下，所关注的检测器被配置为以离散区间进行测量，例如每0.001毫秒、每0.01毫秒、每0.1毫秒、每1毫秒、每10毫秒、每100毫秒和包括每1000毫秒或以其它区间进行测量。
本发明的实施例还包括位于流动池和前向散射检测器之间的光分散/分离器模块。所关注的光分散设备包括但不限于有色玻璃、带通滤光片、干涉滤光片、分色镜、衍射光栅、单色仪及其组合，以及其它波长分离设备。在一些实施例中，带通滤波器位于流动池和前向散射检测器之间。在其它实施例中，多于一个带通滤波器布置在流动池和前向散射检测器之间，例如2个或更多个、3个或更多个、4个或更多个，和包括5个或更多个。在实施例中，带通滤光片具有2nm到100nm的最小带宽，例如3nm到95nm，例如5nm到95nm，例如10nm到90nm，例如12nm至85nm，例如15nm至80nm，和包括具有20nm至50nm的最小带宽的带通滤波器。波长并将具有其它波长的光反射到前向散射检测器。
本发明的某些实施例包括侧向散射检测器，其被配置为检测光的侧向散射波长(例如，从颗粒的表面和内部结构折射和反射的光)。在其它实施例中，流式细胞仪包括多个侧向散射检测器，例如2个或更多个，例如3个或更多个，例如4个或更多个，和包括5个或更多个。
用于检测所收集的光的任何合适的检测器都可以用于本文所述的侧向散射检测器。所关注的检测器可以包括但不限于光学传感器或检测器，例如有源像素传感器(APS)、雪崩光电二极管、图像传感器、电荷耦合设备(CCD)、增强电荷耦合设备(ICCD)、发光二极管、光子计数器、辐射热计、热释电检测器、光敏电阻、光伏电池、光电二极管、光电倍增管(PMT)、光电晶体管、量子点光电导体或光电二极管及其组合，以及其它检测器。在某些实施例中，使用电荷耦合设备(CCD)、半导体电荷耦合设备(CCD)、有源像素传感器(APS)、互补金属氧化物半导体(CMOS)图像传感器或N型金属氧化物半导体(NMOS)图像传感器，测量所收集的光。在某些实施例中，检测器是光电倍增管，例如每个区域的有效检测表面积为0.01cm2到10cm2、例如0.05cm2到9cm2、例如0.1cm2至8cm2、例如0.5cm2至7cm2和包括1cm2至5cm2的光电倍增管。
在主题颗粒分析仪包括多个侧向散射检测器的情况下，每个侧向散射检测器可以是相同的，或者侧向散射检测器的收集可以是不同类型的检测器的组合。例如，在主题颗粒分析仪包括两个侧向散射检测器的情况下，在一些实施例中，第一侧向散射检测器是CCD型设备，而第二侧向散射检测器(或成像传感器)是CMOS型设备。在其它实施例中，第一侧向散射检测器和第二侧向散射检测器都是CCD型设备。在另外的其它实施例中，第一侧向散射检测器和第二侧向散射检测器都是CMOS型设备。在另外的其它实施例中，第一侧向散射检测器是CCD型设备，而第二侧向散射检测器是光电倍增管(PMT)。在另外的其它实施例中，第一侧向散射检测器是CMOS型设备，而第二侧向散射检测器是光电倍增管。在另外的其它实施例中，第一侧向散射检测器和第二侧向散射检测器都是光电倍增管。
本发明的实施例还包括布置在流动池与侧向散射检测器之间的光分散/分离器模块。所关注的光分散设备包括但不限于有色玻璃、带通滤光片、干涉滤光片、分色镜、衍射光栅、单色仪及其组合，以及其它波长分离设备。
在实施例中，主题颗粒分析仪还包括配置为检测一个或更多个荧光波长的光的荧光检测器。在其它实施例中，颗粒分析仪包括多个荧光检测器，例如2个或更多个，例如3个或更多个，例如4个或更多个，5个或更多个，10个或更多个，15个或更多个，和包括20个或更多个。
用于检测所收集的光的任何合适的检测器都可以用于本文所述的荧光检测器中。所关注的检测器可以包括但不限于光学传感器或检测器，例如有源像素传感器(APS)、雪崩光电二极管、图像传感器、电荷耦合器件(CCD)、增强电荷耦合器件(ICCD)、发光二极管、光子计数器、辐射热计、热释电检测器、光敏电阻、光伏电池、光电二极管、光电倍增管(PMT)、光电晶体管、量子点光电导体或光电二极管及其组合，以及其它检测器。在某些实施例中，使用电荷耦合器件(CCD)、半导体电荷耦合器件(CCD)、有源像素传感器(APS)、互补金属氧化物半导体(CMOS)图像传感器或N型金属氧化物半导体(NMOS)图像传感器，测量所收集的光。在某些实施例中，检测器是光电倍增管，例如每个区域的有效检测表面积为0.01cm2到10cm2的光电倍增管，例如0.05cm2至9cm2，例如0.1cm2至8cm2，例如0.5cm2至7cm2，和包括1cm2至5cm2。
在主题颗粒分析仪包括多个荧光检测器的情况下，每个荧光检测器可以是相同的，或者荧光检测器的收集可以是不同类型检测器的组合。例如，在主题颗粒分析仪包括两个荧光检测器的情况下，在一些实施例中，第一荧光检测器是CCD型设备，而第二荧光检测器(或成像传感器)是CMOS型设备。在其它实施例中，第一荧光检测器和第二荧光检测器都是CCD型设备。在另外的其它实施例中，第一荧光检测器和第二荧光检测器都是CMOS型设备。在另外的其它实施例中，第一荧光检测器是CCD型设备，第二荧光检测器是光电倍增管(PMT)。在另外的其它实施例中，第一荧光检测器是CMOS型设备，而第二荧光检测器是光电倍增管。在另外的其它实施例中，第一荧光检测器和第二荧光检测器都是光电倍增管。
本发明的实施例还包括位于流动池和荧光检测器之间的光分散/分离器模块。所关注的光分散设备包括但不限于有色玻璃、带通滤光片、干涉滤光片、分色镜、衍射光栅、单色仪及其组合，以及其它波长分离设备。
在本公开的实施例中，所关注的荧光检测器被配置为在一个或更多个波长下测量所收集的光，例如在2个或更多个波长下，例如在5个或更多个不同波长下，例如在10个或更多个不同波长下，例如在25个或更多不同波长下，例如在50个或更多不同波长下，例如在100个或更多个不同波长下，例如在200个或更多个不同波长下，例如在30个或更多个不同波长下，和包括在400个或更多不同波长下测量由流动流中的样品发射的光。在一些实施例中，如本文所述的流式细胞仪中的2个或更多个检测器被配置为测量所收集光的相同或重叠波长。
在一些实施例中，所关注的荧光检测器被配置为在一定波长范围(例如，200nm至1000nm)上测量所收集的光。在某些实施例中，所关注的检测器被配置为收集波长范围内的光谱。例如，颗粒分析仪可以包括一个或更多个检测器，其被配置为在200nm至1000nm的波长范围中的一个或更多个内收集光谱。在另外的其它实施例中，所关注的检测器被配置为在一个或更多个特定波长下，测量由流动流中的样品发射的光。例如，颗粒分析仪可以包括一个或更多个检测器，其被配置为在450nm、518nm、519nm、561nm、578nm、605nm、607nm、625nm、650nm、660nm、667nm、670nm、668nm、695nm、710nm、723nm、780nm、785nm、647nm、617nm及其任意组合下，测量光。在某些实施例中，一个或更多个检测器可以配置为与特定荧光团、例如在荧光测定中与样品一起使用的那些配对。
合适的流式细胞术系统可以包括但不限于在以下中所述：Ormerod(ed.)的FlowCytometry：A Practical Approach，Oxford Univ.Press(1997)、Jaroszeski等人(eds.)的Flow Cytometry Protocols,Methods in Molecular Biology No.91，Humana Press(1997)、Practical Flow Cytometry，第三版，Wiley-Liss(1995)、Virgo等人(2012)的AnnClin Biochem.Jan、49(pt 1)：17-28、Linden等人的Semin Throm Hemost.2004Oct；30(5)：502-11、Alison等人的J Pathol，2010Dec；222(4)：335-344、和Herbig等人(2007)的CritRev Ther Drug Carrier Syst.24(3)：203-255，它们的公开内容通过引用并入本文。在某些情况下，所关注的流式细胞仪系统包括BD Biosciences FACSCantoTM流式细胞仪、BDBiosciences FACSCantoTMII流式细胞仪、BD AccuriTM流式细胞仪、BD AccuriTMC6 Plus流式细胞仪、BD Biosciences FACSCelestaTM流式细胞仪、BD Biosciences FACSLyricTM流式细胞仪、BD Biosciences FACSVerseTM流式细胞仪、BD Biosciences FACSymphonyTM流式细胞仪、BD Biosciences LSRFortessaTM流式细胞仪、BD Biosciences LSRFortessaTMX-20流式细胞仪、BD Biosciences FACSPrestoTM流式细胞仪、BD Biosciences FACSViaTM流式细胞仪和BD Biosciences FACSCaliburTM细胞分选仪、BD Biosciences FACSCountTM细胞分选仪、BD Biosciences FACSLyricTM细胞分选仪、BD Biosciences ViaTM细胞分选仪、BDBiosciences InfluxTM细胞分选仪、BD Biosciences JazzTM细胞分选仪、BD BiosciencesAriaTM细胞分选仪、BD Biosciences FACSAriaTMII细胞分选仪、BD BiosciencesFACSAriaTMIII细胞分选仪、BD Biosciences FACSAriaTMFusion细胞分选仪和BDBiosciences FACSMelodyTM细胞分选仪、BD Biosciences FACSymphonyTMS6细胞分选仪等。
在一些实施例中，主题系统是流式细胞仪系统，例如在以下中所述：美国专利第10,663,476号、第10,620,111号、第10,613,017号、第10,605,713号、第10,585,031号、第10,578,542号、第10,578,469号、第10,481,074号、第10,302,545号、第10,145,793号、第10,113,967号、第10,006,852号、第9,952,076号、第9,933,341号、第9,726,527号、第9,453,789号、第9,200,334号、第9,097,640号、第9,095,494号、第9,092,034号、第8,975,595号、第8,753,573号、第8,233,146号、第8,140,300号、第7,544,326号、第7,201,875号、第7,129,505号、第6,821,740号、第6,813,017号、第6,809,804号、第6,372,506号、第5,700,692号、第5,643,796号、第5,627,040号、第5,620,842号、第5,602,039号、第4,987,086号、第4,498,766号；它们的公开内容通过引用完全并入本文。
