CN115298534A - 用于生物样本的分析的系统和方法 - Google Patents
用于生物样本的分析的系统和方法 Download PDFInfo
- Publication number
- CN115298534A CN115298534A CN202080094332.4A CN202080094332A CN115298534A CN 115298534 A CN115298534 A CN 115298534A CN 202080094332 A CN202080094332 A CN 202080094332A CN 115298534 A CN115298534 A CN 115298534A
- Authority
- CN
- China
- Prior art keywords
- interest
- data
- biological sample
- region
- view
- 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
- 239000012472 biological sample Substances 0.000 title claims abstract description 537
- 238000000034 method Methods 0.000 title claims abstract description 506
- 238000004458 analytical method Methods 0.000 title claims abstract description 266
- 238000012545 processing Methods 0.000 claims abstract description 248
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 145
- 230000002452 interceptive effect Effects 0.000 claims description 136
- 230000008569 process Effects 0.000 claims description 120
- 230000004044 response Effects 0.000 claims description 102
- 230000004913 activation Effects 0.000 claims description 93
- 230000003993 interaction Effects 0.000 claims description 84
- 238000012163 sequencing technique Methods 0.000 claims description 76
- 238000010606 normalization Methods 0.000 claims description 50
- 238000007781 pre-processing Methods 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 47
- 238000011176 pooling Methods 0.000 claims description 47
- 238000003860 storage Methods 0.000 claims description 36
- 239000002773 nucleotide Substances 0.000 claims description 33
- 125000003729 nucleotide group Chemical group 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 32
- 230000009274 differential gene expression Effects 0.000 claims description 31
- 230000009471 action Effects 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000012800 visualization Methods 0.000 claims description 15
- 125000003275 alpha amino acid group Chemical group 0.000 claims description 14
- 150000001413 amino acids Chemical class 0.000 claims description 13
- 230000002123 temporal effect Effects 0.000 claims description 11
- 230000001960 triggered effect Effects 0.000 claims description 7
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000010364 biochemical engineering Methods 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 313
- 210000004027 cell Anatomy 0.000 description 220
- 230000000875 corresponding effect Effects 0.000 description 176
- 238000003556 assay Methods 0.000 description 126
- 238000002955 isolation Methods 0.000 description 106
- 230000006870 function Effects 0.000 description 97
- 239000011248 coating agent Substances 0.000 description 82
- 239000000463 material Substances 0.000 description 82
- 239000012530 fluid Substances 0.000 description 78
- 108090000623 proteins and genes Proteins 0.000 description 70
- 238000000576 coating method Methods 0.000 description 69
- 238000010586 diagram Methods 0.000 description 64
- 239000000758 substrate Substances 0.000 description 44
- 238000001514 detection method Methods 0.000 description 40
- 229920000642 polymer Polymers 0.000 description 40
- 239000011324 bead Substances 0.000 description 38
- 238000013528 artificial neural network Methods 0.000 description 34
- 238000004422 calculation algorithm Methods 0.000 description 32
- 230000003287 optical effect Effects 0.000 description 27
- 230000009467 reduction Effects 0.000 description 27
- 210000002569 neuron Anatomy 0.000 description 26
- 239000000047 product Substances 0.000 description 26
- 238000003384 imaging method Methods 0.000 description 25
- 239000000523 sample Substances 0.000 description 25
- 108091028043 Nucleic acid sequence Proteins 0.000 description 23
- 230000014509 gene expression Effects 0.000 description 23
- 238000009792 diffusion process Methods 0.000 description 22
- 238000011068 loading method Methods 0.000 description 22
- 238000000513 principal component analysis Methods 0.000 description 22
- 235000018102 proteins Nutrition 0.000 description 21
- 102000004169 proteins and genes Human genes 0.000 description 21
- 239000000243 solution Substances 0.000 description 21
- 210000001744 T-lymphocyte Anatomy 0.000 description 20
- 239000003153 chemical reaction reagent Substances 0.000 description 18
- 125000005647 linker group Chemical group 0.000 description 18
- 239000012071 phase Substances 0.000 description 17
- 230000003321 amplification Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 16
- 230000000670 limiting effect Effects 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 238000012986 modification Methods 0.000 description 16
- 238000003199 nucleic acid amplification method Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 16
- 102000004127 Cytokines Human genes 0.000 description 15
- 108090000695 Cytokines Proteins 0.000 description 15
- 241000700605 Viruses Species 0.000 description 15
- 230000035515 penetration Effects 0.000 description 15
- 108020004414 DNA Proteins 0.000 description 14
- 102000053602 DNA Human genes 0.000 description 14
- 125000000217 alkyl group Chemical group 0.000 description 14
- 238000013473 artificial intelligence Methods 0.000 description 14
- 238000012258 culturing Methods 0.000 description 14
- 230000008676 import Effects 0.000 description 14
- 150000007523 nucleic acids Chemical group 0.000 description 14
- -1 alkylene ether Chemical compound 0.000 description 13
- 238000004891 communication Methods 0.000 description 13
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 13
- 230000000717 retained effect Effects 0.000 description 13
- 230000002596 correlated effect Effects 0.000 description 12
- 230000003068 static effect Effects 0.000 description 12
- 125000004429 atom Chemical group 0.000 description 11
- 238000010205 computational analysis Methods 0.000 description 11
- 238000009795 derivation Methods 0.000 description 11
- 239000000203 mixture Substances 0.000 description 11
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- 230000006798 recombination Effects 0.000 description 10
- 238000005215 recombination Methods 0.000 description 10
- 229920002477 rna polymer Polymers 0.000 description 10
- 229910052710 silicon Inorganic materials 0.000 description 10
- 239000010703 silicon Substances 0.000 description 10
- 239000000126 substance Substances 0.000 description 10
- 210000003719 b-lymphocyte Anatomy 0.000 description 9
- 230000008901 benefit Effects 0.000 description 9
- RTZKZFJDLAIYFH-UHFFFAOYSA-N ether Substances CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 9
- 238000002032 lab-on-a-chip Methods 0.000 description 9
- 102000039446 nucleic acids Human genes 0.000 description 9
- 108020004707 nucleic acids Proteins 0.000 description 9
- 210000002966 serum Anatomy 0.000 description 9
- 108091003079 Bovine Serum Albumin Proteins 0.000 description 8
- 239000012491 analyte Substances 0.000 description 8
- 210000000612 antigen-presenting cell Anatomy 0.000 description 8
- 238000001816 cooling Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- MHMNJMPURVTYEJ-UHFFFAOYSA-N fluorescein-5-isothiocyanate Chemical compound O1C(=O)C2=CC(N=C=S)=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 MHMNJMPURVTYEJ-UHFFFAOYSA-N 0.000 description 8
- 238000005286 illumination Methods 0.000 description 8
- 229920001282 polysaccharide Polymers 0.000 description 8
- 239000005017 polysaccharide Substances 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 8
- 235000000346 sugar Nutrition 0.000 description 8
- 229940098773 bovine serum albumin Drugs 0.000 description 7
- 238000011965 cell line development Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 7
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000002073 fluorescence micrograph Methods 0.000 description 7
- 150000004676 glycans Chemical class 0.000 description 7
- 150000002433 hydrophilic molecules Chemical class 0.000 description 7
- 239000003446 ligand Substances 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 150000003384 small molecules Chemical class 0.000 description 7
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 6
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 6
- 229920003171 Poly (ethylene oxide) Polymers 0.000 description 6
- 150000001732 carboxylic acid derivatives Chemical group 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004040 coloring Methods 0.000 description 6
- 238000004720 dielectrophoresis Methods 0.000 description 6
- 125000003709 fluoroalkyl group Chemical group 0.000 description 6
- 239000002052 molecular layer Substances 0.000 description 6
- 229920001223 polyethylene glycol Polymers 0.000 description 6
- 108090000765 processed proteins & peptides Proteins 0.000 description 6
- 230000028327 secretion Effects 0.000 description 6
- 239000002356 single layer Substances 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 229920002307 Dextran Polymers 0.000 description 5
- 244000157072 Hylocereus undatus Species 0.000 description 5
- 235000018481 Hylocereus undatus Nutrition 0.000 description 5
- 108020005196 Mitochondrial DNA Proteins 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 5
- 125000003277 amino group Chemical group 0.000 description 5
- 150000001720 carbohydrates Chemical class 0.000 description 5
- 238000004113 cell culture Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 239000007850 fluorescent dye Substances 0.000 description 5
- 230000012010 growth Effects 0.000 description 5
- 238000011534 incubation Methods 0.000 description 5
- 210000004962 mammalian cell Anatomy 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 239000013642 negative control Substances 0.000 description 5
- 230000010412 perfusion Effects 0.000 description 5
- 238000009877 rendering Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 4
- 125000002947 alkylene group Chemical group 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 4
- 238000012742 biochemical analysis Methods 0.000 description 4
- 230000031018 biological processes and functions Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000000151 deposition Methods 0.000 description 4
- 239000000975 dye Substances 0.000 description 4
- 210000002865 immune cell Anatomy 0.000 description 4
- 229940027941 immunoglobulin g Drugs 0.000 description 4
- 238000003780 insertion Methods 0.000 description 4
- 230000037431 insertion Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000003834 intracellular effect Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 229920002521 macromolecule Polymers 0.000 description 4
- 210000002540 macrophage Anatomy 0.000 description 4
- 125000000325 methylidene group Chemical group [H]C([H])=* 0.000 description 4
- 239000011325 microbead Substances 0.000 description 4
- 230000002438 mitochondrial effect Effects 0.000 description 4
- 210000000822 natural killer cell Anatomy 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 125000005010 perfluoroalkyl group Chemical group 0.000 description 4
- 238000005220 pharmaceutical analysis Methods 0.000 description 4
- 125000002467 phosphate group Chemical group [H]OP(=O)(O[H])O[*] 0.000 description 4
- ABLZXFCXXLZCGV-UHFFFAOYSA-N phosphonic acid group Chemical group P(O)(O)=O ABLZXFCXXLZCGV-UHFFFAOYSA-N 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 229910052814 silicon oxide Inorganic materials 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 125000000542 sulfonic acid group Chemical group 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 description 3
- 239000002253 acid Substances 0.000 description 3
- 125000003342 alkenyl group Chemical group 0.000 description 3
- 150000001412 amines Chemical group 0.000 description 3
- 125000000129 anionic group Chemical group 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 125000003118 aryl group Chemical group 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 229920001400 block copolymer Polymers 0.000 description 3
- 235000014633 carbohydrates Nutrition 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 125000002091 cationic group Chemical group 0.000 description 3
- 230000010261 cell growth Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 210000004978 chinese hamster ovary cell Anatomy 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 239000012809 cooling fluid Substances 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000008021 deposition Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 238000010195 expression analysis Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 210000004408 hybridoma Anatomy 0.000 description 3
- 230000036571 hydration Effects 0.000 description 3
- 238000006703 hydration reaction Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 150000002500 ions Chemical class 0.000 description 3
- 150000002632 lipids Chemical class 0.000 description 3
- 239000002502 liposome Substances 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 210000001161 mammalian embryo Anatomy 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 210000000287 oocyte Anatomy 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 229920000768 polyamine Polymers 0.000 description 3
- 102000004196 processed proteins & peptides Human genes 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 125000001425 triazolyl group Chemical group 0.000 description 3
- 238000007740 vapor deposition Methods 0.000 description 3
- PEHVGBZKEYRQSX-UHFFFAOYSA-N 7-deaza-adenine Chemical compound NC1=NC=NC2=C1C=CN2 PEHVGBZKEYRQSX-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 108091008875 B cell receptors Proteins 0.000 description 2
- 241000283707 Capra Species 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000000018 DNA microarray Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 description 2
- 102000010834 Extracellular Matrix Proteins Human genes 0.000 description 2
- 108010037362 Extracellular Matrix Proteins Proteins 0.000 description 2
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 2
- 241001494479 Pecora Species 0.000 description 2
- 108091005804 Peptidases Proteins 0.000 description 2
- 239000002202 Polyethylene glycol Substances 0.000 description 2
- 239000004365 Protease Substances 0.000 description 2
- 102100037486 Reverse transcriptase/ribonuclease H Human genes 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 210000000776 antibody secreting cell Anatomy 0.000 description 2
- 210000000628 antibody-producing cell Anatomy 0.000 description 2
- 239000000427 antigen Substances 0.000 description 2
- 108091007433 antigens Proteins 0.000 description 2
- 102000036639 antigens Human genes 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004166 bioassay Methods 0.000 description 2
- 230000004071 biological effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 230000021164 cell adhesion Effects 0.000 description 2
- 239000002458 cell surface marker Substances 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 230000001143 conditioned effect Effects 0.000 description 2
- 230000003750 conditioning effect Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 229920001577 copolymer Polymers 0.000 description 2
- 230000009089 cytolysis Effects 0.000 description 2
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 239000007857 degradation product Substances 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- XBDQKXXYIPTUBI-UHFFFAOYSA-N dimethylselenoniopropionate Natural products CCC(O)=O XBDQKXXYIPTUBI-UHFFFAOYSA-N 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 238000007877 drug screening Methods 0.000 description 2
- 230000008846 dynamic interplay Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000003527 eukaryotic cell Anatomy 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 210000002744 extracellular matrix Anatomy 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 238000001215 fluorescent labelling Methods 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000005714 functional activity Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 2
- 229910000449 hafnium oxide Inorganic materials 0.000 description 2
- WIHZLLGSGQNAGK-UHFFFAOYSA-N hafnium(4+);oxygen(2-) Chemical compound [O-2].[O-2].[Hf+4] WIHZLLGSGQNAGK-UHFFFAOYSA-N 0.000 description 2
- 125000000623 heterocyclic group Chemical class 0.000 description 2
- 238000013537 high throughput screening Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000002934 lysing effect Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000011859 microparticle Substances 0.000 description 2
- 210000003470 mitochondria Anatomy 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 150000002772 monosaccharides Chemical class 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 210000004940 nucleus Anatomy 0.000 description 2
- 230000005693 optoelectronics Effects 0.000 description 2
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 2
- 229920000172 poly(styrenesulfonic acid) Polymers 0.000 description 2
- 229920000867 polyelectrolyte Polymers 0.000 description 2
- 229920001451 polypropylene glycol Polymers 0.000 description 2
- 229940005642 polystyrene sulfonic acid Drugs 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 2
- 210000001236 prokaryotic cell Anatomy 0.000 description 2
- KIDHWZJUCRJVML-UHFFFAOYSA-N putrescine Chemical compound NCCCCN KIDHWZJUCRJVML-UHFFFAOYSA-N 0.000 description 2
- 230000008521 reorganization Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009919 sequestration Effects 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- ATHGHQPFGPMSJY-UHFFFAOYSA-N spermidine Chemical compound NCCCCNCCCN ATHGHQPFGPMSJY-UHFFFAOYSA-N 0.000 description 2
- PFNFFQXMRSDOHW-UHFFFAOYSA-N spermine Chemical compound NCCCNCCCCNCCCN PFNFFQXMRSDOHW-UHFFFAOYSA-N 0.000 description 2
- 238000004528 spin coating Methods 0.000 description 2
- 125000000547 substituted alkyl group Chemical group 0.000 description 2
- 150000008163 sugars Chemical class 0.000 description 2
- RWQNBRDOKXIBIV-UHFFFAOYSA-N thymine Chemical compound CC1=CNC(=O)NC1=O RWQNBRDOKXIBIV-UHFFFAOYSA-N 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003612 virological effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 210000005253 yeast cell Anatomy 0.000 description 2
- 239000010457 zeolite Substances 0.000 description 2
- PSBDWGZCVUAZQS-UHFFFAOYSA-N (dimethylsulfonio)acetate Chemical compound C[S+](C)CC([O-])=O PSBDWGZCVUAZQS-UHFFFAOYSA-N 0.000 description 1
- NGNBDVOYPDDBFK-UHFFFAOYSA-N 2-[2,4-di(pentan-2-yl)phenoxy]acetyl chloride Chemical compound CCCC(C)C1=CC=C(OCC(Cl)=O)C(C(C)CCC)=C1 NGNBDVOYPDDBFK-UHFFFAOYSA-N 0.000 description 1