在某些情况下，本发明的流式细胞术系统被配置用于通过使用射频标记发射(FIRE)的荧光成像对流动流中的颗粒进行成像，例如在Diebold等人的Nature PhotonicsVol.7(10)、806-810(2013)中所述和在以下中所述：美国专利第9,423,353号、第9,784,661号、第9,983,132号、第10,006,852号、第10,078,045号、第10,036,699号、第10,222,316号、第10,288,546号、第10,324,019号、第10,408,758号、第10,451,538号、第10,620,111号；和美国专利公开第2017/0133857号、第2017/0328826号、第2017/0350803号、第2018/0275042号、第2019/0376895和2019/0376894号，它们的公开内容通过引用并入本文。
在某些实施例中，主题系统另外包括处理器，该处理器具有可操作地耦接到处理器的存储器，其中，存储器包括存储在其上的指令，指令当由处理器执行时，使处理器调整从第一组流式细胞仪数据制备的训练门，以适应第二组流式细胞仪数据。本发明的实施例因此包括获得第一组流式细胞仪数据和第二组流式细胞仪数据。第一组流式细胞仪数据已经被表征，以使得其中包含的一个或更多个群体被理解为与所关注的亚型(即表型)相关。在实施例中，第一组流式细胞仪数据从输入模块获得。输入模块可以是与处理器通信的任何合适的设备，其被配置为给处理器提供第一组流式细胞仪数据。在实施例中，输入模块具有与其耦接的存储器，用于存储流式细胞仪数据，当需要调整训练门时，处理器可以调用这些数据。在一些实施例中，第一组流式细胞仪数据是从先前的流式细胞术实验中获得的。因此，根据某些实施例，第一组流式细胞仪数据包含已被用户识别或确认与所关注的具体特性相关联的群体。相反，根据本发明的实施例，第二组流式细胞仪数据包括尚未限定的一个或更多个的群体。换句话说，第二组流式细胞仪数据中的所关注的群体需要边界(即门)，以使得能够正式将其与剩余数据区分开来。在实施例中，第一组式细胞仪数据和第二组流式细胞仪数据包含表现出相同参数(例如，在两组中检测到相同的荧光染料)的数据。在实施例中，第二组流式细胞仪数据从例如上述那些的颗粒分析仪获得。
在实施例中，从输入模块获得的第一组流式细胞仪数据包括训练门。训练门形成先前已由用户或其他细胞术技术人员确定为对应于所关注的特性的流式细胞仪数据的群体的边界。在实施例中，训练门包括顶点，即二维图上的点，当其连接时，这些点形成门。在一些实施例中，训练门由用户绘制。在其它实施例中，训练门由其它细胞术技术人员预先建立。在实施例中，训练门用于限定第一组流式细胞仪数据内的所关注的群体。在实施例中，训练门具有与第一组流式细胞仪数据中的所关注的群体的形状相对应的形状。在一些实施例中，训练门具有多边形形状。因此，在实施例中，用户能够在第一组流式细胞仪数据测量的图表上绘制多边形，以限定要包括在训练门内的数据值的范围。
通过流式细胞仪分析细胞(或其它颗粒)获得的数据通常是多维的，其中，每个细胞对应于由测量参数限定的多维空间中的点。细胞群体或颗粒群体能够被识别为数据空间中的点簇。在一些实施例中，方法包括基于样品中分析对象(例如，细胞、颗粒)的确定参数，生成一个或更多个群体簇。如本文所用，分析对象(例如细胞或其它颗粒)的“群体”或“亚群体”通常指具有相对于一个或更多个测量参数的特性(例如，光学、阻抗或时间特性)的分析对象组，以使得测得的参数数据形成数据空间中的簇。在实施例中，数据由来自多个不同参数的信号组成，例如2个或更多个、3个或更多个、4个或更多个、5个或更多个、6个或更多个、7个或更多个、8个或更多个、9个或更多个，10个或更多个，和包括20个或更多个。由此，群体在数据中被识别为簇。相反，每个数据簇通常被解释为对应于具体类型的细胞或分对象物的群体，尽管通常也观察到对应于噪声或背景的簇。簇可以在维度的子集中限定，例如，相对于测量参数的子集，其对应于仅在从细胞或颗粒的测量中提取的测量参数或特征的子集中不同的群体。
在实施例中，处理器被配置为接收流式细胞仪数据，计算每个分析对象的参数，并基于所计算的参数将分析对象聚集在一起。任何数量的分析对象可以被分配到簇，包括5个或更多个分析对象，例如10个或更多个分析对象，例如50个或更多个分析对象，例如100个或更多个分析对象，例如500个分析对象，和包括1000个分析对象。在某些实施例中，该方法将样品中检测到的稀有事件(例如，样品中的稀有细胞，例如癌细胞)一起分组到簇中。在这些实施例中，所生成的分析对象簇可以包括10个或更少的指定分析对象，例如9个或更少，和包括5个或更少的指定分析对象。
在已经获得流式细胞仪数据之后，处理器可以被配置成为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像(即，为每组流式细胞仪数据生成不同的图像)。“生成图像”指将二维图转换为图像格式，使得流式细胞仪数据由像素表示，这些像素在组装时构成代表数据的图像。在实施例中，为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像涉及将数据组织到二维箱中。在本公开中，术语“箱”在其传统意义上用于指将落入某个区间内的数据点组合成的数据结构。随后为箱分配代表该区间的值。在实施例中，箱的代表值是包含在所述箱内的流式细胞仪数据的平均值。因此，在实施例中，将二维散点图的限定区域内的个体数据点整理到箱中，并且该箱与反映其中包含的数据点数量的代表值相关联。
在一些实施例中，处理器被配置为根据数据关于参数的状态，将流式细胞仪数据组织到箱中。在这样的实施例中，给定箱的代表值可以是经分箱的数据相对于所述参数的检测强度的平均值。例如，在参数是荧光参数的情况下，具体箱的代表值可以是该箱内的数据相对于从给定荧光染料发射的荧光强度的平均值。在实施例中，根据数据关于一个或更多个另外的参数的状态对数据进行分箱。在这样的实施例中，给定箱的代表值可以是相对于每个相关参数评估的平均值的合成。相应地，在实施例中，将流式细胞仪数据组合到箱中包括相对于1个或更多个另外的参数评估数据，例如2个或更多个、3个或更多个、4个或更多个、5个或更多个、10个或更多个、15个或更多个，和包括20个或更多个。
在将流式细胞仪数据组织成箱后，处理器可以配置为创建图像生成值。如本文所讨论的，图像生成值量化给定箱内的数据点浓度，并用作生成图像的基础。在某些实施例中，确定图像生成值包括创建二维分箱数据的直方图(即，与每个箱相关联的代表值的直方图)。在这样的实施例中，确定图像生成值还包括基于直方图计算累积分布函数。累积分布函数在其传统意义上被提及，它确定变量小于或等于某个量的概率。这样，每个箱的代表值被输入到从直方图计算的累积分布函数中，以获得图像生成值。在一些实施例中，图像生成值为0到1。在其它实施例中，图像生成值可以为0到用户选择的任意数字。在实施例中，较高的图像生成值指示相关箱与更多的数据点相关联，而较低的图像生成值指示相关箱与较少的数据点相关联。
在确定图像生成值之后，处理器可以被配置为基于对应于该箱的图像生成值给每个箱分配阴影。在此所述的“阴影”指给定箱将在所得图像中表示的明度或暗度。在一些实施例中，箱被分配灰色阴影。在这样的实施例中，所得图像是灰度图像。在其它实施例中，箱被分配非灰色的阴影。在这样的实施例中，所得图像是彩色图像。在相对于多个参数评估组合到箱中的数据的实施例中，从这些箱生成的图像可以是多色的。在这样的实施例中，不同的颜色可以与每个不同的参数相关联。在一些实施例中，与较高图像生成值相关联的箱被分配较亮的颜色，而与较低图像生成值相关联的箱被分配较暗颜色。本发明的某些实施例还包括图像生成阈值。在这样的实施例中，与阈值以下的图像生成值相关联的所有箱都被分配黑色。在一些实施例中，阈值是可调整的(即，由用户从多个不同选项中选择)。因此，可以基于所选阈值的大小为图像的更多或更少的部分分配黑色。
处理器可以还被配置为根据第一组流式细胞仪数据的所生成的图像调整训练门，以适应第二组流式细胞仪数据的所生成的图像。通过调整训练门以“适应”第二组流式细胞仪数据，这意味着改变训练门的形状，以使得经调整的训练门考虑到第二组流式细胞仪数据中存在的与第一组流式细胞仪数据的群体形态差异。在某些实施例中，训练门的调整包括调整训练门的每个构成顶点。在实施例中，处理器利用处理器实施的算法调整训练门。在这样的实施例中，处理器实施的算法被配置为调整取自第一组流式细胞仪数据的所生成的图像的训练门的顶点，以适应第二组流式细胞仪数据的所生成的图像。根据本发明的实施例，处理器实施的算法是图像配准算法。图像配准算法集成并转换从图像接收的数据。因此，本文所述的图像配准算法分析第一组流式细胞仪数据的所生成的图像、分析第二组流式细胞仪数据的所生成的图像，并基于这些分析扭曲来自第一组流式细胞仪数据的训练门以适应第二组流式细胞仪数据。
在实施例中，扭曲训练门以适应第二组流式细胞仪数据涉及扭曲第一组流式细胞仪数据的整个的所生成的图像，以最大化相对于第二组流式细胞仪数据的所生成的图像的相似度。在这样的实施例中，第一组流式细胞仪数据的所生成的图像内的所关注的群体被调整(即，扭曲)，以使得所述群体的轮廓与第二组流式细胞仪数据的所生成的图像内的类似群体的轮廓大致相同。换言之，处理器实施的算法可以包括数学变形模型，该数学变形模型被配置为将第一组流式细胞仪数据变换/变形以与第二组流式细胞仪数据相似。在第一组流式细胞仪数据的所生成的图像扭曲后，其中包含的训练门可以进行相应的扭曲。在一些实施例中，在调整训练门之前，首先将其施加到空白图像上(即，使得训练门是图像中的唯一元素)。换言之，训练门可以与第一组流式细胞仪数据的所生成的图像的其余部分隔离，并施加到单独的图像上。
在一些实施例中，被配置为扭曲第一组流式细胞仪数据的所生成的图像的图像配准算法包括B样条扭曲。在实施例中，B样条扭曲包括计算B样条系数，它们然后被用于限定用于调整训练门的函数。换言之，图像配准算法扭曲第一组流式细胞仪数据的所生成的图像，并输出以数值方式描述第一组流式细胞仪数据的所生成的图像是如何扭曲的B样条系数。然后这些系数用作更新训练门的顶点的基础，使得产生考虑到第一组流式细胞仪数据与第二组流式细胞仪数据之间的差异的经调整的训练门。然后能够将更新的(即，调整的)顶点应用于第二组流式细胞仪数据的所生成的图像，以在其上形成经调整的门。