- OBYNJKLOYWCXEP-UHFFFAOYSA-N 2-[3-(dimethylamino)-6-dimethylazaniumylidenexanthen-9-yl]-4-isothiocyanatobenzoate Chemical compound C=12C=CC(=[N+](C)C)C=C2OC2=CC(N(C)C)=CC=C2C=1C1=CC(N=C=S)=CC=C1C([O-])=O OBYNJKLOYWCXEP-UHFFFAOYSA-N 0.000 description 1
- 241000251468 Actinopterygii Species 0.000 description 1
- 229930024421 Adenine Natural products 0.000 description 1
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 102000009027 Albumins Human genes 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 238000010989 Bland-Altman Methods 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- XUJWSAFCCUALDW-UHFFFAOYSA-N C#C.P(O)(O)=O Chemical compound C#C.P(O)(O)=O XUJWSAFCCUALDW-UHFFFAOYSA-N 0.000 description 1
- 102000017420 CD3 protein, epsilon/gamma/delta subunit Human genes 0.000 description 1
- 108050005493 CD3 protein, epsilon/gamma/delta subunit Proteins 0.000 description 1
- 101150060950 CD3D gene Proteins 0.000 description 1
- 101150075764 CD4 gene Proteins 0.000 description 1
- 101150105048 CD8B gene Proteins 0.000 description 1
- 208000025721 COVID-19 Diseases 0.000 description 1
- 241001678559 COVID-19 virus Species 0.000 description 1
- 101150087313 Cd8a gene Proteins 0.000 description 1
- 241000252506 Characiformes Species 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- HMFHBZSHGGEWLO-SOOFDHNKSA-N D-ribofuranose Chemical compound OC[C@H]1OC(O)[C@H](O)[C@@H]1O HMFHBZSHGGEWLO-SOOFDHNKSA-N 0.000 description 1
- 102000016942 Elastin Human genes 0.000 description 1
- 108010014258 Elastin Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 108010067306 Fibronectins Proteins 0.000 description 1
- 102000016359 Fibronectins Human genes 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- JZNWSCPGTDBMEW-UHFFFAOYSA-N Glycerophosphorylethanolamin Natural products NCCOP(O)(=O)OCC(O)CO JZNWSCPGTDBMEW-UHFFFAOYSA-N 0.000 description 1
- 108060003393 Granulin Proteins 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241000270322 Lepidosauria Species 0.000 description 1
- 108010052285 Membrane Proteins Proteins 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 101100139957 Mus musculus Rb1cc1 gene Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 108091005461 Nucleic proteins Proteins 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 239000004372 Polyvinyl alcohol Substances 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 101000781681 Protobothrops flavoviridis Disintegrin triflavin Proteins 0.000 description 1
- 239000005700 Putrescine Substances 0.000 description 1
- 238000003559 RNA-seq method Methods 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 101150045121 Rbbp5 gene Proteins 0.000 description 1
- 108091028664 Ribonucleotide Proteins 0.000 description 1
- PYMYPHUHKUWMLA-LMVFSUKVSA-N Ribose Natural products OC[C@@H](O)[C@@H](O)[C@@H](O)C=O PYMYPHUHKUWMLA-LMVFSUKVSA-N 0.000 description 1
- 229920002125 Sokalan® Polymers 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- RYYWUUFWQRZTIU-UHFFFAOYSA-N Thiophosphoric acid Chemical group OP(O)(S)=O RYYWUUFWQRZTIU-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 229960000643 adenine Drugs 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 125000003158 alcohol group Chemical group 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 150000001345 alkine derivatives Chemical class 0.000 description 1
- HMFHBZSHGGEWLO-UHFFFAOYSA-N alpha-D-Furanose-Ribose Natural products OCC1OC(O)C(O)C1O HMFHBZSHGGEWLO-UHFFFAOYSA-N 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 125000003368 amide group Chemical group 0.000 description 1
- 210000004102 animal cell Anatomy 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 229930002877 anthocyanin Natural products 0.000 description 1
- 235000010208 anthocyanin Nutrition 0.000 description 1
- 239000004410 anthocyanin Substances 0.000 description 1
- 150000004636 anthocyanins Chemical class 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 125000000732 arylene group Chemical group 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 238000007622 bioinformatic analysis Methods 0.000 description 1
- 239000012620 biological material Substances 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 125000005518 carboxamido group Chemical group 0.000 description 1
- 150000001735 carboxylic acids Chemical class 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 230000020411 cell activation Effects 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 230000003833 cell viability Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000005754 cellular signaling Effects 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000003501 co-culture Methods 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 239000007822 coupling agent Substances 0.000 description 1
- 210000004748 cultured cell Anatomy 0.000 description 1
- 229940104302 cytosine Drugs 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000005547 deoxyribonucleotide Substances 0.000 description 1
- 125000002637 deoxyribonucleotide group Chemical group 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 150000002016 disaccharides Chemical class 0.000 description 1
- KPUWHANPEXNPJT-UHFFFAOYSA-N disiloxane Chemical class [SiH3]O[SiH3] KPUWHANPEXNPJT-UHFFFAOYSA-N 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 229920002549 elastin Polymers 0.000 description 1
- 230000005520 electrodynamics Effects 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000009503 electrostatic coating Methods 0.000 description 1
- 210000002257 embryonic structure Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002255 enzymatic effect Effects 0.000 description 1
- 150000002148 esters Chemical class 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 239000005262 ferroelectric liquid crystals (FLCs) Substances 0.000 description 1
- 239000012091 fetal bovine serum Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 125000002485 formyl group Chemical class [H]C(*)=O 0.000 description 1
- 230000002538 fungal effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 229920000578 graft copolymer Polymers 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- ZRALSGWEFCBTJO-UHFFFAOYSA-N guanidine group Chemical group NC(=N)N ZRALSGWEFCBTJO-UHFFFAOYSA-N 0.000 description 1
- 150000002357 guanidines Chemical class 0.000 description 1
- 125000005843 halogen group Chemical group 0.000 description 1
- 125000001072 heteroaryl group Chemical group 0.000 description 1
- 125000005549 heteroarylene group Chemical group 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- WGCNASOHLSPBMP-UHFFFAOYSA-N hydroxyacetaldehyde Natural products OCC=O WGCNASOHLSPBMP-UHFFFAOYSA-N 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007791 liquid phase Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 210000001806 memory b lymphocyte Anatomy 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- YACKEPLHDIMKIO-UHFFFAOYSA-N methylphosphonic acid Chemical compound CP(O)(O)=O YACKEPLHDIMKIO-UHFFFAOYSA-N 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 125000002757 morpholinyl group Chemical group 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- LNOPIUAQISRISI-UHFFFAOYSA-N n'-hydroxy-2-propan-2-ylsulfonylethanimidamide Chemical compound CC(C)S(=O)(=O)CC(N)=NO LNOPIUAQISRISI-UHFFFAOYSA-N 0.000 description 1
- 239000002107 nanodisc Substances 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 1
- 239000002777 nucleoside Substances 0.000 description 1
- 125000003835 nucleoside group Chemical group 0.000 description 1
- 238000012576 optical tweezer Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000003463 organelle Anatomy 0.000 description 1
- 125000005375 organosiloxane group Chemical group 0.000 description 1
- 125000005386 organosiloxy group Chemical group 0.000 description 1
- 210000004681 ovum Anatomy 0.000 description 1
- 238000010979 pH adjustment Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 150000002972 pentoses Chemical class 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003094 perturbing effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 150000008104 phosphatidylethanolamines Chemical class 0.000 description 1
- 150000003904 phospholipids Chemical class 0.000 description 1
- 150000003009 phosphonic acids Chemical class 0.000 description 1
- 125000004437 phosphorous atom Chemical group 0.000 description 1
- 125000004193 piperazinyl group Chemical group 0.000 description 1
- 210000004180 plasmocyte Anatomy 0.000 description 1
- 239000004584 polyacrylic acid Substances 0.000 description 1
- 239000004626 polylactic acid Substances 0.000 description 1
- 102000040430 polynucleotide Human genes 0.000 description 1
- 108091033319 polynucleotide Proteins 0.000 description 1
- 239000002157 polynucleotide Substances 0.000 description 1
- 229920005862 polyol Polymers 0.000 description 1
- 150000003077 polyols Chemical class 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 229920002451 polyvinyl alcohol Polymers 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- TVDSBUOJIPERQY-UHFFFAOYSA-N prop-2-yn-1-ol Chemical compound OCC#C TVDSBUOJIPERQY-UHFFFAOYSA-N 0.000 description 1
- 235000019260 propionic acid Nutrition 0.000 description 1
- 230000017854 proteolysis Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- IUVKMZGDUIUOCP-BTNSXGMBSA-N quinbolone Chemical compound O([C@H]1CC[C@H]2[C@H]3[C@@H]([C@]4(C=CC(=O)C=C4CC3)C)CC[C@@]21C)C1=CCCC1 IUVKMZGDUIUOCP-BTNSXGMBSA-N 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 108020003175 receptors Proteins 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000002336 ribonucleotide Substances 0.000 description 1
- 125000002652 ribonucleotide group Chemical group 0.000 description 1
- 230000018448 secretion by cell Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 125000004469 siloxy group Chemical group [SiH3]O* 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 229940063673 spermidine Drugs 0.000 description 1
- 229940063675 spermine Drugs 0.000 description 1
- IIACRCGMVDHOTQ-UHFFFAOYSA-N sulfamic acid group Chemical group S(N)(O)(=O)=O IIACRCGMVDHOTQ-UHFFFAOYSA-N 0.000 description 1
- CCEKAJIANROZEO-UHFFFAOYSA-N sulfluramid Chemical group CCNS(=O)(=O)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)F CCEKAJIANROZEO-UHFFFAOYSA-N 0.000 description 1
- 229940117986 sulfobetaine Drugs 0.000 description 1
- BDHFUVZGWQCTTF-UHFFFAOYSA-M sulfonate Chemical compound [O-]S(=O)=O BDHFUVZGWQCTTF-UHFFFAOYSA-M 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000000979 synthetic dye Substances 0.000 description 1
- JGVWCANSWKRBCS-UHFFFAOYSA-N tetramethylrhodamine thiocyanate Chemical compound [Cl-].C=12C=CC(N(C)C)=CC2=[O+]C2=CC(N(C)C)=CC=C2C=1C1=CC=C(SC#N)C=C1C(O)=O JGVWCANSWKRBCS-UHFFFAOYSA-N 0.000 description 1
- IKRMQEUTISXXQP-UHFFFAOYSA-N tetrasulfane Chemical compound SSSS IKRMQEUTISXXQP-UHFFFAOYSA-N 0.000 description 1
- MPLHNVLQVRSVEE-UHFFFAOYSA-N texas red Chemical compound [O-]S(=O)(=O)C1=CC(S(Cl)(=O)=O)=CC=C1C(C1=CC=2CCCN3CCCC(C=23)=C1O1)=C2C1=C(CCC1)C3=[N+]1CCCC3=C2 MPLHNVLQVRSVEE-UHFFFAOYSA-N 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 229940113082 thymine Drugs 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000005019 vapor deposition process Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
- 108700026220 vif Genes Proteins 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
- 229920001285 xanthan gum Polymers 0.000 description 1
- 239000000230 xanthan gum Substances 0.000 description 1
- 229940082509 xanthan gum Drugs 0.000 description 1
- 235000010493 xanthan gum Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16B40/20—Supervised data analysis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
- B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
- B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
- B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
- B01L3/502761—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip specially adapted for handling suspended solids or molecules independently from the bulk fluid flow, e.g. for trapping or sorting beads, for physically stretching molecules
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
- B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
- B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
- B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
- B01L3/502769—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip characterised by multiphase flow arrangements
- B01L3/502784—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip characterised by multiphase flow arrangements specially adapted for droplet or plug flow, e.g. digital microfluidics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
- B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
- B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
- B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
- B01L3/502769—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip characterised by multiphase flow arrangements
- B01L3/502784—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip characterised by multiphase flow arrangements specially adapted for droplet or plug flow, e.g. digital microfluidics
- B01L3/502792—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip characterised by multiphase flow arrangements specially adapted for droplet or plug flow, e.g. digital microfluidics for moving individual droplets on a plate, e.g. by locally altering surface tension
-
- G01N15/1433—
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N15/1484—Electro-optical investigation, e.g. flow cytometers microstructural devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N35/00871—Communications between instruments or with remote terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
- G16B30/20—Sequence assembly
-
- 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
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
- B01L2200/02—Adapting objects or devices to another
- B01L2200/026—Fluid interfacing between devices or objects, e.g. connectors, inlet details
- B01L2200/027—Fluid interfacing between devices or objects, e.g. connectors, inlet details for microfluidic devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
- B01L2200/06—Fluid handling related problems
- B01L2200/0647—Handling flowable solids, e.g. microscopic beads, cells, particles
- B01L2200/0668—Trapping microscopic beads
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/06—Auxiliary integrated devices, integrated components
- B01L2300/0627—Sensor or part of a sensor is integrated
- B01L2300/0645—Electrodes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/08—Geometry, shape and general structure
- B01L2300/0861—Configuration of multiple channels and/or chambers in a single devices
- B01L2300/0883—Serpentine channels
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/16—Surface properties and coatings
- B01L2300/161—Control and use of surface tension forces, e.g. hydrophobic, hydrophilic
- B01L2300/165—Specific details about hydrophobic, oleophobic surfaces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2400/00—Moving or stopping fluids
- B01L2400/04—Moving fluids with specific forces or mechanical means
- B01L2400/0403—Moving fluids with specific forces or mechanical means specific forces
- B01L2400/0415—Moving fluids with specific forces or mechanical means specific forces electrical forces, e.g. electrokinetic
- B01L2400/0427—Electrowetting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2400/00—Moving or stopping fluids
- B01L2400/08—Regulating or influencing the flow resistance
- B01L2400/084—Passive control of flow resistance
- B01L2400/086—Passive control of flow resistance using baffles or other fixed flow obstructions
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1486—Counting the particles
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1493—Particle size
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1497—Particle shape
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
- G01N2021/6439—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N2035/00891—Displaying information to the operator
- G01N2035/0091—GUI [graphical user interfaces]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
- G01N21/6458—Fluorescence microscopy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Abstract
公开了用于对生物样本执行处理的方法、系统和产品。可以识别微流体装置中的多个感兴趣区域中的生物样本的分析和与分析相关的时间线。可以确定多个感兴趣区域的一种或多种感兴趣区域类型;并且可以至少部分地基于一种或多种感兴趣区域类型来确定生物样本的多个特性。至少部分地基于多个标识符和时间线,针对用户界面中生物样本的至少一部分,相关联数据分别对应于用户界面中的多个感兴趣区域。可以使用卷积神经网络(CNN)至少部分地基于数据的类别或类型来确定感兴趣区域中的生物样本的计数。
Description
相关申请的交叉引用
本申请要求以下申请的权益:2019年11月17日提交的名称为“测定数据图形用户界面系统和方法(ASSAY DATA GRAPHICAL USER INTERFACE SYSTEMS AND METHODS)”的美国临时专利申请序列号 62/936,550;2020年6月6日提交的名称为“测定数据图形用户界面系统和方法(ASSAY DATA GRAPHICAL USER INTERFACE SYSTEMS AND METHODS)”的美国专利申请序列号63/035,726;2020年8月3日提交的名称为“测定数据图形用户界面系统和方法(ASSAY DATA GRAPHICAL USER INTERFACE SYSTEMS AND METHODS)”的美国临时专利申请序列号63/060,647;以及2019年12月19日提交的名称为“微流体装置中的微物体的自动计数(AUTOMATED COUNTING OF MICRO-OBJECTS IN MICROFLUIDIC DEVICES)”的美国临时专利申请序列号62/950,573。出于所有目的,上述美国临时专利申请的内容通过引用的方式整体并入本文。
版权声明
本专利文件的公开内容的一部分包括受版权保护的材料。版权所有者不反对任何人对专利文件或专利公开内容进行传真复制,因为它出现在专利商标局的专利文件或记录中,但在其他方面保留所有版权。
技术领域
本发明涉及可用于例如在图形用户界面(GUI)中生成和显示微物体的分析结果的装置、系统和过程,并且更具体地涉及与通过微物体的分析生成的数据一起使用的这样的方法、系统和GUI。
背景技术
微流体装置上的生物测定,也被称为“芯片实验室”,由于它们能够产生高通量而成为重要的研究工具,这又可以大大减少运行大量、统计相关数量的测试的时间和费用。可以理解,该领域的改进可能对治疗学的评估具有很大影响。
可从伯克利之光(Berkeley Lights)(埃默里维尔,加利福尼亚州),包括Beacon和Lightning平台,获得的数字细胞生物学技术包括用于研究人员操纵微物体的重要新工具,微物体包括生物细胞、珠(bead)和生物测定中使用的其他物体。以下文献(其全部内容通过引用并入本文)描述了这些技术的一些方面:
对于具有腔室(或坞,pen)的微流体装置:2018年1月2日公布的美国专利第9,857,333号(还参见2014年5月8日公开的WO 2014/070873);以及2018年7月3日公布的美国专利第10,010,882号(还参见2015年4月30日公开的WO 2015/061497)。
对于能够产生介电泳(DEP)力的微流体装置和在微流体装置内移动微物体的其他手段:2014年1月21日公布的美国专利第RE44,711号; 2011年6月7日公布的美国专利第7,956,339号;2016年1月5日公布的美国专利第9,227,200号;2018年3月6日公布的美国专利第9,908,115 号(还参见2016年6月16日公开的WO 2016/094308);2016年8月2 日公布的美国专利第9,403,172号和2018年2月20日公布的美国专利第 9,895,699号(还参见2014年3月15日公开的WO 2014/074367);2017 年11月14日公布的美国专利第9,815,056号(还参见2016年6月9日公布的WO 2016/090295);2018年8月28日公布的美国专利第10,058,865 号(还参见2016年6月16日公开的WO 2016/094333);以及2018年6 月28日公开的WO 2017/117408。
对于用于测定微流体芯片中的生物细胞的方法:2015年4月30日公开的WO 2015/061497;2018年2月13日公布的美国专利第9,889,445号和2019年8月13日公布的美国专利第10,376,886号(还参见2015年4 月30日公开的WO 2015/061506);2017年6月15日公开的WO 2017100347;2017年6月1日公开的WO 2017091601;2017年10月19 日公开的WO 2017/181135;2017年9月21日公开的WO 2017/161210;2018年1月25日公开的WO 2018018017;2018年4月5日公开的WO 2018064640;2018年7月26日公开的WO 2018/076024;2019年4月19日公开的WO 2019075476;2019年10月3日公开的WO 2019191459;2020 年5月7日公开的WO2020092975;2020年3月19日公开的WO 20200056339;2020年4月16日公开的WO2020077274;2020年8月25 日公布的US 10,751,715;以及2020年11月5日公开的WO2020223555。
对于适用于操作这样的微流体装置并执行这样的方法的全部或部分的仪器和软件:2014年1月21日公布的美国专利第RE 44,711号;2019 年8月20日公布的美国专利第10,384,204号(还参见2016年6月16日公开的WO 2016/094308);2018年6月7日公开的WO 2018/102747;2018 年6月7日公开的WO 2018/102748;2018年6月12日公布的美国专利第9,996,920号(还参见2016年6月16日公开的WO 2016/094459);2016 年6月16日公开的WO 2016/094522;以及2019年3月31日提交的 PCT/US2019/035046。
具有腔室的其他类型的微流体装置、用于测定生物细胞的方法、以及用于操作这样的装置并执行这样的方法的仪器包括:美国专利6,294,063 (Becker等人)、6,408,878(Unger等人)、6,942,776(Medoro)、10,421,936 (Hansen等人)和10,466,241(Hansen等人)。
在这些技术中,在单一装置上存在几个或若干个至几十个至几百个腔室;腔室可以是衬底中的微孔,或者可能是大几百倍到几千倍的大腔室。在某些实施例中,在对腔室中的微物体(例如,珠、蛋白质和/或生物细胞等)运行测定之后,这些系统的数据输出包括非常大的数据集,该数据集包括,例如,数据节点,该数据节点包括单个腔室本身(或大腔室的许多离散区域)的高分辨率图像数据,包括其中包括的任何微物体。数据节点还可以包括针对每个图像的时间戳,以及拍摄该图像时的其他操作条件,以及对微物体执行的测定的定性和/或定量结果。
因为即使来自单一系统或单一分析的结果数据集也非常大并且通常包括图像和字母数字元素两者,所以人类研究人员也难以(若非完全不可能)捕获或可视化在任何一个或多个感兴趣的腔室中可能发生什么过程,特别是在运行测定的长时间段内,并且难以同时分析(例如,视觉上比较) 来自多个微物体的数据,更不用说从中导出任何有用的信息。
为了进一步加剧即使是单一分析中的极大数据集所导致的问题,包括,例如,分析结果、用于分析的输入数据、与生物样本相关的元数据和与用于分析的设备相关的元数据等的数据集通常包括大量数据元素,这些数据元素通常是非结构化的或彼此不相关的。
筛选具有以这种非结构化方式分散的各种类型的数据或信息的这种大数据集以破译数据集旨在传达的内容,对于研究人员快速且有效地对生物样本执行多种分析并提取分析结果的最具影响力和最有意义的综合,提出了不可逾越的、不切实际的障碍。在一个示例中,治疗性抗体发现是在发现过程中具有高不确定性的费力、昂贵的过程。在另一个非限制性示例中,检测和高通量药物筛选(尤其是在诸如Covid-19大流行的大流行情况下)需要对潜在先导物和候选治疗剂进行快速多因素评估。因此,迫切需要改进各种数据和信息(例如,分析结果、输入、元数据等)的关联、分析感兴趣的生物样本、呈现感兴趣的相关结果以供可视化,并允许研究人员有效且快速地操纵数据集以识别感兴趣的数据,以至少解决上述问题和传统检测或药物筛选方法的缺点。
发明内容
在一个或多个实施例中公开了用于对生物样本执行处理的方法、系统和产品。一些实施例涉及用于对生物样本执行测定分析或测序分析的方法。在这些实施例中,用户界面被识别并耦合至系统(例如,测定分析仪、通用计算机、专用计算机等)的处理器,以处理从多个生物样本捕获的输入的一个或多个属性。一些实施例涉及一种用于对具有多个腔室的微流体装置中的感兴趣区域中的生物样本执行自动计数的方法。
本文还描述了一种用于执行任一实施例中的任一上述方法的系统。还描述了一种用于在其上存储指令序列的非暂时性计算机可读介质,当所述指令序列由处理器或处理器核执行时,使处理器或处理器核执行任一实施例中的任一上述方法。
本公开的一些实施例的概述
1.一种用于分析生物样本的方法,包括:识别微流体装置中的多个感兴趣区域中的生物样本的分析和与分析相关的时间线,其中,时间线包括与生物样本的分析的工作流程或管线在时间上对准的信息;确定多个感兴趣区域的一种或多种感兴趣区域类型,其中,所述一种或多种感兴趣区域类型包括与生物样本中的至少一个生物样本相关的基于目标的类型或与微流体装置相关的基于结构的类型;至少部分地基于所述一种或多种感兴趣区域类型来确定生物样本的多个特性,其中,所述多个特性分别对应于生物样本或分析的属性、性质或可量化度量;以及至少部分地基于多个特性和时间线,在用户界面中针对生物样本的至少一部分布置和呈现分别对应于用户界面中的所述多个感兴趣区域的相关联数据。
2.根据实施例1所述的方法,其中,布置和呈现相关联数据包括:至少部分地基于用户界面中用于呈现相关联数据的可分配空间来确定具有用于相关联数据的多个图库子结构的图库结构。
3.根据实施例1-2中任一项所述的方法,其中,所述多个图库子结构中的图库子结构对应于与生物样本或生物样本的分析相关的特性,图库子结构包括一个或多个图库字段,并且所述特性包括至少一个基于目标的特性、至少一个基于结构的特性或至少一个基于目标的特性和至少一个基于结构的特性的组合。
4.根据实施例1-3中任一项所述的方法,其中,布置和呈现相关联数据包括:至少部分地基于特性将相关联数据填充到图库结构中的多个图库子结构中。
5.根据实施例1-4中任一项所述的方法,其中,图库子结构的图库字段对应于针对生物样本中的至少一个的基于结构的感兴趣区域或基于目标的感兴趣区域捕获的图像序列的图像,并且图像或图像序列是从一个或多个基本图像确定的。
6.根据实施例1-5中任一项所述的方法,其中,时间线部分中的多个图形表示分别对应于多个图库子结构。
7.根据实施例1-4中任一项所述的方法,确定图库结构包括:确定与在一组时间点或时间段捕获的生物样本的至少第一部分相关的第一数据序列,所述生物样本的至少第一部分从多个感兴趣区域中的至少第一部分获得,多个感兴趣区域中的至少第一部分来自存储在非暂时性计算机可访问存储介质中的可寻址空间中的图库结构,其中,第一数据序列对应于多个特性中的至少第一特性。
8.根据实施例1-7中任一项所述的方法,确定图库结构包括:确定与在一组时间点或时间段捕获的生物样本的至少第二部分相关的第二数据序列,所述生物样本的至少第二部分从图库结构的多个感兴趣区域中的至少第二部分获得,其中,第二数据序列对应于多个特性中的至少第二特性。
9.根据实施例1-8中任一项所述的方法,布置和呈现相关联数据包括:在用户界面的第一窗口部分中并且利用图形处理单元在图库视图中呈现第一数据序列和第二数据序列。
10.根据实施例1-9所述的方法,在第一视图中呈现第一数据序列和第二数据序列包括:响应于利用用户界面中的第一选择窗口部件从多个特性中选择至少第一特性,从用于生物样本的至少第一部分或用于分析的多个值中提取第一特性的第一值;以及从用于生物样本的至少第二部分或用于分析的多个值中提取第二特性的第二值。
11.根据实施例1-10中任一项所述的方法,布置和呈现相关联数据包括:将分别对应于第一数据序列和第二数据序列的第一交互物体和第二交互物体呈现到图库视图中。
12.根据实施例1-11中任一项所述的方法,其中,第一交互物体代表用于生物样本的至少第一部分或用于分析的第一值,并且第二交互物体代表用于第二生物样本的至少第二部分或用于分析的第二值。
13.根据实施例1-12中任一项所述的方法,其中,用户界面耦合至处理器以处理输入的一个或多个属性的数据,并且包括从生物样本的至少第一部分和第二部分捕获并在该组时间点或时间段获得的一组图像。
14.根据实施例1-13中任一项所述的方法,其中,该组图像中的图像是从设置在与包括多个腔室的微流体装置相关的多个感兴趣区域中的感兴趣区域内的相应生物样本获得的。
15.根据实施例1-14中任一项所述的方法,布置和呈现相关联数据包括:呈现第一选择窗口部件以选择生物样本的第一特性。
16.根据实施例1-15中任一项所述的方法,其中,在图库结构的第一图库子结构中表示针对微流体装置中的第一感兴趣区域捕获的第一组图像的第一组数据;并且在图库结构的第二图库子结构中表示针对微流体装置中的第二感兴趣区域捕获的第二组图像的第二组数据。
17.根据实施例1-16中任一项所述的方法,其中,第一交互物体在一组时间点或时间段中的第一时间点或时间段与第一等级相关联,该第一等级(a first rank)至少部分地基于第一感兴趣区域的第一特性的第一值而指示与微流体装置中的多个腔室有关的第一感兴趣区域的第一位置。
18.根据实施例1-17中任一项所述的方法,其中,第二交互物体在该组时间点或时间段中的第一时间点或时间段与第二等级相关联,该第二等级至少部分地基于第二感兴趣区域的第一特性的第一值而指示与微流体装置中的多个腔室相关的第二感兴趣区域的第二位置。
19.根据实施例1-18中任一项所述的方法,其中,第一等级和第二等级分别与第一交互物体和第二交互物体一起显示在第一视图中,以分别指示在第一时间点或时间段在第一感兴趣区域中的第一生物样本的第一状态和在第二感兴趣区域中的第二生物样本的第二状态。
20.根据实施例1-19中任一项所述的方法,其中,数据的第一图库子结构和数据的第二图库子结构被布置成包括具有对应于第一标识符的交互式标识符的第三图库子结构。
21.根据实施例1-20中任一项所述的方法,其中,当在用户界面中被调用时,第三图库子结构的交互式标识符触发分级操作(ranking operation),所述分级操作至少部分地基于第一等级和第二等级来布置第一图库子结构和第二图库子结构。
22.根据实施例1-21中任一项所述的方法,其中,多个图库子结构中的图库子结构的高度或宽度可配置为修改的高度或修改的宽度,或者第三线性结构中的字段的宽度可配置为第一视图中的修改的宽度。
23.根据实施例1-16中任一项所述的方法,其中,图库结构包括:列结构和行结构,列结构包括多个列,行结构包括多个行;以及生物样本数据,其特定于对流体装置的单个腔室中的一个或更多个生物样本执行的分析。
24.根据实施例1-23中任一项所述的方法,其中,列结构中的列对应于特定于对单个腔室执行的分析的生物样本数据,并且对应于列的每一行分别对应于在特定时间点或特定时间段针对单个腔室捕获或生成的生物样本数据。
25.根据实施例1-23中任一项所述的方法,其中,行结构中的行对应于特定于对微流体装置中的腔室执行的分析的生物样本数据,并且对应于行的每一列分别对应于在特定时间点或特定时间段针对腔室捕获或生成的生物样本数据。
26.根据实施例1-25中任一项所述的方法,其中,多个特性的标识符与对微流体装置中的生物样本中的至少一个生物样本执行的测定分析或测定分析的结果的至少一个方面有关。
27.根据实施例1-23中任一项所述的方法,其中,在捕获或生成该组图像、第一数据序列或第二数据序列时,利用唯一时间戳对该组图像、第一数据序列或第二数据序列加时间戳。
28.根据实施例1-22中任一项所述的方法,其中,多个特性包括以下中的至少一个:微流体装置中的腔室的标识符、生物样本的大小属性、生物样本的最大亮度属性、生物样本的最小亮度属性、生物样本的质心在第一方向上的第一像素计数属性、生物样本的质心在第二方向上的第二像素计数属性、生物样本的质心的大小属性、延时索引属性、微流体装置的装置标识符、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性、多个腔室或多个感兴趣区域的分数属性、门路径索引、区域像素属性、背景像素属性或生物样本的中位数亮度属性。
29.根据实施例1-28中任一项所述的方法,呈现第一交互物体和第二交互物体包括:由处理器至少部分地基于待在用户界面中表示的第一等级来确定用户界面中的图库结构的第一图库子结构的动态宽度或长度。
30.根据实施例1-29中任一项所述的方法,呈现第一交互物体和第二交互物体还包括:至少部分地基于第一图库子结构的动态宽度或长度,将包括第一图像序列的第一数据序列的至少一部分呈现到第一图库子结构中。
31.根据实施例1-30中任一项所述的方法,其中,第一图库子结构的第一多个图库字段中的图库字段对应于多个感兴趣区域中的感兴趣区域,其中,该感兴趣区域对应于第一唯一标识符。
32.根据实施例1-31中任一项所述的方法,其中,图库字段还对应于与多个腔室相关的感兴趣区域,并且还被布置为对应于多个图库子结构。
33.根据实施例1-32中任一项所述的方法,其中,多个图库子结构中的图库子结构对应于多个特性的标识符。
34.根据实施例1-33中任一项所述的方法,还包括:响应于至少部分地基于时间线通过用户界面中的时间线视图激活交互式窗口部件调用时间线视图,在用户界面中呈现时间线视图和匹配网格部分。
35.根据实施例1-34中任一项所述的方法,其中,时间线视图包括生物样本的分析中的多个工作流程任务的各自进度。
36.根据实施例1-35中任一项所述的方法,其中,至少部分地基于与分析或与生物样本相关的第一数据序列和第二数据序列来呈现时间线视图。
37.根据实施例1-36中任一项所述的方法,其中,所述各自进度以图形方式指示多个工作流程任务的各自持续时间。
38.根据实施例1-37中任一项所述的方法,其中,利用交互式进度窗口部件来表示各自进度,该交互式进度窗口部件在时间线视图中交互时使处理器至少利用第一数据序列的至少一部分或第一分析结果的至少一部分来填充匹配网格部分。
39.根据实施例1-37中任一项所述的方法,还包括:响应于微流体装置的识别、在用户界面中表示的第一数据序列或第二数据序列,确定是否存在用于微流体装置的图库结构,其中,数据包括在用户界面中表示的与来自多个感兴趣区域中的第一感兴趣区域的第一生物样本相关的第一数据序列,或与来自多个感兴趣区域中的第二感兴趣区域的第二生物样本相关的第二数据序列。
40.根据实施例1-39中任一项所述的方法,还包括:当确定存在用于微流体装置的图库结构时,利用第一数据序列的至少一部分或相关联数据的至少一部分填充匹配网格部分;并且,呈现标识符窗口部件,当从用户界面接收到标识符改变输入时,所述标识符窗口部件触发改变第一数据序列的第一标识符的指令。
41.根据实施例1-40中任一项所述的方法,还包括:呈现删除窗口部件,当所述删除窗口部件在用户界面中被调用时,使至少一个处理器从时间线视图中移除微流体装置和与微流体装置相关的数据。
42.根据实施例1-41中任一项所述的方法,其中,时间线视图包括用户界面中的第一可调节大小或形状。
43.根据实施例1-42中任一项所述的方法,其中,匹配网格部分包括用户界面中的第二可调节大小或形状。
44.根据实施例1-43中任一项所述的方法,其中,时间线部分包括分别识别多个生物实验的对应实验类型的多个图形表示。
45.根据实施例1-44中任一项所述的方法,还包括:将多个感兴趣区域中的第一感兴趣区域与时间线视图中示出的一个或多个图形元素相关联。
46.根据实施例1-36中任一项所述的方法,其中,将第一感兴趣区域与一个或多个图形元素相关联包括:针对用户界面的一部分中的第一列中一个或多个图形元素中的第一图形元素呈现与在第一时间点或第一时间段捕获的第一数据序列相对应的第一交互物体。
47.根据实施例1-46中任一项所述的方法,其中,将第一感兴趣区域与一个或多个图形元素相关联包括:针对一个或多个图形元素中的第二图形元素,呈现与在第二时间点或第二时间段捕获的第一数据序列相对应的第二交互物体,第二交互物体对应于用户界面的一部分中的第二列。
48.根据实施例1-46中任一项所述的方法,其中,一个或多个图形元素中的图形元素的大小对应于在其间针对生物样本捕获数据的时间段的持续时间,并且较大的图形元素指示较长的时间段。
49.根据实施例1-36中任一项所述的方法,其中,布置和呈现相关联数据包括:至少部分地基于用于生物样本的分析的管线或工作流程来确定时间线。
50.根据实施例1-49中任一项所述的方法,其中,布置和呈现相关联数据包括:至少部分地基于时间线确定用于分析的多个阶段,其中,多个阶段分别对应于用于生物样本的分析的多个时间点或时间段。
51.根据实施例1-50中任一项所述的方法,其中,布置和呈现相关联数据包括:至少部分地基于多个时间点或时间段分别确定多个阶段的多个图形表示。
52.根据实施例1-51中任一项所述的方法,其中,布置和呈现相关联数据包括:根据与多个时间点或时间段相关的时间顺序而在用户界面中布置和呈现时间线视图中的多个图形表示。
53.根据实施例1-52中任一项所述的方法,还包括在用户界面中呈现数据控制视图,呈现数据控制视图包括:针对具有多个腔室的微流体装置生成具有多个字段的微流体装置数据结构。
54.根据实施例1-53中任一项所述的方法,呈现数据控制视图包括:将微流体装置的第一数据填充到微流体装置数据结构中的第一字段中,其中,第一数据包括微流体装置的第一标识符。
55.根据实施例1-54中任一项所述的方法,呈现数据控制视图包括:针对微流体装置数据结构的第一字段呈现第一交互式数据控制窗口部件,其中,第一交互式数据控制窗口部件在被交互时,依据在数据控制视图中接收的用于配置与至少第一数据和图库视图相关的腔室列表的第一输入来调用与时间线视图或图库视图相关的多个第一候选动作中的一个。
56.根据实施例1-55中任一项所述的方法,呈现数据控制视图还包括:将微流体装置的第二数据填充到微流体装置数据结构中的第二字段中,其中,第二数据包括与对微流体装置中的生物样本的第一生物处理相关的标签。
57.根据实施例1-56中任一项所述的方法,呈现数据控制视图还包括:针对第二字段呈现第二交互式数据控制窗口部件,其中,第二交互式数据控制窗口部件响应于数据控制视图中的用于配置相关联数据的一个或多个可视化选项的第二用户输入而调用多个第二候选动作中的至少一个。
58.根据实施例1-55中任一项所述的方法,呈现数据控制视图还包括:将微流体装置的第三数据填充到微流体装置数据结构中的一个或多个第三字段中,其中,第三数据包括微流体装置的时间戳。
59.根据实施例1-58中任一项所述的方法,呈现数据控制视图还包括:针对一个或多个第三字段呈现第三交互式数据控制窗口部件,其中,第三交互式数据控制窗口部件在被交互时响应于数据控制视图中的用于配置用于分析的降维或聚类的第三用户输入而调用多个第三候选动作中的至少一个。
60.根据实施例1-59中任一项所述的方法,还包括呈现过滤器视图,其中,呈现过滤器视图包括:至少部分地基于由与过滤器生成模块中的第一过滤器选择器开关的交互触发的一个或多个指令的执行来确定第一过滤器的第一过滤器类型。
61.根据实施例1-60中任一项所述的方法,呈现过滤器视图包括:响应于第一过滤器类型的确定,在用户界面中的过滤器视图中针对一个或多个第一过滤器中的第一过滤器类型呈现第一过滤器选择器开关,其中,第一属性选择器开关在被调用时触发第一过滤器类型的一个或多个第一交互式过滤器属性的列表的第一呈现。
62.根据实施例1-61中任一项所述的方法,呈现过滤器视图还包括:响应于一个或多个第一交互式过滤器属性的列表中的第一交互式过滤器属性的调用,呈现用于根据第一过滤器对微流体装置中的多个腔室或多个感兴趣区域进行过滤的第一过滤器配置器。
63.根据实施例1-62中任一项所述的方法,其中,第一过滤器配置器响应于针对第一交互式过滤器属性的第一交互式过滤器输入而对多个腔室或多个感兴趣区域施加第一动态约束。
64.根据实施例1-63中任一项所述的方法,其中,第一动态约束约束多个腔室或多个感兴趣区域,以从多个腔室或多个感兴趣区域生成待在用户界面中显示的第一组过滤的感兴趣区域。
65.根据实施例1-64中任一项所述的方法,其中,所述第一过滤器配置器包括第一配置滑块窗口部件,当在过滤器视图中利用动态操纵来操纵第一配置滑块窗口部件时,第一配置滑块窗口部件限制微流体装置中的动态约束的感兴趣区域的数量,并且还至少部分地基于动态操纵来触发过滤器视图中的多个动态约束的感兴趣区域的图形表示。
66.根据实施例1-64中任一项所述的方法,呈现过滤器视图还包括:在过滤器视图中针对微流体装置动态地确定并显示满足第一动态约束的第一组过滤的感兴趣区域的感兴趣区域的第一总数。
67.根据实施例1-66中任一项所述的方法,呈现过滤器视图还包括:呈现响应于针对第一过滤器的第一动态约束中的第一动态变化而动态变化的第一直方图。
68.根据实施例1-67中任一项所述的方法,其中,第一直方图包括叠置于响应于第一动态约束中的第一动态变化而动态变化的第一直方图的顶部上的多个腔室或感兴趣区域的去强调直方图。
69.根据实施例1-68中任一项所述的方法,其中,过滤器视图还包括关于第一组过滤的感兴趣区域中的过滤的感兴趣区域的信息,该信息包括一个或多个感兴趣区域标识符、满足第一动态约束的感兴趣区域的第一总数、示出多个腔室或多个感兴趣区域在第一交互式过滤器属性上的第一分布的直方图、示出第一组过滤的感兴趣区域在第一交互式过滤器属性上的第二分布的直方图的突显部分、或其任何组合。
70.根据实施例1-61中任一项所述的方法,呈现过滤器视图还包括:在过滤器生成模块处,生成至少第二过滤器类型的第二过滤器和第三过滤器类型的第三过滤器的逻辑组合。
71.根据实施例1-70中任一项所述的方法,呈现过滤器视图还包括:针对第二过滤器类型呈现第一过滤器选择器开关。
72.根据实施例1-71中任一项所述的方法,其中,第一过滤器选择器开关在被调用时用于确定第二过滤器类型、用于第二过滤器的第二属性选择器或用于第三过滤器的第三属性选择器。
73.根据实施例1-72中任一项所述的方法,呈现过滤器视图还包括:响应于第二过滤器属性的确定,呈现用于根据第二过滤器对多个腔室或多个感兴趣区域进行过滤的第二过滤器配置器,其中,第二过滤器配置器响应于第二过滤器输入而施加第二动态约束,并且第二动态约束约束来自多个感兴趣区域的待在用户界面中显示的过滤的感兴趣区域的第二数量。
74.根据实施例1-73中任一项所述的方法,呈现过滤器视图还包括:在过滤器视图中针对微流体装置动态地确定并显示满足第二动态约束的过滤的感兴趣区域的第二总数。
75.根据实施例1-74中任一项所述的方法,呈现过滤器视图还包括:呈现响应于来自第二过滤器输入的第二动态约束中的第二动态变化而动态地变化的第二直方图。
76.根据实施例1-75中任一项所述的方法,呈现过滤器视图还包括:呈现用于第二过滤器类型的第一过滤器选择器开关,其中,第一过滤器选择器开关在被调用时用于确定第二过滤器类型和与第二过滤器类型相对应的第二属性选择器。
77.根据实施例1-76中任一项所述的方法,呈现过滤器视图还包括:响应于对第二过滤器类型的调用,在用户界面中的过滤器视图中针对一个或多个第二过滤器的第二过滤器类型呈现第二属性选择器开关。
78.根据实施例1-77中任一项所述的方法,其中,第二属性选择器在被调用时触发第二过滤器类型的一个或多个第二交互式过滤器属性的列表的第二呈现。
79.根据实施例1-77中任一项所述的方法,呈现过滤器视图还包括:针对第三过滤器类型在过滤器生成模块中呈现第一过滤器选择器开关,其中,第一过滤器选择器开关在被调用时用于确定第三过滤器类型和与第三过滤器类型相对应的第三属性选择器。
80.根据实施例1-79中任一项所述的方法,呈现过滤器视图还包括:响应于第三过滤器类型的调用,在用户界面中的过滤器视图中针对一个或多个第三过滤器中的第三过滤器类型呈现第三属性选择器,其中,第三属性选择器在被调用时触发第三过滤器类型的一个或多个第三交互式过滤器属性的列表的第三呈现。
81.根据实施例1-80中任一项所述的方法,呈现过滤器视图还包括:响应于对第二交互式过滤器属性的选择,呈现用于根据第二过滤器对微流体装置中的多个腔室或多个感兴趣区域进行过滤的第二过滤器配置器。
82.根据实施例1-81中任一项所述的方法,其中,第二过滤器配置器用于响应于第二交互式过滤器输入而施加第二动态约束。
83.根据实施例1-82中任一项所述的方法,其中,第二动态约束将来自第一过滤器的多个腔室或多个感兴趣区域约束到待在用户界面中显示的第二组过滤的感兴趣区域中。
84.根据实施例1-83中任一项所述的方法,其中,第二过滤器配置器包括第二配置滑块窗口部件,当利用第二动态操纵来操纵所述第二配置滑块窗口部件时,所述第二配置滑块窗口部件将多个腔室或多个感兴趣区域限制到用于微流体装置的单独数量的动态约束的感兴趣区域中,并且至少部分地基于第二动态操纵而进一步触发在过滤器视图中呈现单独数量的动态约束的感兴趣区域的图形表示。
85.根据实施例1-82中任一项所述的方法,呈现过滤器视图还包括:响应于第三交互式过滤器属性的选择或确定,根据第三过滤器呈现用于对微流体装置中的第二组过滤感兴趣区域进行过滤的第三过滤器配置器。
86.根据实施例1-85中任一项所述的方法,其中,第三过滤器配置器响应于第三交互式过滤器输入而施加第三动态约束,并且第三动态约束将来自第二过滤器的第二组过滤的感兴趣区域约束到待在用户界面中显示的第三组过滤感兴趣区域中。
87.根据实施例1-86中任一项所述的方法,呈现过滤器视图还包括:在过滤器视图中针对微流体装置动态地确定和显示满足第二动态约束的第二组过滤的感兴趣区域的感兴趣区域的第二总数。
88.根据实施例1-87中任一项所述的方法,呈现过滤器视图还包括:在过滤器视图中针对微流体装置动态地确定和显示满足第三动态约束的第三组过滤的感兴趣区域的感兴趣区域的第三总数。
89.根据实施例1-88中任一项所述的方法,其中,过滤器视图还包括关于第二组过滤的感兴趣区域或第三组过滤的感兴趣区域中的过滤的感兴趣区域的第二信息,第二信息包括一个或多个感兴趣区域标识符、分别满足第二动态约束或第三动态约束的感兴趣区域的第二总数或第三总数、示出了多个感兴趣区域在第二交互式过滤器属性和第三交互式过滤器属性上的单独分布的单独的直方图、示出了第二组过滤的感兴趣区域或第三组过滤的感兴趣区域在第一交互式过滤器属性上的第三分布的单独直方图的单独突出显示部分、或其任何组合。
90.根据实施例1-89中任一项所述的方法,呈现过滤器视图还包括:呈现响应于来自第二交互式过滤器输入的第二动态约束的第二动态变化而动态变化的第三直方图或散点图。
91.根据实施例1-90中任一项所述的方法,呈现过滤器视图还包括:呈现响应于来自第三交互式过滤器输入的第三动态约束的第三动态变化而动态变化的第四直方图或散点图。
92.根据实施例1-61中任一项所述的方法,呈现过滤器视图还包括:在列表生成模块处生成第一感兴趣区域列表。
93.根据实施例1-92中任一项所述的方法,生成第一感兴趣区域列表包括至少以下其中之一:从用户界面接收用于至少部分地基于与用户界面的第一交互来生成第一感兴趣区域列表的第一指令,其中,第一交互对应于切换用户界面中的多状态选择器,以在过滤视图中针对一组过滤的感兴趣区域中或多个腔室或多个感兴趣区域中的选定感兴趣区域设置选定状态;在过滤视图中呈现列表生成开关,其中,所述列表生成开关在被调用时用于生成第一感兴趣区域列表以包括通过至少来自该组过滤的感兴趣区域或多个腔室或多个感兴趣区域的第一交互选择的一个或多个第一选择的感兴趣区域;或者响应于与列表生成开关的交互而针对一个或多个第一所选感兴趣区域的第一感兴趣区域列表。
94.根据实施例1-61中任一项所述的方法,呈现过滤器视图还包括:在列表生成模块处生成第二感兴趣区域列表;以及至少部分地基于一个或多个过滤器在过滤器视图中的图形图中呈现多个呈现的感兴趣区域,其中,图形图示出了多个呈现的感兴趣区域的一个或多个性质相对于一个或多个过滤器如何分布。
95.根据实施例1-94中任一项所述的方法,呈现过滤器视图还包括括:至少部分地基于来自用户界面的第二交互来接收第二指令,其中,第二交互包括从多个呈现的感兴趣区域中选择具有用户定义的曲线或直线边界的感兴趣区域的子集,所述用户定义的曲线或直线边界包围在用户界面中显示与相关联数据相关的数据的一个或多个显示区域。
96.根据实施例1-95中任一项所述的方法,呈现过滤器视图还包括:响应于列表生成开关的激活而针对一个或多个显示区域生成第二感兴趣区域列表。
97.根据实施例1-96中任一项所述的方法,其中,至少部分地基于一个或多个选择标准来确定过滤器视图中的用户定义的曲线或直线边界,所述一个或多个选择标准包括多个呈现的感兴趣区域中的一个或多个感兴趣区域的一个或多个特性,并且至少部分地基于多个呈现的感兴趣区域的第一性质而在过滤器视图中以具有多种颜色或均匀颜色方案的热图来显示多个呈现的感兴趣区域。
98.根据实施例1-97中任一项所述的方法,呈现过滤器视图还包括:响应于指向装置的光标悬停在过滤器视图中的感兴趣区域处或其周围,触发弹出显示区域的生成以显示关于感兴趣区域的信息,其中,所述信息可由用户至少部分地基于对感兴趣区域的一个或多个特性的选择来配置。
99.根据实施例1-98中任一项所述的方法,呈现过滤器视图还包括:至少通过将一个或多个节点添加到用户定义的曲线或直线边界并且通过至少部分地基于所述一个或多个节点修改所述用户定义的曲线或直线边界,来修改所述用户定义的曲线或直线边界。
100.根据实施例1-99中任一项所述的方法,还包括生成生物信息学管线视图,生成所述生物信息学管线视图包括:确定微流体装置的多个腔室或多个感兴趣区域中的生物样本的测序数据集,其中,生物样本包括核苷酸或氨基酸的序列。
101.根据实施例1-100中任一项所述的方法,生成生物信息学管线视图还包括:在用户界面中接收测序数据集;以及,在用户界面中识别与核苷酸或氨基酸的序列相关的特性。
102.根据实施例1-101中任一项所述的方法,生成生物信息学管线视图还包括:响应于与用户界面中的第一测序视图窗口部件的第一交互,在生物信息学管线视图中呈现第一测序视图,所述第一测序视图示出了第一生物样本的序列的属性的分布,所述第一生物样本的序列包括微流体装置的多个腔室或多个感兴趣区域中的核苷酸序列、氨基酸序列或大分子序列中的至少一个。
103.根据实施例1-102中任一项所述的方法,生成生物信息学管线视图还包括:用第一信息覆盖所述第一测序视图,第一信息包括第一生物样本的多个序列的属性的分布的一个或多个统计度量,其中,用户界面包括第一生物样本的多个序列的总数、具有第一生物样本的序列的感兴趣区域的总数、以及感兴趣区域阵列的各自感兴趣区域中的第一生物样本的一个或多个序列的各自总数。
104.根据实施例1-103中任一项所述的方法,生成生物信息学管线视图还包括:响应于第一测序视图中的分布的一部分上的第二交互,用第二信息覆盖第一测序视图,所述第二信息包括相对于第一测序视图中的分布的该部分与第一生物样本的多个序列中的一个或多个序列相关的一个或多个可量化量度。
105.根据实施例1-104中任一项所述的方法,还包括:接收与所述用户界面的生物信息学管线视图中的第一曲线或直线选择窗口部件的第二交互,所述第二交互触发第一指令以至少部分地基于第二交互的程度而消除生物信息学管线视图中的第一测序视图的一部分。
106.根据实施例1-105中任一项所述的方法,还包括:响应于与用户界面中的第二测序视图窗口部件的第三交互,在生物信息学管线视图中呈现第二测序视图,所述第二测序视图示出了多个腔室或多个感兴趣区域中的核苷酸或氨基酸序列的特性的第二分布。
107.根据实施例1-106中任一项所述的方法,其中,第二分布包括多个腔室或多个感兴趣区域中的多个生物样本响应于荧光染料的各自强度,并且所述各自强度与可由用户定制的各自色调相关联。
108.根据实施例1-107中任一项所述的方法,还包括:接收与生物信息学管线视图中的曲线或直线选择窗口部件或不同的曲线或直线选择窗口部件的第四交互,第三交互第二指令,以至少部分地基于第四交互的程度从生物信息学管线视图中的第二测序视图中选择一个或多个感兴趣区域。
109.根据实施例1-108中任一项所述的方法,还包括:从用户界面接收用于生成第一感兴趣区域列表的第五指令。
110.根据实施例1-109中任一项所述的方法,接收用于生成第一感兴趣区域列表的第五指令包括:至少部分地基于生物信息学管线视图中的曲线或直线选择窗口部件或不同的曲线或直线选择窗口部件,生成从第二测序视图中选择的一个或多个感兴趣区域的第一感兴趣区域列表。
111.根据实施例1-110中任一项所述的方法,接收用于生成第一感兴趣区域列表的第五指令包括:响应于包括选自第二测序视图的一个或多个感兴趣区域的第一感兴趣区域列表的生成,触发第六指令,所述第六指令调用用于将第二数据序列呈现到图库结构或单独的图库结构中的多个图库字段中的操作。
112.根据实施例1-111中任一项所述的方法,接收用于生成第一感兴趣区域列表的第五指令还包括:确定用于在用户界面中显示的多个图库字段中的各自图库字段的动态宽度或不同的动态宽度。
113.根据实施例1-112中任一项所述的方法,接收用于生成第一感兴趣区域列表的第五指令还包括:呈现具有从第二测序视图中选择的一个或多个感兴趣区域中的各自感兴趣区域的对应显示性质的各自交互物体。
114.根据实施例1-113中任一项所述的方法,该组动作还包括:在用户界面中呈现包括至少一个视图的多向放置窗口部件;以及,至少部分地基于来自用户的第一输入来识别用于将单独物体添加到用户界面中的添加指令。
115.根据实施例1-114中任一项所述的方法,该组动作还包括:至少部分地基于第一输入从单独物体的多个候选放置位置确定候选放置位置。
116.根据实施例1-115中任一项所述的方法,该组动作还包括:在用户界面中的候选位置处呈现重影物体,以在将单独物体放置在用户界面中之前图形地呈现单独物体相对于至少一个视图待被放置的位置。
117.根据实施例1-116中任一项所述的方法,还包括:在从用户输入装置单独输入时,将单独物体移(snapping)至候选放置位置。
118.根据实施例1-117中任一项所述的方法,其中,多方向放置窗口部件在至少两个正交方向上提供用于将单独物体放置在用户界面中的多个候选放置位置,并且在将单独物体放置在用户界面中之后,单独物体的一个或多个边界是可单独调节的。
119.根据实施例1-118中任一项所述的方法,其中,第一输入包括与用户输入装置的光标相对于在用户界面中呈现的多方向放置窗口部件的相对位置相关的信息,或者至少通过调整至少一个视图的大小以适应单独物体在用户界面中的候选放置位置处的放置,来在用户界面中以非重叠方式呈现至少一个视图和单独物体两者。
120.根据实施例1-119中任一项所述的方法,其中,微流体装置中的多个腔室中的每个腔室包括唯一标识符。
121.根据实施例1-120中任一项所述的方法,其中,多个特性对应于一个或多个属性,所述一个或多个属性还包括以下中的至少一个:微流体装置中的感兴趣区域的标识符、多个生物样本的大小属性、多个生物样本的最大亮度属性、多个生物样本的最小亮度属性、生物样本的质心在第一方向上的第一像素计数属性、生物样本的质心在第二方向上的第二像素计数属性、生物样本的质心的大小属性、延时索引属性、微流体装置的装置标识符、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性、多个感兴趣区域的分数属性、门路径索引、区域像素属性、背景像素属性或多个生物样本的中位数亮度属性。
122.根据实施例1-121中任一项所述的方法,还包括在第一时间点确定微流体装置中的感兴趣区域中的生物样本的第一计数。
123.根据实施例1-122中任一项所述的方法,在第一时间点确定生物样本的第一计数包括:接收在第一时间点针对微流体装置中的感兴趣区域捕获的第一图像数据。
124.根据实施例1-123中任一项所述的方法,还包括:至少通过将第一图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列,来将第一图像数据预处理成第一预处理图像数据。
125.根据实施例1-124中任一项所述的方法,还包括:至少通过利用具有多个处理块的卷积神经网络(CNN)识别生物样本,来确定感兴趣区域中的生物样本的第一计数。
126.根据实施例1-125中任一项所述的方法,还包括:至少通过利用至少一个机器学习模型将第一图像数据或第一预处理图像数据分类为第一类别或类型来确定第一图像数据的第一类别或类型。
127.根据实施例1-126中任一项所述的方法,还包括:使用卷积神经网络(CNN)至少部分地基于第一类或类型来确定感兴趣区域中的生物样本的第一计数。
128.根据实施例1-127中任一项所述的方法,还包括:在图形用户界面(GUI)的图库视图中显示与感兴趣区域的第一计数相关的文本或图形信息。
129.根据实施例1-125中任一项所述的方法,其中,多个处理块包括:第一处理块、第二处理块和第三处理块,所述第一处理块包括将到第二下采样块的第一输入下采样为第一下采样图像数据的第一下采样块。
130.根据实施例1-129中任一项所述的方法,其中,第一处理块还包括:第一残差网络,其中,所述第一残差网络在第一下采样块之后,其中,第一处理块中的第一下采样块和第一残差网络中的每一个都包括至少一个第一卷积层。
131.根据实施例1-130中任一项所述的方法,其中,第一残差网络包括第一并行路径和第二并行路径,所述第一并行路径和所述第二并行路径两者都从第一下采样块接收第一下采样块输出,第一并行路径包括第一过滤器大小,并且第二并行路径包括小于第一并行路径的第一过滤器大小的第二过滤器大小。
132.根据实施例1-130中任一项所述的方法,其中,多个处理块还包括第四处理块,所述第四处理块还包括:多个转置卷积层,所述多个转置卷积层中的每个转置卷积层之后是各自的归一化层。
133.根据实施例1-132中任一项所述的方法,其中,多个转置卷积层中的转置卷积层具有与第一处理块中的至少一个第一卷积层或第二处理块中的至少一个第二卷积层相同的步幅数。
134.根据实施例1-125中任一项所述的方法,其中,卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得卷积神经网络中没有卷积层具有一乘一的过滤器。
135.根据实施例1-125中任一项所述的方法,其中,卷积神经网络不包括池化层。
136.根据实施例1-135中任一项所述的方法,还包括:在差异基因表达模块处,在第一时间点或时间段接收与微流体装置中的多个感兴趣区域中的生物样本相关的第一数据集。
137.根据实施例1-136中任一项所述的方法,还包括:在差异基因表达模块处,在第二时间点或时间段接收与多个感兴趣区域中的生物样本相关的第二数据集。
138.根据实施例1-137中任一项所述的方法,还包括:确定生物样本的第一数据集的第一感兴趣区域列表;以及确定生物样本的第二数据集的第二区域列表。
139.根据实施例1-137中任一项的方法,还包括:在第一时间点或时间段与第二时间点或时间段之间确定与第一可量化度量的变化相关的至少一个统计量度。
140.根据实施例1-139中任一项的方法,其中,至少一个统计量度包括倍数变化,并且所述变化包括在第一时间点或时间段的第一可量化度量与在第二时间点或时间段的第一可量化度量之间的第一比率。
141.根据实施例1-139中任一项所述的方法,其中,至少一个统计量度包括在第一时间点或时间段的第一可量化度量与在第二时间点或时间段的第一可量化度量之间的第二比率的对数。
142.根据实施例1-139中任一项所述的方法,还包括:从与倍数变化滑块窗口部件的第一用户交互接收第一可配置约束值,其中,第一可配置约束值抑制与生物样本相关的第一数据,所述第一数据表现出低于第一可配置约束值的第一可量化度量的变化。
143.根据实施例1-142中任一项所述的方法,还包括:至少部分地基于第一用户交互来动态地过滤第一数据集和第二数据集的至少一部分。
144.根据实施例1-142中任一项所述的方法,还包括:至少部分地基于第一可配置约束值在来自第一数据集和第二数据集的差异基因表达视图中显示第一差异基因表达数据,其中,表现出低于第一可配置约束值的变化的、与第一数据集和第二数据集相关的第一数据在差异基因表达视图中被抑制。
145.根据实施例1-144中任一项所述的方法,还包括利用一组配置窗口部件针对与微流体装置中的生物样本相关的第一数据集配置生物信息学管线视图。
146.根据实施例1-145中任一项所述的方法,其中,多个配置窗口部件包括降维窗口部件、聚类窗口部件、坐标配置窗口部件、色标配置窗口部件、多个色标配置窗口部件、散点图配置窗口部件、感兴趣区域列表操纵模块或动态过滤滑块窗口部件中的至少一个。
147.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与降维窗口部件的第一交互接收生物样本的第一数据集的主成分分析(PCA)组件的数量。
148.根据实施例1-147中任一项所述的方法,配置生物信息学管线视图包括:至少部分地基于主成分分析组件的数量来降低与生物样本相关的第一数据集的维度。
149.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与聚类窗口部件的第二次交互接收生物样本的第一数据集的 Louvain聚类参数值。
150.根据实施例1-149中任一项所述的方法,配置生物信息学管线视图包括:至少通过至少部分地基于Louvain聚类参数值处理第一数据集,来将生物样本的至少一部分聚类成一个或多个聚类。
151.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与坐标配置窗口部件的第三交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的坐标系,其中,第三交互从包括统一流形逼近与投影(UMAP)或主成分分析(PCA)的多个选项中选择坐标系。
153.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与色标配置窗口部件的第四交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的色标,其中,第四交互从包括线性色标或对数色标的多个选项中选择色标。
154.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与多个色标配置窗口部件的第五交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的色标数量,其中,第五交互从包括单个颜色条或多个颜色条的多个选项中选择色标数量。
155.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与散点图配置窗口部件的第六交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的一个或多个散点图选项,其中,第六交互从多个散点图选项中选择一个或多个散点图选项。
156.根据实施例1-146中任一项所述的方法,配置生物信息学管线视图包括:从与感兴趣区域列表操纵模块的第七交互确定第一数据集的一个或多个感兴趣区域列表的一个或多个选项,其中,第七交互从多个选项中选择一个或多个选项,所述多个选项包括一个或多个感兴趣区域列表的第一列表选择模式选项、第二列表选择模式选项或标识符选项。
157.根据实施例1-146中任一项的方法,配置生物信息学管线视图包括:在生物信息学管线视图中识别生物样本的第一数据集的至少一部分的图形表示。
158.根据实施例1-157中任一项所述的方法,配置生物信息学管线视图包括:动态生成与生物样本的第一数据集的至少一部分的图形表示的动态生成范围相关联的动态过滤滑块窗口部件。
159.根据实施例1-158中任一项所述的方法,配置生物信息学管线视图包括:至少部分地基于与动态过滤滑块窗口部件的动态生成范围的第八交互而从与动态过滤滑块窗口部件的第八交互确定动态值。