在调整训练门之后，本发明的方面包括将经调整的训练门叠加到第二组流式细胞仪数据上。在这样的实施例中，空白图像内的经调整的训练门的顶点被应用到第二组流式细胞仪数据的所生成的图像中的对应群体，以形成围绕该群体的门。在一些实施例中，调整训练门的顶点以创建经调整的训练门包括从训练门提取顶点(即，隔离并观察每个顶点的位置)、基于(例如，如上所述的)B样条系数改变每个顶点的位置，并将经调整的顶点应用于第二组流式细胞仪数据的所生成的图像以形成经调整的训练门。在其它实施例中，处理器实施的算法可以在观察每个顶点的位置之前扭曲训练门。在这样的实施例中，处理器实施的算法通过(例如，如上所述的)图像配准算法调整训练门，然后可以观察经调整的顶点并将其应用于第二组流式细胞仪数据的所生成的图像。
在一些实施例中，叠加在第二组流式细胞仪数据上的经调整的训练门具有与原始训练门不同的形状，即，为了适应第二组流式细胞仪数据内的相关群体的形状。在一些情况下，与第一组流式细胞仪数据中的群体相比，第二组流式细胞仪数据中的相关群体在某些区域被拉伸、缩小或偏移。因此，在一些情况下，经调整的训练门的形状使其适应这些差异。在某些情况下，经调整的训练门是多边形。
图7示出根据本发明示例性实施例的用于流式细胞术的系统700。系统700包括流式细胞仪710、控制器/处理器790，和存储器795。流式细胞仪710包括一个或更多个激励激光器715a至715c、聚焦透镜720、流动室725、前向散射检测器730、侧向散射检测器735、荧光收集透镜740、一个或更多个分束器745a-745g、一个或更多个带通滤光片750a-750e、一个或更多个长通(“LP”)滤光片755a-755b，和一个或更多个荧光检测器760a-760f。
激励激光器715a-c发射激光束形式的光。在图7的示例系统中，从激励激光器715a-715c发射的激光束的波长分别为488nm、633nm和325nm。激光束首先被引导通过分束器745a和745b中的一个或更多个。分束器745a透射488nm的光并反射633nm的光。分束器745b透射UV光(波长为10到400nm的光)并反射488nm和633nm的光。
然后将激光束引导到聚焦透镜720，该聚焦透镜将光束聚焦到流动室725内的样品颗粒所在的流体流的部分上。流动室是在流中通常逐个地将颗粒引导到聚焦激光束以进行询问的流体系统的一部分。流动室能够包括台式细胞仪中的流动池或空气流式细胞仪中的喷嘴尖端。
来自一个或更多个的激光束的光通过衍射、折射、反射、散射和吸收与样品中的颗粒相互作用，并取决于颗粒的特性(如其尺寸、内部结构、以及附着在颗粒上或天然地存在于颗粒上或中的一种或更多种荧光分子的存在)，以各种不同的波长重新发射。荧光发射以及衍射光、折射光、反射光和散射光可以通过分束器745a-745g、带通滤光片750a-750e、长通滤光片755a-755b，和荧光收集透镜740中的一个或更多个，被引导到前向散射检测器730、侧向散射检测器735和一个或更多个荧光检测器760a-760f中的一个或更多个。
荧光收集透镜740收集由颗粒-激光束相互作用发射的光并将该光引向一个或更多个分束器和滤光器。例如带通滤光片750a-750e的带通滤光片允许窄范围的波长通过滤光片。例如，带通滤光片750a是510/20滤光片。第一个数字代表光谱带的中心。第二个数字提供光谱带的范围。因此，510/20滤光片在光谱带中心的每一侧延伸10nm，或500nm到520nm。短通滤光片传输波长等于或小于指定波长的光。例如长通滤光片755a-755b的长通滤光片透射波长等于或大于指定光波长的光。例如，为670nm长通滤光片的长通滤光片755a透射等于或长于670nm的光。通常选择滤光片以优化检测器对具体荧光染料的特异性。能够配置滤光片，以使得传输到检测器的光的光谱带接近荧光染料的发射峰。
分束器将不同波长的光导向不同方向。分束器能够通过例如短通和长通的滤波器特性来表征。例如，分束器705g是620SP分束器，这意味着分束器745g透射波长为620nm或更短的光，并在不同方向上反射波长大于620nm的光。在一个实施例中，分束器745a-745g能够包括光学镜，例如分色镜。
前向散射检测器730与通过流动池的直接光束偏离轴定位，并且被配置为检测衍射光，主要在前向方向上穿过或围绕颗粒行进的激励光。前向散射检测器检测到的光的强度取决于颗粒的整体尺寸。前向散射检测器能够包括光电二极管。侧向散射检测器735被配置为检测来自颗粒表面和内部结构的折射和反射光，并倾向于随着结构的颗粒复杂性的增加而增加。一个或更多个荧光检测器760a-760f能够检测来自与颗粒相关的荧光分子的荧光发射。侧向散射检测器735和荧光检测器能够包括光电倍增管。在前向散射检测器730、侧向散射检测器735和荧光检测器处检测到的信号能够被检测器转换成电子信号(电压)。该数据能够提供有关样品的信息。
在操作中，细胞仪操作由控制器/处理器790控制，来自检测器的测量数据能够存储在存储器795中并由控制器/处理器790处理。虽然没有明确显示，但控制器/处理器790耦接到检测器，以从其接收输出信号，并且还可以耦接到流式细胞仪700的电气和机电部件以控制激光器、流体流动参数等等。还可以在系统中提供输入/输出(I/O)能力797。存储器795、控制器/处理器790和I/O 797可以完全作为流式细胞仪710的组成部分提供。在这样的实施例中，显示器也可以形成用于给流式细胞仪700的用户呈现实验数据的I/O能力797的一部分。替代地，存储器795和控制器/处理器790和I/O能力中的一些或全部可以是一个或更多个外部设备(例如通用计算机)的一部分。在一些实施例中，存储器795和控制器/处理器790中的一些或全部能够与细胞仪710无线或有线通信。控制器/处理器790，连同存储器795和I/O 797，能够被配置为执行与流式细胞仪实验的制备和分析相关的各种功能。
图7所示的系统包括六个不同的检测器，所述六个不同的检测器检测如由从流动池725到每个检测器的光束路径中的过滤器和/或分离器的配置所限定的，六个不同波长带中的荧光(在本文中可称为给定检测器的“滤光窗”)。用于流式细胞仪实验的不同荧光分子会在它们自己的特征波长带中发射光。可以将用于实验的具体荧光标记及其相关的荧光发射带选择为通常与检测器的滤光窗一致。然而，随着提供更多的检测器和使用更多的标记，滤光窗与荧光发射光谱之间的完美对应是不可能的。一般而言，尽管具体荧光分子的发射光谱的峰值可能位于具体检测器的滤光窗内，但该标记的发射光谱的一部分也会与一个或更多个其它检测器的滤光窗重叠。这可以称为溢出。I/O 797能够被配置为接收关于流式细胞仪实验的数据，该流式细胞仪实验具有一组荧光标记和具有多个标记的多个细胞群体，每个细胞群体具有多个标记的子集。I/O 797还能够被配置为接收将一种或更多个标记物分配给一个或更多个细胞群体的生物学数据、标记物密度数据、发射光谱数据、将标记分配给一个或更多个标记物的数据以及细胞仪配置数据。流式细胞仪实验数据，例如标记光谱特征和流式细胞仪配置数据，也能够存储在存储器795中。控制器/处理器790能够被配置为评估标记到标记物的一个或更多个分配。
本领域技术人员将认识到，根据本发明实施例的流式细胞仪不限于图7所示的流式细胞仪，而是能够包括本领域已知的任何流式细胞仪。例如，流式细胞仪可以具有各种波长和各种不同配置的任意数量的激光器、分束器、滤光片和检测器。
图8示出了用于分析和显示数据的处理器800的一个示例的功能框图。处理器800能够被配置为实施用于控制生物事件的图形显示的各种过程。流式细胞仪802能够被配置为通过分析(例如，如上所述的)生物样品来获取流式细胞仪数据。流式细胞仪能够被配置为给处理器800提供生物事件数据。在流式细胞仪802与处理器800之间能够包括数据通信通道。能够通过数据通信通道给处理器800提供数据。处理器800能够被配置为给显示器806提供包括图(例如，如上所述)的图形显示。处理器800还能够被配置为渲染出围绕显示设备806所示的流式细胞仪数据的群体的门，其例如叠加在图上。在一些实施例中，门能够是在单个参数直方图或二元图上绘制的一个或更多个所关注的图形区域的逻辑组合。在一些实施例中，显示器能够用于显示分析对象参数或饱和检测器数据。
处理器800还能够被配置为以与门外的流式细胞仪数据中的其它事件不同的方式，在门内在显示设备806上显示流式细胞仪数据。例如，处理器800能够被配置为使包含在门内的流式细胞仪数据的颜色与门外的流式细胞仪数据的颜色不同。由此，处理器800可以被配置为渲染不同的颜色来表示每个单个数据群体。显示设备806能够被实施为监视器、平板电脑、智能手机或被配置为呈现图形界面的其它电子设备。
处理器800能够被配置为从第一输入设备接收识别门的门选择信号。例如，第一输入设备能够被实施为鼠标810。鼠标810能够向处理器800发起门选择信号，其识别通过显示设备806显示或操纵的群体(例如，通过在光标定位该处时在期望的门上或中点击)。在一些实施例中，第一设备能够实施为键盘808或用于为处理器800提供输入信号的其它装置，例如触摸屏、触控笔、光学检测器或语音识别系统。一些输入设备能够包括多个输入功能。在这样的实施例中，输入功能中的每个都能够被视为输入设备。例如，如图8所示，鼠标810能够包括鼠标右键和鼠标左键，其每个都能够生成触发事件。
触发事件能够使处理器800改变显示流式细胞仪数据的方式，数据的哪些部分实际显示在显示设备806上，和/或为进一步处理提供输入，例如选择所关注的群体以用于分析。
在一些实施例中，处理器800能够被配置为检测何时由鼠标810发起门控选择。处理器800还能够被配置为自动修改绘图可视化，以方便门控过程。该修改能够基于处理器800接收到的数据的特定分布。
处理器800能够连接到存储设备804。存储设备804能够被配置为从处理器800接收和存储数据。存储设备804还能够被配置为允许由处理器800获取数据，例如流式细胞仪数据。
显示设备806能够被配置为从处理器800接收显示数据。显示数据能够包括流式细胞仪数据的图和勾勒出图的部分的门。显示设备806还能够被配置为根据从处理器800接收的输入，连同来自装置802、存储设备804、键盘808和/或鼠标810的输入，来改变呈现的信息。
在一些实施例中，处理器800能够生成用户界面以接收示例事件以进行分类。例如，用户界面能够包括用于接收示例事件或示例图像的控件。示例事件或图像或示例门可以在收集样品的事件数据之前提供，或者基于样品的一部分的初始事件集。
计算机控制系统
本公开的方面还包括计算机控制的系统，其中，所述系统还包括用于完全自动化或部分自动化的一个或更多个计算机。在一些实施例中，系统包括具有其上存储有计算机程序的计算机可读存储介质的计算机，其中，计算机程序在加载到计算机上时包括指令，指令用于获得包含训练门的第一组流式细胞仪数据和第二组流式细胞仪数据、将数据组织到二维箱中、基于二维分箱的数据创建直方图和累积分布函数、根据累积分布函数确定图像生成值、通过基于相应的图像生成值为每个箱分配阴影来为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像、扭曲第一组流式细胞仪数据的所生成的图像以最大化与第二组流式细胞仪数据的所生成的图像的相似度、使用来自扭曲第一组流式细胞仪数据的所生成的图像的B样条系数来调整训练门，并将训练门叠加到第二组流式细胞仪数据的所生成的图像上。
在实施例中，系统被配置为分析用于分析流式细胞仪数据或核酸序列数据的软件或分析工具(例如
Figure BDA0003772523320000381
(Ashland，OR))内的数据。
Figure BDA0003772523320000382
是FlowJo LLC(BectonDickinson的子公司)开发的用于分析流式细胞仪数据的软件包。该软件配置为管理流式细胞仪数据并在其上生成图形报告(https：//www(dot)flowjo(dot)com/learn/flowjo-university/flowjo)。能够在数据分析软件或工具(例如
Figure BDA0003772523320000383
)中通过适当的方式，例如手动门控、聚类分析或其它计算技术，分析初始数据。本系统或其一部分能够被实施为用于分析数据的软件(例如
Figure BDA0003772523320000384
)的软件部件。在这些实施例中，根据本公开的计算机控制的系统可以用作现有软件包(例如
Figure BDA0003772523320000385
)的软件“插件”。
在实施例中，该系统包括输入模块、处理模块和输出模块。主题系统可以包括硬件和软件部件，其中硬件构件可以采用一个或更多个平台的形式，例如，服务器的形式，使得功能元件，即系统的那些元件执行特定的系统的任务(例如管理信息的输入和输出、处理信息等)可以通过在系统代表的一个或更多个计算机平台上和跨过软件应用程序的执行来执行。
系统可以包括显示器和操作员输入设备。操作员输入设备例如可以是键盘、鼠标等。处理模块包括处理器，该处理器可以访问存储器，该存储器上存储有用于执行主题方法的步骤的指令。处理模块可以包括操作系统、图形用户界面(GUI)控制器、系统内存、内存存储设备、输入输出控制器、高速缓存、数据备份单元和许多其它设备。处理器可以是可商购的处理器，或者它可以是目前或未来可用的其它处理器中的一种。处理器以众所周知的方式执行操作系统并且操作系统与固件和硬件接口，并方便处理器协调和执行各个计算机程序的功能，如在本领域中已知的，这些计算机程序可以用各种编程语言(例如Java，Perl，Python，C++，其它高级或低级语言，以及它们的组合)来写入。通常与处理器合作的操作系统协调和执行计算机其他部件的功能。该操作系统还提供调度、输入-输出控制、文件和数据管理、存储器管理以及通信控制和相关服务，所有这些都根据已知技术。处理器可以是任何合适的模拟或数字系统。在一些实施例中，处理器包括模拟电子设备，其允许用户基于第一和第二光信号手动地将光源与流动流对齐。在一些实施例中，处理器包括提供反馈控制的模拟电子设备，例如负反馈控制。
系统存储器可以是多种已知的或未来的存储器存储设备中的任何一种。示例包括任何常用的随机存取存储器(RAM)、磁介质(例如常驻硬盘或磁带)、光学介质(例如读写光盘)、闪存设备或其他内存存储设备。存储器存储设备可以是多种已知或未来设备中的任何一种，包括光盘驱动器、磁带驱动器、可移动硬盘驱动器或软盘驱动器。这种类型的存储器存储设备通常从程序存储介质(未示出)读取和/或写入程序存储介质，例如分别为压缩盘、磁带、可移动硬盘或软盘。这些程序存储介质中的任何一个，或其他正在使用或以后可能开发的介质，都可以被视为计算机程序产品。如将理解的，这些程序存储介质通常存储计算机软件程序和/或数据。计算机软件程序，也称为计算机控制逻辑，通常存储在系统存储器和/或与存储器存储设备结合使用的程序存储设备中。
在一些实施例中，描述了一种计算机程序产品，其包括其中存储有控制逻辑(计算机软件程序，包括程序代码)的计算机可用介质。当由计算机的处理器执行时，控制逻辑使处理器执行本文所述的功能。在其他实施例中，一些功能主要使用例如硬件状态机在硬件中实现。硬件状态机的实现以执行这里描述的功能对于相关领域的技术人员来说将是显而易见的。
存储器可以是处理器能够存储在其中和检索数据的任何合适的设备，例如磁性、光学或固态存储设备(包括磁盘或光盘或磁带或RAM，或任何其他合适的设备，固定的或便携式的)。处理器可以包括通用数字微处理器，该通用数字微处理器从携带必要程序代码的计算机可读介质适当地编程。编程能够通过通信通道远程提供给处理器，或者预先保存在计算机程序产品中，例如存储器或使用与存储器连接的任何这些设备的一些其他便携式或固定计算机可读存储介质。例如，磁盘或光盘可以承载编程，并且能够被磁盘写入器/读取器读取。本发明的系统还包括编程，例如，以计算机程序产品的形式，用于实践上述方法的算法。根据本发明的程序可以记录在计算机可读介质上，例如，任何可以被计算机直接读取和访问的介质。此类介质包括但不限于：软盘、硬盘存储介质、磁带等磁存储介质；CD-ROM等光存储介质；RAM、ROM等电存储介质；便携式闪存驱动器；以及这些类别的混合体，例如磁/光存储介质。
处理器还可以访问通信信道以与远程位置的用户通信。远程位置是指用户不直接与系统接触，并将输入信息从外部设备(例如连接到广域网(“WAN”)、电话网络、卫星网络的计算机或任何其他合适的通信渠道，包括移动电话(即智能手机))中继到输入管理器。
在一些实施例中，根据本公开的系统可以被配置为包括通信接口。在一些实施例中，通信接口包括用于与网络和/或另一设备通信的接收器和/或发射器。通信接口可配置为有线或无线通信，包括但不限于射频(RF)通信(例如，射频识别(RFID)、Zigbee通信协议、WiFi、红外、无线通用串行总线(USB)、超宽带(UWB)、
Figure BDA0003772523320000401
通信协议和蜂窝通信，例如码分多址(CDMA)或全球移动通信系统(GSM)。
在一个实施例中，通信接口被配置为包括一个或更多个通信端口，例如物理端口或接口，例如USB端口、RS-232端口或任何其他合适的电连接端口，以允许主题系统和其他外部设备之间的数据通信，所述外部设备例如配置用于类似补充数据通信的计算机终端(例如，在医生办公室或医院环境中)。
在一个实施例中，通信接口被配置用于红外通信、蓝牙通信或任何其他合适的无线通信协议，以使主题系统能够与其他设备(例如计算机终端和/或网络、支持通信的移动电话、个人数字助手，或用户可以结合使用的任何其他通信设备)进行通信。
在一个实施例中，通信接口被配置为利用互联网协议(IP),通过蜂窝电话网络、短消息服务(SMS)、到连接到互联网的局域网(LAN)上的个人计算机(PC)的无线连接，或在WiFi热点处通过WiFi连接到互联网来提供用于数据传输的连接。
在一个实施例中，主题系统被配置为通过通信接口与服务器设备进行无线通信，例如，使用诸如802.11或
Figure BDA0003772523320000411
RF协议或IrDA红外协议的通用标准。服务器设备可以是另一个便携式设备，例如智能手机、个人数字助理(PDA)或笔记本电脑；或更大的设备，例如台式计算机、电器等。在一些实施例中，服务器设备具有显示器，例如液晶显示器(LCD)，以及输入设备，例如按钮、键盘、鼠标或触摸屏。
在一些实施例中，通信接口被配置为使用上述的一种或多种通信协议和/或机制与网络或服务器设备自动或半自动地通信存储在主题系统(例如，在可选的数据存储单元)中的数据。
输出控制器可以包括用于向用户(无论是人还是机器)呈现信息的各种已知显示设备的控制器，无论是本地的还是远程的。如果其中一个显示设备提供视觉信息，则该信息通常可以在逻辑上和/或物理上组织为图片元素的阵列。图形用户界面(GUI)控制器可以包括用于在系统和用户之间提供图形输入和输出界面以及用于处理用户输入的多种已知或未来软件程序中的任何一种。计算机的功能元件可以通过系统总线相互通信。这些通信中的一些可以在替代实施例中使用网络或其他类型的远程通信来完成。根据已知技术，输出管理器还可以将由处理模块生成的信息提供给位于远程位置的用户，例如，通过互联网、电话或卫星网络。可以根据多种已知技术来实现输出管理器对数据的呈现。作为一些示例，数据可能包括SQL、HTML或XML文档、电子邮件或其他文件，或其他形式的数据。数据可能包括Internet URL地址，以便用户可以从远程源检索其他SQL、HTML、XML或其他文档或数据。主题系统中存在的一个或更多个平台可以是任何类型的已知计算机平台或将来开发的类型，尽管它们通常是通常称为服务器的一类计算机。但是，它们也可以是大型计算机、工作站或其他计算机类型。它们可以通过任何已知或未来类型的电缆或其他通信系统(包括无线系统)连接，无论是联网的还是其他方式。它们可以在同一地点，也可以在物理上分开。可以在任何计算机平台上采用各种操作系统，这可能取决于所选择的计算机平台的类型和/或品牌。适用的操作系统包括Windows NT、Windows XP、Windows 7、Windows 8、iOS、SunSolaris、Linux、OS/400、Compaq Tru64 Unix、SGI IRIX、Siemens Reliant Unix等。
图9示出了根据某些实施例的示例计算设备900的一般架构。图9中示出的计算设备900的一般架构包括计算机硬件和软件部件的布置。然而，所有这些通常传统的元素都没有必要为了提供一个可行的公开而被示出。如图所示，计算设备900包括处理单元910、网络接口920、计算机可读介质驱动器930、输入/输出设备接口940、显示器950和输入设备960，所有这些都可以通过通信总线彼此通信。网络接口920可以提供到一个或更多个网络或计算系统的连接性。处理单元910因此可以经由网络从其他计算系统或服务接收信息和指令。处理单元910还可以与存储器970进行通信，并进一步通过输入/输出设备接口940为可选显示器950提供输出信息。例如，作为可执行指令存储在分析系统的非暂时性存储器中的分析软件(例如，数据分析软件或程序，例如
Figure BDA0003772523320000421
)能够向用户显示流式细胞术事件数据。输入/输出设备接口940还可以接受来自可选输入设备960的输入，例如键盘、鼠标、数字笔、麦克风、触摸屏、手势识别系统、语音识别系统、游戏手柄、加速度计、陀螺仪或其他输入设备。
存储器970可以包含处理单元910为了实现一个或更多个实施例而执行的计算机程序指令(在一些实施例中被分组为模块或组件)。存储器970通常包括RAM、ROM和/或其他持久性、辅助性或非暂时性计算机可读介质。存储器970可以存储操作系统972，操作系统972提供计算机程序指令供处理单元910在计算设备900的一般管理和操作中使用。数据可以存储在数据存储设备990中。存储器970还可以包括用于实现本公开的方面的计算机程序指令和其他信息。
计算机可读存储介质