160.根据实施例1-159中任一项所述的方法,配置生物信息学管线视图包括:响应于至少部分地基于与动态生成范围的第八交互确定的所述动态值,动态地刷新生物样本的第一数据集的至少一部分的图形表示。
161.一种用于分析生物样本图像的方法,包括:接收在第一时间点或时间段针对微流体装置中的感兴趣区域捕获的第一图像数据;至少通过将第一图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列,来将第一图像数据预处理成第一预处理图像数据;至少通过利用至少一个机器学习模型将第一图像数据分类为第一类别或类型,来确定第一图像数据的第一类别或类型;至少通过利用具有多个处理块的卷积神经网络(CNN)识别生物样本,来至少部分地基于第一类别或类型而确定感兴趣区域中的生物样本的第一计数;以及,在图形用户界面(GUI)的图库视图中显示与感兴趣区域的第一计数相关的文本或图形信息。
162.根据实施例161所述的方法,其中,多个处理块包括第一处理块,第一处理块还包括:第一下采样块,所述第一下采样块将到第二下采样块的第一输入下采样为第一下采样图像数据;以及第一残差网络,其中,第一残差网络在第一下采样块之后,其中,第一处理块中的第一下采样块和第一残差网络中的每一个都包括至少一个第一卷积层。
163.根据实施例161-162中任一项所述的方法,其中,第一下采样块包括第一卷积核,所述第一卷积核具有第一维度和针对第一深度的第一步幅,第一维度大于一乘一,并且第一步幅大于一。
164.根据实施例161-163中任一项所述的方法,其中,第一卷积核之后是第一批量归一化层,所述第一批量归一化层之后是第一下采样块中的第一激活层。
165.根据实施例161-163中任一项所述的方法,其中,第一残差网络包括第一并行路径和第二并行路径,所述第一并行路径和所述第二并行路径两者都从第一下采样块接收第一下采样块输出,第一并行路径包括第一过滤器大小,并且第二并行路径包括小于第一并行路径的第一过滤器大小的第二过滤器大小。
166.根据实施例161-165中任一项所述的方法,其中,第一并行路径包括多个第二卷积核,所述多个第二卷积核具有至少第二维度和针对第二深度的第二步幅,第二维度低于第一维度并且大于一乘一,并且第二步幅小于第一步幅。
167.根据实施例161-166中任一项所述的方法,还包括:至少通过沿着第二并行路径利用具有第三维度和第三步幅的第三卷积核处理第一下采样块输出,来减少在处理第一图像数据时的空间信息的第一损失,其中,第三维度小于第一维度和第二维度,并且第三步幅小于第一步幅。
168.根据实施例161-167中任一项所述的方法,第一处理块还包括第一重组层,所述第一重组层之后是第二激活层,其中,所述第一重组层被可操作地耦合至第一并行路径和第二并行路径两者。
169.根据实施例161-165中任一项所述的方法,其中,多个块还包括第二处理块,所述第二处理块还包括:第二下采样块,所述第二下采样块将到第二下采样块的第二输入下采样为第二下采样图像数据;以及第二残差网络,所述第二残差网络在第二下采样块之后,其中,第二处理块中的第二下采样块和第二残差网络中的每一个都包括至少一个第二卷积层。
170.根据实施例161-169中任一项所述的方法,其中,第二下采样块包括第四卷积核,所述第四卷积核具有第四维度和针对第四深度的第四步幅,并且第四维度大于一乘一,并且第四步幅大于一。
171.根据实施例161-170中任一项所述的方法,其中,第二卷积核之后是第二批量归一化层,所述第二批量归一化层之后是第二下采样块中的第三激活层。
172.根据实施例161-170中任一项所述的方法,其中,第二残差网络包括第三并行路径和第四并行路径,所述第三并行路径和所述第四并行路径两者都从第二下采样层接收第二下采样块输出,并且第四并行路径包括小于第三并行路径的第二较大过滤器大小的第二较小过滤器大小。
173.根据实施例161-172中任一项所述的方法,其中,第三并行路径包括多个第二卷积核,所述多个第二卷积核至少具有第五维度和针对第五深度的第五步幅,第五维度低于第四维度并且大于一乘一,并且第五步幅小于第四步幅。
174.根据实施例161-173中任一项所述的方法,还包括:至少通过沿着第四并行路径利用具有第六维度和第六步幅的第六卷积核处理第二下采样块输出来减少空间信息的第二损失,其中,第六维度小于第四维度和第五维度,并且第六步幅小于第四步幅。
175.根据实施例161-174中任一项所述的方法,第二处理块还包括第二重组层,所述第二重组层之后是第四激活层,其中,第二重组层被可操作地耦合至第三并行路径和第四并行路径两者。
176.根据实施例161-174中任一项所述的方法,其中,多个块还包括第三处理块,所述第三处理块还包括:第三下采样块,所述第三下采样块将到第三下采样块的第三输入下采样为第三下采样图像数据;以及第三残差网络,所述第三残差网络在第三下采样块之后,其中,第三处理块中的第三下采样块和第二残差网络中的每一个都包括至少一个第三卷积层。
177.根据实施例161-176中任一项所述的方法,其中,第三下采样块包括第七卷积核,所述第七卷积核具有第七维度和针对第七深度的第七步幅,并且第七维度大于一乘一,并且第七步幅大于一。
178.根据实施例161-177中任一项所述的方法,其中,第七卷积核之后是第三批量归一化层,第三批量归一化层之后是第三下采样块中的第五激活层。
179.根据实施例161-177中任一项所述的方法,其中,第三残差网络包括第五并行路径和第六并行路径,所述第五并行路径和所述第六并行路径两者都从第三下采样层接收第三下采样块输出,并且第六并行路径包括小于第五并行路径的第三较大过滤器大小的第三较小过滤器大小。
180.根据实施例161-179中任一项所述的方法,其中,第五并行路径包括多个第八卷积核,所述第八卷积核至少具有第八维度和针对深度值的第八步幅,第八维度低于第七维度并且大于一乘一,并且第八步幅小于第七步幅。
181.根据实施例161-180中任一项所述的方法,还包括:至少通过沿着第六并行路径利用具有第九维度和第九步幅的第九卷积核处理第三下采样块输出来减少空间信息的第三损失,其中,第九维度小于第七维度和第八维度,并且第九步幅小于第七步幅。
182.根据实施例161-181中任一项所述的方法,第三处理块还包括第三重组层,所述第三重组层之后是第六激活层,其中,第三重组层被可操作地耦合至第五并行路径和第六并行路径两者。
183.根据实施例161-179中任一项所述的方法,其中,多个块还包括第四处理块,所述第四处理块还包括:多个转置卷积层,所述多个转置卷积层中的每一个转置卷积层之后是各自的归一化层,其中,所述多个转置卷积层中的转置卷积层具有与第一处理块中的至少一个第一卷积层或第二处理块中的至少一个第二卷积层相同的步幅数。
184.根据实施例161-183中任一项所述的方法,其中,转置卷积层的数量对应于比第一处理块和第二处理块中的卷积层的总数少至少一的值。
185.根据实施例161-184所述的方法,其中,卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得卷积神经网络中没有卷积层具有一乘一过滤器。
186.根据实施例161-185中任一项所述的方法,其中,卷积神经网络不包括池化层。
187.根据实施例161-186中任一项所述的方法,其中,将第一图像数据预处理成第一预处理图像数据包括:至少部分地基于感兴趣区域或第一图像数据的类型至少将第一图像数据缩减成第一预处理图像数据,其中,第一图像数据的类型对应于在其间捕获第一图像数据以分析生物样本的操作,并且操作包括导出操作或导入操作。
188.根据实施例161-187中任一项所述的方法,还包括:至少部分地基于生物样本的第一几何特性和感兴趣区域的第二几何特性来确定第一图像数据的像素大小。
189.根据实施例161-188中任一项所述的方法,其中,生物样本的第一几何特性包括生物样本的直径、大直径、小直径或面积,并且感兴趣区域的第二几何特性包括感兴趣区域或其一部分的宽度或长度。
190.根据实施例161-189中任一项所述的方法,确定第一图像数据的第一类别或类型包括:通过使用卷积神经网络的至少第一处理块来处理多个低级特征。
191.根据实施例161-190中任一项所述的方法,确定第一图像数据的第一类别或类型还包括:通过使用卷积神经网络的至少第三处理块来处理多个抽象特征。
192.根据实施例161-191中任一项所述的方法,确定第一图像数据的第一类别或类型还包括:确定第一类别或类型或对应于第一类别或类型的第一统计量,其中,第一统计量包括第一图像数据中的一个或多个像素表示对应生物样本特性的第一概率。
193.根据实施例1-192中任一项所述的方法,还包括:至少使用具有多个处理块的卷积神经网络(CNN)从在第二时间点或时间段捕获的感兴趣区域的第二图像数据确定生物样本的第二计数。
194.根据实施例1-193中任一项所述的方法,还包括:至少通过在图形用户界面(GUI)的图库视图中顺序地呈现第一图像数据的一部分和第二图像数据的一部分,来重放感兴趣区域的视频或图像序列。
195.根据实施例1-193中任一项所述的方法,确定生物样本的第二计数包括:接收在第一时间点针对微流体装置中的感兴趣区域捕获的第二图像数据;以及,至少通过将第二图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列来将第二图像数据预处理成第二预处理图像数据。
196.根据实施例1-195中任一项所述的方法,其中,将第二图像数据预处理成第二预处理图像数据包括:至少部分地基于感兴趣区域或第二图像数据的类型来至少将第二图像数据缩减成第二预处理图像数据,其中,第二图像数据的类型对应于在其间捕获第二图像数据以用于分析生物样本的单独操作,并且单独操作包括导出操作、导入操作、单独导出操作或单独导入操作。
197.根据实施例1-195中任一项所述的方法,确定生物样本的第二计数还包括:利用至少一个机器学习模型将第二图像数据分类为第一类别或类型;以及,至少通过利用具有多个处理块的卷积神经网络识别生物样本来至少部分地基于第一类别或类型确定感兴趣区域中在第二时间点的生物样本的第二计数。
198.根据实施例1-193中任一项所述的方法,还包括:从第一图像数据确定一个或多个第一图像,所述一个或多个第一图像包括与第一计数相关并且在时间上对应于第一时间点或时间段的第一信息;从第二图像数据确定一个或多个第二图像,所述一个或多个第二图像包括与第二计数相关并且在时间上对应于第二时间点或时间段的第二信息;以及,至少通过在图形用户界面中以时间序列动态地呈现一个或多个第一图像和一个或多个第二图像来呈现生物样本的至少一部分的时间进度。
199.一种产品,包括在其上存储指令序列的非暂时性机器可访问存储介质,当所述指令序列由处理器执行时使所述处理器执行根据实施例1-198 中任一项所述的方法。
200.一种系统,包括:处理器;用户界面,所述用户界面被耦合至所述处理器以处理多个多个分子生物学样本,所述多个分子生物学样本包括第一分子生物学装置中的第一分子生物学样本和第二分子生物学样本;非暂时性计算机可访问存储介质,其上存储指令序列,当所述指令序列由处理器执行时使所述处理器执行根据实施例1-198中任一项所述的方法。
附图说明
现在将参考仅以示例方式给出的设备和方法的示例实施例并参考附图更详细地描述本申请的发明,其中:
图1示出了在一个或多个实施例中用于利用增强的用户界面分析生物样本的过程和/或系统的框图的简化示例。
图2A示出了一个或多个实施例中的示例测定数据显示引擎。
图2B示出了在一个或多个实施例中可以在其上实现本文描述的各种计算任务的示例计算系统的示例计算节点。
图3A-图3C示出了在一个或多个实施例中可以用于本文所述的用于多个生物样本的一个或多个分析中的示例微流体装置。
图3D-图3J示出了可以用于表征感兴趣区域的微流体装置的示例结构特征。
图3K示出了根据本公开的实施例的微流体装置。
图3L示出了根据本公开的实施例的微流体装置的涂覆表面。
图3M示出了根据本公开的一些实施例的与微流体装置和相关联的控制设备一起使用的系统的具体示例。
图3N示出了根据本公开的一些实施例的成像装置。
图3O示出了计算机化系统,在一个或多个实施例中,可以在该计算机化系统上实施本文所述的用于对生物样本执行测定分析的各种过程。
图4A示出了在一个或多个实施例中示出芯片时间线视图的一部分的示例简化用户界面的一部分。
图4B示出了在一些实施例中的图13A中的数据区域1302的放大视图。
图4C示出了一个或多个实施例中的关于芯片时间线视图的更多细节。
图4D示出了一个或多个实施例中的芯片时间线视图的另一示例。
图4E示出了一个或多个实施例中的芯片时间线视图的示例。
图5A示出了在一些实施例中致动放置窗口部件以将另一物体插入到芯片时间线视图中的另一示例。
图5B示出了在一些实施例中在原始芯片时间线视图的顶部具有插入图库视图1604的芯片时间线窗口。
图5C示出了在调整插入物体的高度之后在原始芯片时间线视图的顶部具有插入图库视图的芯片时间线窗口。
图5D示出了在一个或多个实施例中可在用户界面或其一部分中显示的图库视图物体的另一示例。
图5E示出了在一些实施例中将图库视图1804添加到图4A中的原始芯片时间线窗口或视图的右侧的示例。
图5F示出了在调整插入图库视图的高度之后在原始芯片时间线视图右侧具有插入图库视图的芯片时间线窗口。
图5G示出了一个或多个实施例中的存储芯片时间线视图的原始数据的示例数据结构的示例显示。
图5H示出了在一个或多个实施例中关于图5G中所示的示例数据结构的示例显示的一部分的更多细节。
图5I示出了在一个或多个实施例中关于图5G中所示的示例数据结构的示例显示的一部分的更多细节。
图5J示出了一个或多个实施例中的存储原始数据的示例数据结构的示例分组。
图5K示出了在一个或多个实施例中通过使用多方向放置窗口部件将物体插入到芯片时间线视图或窗口中的另一示例。
图6A示出了在一个或多个实施例中致动扩展窗口部件而以物体的形式显示与每个腔室相关联的附加内容的示例。
图6B示出了在一些实施例中本文描述的生物信息学管线用户界面与一个或多个其他用户界面或视图的集成的示例。
图6C示出了在一些实施例中针对加载的生物信息学管线数据集示出的图库视图的更多细节。
图6D示出了在一个或多个实施例中用于配置示例图库视图的设置的示例图库视图上的示例弹出窗口。
图6E示出了在一些实施例中的示例图库视图中的伪着色的示例结果。
图6F示出了在一些实施例中改变示例图库视图中的一列腔室的颜色因子和一个或多个单独腔室的放大特征的示例结果。
图6G示出了在一些实施例中用于配置视图的配置窗口部件的另一示例。
图6H示出了在一些实施例中用户将图6G中的腔室的状态从“选定”状态改变为“未决定”状态的示例。
图6I示出了在一些实施例中用于添加一个或多个过滤器类型的一个或多个过滤器的过滤器构建器和应用程序模块的示例。
图7A示出了一个或多个实施例中的用于生物信息学管线引擎的示例生物信息学管线用户界面。
图7B示出了在一个或多个实施例中向用户提供配置用于生物信息学管线数据集的降维的一个或多个降维参数以及示例生物信息学管线用户界面的一些附加特征的能力的示例。
图7C示出了一个或多个实施例中的生物信息学管线数据集的示例表示。
图7D示出了在一个或多个实施例中关于图7A-图7C中所示的示例生物信息学管线用户界面的更多细节。
图7E示出了在一个或多个实施例中在本文描述的示例用户界面的一些示例动态方面。
图7F示出了在一个或多个实施例中用于选择生物信息学管线数据集的一部分的另一选择工具的示例。
图7G示出了在一个或多个实施例中在本文描述的示例用户界面中的图7F中的示例选择结果。
图7H示出了在一个或多个实施例中在本文描述的示例用户界面中来自图7G的选择结果。
图7I示出了在一个或多个实施例中在本文描述的示例用户界面中来自图7G的选择结果。
图7J示出了在一个或多个实施例中在加载的生物信息学管线数据集中的生物样本的聚类结果的一些示例散点图、交互式图或图形表示、以及用户配置在用户界面中呈现的交互式图的示例。
图7K示出了在一些实施例中可与任何图形或视图(如果适用的话) 合并以供用户选择物体的内置选择窗口部件。
图7L示出了在一些实施例中配置差异基因表达的另一示例。
图7M示出了一个或多个实施例中的示例性生物信息学管线用户界面的附加特征。
图7N示出了一个或多个实施例中生物信息学管线用户界面的差异基因表达的附加功能的示例。
图7O示出了在一些实施例中来自图7N的示例差异基因表达结果。
图7P示出了示例表型数据结果。
图7Q示出了与图7P的表型数据结果相关联的示例性差异基因表达结果。
图8A示出了在一些实施例中针对微流体装置中的多个腔室捕获的示例图像。
图8B示出了在一些实施例中在下一时间点针对与在图8A中所示的先前时间点捕获的那些相同的多个腔室捕获的另一示例图像。
图8C示出了在一些实施例中在下一个时间点为与在图8A-图8B中的先前时间点捕获的那些相同的多个腔室捕获的另一示例图像。
图8D示出了一个或多个实施例中的紧接在识别微物体并将所识别的微物体分配给腔室之后的微流体回路(microfluidic circuit)的通道内的微物体。
图8E示出了在一个或多个实施例中在稍后时间点的图8D中的相同微物体,其中光笼(light cages)已经沿着其选定的轨迹移动。
图8F示出了在一个或多个实施例中在第三时间点的相同细胞,其中光笼已经几乎完全沿着其选定的轨迹移动以将细胞定位在隔离腔室中。
图9A示出了在一个或多个实施例中使用具有多个腔室的微流体装置分析生物样本的方法和/或系统的高级流程图。
图10A示出了在一个或多个实施例中用于利用增强的用户界面分析生物样本的过程和/或系统的框图的简化示例。
图10B-图10C示出了一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10D-图10E示出了一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10F示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10G-1、图10G-2、图10G-3和图10G-4示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10H-1和图10H-2示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10H-3示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10I示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10J示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图10K-1和图10K-2示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。
图11A-1示出了在一个或多个实施例中使用具有多个腔室的微流体装置分析生物样本的方法和/或系统的另一高级流程图。
图11A-2示出了在一个或多个实施例中关于图11A-1中所示的高级流程图的一部分的更多细节。
图11B-1和图11B-2示出了在一个或多个实施例中关于图11A-1中所示的高级流程图的一部分的更多细节。
图12A-图12F示出了根据一个或多个实施例的一些示例微物体分离示例。
图13A示出了根据一个或多个实施例的卷积神经网络的简化示意图。
图14A-图14C示出了根据一个或多个实施例的残差网络、下采样块和上采样块的示意图。
图14D-图14G示出了关于一个或多个实施例中的卷积神经网络的更多细节。
图15示出了根据一个或多个实施例的用于自动检测图像中的微物体的方法的简化示例流程图。
图16示出了根据一个或多个实施例的用于自动检测图像中的微物体的简化示例系统。
图17示出了用于执行全局平均池化的示例过程,以及可以通过本文公开的任何一种方法确定计数的微流体装置的示例区域。
图18示出了可以通过本文公开的任何一个过程确定计数的微流体装置的一些示例区域。
图19示出了根据一个或多个实施例的神经网络的示意图。
图20示出了根据一个或多个实施例的处理块的示意图。
图21示出了根据一个或多个实施例的最终处理块的示意图。
图22A示出了在一个或多个实施例中用于在微流体装置中以编程方式分析生物样本的过程或系统的简化高级框图。
图22B-图22F示出了在一个或多个实施例中关于图22A所示的高级框图的更多细节。
具体实施方式
在以下描述中,阐述了某些具体细节以便提供对各种公开的实施例的透彻理解。然而,相关领域的技术人员将认识到,可以在没有这些具体细节中的一个或多个的情况下,或者利用其他方法、部件、材料等来实践实施例。在其他情况下,没有详细示出或描述与计算机系统、服务器计算机和/或通信网络相关联的公知结构,以避免不必要地模糊对实施例的描述。
应当注意,除非上下文另有要求,否则在整个说明书和随后的权利要求书中,词语“包括(comprise)”及其变体(诸如“包括(comprises)”和“包括(comprising)”)应被解释为开放的、包含性的含义,即,“包括但不限于”。
还应当注意,贯穿本说明书参考“一个实施例”或“实施例”意味着结合该实施例描述的特定特征、结构或特性被包括在至少一个实施例中。因此,贯穿本说明书在各个地方出现的短语“在一个实施例中”或“在一实施例中”不一定都指代相同的实施例。此外,特定特征、结构或特性可以在一个或多个实施例中以任何合适的方式进行组合。此外,除非内容另有明确规定,如在本说明书和所附权利要求书中所使用的,单数形式“一”、“一个”和“该”包括复数指示物。还应注意,除非内容另有明确规定,否则术语“或”通常以其包括“和/或”的含义使用。
在一个或多个实施例中,公开了用于对生物样本执行处理的方法、系统和产品。一些实施例涉及用于对生物样本执行测定分析或测序分析的方法。在这些实施例中,用户界面被识别并耦合到系统(例如,测定分析仪、通用计算机、专用计算机等)的处理器,用于处理从多个生物样本捕获的输入的一个或多个属性和/或多个生物样本的特征。一些实施例涉及一种用于在具有多个腔室的微流体装置中对感兴趣区域中的生物样本进行自动计数的方法。本文还描述了一种用于执行任何实施例中的任何上述方法的系统。还描述了一种用于在其上存储指令序列的非暂时性计算机可读介质,当所述指令序列由处理器或处理器核执行时使处理器或处理器核执行任何实施例中的任何上述方法。
这些输入包括针对多个生物样本捕获并且在一组时间点或时间段获得的一组图像。多个生物样本包括第一生物样本和第二生物样本,并且生物样本可以包括微物体、细胞、组织、蛋白质、基因、病毒或细胞内分子,诸如DNA(脱氧核糖核酸)、RNA(核糖核酸)等。应当注意,除非另有明确说明,用诸如“排除”、“不包括”等排除性词语明确地相反地描述,否则术语“生物样本”和“微物体”可以互换使用,指代“生物样本”的任何上述示例。对于位于微流体装置、微流体装置、或微流体设备、纳米流体装置、纳米流体装置或纳米流体设备(在下文中,统称为“微流体装置”) 中的感兴趣区域(例如,腔室阵列的单一腔室的至少一部分,在腔室与流动通道之间的界面处或附近,腔室和流动通道的一部分(例如,紧邻腔室上方和/或紧邻腔室的部分)等)中的样本,捕获或以其他方式收集输入。应当注意,术语“微流体装置”也可以被称为“微流体芯片”或简称为“芯片”,因此这些术语在本公开中可以互换使用。如本文所使用的,生物样本的分析的输出可以包括一组图像、一个或多个图像序列或与其相关的任何数据,包括例如从该组图像或一个或多个图像序列中取得的数据。
微流体装置中的感兴趣区域可以包括从微流体装置的离散区域获取的单个图像或图像序列。在一些实施例中,可以按顺序呈现和显示感兴趣区域,或者在一些其他实施例中,可以不按特定顺序呈现和显示感兴趣区域。在以特定顺序呈现感兴趣区域的实施例中,可以通过感兴趣区域的一个或多个特征来确定顺序,其中,根据一个或多个特性或特征对一组或多个感兴趣区域中的感兴趣区域进行分类。在一些实施例中,感兴趣区域可以存储在感兴趣区域列表或数据结构中。在这些实施例中的一些实施例中,感兴趣区域列表可以包括从例如用户对列表中的感兴趣区域的至少一部分的评论生成的一个或多个列表。例如,用户可以使用过滤器构建器和应用模块来应用一个或多个一维或多维过滤器以识别一组感兴趣区域。
作为另一示例,用户可以使用例如图库视图、生物信息学管线视图或者一个或多个图形来定制选择包括一个或多个感兴趣区域的感兴趣区域列表。上述一组感兴趣区域、定制腔室列表等也可以附加到现有的感兴趣区域列表或存储在新的感兴趣区域列表中。上述示例示出了用户创建的感兴趣区域列表。在一些实施例中,还可以针对在用户界面中(例如,在图库视图中)显示或可显示的一个或多个感兴趣区域自动生成感兴趣区域列表。在一些实施例中,其信息存储在感兴趣区域列表中的感兴趣区域可以从一个或多个来源取得,诸如但不限于一个或多个微流体装置、从一个或多个图像捕获装置或传感器获得的一个或多个视场图像等。
微流体装置(其也可以称为芯片实验室、芯片、基因芯片、DNA芯片等)可以包括操纵(例如,通过使用有源和/或无源部件和/或微部件,例如微泵、微阀等)非常少量的流体(例如,在任何给定时间在微流体装置的回路内小于1ml)或若干流体、试剂、可溶性荧光报告物等的仪器,用于在微芯片的感兴趣区域中表现出局部可测量的效应,该微芯片被配置为对一个或多个生物样本(包括超过100个、500个、1,000个、5,000个、7,000个、 9,000个、11,000个或更多个生物样本的生物样本阵列)执行一个或多个小型化过程或测试(例如,多路复用、自动化、高通量筛选、分析、测定等)。在微流体装置上执行的操作可以被配置为响应于控制和操纵流体或若干流体而观察一个或多个感兴趣区域的一个或多个特征/特性的变化,其中这种流体被约束到小尺度(例如,亚毫米尺度、微米尺度、纳米尺度等)以用于表征生物样本的目的。流体的操纵可以包括停止流动、开始流动、导入微物体、将微物体加载到微流体装置的区域中、隔离微物体、在微流体装置中的特定目标周围测量微流体装置的区域中的荧光变化(例如,强度、强度随时间的累积或耗尽、波长特定强度、不同波长下的相对强度等)、测量形状或尺寸的变化、增加微物体密度等。
感兴趣区域(ROI)包括可以从微流体装置的区域取得的一组数据,其可以随时间监测一个或多个变化(例如,荧光的变化、移动的变化、流动的变化、指示生物样本已经移入或移出感兴趣区域的变化等)。在一些实施例中,感兴趣区域可以是基于目标的,其中,感兴趣区域由感兴趣区域的一个或多个特征识别、分类、分选或以其他方式确定。在其他实施例中,感兴趣区域可以是基于结构的(例如,基于微流体回路结构)。本文提及的感兴趣区域可以是任一类别(例如,基于目标或基于结构)。此外,除非另有具体地,术语“感兴趣区域”、“腔室”和“坞(pen)”可以互换使用以在整个说明书中指代上述基于结构的“感兴趣区域”,除非使用排除性词语(诸如“排除”、“不包括”等)明确描述相反内容,以限制坞或腔室的含义。应当注意,感兴趣区域可以包括基于结构的感兴趣区域、基于目标的感兴趣区域或基于结构的感兴趣区域和基于目标的感兴趣区域两者的组合。
在前一种基于目标的类别中,感兴趣区域可以包括至少部分地基于目标或目标的特征定义的二维(2D)(例如,2D图像中的区域)或三维(3D) 区域。目标的一些示例可以包括但不限于生物样本或一个或多个微物体、其特征、属性、性质和/或特性、与可量化度量相关的特征、属性、性质和 /或特性,所述可量化度量与感兴趣区域的特性有关和/或从通过例如生物信息学管线、测定分析等收集或取得的分析数据中监测或取得。可以至少部分地基于一个或多个标准来确定这些实施例中提及的微物体或生物样本。例如,这些一个或多个标准可以包括至少部分地基于下面更详细描述的一个或多个属性(例如,选择用于处理下面描述的生物样本的多个属性) 制定的任何关系、约束、要求、限制等。一个或多个属性的一些示例可以包括区域(例如,形成区域的像素的数目)、区域的微米(例如,平方微米或微米尺寸)、背景区域、背景区域的像素的数目、背景区域的微米(例如,平方微米或微米尺寸)、以微米为单位的质心(例如,x质心、y质心、质心坐标、以平方微米为单位的质心面积等)、以像素为单位的质心(例如,x质心、y质心、质心坐标、质心面积)、样本的圆度、以微米为单位的样本的直径、最大亮度、中位数亮度、最大背景亮度、平均背景亮度、样本的周长微米或目标索引(例如,与特定目标相关联的唯一识别符或标记) 等。因此,基于目标的感兴趣区域可以包括单个微物体(例如,细胞),并且包括针对该微物体评估的数据,并且跨时间线或所选工作流程与微物体相关联。此外,可以定义多个基于目标的感兴趣区域,每个感兴趣区域包括单个微物体并且包括所描述的数据,其中感兴趣区域分布在整个微流体装置中。
在后者实施例中,基于结构的感兴趣区域(例如,基于微流体回路结构的感兴趣区域)可以包括微流体回路或装置的2D或3D区域或其一部分。例如,基于结构的感兴趣区域可以包括但不限于一个或多个腔室、坞、隔离区域等(对于单个参考也可以分别称为腔室、坞、隔离区域,或者对于多个参考也可以称为多个腔室、坞、隔离区域等)、微流体装置中的流动通道 (和/或其特征)、微流体回路或装置中的腔室与流动通道之间的界面、腔室的一部分、流动通道和/或界面、微流体回路或装置中或与微流体回路或装置相关的任何区域、或其任何组合。腔室可以被称为隔离腔室,因为在一些实施例中,微流体装置中的腔室有效地、物理地隔离或选择性地隔离生物样本与腔室外部的流动和/或腔室外部的一个或多个其他生物样本。
在一些实施例中,感兴趣区域(基于目标和/或基于结构的感兴趣区域) 可以包括微流体装置的任何部分或与微流体装置相关的任何部分,并且可以至少部分地基于例如微流体装置或其一部分的特性来动态地、自动地确定(例如,在下面更详细地描述的图库的生成期间的运行时)。上述特性的一些示例可以包括但不限于微流体装置或其一部分的形状或边界。在一些实施例中,可以至少部分地基于工作流程或其一部分(例如,工作流程中的步骤)来动态地、自动地确定感兴趣区域。因此,可以响应于由此确定的感兴趣区域而自动生成相关数据。
在一示例中,基本图像捕获微流体装置的多个室,可以在导出过程 (exportprocess)的一个或多个时间点从基本图像生成感兴趣区域的图库视图。在一些实施例中,可以将由单一图像捕获装置(例如,单一图像传感器、单一相机等)在一个时间点(同时适应曝光时间量)捕获的包括多个感兴趣区域的基本图像裁剪成基本图像中和/或跨微流体装置的基本图像的多个感兴趣区域中的每一个感兴趣区域的单独图像或图像序列。在进一步的实施例中,具有每个图像序列的感兴趣区域阵列的编译图像序列可以从在特定时间点拍摄的基本图像阵列中取得或从特定时间点的图像堆叠中选择。可以根据基于芯片时间线视图的时间点来确定或显示包括在图像序列中的特定时间点,其中在微流体装置上执行的阶段或操作被示出为时间线上的块(可选地,颜色编码的)。
例如,用于导出过程的感兴趣区域可以被确定以包括在一个时间点的单个腔室(或其一部分)的图像。响应于这样的确定,系统可以自动识别基本图像中的腔室并裁剪基本图像,使得单独腔室保留在从腔室的基本图像裁剪的图像中。作为另一个示例,另一个感兴趣区域可以被确定以包括单独腔室(或其一部分)的图像加上在后续时间点单独腔室与流动通道之间的界面。响应于这样的确定,系统可以自动识别基本图像中的腔室和流动通道并裁剪基本图像,使得单独腔室(或可选地具有流动通道的一部分的单独腔室)保留在来自腔室的基本图像的裁剪图像中。在一些实施例中,可以跨基本图像执行裁剪,使得所有得到的感兴趣区域包括可以被比较的特征或特性。除非另有明确说明,否则术语“腔室”、“坞”和“腔室”在整个说明书中可互换使用。
可以基于“特性”和“特征”来确定感兴趣区域(例如,基于特性和特征将基本图像分裂成感兴趣区域),其中基本图像是从在芯片时间线 1304b中图形表示的块期间获取的图像中取得的。另外,“感兴趣区域”的“特性”和“特征”可以用于对感兴趣区域进行分类(例如,“特性”或“特征”可以在表示感兴趣区域的图像序列中被捕获,和/或出于在例如图库视图1804中显示感兴趣区域的目的而被量化)。
作为另一个示例,第三感兴趣区域可以被确定以在稍后时间点包括流动通道(可选地,包括单独腔室与流动通道之间的界面)的图像。响应于这样的确定,系统可以自动识别基本图像中的流动通道(以及可选地,流动通道与腔室的界面)并且裁剪基本图像,使得流动通道(以及可选地,流动通道与腔室的界面)保留在来自腔室的基本图像的裁剪图像中。在这些示例中,单独图像的这些确定和生成中的一些或全部可以由系统自动进行,并且在例如具有上述单独图像的图库视图中呈现,以示出与腔室中的生物样本相关的导出过程的基于时间的发展。
在一些实施例中,本文提及的工作流程可以包括在微流体装置中或微流体装置上的一个或多个生物样本上曾经、正在或将要执行的步骤和/或操作的集合或系列。在一些实施例中,工作流程的执行可以包括例如但不限于针对一个或多个生物样本的一个或多个生物信息学管线、一个或多个测定等。
工作流程可以包括例如在所述微流体装置限定的时间进程内在微流体装置上执行、可选地被执行以生成预期结果和/或以过滤、评估或监测ROI (感兴趣区域)或多个ROI的一系列动作或方法。例如,在将与工作流程相关的导入数据导入系统中之前,可能已经对微流体装置中或微流体装置上的一个或多个生物样本执行了工作流程。如本文所描述的,系统可以被配置为接收数据并采用和应用各种技术(例如,过滤、裁剪、显示、比较、选择、排序等),以表征数据并以可用格式将其呈现给用户,其中可用格式可以取决于所获得的数据的特征/特性,包括从微流体装置(例如,基于目标或基于结构)获得的图像的一个或多个特征或特性的变化和/或在微流体装置上执行特定操作的时间(例如,根据芯片时间线获得的图像,该芯片时间线表示操作的时间过程)的变化(例如,以下变化:条件;流速;微物体的导入/导出;将小分子灌入或灌出微流体装置的特定区域;涉及使用试剂和/或非明场成像的任何操作;测定或其一部分;带培养的延时成像;细胞装载;珠装载;细胞卸载等)。
工作流程的输出可以提供时间的内容和/或时间快照与可在例如下面描述的芯片时间线视图、图库视图等中呈现和/或显示的输出的相关性。在一些实施例中,工作流程的输出和/或从其导出的任何其他数据或信息(例如,分析、计算生物学结果等)可以作为一个或多个文件(例如,逗号分隔值或csv文件、表、数据库、关系数据库表或任何合适的数据结构等)存储在一个或多个文件夹或目录中。在一些实施例中,工作流程执行单元可以与本文描述的用于执行各种分析函数(functions)的一个或多个模块或系统分离(例如,在单独的测定执行系统中,诸如对与测定、生物信息学等相关的各种仪器进行控制的细胞分析套件或CAS)。在一些其他实施例中,工作流程执行单元可以与本文描述的一个或多个模块或系统集成,或者甚至可以形成单个系统(例如,用于既执行工作流程又执行分析的分析器)。
在一些其他实施例中,在系统收集各种数据并对所收集的数据执行各种分析或计算函数时,可以同时执行工作流程以生成各种数据件。即,本文描述的系统可以在收集输出数据时实时或基本上实时地执行工作流程收集和对来自工作流程的结果数据的分析两者。基本上实时地,应当注意,一旦收集到的输出被生成和收集,本文描述的系统就可以对工作流程阶段的收集到的输出执行分析函数,同时可以考虑用于收集该输出(例如,捕获图像,将图像数据传输到易失性或非易失性存储介质进行存储)的时间和执行分析函数以生成分析输出(例如,调用分析函数、执行分析函数、生成分析输出、传输分析输出以供存储和在显示器上显示分析输出等)的时间以免由于现代计算装置上这些处理任务的权宜之计而被忽视以满足“近乎实时”的标准。如本文所使用的,工作流程阶段可以包括一个或多个工作流程任务。
工作流程包括工作流程阶段和对应的工作流程任务,其中,每个工作流程任务是出于获得结果的目的而在微流体装置上执行的活动。在本上下文中,该结果可以包括以下中的一个或多个:包括图像的数据集、图像的分析量化特征、产物(例如基因产物或序列)、在微流体装置中分析的样本的分数/分级或分级,或从在微流体装置上运行的测定或工作流程合理预期的或从在微流体装置上运行的样本的产物(例如,蛋白质或核酸序列等)获得的任何其他输出。示例性工作流程任务可以包括与测定、监测、扰动、观察或以其他方式询问设置在微流体装置内的微物体(生物或其他)相关的任何活动。示例性工作流程任务包括但不限于:导入、培养、测定、灌注、操纵和导出。导入可以包括使包括一个或多个微物体的溶液流入。培养可以包括出于扩增微物体(例如,细胞)群的目的而调整、调节、维持或以其他方式控制或优化装置的不连续流体区域中的流动、温度、光、溶解组分 (例如,氧气、糖等)或未溶解组分的浓度的条件。测定可以包括执行操作,该操作包括但不限于暴露(例如,释放、解开、溶解、灌注等)组分(试剂、小分子、大分子等),所述组分被配置为从微物体(例如,一微物体) 引发可测量的响应。灌注可以包括例如经由在入口处注射或在出口处抽吸而使溶液流入,其中溶液包括液体,例如包括一种或多种组分(例如,表面活性剂、离子、试剂、染料等)的介质。操纵可以包括在微流体装置内的一个或多个位置处移动、重新定位(例如,围栏(penning)或取消围栏 (unpenning))或以其他方式调整一个或多个微物体的空间放置。导出可以包括将微物体从微流体装置内部移位到微流体装置的区域中并使溶液流过微流体装置,使得移位的微物体流过并流出微流体装置。
如前所述,可以在与时间戳或与对应于工作流程的时间序列相关联的工作流程的一个或多个离散或连续时间段处获得图像序列。可以从在工作流程期间执行的一个或多个工作流程任务中进一步获得或选择图像序列。在本文公开的实施例中,可以在时间线视图中显示图像序列,并且本文公开的发明提供了用于选择表示工作流程和/或工作流程任务的时间线的部分并生成显示时间线的对应所选部分的图像序列的替代视图(例如,图库视图)的可调用装置。此外,视图(例如,图库视图等)可以被配置为进一步组织和显示图像序列,同时保留和显示与工作流程相关的内容信息(例如,在工作流程期间拍摄的时间戳和在获得所选图像序列时执行的工作流程任务)。
如前所述,工作流程或工作流程阶段可以包括跨时间跨度执行的一系列工作流程任务。在微流体装置上执行的示例性一系列工作流程任务包括以下连续或不连续的一系列任务:{导入、培养、测定、培养、测定、培养、测定、导出等},其中,图像序列在整个工作流程中、在一个或多个工作流程任务中、或作为一个或多个工作流程任务的一部分被连续或不连续地获取。可以以给定的图像捕获速率或以不同的图像捕获速率获得图像序列中的图像。图像序列可以包括代表性图像(例如,平均的、选择的或下采样的图像,其中代表性图像的子集或原始图像序列在离散时间点处或在工作流程的定义子集处获取)。
可以在时间线视图中呈现在跨工作流程、工作流程阶段和/或工作流程任务的连续或不连续片段处获取的图像序列。时间线视图可以显示工作流程(例如,整个工作流程或工作流程的任何子集,例如工作流程的时间上连续的子集或工作流程的时间上不连续的子集),其中工作流程阶段和/或工作流程任务被显示为例如在时间线视图中跨时间绘制的块、图形表示或图形元素。应当注意,对术语“块”的引用可以或可以不一定意味着工作流程在用户界面中被表示为固体形状(诸如矩形形状)的有序集合。相反,工作流程可以以任何合适的图形表示来表示。此外,在整个描述中,术语“块”、“图形表示”和“图形元素”可以互换使用以指代工作流程任务或工作流程阶段。块或图形表示可以对应于各自的工作流程任务,并且可以是颜色编码的。工作流程阶段的图形表示可以包括分别对应于例如工作流程阶段的一个或多个工作流程任务的一个或多个片段。在一些实施例中,在工作流程阶段的图形表示包括分别表示其对应的工作流程任务的多个片段,这些多个片段可以相对于彼此在时间上对准或布置。此外,每个片段可以对应于存储在例如微流体装置数据结构或图库结构中的其自己的数据。在这些实施例的一些中,片段可以被交互(例如,通过用户放大片段并点击片段),并且这样的交互可以触发例如在用户界面中检索对应数据并表示对应数据的至少一部分(例如,在图库视图中或在图库视图的匹配网格部分中)。在一些实施例中,在工作流程包括分别表示其对应的工作流程阶段或工作流程任务的多个图形表示,这些多个图形片段可以在用户界面中相对于彼此在时间上对准或布置(例如,通过沿着时间轴定位多个图形片段)。此外,每个图形表示可以对应于存储在例如单个微流体装置数据结构或图库结构中的行或列中的其自己的数据。在这些实施例的一些中,图形表示可以被交互(例如,通过用户点击图形表示),并且这样的交互可以触发例如在用户界面中检索对应数据并表示对应数据的至少一部分(例如,在图库视图中或在图库视图的匹配网格部分中)。对应于分析的时间线可以包括一个或多个块或图形表示。同一块中的多个片段也可以被颜色编码以指示用于在其他视图(包括但不限于图库视图)中显示的图像选择。可以在时间线视图中(参见例如图4B-图4C等)表示在工作流程任务期间收集的图像序列,其中时间线中的块或图形表示对应于工作流程任务(参见例如图 4B中的404B、图4C中的408C等)。例如,可以根据例如对应的工作流程任务或工作流程阶段在时间上发生的时间顺序,在用户界面中呈现分别表示它们在工作流程中的对应工作流程任务或工作流程阶段的多个图形表示。在一些实施例中,可以在具有时间轴的时间线视图中呈现图形表示,其中图形表示的一端或一侧对应于对应的工作流程任务或阶段发生时的开始时间点或时间段,并且图形表示的另一端或另一侧对应于对应的工作流程任务或阶段结束时的结束时间点或时间段。在一些实施例中,图形表示的大小或维度可以被呈现为与对应的工作流程任务或阶段的持续时间成比例。
在一些实施例中,微流体特征被描述为具有宽度或面积,维度通常相对于x轴和/或y轴维度来描述,两者都位于平行于微流体装置的衬底和/或盖的平面内。微流体特征的高度可相对于z轴方向来描述,z轴方向垂直于平行于微流体装置的衬底和/或盖的平面。在一些情况下,微流体特征(诸如通道或过道)的横截面积可参考x轴/z轴,y轴/z轴或x轴/y轴面积。
在这些实施例中,可以为多个生物样本选择多个特征以用于处理多个生物样本。与从微流体装置的第一感兴趣区域(例如,腔室)获得的第一生物样本的一组时间点或时间段相关的第一数据序列可以填充到非暂时性计算机可访问存储介质中的可寻址空间中的数据结构中,其中,第一数据序列对应于多个特性中的至少一个或多个。
多个特性的“特性”或“特征”可以包括与生物样本的一个或多个测定分析、生物样本本身、一个或多个测定分析的结果相关的任何特性。如本文所使用的,术语“特性”和“特征”可以互换使用。因此,特性或特征可以用于约束、配置或控制在用户界面中呈现的视图或者可以如何在用户界面中呈现视图。特性或特征还可以与可以响应于特性的指定或选择而自动调用的一个或多个函数相关联。例如,当用户选择细胞计数特性时,可以自动调用分选函数以对各种物体(例如,多个腔室的交互式图像物体)进行分选,以便在相关视图中呈现分选结果。在一些实施例中,不同的特性可以与一个或多个函数的相同集合相关联,或者在一些其他实施例中,不同的特性可以与一个或多个函数的不同集合相关联。