本公开的方面还包括具有用于实践主题方法的指令的非暂态计算机可读存储介质。可以在一台或更多台计算机上使用计算机可读存储介质，以实现用于实践本文所述方法的系统的完全自动化或部分自动化。在一些实施例中，能够将根据本文所述方法的指令以“编程”的形式编码到计算机可读介质上，其中，如本文所用的术语“计算机可读介质”指参与向计算机提供指令和数据以供执行和处理的的任何非暂态存储介质。合适的非暂态存储介质的示例包括软盘、硬盘、光盘、磁光盘、CD-ROM、CD-R、磁带、非易失性存储卡、ROM、DVD-ROM、蓝光磁盘、固态磁盘和网络附加存储(NAS)，无论这些设备是在计算机内部还是外部的。在一些情况下，可以在集成电路设备上提供指令。在某些情况下，所关注的集成电路器件可以包括可重新配置的现场可编程门阵列(FPGA)、专用集成电路(ASIC)或复杂可编程逻辑器件(CPLD)。包含信息的文件能够“存储”在计算机可读介质上，其中，“存储”指记录信息，以使得计算机以后可以访问和获取该信息。本文所述的计算机实施的方法能够使用能够以任意数量的计算机编程语言中的一种或更多种编写的编程来执行。这样的语言包括，例如，Java(加州Santa Clara的Sun Microsystems，Inc.)、Visual Basic(华盛顿州Redmond的Microsoft Corp.)和C++(新泽西州Bedminster的AT&T Corp.)，以及任何许多其它。
在一些实施例中，所关注的计算机可读存储介质包括存储在其上的计算机程序，其中，计算机程序在加载到计算机上时包括指令，指令用于获得包含训练门的第一组流式细胞仪数据和第二组流式细胞仪数据、将数据组织到二维箱中，基于二维分箱的数据创建直方图和累积分布函数、根据累积分布函数确定图像生成值、通过基于相应的图像生成值为每个箱分配阴影来为第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像、扭曲第一组流式细胞仪数据的所生成的图像以最大化与第二组流式细胞仪数据的所生成的图像的相似度、使用来自扭曲第一组流式细胞仪数据的所生成的图像的B样条系数来调整训练门，并将训练门叠加到第二组流式细胞仪数据的所生成的图像上。
在实施例中，系统被配置为分析用于分析流式细胞仪数据或核酸序列数据的软件或分析工具(例如
Figure BDA0003772523320000431
)内的数据。能够在数据分析软件或工具(例如
Figure BDA0003772523320000432
)中通过适当的方式，例如手动门控、聚类分析或其它计算技术，分析初始数据。本系统或其一部分可以被实施为用于分析数据的软件(例如
Figure BDA0003772523320000433
)的软件部件。在这些实施例中，根据本公开的计算机控制的系统可以用作现有软件包(例如
Figure BDA0003772523320000434
)的软件“插件”。
计算机可读存储介质可用于具有显示器和操作员输入设备的的更多个或更多个计算机系统。操作员输入设备例如可以是键盘、鼠标等。处理模块包括处理器，该处理器可以访问存储器，该存储器上存储有用于执行主题方法的步骤的指令。处理模块可以包括操作系统、图形用户界面(GUI)控制器、系统内存、内存存储设备、输入输出控制器、高速缓存、数据备份单元和许多其它设备。处理器可以是可商购的处理器，或者它可以是目前或未来可用的其它处理器中的一种。处理器以众所周知的方式执行操作系统和操作系统与固件和硬件的接口，并方便处理器协调和执行各个计算机程序的功能，如在本领域中已知的，这些计算机程序可以用各种编程语言(例如Java，Perl，Python，C++，其它高级或低级语言，以及它们的组合)来写入。该操作系统还提供调度、输入-输出控制、文件和数据管理、存储器管理以及通信控制和相关服务，所有这些都根据已知技术。
用途
主题设备、方法和计算机系统可用于期望对流式细胞仪数据进行门控的各种应用中。例如，本公开可用于从流式细胞仪数据组获得门并调整该门以适应第二组流式细胞仪数据。因此，本公开可用于调整取自先前表征的流式细胞仪数据组的现有门，并将其应用于尚未被门控的流式细胞仪数据组。换言之，本公开可用于使得来自一组流式细胞仪数据的现有门，适应第二组流式细胞仪数据内的相同群体，即使群体已经缩小、拉伸或轻微移动。因此，本方法、系统和计算机控制的系统不需要用户手动重新绘制门或操纵其顶点来绘制新的门，从而改善流式细胞仪数据分析的效率。在一些实施例中，主题方法和系统提供完全自动化的协议，使得对数据的调整几乎不需要人工输入(如果有的话)。
本公开能够用于表征许多类型的分析对象，特别是与医疗诊断或护理患者的方案相关的分析对象，包括但不限于：蛋白质(包括游离蛋白质和蛋白质以及结合到结构、例如细胞的表面的蛋白质)、核酸、病毒颗粒等。此外，样品能够来自体外或体内来源，并且样品能够是诊断样品。
套件
本公开的方面还包括套件，其中，套件包括存储介质，例如软盘、硬盘、光盘、磁光盘、CD-ROM、CD-R、磁带、非易失性存储卡、ROM、DVD-ROM、蓝光光盘、固态硬盘和网络附加存储(NAS)。这些程序存储介质中的任何一个，或其它现在使用的或以后可能开发的，都可以包含在主题套件中。在实施例中，包含在主题套件中提供的计算机可读介质上的指令或其一部分，能够被实施为用于分析数据的软件的软件部件，例如
Figure BDA0003772523320000451
在这些实施例中，根据本公开的计算机控制的系统可以用作现有软件包，例如
Figure BDA0003772523320000452
的软件“插件”。
除了上述组件之外，主题套件还可以包括(在一些实施例中)例如用于将插件安装到现有软件包(例如
Figure BDA0003772523320000453
)的指令。这些指令可以以各种形式存在于主题套件中，其中一种或更多种形式可以存在套件中。这些指令可能存在的一种形式是作为在合适的介质或基材(例如，在其上印刷信息的一张或更多张纸，在套件的包装中，在套件插页中等等)上的印刷信息。这些指令的另外的一种其它形式是其上已经记录有信息的计算机可读介质，例如，软盘、光盘(CD)、便携式闪存驱动器等。这些指令可存在的另外的一种其它形式是网站地址，该网站地址可用于通过互联网访问远程网站上的信息。
尽管有所附权利要求，本公开还由以下条款限定：
1、一种调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的方法，该方法包括：
获得第一组流式细胞仪数据和第二组流式细胞仪数据，其中，第一组流式细胞仪数据包括由顶点组限定的训练门；
为所获得的第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像；
用处理器实施的算法，调整限定来自第一组流式细胞仪数据的所生成的图像的训练门的顶点组，以适应第二组流式细胞仪数据的所生成的图像。
2、根据条款1所述的方法，其中，所述处理器实施的算法被配置为扭曲所述第一组流式细胞仪数据的所生成的图像，以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度。
3、根据条款1或2所述的方法，其中，所述处理器实施的算法是包括数学变形模型的图像配准算法。
4、根据条款3所述的方法，其中，所述图像配准算法还包括B样条扭曲。
5、根据条款4所述的方法，其中，所述B样条扭曲包括计算B样条系数，所述B样条系数限定用于扭曲所述第一组流式细胞仪数据的所生成的图像以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度的函数。
6、根据条款5所述的方法，其中，所述处理器实施的算法被配置为基于由所述B样条系数限定的所述函数来调整所述训练门的顶点。
7、根据上述条款中任一项所述的方法，其中，调整所述训练门包括将所述训练门施加到空白图像上。
8、根据条款7所述的方法，其中，所述处理器实施的算法被配置为调整施加到所述空白图像上的训练门。
9、根据条款8所述的方法，该方法还包括通过将来自空白图像的经调整的门的顶点应用到所述第二组流式细胞仪数据的所生成的图像，将经调整的训练门叠加到所述第二组流式细胞仪数据。
10、根据上述条款中任一项所述的方法，其中，为所述第一组流式细胞仪数据和第二组流式细胞仪数据生成图像包括将所述第一组流式细胞仪数据和第二组流式细胞仪数据中的每个组织到二维箱中并且为每个箱分配阴影。
11、根据条款10所述的方法，其中，为所述第一组流式细胞仪数据和第二组流式细胞仪数据生成图像还包括创建与每个箱相关联的流式细胞仪数据的平均值的二维直方图，其中，流式细胞仪的所述平均值相对于参数进行评估。
12、根据条款11的方法，其中，与每个箱相关联的流式细胞仪数据的平均值相对于一个或更多个另外的参数进行评估。
13、根据条款12所述的方法，该方法还包括基于所述直方图计算累积分布函数，以及基于所述累积分布函数确定与每个箱相关联的图像生成值。
14、根据条款13所述的方法，其中，与较大图像生成值相关联的箱被分配较亮的阴影，而与较小图像生成值相关联的箱被分配较暗的阴影。
15、根据条款13或14所述的方法，其中，为与低于阈值的图像生成值相关联的箱分配黑色。
16、根据条款15所述的方法，其中，所述阈值是可调整的。
17、根据上述条款中任一项所述的方法，其中，所述图像是灰度图像。
18、根据条款1至16中任一项所述的方法，其中，所述图像是彩色图像。
19、根据上述条款中任一项所述的方法，其中，所述训练门由用户绘制。
20、根据上述条款中任一项所述的方法，其中，经调整的训练门具有与所述训练门不同的形状。
21、一种系统，其包括：
输入模块，其被配置为获得包括由顶点组限定的训练门的第一组流式细胞仪数据；
颗粒分析仪部件，其被配置为获得第二组流式细胞仪数据；和
处理器，其包括可操作地耦接到所述处理器的存储器，其中，所述存储器包括存储在其上的指令，所述指令当被所述处理器执行时，使得所述处理器：
为所获得的第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像；
用处理器实施的算法调整限定来自第一组流式细胞仪数据的所生成的图像的训练门的顶点组，以适应第二组流式细胞仪数据的所生成的图像。
22、根据条款21所述的系统，其中，所述处理器实施的算法被配置为扭曲所述第一组流式细胞仪数据的所生成的图像，以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度。
23、根据条款21或22所述的系统，其中，所述处理器实施的算法是包括数学变形模型的图像配准算法。
24、根据条款23所述的系统，其中，所述图像配准算法还包括B样条扭曲。
25、根据条款24所述的系统，其中，所述B样条扭曲包括计算B样条系数，所述B样条系数限定用于扭曲所述第一组流式细胞仪数据的所生成的图像以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度的函数。
26、根据条款25所述的系统，其中，所述处理器实施的算法被配置为基于由所述B样条系数限定的所述函数来调整所述训练门的顶点。
27、根据条款21至25中任一项所述的系统，其中，调整所述训练门包括将所述训练门施加到空白图像上。
28、根据条款27所述的系统，其中，所述处理器实施的算法被配置为调整施加到所述空白图像上的所述训练门。
29、根据条款28所述的系统，该系统还包括通过将来自所述空白图像的经调整的门的顶点应用到所述第二组流式细胞仪数据的所生成的图像，将经调整的训练门叠加到所述第二组流式细胞仪数据。
30、根据条款21至29中任一项所述的系统，其中，为所述第一组流式细胞仪数据和第二组流式细胞仪数据生成图像包括将所述第一组流式细胞仪数据和第二组流式细胞仪数据中的每个组织到二维箱中并且为每个箱分配阴影。
31、根据条款30所述的系统，其中，为第一组流式细胞仪数据和第二组流式细胞仪数据生成图像还包括创建与每个箱相关联的流式细胞仪数据的平均值的二维直方图，其中，流式细胞仪的所述平均值相对于参数进行评估。
32、根据条款21的系统，其中，与每个箱相关联的流式细胞仪数据的所述平均值相对于一个或更多个另外的参数进行评估。
33、根据条款32所述的系统，该系统还包括基于所述直方图计算累积分布函数，以及基于所述累积分布函数，确定与每个箱相关联的图像生成值。
34、根据条款33所述的系统，其中，与较大图像生成值相关联的箱被分配较亮的阴影，而与较小图像生成值相关联的箱被分配较暗的阴影。
35、根据条款33或34所述的系统，其中，为与低于阈值的图像生成值相关联的箱分配黑色。
36、根据条款35所述的系统，其中，所述阈值是可调整的。
37、根据条款21至36中任一项所述的系统，其中，所述图像是灰度图像。
38、根据条款21至36中任一项所述的系统，其中，所述图像是彩色图像。
39、根据条款21至38中任一项所述的系统，其中，所述训练门由用户绘制。
40、根据条款21至39中任一项所述的系统，其中，经调整的训练门具有与所述训练门不同的形状。
41、一种非暂态计算机可读存储介质，其包括存储在其上的指令，所述指令用于通过以下方法来调整由第一组流式细胞仪数据制备的训练门，以适应第二组流式细胞仪数据：
获得第一组流式细胞仪数据和第二组流式细胞仪数据，其中，第一组流式细胞仪数据包括由顶点组限定的训练门；
为所获得的第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像；
用处理器实施的算法调整限定来自第一组流式细胞仪数据的所生成的图像的训练门的顶点组，以适应第二组流式细胞仪数据的所生成的图像。
42、根据条款41所述的非暂态计算机可读存储介质，其中，所述处理器实施的算法被配置为扭曲所述第一组流式细胞仪数据的所生成的图像，以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度。
43、根据条款41或42所述的非暂态计算机可读存储介质，其中，所述处理器实施的算法是包括数学变形模型的图像配准算法。
44、根据条款43所述的非暂态计算机可读存储介质，其中，所述图像配准算法还包括B样条扭曲。
45、根据条款44所述的非暂态计算机可读存储介质，其中，所述B样条扭曲包括计算B样条系数，所述B样条系数限定用于扭曲所述第一组流式细胞仪数据的所生成的图像以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度的函数。
46、根据条款45所述的非暂态计算机可读存储介质，其中，所述处理器实施的算法被配置为基于由所述B样条系数限定的所述函数来调整所述训练门的顶点。
47、根据条款41至45中任一项所述的非暂态计算机可读存储介质，其中，调整所述训练门包括将所述训练门施加到空白图像上。
48、根据条款47所述的非暂态计算机可读存储介质，其中，所述处理器实施的算法被配置为调整施加到所述空白图像上的所述训练门。
49、根据条款48所述的非暂态计算机可读存储介质，该非暂态计算机可读存储介质还包括通过将来自所述空白图像的经调整的门的顶点应用到所述第二组流式细胞仪数据的所生成的图像，将经调整的训练门叠加到所述第二组流式细胞仪数据。
50、根据条款41至49中任一项所述的非暂态计算机可读存储介质，其中，为所述第一组流式细胞仪数据和第二组流式细胞仪数据生成图像包括将所述第一组流式细胞仪数据和第二组流式细胞仪数据中的每个组织到二维箱中并且为每个箱分配阴影。
51、根据条款50所述的非暂态计算机可读存储介质，其中，为第一组流式细胞仪数据和第二组流式细胞仪数据生成图像还包括创建与每个箱相关联的流式细胞仪数据的平均值的二维直方图，其中，流式细胞仪的所述平均值相对于参数进行评估。
52、根据条款51的非暂态计算机可读存储介质，其中，与每个箱相关联的流式细胞仪数据的所述平均值相对于一个或更多个另外的参数进行评估。
53、根据条款52所述的非暂态计算机可读存储介质，该非暂态计算机可读存储介质还包括基于所述直方图计算累积分布函数，以及基于所述累积分布函数确定与每个箱相关联的图像生成值。
54、根据条款53所述的非暂态计算机可读存储介质，其中，与较大图像生成值相关联的箱被分配较亮的阴影，而与较小图像生成值相关联的箱被分配较暗的阴影。
55、根据条款53或54所述的非暂态计算机可读存储介质，其中，为与低于阈值的图像生成值相关联的箱分配黑色。
56、根据条款55所述的非暂态计算机可读存储介质，其中，所述阈值是可调整的。
57、根据条款41至56中任一项所述的非暂态计算机可读存储介质，其中，所述图像是灰度图像。
58、根据条款41至56中任一项所述的非暂态计算机可读存储介质，其中，所述图像是彩色图像。
59、根据条款41至58中任一项所述的非暂态计算机可读存储介质，其中，所述训练门由用户绘制。
60、根据条款41至59中任一项所述的非暂态计算机可读存储介质，其中，经调整的训练门具有与所述训练门不同的形状。
尽管为了清楚理解的目的已经通过说明和示例的方式对前述发明进行了一些详细的描述，但是根据本发明的教导，对于本领域的技术人员来说显而易见的是可以在不背离所附权利要求的精神或范围的情况下，对其进行一些改变和修改。
相应地，前述仅说明本发明的原理。应当理解，本领域的技术人员将能够设计出虽然没有在本文中明确描述或示出，但体现了本发明的原理并且包括在其精神和范围内的各种布置。此外，本文中列举的所有示例和条件语言主要旨在帮助读者理解本发明的原理和发明人为促进本领域所做贡献的概念，应被解释为不限于这些具体列举的示例和条件。而且，本文中引用本发明的原理、方面和实施例及其具体示例的所有陈述旨在涵盖其结构和功能等同。此外，这样的等同旨在包括当前已知的等同和未来开发的等同，即，无论结构如何，所开发的实现相同功能的任何元件。而且，无论该公开是否在权利要求中明确记载，本文所公开的任何内容均不旨在献给公众。
因此，本发明的范围不旨在限于本文所示和描述的示例性实施例。相反，本发明的范围和精神由所附权利要求来体现。在权利要求书中，35 U.S.C.§112(f)或35 U.S.C.§112(6)明确限定为仅当在权利要求中的限制的开头引用了确切的短语“用于……的装置”或确切的短语“用于……的步骤”时，才对于该限制援引；如果在权利要求的限制中没有使用这样的确切短语，则未援引35 U.S.C.§112(f)或35 U.S.C.§112(6)。

Claims (15)

1.一种调整从第一组流式细胞仪数据制备的训练门以适应第二组流式细胞仪数据的方法，所述方法包括：
获得第一组流式细胞仪数据和第二组流式细胞仪数据，其中，所述第一组流式细胞仪数据包括由顶点组限定的训练门；
为所获得的第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像；
用处理器实施的算法，调整限定来自所述第一组流式细胞仪数据的所生成的图像的训练门的顶点组，以适应所述第二组流式细胞仪数据的所生成的图像。
2.根据权利要求1所述的方法，其中，所述处理器实施的算法被配置为扭曲所述第一组流式细胞仪数据的所生成的图像，以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度。
3.根据权利要求1或2所述的方法，其中，所述处理器实施的算法是包括数学变形模型的图像配准算法。
4.根据权利要求3所述的方法，其中，所述图像配准算法还包括B样条扭曲。
5.根据权利要求4所述的方法，其中，所述B样条扭曲包括计算B样条系数，所述B样条系数限定用于扭曲所述第一组流式细胞仪数据的所生成的图像以最大化相对于所述第二组流式细胞仪数据的所生成的图像的相似度的函数。
6.根据权利要求5所述的方法，其中，所述处理器实施的算法被配置为基于由所述B样条系数限定的所述函数来调整所述训练门的顶点。
7.根据上述权利要求中任一项所述的方法，其中，调整所述训练门包括将所述训练门施加到空白图像上。
8.根据权利要求7所述的方法，其中，所述处理器实施的算法被配置为调整施加到所述空白图像上的训练门。
9.根据权利要求8所述的方法，还包括通过将来自所述空白图像的经调整的门的顶点应用到所述第二组流式细胞仪数据的所生成的图像，将经调整的训练门叠加到所述第二组流式细胞仪数据。
10.根据上述权利要求中任一项所述的方法，其中，为所述第一组流式细胞仪数据和第二组流式细胞仪数据生成图像包括将所述第一组流式细胞仪数据和第二组流式细胞仪数据中的每个组织到二维箱中并且为每个箱分配阴影。
11.根据权利要求10所述的方法，其中，为所述第一组流式细胞仪数据和第二组流式细胞仪数据生成图像还包括创建与每个箱相关联的流式细胞仪数据的平均值的二维直方图，其中，流式细胞仪的所述平均值相对于参数进行评估。
12.根据权利要求11的方法，其中，与每个箱相关联的流式细胞仪数据的平均值相对于一个或更多个另外的参数进行评估。
13.根据权利要求12所述的方法，该方法还包括基于所述直方图计算累积分布函数，以及基于所述累积分布函数确定与每个箱相关联的图像生成值。
14.一种系统，包括：
输入模块，其被配置为获得包括由顶点组限定的训练门的第一组流式细胞仪数据；
颗粒分析仪部件，其被配置为获得第二组流式细胞仪数据；和
处理器，其包括可操作地耦接到所述处理器的存储器，其中，所述存储器包括存储在其上的指令，所述指令当被所述处理器执行时，使得所述处理器：
为所获得的第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像；
用处理器实施的算法，调整限定来自第一组流式细胞仪数据的所生成的图像的训练门的顶点组，以适应第二组流式细胞仪数据的所生成的图像。
15.一种非暂态计算机可读存储介质，其包括存储在其上的指令，用于通过以下方法来调整由第一组流式细胞仪数据制备的训练门，以适应第二组流式细胞仪数据：
获得第一组流式细胞仪数据和第二组流式细胞仪数据，其中，所述第一组流式细胞仪数据包括由顶点组限定的训练门；