多个特性中的特性的一些示例可以包括但不限于以下中的至少一者:微流体装置中的腔室的标识符、多个生物样本的大小属性、多个生物样本的最大亮度属性、多个生物样本的最小亮度属性、生物样本的质心在第一方向上的第一像素计数属性、生物样本的质心在第二方向上的第二像素计数属性、生物样本的质心的大小属性、延时索引属性、微流体装置的装置标识符、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性、多个腔室的分数属性、门路径索引、区域像素属性、背景像素属性、多个生物样本的中位数亮度属性、目标区域像素计数属性、目标区域大小属性、目标背景区域大小属性、目标背景像素计数属性、目标背景最大亮度属性、目标圆度属性、计数算法标识、成像立方体属性,目标直径属性、导出脉管标识符、导出腔室列标识符、导出腔室行标识符、导入腔室列标识符、导入腔室行标识符、导入脉管标识符、腔室阳性验证属性、取消围栏的(unpenned)生物样本的生物样本计数属性、或指示捕获或生成数据的时间或时间段的时间戳。
与从微流体装置的第二腔室获得的第二生物样本的一组时间点或时间段相关的第二数据序列也可以填充到非暂时性计算机可访问存储介质中的可寻址空间中的数据结构中,其中,第二数据序列对应于多个特性的至少第二部分。
可以在用户界面的第一窗口部分中并且利用图形处理单元在第一视图中呈现第一数据序列和第二数据序列,在第一视图中呈现第一数据序列和第二数据序列包括:响应于从用户界面中的第一选择窗口部件中选择第一特征,从第一生物样本的多个特性的第一部分中提取第一特性的第一特性值;以及从第二生物样本的多个特性的第二部分中提取第一特性的第二特性值。
这些实施例可以进一步将分别对应于第一数据序列和第二数据序列的第一交互物体和第二交互物体呈现到第一视图中,其中,第一交互物体表示第一生物样本的第一特性值,第二交互物体表示第二生物样本的第二特性值。交互物体包括例如软件对象,用户可以经由例如本文所述的用户界面与该软件对象交互。响应于用户与交互物体的交互,底层系统接收可以调用并对交互物体执行一个或多个函数,以修改在用户交互之前在用户界面中呈现的内容,或者基于用户交互在用户界面中生成新的或刷新的视图。
在一些实施例中,数据结构包括列结构和行结构,列结构包括多个列,行结构包括多个行,以及特定于对流体装置的感兴趣区域(例如,单一室)中的一个或更多个生物样本进行的测定分析的生物样本数据。在这些实施例的一些中,列结构中的列对应于特定于在腔室上执行的测定分析的生物样本数据,并且对应于该列的每行对应于在特定时间点或特定时间段针对腔室捕获或生成的生物样本数据。
在一些其他实施例中,行结构中的行对应于特定于在腔室上执行的测定分析的生物样本数据,并且对应于该行的每列对应于在特定时间点或特定时间段针对腔室捕获或生成的生物样本数据。
微流体装置包括这样的装置,该装置包括被配置为保持流体的一个或多个离散的微流体或纳米流体回路,每个微流体或纳米流体回路包括流体互连的回路元件,包括但不限于一个或多个区域、一个或多个流动路径、一个或多个通道、一个或多个腔室和/或一个或多个坞等(对于单数引用统称为“腔室”,对于复数引用统称为“多个腔室”),并且可选地包括至少一个端口,所述至少一个端口被配置为允许流体(以及可选地,悬浮在流体中的微物体)流入和/或流出微流体装置。在一些实施例中,微流体或纳米流体装置的微流体或纳米流体回路可以包括流动区域,该流动区域可以包括微流体通道和至少一个腔室,并且将容纳体积小于约1mL的流体,例如,小于约750、500、250、200、150、100、75、50、25、20、15、10、9、8、7、6、5、4、3或2微升。在某些实施例中,微流体回路容纳约 1-2、1-3、1-4、1-5、2-5、2-8、2-10、2-12、2-15、2-20、5-20、5-30、 5-40、5-50、10-50、10-75、10-100、20-100、20-150、20-200、50-200、 50-250或50-300微升。微流体或纳米流体回路可以被配置为具有与微流体装置中的第一端口(例如,入口)流体连接的第一端和与微流体装置中的第二端口(例如,出口)流体连接的第二端。
如本文所使用的,“微流体通道”或“流动通道”是指具有显著长于水平和垂直尺寸两者的长度的微流体装置的流动区域。例如,流动通道可以是水平或垂直维度的长度的至少5倍,例如长度的至少10倍、长度的至少25倍、长度的至少100倍、长度的至少200倍、长度的至少500倍、长度的至少1,000倍,长度的至少5,000倍或更长。在一些实施例中,流动通道的长度在约100,000微米至约500,000微米的范围内,包括它们之间的任何值。在一些实施例中,水平尺寸为约100微米至约1000微米(例如,约 150至约500微米),并且垂直尺寸为约25微米至约200微米(例如,约 40至约150微米)。应当注意,流动通道可在微流体装置中具有多种不同的空间配置,因此不限于完全线性的元件。例如,流动通道可以是或包括具有以下构造的一个或多个部分:曲线、弯曲、螺旋、倾斜、下降、分叉 (例如,多个不同的流动路径)及其任何组合。此外,流动通道可沿其路径具有不同的横截面积,加宽和收缩以在其中提供所需的流体流动。流动通道可以包括阀,并且阀可以是微流体领域中已知的任何类型。美国专利 6,408,878和9,227,200中公开了包括阀的微流体通道的示例,各自通过引用整体并入本文。
如本文所使用的,术语“微物体”通常是指可以根据本公开分离和/或操纵的任何微观物体。微物体的非限制性示例包括:无生命的微物体,诸如微粒;微珠(例如,聚苯乙烯珠、玻璃珠、无定形固体衬底、LuminexTM珠等);磁珠;微米棒;微米丝;量子点等;微物体,诸如细胞;生物细胞器;囊泡或复合物;合成囊泡;脂质体(例如,合成的或衍生自膜制剂);脂质纳米筏等;或无生命微物体和微物体的组合(例如,附着于细胞的微珠、脂质体包覆的微珠、脂质体包覆的磁珠等)。珠可以包括共价或非共价连接的部分(moieties)/分子,诸如荧光标记、蛋白质(包括受体分子)、碳水化合物、抗原、小分子信号传导部分或能够在测定中使用的其他化学/ 生物种类。在一些变型中,包括部分/分子的珠/固体衬底可以是捕获珠,例如,该捕获珠被配置为选择性地或非选择性地结合附近存在的包括小分子、肽、蛋白质或核酸的分子。在一个非限制性示例中,捕获珠可以包括被配置为结合具有特定核酸序列的核酸的核酸序列,或者捕获珠的核酸序列可以被配置为结合具有相关核酸序列的一组核酸。任一种类型的结合可以被理解为是选择性的。当执行结构上不同但物理化学上相似的分子的结合时,包括部分/分子的捕获珠可以非选择性地结合,例如,被配置为捕获选定大小或电荷的分子的大小排阻珠(size exclusion beads)或沸石 (zeolites)。脂质纳米筏已经在例如Ritchie et al(2009)“Reconstitution of Membrane Proteins inPhospholipid Bilayer Nanodiscs,”Methods Enzymol., 464:211-231中进行了描述。
如本文所使用的,术语“细胞”可以与术语“生物细胞”或“生物样本”可互换使用。生物细胞的非限制性示例包括真核细胞、植物细胞、动物细胞(诸如哺乳动物细胞、爬行动物细胞、鸟类细胞、鱼类细胞等)、原核细胞、细菌细胞、真菌细胞、原生动物细胞等、从组织解离的细胞(诸如肌肉、软骨、脂肪、皮肤、肝脏、肺、神经组织等)、免疫细胞(诸如T细胞、B细胞、天然杀伤细胞、巨噬细胞等)、胚胎(例如,受精卵)、卵母细胞、OVA、精细胞、杂交瘤、培养细胞、来自细胞株的细胞、癌细胞,受感染的细胞、转染的和/或转化的细胞、报告细胞等。哺乳动物细胞可以例如来自人、小鼠、大鼠、马、山羊、绵羊、牛、灵长类动物等。
如果能够繁殖的群体中的所有活细胞是源自单个亲本细胞的子细胞,则生物细胞的群体是“克隆(clonal)”。在某些实施例中,克隆群体中的所有子细胞源自单个亲本细胞,不超过10次分裂。在其他实施例中,克隆群体中的所有子细胞源自单个亲本细胞,不超过14次分裂。在其他实施例中,在克隆群体中的所有子细胞源自单个亲本细胞,不超过17次分裂。在其他实施例中,在克隆群体中的所有子细胞源自单个亲本细胞,不超过20 次分裂。术语“克隆细胞”是指相同克隆的群体的细胞。
如本文所使用的,生物细胞的“群体”是指2个或更多个细胞(例如,约2至约20、约4至约40、约6至约60、约8至约80、约10至约100、约20至约200、约40至约400、约60至约600、约80至约800、约100 至约1000或大于1000个细胞)。
如本文所使用的,术语“培养(一个或多个)细胞”是指提供包括流体和气体组分两者以及可选的表面的环境,其提供保持细胞存活和/或扩散所必需的条件。如本文所使用的,术语“扩增”在涉及细胞时是指细胞数目的增加。流体介质的“组分”是存在于介质中的任何化学或生物化学分子,包括溶剂分子、离子、小分子、抗生素、核苷酸和核苷、核酸、氨基酸、肽、蛋白质、糖、碳水化合物、脂质、脂肪酸、胆固醇、代谢物等。如本文中关于流体介质所使用的,“扩散(diffuse)”和“扩散(diffusion)”是指流体介质的组分沿浓度梯度下降的热力学运动。
短语“介质的流动”意味着流体介质主要由于除了扩散之外的任何机制的整体移动,并且可以涵盖灌注。例如,介质的流动可以涉及流体介质由于点之间的压差而从一个点移动到另一点。这种流动可以包括液体的连续的、脉冲的、周期性的、随机的、间歇的或往复的流动,或其任何组合。当一个流体介质流入另一流体介质时,可导致介质的湍流和混合。流动可以包括将溶液牵拉通过和拉出微流体通道(例如,抽吸)或将流体推入和推动通过微流体通道(例如,灌注)。
短语“基本上不流动”指的是,当随着时间进行平均时,流体介质的流动速率小于材料(例如,目标分析物)的组分进入流体介质或在流体介质内的扩散速率。这种材料的组分的扩散速率可以取决于例如温度、组分的尺寸和组分与流体介质之间的相互作用的强度。
如本文中关于微流体装置内的不同区域所使用的,短语“流体连接”是指当不同区域基本上充满有诸如流体介质的流体时,每个区域中的流体被连接以形成单一流体主体。这并不意味着不同区域中的流体(或流体介质)在组成上一定是相同的。相反,微流体装置的不同流体连通区域中的流体可具有不同组成(例如,不同浓度的溶质,诸如蛋白质、碳水化合物、离子或其他分子),当溶质沿着它们各自的浓度梯度和/或流体流动通过装置时,这些组成是变化的。
如本文所使用的,“流动路径”是指限定并经历介质流的轨迹的一个或多个流体连接的回路元件(例如,通道、区域、腔室等)。因此,流动路径是微流体装置的扫掠区域(sweptregion)的示例。其他回路元件(例如,未扫掠区域)可以与包括流动路径的回路元件流体连接,而不经历流动路径中的介质的流动。如本文所使用的,“隔离微物体”将微物体限制到微流体装置内的限定区域。
微流体(或纳米流体)装置可以包括“扫掠”区域和“非扫掠”区域。如本文所使用的,“扫掠”区域包括微流体回路的一个或多个流体互连的回路元件,每个流体互连的回路元件在流体流过微流体回路时经历介质的流动。扫掠区域的回路元件可以包括例如区域、通道和全部或部分腔室。如本文所使用的,“未扫掠”区域包括微流体回路的一个或多个流体互连的回路元件,当流体流过微流体回路时,每个流体互连的回路元件基本上不经历流体的流动。未扫掠区域可以流体连接到扫掠区域,只要流体连接被结构化为能够扩散但基本上不在扫掠区域和未扫掠区域之间流动介质。因此,微流体装置可以被结构化为基本上将未扫掠区域与扫掠区域中的介质流隔离,同时在扫掠区域和未扫掠区域之间基本上实现扩散流体连通。例如,微流体装置的流动通道是扫掠区域的示例,而微流体装置的隔离区域(以下进一步详细描述)是未扫掠区域的示例。
如本文所使用的,流体介质流动的“非扫掠(non-sweeping)”速率是指足以允许腔室的隔离区域中的第二流体介质的组分扩散到流动区域中的第一流体介质中和/或第一流体介质的组分扩散到隔离区域中的第二流体介质中的流动速率;并且进一步地,其中,第一介质基本上不流入隔离区域中。
如本文所使用的,“基本上”意指足以达成预期目的。因此,术语“基本上”允许来自绝对或完美状态、尺寸、测量、结果等的微小的、不显著的变化,诸如将由本领域普通技术人员所预期但不会明显影响整体性能。当与关于数值或可以表示为数值的参数或特性一起使用时,“基本上”意指在百分之十内。术语“若干”意指多于一个。如本文所使用的,术语“多个”可以是2、3、4、5、6、7、8、9、10个或更多个。
如本文所使用的,在一些实施例中,“围栏(pen)”或“围栏(penning)”是指将微物体置于微流体装置内的腔室(例如,隔离坞)内。用于对微物体围栏的力可以是如本文所述的任何合适的力,诸如介电泳(DEP),例如,光学致动介电泳力(OEP);重力;磁力;局部致动的流体流动;或倾斜。在一些实施例中,对多个微物体围栏可以重新定位基本上所有的微物体。在一些其他实施例中,可以对多个微物体中的选定数量的微物体围栏,并且可以对多个微物体中的其余微物体取消围栏。在一些实施例中,当所选择的微物体被围栏时,可以使用DEP力(例如,光学致动DEP力或磁力) 来重新定位所选择的微物体。在一些实施例中,可以将微物体引入到微流体装置的流动区域(例如,微流体通道),并通过对其围栏而引入到腔室中。
如本文所使用的,在一些实施例中,“取消围栏(unpen)”或“取消围栏(unpenning)”是指将微物体从腔室(例如,隔离坞)内重新定位到微流体装置的流动区域(例如,微流体通道)内的新位置。用于对微物体取消围栏的力可以是如本文所述的任何合适的力,诸如介电泳,例如,光学致动介电泳力;重力;磁力;局部致动的流体流动;或倾斜。在一些实施例中,对多个微物体取消围栏可以重新定位基本上所有的微物体。在一些其他实施例中,多个微物体中的选定数量的微物体可以被取消围栏,并且多个微物体中的其余微物体可以不被取消围栏。在一些实施例中,当所选择的微物体被取消围栏时,可以使用DEP力(例如,光学致动DEP力或磁力) 来重新定位所选择的微物体。
一些实施例涉及可以被调用以执行本文公开的任何方法、过程或子过程的硬件系统。在一些实施例中,硬件系统可以包括至少一个微处理器或至少一个处理器核,其执行一个或多个执行线程以执行本文公开的任何方法、过程或子过程。硬件系统还可以包括一种或多种形式的非暂时性机器可读存储介质或装置,以临时或持久地存储各种类型的数据或信息。硬件系统的一些示例模块或组件可以在下面的系统架构概述部分中找到。
一些实施例涉及一种产品,其包括其上存储有指令序列的非暂时性机器可访问存储介质,当该指令序列由至少一个处理器或至少一个处理器核执行时使至少一个处理器或至少一个处理器核执行本文公开的任何方法、过程或子过程。非暂时性机器可读存储介质的一些示例形式也可以在下面的系统架构概述部分中找到。
根据本发明的第一方面,一种存储指令的非暂时性计算机可读介质,所述指令包括一个或多个指令,所述一个或多个指令在由一个或多个处理器执行时使所述一个或多个处理器提供从测定分析提取的数据以用于显示,其中所述数据包括芯片实验室的腔室的至少一部分的至少一个图像,以及与所述至少一个腔室相关联的字母数字数据,其中所述显示是图库视图、时间线视图、原始数据表或其组合。
在这样的非暂时性计算机可读介质中,所述一个或多个处理器提供用于显示的图库视图,所述图库视图包括被布置为测定步骤的芯片实验室的部分的图像。在这样的非暂时性计算机可读介质中,一个或多个处理器提供图库视图以供显示,该图库视图包括在捕获图像时与每个图像相对应的字母数字数据。在这样的非暂时性计算机可读介质中,所述一个或多个处理器提供时间线视图以供显示,所述时间线视图包括沿着表示测定步骤的时间线的图像序列标记。在这样的非暂时性计算机可读介质中,所述一个或多个处理器将原始数据视图提供为表格以供显示。
根据本发明的另一方面,一种装置包括一个或多个处理器以基于从测定分析提取的数据而接收指定图形场景的信息,其中所述数据包括芯片实验室的腔室的至少一部分的至少一个图像,以及与所述至少一个腔室相关联的字母数字数据,其中,所述显示是图库视图、时间线视图、原始数据表或其组合。
在这样的装置中,该信息指定包括被布置为测定步骤的芯片实验室的部分的图像的图库视图,以供显示。在这样的装置中,该信息指定包括在捕获图像时与每个图像相对应的字母数字数据的图库视图,以供显示。在这样的装置中,该信息指定包括沿着表示测定步骤的时间线的图像序列标记的时间线视图,以供显示。在这样的装置中,该信息指定原始数据视图作为表以供显示。
根据本发明的另一方面,一种用于显示从测定分析提取的数据的方法包括:由装置提供并用于显示从测定分析提取的数据,其中所述数据包括芯片实验室的腔室的至少一部分的至少一个图像,以及与所述至少一个腔室相关联的字母数字数据;以及由装置提供并用于显示图库视图、时间线视图、原始数据表或其组合。
在这样的方法中,所述提供包括提供包括被布置为测定步骤的芯片实验室的部分的图像的图库视图,以供显示。在这样的方法中,所述提供包括提供包括在捕获图像时与每个图像相对应的字母数字数据的图库视图,以供显示。在这样的方法中,所述提供包括提供包括沿着表示测定步骤的时间线的图像序列标记的时间线视图,以供显示。在这样的方法中,所述提供包括提供原始数据视图作为表,以供显示。
通过结合附图阅读根据本发明构造的实施例的以下详细描述,本发明的其他方面、特征和伴随的优点对于本领域技术人员将变得显而易见。
现在将参考附图详细描述各种实施例,附图被提供作为本发明的说明性示例,以便使本领域技术人员能够实践本发明。值得注意的是,下面的附图和示例并不意味着限制本发明的范围。在可以使用已知组件(或方法或过程)部分地或完全地实现本发明的某些元件的情况下,将描述理解本发明所必需的这些已知组件(或方法或过程)的那些部分,并且将省略对这些已知组件(或方法或过程)的其他部分的详细描述,以免模糊本公开。
参考附图,贯穿若干图,相似的附图标记表示相同或对应的元件。
示例实施例可以提供技术、基于计算机的介质、系统和/或装置,用于以一种或多种不同的格式来显示来自容纳在数据库/数据空间中的测定分析仪的数据,并且包括基于用户对过滤数据的显示的选择来过滤数据。
图1示出了在一个或多个实施例中用于利用增强的用户界面分析生物样本或微物体的过程和/或系统150A的框图的简化示例。除非另有明确否认或描述,否则图1中所示和下面描述的一些或所有元件以完全和等同的效果适用于本文所述的任何实施例,只要这些元件与任何实施例相关。在该简化示例中,可以利用一个或多个对应工作流程、管线等102对微流体装置中的多个生物样本(例如,微物体、细胞、组织、蛋白质、基因、病毒或细胞内分子,诸如DNA(脱氧核糖核酸)、RNA(核糖核酸)等)执行一个或多个分析104(例如,一个或多个测定分析、一个或多个测序分析等)。应当注意,除非另有具体区分,否则术语“生物样本”、“微物体”、“细胞”、“组织”、“蛋白质”、“基因”、“病毒”和“细胞内分子”可以在整个公开内容中可互换使用。测序分析包括例如确定构成生物样本(例如,DNA分子)的多个构建块或核苷酸碱基的顺序,以提供关于生物样本或者多个构建块或其碱基中的一个或多个的更详细的信息(例如,在特定DNA中携带什么遗传信息,哪些DNA延伸段包括基因,哪些延伸段携带调控指令等)。
在一些实施例中,生物样本的分析可以包括经由第一引导路径将第一生物样本引导到具有多个基于结构和/或基于目标的感兴趣区域的第一微流体装置中的第一基于结构或基于目标的感兴趣区域中,以及经由第二引导路径将第二生物样本引导到第一微流体装置中的第二基于结构或基于目标的感兴趣区域中。在这些实施例的一些中,单一分析装置可以用于对生物样本执行分析(例如,测定、测序等)和计算分析(例如,计算生物学、生物信息学或任何其他计算分析等)。在一些其他实施例中,多个分析装置可以执行生物样本分析。例如,第一系统可以对第一生物样本执行一个或多个第一分析,第二系统可以对第一生物样本或第二生物样本执行一个或多个第二分析,一个或多个第三系统或者第一系统或第二系统中的任一个可以执行计算分析。在一些实施例中,上述一个或多个第三系统可以包括例如服务器、膝上型计算机、台式计算机、连接到远程计算机的终端和/或虚拟化环境中的一个或多个虚拟机。在一些实施例中,本文使用的各种软件模块可以位于云环境中,并且作为服务提供,所述服务经由一个或多个相应的应用程序编程接口(API)与用户或客户端计算节点通信以调用服务的执行、传输输入数据以供分析和/或传输来自在云环境上供应的服务的输出数据。
在一些实施例中,与对生物样本执行的分析相关的分析结果可以存储在单一分析设备的非暂时性计算机可访问存储介质中的可寻址空间中,其中,该结果包括在一时间段期间捕获的生物物质的一个或多个图像序列。术语“分析结果”也可以被称为“相关联数据”,因为分析结果包括用于分析微流体装置中的生物样本的各种输入和输出数据,并且因此与分析相关联。在一些实施例中,分析结果(或相关联数据)可以包括用于分析微流体装置中的生物样本的任何输入和输出。例如,相关联数据可以包括但不限于用户用于分析生物样本的任何输入,用于分析的一个或多个软件应用程序和/或一个或多个设备的一个或多个设置和/或配置,与生物样本、设备和/或生物样本的分析中涉及的软件应用程序相关的一个或多个参数和一个或多个参数值。
在一些实施例中,相关联数据还可以包括分析的中间和/或最终输出。例如,相关联数据可以包括但不限于经处理的图像、来自经处理的图像的数据、聚合的、相关的和/或评估的数据(例如,细胞计数、细胞的大小和/ 或形状等)、测序结果和/或其元数据。相关联数据可以包括静态数据、动态数据或静态数据与动态数据两者的组合。在一些实施例中,动态数据包括随时间变化的数据和/或可响应于动态交互(例如,用户通过操纵用户界面中的窗口部件来与数据交互等)的数据。在一些实施例中,相关联数据可以以结构化的方式被布置和存储在诸如表、数据库表或任何其他合适的数据结构的数据结构中。附加地或替代地,相关联数据的不同部分可以分别对应于可采集其相关联数据的微流体装置中多个感兴趣区域(例如,基于结构和/或基于目标的感兴趣区域)和/或多个腔室。例如,相关联数据可以以结构化方式存储在本文所述的微流体装置数据结构或图库结构中,其中不同的子结构(例如,列、行等)可以分别对应于微流体装置中的不同感兴趣区域和/或不同腔室。
然后,单一分析设备可以调用本文描述的各种模块、函数和/或功能以执行计算分析。在一些其他实施例中,可以在一个或多个对应的设备上单独执行对生物样本的分析(例如,测定、测序等)和计算分析(例如,计算生物学、生物信息学或任何其他计算分析等)。
还应注意,“单一分析设备”包括一种系统,该系统包括一个或多个模块、一个或多个机构、一个或多个装置和/或一个或多个子系统等的硬件和软件元件的组合,其完全集成在系统内以执行一个或多个分析、预处理和后处理中间和/或最终分析数据,并且以更有效、高效的方式在一个或多个用户界面中呈现可配置的分析结果,从而允许用户操纵分析结果并与分析结果交互,以获得对大量中间和最终分析数据的洞察,并利用本文描述的各种工具、模块、窗口部件和功能来促进这些一个或多个分析的目标的实现。
微流体设备可以包括例如微流体装置、微流体装置、纳米流体装置、纳米流体装置或纳米流体设备,并且在下文中统称为“微流体装置”。微流体装置(其也可以被称为芯片实验室、基因芯片、DNA芯片等)可以包括操纵(例如,通过使用有源和/或无源组件和/或微组件,诸如微泵、微阀等)非常少量的流体(例如,在任何给定时间在微流体装置的回路内小于1ml)或若干流体、试剂、可溶性荧光报告物等以在微流体装置的感兴趣区域(例如,基于目标的ROI、或基于结构的ROI,其可以是腔室或隔离腔室的至少一部分)中表现出局部可测量的效应的仪器,该微流体装置被配置为对一个或多个生物样本(包括超过100、500、1,000、5,000、7,000、 9,000、11,000个或更多个生物样本的生物样本阵列)执行一个或多个小型化过程或测试(例如,多路复用、自动化、高通量筛选、分析、测定等)。
工作流程或管线包括例如一系列串行和/或并行步骤、程序或转换,其可以利用一个或多个工具在多个生物样本和/或其数据上或针对所述多个生物样本和/或其数据执行,所述一个或多个工具连接或链接在一起以用于定性评估或定量测量目标分析物(例如,生物样本、药物、生物化学物质等) 的一个或多个特性(例如,存在、量或功能活性等)。在一些实施例中,工作流程或管线还可以包括或涉及一个或多个数据操纵操作或其指令,诸如数据检索/导入、数据过滤、清理、修剪或归一化等和/或数据导出。
可以生成一个或多个数据集或数据结构106。这些一个或多个数据集或数据结构106可以包括在分析104的过程期间或针对分析104(例如,在一个或多个时间点或在一个或多个时间段期间)捕获的任何数据。这样的数据的一些示例包括针对微流体装置中的一个或多个感兴趣区域捕获的一个或多个基本图像108。例如,基本图像可以在特定时刻捕获微流体装置中的多个腔室的图像。这样的数据还可以包括与生物样本有关并且在分析过程期间被捕获、感测或以其他方式收集的固有数据150。
例如,这样的数据可以包括生物样本的或针对生物样本的任何可测量或可量化的特性,诸如亲和力(例如,病毒(诸如Covid-19病毒)与一种或多种抗体之间的亲和力);细胞活化程度;目标小分子、肽、蛋白质、信号传导分子等的细胞分泌程度;细胞对特定刺激的反应程度(例如,小分子的引入等),在一些实施例中,这样的性质可以与感兴趣区域的一个或多个基于目标或基于结构的性质相关,其包括但不限于:生物样本的大小、大直径、小直径、圆度、形态、荧光标记等。
这样的数据还可以包括从与生物样本相关的其他数据提取或计算的导出或分析数据152。例如,这样的导出或分析数据152可以包括任何计算的特性,诸如利用一个或多个算法、分析、统计测量和/或定制创建的数据 (例如,计算或提取的大小、大直径、小直径、圆度等,通过应用一个或多个过滤器、聚类算法、分级(ranking)算法等定制的坞列表、数据集、模板等)或任何其他处理的数据从图像估计的任何直径或几何特性。计算或提取的大小、大直径、小直径、圆度等可以从例如图像(例如,基本图像、感兴趣区域的图像等)获得,并且可以,例如,以物理尺寸来表达,诸如显示器上的单位照明区域(例如,像素)的微米或数目。
除非另有具体描述,否则固有数据150和导出或分析数据152可以统称为或存储为数据集或简单数据。在一些实施例中,固有数据150以及导出和分析数据152可以分别存储在一个或多个单独的数据结构中。在一些其他实施例中,固有数据150的至少一部分和导出或分析数据152的至少一部分可以存储在单一数据结构中。
在一些实施例中,固有数据150和导出或分析数据152单独存储在一个或多个相应数据结构中,固有数据150和导出或分析数据152仍然可以彼此连接。例如,固有数据150的任何部分和导出或分析数据152的对应部分可以通过使用例如一个或多个标识符或任何其他合适的连接(诸如微流体装置标识符、腔室标识符或从腔室标识符和微流体装置标识符确定的聚合标识符)、任何与生物样本或微流体装置或其一部分的一个或多个结构特征或特性相关的特征、特性、性质、属性等、或任何其他合适的连接,来彼此相关。此外,可以如下所述对任何上述数据结构进行索引,以促进对这种索引数据结构的更有效的访问和查询。
针对过程捕获的数据可以存储在一个或多个数据结构中,其中每条数据可以与唯一标识符相关联。由于可以在微流体装置中表现出大量的感兴趣区域(例如,在单一微流体装置中从个位数的ROI到数万个ROI),唯一标识符可以涉及以下中的至少一者:微流体装置的标识、感兴趣区域(例如,微流体装置中的特定腔室)的唯一标识符、时间戳、区域标识和/或可用于唯一地定位基本图像或在基本图像中捕获的任何感兴趣区域的任何其他合适的标识(例如,条形码等)。在一些实施例中,与基本图像相关的数据可以以许多数据结构或不同形式(例如,结构化数据和/或非结构化数据) 110存储,诸如一个或多个表、一个或多个数据库、一个或多个关系数据库表,或将数据集中捕获的每条数据与生物样本、生物样本的特征或特性、分析的一部分和/或工作流程或管线的一部分相关联的任何其他合适的形式或格式。可以用一个或多个索引键对数据集进行索引,以促进有效和方便的访问、检索或查询。
数据集可以被加载到一个或多个模块112中,所述一个或多个模块可以具有对数据集或其一部分的读取和/或写入访问。这些一个或多个模块 112可以包括例如:一个或多个过滤器构建器和应用程序模块114,其生成一个或多个一维或多维过滤器并将其应用于所加载的数据集;一个或多个图形模块116,其生成或呈现各种图形、绘图等(例如,视图130);一个或多个分析模块118,其对所加载的数据集或针对所加载的数据集执行一个或多个分析;一个或多个视图模块120,其生成一个或多个相应视图(例如,图库视图、芯片时间线视图等);本文所述的任何其他模块;或用于促进多个生物样本的分析的任何其他合适的、所需的或期望的模块。这些一个或多个模块112可以包括例如基于机器学习的生物样本计数模块121,其可以采用例如卷积神经网络,该卷积神经网络自动地以编程方式确定感兴趣区域中的生物样本的总数。在一些实施例中,可以独立地生成或呈现任何视图(例如,图库视图、芯片时间线视图、生物信息学管线视图、图形视图等)。在这些实施例中的一些实施例中,一个或多个视图可以在面向对象编程的上下文中被打包为一个或多个相应对象并插入到另一视图中。
在一些实施例中,一个或多个模块112可以包括一个或多个人工智能 (A.I.)模块123,其包括利用一个或多个训练数据集和/或基准数据集从监督和/或非监督学习技术确定的一个或多个模型。例如,一旦用户已经确定腔室、坞、感兴趣区域等的列表的相关联数据满足或超过一个或多个准确度、性能和/或生产(例如,标签、工作流程、工作流程任务、生物学相关性、实验相关性)要求,则可以由用户识别腔室、坞或感兴趣区域的列表并将其并入训练数据集或基准数据集中(例如,作为标记的训练数据)。附加地或替代地,这些一个或多个人工智能模块123和/或计数模块121可以对相关联数据(例如,来自工作流程的图像或图像序列,包括但不限于那些图像的部分,其中,片段可以包括但不限于坞、一个或多个感兴趣区域、腔室)执行各种各自的功能,并且生成一个或多个度量(例如,诸如置信水平、估计误差等的统计测量),所述一个或多个度量可以被应用于选择、分类或以其他方式识别相关联数据的子集以用于编译训练数据集或基准数据集。在一些情况下,相关联数据可以包括大于10、50、100、1000、 2000、5000、7000、10000个或更多个单独表征的感兴趣区域,并且人工智能模块被配置为使用本文公开的或本领域中以其他方式理解的任何方法来选择相关联数据的一部分以用于构建模型。在一些实施例中,一个或多个人工智能模块123可以将具有超过或低于特定阈值(例如,超过第一阈值的置信水平、低于第二阈值的估计误差等)的度量的相关联数据的片段识别为用于训练一个或多个模型的训练或基准数据集的一部分,以提高它们对这些一个或多个模型的预测的准确性。在另外的情况下,使用的一个或多个视图(例如,本文公开的或由本文公开的模块生成的视图中的任何一个) 向用户呈现相关联数据的部分(例如,所选择的部分或自动生成的部分)以呈现或以其他方式可视化相关联数据,使得用户可以至少部分地基于视觉检查、由模型确定的度量或分数和/或出于分类的目的应用自动步骤、手动过程或后续学习算法来准备相关联数据的片段或相关联数据的部分。替代地或附加地,用户可以通过将相关联数据的一个或多个片段与相关联数据的其他片段组合来将其策划并准备成基准数据集,包括但不限于策划列表 (例如,由坞、腔室、感兴趣区域等编译的列表)。
这些一个或多个人工智能模块123可以通过使用诸如神经网络、卷积神经网络、机器学习和/或深度学习等辅助或非辅助学习的技术利用训练数据集和/或基准数据集来确定或构建和/或改进一个或多个模型。
这些一个或多个经训练或未经训练的模型可以用于执行对新数据集的各种预测。例如,这些一个或多个模型可以执行功能,诸如但不限于,与分析相关的图像序列的图像内容识别、分析的相关联数据的分类、一个或多个生物样本的一个或多个特性或从生物样本的分析获得的图像或图像序列内的感兴趣区域的特征(例如,形成区域的像素数量、区域的微米(例如,平方微米或微米尺寸)、背景区域、背景区域的像素的数目、背景区域的微米(例如,平方微米或微米尺寸)、以微米为单位的质心(例如,x质心、y质心、质心坐标、以平方微米为单位的质心面积等)、以像素为单位的质心(例如,x质心、y质心、质心坐标、质心面积)、样本的圆度、以微米为单位的样本的直径、最大亮度、中位数亮度、最大背景亮度、平均背景亮度、目标索引(例如,与特定目标相关联的唯一标识符或标记)、样本的周长微米或其任何组合等)等的估计。
例如,人工智能模块123可以接收针对一个或多个感兴趣区域捕获的图像序列。人工智能模块123可以例如执行卷积神经网络以利用例如图 10A-10K-2、图11A-11-B-2等中描述的技术来识别图像序列中的内容。可以出于不同的目的以多个不同的分辨率来执行识别图像的内容。在一些实施例中,人工智能模块123可以首先对图像序列执行较低分辨率内容识别,以将示出一个或多个生物样本的图像与不示出生物图像的图像区分开。
人工智能模块123可以将图像序列分类为两个类别(例如,对应于示出生物样本的图像的较显著类别和示出没有生物样本的不太显著类别)。对于较显著和不太显著类别的该分类,因为图像序列的内容中的更精细的细节对于该分类目的可能不那么重要,所以人工智能模块123可以采用较低分辨率的识别过程(例如,具有较大步幅的卷积网络或诸如5×5、7×7、11 ×11等过滤器的过滤器)来节省计算资源。人工智能模块123还可以对较显著类别执行更高分辨率的内容识别过程,以更精确地从背景中区分,例如,生物样本的边界,使得人工智能模块可以更准确地捕获生物样本的形状。利用更准确地捕获的形状,人工智能模块可以估计或计算例如生物样本的圆度,并参考其知识库来确定具有估计的圆度的生物样本是否可以被分类为正常样本类别、异常样本类别、健康样本类别、不健康样本类别、肿瘤类别等。在这些实施例中,人工智能因此可以利用计算机视觉和本文所述的A.I.技术将多个生物样本分类为多个类别。应当注意,计数模块121 和一个或多个A.I.模块123可以彼此独立地或彼此协作地起作用,以促进它们的预期功能的执行。
在一些实施例中,可以与分析的执行或工作流程或管线的执行同时生成数据集。在这些实施例中,可以经由一个或多个数据获取工具(例如,用于捕获图像的一个或多个相机或图像传感器、用于收集传感数据的一个或多个传感器、用于存储计算数据的计算机总线或数据总线等)获取各种类型的数据(例如,一个或多个感兴趣区域的基本图像、可量化度量、性质、特性、属性和/或其他期望或所需的信息或数据等)并将其存储在一个或多个数据结构中。
在一些实施例中,来自一个或多个数据采集工具的原始或经处理的数据可以暂存(stage)在中间存储器中,并且可以进一步采用一个或多个数据处理工具或模块来处理这样的数据以便持久存储在一个或多个数据结构中。例如,可以至少部分地基于例如微流体装置的标识符、微流体装置中的多个腔室的各自标识符和/或时间戳等使来自不同数据采集工具或模块的各种数据相互关联。
然后,原始和/或经处理的数据(例如,110、150和/或152)可以以结构化和/或非结构化数据的形式存储在一个或多个数据结构中。在一些实施例中,一个或多个数据结构中的至少一个可以用一个或多个唯一键来索引,以促进对至少一个索引数据结构的更有效的访问和查询。例如,从腔室标识符和微流体装置标识符确定的腔室标识符或聚合标识符,与生物样本或微流体装置或其一部分的结构相关的特征、特性、性质、属性等中的任何一个,或任何其他合适的键可以用作索引至少一个数据结构的唯一键。例如,存储与微流体装置的多个腔室中的生物样本相关的数据的数据结构可以通过例如总基因计数的键或总细胞计数的键来索引。当用户访问数据结构并应用将结果限制为返回具有不少于五(5)个细胞的腔室的一维过滤器时,可以响应于过滤标准更有效地访问数据结构,以忽略对应于具有少于总共五个细胞的腔室的任何条目。以这种方式,对索引数据结构进行读取或写入的任何访问都更加有效。
在一些其他实施例中,提前执行分析(例如,生物医学、生物化学或药物分析,诸如测定、测序等),并且与分析相关的数据在对数据执行任何附加分析之前在对数据集执行分析期间获得。即,对生物样本的分析在执行分析期间收集的数据的任何后续分析之前执行。在这些实施例中,数据集可以被加载到本文描述的各种模块或工具中。尽管在对生物医学、生物化学或药物分析的数据执行附加的计算分析之前对生物样本执行生物医学、生物化学或药物分析,但是本文所述的任何技术(诸如将大量数据布置到一个或多个数据结构中,对一个或多个数据结构中的任何一个进行索引、聚类、过滤、排序等)可以以完全和等同的效果应用于生物医学、生物化学或药物分析的数据。
可以识别或确定一个或多个感兴趣区域122。利用这些一个或多个感兴趣区域,可以从数据集提取、导出或以其他方式自动确定与一个或多个感兴趣区域相关的特定数据。感兴趣区域122可以由用户指定(例如,通过点击图1中未示出的感兴趣区域生成窗口部件,以选择期望的或定制的区域作为感兴趣区域)或通过本文描述的各种技术自动确定。例如,在一些实施例中,用户可以将微流体装置中的腔室指定或标示为感兴趣区域。过程或系统150A可以至少部分地基于一个或多个标准来自动确定感兴趣区域。例如,过程或系统150A可以咨询工作流程或管线以识别分析涉及细胞培养和导出过程。
过程或系统150A可以进一步参考工作流程或管线以确定微流体装置中的多个生物样本在一段时间内处于细胞培养阶段,在该段时间期间,过程或系统可以确定感兴趣区域包括腔室,并且在该段时间期间的一个或多个时间点进一步自动裁剪腔室的单个图像部分126。在随后的时间段期间,过程或系统150A可以确定导出过程将在另一时间段内开始。在该另一时间段期间,过程或系统150A可以自动确定感兴趣区域是腔室加上腔室与微流体装置中的相邻流动通道之间的界面。然后,过程或系统150A可以至少部分地基于例如腔室的识别和界面部分的自动确定等,从包括单独图像部分 126的基本图像中自动提取(例如,通过裁剪)示出腔室和界面的单独图像部分126。
在另一后续时间段期间,过程或系统150A可以确定导出即将结束或已经结束,然后可以自动确定感兴趣区域包括与细胞从其中导出的腔室相关的流动通道的一部分。然后,过程或系统150A可以从基本图像中自动提取示出流动通道的部分的单独图像部分126。利用单独ROI图像126,过程或系统150A可以进一步识别、提取或检索与感兴趣区域图像126相关的一个或多个特征、属性、特性等的相关数据128,并且使用例如符号链接、指标或任何其他合适的链接使感兴趣区域图像126与这样的相关数据128相互关联。
在一些实施例中,可以从一个或多个基本图像108和与一个或多个基本图像相关的数据结构110确定多个感兴趣区域,以生成多个感兴趣区域 (ROI)图像126和相关数据128。至少部分地基于例如被访问(例如,定量、监测等)的一个或多个特征,感兴趣区域可以是基于目标或基于结构的。在一些实施例中,所访问的特征涉及生物样本(例如,特定生物样本、特定类型的生物样本、与生物样本或其部分相关的性质/属性/特性等),如此确定的感兴趣区域可以被称为基于目标的感兴趣区域。另一方面,在一些实施例中,所访问的特征涉及结构特性(例如,与腔室相关的特性,或微流体装置的任何结构特征等),如此确定的感兴趣区域可以被称为基于结构的感兴趣区域。因此,这些多个ROI图像126可以包括一个或多个基于目标的ROI图像、一或多个基于结构的ROI图像或一个或多个基于目标和一或多个基于结构的ROI图像。
这些感兴趣区域图像126和相关数据128可以被进一步提供给该组模块112中的一个或多个模块以用于进一步处理。例如,ROI图像126和相关数据128可以被提供给过滤器构建器和应用程序模块114,该过滤器构建器和应用程序模块可以将一个或多个一维或多维过滤器应用于ROI图像126 和/或相关数据128的至少一部分,以滤除不满足一个或多个过滤器的数据或维持满足一个或多个过滤器的数据。作为另一示例,ROI图像126和相关数据128可以被提供给降维模块(未示出),该降维模块例如对ROI图像126和/或相关数据128的至少一部分执行主成分分析(PCA)以降低这样的数据的维度。作为另一示例,可以将ROI图像126和相关数据128提供给聚类模块(未示出),以至少部分地基于一个或多个聚类标准对例如多个生物样本进行聚类。作为另一示例,可以将ROI图像126和相关数据128 提供给视图模块120,该视图模块生成一个或多个视图130,诸如图库视图、时间线视图或本文所述的任何其他视图,以便以促进对与多个生物样本相关的数据的便利且有效的访问和分析的方式来布置ROI图像126和相关数据128。类似地,可以将ROI图像126和相关数据128提供给绘图模块 116,该绘图模块在一个或多个图形或绘图中绘制数据或其一部分。
在一些实施例中,本文描述的任何对象可以被设计为响应于用户的交互的交互式对象。这样的对象可以包括例如窗口部件(选择窗口部件、交互式窗口部件、滑动调整窗口部件、图库细节窗口部件、处理窗口部件、写入窗口部件、标识符窗口部件、删除窗口部件、交互式文件夹窗口部件、配置滑块窗口部件、感兴趣区域生成窗口部件、排序视图窗口部件、多向放置窗口部件等)、图像、模块(例如,过滤器构建器或过滤器生成模块、列表生成模块等)、用户界面中的表示块(例如,数据块)、图标、命令等。例如,可以用诸如Java、Python或C++等的面向对象的编程语言对这样的对象进行编码,其经由用户输入装置接收用户输入、解析用户输入、调用在其中或其他地方编码的一个或多个类别和/或函数,并响应于用户输入而生成中间输出(例如,等待来自用户的进一步输入)或最终输出。
图3O示出了在一个或多个实施例中在其上可以实施本文所述的用于对生物样本进行测定分析的各种过程的计算机化系统。计算机系统300O包括用于传送信息的总线306O或其他通信模块,该总线或其他通信模块使子系统和装置(诸如处理器307O)、系统存储器308O(例如,RAM)、静态存储装置309O(例如,ROM)、磁盘驱动器310O(例如,磁或光)、通信接口5814(例如,调制解调器或以太网卡)、显示器311O(例如,CRT 或LCD)、输入装置312O(例如,键盘)和光标控制(未示出)互连。
在一些实施例中,说明性的计算系统300O可以包括基于互联网的计算平台,该基于互联网的计算平台经由互联网在普遍存在的、按需的基础上向其他计算机和装置提供可配置计算机处理资源(例如,计算机网络、服务器、存储器、应用程序、服务等)和数据的共享池。例如,在一些实施例中,计算系统300O可以包括或可以是云计算平台(例如,公共云、混合云等)的一部分,其中计算机系统资源(例如,存储资源、计算资源等)在按需基础上提供,而无需由用户进行直接主动管理。
根据一个实施例,计算机系统300O通过一个或多个处理器或处理器核 307O执行包括在系统存储器308O中的一个或多个指令的一个或多个序列来执行特定操作。这样的指令可以从另一计算机可读/可用存储介质(诸如静态存储装置309O或磁盘驱动器310O)读入系统存储器308O中。在替代实施例中,可以使用硬连线电路代替软件指令或与软件指令组合来实现本发明。因此,本发明的实施例不限于硬件电路和/或软件的任何特定组合。在一个实施例中,术语“逻辑”应意指用于实现本发明的全部或部分的软件或硬件的任何组合。
可以通过使用一个或多个处理器、一个或多个处理器核或其组合307O 来执行如前面段落中描述的各种动作或过程,其中一个或多个处理器、一个或多个处理器核或其组合执行一个或多个线程。例如,本文描述的确定、提取、模拟、注释、分析、优化和/或识别等动作可以由一个或多个处理器、一个或多个处理器核或其组合来执行。