为所获得的第一组流式细胞仪数据和第二组流式细胞仪数据中的每个生成图像；
用处理器实施的算法，调整限定来自所述第一组流式细胞仪数据的所生成的图像的训练门的顶点组，以适应第二组流式细胞仪数据的所生成的图像。
CN202180011892.3A 2020-01-31 2021-01-21 用于调整训练门以适应流式细胞仪数据的方法和系统 Pending CN115176139A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202062968520P 2020-01-31 2020-01-31
US62/968,520 2020-01-31
US202063049735P 2020-07-09 2020-07-09
US63/049,735 2020-07-09
PCT/US2021/014338 WO2021154579A1 (en) 2020-01-31 2021-01-21 Methods and systems for adjusting a training gate to accommodate flow cytometer data

Publications (1)

Publication Number Publication Date
CN115176139A true CN115176139A (zh) 2022-10-11

Family

ID=77079160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180011892.3A Pending CN115176139A (zh) 2020-01-31 2021-01-21 用于调整训练门以适应流式细胞仪数据的方法和系统

Country Status (5)

Country Link
US (1) US20210278333A1 (zh)
EP (1) EP4097448A4 (zh)
JP (1) JP2023511761A (zh)
CN (1) CN115176139A (zh)
WO (1) WO2021154579A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114441480B (zh) * 2022-01-10 2024-01-26 中国科学院苏州生物医学工程技术研究所 一种有核红细胞分析装置及分析方法
US20240142367A1 (en) * 2022-10-31 2024-05-02 Cellcarta Fremont Llc System and method for automatic gating in flow cytometry

Family Cites Families (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4498766A (en) 1982-03-25 1985-02-12 Becton, Dickinson And Company Light beam focal spot elongation in flow cytometry devices
US4845653A (en) 1987-05-07 1989-07-04 Becton, Dickinson And Company Method of displaying multi-parameter data sets to aid in the analysis of data characteristics
US4987086A (en) 1987-11-30 1991-01-22 Becton, Dickinson And Company Method for analysis of subpopulations of cells
US5627040A (en) 1991-08-28 1997-05-06 Becton Dickinson And Company Flow cytometric method for autoclustering cells
US5739000A (en) 1991-08-28 1998-04-14 Becton Dickinson And Company Algorithmic engine for automated N-dimensional subset analysis
US5556764A (en) 1993-02-17 1996-09-17 Biometric Imaging, Inc. Method and apparatus for cell counting and cell classification
US5700692A (en) 1994-09-27 1997-12-23 Becton Dickinson And Company Flow sorter with video-regulated droplet spacing
US5643796A (en) 1994-10-14 1997-07-01 University Of Washington System for sensing droplet formation time delay in a flow cytometer
US5602039A (en) 1994-10-14 1997-02-11 The University Of Washington Flow cytometer jet monitor system
US5620842A (en) 1995-03-29 1997-04-15 Becton Dickinson And Company Determination of the number of fluorescent molecules on calibration beads for flow cytometry
US6014904A (en) 1996-05-09 2000-01-18 Becton, Dickinson And Company Method for classifying multi-parameter data
US6821740B2 (en) 1998-02-25 2004-11-23 Becton, Dickinson And Company Flow cytometric methods for the concurrent detection of discrete functional conformations of PRB in single cells
US6372506B1 (en) 1999-07-02 2002-04-16 Becton, Dickinson And Company Apparatus and method for verifying drop delay in a flow cytometer
US6813017B1 (en) 1999-10-20 2004-11-02 Becton, Dickinson And Company Apparatus and method employing incoherent light emitting semiconductor devices as particle detection light sources in a flow cytometer
US6809804B1 (en) 2000-05-11 2004-10-26 Becton, Dickinson And Company System and method for providing improved event reading and data processing capabilities in a flow cytometer
US6944338B2 (en) 2000-05-11 2005-09-13 Becton Dickinson And Company System for identifying clusters in scatter plots using smoothed polygons with optimal boundaries
US6683314B2 (en) 2001-08-28 2004-01-27 Becton, Dickinson And Company Fluorescence detection instrument with reflective transfer legs for color decimation
US7201875B2 (en) 2002-09-27 2007-04-10 Becton Dickinson And Company Fixed mounted sorting cuvette with user replaceable nozzle
GB2428471A (en) * 2005-07-18 2007-01-31 Mathshop Ltd Flow cytometry
US7738094B2 (en) 2007-01-26 2010-06-15 Becton, Dickinson And Company Method, system, and compositions for cell counting and analysis
US8140300B2 (en) 2008-05-15 2012-03-20 Becton, Dickinson And Company High throughput flow cytometer operation with data quality assessment and control
US8233146B2 (en) 2009-01-13 2012-07-31 Becton, Dickinson And Company Cuvette for flow-type particle analyzer
ES2897531T3 (es) 2010-10-25 2022-03-01 Accuri Cytometers Inc Sistemas e interfaz de usuario para la recopilación de un conjunto de datos en un citómetro de flujo
US8528427B2 (en) 2010-10-29 2013-09-10 Becton, Dickinson And Company Dual feedback vacuum fluidics for a flow-type particle analyzer
US8990047B2 (en) 2011-03-21 2015-03-24 Becton, Dickinson And Company Neighborhood thresholding in mixed model density gating