如本文所使用的术语“计算机可读存储介质”或“计算机可用存储介质”是指参与向处理器307O提供指令以供执行的任何非暂时性介质。这样的介质可以采取许多形式,包括但不限于非易失性介质和易失性介质。非易失性介质包括例如光盘或磁盘,诸如磁盘驱动器310O。易失性介质包括动态存储器,诸如系统存储器308O。计算机可读存储介质的常见形式包括例如机电磁盘驱动器(诸如软盘、柔性盘或硬盘)、基于闪存的、基于RAM 的(诸如SRAM、DRAM、SDRAM、DDR、MRAM等)或任何其他固态驱动器(SSD)、磁带、任何其他磁性或磁光介质、CD-ROM、任何其他光学介质、任何其他具有孔图案的物理介质、RAM、PROM、EPROM、FLASH-EPROM、任何其他存储芯片或盒式磁带,或计算机可以读取的任何其他介质。
在一个实施例中,用于实践本发明的指令序列的执行由单个计算机系统300O执行。根据本发明的其他实施例,通过通信链路315O(例如, LAN、PTSN或无线网络)耦合的两个或更多个计算机系统300O可以彼此协调地执行实践本发明所需的指令序列。
计算机系统300O可以通过通信链路315O和通信接口314O传输和接收消息、数据和指令,包括程序(例如,应用程序代码)。所接收的程序代码可以在其被接收时由处理器307O执行,和/或存储在磁盘驱动器310O或其他非易失性存储器中以供稍后执行。在一实施例中,计算机系统300O结合数据存储系统331O(例如,包括可由计算机系统300O容易访问的数据库332O的数据存储系统331O)进行操作。计算机系统300O通过数据接口 333O与数据存储系统331O通信。耦合到总线306O(例如,存储器总线、系统总线、数据总线等)的数据接口333O传输和接收包括表示各种类型的信号信息(例如,指令、消息和数据)的数据流的电信号、电磁信号或光信号。在本发明的实施例中,数据接口333O的功能可以由通信接口314O执行。
在示例系统中,计算系统300O可以是任何计算机装置和/或系统,诸如台式计算机、服务器、工作站、膝上型计算机、手持式计算机、智能手表或能够与另一装置、系统或两者通信并且具有足够的处理器能力和/或存储器来执行本文描述的操作的其他形式的计算或电信装置。
计算系统300O可以运行基本上任何操作系统,诸如MicrosoftTM WindowsTM操作系统、Linux操作系统(包括各种发行版)、Unix操作系统、 MacOSTM操作系统等的版本。计算系统300O的实现还可以操作实时操作系统、嵌入式操作系统、专有操作系统、开源操作系统、用于移动计算装置的操作系统和/或能够在计算系统300O上运行和/或执行本文描述的操作的另一类型的操作系统。
计算系统300O包括存储器,或者通常与存储器通信,根据至少一个实施例,在该存储器上可以存储一组可执行逻辑表达式(例如,“软件”),用于执行存储在存储器中的软件的处理器,以及用于控制系统硬件的其他程序。
此外,存储器可以包括计算机系统存储器或随机存取存储器(RAM),诸如动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、扩展数据输出随机存储器(EDO RAM)、磁阻随机存取存储器(MRAM)等。系统的用户可以通过输入装置(例如,键盘、指向装置和/或诸如计算机监视器的视觉显示装置)与计算系统300O交互,该输入装置可以包括图形用户界面(GUI)。GUI使得用户能够通过计算系统300O与本文描述的系统交互。用户可以使用GUI发送输入以指示系统,GUI又可以反过来显示用户输入的结果。计算装置300O还可以包括存储装置,该存储装置包括测定数据,即,已经从测定生成的数据,该数据可以包括图像和字母数字数据两者,这将在下面更详细地描述。
计算系统300O还可以包括诸如硬盘驱动器、光盘只读存储器 (CD-ROM)或其他计算机可读介质的存储装置,或者通常与之电子通信,以存储操作系统和其他相关软件并且存储本文所述的显示环境引擎。另外,计算系统300O还可以包括一个或多个网络接口卡,以及其他通常实现的子组件(诸如硬件加速器),以增加计算系统300O的处理速率。
一般而言,数据显示引擎的示例实施例(参见例如图2A)使得用户(例如,研究生物学家)能够过滤、分类和显示来自大数据集34的数据,包括但不限于本文其他地方描述的。图2A示出了示例数据显示引擎50,其可以是图2B中所示的计算节点的一部分,图2B示出了可以在其上实施本文描述的各种计算任务的示例计算系统。引擎50在一个或多个视图中显示来自测定数据集/数据空间34的数据:图库视图52;芯片时间线视图54;过滤器视图56;原始数据视图58;以及生物信息学管线视图59。数据显示引擎50中的这些模块(例如,52、54、56、58和/或59)中的一个或多个不仅显示数据或信息,而且还单独地或与一个或多个其他模块(例如,图1 的112中的一个或多个模块)结合地执行一个或多个分析。
返回参考图3O,数据显示引擎50可以使用户能够在用于他们的研究的一个或多个微流体装置中确定最佳腔室,更具体地,最佳生物细胞,找到与一个或多个特定标准匹配的腔室(或生物细胞)。数据显示引擎50可以显示感兴趣的腔室的视觉历史,并且使得能够在对该腔室中的微物体执行测定之前、期间和之后在感兴趣的任何时间段内经由GUI容易地可视化单个腔室的多个图像。数据显示引擎50可以使用户能够基于与腔室相关联数据(包括与腔室内包括的微物体(或生物细胞)相关联数据)对腔室进行排序和/或分类,和/或对腔室进行过滤。数据显示引擎50可以使用户能够将腔室图像与在测定分析期间生成的字母数字数据匹配,并且显示来自微流体装置的完整图像的单个腔室图像、来自多个时间点的图像和/或腔室图像的切片,其可以可选地包括腔室井外部的区域,这对于一些测定可能是重要的,以及来自数据库的腔室数据,例如,以标准化格式(例如,CSV 或“逗号分隔值”)。
图3A-3C示出了示例微流体装置。除非另有明确否认或描述,否则图 3A-3C中所示和下面描述的一些或所有元件以完全和等同的效果适用于本文所述的任何实施例,只要这些元件与任何实施例相关。
每个参考标识符或ID(例如,图4D中的404D)对应于微流体装置,其中芯片时间线描绘了随时间在微流体装置上执行的操作。基于微流体装置的基于结构或基于目标的特征,基于在芯片时间线的时间过程中评估(例如,定量、监测等)的特征,确定来自微流体装置的感兴趣区域。从微流体装置提取的图像可以用于编译微流体装置内的感兴趣区域的图像序列。另外,芯片时间线视图被配置为表示随时间在微流体装置上执行的一个或多个步骤或操作。微流体回路120A被示出为包括微流体通道122A和腔室 124A、126A、128A、130A。
在一些实施例中,每个腔室包括通向通道122A的开口,但是其余的被封闭,使得腔室可以将腔室内的微物体与流体介质180和/或通道122A的流动路径106A中的或其他腔室中的微物体基本上隔离。腔室的壁从基部的内表面109延伸到盖110A的内表面以提供封闭。腔室通向微流体通道122A 的开口被定向成与流体介质180的流106A成一定角度,使得流106A不被引导到腔室中。流可以与腔室的开口的平面相切或正交。在一些情况下,腔室124A、126A、128A、130A被配置为在微流体回路120A内物理地将一个或多个微物体关在一起。如将在下面详细讨论和示出的,根据本公开的腔室可以包括各种形状、表面和特征,这些形状、表面和特征被优化以与 DEP(介电泳)、OET(光电镊子)、OEW(光电润湿)、流体流动和/或重力一起使用。
芯片时间线视图可以记录和描绘在微流体回路120A上执行的操作,其中图像在各个时间点或整个芯片时间线时间过程中获取。每个微流体回路可以包括任何数量的微流体腔室,其具有在整个芯片时间线的各个时间点获取的图像中可区分的特征或特性。尽管在图3A中示出了五个腔室,但是微流体回路120A可以具有更少或更多的腔室。如图所示,微流体回路 120A的微流体腔室124A、126A、128A和130A各自包括不同的特征和形状,其可以提供对于维持、隔离、测定或培养微物体(包括生物细胞和其他微物体,诸如珠)来说有用的一个或多个益处。在一些实施例中,微流体回路120A包括多个相同的微流体腔室。
在图3A所示的实施例中,微流体装置的基于结构的特性包括如图所示的单个通道122A和流动路径106A。然而,其他实施例可以包括多个通道 122A的基于结构的特性,每个通道被配置为包括流动路径106A的基于结构的特性。微流体回路120A还包括与流动路径106A和流体介质180流体连通的入口阀或端口107的基于结构的特性,由此流体介质180可以经由入口端口107进入通道122A,并且可以作为随时间推移对微流体装置获取的图像的特征或特性来测量或监测。在一些情况下,流动路径106A包括单个路径。在一些情况下,单个路径以例如Z字形图案布置,由此流动路径 106A在交替方向上跨微流体装置100A行进两次或更多次。
在一些情况下,微流体回路120A包括基于结构的特性,其包括多个平行通道122A和流动路径106A,其中,每个流动路径106A内的流体介质 180在相同方向上流动。在一些情况下,每个流动路径106A内的流体介质在向前方向或相反方向中的至少一个方向上流动,其中该方向在从微流体装置获取的图像中可测量。在一些情况下,多个腔室被配置(例如,相对于通道122A),以使得腔室可以并行地装载有目标微物体,其中这种装载可作为在芯片时间线的时间过程中和在对应的图像序列中监测的特征来测量。
在一些实施例中,微流体回路120A还包括一个或多个微物体捕集器 132A,其中微物体捕集器包括微流体装置的可测量特征或特性。捕集器 132A通常可以形成在形成通道122A的边界的壁中,并且可以与微流体腔室124A、126A、128A、130A中的一个或多个的开口相对地定位。在一些实施例中,捕集器132A被配置为从流动路径106A接收或捕获单个微物体,其中这样的操作被记录为在芯片时间线中表示且针对芯片时间线中执行的操作获得的对应图像序列中记录的操作的部分。在一些实施例中,捕集器132A被配置为从流动路径106A接收或捕获多个微物体,其中这样的操作被记录为在芯片时间线中表示且针对芯片时间线中执行的操作获得的对应图像序列中记录的操作的部分。
在一些情况下,捕集器132A包括近似与单个目标微物体的体积相等的体积。捕集器132A还可以包括开口,该开口被配置为辅助目标微物体流入捕集器132A中,其中目标微物体的这种流动被记录为在芯片时间线中表示且针对芯片时间线中执行的操作获得的对应图像序列中记录的操作的部分。在一些情况下,捕集器132A包括开口,该开口具有近似等于单个目标微物体的尺寸的高度和宽度,由此防止较大的微物体进入微物体捕集器,其中开口作为微流体装置的基于结构的特征操作,并且对微物体进行选择性过滤的操作基于被指示为芯片时间线中表示且针对芯片时间线中执行的操作获得的对应图像序列中记录的操作的部分的大小。
捕集器132A还可以包括被配置为帮助将目标微物体保持在捕集器 132A内的其他特征。在一些情况下,捕集器132A相对于微流体腔室的开口与通道122A的相对侧对准并位于其相对侧,使得在经由倾斜装置190使微流体装置100围绕平行于微流体通道122A的轴线倾斜时,被捕集的微物体以使微物体落入腔室的开口中的轨迹离开捕集器132A,其中这样的操作被表示为在芯片时间线中表示且针对芯片时间线中执行的操作获得的对应图像序列中记录的操作的部分。在一些情况下,捕集器132A包括侧通道 134A,该侧通道小于目标微物体以便促进流过捕集器132A,从而增加在捕集器132A中捕获微物体的可能性,其中这样的操作被表示为在芯片时间线中表示且针对芯片时间线中执行的操作获得的对应图像序列中记录的操作的部分。
在一些实施例中,在芯片时间线期间获取的图像可以表示或呈现经由一个或多个电极(未示出)而跨流体介质180(例如,在流动路径中和/或在室中)施加以操纵、运输、分离和分类位于其中的微物体的介电泳(DEP) 力,其中这样的操作被记录为芯片时间线中的一个步骤或一系列步骤。例如,在一些实施例中,DEP力可以被施加到微流体回路120A的一个或多个部分,以便将单个微物体从流动路径106A转移到期望的微流体腔室中。在一些实施例中,DEP力可以用于防止腔室(例如,腔室124A、126A、128A 或130A)内的微物体从其移位。此外,在一些实施例中,DEP力可以用于从先前根据本公开的实施例而收集的腔室中选择性地移除微物体。在一些实施例中,DEP力包括光电镊子(OET)力。
图3B-图3C中示出了包括DEP配置的微流体装置200的一个示例。虽然为了简化的目的,图3B-图3C分别示出了具有区域/腔室202的微流体装置200的外壳102A的一部分的侧面截面图和俯视截面图,但是应当理解,区域/腔室202可以是具有更详细结构的流体回路元件的一部分,诸如生长腔室、腔室、流动区域或流动通道。此外,微流体装置200可以包括其他流体回路元件,其中这样的元件表示基于结构的特征。例如,微流体装置 200可以包括多个生长腔室或腔室和/或一个或多个流动区域或流动通道,诸如本文关于微流体装置100A所述的那些。
DEP配置可以被合并到微流体装置200的任何这样的流体回路元件或其选择部分中。还应当理解,上述或下述微流体装置部件和系统部件中的任一个可以被合并到微流体装置200中和/或与该微流体装置组合使用。例如,包括上述控制和监测设备152A的系统150A可以与微流体装置200一起使用,该微流体装置包括介质模块160(包括介质源178)、运动模块 162、成像模块164、倾斜模块166和其他模块168中的一个或多个。控制和监测设备152A可以包括主控制器154,该主控制器还可以包括控制模块 156和数字存储器158。监测设备152A还可以包括显示装置170和输入/输出装置172。
如图3B所示,微流体装置200包括支撑结构104A,其具有底部电极 204和覆盖底部电极204的电极激活衬底206,以及具有顶部电极210的盖 110A,该顶部电极210与底部电极204间隔开。这些电极的形状可以记录在从微流体装置获取的图像序列中,并且这些电极的一个或多个特性可以用于确定基于结构的感兴趣区域。在该示例中,顶部电极210和电极激活衬底206限定区域/腔室202的相对表面。因此,包括在区域/腔室202中的介质180在顶部电极210与电极激活衬底206之间提供电阻连接。还示出了电源212,其被配置为连接到底部电极204和顶部电极210且根据需要在电极之间产生偏置电压,以用于区域/腔室202中的DEP力的产生。电源212 可以是,例如,交流(AC)电源。
在某些实施例中,图3B-图3C中所示的微流体装置200可以具有光学致动的DEP配置,其中光学致动的DEP配置产生在芯片时间线视图中和在芯片时间线的时间过程期间获取的图像(例如,一个或多个感兴趣区域所获取的图像序列)中表示的特征或特性。另外,出于加载或卸载微物体的目的的DEP激活可以在芯片时间线中的操作(例如,芯片时间线中的块)的图示表示1304B的操作中表示。因此,来自光源216的光的变化图案218,其可以由运动模块162控制,可以选择性地激活和去激活电极激活衬底206 的内表面208的区域214处的DEP电极的变化图案。(下文中,具有DEP 配置的微流体装置的区域214被称为“DEP电极区域”)。
如图3B所示,被引导到电极激活衬底206的内表面208上的光图案 218可以照射诸如正方形的图案中选择的DEP电极区域214a(以白色示出)。可以在包括基本图像的图像或图像序列以及感兴趣区域的图像序列或图像中捕获照射。未被照射的DEP电极区域214(交叉阴影线)在下文中被称为“暗的”DEP电极区域214。通过DEP电极激活衬底206(例如,从底部电极204直到电极激活衬底206的与流动路径或区域106A中的介质 180对接的内表面208)的相对电阻抗大于通过在每个暗DEP电极区域214 处的区域/腔室202(例如,从电极激活衬底206的内表面208到盖110A的顶部电极210)中的介质180的相对电阻抗。然而,被照射的DEP电极区域214a表现出整个电极激活衬底206的减小的相对阻抗,其小于每个被照射的DEP电极区域214a处的区域/腔室202中的整个介质180的相对阻抗。
在电源212被激活的情况下,前述DEP配置在被照射的DEP电极区域 214a与相邻的暗的DEP电极区域214之间的流体介质180中产生电场梯度,这进而产生局部DEP力,其吸引或排斥流体介质180中的附近微物体 (未示出)。因此,在微流体装置获取的图像中记录的照射提供了关于在给定时间点微流体装置中的区域的电状态的信息。因此,通过改变从光源 216投射到微流体装置200中的光图案218,可以在区域/腔室202的内表面 208处的许多不同的这样的DEP电极区域214处选择性地激活和去激活吸引或排斥流体介质180中的微物体的DEP电极。该激活和去激活可以移动微物体,因此可以作为芯片时间线中所示的操作的一部分(例如,细胞的加载或卸载)被分类。DEP力是否吸引或排斥附近的微物体可以取决于诸如电源212的频率和介质180和/或微物体(未示出)的介电性质的参数。
图3C中所示的被照射的DEP电极区域214a的方形图案220仅是示例。DEP电极区域214的任何图案可以被投射到微流体装置200中的光218 的图案照射(并由此激活),并且可以通过改变或移动光图案218来重复地改变照射/激活的DEP电极区域214的图案。方形图案或任何其他图案、形状或其他视觉上可区分的特征或特性可以用于确定、识别或建立感兴趣区域。附加地或替代地,包括但不限于由被照射的DEP电极区域的个体或组合形成的形状的形状可以是可区分的特征或特性。用于在一个或多个图像中激活DEP记录的照射模式也对应于芯片时间线中所示的操作(例如,图 4B中的404B),并且可以在图库视图中具有对应于芯片时间线的相关块的指示符的列下方呈现针对感兴趣区域提取的图像序列。
图3D-图3J示出了可以用于表征感兴趣区域的微流体装置的示例结构特征。在图3D-图3F中描绘的微流体装置230内示出了通用腔室224、226 和228的非限制性示例。每个腔室224、226和228可以包括限定隔离区域 240的隔离结构232和将隔离区域240流体连接到通道122A的连接区域 236。连接区域236可以包括通向微流体通道122A的近端开口234和通向隔离区域240的远端开口238。连接区域236可以被配置为使得从微流体通道122A流入腔室224、226、228的流体介质(未示出)的流动的最大穿透深度不延伸到隔离区域240中。因此,由于连接区域236,设置在腔室 224、226、228的隔离区域240中的微物体(未示出)或其他材料(未示出) 因此可以与之隔离,并且基本上不受在流体通道122A中的介质180的流动的影响。
微流体装置可以包括隔离腔室和衬底(例如,电极激活衬底),其可以包括例如可用于确定感兴趣区域的特征和/或出现在感兴趣区域中或与感兴趣区域有关的特征,其可以被量化或以其他方式表征。图3D-图3F的隔离腔室224、226和228各自具有直接通向微流体通道122A的单个开口。隔离腔室的开口从微流体通道122A横向打开。电极激活衬底206位于微流体通道122A以及腔室224、226和228两者下方。电极激活衬底206在腔室外壳内的上表面(形成腔室底板)设置在与电极激活衬底206在微流体通道122A(或如果不存在通道的话,则为流动区域)内的上表面(形成微流体装置的流动通道(或分别流动区域)的底板)的相同水平或基本相同水平。电极激活衬底206可以是无特征的或者可以具有从其最高高度到其最低凹陷变化小于约3微米、2.5微米、2微米、1.5微米、1微米、0.9微米、0.5 微米、0.4微米、0.2微米、0.1微米或更小的不规则或图案化表面。这些特征可以用于识别基于结构的感兴趣区域。跨越微流体通道122A(或流动区域)和腔室二者的衬底的上表面中的高度的变化可以小于腔室或微流体装置的壁的高度的约3%、2%、1%。0.9%、0.8%、0.5%、0.3%或0.1%。高度的这种变化可以用作用于确定感兴趣区域的指示符(特征/特性)。
可以从其导出图像(基本图像、图像序列、单个图像等)的示例微流体装置可以包括一个或多个微流体回路或微流体回路内的部件或区域。在一些实施例中,微流体回路的基于结构的感兴趣区域可以包括靠近流动区域的区域、其中防止直接流动的区域和/或通过单个开口与流动分离的区域。在进一步的实施例中,微流体回路可以包括离散的结构特征,包括腔室(例如,隔离坞、坞、捕集器等),其中微物体可以与直接流动隔离。
在本文公开的示例微流体装置中,微流体通道122A可以是扫掠区域的示例,并且腔室224、226、228的隔离区域240可以是未扫掠区域的示例。如上所述,微流体通道122A和腔室224、226、228可以被配置为包括一种或多种流体介质180。在图3D-图3E所示的示例中,端口222连接到微流体通道122A并且允许流体介质180被引入到微流体装置230中或从微流体装置230移除。在引入流体介质180之前,微流体装置可以用诸如二氧化碳气体的气体填装。一旦微流体装置230包括流体介质180,微流体通道122A 中的流体介质180的流动242可以被选择性地产生和停止。例如,如图所示,端口222可以设置在微流体通道122A的不同位置(例如,相对端),并且可以从用作入口的一个端口222通向用作出口的另一个端口222产生介质的流动242。
图3F示出了基于结构的感兴趣区域的示例的详细视图,在这种情况下是根据本公开的隔离腔室224。还示出了微物体246的示例。腔室224的结构方面可以用于确定从微流体装置导出的基本图像中的感兴趣区域。可以基于记录在从微流体装置获取的任何图像中的特征(包括基于目标的特征或基于结构的特征)来确定感兴趣区域。
感兴趣区域可以与芯片时间线视图中所示的特定操作相关联。这样的操作可以包括停止、开始、增加或减少微流体装置内的流动。在本文公开的示例微流体装置中,流体介质180在微流体通道122中经过隔离腔室224 的近端开口234的流动242可导致介质180进入和/或流出隔离腔室224的次级流动244。可以获取微流体装置的一个或多个图像(例如,一个或多个基本图像),并且稍后将其分段成感兴趣区域的库,其中感兴趣区域基于其中微物体与次级流体隔离的区域来确定。为了将腔室224的隔离区域240 中的微物体246与次级流动244分离,腔室224的连接区域236的长度Lcon
(例如,从近端开口234到远端开口238)应该大于次级流动244进入连接区域236中的穿透深度Dp。这些性质提供可以为其分配感兴趣区域的离散参数和局部区域。次级流动244的穿透深度Dp取决于在微流体通道122A 中流动的流体介质180的速率、和与微流体通道122A的配置和连接区域236 通往微流体通道122的近端开口234有关的各种参数。因此,利用针对芯片时间线中的给定微流体装置所表示的操作,基于操作(例如,流动的存在/ 不存在等),可以选择基本图像,或者可以确定基本图像内的感兴趣区域。
对于给定的示例微流体装置,微流体通道122A和开口234的配置将是固定的,而流体介质180在微流体通道122A中的流动242的速率将是可变的。因此,对于每个腔室224,可以识别通道122A中的流体介质180的流动242的最大速率Vmax,其确保次级流动244的穿透深度Dp不超过连接区域236的长度Lcon。只要微流体通道122A中的流体介质180的流动242的速率不超过最大速率Vmax,所导致的次级流动244就可以被限制到微流体通道122和连接区域236并且保持在隔离区域240之外。微流体通道122A 中的介质180的流动242因此不会将微物体246从隔离区域240中抽出。相反,不管流体介质180在微流体通道122A中的流动242如何,位于隔离区域240中的微物体246将保持在隔离区域240中。这些流体对这些微物体的影响被直接或间接地记录在时间线视图的块1304D中。因此,用户可以自动地或手动地选择对应于次级流动或流动速率的性质、与将在所选定条件下基于感兴趣区域的特征/特性而在图库视图中显示或分类的感兴趣区域相关的图像(例如,基本图像、图像序列、单个图像等)。
此外,只要微流体通道122A中的介质180的流动242的速率不超过 Vmax,流体介质180在微流体通道122A中的流动242将不会移动混杂颗粒 (例如,微粒和/或纳米颗粒)从微流体通道122A进入腔室224的隔离区域 240中。具有连接区域236的长度Lcon大于次级流动244的最大穿透深度 Dp可以由此防止一个腔室224与来自微流体通道122A或另一腔室的混杂颗粒的污染(例如,图3G中的腔室226、228)。
因为微流体通道122A和腔室224、226、228的连接区域236可以受到微流体通道122中的介质180的流动242的影响,所以微流体通道122A和连接区域236可以被视为微流体装置230的扫掠(或流动)区域。另一方面,腔室224、226、228的隔离区域240可以被认为是未扫掠的(或非流动的) 区域。例如,微流体通道122A中的第一流体介质180中的组分(未示出)可以基本上仅通过第一介质180的组分从微流体通道122A通过连接区域 236扩散到隔离区域240中的第二流体介质248中来与隔离区域240中的第二流体介质248混合。类似地,隔离区域240中的第二介质248的组分(未示出)可以基本上仅通过第二介质248的组分从隔离区域240通过连接区域 236扩散到微流体通道122A中的第一介质180中来与微流体通道122中的第一介质180混合。在一些实施例中,在腔室的隔离区域与流动区域之间的通过扩散的流体介质交换的程度为大于约90%、91%、92%、93%、94%、 95%、96%、97%、98%、或大于约99%的流体交换。第一介质180可以是与第二介质248相同的介质或不同的介质。此外,第一介质180和第二介质 248可以开始相同,然后变得不同(例如,通过由隔离区域240中的一个或多个细胞或通过改变流过微流体通道122A的介质180来调节第二介质 248)。
如上所述,由流体介质180在微流体通道122A中的流动242引起的次级流动244的最大穿透深度Dp可以取决于多个参数。这样的参数的示例包括:微流体通道122A的形状(例如,微流体通道可以将介质引导到连接区域236中,将介质从连接区域236转移走,或者在基本上垂直于连接区域 236的近端开口234的方向上将介质引导到微流体通道122A);在近端开口234处的微流体通道122A的宽度Wch(或横截面积);以及在近端开口 234处的连接区域236的宽度Wcon(或横截面积);流体介质180在微流体通道122A中的的流动242的速率V;第一介质180和/或第二介质248的粘度等。
在一些实施例中,微流体通道122A和腔室224、226、228的尺寸可以相对于微流体通道122A中的流体介质180的流动242的向量来进行如下定向:微流体通道宽度Wch(或微流体通道122A的横截面积)可以基本上垂直于介质180的流动242;在开口234处的连接区域236的宽度Wcon(或横截面积)可以基本上平行于微流体通道122A中的介质180的流动242;和/ 或连接区域的长度Lcon可以基本上垂直于微流体通道122A中的介质180的流动242。前述仅是示例,微流体通道122A和腔室224、226、228的相对位置可以相对于彼此处于其他定向。
如图3F所示,连接区域236的宽度Wcon可以从近端开口234到远端开口238是均匀的。因此,远端开口238处的连接区域236的宽度Wcon可以是本文中针对近端开口234处的连接区域236的宽度Wcon所标识的任何值。可替代地,在远端开口238处的连接区域236的宽度Wcon可以大于在近端开口234处的连接区域236的宽度Wcon。
如图3F所示,在远端开口238处的隔离区域240的宽度可以与近端开口234处的连接区域236的宽度Wcon基本上相同。因此,在远端开口238 处的隔离区域240的宽度可以是本文中针对近端开口234处的连接区域236 的宽度Wcon所标识的任何值。可替代地,在远端开口238处的隔离区域240 的宽度可以大于或小于近端开口234处的连接区域236的宽度Wcon。此外,远端开口238可以小于近端开口234,并且连接区域236的宽度Wcon可以在近端开口234和远端开口238之间变窄。例如,连接区域236可以使用各种不同的几何形状(例如,对连接区域进行倒角、斜切)而在近端开口和远端开口之间变窄。此外,连接区域236的任何部分或子部分可以变窄(例如,连接区域的与近端开口234相邻的部分)。
图3G-图3I描绘了包括微流体回路362和流动通道264的微流体装置 350的另一示例实施例,其是图3A的相应微流体装置100A、捕集器132A 和侧通路134A的变型。微流体装置350也具有多个腔室266,其是上述腔室124A、126A、128A、130A、224、226或228的附加变型。特别地,应当理解,图3G中所示的装置350的腔室266可以代替装置100A、200、 230、280、290、300中的上述腔室124A、126A、128A、130A、224、226 或228中的任一个。同样地,微流体装置350是微流体装置100A的另一变型,并且还可以具有与上述微流体装置100A、200、230、280、290、300 相同或不同的DEP配置以及本文所述的任何其他微流体系统部件。
图3G-图3I的微流体装置350包括支撑结构(在图3G-图3I中不可见,但可以与图3A中描绘的微流体装置100A的支撑结构104A相同或大体上类似)、微流体回路结构(例如,图3A中的108A、图3H中的256、图3J 中的308等)和盖(在图3G-图3I中不可见,但可以与图3A中描绘的微流体装置100A的盖110A相同或大体上类似)。微流体回路结构(例如,图 3A中的108A、图3H中的256、图3J中的308等)包括框架352和微流体回路材料360,其可以与图3A中所示的微流体装置100A的框架114A和微流体回路材料相同或大体上类似。如图3G所示,由微流体回路材料360限定的微流体回路362可以包括多个通道364(示出了两个,但是可以存在更多个),多个腔室366流体连接到该多个通道364。
每个腔室266可以包括隔离结构272、隔离结构272内的隔离区域270 和连接区域268。从微流体通道264处的近端开口274至隔离结构272处的远端开口276,连接区域268将微流体通道264流体连接至隔离区域270。通常,根据以上对图3E-图3F的描述,通道264中的第一流体介质254的流动278可以创建从微流体通道264流入和/或流出腔室266的对应的连接区域268的第一介质254的次级流动282。
如图3H所示,每个腔室266的连接区域268通常包括在到通道264的近端开口274与到隔离结构272的远端开口276之间延伸的区域。连接区域 268的长度Lcon可以大于次级流动282的最大穿透深度Dp,在这种情况下,次级流动282将延伸到连接区域268中而不被重新引导朝向隔离区域270 (如图3G所示)。可替代地,如图3I所示,连接区域268可以具有小于最大穿透深度Dp的长度Lcon,在这种情况下,次级流动282将延伸穿过连接区域268并且被重新引导朝向隔离区域270。
在后一种情况下,连接区域268的长度Lc1和Lc2的总和大于最大穿透深度Dp,使得次级流动282将不延伸到隔离区域270中。无论连接区域268 的长度Lcon是否大于穿透深度Dp,或者连接区域268的长度Lc1和Lc2的总和是否大于穿透深度Dp,通道264中不超过最大速率Vmax的第一介质254 的流动278将产生具有穿透深度Dp的次级流动,并且腔室266的隔离区域 270中的微物体(未示出但可以与图3F中示出的微物体246相同或大体上类似)将不会被通道264中的第一介质254的流动278从隔离区域270中抽出。通道264中的流动278也不将混杂材料(未示出)从通道264抽出到腔室266的隔离区域270中。
因此,扩散可能是机制,通过该机制,微流体通道264中的第一介质 254中的组分可以从微流体通道264移动到腔室266的隔离区域270中的第二介质258中。同样地,扩散是腔室266的隔离区域270中的第二介质258 中的组分可以从隔离区域270移动到微流体通道264中的第一介质254中的机制。第一介质254可以是与第二介质258相同的介质,或者第一介质254 可以是与第二介质258不同的介质。可替代地,第一介质254和第二介质 258可以在开始时相同,然后变得不同,例如通过由隔离区域270中的一个或多个细胞,或通过改变流过微流体通道264的介质来调节第二介质。
如图3F所示,微流体通道264中的微流体通道264的宽度Wch(例如,横向于如图3G中的箭头278所指示的穿过微流体通道的流体介质流动的方向)可以基本上垂直于近端开口274的宽度Wcon1并且由此基本上平行于远端开口276的宽度Wcon2。然而,近端开口274的宽度Wcon1和远端开口276 的宽度Wcon2不需要基本上彼此垂直。例如,近端开口274的宽度Wcon1所定向的轴线(未示出)与远端开口276的宽度Wcon2所定向的另一个轴线之间的角度可以不是垂直,因而不是90度。可替代地定向的角度的示例包括以下角度:约30度至约90度、约45度至约90度、约60度至约90度等。
如本文所述,腔室和腔室通向的微流体通道的各种尺寸和/或特征可以在芯片时间线中用微流体装置的特征(例如,基于结构的感兴趣区域)表示,其中选择旨在执行在微流体装置所获取的图像中可测量的特定操作。这种操作包括但不限于限制污染物或不需要的微物体从流动区域/微流体通道引入腔室的隔离区域中;将来自通道或来自隔离区域的流体介质中的组分的交换限制为基本上扩散的交换;促进将微物体转移到腔室中和/或从腔室转移出;和/或促进设置在分离区域内的任何生物细胞的生长或扩增。对于本文所述的任何实施例,微流体通道和腔室可以具有任何合适的尺寸组合,可以由本领域技术人员从本公开的教导中选择,如下所述,并且这些尺寸可以用于识别感兴趣区域或表征感兴趣区域中发生的现象的目的。因此,本文公开的结构特征可以在芯片时间线中表示的基本图像中检测,并且被选择用于分析以产生可以在图库视图中显示的感兴趣区域的图像序列。可以使用本文公开的过滤器构建器和应用程序模块或图形工具来评估 (例如,布置、聚类、过滤或以其他方式操纵)感兴趣区域的可量化特征。
对于本文所述的任何实施例,微流体通道和腔室可以具有任何合适的尺寸组合(例如,腔室(例如124A、126A、128A、130A、224、226、228 或266)、隔离区域(例如240或270)等的尺寸)。可以用作单独或组合使用以确定感兴趣区域的微流体装置的特征或特性的示例尺寸包括但不限于:微流体通道(例如,122A)的宽度Wch,微流体通道的高度Hch,微流体通道(例如,122A)的横截面积,连接区域(例如,236)的长度Lcon,连接区域(例如,236)的宽度Wcon,近端开口的Wpr,连接区域的近端开口的宽度Wpr,连接区域(例如,236)的长度Lcon与连接区域(例如,236) 的宽度Wcon的比率,流动速率(例如,Vmax),以及微流体装置内的区域的长度(例如,确定为Ls–Lcon)。微流体装置的特征或特性可以由本领域技术人员如下般从本公开的教导中选择,并且这些尺寸可以用于识别感兴趣区域或表征感兴趣区域中发生的现象的目的。因此,本文公开的结构特征可以在芯片时间线中表示的基本图像中检测,并且被选择用于分析以产生可以在图库视图中显示的感兴趣区域的图像序列。可以使用本文公开的过滤器构建器和应用程序模块或图形工具来评估(例如,布置、聚类、过滤或以其他方式操纵)感兴趣区域的可量化特征。与微流体装置的结构相关的示例特征和/或特性的列表在本文中被公开为在对其执行操作的示例微流体装置中的示例腔室(例如,如在芯片时间线中记录和示出的)和/或在图像中(例如,在图库视图中示出感兴趣区域的图像序列)的各种实施例,和/ 或被公开为使用本文公开的过滤器构建器和应用程序模块和/或图形工具评估的感兴趣区域的量化表示。
在腔室(例如124A、126A、128A、130A、224、226、228或266)的各种实施例中,隔离区域(例如240或270)被配置为包括多个微物体。在其他实施例中,隔离区域可以被配置为包括一个、两个、三个、四个、五个或类似的相对少量的微物体。因此,隔离区域的体积可以是例如至少1 ×106、2×106、4×106、6×106立方微米或更多。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括微流体通道(例如,122A)在近端开口(例如,234)处的宽度 Wch,该宽度可以为:约50~1000微米、50~500微米、50-400微米、50~300 微米、50~250微米、50~200微米、50~150微米、50~100微米、70~500微米、70~400微米、70~300微米、70~250微米、70~200微米、70~150微米、90-400微米、90~300微米、90~250微米、90~200微米、90~150微米、100~300微米、100~250微米、100~200微米、100~150微米或100~120 微米。在一些其他实施例中,微流体通道(例如,122)在近端开口(例如, 234)处的宽度Wch可以为约200~800微米、200~700微米或200~600微米。前述内容仅是示例,微流体通道122A的宽度Wch可以是上面列出的任何端点内的任何宽度。此外,微流体通道122A的Wch可以被选择为在除腔室的近端开口之外的微流体通道的区域中的这些宽度中的任一个。在一些实施例中,腔室的高度为约30至约200微米或约50至约150微米。在一些实施例中,腔室的横截面积为约1×104~3×106平方微米、2×104~2×106平方微米、4×104~1×106平方微米、2×104~5×105平方微米、2×104~1×105平方微米或约2×105~2×106平方微米。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括微流体通道(例如,122A)在近端开口(例如,234)处的高度 Hch,该宽度可以是在以下高度内的任何高度:20~100微米、20~90微米、20~80微米、20~70微米、20~60微米、20~50微米、30~100微米,30~90 微米、30~80微米、30~70微米、30~60微米、30~50微米、40~100微米、 40~90微米、40~80微米、40~70微米、40~60微米或40~50微米。前述仅是示例,并且微流体通道(例如,122A)的高度Hch可以是以上列出的任何端点内的高度。微流体通道122A的高度Hch可以被选择为在微流体通道的除了腔室的近端开口之外的区域中的这些高度中的任一个。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括微流体通道(例如,122A)在近端开口(例如,234)处的横截面积,该横截面积可以为:约500~50,000平方微米、500~40,000平方微米、 500~30,000平方微米、500~25,000平方微米、500~20,000平方微米、 500~15,000平方微米、500~10,000平方微米、500~7,500平方微米、 500~5,000平方微米、1,000~25,000平方微米、1,000~20,000平方微米、 1,000~15,000平方微米、1,000~10,000平方微米、1,000~7,500平方微米、 1,000~5,000平方微米、2,000~20,000平方微米、2,000~15,000平方微米、 2,000~10,000平方微米、2,000~7,500平方微米、2,000~6,000平方微米、 3,000~20,000平方微米、3,000~15,000平方微米、3,000~10,000平方微米、 3,000~7,500平方微米、或3,000~6,000平方微米。前述仅是示例,并且微流体通道(例如,122A)在近端开口(例如,234)处的横截面积可以是上面列出的任何端点内的任何面积。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括连接区域(例如,236)的长度Lcon,该长度可以为:约1~600 微米、5~550微米、10~500微米、15~400微米、20~300微米,20~500微米、40~400微米、60~300微米、80~200微米或约100~150微米。前述内容仅是示例,并且连接区域(例如,236)的长度Lcon可以在以上列出的任何端点内的任何长度中。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括连接区域(例如,236)在近端开口(例如,234)处的宽度Wcon,该宽度可以为:约20~500微米、20~400微米、20~300微米、20~200微米、 20~150微米、20~100微米、20~80微米、20~60微米、30~400微米、 30~300微米、30~200微米、30~150微米、30~100微米、30~80微米、 30~60微米、40~300微米、40~200微米、40~150微米、40~100微米、 40~80微米、40~60微米、50~250微米、50~200微米、50~150微米、 50~100微米、50~80微米、60~200微米、60~150微米、60~100微米、 60~80微米、70~150微米、70~100微米或80~100微米。前述仅为示例,并且连接区域(例如,236)在近端开口(例如,234)处的宽度Wcon可以不同于前述示例(例如,上述任何端点内的任何值)。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括连接区域(例如,236)在近端开口(例如,234)处的宽度Wcon,该宽度可以至少与腔室旨在用于的微物体(例如,生物细胞,其可以是B 细胞、浆细胞、杂交瘤、重组抗体分泌细胞(ASC),诸如CHO细胞或酵母细胞等)的最大尺寸一样大。前述仅是示例,并且连接区域(例如,236)在近端开口(例如,234)处的宽度Wcon可以与前述示例不同(例如,上面列出的任何端点内的宽度)。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括连接区域的近端开口的宽度Wpr,该宽度可以至少与腔室旨在用于的微物体(例如,诸如细胞的微物体)的最大尺寸一样大。例如,宽度 Wpr可以为约50微米、约60微米、约100微米、约200微米、约300微米或可以为约50~300微米、约50~200微米、约50~100微米、约75~150微米、约75~100微米或约200~300微米。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括连接区域(例如,236)的长度Lcon与连接区域(例如,236)在近端开口234处的宽度Wcon的比率,该比率可以大于或等于以下比率中的任一个:0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5、5.0、6.0、7.0、 8.0、9.0、10.0或更大。前述仅是示例,并且连接区域236的长度Lcon与连接区域236在近端开口234处的宽度Wcon的比率可以与前述示例不同。
在各种实施例中,微流体装置的图像、从腔室获取的图像的特征或特性可以包括腔室的隔离区域,其具有约40-600微米、约40-500微米、约 40-400微米、约40-300微米、约40-200微米、约40-100微米或约40-80 微米的长度(确定为Ls–Lcon)。在一些实施例中,腔室的隔离区域具有约 30-550微米、约30-450微米、约30-350微米、约30-250微米、约30-170微米、约30-80微米或约30-70微米的长度。前述仅是示例,并且腔室可以具有被选择为在上面列出的任何值之间的长度Ls。