AU2012249634B2 (en) 2011-04-29 2016-01-14 Becton, Dickinson And Company Multi-way sorter system and method
BR112013027173B1 (pt) 2011-04-29 2019-08-06 Becton, Dickinson And Company Sistema de classificador de célula, método para calibrar um sistema de classificador de célula, e sistema de controle de retardo de carga para um citômetro de fluxo
US9423348B2 (en) 2011-06-24 2016-08-23 Becton, Dickinson And Company Absorbance spectrum scanning flow cytometry
US20160223554A1 (en) * 2011-08-05 2016-08-04 Nodality, Inc. Methods for diagnosis, prognosis and methods of treatment
WO2013049623A1 (en) 2011-09-30 2013-04-04 Brian David Warner Fluid exchange methods and devices
US9933341B2 (en) 2012-04-05 2018-04-03 Becton, Dickinson And Company Sample preparation for flow cytometry
JP6338597B2 (ja) 2013-01-09 2018-06-06 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ 無線周波数多重励起を用いた蛍光イメージングのための装置及び方法
BR112015022073B1 (pt) 2013-04-12 2020-10-06 Becton, Dickinson And Company Organização automatizada para classificação de célula
AU2014348910B2 (en) 2013-11-13 2017-04-20 Becton, Dickinson And Company Optical imaging system and methods for using the same
JP6691053B2 (ja) 2014-03-18 2020-04-28 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ 無線周波数多重化を用いた並行フローサイトメーター
CN106255873B (zh) * 2014-04-10 2019-06-04 深圳迈瑞生物医疗电子股份有限公司 一种进行自动补偿的方法、装置及相应的流式细胞分析仪
CN104158208A (zh) 2014-07-15 2014-11-19 阳光电源股份有限公司 一种单级光伏并网逆变器及其控制方法和应用
ES2791990T3 (es) 2015-07-15 2020-11-06 Becton Dickinson Co Sistema y método para ajustar las mediciones de citometría
US9830720B2 (en) * 2015-09-02 2017-11-28 Becton, Dickinson And Company Graphics control during flow cytometry event gating
US10302545B2 (en) 2015-10-05 2019-05-28 Becton, Dickinson And Company Automated drop delay calculation
AU2016339956B2 (en) 2015-10-13 2021-07-01 Omega Biosystems Incorporated Multi-modal fluorescence imaging flow cytometry system
EP3430376A1 (en) 2016-03-17 2019-01-23 BD Biosciences Cell sorting using a high throughput fluorescence flow cytometer
WO2017197271A1 (en) 2016-05-12 2017-11-16 Bd Biosciences Fluorescence imaging flow cytometry with enhanced image resolution
US10685045B2 (en) * 2016-07-15 2020-06-16 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for cluster matching across samples and guided visualization of multidimensional cytometry data
CN109477785B (zh) 2016-09-13 2022-09-27 贝克顿·迪金森公司 具有光学均衡的流式细胞仪
US10605713B2 (en) 2016-10-05 2020-03-31 Becton, Dickinson And Company Droplet deflectors and methods for using the same
SG11201907605YA (en) 2017-02-27 2019-09-27 Becton Dickinson Co Light detection systems and methods for using thereof
WO2018217933A1 (en) * 2017-05-25 2018-11-29 FlowJo, LLC Visualization, comparative analysis, and automated difference detection for large multi-parameter data sets
US10578542B2 (en) 2017-10-16 2020-03-03 Becton, Dickinson And Company Multi-photon counting for high sensitivity flow cytometer systems and methods for using the same
EP3785016A4 (en) 2018-04-26 2022-02-09 Becton, Dickinson and Company BIEXPONENTIAL TRANSFORMATION FOR PARTICLE SORTER
US10883912B2 (en) * 2018-06-04 2021-01-05 Becton, Dickinson And Company Biexponential transformation for graphics display
US11428692B2 (en) * 2018-07-11 2022-08-30 Visiongate, Inc. Specimen enrichment for optical tomography cell analysis

Also Published As

Publication number Publication date
EP4097448A1 (en) 2022-12-07
EP4097448A4 (en) 2023-08-23
WO2021154579A1 (en) 2021-08-05
JP2023511761A (ja) 2023-03-22
US20210278333A1 (en) 2021-09-09

Similar Documents

Publication Publication Date Title
US11879829B2 (en) Methods and systems for classifying fluorescent flow cytometer data
US11988592B2 (en) Methods and systems for characterizing spillover spreading in flow cytometer data
CN115176139A (zh) 用于调整训练门以适应流式细胞仪数据的方法和系统
CN116209888A (zh) 用于调制激光束的强度分布的方法及其系统
WO2021141764A1 (en) Deep learning method in aiding patient diagnosis and aberrant cell population identification in flow cytometry
US11761879B2 (en) Method for processing and displaying multi-channel spectral histograms and systems for same
US20220155209A1 (en) Method for Optimal Scaling of Cytometry Data for Machine Learning Analysis and Systems for Same
US11662297B2 (en) Method for index sorting unique phenotypes and systems for same
US11927522B2 (en) Methods for identifying saturated data signals in cell sorting and systems for same
US20220317019A1 (en) Particle analysis system having autofluorescence spectrum correction
WO2024097099A1 (en) Methods and systems for dimensionality reduction
CN115867971A (zh) 用于检测数据中的异质性的分辨率指数及其使用方法

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