在各种实施例中,从微流体装置获取的图像的特征或特性可以与芯片时间线中记录的一个或多个操作相关。这样的操作可以包括流速或以特定流速执行的动作。在这样的实施例中,可以在对应于最大流速Vmax的时间点获取图像,该最大流速可以被设置为约0.2、0.5、0.7、1.0、1.3、1.5、 2.0、2.5、3.0、3.5、4.0、4.5、5.0、5.5、6.0、6.7、7.0、7.5、8.0、8.5、9.0、10、11、12、13、14、15、16、17、18、19或20微升/秒。附加地或可替代地,芯片时间线中所示的给定操作的流速可以是0微升/秒,其中在捕获图像(例如,基本图像)的时间点处不发生流动。
微流体装置的图像可以包括一个或多个腔室。基本图像或视场图像可以包括微流体装置中的所有腔室或腔室的子集。在各种实施例中,微流体装置具有如本文所讨论的任何实施例中配置的腔室,其中,微流体装置具有约5至约10个腔室、约10至约50个腔室、约25至约200个腔室、约100 至约500个腔室、约200至约1000个腔室、约500至约1500个腔室、约1000至约2500个腔室、约2000至约5000个腔室、约3500至约7000个腔室、约5000至约10,000个腔室、约7,500至约15,000个腔室、约12,500 至约20,000个腔室、约15,000至约25,000个腔室、约20,000至约30,000 个腔室、约25,000至约35,000个腔室、约30,000至约40,000个腔室、约 35,000至约45,000个腔室、或约40,000至约50,000个腔室。腔室不需要都是相同的尺寸,并且可以包括各种配置(例如,腔室内的不同宽度、不同特征)。
图3J描绘了包括微流体回路结构308的基于微流体结构的特征的微流体装置300的另一示例实施例,其包括通道322和腔室324,具有与本文中针对微流体装置100A、200、230、250、280、300和本文所述的任何其他微流体装置的任何腔室类似的特征和性质。
图3J的示例微流体装置包括微流体通道322,其具有如本文所述的宽度Wch,并且包括第一流体介质302的流动310和一个或多个腔室324(图 3J中仅示出了一个)。可以在芯片时间线中所示的特定步骤或操作期间获取的图像序列中捕获这些流操作。腔室324的基于结构的特征还可以具有在图像序列中表示并用于在图库视图中定义感兴趣区域的定义特征,其中图库视图对应于芯片时间线中所示的操作。在该示例中,腔室325各自具有长度LS、连接区域336和隔离区域340,其中隔离区域340包括第二流体介质304。连接区域336具有:近端开口334,其具有宽度Wcon1,向微流体通道322开放;以及远端开口338,其具有宽度Wcon2,向隔离区域340开放。宽度Wcon1可以与Wcon2相同或不同,如本文所述。每个腔室324的壁可以由微流体回路材料316形成,该微流体回路材料可以进一步形成连接区域壁330。连接区域壁330可以对应于相对于近端开口334横向定位并且至少部分地延伸到腔室324的封闭部分中的结构。在一些实施例中,连接区域336的长度Lcon至少部分地由连接区域壁330的长度Lwall限定。连接区域壁330可以具有长度Lwall,该长度被选择为大于次级流动344的穿透深度Dp。因此,次级流动344可以完全包括在连接区域内而不延伸到隔离区域340中。
连接区域壁330可以限定钩区域(hook area)352的基于结构的特征,该钩区域是腔室324的隔离区域340的子区域。由于连接区域壁330延伸到腔室的内腔中,因此连接区域壁330可以用作物理屏障以屏蔽钩区域352 免受次级流动344影响,其中选择Lwall的长度有助于钩区域的范围。在一些实施例中,连接区域壁330的长度Lwall越长,钩区域352被遮蔽得越多。可以在从微流体芯片获取的图像序列中监测这些基于结构的特征,并将其描绘为芯片时间线中的离散步骤。在如图3D-图3J那样配置的腔室中,隔离区域可以具有任何类型的形状和尺寸,并且可以与芯片时间线中的操作相关联。操作的示例包括加载、灌注、监测和/或导出微物体,和/或监测荧光。这种监测可以被配置为使得图像序列的特征对应于生物相关操作,包括调节营养物、试剂和/或介质到腔室中的扩散,以到达腔室的远壁,例如,与连接区域到流动区域(或微流体通道)的近端开口相对。隔离区域的尺寸和形状可以对应于微流体装置的基于结构的特征,其中基于生物样本与测定或测定步骤的相关性选择所述基于结构的特征,所述测定或测定步骤涉及调节微物体的废产物和/或分泌产物经由腔室的连接区域的近端开口从隔离区域向流动区域的扩散。
在腔室的一些其他实施例中,隔离区域可以具有将隔离区域与微流体装置的流动区域流体连接的多于一个开口。然而,对于具有将隔离区域流体连接到流动区域(或两个或更多个流动区域)的n个开口的隔离区域, n-1个开口可以是带阀门的。当n-1个带阀门的开口关闭时,隔离区域具有一个有效开口,并且通过扩散发生进入/离开隔离区域的材料交换。已经在例如美国专利第9,857,333号(Chapman等人)、美国专利第10,010,882号 (White等人)和美国专利第9,889,445号(Chapman等人)中描述了具有其中可以放置、培养和/或监测微物体的坞的微流体装置的示例,其各自出于所有目的通过引用整体并入本文。
图3K示出了根据本公开的实施例的微流体装置。更具体地,图3K示出了根据一个实施例的微流体装置280。图3K中所示的微流体装置280包括具有基于结构的特征的微流体装置(例如,图3A中的100)的程式化图,其可以用于为在芯片时间线视图中描绘的一个或多个操作期间将感兴趣区域指派给微流体装置所获取的图像或图像序列。
在实践中,微流体装置280及其组成回路元件(例如,图3A中的通道 122A和腔室128A)将具有本文所讨论的尺寸。图3A中所示的微流体回路 120A具有两个端口107、四个不同的通道122A和四个不同的流动路径 106A。图3K中的微流体装置280还包括向每个通道(例如,图3A中的122A)开口的多个腔室。在图3K所示的微流体装置中,腔室可以具有类似于图3F所示的坞的几何形状,因此具有连接区域和隔离区域两者。因此,微流体回路(例如,图3A中的120A)包括扫掠区域(例如,通道122A和图3E中的连接区域236的在图3F中的次级流动244的最大穿透深度Dp内的部分)和非扫掠区域(例如,隔离区域240和连接区域236的不在图3F 中的次级流动244的最大穿透深度Dp内的部分)两者。
图3L示出了根据本公开的实施例的微流体装置的涂覆表面。更具体地,图3L描绘了微流体装置290的横截面视图,其具有提供经调节的表面的示例性共价连接的涂层材料。如图所示,涂层材料298(示意性地示出) 可以包括与微流体装置290的衬底286(其可以是DEP衬底)的内表面294 和盖288的内表面292两者共价结合的致密堆积分子的单层。涂层材料298 可以设置在基本上所有内表面294、292上,该内表面接近微流体装置290 的外壳284并向内面向微流体装置290的外壳284,在一些实施例中并且如上所述,其包括用于限定微流体装置290内的回路元件和/或结构的微流体回路材料(未示出)的表面。在替代实施例中,涂层材料298可以仅设置在微流体装置290的内表面的一个或一些上。
在图3L所示的实施例中,涂层材料298可以包括有机硅氧烷分子的单层,每个分子经由甲硅烷氧基连接体296共价键合到微流体装置290的内表面292、294。可以使用任何上述涂层材料298(例如,烷基封端的、氟烷基封端的部分、PEG封端的部分、葡聚糖封端的部分、或针对有机甲硅烷氧基部分包含正电荷或负电荷的末端部分),其中末端部分设置在其面向外壳的末端(即,涂层材料298的单层的未结合到内表面292、294并且接近外壳284的部分)。
在其他实施例中,用于涂覆微流体装置290的内表面292、294的涂层材料298可以包括阴离子、阳离子或两性离子部分或其任何组合。不受理论的限制,通过在微流体回路120A的外壳284的内表面处呈现阳离子部分、阴离子部分和/或两性离子部分,涂层材料298可以与水分子形成强氢键,使得所得的水合水(water of hydration)充当将微物体与非生物分子(例如,衬底的硅和/或氧化硅)的相互作用分开的层(或“屏蔽”)。此外,在涂层材料298与涂层剂结合使用的实施例中,涂层材料298的阴离子、阳离子和/或两性离子可以与存在于外壳284中的介质180(例如涂层溶液)中的非共价涂层剂(例如溶液中的蛋白质)的带电部分形成离子键。
在其他实施例中,涂层材料可以包括或经化学改性以在其面向外壳的末端处呈现亲水性涂层剂。在一些实施例中,涂层材料可以包括含亚烷基醚的聚合物,诸如PEG。在一些实施例中,涂层材料可以包括多糖,诸如葡聚糖。与上面讨论的带电部分(例如,阴离子、阳离子和两性离子部分) 一样,亲水性涂层剂可以与水分子形成强氢键,使得所得的水合水充当将微物体与非生物分子(例如,衬底的硅和/或氧化硅)的相互作用分开的层 (或“屏蔽”)。可以在2016年4月22日提交的美国申请序列号15/135,707 中找到适当的涂层处理和改性的进一步细节,并且其全部内容通过全文引用并入本文。
附加系统组件用于维持微流体装置的隔离坞内的细胞活力。为了促进细胞群的生长和/或扩增,可以通过系统的附加组件提供有助于维持功能性细胞的环境条件。例如,此类附加组件可以提供营养物、细胞生长信号传导物质、pH调节、气体交换、温度控制和从细胞中移除废物。
图3M示出了根据本公开的一些实施例的与微流体装置和相关联的控制设备一起使用的系统的具体示例。图3N示出了根据本公开的一些实施例的成像装置。更具体地,图3M-图3N示出了可以用于操作和观察根据本公开的一个或多个微流体装置的系统的各种实施例。如图3M所示,该系统可以包括被配置为保持微流体装置320或本文所述的任何其他微流体装置的结构(“巢”)300。巢300可以包括能够与微流体装置320(例如,光学致动的电动装置)接合并提供从电源到微流体装置320的电连接的插口 302。巢300还可以包括集成电信号生成子系统304。电信号生成子系统304 可以被配置为向插口302提供偏置电压,使得被插口302保持时,横跨微流体装置320中的一对电极施加偏置电压。因此,电信号生成子系统304可以是电源192的一部分。将偏置电压施加到微流体装置320的能力可以意味着或可以不意味着在微流体装置320被插口302保持时将始终施加偏置电压。相反,在一些情况下,偏置电压可以被间歇地施加,例如,仅根据需要来促进微流体装置320中的电动力学力(诸如介电泳(DEP)或电润湿)的产生时施加。
如图3M所示,巢300可以包括印刷电路板组件(PCBA)322。电信号生成子系统304可以被安装在PCBA 322上并且被电集成到PCBA 322 中。示例支撑件还包括安装在PCBA 322上的插口302。在一些实施例中,电信号生成子系统304包括波形发生器(未示出)。电信号生成子系统304 还可以包括示波器(未示出)和/或波形放大电路(未示出),其被配置为放大从波形发生器接收的波形。示波器(如果存在)可以被配置为测量供应到被插口302保持的微流体装置320的波形。在某些实施例中,示波器测量在微流体装置320近端(和远离波形发生器)的位置处的波形,从而确保测量实际上施加到装置的波形时的更高精度。从示波器测量获得的数据可以例如作为反馈被提供给波形发生器,并且波形发生器可以被配置为基于这样的反馈来调整其输出。合适的组合波形发生器和示波器的示例是Red PitayaTM。
在某些实施例中,巢300还包括控制器308,诸如用于感测和/或控制电信号生成子系统304的微处理器。合适的微处理器的示例包括ArduinoTM微处理器,诸如Arduino NanoTM微处理器。控制器308可以用于执行功能和分析,或者可以与外部主控制器154(在图3A中示出)通信以执行功能和分析。在图3M所示的实施例中,控制器308通过接口310(例如,插头或连接器)与主控制器154通信。
在一些实施例中,巢300可以包括电信号生成子系统304,所述电信号生成子系统包括Red PitayaTM波形发生器/示波器单元(“Red Pitaya单元”) 和放大由Red PitayaTM单元产生的波形并将放大的电压传递到微流体装置 100的波形放大电路。在一些实施方式中,Red PitayaTM单元被配置为测量微流体装置320处的放大后的电压,且接着根据需要调整其自身的输出电压,使得微流体装置320处的所测量电压为期望值。在一些实施例中,波形放大电路可以具有由安装在PCBA 322上的一对DC-DC转换器生成的 +6.5V到-6.5V的电源,导致微流体装置320处高达13Vpp的信号。
如图3M所示,支撑结构300还可以包括热控制子系统306。热控制子系统306可被配置为调节由支撑结构300(例如巢)保持的微流体装置320 的温度。例如,热控制子系统306可以包括Peltier热电设备(未示出)和冷却单元(未示出)。Peltier热电设备可以具有被配置为与微流体装置320 的至少一个表面接合的第一表面。冷却单元可以是例如冷却块(未示出),例如液体冷却的铝块。Peltier热电设备的第二表面(例如,与第一表面对置的表面)可以被配置为与这样的冷却块的表面接合。冷却块可以连接到流体路径314,流体路径314被配置为使冷却流体循环通过冷却块。在图3M所示的实施例中,支撑结构300包括入口316和出口318,以接收来自外部储存器(未示出)的冷却流体,将冷却流体引入流体路径314并通过冷却块,然后将冷却的流体返回到外部储存器。在一些实施例中,Peltier热电设备、冷却单元和/或流体路径314可以安装在支撑结构300的壳体312上。在一些实施方式中,热控制子系统306被配置为调节珀尔帖热电装置的温度,以便实现微流体装置320的目标温度。例如,Peltier热电设备的温度调节可以通过诸如PololuTM热电电源(Pololu Robotics andElectronics Corp.) 的热电电源来实现。热控制子系统306可以包括反馈电路,诸如由模拟电路提供的温度值。或者,反馈电路可由数字电路提供。
在一些实施例中,巢300可以包括具有反馈电路的热控制子系统306,该反馈电路是模拟分压器电路(未示出),该模拟分压器电路包括电阻器(例如,具有1kΩ+/-0.1%的电阻,+/-0.02ppm/C0的温度系数)和NTC热敏电阻(例如,标称电阻为1kΩ+/-0.01%)。在一些情况下,热控制子系统306 测量来自反馈电路的电压,并且然后使用所计算的温度值作为到机载PID 控制环路算法的输入。PID控制循环算法的输出可以驱动例如PololuTM电动机驱动器(未示出)上的方向和脉冲宽度调制的信号引脚,以使热电电源致动,从而控制Peltier热电设备。
巢300可以包括串行端口324,其允许控制器308的微处理器经由接口 310(未示出)与外部主控制器154进行通信。另外,控制器308的微处理器可以与电信号生成子系统304和热控制子系统306进行通信(例如,经由 Plink工具(未示出))。因此,经由控制器308、接口310和串行端口324 的组合,电信号生成子系统304和热控制子系统306可以与外部主控制器 154进行通信。以这种方式,除了其他方面之外,主控制器154还可以通过执行用于输出电压调节的比例(scaling)计算来辅助电信号生成子系统304。通过耦接到外部主控制器154的显示装置170所提供的图形用户界面(GUI) (未示出)可以被配置为绘制分别从热控制子系统306和电信号生成子系统304获得的温度和波形数据。或者或此外,GUI可以允许更新控制器308、热控制子系统306和电信号生成子系统304。
如上所述,系统150A可以包括成像装置194。在一些实施例中,成像装置194包括光调制子系统330(参见图3N)。光调制子系统330可以包括数字镜装置(DMD)或微光闸阵列系统(MSA),其任一者可以被配置为从光源332接收光,且将所接收光的子集发射到显微镜350的光学系统中。或者,光调制子系统330可以包含产生其自身光(且因此无需光源332 而分配)的装置,例如有机发光二极管显示器(OLED)、硅基液晶(LCOS) 装置、硅装置上的铁电液晶(FLCOS)或透射液晶显示器(LCD)。光调制子系统330可以是例如投影仪。因此,光调制子系统330能够发射结构光和非结构光两者。在某些实施例中,系统150A的成像模块164和/或运动模块162可以控制光调制子系统330。
在某些实施例中,成像装置194还包括显微镜350。在这样的实施例中,巢300和光调制子系统330可以被单独地配置为安装在显微镜350上。显微镜350可以是例如标准研究级别的光显微镜或荧光显微镜。因此,巢 300可以被配置为安装在显微镜350的平台344上,和/或光调制子系统330 可以被配置为安装在显微镜350的端口上。在其他实施例中,这里描述的巢300和光调制子系统330可以是显微镜350的集成组件。
在某些实施例中,显微镜350还可以包括一个或多个检测器348。在一些实施方式中,检测器348由成像模块164控制。检测器348可以包括目镜、电荷耦合装置(CCD)、相机(例如,数码相机)或其任何组合。如果存在至少两个检测器348,则一个检测器可以是例如快速帧速率相机,而另一个检测器可以是高灵敏度相机。此外,显微镜350可以包括光学系统,该光学系统被配置为从微流体装置320接收反射和/或发射的光,并且将反射和/或发射的光的至少一部分聚焦在一个或多个检测器348上。显微镜的光学系统还可以包括用于不同检测器的不同的镜筒透镜(未示出),使得每个检测器上的最终放大率可以不同。
在某些实施例中,成像装置194被配置为使用至少两个光源。例如,第一光源332可以用于产生结构光(例如,经由光调制子系统330),并且第二光源334可以用于提供非结构光。第一光源332可以产生用于光学致动电动力学和/或荧光激发的结构光,并且第二光源334可以用于提供明场照明。在这些实施方式中,运动模块164可以用于控制第一光源332,并且成像模块164可以用于控制第二光源334。显微镜350的光学系统可以被配置为(1)从光调制子系统330接收结构光,并且当装置被巢300保持时,将结构光聚焦在微流体设备(诸如光学致动的电动装置)中的至少第一区域上,以及(2)接收来自微流体装置的反射和/或发射的光并且将这样的反射和/或发射的光的至少一部分聚焦到检测器348上。光学系统还可以被配置为从第二光源接收非结构光,并且当设备由巢300保持时将非结构光聚焦在微流体设备的至少第二区域上。在某些实施方式中,微流体装置的第一区域和第二区域可以是重叠区域。例如,第一区域可以是第二区域的子集。在其他实施方式中,第二光源334可以另外或替代地包含激光器,所述激光器可具有任何合适波长的光。图3N中所示的光学系统的表示仅是示意性表示,并且光学系统可以包括附加过滤器、陷波过滤器、透镜等。当第二光源334包括用于明场和/或荧光激发的一个或多个光源以及激光照射时,光源的物理布置可以与图3N中所示的不同,并且可以在光学系统内的任何合适的物理位置处引入激光照射。光源334和光源332/光调制子系统 330的示意性位置也可以互换。
在图3N中,第一光源332被示为将光提供给光调制子系统330,其将结构光提供给系统355(未示出)的显微镜350的光学系统(optical train)。第二光源334被示为经由分束器336将非结构光提供给光学系统。来自光调制子系统330的结构光和来自第二光源33的非结构光一起从分束器336通过光学系统行进到达第二分束器(或二向色过滤器338,取决于光调制子系统330提供的光),在此,光通过物镜336向下反射到样本平面342。然后来自样本平面342的被反射和/或发射的光通过物镜340、通过分束器和/或二向色过滤器338返回至二向色过滤器346。到达二向色过滤器346的仅仅一部分光穿过并到达检测器348。
在一些实施例中,第二光源334发射蓝光。利用适当的二向色过滤器 346,从样本平面342反射的蓝光能够穿过二向色过滤器346并到达检测器 348。相比之下,来自光调制子系统330的结构光从样本平面342反射,但不穿过二向色过滤器346。在该示例中,二向色过滤器346滤除波长大于495nm的可见光。如果从光调制子系统发射的光不包括短于495nm的任何波长,则仅完成来自光调制子系统330的光的过滤(如图所示)。实际上,如果来自光调制子系统330的光包括短于495nm的波长(例如,蓝光波长),则来自光调制子系统的一些光将穿过过滤器346到达检测器348。在这样的实施例中,过滤器346用于改变从第一光源332和第二光源334到达检测器348的光量之间的平衡。如果第一光源332明显强于第二光源334,则这可以是有益的。在其他实施例中,第二光源334可以发射红光,并且二向色过滤器346可以滤除除了红光之外的可见光(例如,波长比红光短的的可见光)。
涂层溶液和涂层剂。不希望受理论的限制,当微流体装置的至少一个或多个内表面已经被处理或涂覆,以展现有机和/或亲水分子层,其提供微流体装置和保持在其中的微物体之间的主要界面时,可以促进微流体装置 (例如,DEP结构和/或EW结构的微流体装置)内的微物体(例如,生物细胞)的培养(即,微物体在微流体装置内表现出增加的活性,更大的扩增和/或更大的移植性)。在一些实施例中,微流体装置的一个或多个内表面 (例如,DEP结构的微流体装置的电极激活衬底的内表面、微流体装置的盖、和/或回路材料的表面)可以用涂层溶液和/或涂层剂处理或修饰,以产生所需的有机和/或亲水分子层。
涂层可在引入微物体之前或之后施加,或可与微物体同时引入。在一些实施例中,微物体可在包括一种或多种涂层剂的流体介质中被导入微流体装置中。在其他实施例中,在将微物体引入微流体装置之前,微流体装置的内表面(例如,DEP结构的微流体装置)用包含涂层剂的涂层溶液进行处理或“打底漆(primed)”。
在一些实施例中,微流体装置的至少一个表面包括涂层材料,该涂层材料提供适合于微物体的培养和/或扩增的有机和/或亲水性分子层(例如,提供如下所述的调节后的表面)。在一些实施例中,微流体装置的基本上所有内表面都包括涂层材料。涂覆的内表面可以包括流动区域(例如,通道)、腔室或隔离坞或其组合的表面。在一些实施例中,多个隔离坞中的每一个具有涂覆有涂层材料的至少一个内表面。在其他实施例中,多个流动区域或通道中的每一个具有涂覆有涂层材料的至少一个内表面。在一些实施例中,多个隔离坞中的每一个和多个通道中的每一个的至少一个内表面涂覆有涂层材料。
涂层剂/溶液。可以使用任何方便的涂层剂/涂层溶液,包括但不限于:血清或血清因子、牛血清白蛋白(BSA)、聚合物、去污剂、酶及其任何组合。
基于聚合物的涂层材料。所述至少一个内表面可以包括包含聚合物的涂层材料。聚合物可以与至少一个表面共价或非共价结合(或可以非特异性地粘附)。聚合物可以具有多种结构基序,例如在嵌段聚合物(和共聚物)、星形聚合物(星形共聚物)和接枝或梳状聚合物(接枝共聚物)中发现的,所有这些都可以适用于本文公开的方法。
聚合物可以包括包含亚烷基醚部分的聚合物。包括聚合物的多种亚烷基醚可适用于本文所述的微流体装置中。含亚烷基醚的聚合物的一个非限制性示例类是两性非离子嵌段共聚物,其包括聚环氧乙烷(PEO)和聚环氧丙烷(PPO)亚单元的嵌段,其在聚合物链内具有不同的比率和位置。聚合物(BASF)是这种类型的嵌段共聚物,并且在本领域中已知适用于与活细胞接触时使用。聚合物的平均分子量Mw可以为约2000Da至约20kDa。在一些实施例中,PEO-PPO嵌段共聚物可以具有大于约10(例如12~18) 的亲水亲油平衡(HLB)。可用于产生涂层表面的具体的聚合物包括L44、L64、P85和F127(包括F127NF)。另一类包括聚合物的亚烷基醚是聚乙二醇(PEGMw<100,000DA)或可选地聚环氧乙烷(PEO, Mw>100,000)。在一些实施例中,PEG可具有约1000Da、5000Da、10,000Da 或20,000Da的Mw。
在其他实施例中,涂层材料可包括含有羧酸部分的聚合物。羧酸子单元可以是含有亚单元的烷基、烯基或芳香族部分的子单元。一个非限制性实例是聚乳酸(PLA)。在其他实施例中,涂层材料可以包括包含磷酸酯部分的聚合物,所述聚合物在聚合物主链的末端或者来自聚合物主链的侧链。在其他实施例中,涂层材料可以包括包含磺酸部分的聚合物。磺酸亚基可以是包含亚基的烷基、烯基或芳基部分。一个非限制性实例为聚苯乙烯磺酸(PSSA)或聚茴香脑磺酸。在进一步的实施例中,涂层材料可以包括包含胺部分的聚合物。聚氨基聚合物可以包括天然聚胺聚合物或合成聚胺聚合物。天然多胺的示例包括精胺、亚精胺和腐胺。
在其他实施例中,涂层材料可以包括包含糖部分的聚合物。在非限制性实例中,诸如黄原胶或葡聚糖的多糖可适合于形成可减少或防止微流体装置中的细胞粘附的材料。例如,具有约3kDa的尺寸的葡聚糖聚合物可用于为微流体装置内的表面提供涂层材料。
在其他实施例中,涂层材料可以包括包含核苷酸部分的聚合物,即核酸,其可以具有核糖核苷酸部分或脱氧核糖核苷酸部分,从而提供聚电解质表面。核酸可仅包含天然核苷酸部分或可包含非天然核苷酸部分,其包含核碱基、核糖或磷酸酯部分类似物,例如7-脱氮杂腺嘌呤、戊糖、甲基膦酸或硫代磷酸酯部分,但不限于此。
在其他实施例中,涂层材料可包括包含氨基酸部分的聚合物。包含氨基酸部分的聚合物可包括包含天然氨基酸的聚合物或包含非天然氨基酸的聚合物,其中任一者可包含肽、多肽或蛋白质。在一个非限制性示例中,蛋白质可以是牛血清白蛋白(BSA)和/或血清(或多个不同血清的组合),其包含白蛋白和/或一种或多种其他类似蛋白质作为涂层剂。血清可以来自任何方便的来源,包括但不限于胎牛血清、绵羊血清、山羊血清、马血清等。
在一些实施例中,涂层溶液中的BSA以约1mg/mL至约100mg/mL的浓度存在,包括5mg/mL、10mg/mL、20mg/mL、30mg/mL、40mg/mL、 50mg/mL、60mg/mL、70mg/mL、80mg/mL、90mg/mL,或更多或两者之间的任何地方。在某些实施例中,涂层溶液中的血清可以约20%(v/v)至约50%v/v的浓度存在,包括25%、30%、35%、40%、45%或更多或介于两者之间。在一些实施例中,BSA可作为涂层溶液以5mg/mL存在于涂层溶液中,而在其他实施例中,BSA可作为涂层剂存在于70mg/mL的涂层溶液中。在某些实施例中,血清作为涂层剂以30%存在于涂层溶液中。在一些实施例中,可以在涂层材料内提供细胞外基质(ECM)蛋白以优化细胞粘附以促进细胞生长。可包括在涂层材料中的细胞基质蛋白可以包括但不限于胶原蛋白、弹性蛋白、包含RGD的肽(例如纤连蛋白)或层粘连蛋白。在其他实施例中,生长因子、细胞因子、激素或其他细胞信号物质可存在于微流体装置的涂层材料内。
在一些实施例中,涂层材料可包括包含环氧烷部分、羧酸部分、磺酸部分、磷酸酯部分、糖部分的聚合物、核苷酸部分或氨基酸部分中不止一种的聚合物。在其他实施例中,聚合物处理表面可包括多种聚合物的混合物,每个聚合物具有环氧烷部分、羧酸部分、磺酸部分、磷酸酯部分、糖部分、核苷酸部分和/或氨基酸部分,其可以独立地或同时地掺入到涂层材料中。
共价连接的涂层材料。在一些实施例中,所述至少一个内表面包括共价连接的分子,其提供适合于微物体在微流体装置内的培养/扩增的有机和 /或亲水性分子层,提供用于此类细胞的处理后的表面。
共价连接的分子包括连接基团,其中连接基团共价连接到微流体装置的一个或多个表面,如下所述。连接基团还与被配置为提供适合于微物体的培养/扩增的有机和/或亲水分子层的部分共价连接。
在一些实施例中,被配置为提供适合于微物体的培养/扩增的有机和/ 或亲水性分子层的共价连接部分可包括烷基或氟烷基(其包括全氟烷基)部分;单糖或多糖(其可包括但不限于葡聚糖);醇(包括但不限于炔丙醇);多元醇,包括但不限于聚乙烯醇;亚烷基醚,包括但不限于聚乙二醇;聚电解质(包括但不限于聚丙烯酸或聚乙烯基膦酸);氨基基团(包括其衍生物,例如但不限于烷基化的胺、羟基烷基化的氨基、胍盐和包含非芳香化的氮环原子的杂环基团,例如但不限于吗啉基或哌嗪基);羧酸,包括但不限于丙酸(其可提供羧酸根阴离子表面);膦酸,包括但不限于乙炔膦酸(其可提供膦酸盐阴离子表面);磺酸根阴离子;羧基甜菜碱;磺基甜菜碱;氨基磺酸;或氨基酸。
在各种实施例中,被配置为提供适于微流体装置中的微物体的培养/扩增的有机和/或亲水性分子层的共价连接部分可包含非聚合部分,例如烷基部分、取代的烷基部分、例如氟烷基部分(包括但不限于全氟烷基部分)、氨基酸部分、醇部分、氨基部分、羧酸部分、膦酸部分、磺酸部分、氨基磺酸部分或糖部分。或者,共价连接的部分可包括聚合物部分,其可以是上述任何部分。
在一些实施例中,共价连接的烷基部分可以包含形成直链(例如,至少10个碳、或至少14、16、18、20、22或更多个碳的直链链)的碳原子并且可以是无支链的烷基部分。在一些实施例中,烷基可以包括取代的烷基 (例如,烷基中的一些碳可以是氟化的或全氟化的)。在一些实施例中,烷基可包括第一链段,第一链段可包括全氟烷基,第一链段连接至第二链段,第二链段包括未取代的烷基,其中第一链段和第二链段可直接或间接连接(例如,借助于醚键)。烷基的第一链段可以位于连接基团的远端,并且烷基的第二链段可以位于连接基团的近端。
在其他实施例中,共价连接的部分可包括至少一个氨基酸,其可包括多于一种类型的氨基酸。因此,共价连接的部分可包括肽或蛋白质。在一些实施例中,共价连接的部分可包括可提供两性离子表面以支持细胞生长、活性、移植性或其任何组合的氨基酸。
在其他实施例中,共价连接的部分可以包括至少一个环氧烷部分,并且可以包括如上所述的任何环氧烷烃聚合物。一类有用的含亚烷基醚的聚合物是聚乙二醇(PEG MW<100,000DA)或可选地聚环氧乙烷(PEO, MW>100,000)。在一些实施例中,PEG可具有约1000Da、5000Da、 10,000Da或20000Da的MW。
共价连接的部分可以包括一种或多种糖类。共价连接的糖可以是单糖、二糖或多糖。共价连接的糖可以被修饰以引入反应性配对部分,其允许偶联或精制以附着于表面。示例的反应性配对部分可包括醛、炔烃或卤素部分。多糖可以随机方式修饰,其中可以修饰多糖单体中的每一种或仅修饰多糖内的糖单体的一部分以提供可以直接或间接偶联到表面的反应性配对部分。一个示例可包括葡聚糖多糖,其可通过未支化的连接基团间接偶联至表面。
共价连接的部分可包括一个或多个氨基基团。氨基基团可以是取代的胺部分、胍部分、含氮杂环部分或杂芳基部分。含氨基部分可具有允许对微流体装置内以及任选地对隔离坞和/或流动区域(例如,通道)内的环境进行pH修饰的结构。
提供处理后的表面的涂层材料可以仅包含一种共价连接的部分,或者可以包括多种不同种类的共价连接的部分。例如,氟烷基处理的表面(包括全氟烷基)可具有多个共价连接的部分,其全部相同,例如具有相同的连接基团和共价连接至表面,相同的总长度和相同数量的包含氟烷基部分的氟亚甲基单元。或者,涂层材料可具有附着于表面的多种共价连接的部分。例如,涂层材料可以包括具有共价连接的、具有指定数量的亚甲基或亚甲基单元的烷基或氟烷基部分的分子,并且可以还包括具有共价连接到具有更多数量的亚甲基或亚甲基单元的烷基或氟烷基链的带电部分的另外一组分子,这可以提供在涂覆表面上呈现较大部分的能力。在这种情况下,具有不同的、较低空间需求的末端和主链原子的第一组分子可以帮助使整个衬底表面功能化,从而防止不期望的衬底本身与硅/氧化硅、氧化铪或氧化铝的粘附或接触。在另一个示例中,共价连接的部分可以提供在表面上以随机方式呈现交替电荷的两性离子表面。
处理后的表面性质。除了处理后的表面的组成之外,诸如疏水材料的物理厚度的其他因素可影响DEP力。各种因素可以改变处理后的表面的物理厚度,诸如在衬底上形成处理后的表面的方式(例如气相沉积、液相沉积、旋涂、浸渍和静电涂覆)。在一些实施例中,处理后的表面具有如下的厚度:约1nm至约10nm;约1nm至约7nm;约1nm至约5nm;或它们之间的任何单独的值。在其他实施例中,由共价连接的部分形成的处理后的表面可具有约10nm至约50nm的厚度。在各种实施例中,如本文所述制备的处理后的表面具有小于10nm的厚度。在一些实施例中,当共价连接至微流体装置的表面(例如,DEP结构的衬底表面)时,处理后的表面的共价连接的部分可形成单层,并且可具有小于10nm的厚度(例如,小于5nm,或约1.5至3.0nm)。这些值与通过旋涂制备的表面的值相反,例如,其通常可以具有约30nm的厚度。在一些实施例中,处理后的表面不需要完美地形成的单层以适当地用于在DEP结构的微流体装置内的操作。
在各种实施例中,提供微流体装置的处理后的表面的涂层材料可提供所需的电性质。不希望受理论的限制,影响涂覆有特定涂层材料的表面的坚固性的一个因素是固有电荷捕获。不同的涂层材料可捕获电子,这可导致涂层材料的击穿。涂层材料中的缺陷可增加电荷捕获且导致涂层材料的进一步击穿。类似地,不同的涂层材料具有不同的介电强度(即导致介电击穿的最小施加电场),其可能影响电荷捕获。在某些实施例中,涂层材料可具有减少或限制电荷捕捉量的整体结构(例如,致密堆积的单层结构)。
除了其电性质外,处理后的表面还可具有有益于与生物分子一起使用的性质。例如,相对于烷基封端的链,包含氟化(或全氟化)碳链的处理后的表面可以在减少表面结垢的量方面提供益处。如本文所用,表面结垢是指在微流体装置的表面上的不区分材料沉积的量,其可包括生物材料(诸如蛋白质及其降解产物、酸和各自的降解产物等)的永久或半永久沉积。
单一或多部分处理后的表面。共价连接的涂层材料可以通过分子的反应形成,该分子已经包含被配置为提供适合于在微流体装置中培养/扩增微物体的有机和/或亲水分子层的部分,如下所述。或者,共价连接的涂层材料可以通过偶联被配置为提供有机和/或亲水分子层的两部分序列形成,该分子适合于将微物体培养/扩增到其自身已经共价连接到表面的表面修饰配体。
制备共价连接的涂层材料的方法。在一些实施例中,与微流体装置的表面(例如,包括隔离坞和/或流动区域的至少一个表面)共价连接的涂层材料具有式1或式2的结构。当在一个步骤中将涂层材料引入表面时,其具有式1的结构,而当在多步骤方法中引入涂层材料时,其具有式2的结构。
涂层材料可以共价地连接到DEP结构或EW结构的衬底。DEP结构或 EW结构的衬底可以包括硅、氧化硅、氧化铝或氧化铪。氧化物可以作为衬底的天然化学结构的一部分存在,或者可以如下所述引入。
涂层材料可以经由连接基团(“LG”)与氧化物连接,该连接基团可以是由硅氧烷或膦酸基团与氧化物的反应形成的甲硅烷氧基或膦酸酯基团。被配置为提供适用于微物体在微流体装置中的培养/扩增的有机和/或亲水性分子层的部分可以是本文所述的任何部分。连接基团LG可以直接或间接地连接到被配置为提供适合于在微流体装置中培养/扩增微物体的有机和/或亲水分子层的部分。当连接基团LG直接连接至部分时,不存在可选的连接基(“L”)且n为0。当连接基团LG间接连接至部分时,连接基L存在且n为1。连接基L可以具有线性部分,其中线性部分的主链可以包括选自硅、碳、氮、氧、硫和/或磷原子的任意组合的1至200个非氢原子,其受本领域已知的化学结合限制。它可以被一个或多个部分的任意组合中断,其可以选自醚、氨基、羰基、酰氨基和/或膦酸酯基团、亚芳基、杂亚芳基或杂环基团。在一些实施例中,连接基L的主干可以包括10至20 个原子。在其他实施例中,连接基L的主干可以包括约5个原子至约200 个原子;约10个原子至约80个原子;约10个原子至约50个原子;或约 10个原子至约40个原子。在一些实施例中,主干原子全部是碳原子。
在一些实施例中,被配置为提供适合于微物体的培养/扩增的有机和/ 或亲水性分子层的部分可在多步骤过程中被添加到衬底的表面,并且具有如上所示的式2的结构。该部分可以是上述任何部分。
在一些实施例中,偶联基团CG表示由反应性部分Rx和反应性配对部分Rpx(即,被配置为与反应性部分Rx反应的部分)的反应得到的基团。例如,一个典型的偶联基团CG可以包括羧酰氨基基团,其是氨基与羧酸衍生物反应的结果,例如活化酯、酰氯等。其他CG可包括三唑基、羧酰胺基、硫代酰胺基、肟基、巯基、二硫化物、醚基或烯基,或可在反应性部分与其相应的反应性配对部分反应后形成的任何其他合适的基团。偶联基团CG可以位于连接基L的第二端(即,与配置成提供适于培养/扩增微流体装置中的微物体的有机和/或亲水分子层的部分接近的端),其可以包括如上所述的任何元素组合。在一些其他实施例中,偶联基团CG可以中断连接基L的主干。当偶联基团CG是三唑基时,它可以是由偶联偶合反应产生的产物,并且可以进一步被取代(例如,二苯并环辛烯基稠合三唑基)。
在一些实施例中,使用化学气相沉积将涂层材料(或表面修饰配体) 沉积在微流体装置的内表面上。可以选择性地,例如,通过预清洁盖110A、微流体回路材料116A和/或衬底(例如,DEP结构的衬底的电极激活衬底 206的内表面208,或EW结构的衬底的支撑结构104A的介电层)、通过暴露于溶剂浴、超声处理或其组合来改进气相沉积过程。作为另外一种选择或除此之外,这种预清洁可以包括在氧等离子体清洁剂中处理盖110A、微流体回路材料116A和/或衬底,这可以移除各种杂质,而同时引入氧化表面(例如表面上的氧化物,其可以如本文所述共价修饰)。或者,可使用液相处理,例如盐酸和过氧化氢的混合物或硫酸和过氧化氢的混合物(例如,食人鱼(piranha)溶液,其硫酸与过氧化氢的比例可为约3:1至约7: 1)来代替氧等离子体清洁剂。
在一些实施例中,在微流体装置200已被组装以形成限定微流体回路 120A的外壳102A之后,使用气相沉积来涂覆微流体装置200的内表面。在不希望受理论限制的情况下,在完全组装的微流体回路120A上沉积这样的涂层材料可以有益于防止由微流体回路材料116A与电极激活衬底206介电层和/或盖110A之间的弱化结合引起的分层。在采用两步法的实施例中,表面修饰配体可以通过如上所述的气相沉积引入,随后引入部分被配置为提供适合于微物体的培养/扩增的有机和/或亲水分子层。随后的反应可以通过将表面修饰的微流体装置暴露于溶液中的合适的偶联剂来进行。
图4A图示了一个或多个实施例中的示出芯片时间线视图的一部分的示例简化用户界面的一部分。更具体地,图4A图示了一个或多个实施例中的示出芯片时间线视图的一部分的示例简化用户界面的一部分。在该示例中,芯片时间线视图400A包括针对一个或多个微流体装置404A在时间上布置的数据表示或匹配网格部分402A,每个微流体装置具有相应的多个腔室,该相应的多个腔室可以从左列中的菜单中选择。一个或多个微流体装置404A可以被实现为交互式进度窗口部件,该交互式进度窗口部件在交互时引起处理器至少用第一数据序列的至少一部分或分析结果的至少一部分填充匹配网格部分。芯片时间线视图包括提供例如一个或多个工作流程的内容的信息。例如,芯片时间线视图可以提供在微流体装置上执行 (executed)或执行(performed)的一个或多个操作的时间信息。如本文所述,工作流程可以包括在微流体装置和/或其中或其上的一个或多个生物样本上执行的一组操作。芯片时间线视图可以经由例如时间线视图激活交互式窗口部件(例如,菜单命令、内容菜单中的命令、屏幕上窗口部件、或用于芯片时间线视图的选项卡标识符(403A)或任何其他合适的窗口部件等) 来生成。
操作的一些示例可以包括但不限于:加载微物体;基于一个或多个特征/特性选择特定微物体;将一种或多种试剂灌注到微流体装置中;基于一个或多个特征/特性灌注试剂和/或选择微物体的迭代过程;以及从微流体装置导出微物体。在一些实施例中,可以预先确定和编码该组操作或其一部分。在一些其他实施例中,可以在一个或多个感兴趣区域中检测、观察、记录或以其他方式表示该组操作或其至少一部分。芯片时间线可以与该组操作中的至少一部分操作相关联,并且该组中的这些至少一部分操作可以在芯片时间线视图中在时间上对准,以指示例如该组中的这些至少一部分操作之间的绝对时间关系(例如,精确时间点或时间段)或相对时间关系。
可以在芯片时间线视图中呈现的操作可以包括捕获图像或多个图像的序列的任何操作。该组操作中的一些示例性操作可以包括但不限于:加载或导出微物体,其可以包括捕获珠,其中,捕获珠可以用于检测由生物细胞分泌的生物产物,或者可以用于捕获生物细胞产物,包括但不限于待识别(例如,通过测序、质谱或任何其他识别方法)的核酸或蛋白质;加载或导出生物样本;加载或导出记忆B细胞;加载或导出血浆B细胞(B淋巴细胞);加载或导出植物、细菌、真菌、其他非哺乳动物细胞或病毒颗粒等;导入或导出操作,包括引入试剂、营养物、测定组分等;光学密度的测量;小体积导入或导出操作;优化的围栏(penning)或取消围栏(unpening)分析,其中围栏或取消围栏可以涉及将微物体从微流体装置的流动区域移动到微流体装置的隔离区域和/或其相反物,并且进一步其中,围栏或取消围栏可以可选地涉及介电泳(DEP);培养任何种类的生物细胞;监测微流体装置的腔室(例如,坞);监测坞目标数量,其中目标数量可以包括腔室(例如,坞)内的期望或选定数量的细胞;从包括多个微物体或生物样本的感兴趣区域中对微物体取消围栏;使微物体或生物样本成像且对微物体或生物样本的数量进行计数;多光谱时移成像;TPS(目标坞选择)成像(例如,其中TPS包括识别腔室/坞、选择腔室/坞、和/或将微物体移动到腔室/坞或从腔室/坞移动微物体中的一个或多个);出于监测生物样本的培养的目的而在调节微流体芯片条件(例如,温度、介质等)之后进行TPS成像;捕获测定(例如,监测可视化分子(例如荧光或荧光标记的分子)的动力学或热力学性质,其中动力学或热力学性质包括但不限于扩散速率和键合动力学);捕获具有或不具有模板的测定(例如,其中模板包括用于指派一个或多个感兴趣区域、生成分数或对生物样本执行一个或多个其他表征的建立的标准);捕获具有卸载列表生成的测定(例如,其中卸载列表包括包含满足一个或多个预设标准的一个或多个生物序列的感兴趣区域的列表,其中,所述标准是从与从感兴趣区域导出的图像序列或数据序列相关联的一个或多个特性建立的);扩散测定,包括非限制性示例,诸如DiGr(聚光灯扩散梯度或“digger”)测定(例如,其中,在感兴趣区域中监测荧光分子的扩散)、 DiGr聚光灯测定(例如,其中,荧光分子包括但不限于在感兴趣区域中监测由荧光分子产生的荧光的积累)、DiGr聚光灯参考图像(例如,将在DiGr 测定开始之前获取的图像和/或与在DiGr分析开始之前获取的图像与在稍后时间获取的图像进行比较);检测来自微物体的可检测信号,该微物体可以是珠(例如,捕获珠)或可以是细胞;检测来自可溶性报告分子的可检测信号:分泌的生物产物复合物;检测来自微物体周围的感兴趣区域的可检测信号;卸载(例如,取消围栏)CLD(细胞系发育),例如,从诸如坞的腔室卸载微物体或生物样本;卸载OptoSeq B细胞受体(BCR)(例如,卸载包括但不限于包含一个或多个DNA或RNA序列的珠的微物体);卸载细胞(例如,B细胞、真核细胞、原核细胞、酵母细胞、哺乳动物细胞、t 细胞或任何其他类型的生物细胞);或卸载设置在感兴趣区域内的微物体或其他物体;或捕获一个或多个图像的任何其他操作。
图4A中所示的多方向放置窗口部件408A包括五个可致动开关(例如,上、下、右、左和中心),但是应当注意,也可以考虑相同或不同数量的可致动开关的其他组合或布置。用户可以致动这些可致动开关中的一个或多个以控制软件物体(例如,视图窗口)在用户界面中的放置。例如,用户可以点击“向上”和“中心”可致动开关以向系统指示用户意图将单独的物体放置在显示器上的顶部中心部分附近。在接收到用户对这些一个或多个可致动开关的致动之后,系统自动扫描显示器上的区域(real estate)以确定区域的哪个(哪些)部分未被语义信息或其他物体占据,并且响应于用户的请求自动确定一个或多个候选放置位置和/或大小。
在一些实施例中,用户界面可以提供多个选项卡,其中每个选项卡可以由管理员或用户配置以显示一个或多个视图及其相关联数据或信息。在图4A所示的示例中,当前视图选项卡示出了当前活动选项卡中的芯片时间线视图400A。另外,用户可以致动多方向放置窗口部件408A的中心可致动开关(例如,中心正方形提供与由多方向放置窗口部件408A中的其他四个正方形分别提供的功能不同的单独功能)。响应于用户对多方向放置窗口部件408A的中心可致动开关的致动,系统自动确定可以由被插入对象 412A主张的候选空间406A,在该示例中,该候选空间被表示为图库视图或其一部分的小型化视图。应当注意,候选空间(例如,412A)表示可以由被插入对象主张的空间,尽管被插入对象可以或可以不一定占据整个候选空间。
图4B示出了在一些实施例中的图4A中的数据区域402A的放大视图。图4C示出了一个或多个实施例中的关于芯片时间线视图的更多细节。更具体地,图4B示出了在一些实施例中的图4A中的数据区域402A的放大视图。更具体地,图4B示出了芯片时间线视图可以包括用于一个或多个微流体装置(例如,与微流体装置标识符402B相关联的微流体装置)中的每个的芯片时间线。在图4B所示的示例中,芯片时间线视图可以包括一个或多个表示或块(404B),每个表示或块分别指示工作流程中的对应操作以及对应的(多个)时间点和/或(多个)时间段,诸如时间段406B。在一些实施例中,一个或多个表示可以被颜色编码以指示与该组操作中的至少一部分操作相对应的相应的不同图像序列类型(例如,TPS(目标坞选择)、培养和加载、测定、选择/映射等)。
因此,这些一个或多个图形表示中的每个都可以图形化地指示在(多个)时间点或在(多个)时间段期间完成的对应操作(406B)。应当注意,图4B中所示的时间标签是“小时”,但是可以使用其他时间单位(例如,“天”、“分钟”等)。在一些实施例中,时间标签可以通过例如菜单项或命令、用户界面动作(例如,通过滚动指向装置上的轮)等来改变。图4C 示出了一个或多个实施例中的关于芯片时间线视图的更多细节。更具体地,图4C示出了图形表示(例如,图4B中的404B)可以是交互式的示例。在该示例中,图形表示402C可以交互以调出与图形表示402C相关联的附加信息。
例如,用户可以将指向装置的光标悬停在图形表示402C上方(或点击图形表示402C或其他合适类型的用户界面动作),并且系统自动示出包括与图形表示402C相关的附加信息或细节404C的弹出窗口。在图4C所示的示例中,附加信息或细节404C包括图像序列的名称、工作流程(测定)的类型、对应于图形表示402C的操作的确切开始时间点和确切结束时间点。应当注意,附加信息或细节404C还可以包括静态和/或交互式信息,或者除了图4C中所示的信息或细节之外或替代图4C中所示的信息或细节,还可以呈现细节。
图4C进一步说明了芯片时间线的概要406C,其对应于相对于时间维度(在本示例中为“日期”)绘制的一个或多个图形表示。概要406C表示整个芯片时间线的小型化或压缩视图,并且包括一个或多个小型化图形表示408C。在一些实施例中,小型化图形表示在被致动(例如,被点击)时引起对应的图形表示(例如,图4B中的404B)被突出显示或以其他方式强调。在一些实施例中,图形表示(例如,图4B中的404B)的激活或致动(例如,通过点击或通过将指向装置的光标悬停在其上)还引起对应的小型化图形表示408C以图形方式、文本方式或以图形方式和文本方式两者强调。
图4D示出了一个或多个实施例中的芯片时间线视图的另一示例。更具体地,图4D示出了一个或多个实施例中的芯片时间线视图的另一示例。在该示例中,芯片时间线视图包括四个微流体装置操作404D,其中水平条或图形表示(其可以用诸如红色的颜色表示)指示正在执行成像,其中对于用户界面中识别的相应四个微流体装置402D中的每个,在芯片时间线所示的时间过程中在离散时间点获取图像。在该示例中,四个微流体装置402D中的每个都具有针对相同时间长度(例如,水平条或图形表示的长度)进行的操作404D。操作404D可以是相同的操作,例如,针对四个微流体装置中的每个的培养,或者在一些其他实施例中,操作可以是不同的操作404D,每个操作针对相同时间段(例如,在相同的日期开始和结束)执行,尽管不同的操作可以包括相同或不同的工作流程任务和/或工作流程阶段,由于例如不同操作的不同控制变量,这些工作流程任务和/或工作流程阶段可以在完全相同的时间点或在不同的时间点发生(例如,存在和/或结束)。在该示例中标识的微流体装置具有微流体装置标识符(ID),即,与特定微流体装置相关联的唯一标识符(例如,D48208、D52213、D57829、D58203)。这些微流体装置ID允许本公开的系统将微流体装置与时间线和感兴趣区域相关联,所述感兴趣区域可以从在芯片时间线中的不同时间点获取的一个或多个基本图像中提取。可以对基本图像进行分段(例如,基于基于目标的特征或基于结构的特征),以在微流体装置上或跨多个微流体装置(例如,跨所示的四个微流体装置)针对每个感兴趣区域生成单独的图像或图像序列。图像可以被量化或以其他方式表征并显示在图库视图中、图形或绘图中,图像可以被过滤和分类然后显示等。
图4D的该示例进一步示出了芯片时间线视图中的每个图形表示的附加信息或细节406D。如上所述,芯片时间线视图中的图形表示可以对应于在微流体装置或其一部分上执行的操作。微流体装置视图的图形表示可以对应于一个或多个微流体装置,其中芯片时间线视图中描绘的每个块对应于微流体装置内发生的可测量变化(例如,在感兴趣区域处或对应于感兴趣区域的特征)。图形表示的变化对于用户可能是重要的,否则难以从跨微流体装置设置的数百或数千个生物样本的阵列中识别,其中样本在一个或多个感兴趣区域内或附近,其中图像序列取自超过一小时(例如,数小时、数天、数周等)的芯片时间线。在一些实施例中,每个图形表示可以对应于附加信息或细节406D的对应块。附加信息或细节406D的这样的块可以是可扩展的(和可折叠的),以揭露(或隐藏)关于对应图形表示的附加信息或细节。图4D所示的示例还示出了过滤器选择器开关,当通过用户动作(例如,通过点击用户界面中的过滤器选择器开关窗口部件等)交互时,该过滤器选择器开关调用一个或多个动作以确定一种或多种过滤器类型的一个或多个过滤器。过滤器选择器开关还可以对应于属性选择器开关,该属性选择器开关在交互时触发一个或多个过滤器类型以及每个过滤器类型的一个或多个过滤器属性的一个或多个对应列表的呈现。在下面描述的图6I中示出了该呈现(例如,602I)的示例。
可以基于“特性”和“特征”来确定感兴趣区域(例如,基于特性和特征将基本图像分成感兴趣区域),其中基本图像是从在芯片时间线404B 中图形表示的块期间获取的图像导出的。另外,“感兴趣区域”的“特性”和“特征”可以用于对感兴趣区域进行分类(例如,“特性”或“特征”可以在表示感兴趣区域的图像序列中被捕获,和/或出于在例如图库视图(例如,图5E中的504E)中显示感兴趣区域的目的而被量化)。
图4E示出了一个或多个实施例中的芯片时间线视图的示例。更具体来说,图4E说明引擎(例如,图2A中的数据显示引擎50)可以显示来自数据集的经过滤数据。例如,数据显示引擎50还可以在(例如)芯片时间线视图中显示来自数据集的经过滤的数据,该芯片时间线视图的示例在(例如)图4E中示出。其中,芯片时间线视图可以允许用户经由GUI查看一个或多个微流体装置上或来自一个或多个微流体装置的图像序列的历史。用户可以选择图像序列、CSV文件中的相关联数据,并生成在其中存储该选择的文件。
此外,引擎50可以对历史文件进行操作以生成微流体装置模型,并且芯片时间线视图可以用于创建历史文件;然而,如果历史文件已经存在,则用户可以使用芯片时间线视图对其进行更新。回顾一下,微流体装置的图像被捕获,在图像序列中被关联在一起,并被存储在数据集中。使用已知的图像处理对图像序列进行数字分析,并且从该分析生成数据。图像分析可以发生在捕获图像时,或者晚得多,例如,在用户选择时发生。用户还可以选择对同一图像序列执行多次分析。因此,为了创建微流体装置模型,图像序列必须与正确的数据匹配。以这种方式,时间线视图可以用于创建图像序列和数据(408E)的映射,输出是历史文件,历史文件用于生成微流体装置模型,然后微流体装置模型由过滤器构建器和应用程序模块、图库视图和原始数据视图使用。
引擎50可以显示芯片时间线视图,其可以包括一个或多个微流体装置、可选地多达最大数量(例如,4、6、8、10、12、14、16个等)的微流体装置的时间线。每个时间线可以显示出何时捕获每个图像序列,并且可选地可以显示何时执行分析。给定微流体装置的所有图像序列,引擎50允许用户将图像序列与包括该图像序列的数据的CSV文件进行匹配。引擎50还可以允许用户改变图像序列的其他特性,例如其名称。
作为非限制性示例,并且参考图4E,用户可以在时间线视图中加载一个微流体装置,并且想要为该微流体装置的数据创建新的历史文件;此时历史文件可能存在或可能不存在。由引擎50生成和显示的时间线视图中的窗格的上半部分可以基于图像序列类型示出微流体装置的时间线,并且最初时间线窗格的下半部分可以是空的。当用户选择时间线中的图像序列(在图4E的示例中显示为小垂直线或块)时,它将被填充在底部匹配网格中,然后由引擎50显示该底部匹配网格。例如,在匹配网格中,用户可以改变“名称”(402E),并且用户选择数据的类型和路径(406E),例如,来自数据集中存在的所有可用数据文件的下拉列表或数据集的所选子集中存在的用于该图像序列的CSV文件,诸如特定文件夹(404E),其可以包括与图像序列文件存在于相同文件夹中的所有CSV文件。如果用户没有为所有选择的图像序列选择至少一个数据CSV文件,则引擎50可以可选地不允许用户继续。引擎50可以允许用户根据需要从时间线视图中选择尽可能多的图像序列。然后,引擎50可以显示按钮等(点击该按钮等会生成历史文件或历史数据结构),或者更新先前创建的历史文件或历史数据结构,并且可选地可以显示另一按钮等(点击该按钮等会生成微流体装置模型)。
引擎50可以显示的另一示例视图是原始数据视图,其示例在图5I中示出。示例原始数据视图可以是2-D(二维)网格或阵列,其中每个腔室的字母数字数据以列呈现,而没有对应的图像数据;可以呈现整个数据集的原始数据视图,或者在如由用户在如本文其他地方描述的过滤器构建器和应用程序模块中指示的过滤之后的该数据的子集的原始数据视图。原始数据视图可以更像数据的传统电子表格视图,并且可以包括:供用户输入公式以对腔室进行分组、排序、过滤和选择的字段;和/或为腔室创建新特性的字段;和/或改变/更新数据的特定值的字段;和/或通过单个动作选择/拒绝大组腔室的字段;或者使用用户使用该视图创建的数据子集来指示引擎50 生成结果的图库视图的字段。
由本文描述的引擎50显示的每个视图可以集成到单个引擎50中,或者它们可以各自是经由GUI(图形用户界面)响应来自用户的调用的独立引擎/应用、模块、脚本、插件或程序。
虽然已经参考本发明的示例实施例详细描述了本发明,但是对于本领域技术人员显而易见的是,在不脱离本发明的范围的情况下,可以进行各种改变并采用等同物。已经出于说明和描述的目的呈现了本发明的优选实施例的前述描述。其并非旨在穷举或将本发明限制于所公开的精确形式,并且根据上述教导可以进行修改和变化,或者可以从本发明的实践中获得修改和变化。选择和描述实施例是为了解释本发明的原理及其实际应用,以使本领域技术人员能够在适合于预期的特定用途的各种实施例中利用本发明。本发明的范围旨在由所附权利要求及其等同物限定。上述文献中的每个的全部内容通过引用并入本文。
图5A示出了在一些实施例中致动放置窗口部件以将另一物体插入到芯片时间线视图中的另一示例。更具体地,图5A示出了致动另一放置窗口部件502A以将另一物体504A插入到芯片时间线视图中的另一示例。一旦被致动,该放置窗口部件502A就自动扫描芯片时间线窗口或显示区域的上部,以确定如何将物体504A插入到当前视图或窗口中。在该示例中,单独物体504A可以包括示出其中具有对应生物样本的多个腔室的图库视图。默认地,放置窗口部件可以自动地确定用于插入新物体的当前窗口或视图的顶部部分。放置窗口部件可以被配置或定制为自动确定用于插入新物体的当前窗口或视图的另一部分(例如,右、左、底部等)。在这种情况下,插入物体504A是图库视图。图库视图显示感兴趣区域506A的阵列,其中感兴趣区域对应于芯片时间线。在一些实施例中,用户界面可以包括处理窗口部件514A,该处理窗口部件在被调用时可以至少部分地基于对数据结构的识别、一个或多个其他指令、一个或多个调用(例如,进程间调用或 IPC)或来自另一模块或界面的任何其他数据(例如,坞列表等)来生成或识别数据结构(例如,存储微流体装置中的生物样本的分析数据的数据结构)。
例如,芯片时间线中的第一图形表示508A对应于要放置的图库视图中的第一列512A。应注意,尽管图库视图的放置在图5A中尚未完成,但小型化图库视图(例如,对应图库视图或插入物体504A的快照)可以动态地反映时间线(例如,对应于芯片时间线的相应块的多个指示符510A中的特定指示符508A)与图库视图的对应部分(例如,512A)之间的对应关系。在一些实施例中,图库视图中所示的感兴趣区域(例如,506A)的图像从在芯片时间线期间为微流体装置或其一部分捕获的基本图像中剪切。图库视图中的列上方的指定对应于芯片时间线的块。用户可以根据正在执行的工作流程或用户的其他需要或兴趣来定制这些。
感兴趣区域可以是基于目标的或基于结构的,如本文参考例如图1所描述的。至少部分地基于感兴趣区域是基于结构的还是基于目标的,可以识别与感兴趣区域相关的一个或多个对应属性、特性或性质等相关的数据,并将其与感兴趣区域相关。例如,可以识别与生物样本相关的一个或多个属性、特性或性质等,并将其与基于目标的感兴趣区域相关。类似地,可以识别与微流体装置的结构或其一部分相关的一个或多个属性、特性或性质等,并将其与基于结构的感兴趣区域相关联。此外,图库视图可以包括或示出与仅基于目标的感兴趣区域、仅基于结构的感兴趣区域或基于目标的感兴趣区域和基于结构的感兴趣区域两者相关的数据。图库视图中的多个感兴趣区域可以至少部分地基于与这些多个感兴趣区域相关的上述属性、特性或性质等中的一个或多个通过使用本文描述的各种功能、过程和/或技术来进一步处理或操纵(例如,过滤、聚类、排序、分析等)。
在一些实施例中,可至少部分地基于与感兴趣区域相关的一个或多个特性来编译图库视图。在一些实施例中,可以在感兴趣区域的图像序列上存取特性。在这些实施例中的一些实施例中,对应于感兴趣区域的特性可以与工作流程的一个或多个时间点相关联。在一些实施例中,可以至少部分地基于微流体装置的一个或多个结构特征和/或设置在微流体装置中或微流体装置上的目标(例如,生物样本、其特性等)的一个或多个特征来存取与感兴趣区域相关的特性。
具有目标的特性的一些示例可以包括但不限于微流体装置或感兴趣区域中的多个生物样本的大小属性、多个生物样本的最大亮度属性、多个生物样本的最小亮度属性、生物样本的质心在第一方向上的第一像素计数属性、生物样本的质心在第二方向上的第二像素计数属性、生物样本的质心的大小属性、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性或者任何其他合适的、所需的或期望的属性,或其任何组合。如上所述,亮度属性可以通过明场(例如,可见波长)、荧光、红外、紫外或发光照明检测来确定。
与基于结构的特征或特性(例如,腔室或其部分、流动通道、位于腔室正上方和/或紧邻腔室的微流体回路的一部分,例如在腔室与流动通道之间(诸如如本文所述的隔离坞的连接区域等))相关联的特性的一些示例可以包括但不限于以下中的一个或多个:生物样本的一个或多个总计数、与结构特征或特性相关的分数、一个或多个过滤器属性、与分析(例如,测定、测序等)和/或其结果的至少一个方面相关的一个或多个特性、延时索引特性、微流体装置的装置标识符、多个腔室的分数特性、门路径索引、区域像素特性、背景像素特性或多个生物样本的中位数亮度特性或者任何其他合适的、所需的或期望的特性,或其任何组合。
微流体装置的结构特征可以负责在感兴趣区域处可检测并在感兴趣区域的图像序列中捕获的功能效应。结构特征可以包括与设置在微流体装置上的腔室(例如,坞)相关联的特征。与微流体装置的其他回路元件一样,腔室可以包括限制流动或分离一个或多个生物样本(例如,将一个或多个生物样本与直接流动分离)的结构特征,使得从包括生物样本的感兴趣区域拍摄的图像表达可测量的、动态的和/或导致在表示一个或多个感兴趣区域的图像或图像序列中可检测的变化的特征。可测量特征可以与生物学相关性质相关,并且可以与分数或其他可量化度量相关联。
两个方面对于评估或分析设置在微流体装置内的生物样本–特别是微流体装置的区域(例如,基于结构的感兴趣区域)和特定物体(例如,生物样本、微物体等)暴露于微流体装置内(例如,基于目标的感兴趣区域)的现象可能是重要的。在上述微流体装置中以及在具有基于目标的感兴趣区域和基于结构的感兴趣区域的其他这样的微流体装置中,用户有兴趣理解在感兴趣区域处发生的现象(例如,设置有生物样本(例如单个生物样本) 的位置,或者在邻近设置有生物样本的位置的区域中),因此将基本图像与特定操作相关联对于确定与用户最感兴趣的感兴趣区域相关的基本图像是关键的。在一些情况下,可以根据芯片时间线使用过滤器选择工具或绘图工具(例如,过滤器构建器和应用程序模块)来生成与用户的兴趣或需求最相关的感兴趣区域的图库视图。在没有该工具的情况下,在没有被配备为执行这种操作并提供和显示自动评估的结果以供用户解释的工具的情况下,对跨一个或多个视场和/或一个或多个微流体装置等的数百、数千或甚至数万个生物样本执行该类型的评估可能是禁止的。
可以从其得到图像(基本图像、图像序列、单个图像等)的示例微流体装置可以包括一个或多个微流体回路或微流体回路内的部件或区域。在一些实施例中,微流体回路的基于结构的感兴趣区域可以包括接近流动区域的区域、其中直接流动被削弱的区域和/或通过单个开口与流动分离的区域。在进一步的实施例中,微流体回路可以包括离散的结构特征,包括腔室(例如,隔离坞、坞、捕集器等),其中微物体可以与直接流隔离。
图5A还示出了在用户通过使用表示为用户界面中的菜单命令或可点击图标的视图激活交互窗口部件(未示出)发起物体(例如,504A)的添加、调用放置窗口部件(例如,502A)并且通过使用例如一个或多个用户界面命令(例如,将插入的物体504A放置在用户界面中的特定位置或通过操纵多方向放置小部件来选择位置等)来确认单独物体的放置位置之后,将单独物体504A(例如,图库视图物体)插入到芯片时间线视图(例如,图4A 中的400A)中。可以在显示单独物体之前或之后调整显示的单独物体的大小。系统可以可选地调整显示的另一个物体的位置、纵横比和/或大小以适应插入的单独物体。
图5B示出了在一些实施例中在原始芯片时间线视图的顶部具有插入图库视图504的芯片时间线窗口。更具体地,图5B示出了在原始芯片时间线视图502B的顶部具有含有图库结构的插入图库视图504B的芯片时间线窗口。在一些实施例中,可以在插入该物体之前或之后调整该插入物体的大小、纵横比和/或位置。此外,指示芯片时间线502B中活动的发生的第一图形表示506B对应于图库视图的第一子集(例如,图库视图504B中的第一列508B);并且指示芯片时间线502B中的另一活动的发生的第二图形表示510B对应于图库视图的第二子集(例如,图库视图504B中的第二列 512B)。
图库结构包括静态和/或动态信息或数据(诸如文本、图形和/或图像分析结果、输入数据、与分析中的生物样本相关的信息、元数据等)的结构化布置。图库结构可以以许多不同的方式布置,并且图5B仅示出了一种具体布置。此外,可以基于一个或多个特性来构造图库结构,所述一个或多个特性诸如一个或多个标识符(例如,微流体装置的装置标识符、室标识符、与分析相关的一个或多个特性(例如,荧光标记分子,诸如FITC或异硫氰酸荧光素、Cy3染料、Cy5染料、磷脂酰乙醇胺或PE等)、分析和/或生物样本的一个或多个性质、与分析和/或生物样本相关的一个或多个可量化度量、时间标记和/或工作流程中工作流程项目的标识符等。
图库结构可以用唯一键(例如,来自上述标识符的唯一标识符)或键的组合(例如,来自上述标识符的多个标识符的组合)索引,每个键唯一地识别图库结构中的特定图库子结构(例如,列或行)。例如,图库结构可以包括可用于索引图库结构中的一个或多个键的一个或多个列或行。每个图库子结构包括一个或多个图库字段,并且每个图库字段可以存储包括例如本文所述的各种数据或信息的物体。作为另一个示例,可以用第一键列索引图库结构,该第一键列存储微流体装置中的多个腔室的各自的唯一腔室标识符。作为另一示例,可以用存储微流体装置中的多个腔室的各自的唯一腔室标识符的第一键列和存储微流体装置的装置标识符的第二键列来索引图库结构。又如另一示例,可以用第一键列索引图库结构,该第一键列存储多个腔室的各自的唯一腔室标识符和微流体装置的微流体装置标识符的组合。应当注意,尽管具有图5B中的图库结构的图库视图看起来是二维表结构,其每列对应于多个时间点的多个腔室的特定标识符,但是图库结构不仅限于二维数据结构(例如,数据库表),并且在一些实施例中可以具有多于两个维度。在诸如计算机监视器的二维显示装置上,可以仅显示二维表示。因此,本文描述的技术从图库结构检索相关数据以在这样的二维显示装置上恰当地显示。
此外,图5B中所示的图库结构包括多个列,每个列对应于特定标识符。每列具有一个或多个行,其分别表示在多个时间点或时间段的相同时间点或时间段针对一个或多个对应腔室计算、收集、生成和/或捕获的数据。不同的列对应于与感兴趣的分析(或多个分析)和/或其生物样本相关的不同属性、特性、性质等。因为图库结构可以被结构化或甚至被索引(例如,基于一个或多个键被索引)。
利用芯片时间线视图与图库视图之间的该对应关系,一个对应项目 (例如,第一子集508B)的致动或激活可以被配置为自动触发另一个对应项目(例如,对应的第一图形表示506B)的致动或激活,使得可以强调(例如,图形强调)显示上的这两个实体中的一个或两个。应当注意,芯片时间线视图与图库视图之间的对应关系可以是可选的。在一些实施例中,这样的对应性可以在本文所述的一个或多个用户界面视图中配置。
图5B还示出了删除窗口部件(514B),当在用户界面中调用时,该删除窗口部件至少使处理器从第二视图中移除微流体装置和与微流体装置相关的数据。图5B还示出了芯片折叠器结构的表示(516B),其包括用于具有腔室阵列的微流体装置的多个芯片场。微流体装置的芯片数据可以填充到芯片折叠器结构中的第一芯片字段中。芯片文件夹结构中的第一芯片字段可以通过例如点击交互式文件夹窗口部件(未示出)被呈现为用户界面中的表示(516B),当该交互式文件夹窗口部件与之交互时,调用与用户界面中的视图相关的一个或多个候选动作,并且可以在文件夹(例如,存储与微流体装置中的生物样本的数据相关的数据的文件夹)上执行。
图5C示出了在调整插入物体的高度之后在原始芯片时间线视图的顶部具有插入图库视图的芯片时间线窗口。更具体地,图5C示出了在调整插入物体的高度之后插入图库视图(或任何其他插入物体)504在原始芯片时间线视图的顶部的芯片时间线窗口。如本文所述,插入的图库视图504可以包括多个感兴趣区域的对应图像,其可仅基于目标、仅基于结构或基于目标和基于结构两者。每个感兴趣区域的图像对应于相关数据,诸如至少部分地基于感兴趣区域的类型(例如,基于目标或基于结构)确定的一个或多个属性、特性或性质等。
此外,图5C还示出了图库视图的示例结构。应当注意,尽管图5C示出了具有插入的图库视图物体的芯片时间线窗口,但是在一些实施例中,图5C中所示的图库视图的示例结构也可以应用于一个或多个其他视图中的其他任何图库视图。在这些实施例中,图库视图504C可以包括多个图库子结构,诸如列502C、510C和512C。应当注意,尽管图库子结构布置在各自的列中,但是在一些其他实施例中,图库子结构也可以布置成行或以任何其他方式布置。
图库子结构(例如,510C)可以包括一个或多个图库字段508C。即,在用户界面中(例如,在时间线视图中)仅显示一行的一些实施例中,图库子结构仅包括一个图库字段。在显示多行的一些其他实施例中,图库子结构包括多个图库字段。在一些实施例中,图库子结构可以被配置为包括足够数量的图库字段,其至少容纳微流体装置中的基于目标和/或基于结构的感兴趣区域的总数,使得每个感兴趣区域的对应数据(例如,感兴趣区域的图像或图像序列)可以显示在各自的图库字段中。无论子结构是以列、行还是任何其他形式布置,在子结构以线性方式布置的一些实施例中,子结构也可以互换地称为数据的线性结构。在一些其他实施例中,也可以实现与线性布置不同的数据的其他布置,诸如圆形布置、圆形布置的一部分或用户界面中的任何其他合适的布置。
在一些实施例中,图库子结构中的图库字段对应于基于目标或基于结构的感兴趣区域的图像。如本文所述,该图像可以显示为静态图像或动态交互物体,用户可以通过例如点击和/或右键点击图像对象或点击用户界面中的一个或多个窗口部件、图标、菜单项等来与该动态交互物体交互。附加地或替代地,感兴趣区域的图像的大小、形状和/或内容可以例如至少部分地基于例如分析类型、捕获基本图像的特定工作流程阶段或工作流程任务、感兴趣区域的类型(例如,基于目标或基于结构)或任何其他合适的、期望的和/或要求的属性、特性、性质或指标而从例如基本图像动态地确定。
图库子结构还可以对应于与区域514C的区域相关的标识符或属性,其可以进一步对应于基于目标或基于结构的属性、特性、性质或可量化度量等,其在这种情况下被识别为指示对坞1151内的生物微物体执行的测定中的点的“Assay_2_OEP”。在一些实施例中,标识符或属性514C可以对应于与用微流体装置的多个腔室分析的生物样本相关的特定的基于目标的属性、特性、性质或可量化度量(例如,异硫氰酸荧光素或FITC、大直径、小直径、质心、圆形度、对例如抗体的亲和力等)。作为另一示例,与微流体装置或其一部分的任何方面相关的特定的基于结构的属性、特性、性质或度量可以包括感兴趣区域、微流体装置或其一部分的任何几何、物理或其他特性等。即,本文描述的各种实施例包括感兴趣区域,其可以仅包括一个或多个基于目标的感兴趣区域、仅包括一个或多个基于结构的感兴趣区域、或包括至少一个基于目标的感兴趣区域和至少一个基于结构的感兴趣区域两者。各种实施例还可以包括一个或多个属性、特性、性质或度量,其可以进一步包括与生物样本相关的仅一个或多个基于目标的属性、特性、性质或度量,与微流体装置或其一部分相关的仅一个或多个基于结构的属性、特性、性质或度量,或至少一个基于目标的属性、特性、性质或度量和至少一个基于结构的属性、特性、性质或度量。
在一些实施例中,图库子结构因此可以相对于其标识符被分选、分级、排序、过滤、聚类或以其他方式处理。在一些实施例中,图库子结构中呈现的多个感兴趣区域相对于图库子结构的标识符被分级、分选或排序,可以相对于对应的感兴趣区域显示对应的感兴趣区域的相应顺序或等级 (520C)。在图5C所示的该示例中,多个感兴趣区域的各自顺序或等级显示在多个感兴趣区域的相应附近。在如图5C所示的一些实施例中,可以针对其中一列对应于多个行的行呈现多状态选择器506C。多状态选择器 506C允许用户选择多状态选择器所对应的特定行的状态。例如,用户可以在“选择”、“取消选择”、“未决定”或任何其他合适的状态等中选择状态。标识符或属性514C可以被创建为诸如标识符窗口部件的窗口部件,当从用户界面接收到标识符改变输入时,该窗口部件触发改变第一数据序列的第一标识符的指令。
图5C进一步展示了芯片时间线视图(522C)中的多个图库子结构与多个图形表示之间的相应对应关系的示例,所述芯片时间线视图具有交互式、匹配网格部分(524C),其指示微流体装置中的多个腔室中的生物样本分析中的多个工作流程任务和/或工作流程阶段的时间关系。例如,第一图库子结构510C对应于芯片时间线视图中的第一图形表示516C;并且第二图库子结构512C对应于芯片时间线视图中的第二图形表示518C。应当注意,图库视图与芯片时间线视图之间的对应关系可以是可选的。此外,可以至少通过将与微流体装置的多个感兴趣区域中的生物样本的分析有关的各种数据彼此相关联或链接来建立或实现它们之间的对应关系。参考例如上面的图1描述了这样的相关或链接。
此外,图5C示出了调整显示器上的一个或多个物体的大小和/或纵横比。与图5B相比,图5C示出了在物体(图5B中的504B和图5C中的504C) 的高度已经增加之后的屏幕上显示。该工具自动调整显示器上的其他物体的大小和/或纵横比,以成为重新调整大小和/或重新定位的芯片时间线视图(例如,图5B中的502B和图5C中的522C),以便适应调整后的物体。
在一些实施例中,在当前活动选项卡中示出芯片时间线视图522C的当前视图选项卡可以被配置为容纳一个或多个添加物体(例如,图库视图物体、图形视图物体等),用户可以致动多方向放置窗口部件(例如,图4A 中的多方向放置窗口部件408A)的中心可致动开关。响应于用户对多向放置窗口部件的中心可致动开关的致动,系统自动确定可以由用于插入的物体要求保护的候选空间(例如,504B),在该示例中,该候选空间被表示为图库视图或其一部分的小型化视图。应当注意,候选空间(例如,图4A 中的406A)表示可以由用于插入的物体要求保护的空间,尽管用于插入的物体可以或可以不一定占据整个候选空间。
图5D示出了在一个或多个实施例中可以在用户界面或其一部分中显示的图库视图物体的另一示例。更具体地,图5D示出了在一个或多个实施例中可以在用户界面或其一部分中显示的图库视图物体的另一示例。更具体地,图5D示出了至少部分地基于例如工作流程或管道、工作流程或管道阶段等动态地生成对应感兴趣区域的一个或多个图像序列的示例。在图5D所示的该示例中,可以对于例如导出过程(用于导出在微流体装置的腔室中培养的细胞)生成第一图像序列502D,其中感兴趣区域不仅可以包括腔室或其一部分504D,而且还可以包括相邻流动通道506D的至少一部分。
系统可以解析工作流程或一个或多个工作流程阶段或工作流程任务,并自动确定对于导出过程,感兴趣区域包括上述腔室或腔室部分以及流动通道的一部分,并因此裁剪或提取一个或多个基本图像以创建第一图像序列502D,如图5D所示。另外,系统可以确定对于培养生物样本的另一工作流程、工作流程阶段或工作流程任务,该工作流程、工作流程阶段或工作流程任务的感兴趣区域可能需要仅包括腔室和可选地腔室与相邻流动通道部分之间的界面。然后,系统可以裁剪或提取一个或多个基本图像以创建第二图像序列508D,如图5D所示。
图5E示出了在一些实施例中,将图库视图1804添加到图4A中的原始芯片时间线窗口或视图的右侧的示例。更具体地,图5E示出了将图库视图 504E添加到图4A中的原始芯片时间线窗口或视图的右侧的示例。图库视图物体504E的放置可以通过使用例如上述多方向放置窗口部件或上面参考图5A描述的放置窗口部件来完成。图4A中的原始芯片时间线视图或窗口被自动调整大小为502E,以容纳插入的物体504E。
图5F示出了在调整插入的图库视图的高度之后在原始芯片时间线视图右侧具有插入的图库视图的芯片时间线窗口。更具体地,图5F示出了在调整插入的图库视图的高度之后在原始芯片时间线视图右侧具有插入的图库视图(图5E中的504E)的芯片时间线窗口(图5E中的502E)。例如,图 5E-图5G中的芯片时间线视图提供了包括例如图库视图(例如,图5E中的 504E)的其他视图的补充内容,因为芯片时间线视图包括与对生物样本执行的分析(例如,一个或多个操作)的进展在时间上对准的重要信息。例如,芯片时间线视图可以将分析中的多个状态表示为对应的图形表示 502F。在图5F所示的该示例中,颜色编码的矩形用于表示分析中的对应阶段。此外,颜色编码的矩形的跨度或宽度还在视觉上指示分析中的对应阶段的时间跨度。颜色编码矩形的不同颜色表示不同的阶段(例如,加载、培养、导出等)。另外,图形表示502F可以对应于对应图库视图中的特定列 504F。
在一些实施例中,芯片时间线视图中呈现的时间线因此与收集(例如,从微流体装置中的腔室)或生成(例如,通过计算生物学模块或任何计算模块)数据的分析相关的任何数据相关联。可以收集或生成各种类型的数据用于分析。例如,可以捕获多个基于目标和/或基于结构的感兴趣区域的基本图像。尽管没有在芯片时间线视图中显示,但是这样的基本图像也与芯片时间线视图相关联,以使用户能够利用本文描述的所有功能、工具、窗口部件等来操纵芯片时间线视图。例如,与基于结构或基于目标的感兴趣区域相关的属性、特性、性质等中的任何属性、特性、性质等将对用户可用,使得用户甚至可以从芯片时间线视图内调用例如过滤器构建器和应用程序模块,以构建一个或多个一维或多维过滤器并将其应用于结果数据集。
附加地或替代地,在一些实施例中,芯片时间线视图、图库视图或任何其他视图或插入物体的大小和/或形状可以是可调整的,并且底层系统可以调用例如呈现引擎以在调整的视图内重新呈现内容。例如,图5F中的芯片时间线视图或部分的宽度(和/或高度)或图库视图的宽度(和/或高度) 可以通过例如拖动部分或视图的边界或指定精确大小(例如,以像素、以英寸等为单位)到期望的位置或值来调整,以改变视图或部分的大小和/或形状。
在一些实施例中,用户界面容纳多个视图并且这些多个视图中的一个视图的尺寸和/或形状被调整的这些实施例中,系统可以响应于视图的尺寸或形状的调整而自动调整至少一个剩余窗口的内容。例如,用户可以将芯片时间线窗口(例如,示出502F的部分)的大小和/或形状调整为新的大小和/或形状。响应于该新大小和/或形状,系统可以修改图库视图中的内容 (例如,图5F中示出504F的部分)。对图库视图的这种修改可以包括例如响应于图库视图左侧的芯片时间线视图的新大小和/或形状,缩放图库视图的大小和/或形状,将一个或多个附加列和/或一个或多个附加行添加到现有列,将一个或多个附加列和/或一个或多个附加行移除到现有列等。还可以对除上述芯片时间线视图示例之外的另一视图或其一部分执行对另一视图或视图的一部分的类似调整。例如,还可以调整用于微流体装置构建器模块的用户界面中的显示区域的部分,并且系统可以响应于对显示区域的部分的调整而自动地或基于用户配置或确认来调整用户界面的剩余部分。
图5G示出了一个或多个实施例中的存储芯片时间线视图的原始数据的示例数据结构的示例显示。更具体地,图5G示出了一个或多个实施例中的存储芯片时间线视图的原始数据的示例数据结构。更具体地,图5G示出了可以由用户选择以在芯片时间线视图中显示的芯片时间线的原始数据视图。例如,用户可以通过点击用户界面中的交互元件500G来选择查看与芯片时间线相关联的原始数据。响应于交互元件500G的调用,系统可以读取将与芯片时间线相关的原始数据存储在其中以在原始数据显示区域502G中显示的一个或多个数据结构的全部或一部分。
在这些实施例中的一些实施例中,一个或多个数据结构可以包括如本文所述的多个子结构,并且对应于这些多个列的相应信息(例如,列标题或标识符)也可以可选地显示在用户界面中(例如,在列显示区域506G中)。在一些实施例中,与这些多个列相对应的相应信息可以被显示为静态的、非交互式信息,或者在一些其他实施例中可以被显示为动态的、交互式信息,以使用户能够与每个相应的信息片段交互。例如,用户可以点击列显示区域506G中的各自的信息,系统可以自动滚动到或显示原始数据显示区域 502G中的对应列的数据。
原始数据显示区域502G可以显示数据或信息,诸如但不限于,微流体装置的标识符、微流体装置中对应数据的各自的标识符、数据所属的一个或多个测定的各自的标识符或描述、一个或多个属性和/或特性(例如,例如抗体的产品生产速率啊(例如QP),与生物学性质相关的分数,诸如但不限于细胞表面标记物等)、时间戳或任何其他合适的、期望的或所需的数据或信息。原始数据显示区域502G可以由用户通过例如使用本文描述的分组窗口部件504G来配置。
附加地或替代地,用户可以进一步配置哪个或哪些列用于原始数据显示。例如,用户可以在列显示区域506G中选择一个或多个列,使得分别与一个或多个所选列相对应的数据显示在原始数据显示区域中。作为另一示例,用户可以在列显示区域506G中取消选择的一个或多个列,使得分别对应于一个或多个取消选择的列的数据将被抑制、隐藏或以其他方式不显示在原始数据显示区域中。列显示区域506G可以由用户配置以将一或多个列添加、移除、启用和/或停用到列显示区域506G中。例如,用户可以添加、移除、启用(例如,激活)和/或停用(例如,去激活)用于测定的装置标识符列、用于测定的分数列、用于测定的腔室标识符列、用于测定的 rQP列、用于测定的细胞计数列、用于测定的经验证的细胞计数列、用于测定的时间戳列、用于一个或多个对应测定的一个或多个相应列、或任何其他合适或期望的列等。
示例芯片时间线视图还可以可选地包括功能显示区域508G,其示出已经或可以应用于本文描述的任何数据或列子结构的功能、运算符等的列表。功能显示区域508G还可以由用户配置为在其中显示期望的数据或信息。例如,除了功能和/或运算符之外,用户还可以将一个或多个字段、参数、特性、输入变量、输出变量等添加到功能显示区域508G中。芯片时间线视图还可以可选地包括分组窗口部件504G,以供用户通过使用分组窗口部件504G来快速地对各种数据片段进行分组。例如,用户可以从502G或 506G拖动列标题并将列标题放到分组窗口部件504G,该分组窗口部件基于该列标题自动触发对一些或所有原始数据(例如,仅显示器上的原始数据或与微流体装置的时间线相关的所有原始数据)的分组动作。如上所述,列标题可以被编码为交互式对象以对应于基于目标或基于结构的属性、特性、性质或度量。因此,丢弃列的列标题可以有效地指示系统根据对应的基于目标或基于结构的属性、特性、性质或度量来对一些或所有原始数据进行分选。
图5H示出了在一个或多个实施例中关于图5G中所示的示例数据结构的示例显示的一部分的更多细节。更具体地,图5H示出了关于图5G中的原始数据显示区域502G的更多细节。在一些实施例中,原始数据显示区域 502G可以包括微流体装置标识符502H、腔室标识符504H、第一测定装置标识符506H、第一测定腔室标识符508H、第一测定rQP(dr、dq、dp分子) 510H、第一测定分数512H、第一测定时间戳514H、第二测定装置标识符516H、第二测定腔室标识符518H、第二测定rQP(dr、dq、dp分子)520H、第二测定分数522H和/或第二测定时间戳524H等中的一个或多个。
图5I示出了在一个或多个实施例中关于图5G中所示的示例数据结构的示例显示的一部分的更多细节。更具体地,图5I示出了关于原始数据显示区域502G的更多细节。在图5I所示的该示例中,原始数据显示区域 502G可以包括列启用/停用屏幕上窗口部件502I,其切换所有列的显示或抑制显示。原始数据显示区域502G还可以呈现用于在原始数据显示区域 502G中显示的列的可配置列表。可以以一种或多种不同的方式来配置列的可配置列表。例如,可以利用添加新列窗口部件504I来添加新列。
可以利用移除列窗口部件508I从可配置列表中移除现有列。可配置列表中的列可以通过例如检查复选框或其他屏幕上窗口部件、菜单命令、内容命令(例如,通过右键点击列或其标识符调用的命令)等来单独地启用(例如,显示在原始数据显示区域502G中)或停用(例如,不显示在原始数据显示区域502G中),显示在原始数据显示区域502G中的列也可以以各种不同的方式分组。例如,用户可以将列标识符拖动到字段506I中,以通过该列标识符来布置、分选或组织在原始数据显示区域502G中显示的数据。这种分选、布置或组织也可以通过其他合适的命令(例如,通过在原始数据显示区域502G中右键点击指向装置光标调用的内容命令、菜单命令等)来实现。
图5J示出了一个或多个实施例中的存储原始数据的示例数据结构的示例分组。如图5J中的示例所示,可以通过一个或多个特性对数据进行分组 (例如,将列标识符拖动到图5I中的字段506I中)。在这些实施例中,可针对所有数据(在原始数据显示区域502G中启用或停用)、原始数据显示区域502G中的所有启用数据或所有数据的较小子集进行分组。图5J还示出了可以对原始数据显示区域(例如,502G)中显示的数据执行的一组复合的、嵌套的或分层布置的动作。例如,用户可以通过点击多个特性(例如,图5I的字段506I中的特性)来选择多个特性,使得所显示的数据可以首先按第一选择的特性进行分组,然后按第二选择的特性进行分选等。
图5K示出了在一个或多个实施例中通过使用多方向放置窗口部件将物体插入到芯片时间线视图或窗口中的另一示例。更具体地,图5K示出了通过使用多方向放置窗口部件504K将物体506K插入到芯片时间线视图或窗口(例如,图4A)中的另一示例。在该示例中,用户选择多方向放置窗口部件504K中的中心可致动开关。响应于用户对多向放置窗口部件504K中的中心可致动开关的致动,系统自动确定容纳物体506K的候选空间,并且可以选择性地示出可以将物体506K放置在其内的半透明重影边界框 502K。
图6A示出了在一个或多个实施例中致动扩展窗口部件而以物体的形式显示与每个腔室相关联的附加内容的示例。图6A示出了致动或展开扩展/ 折叠(expansion/collapsing)窗口部件602A以显示与物体形式的每个腔室相关联的附加内容(例如,604A、606A等)的示例。扩展/折叠窗口部件 602A基于用户的操纵自动改变其图形表示。例如,扩展/折叠窗口部件 602A可以示出用于可扩展特征的扩展表示(例如,诸如608A的加号)和当特征可以仅被折叠时的折叠表示(例如,诸如602A的减号)。系统自动确定子窗口或子区域的大小和位置,以显示腔室的附加内容,而不会造成对显示器上的其他内容的任何阻碍或减少对显示器上的其他内容的阻碍。在一些实施例中,附加内容不能被完全容纳或显示在所确定的子窗口或子区域(例如,604A)中,系统还可以在一个或多个相应维度(例如,上下以及左右)中呈现一个或多个滑块以供用户滚动浏览内容。
图6A还示出了扩展/折叠窗口部件或图库细节窗口部件608A,其在被致动时可以改变其外观并且可以使得显示附加信息或内容。在一些实施例中,扩展窗口部件可以在需要时扩展或者在不需要时折叠,以避免用户界面因附加信息、功能等而混乱。图6A所示的示例用户界面示出了处于折叠状态中的这些扩展窗口部件。
此外,图6A中的用户界面包括图库视图或其一部分。填充到图库视图中的各种类型的数据包括例如可以从一个或多个基本图像导出或提取的对应感兴趣区域的各个图像。这些对应的感兴趣区域可以由用户确定,或者由系统至少部分地基于例如对应的芯片时间线和/或工作流程或管线而自动确定。这些感兴趣区域可以是纯粹基于目标的、纯粹基于结构的、或基于目标和基于结构两者的。取决于感兴趣区域是基于目标的还是基于结构的,一个或多个属性、特性、性质和/或可量化度量等也可以被捕获并与其他数据(例如,基本图像、感兴趣区域的单独图像等)相关联,并且可以用于操纵(例如,过滤、分级、聚类等)彼此相关联数据。
在一些实施例中,对应区域的这些单独图像可以根据芯片时间线布置在图库视图中,该芯片时间线跟踪微流体装置中的生物样本的基础分析的流程。例如,图库视图可以在相应的列中呈现分析的特定阶段,其中每列对应于特定阶段,并且图库视图中的这些特定列也对应于信息呈现的芯片时间线(例如,图5F中的图形、颜色编码的表示502F)。在一些实施例中,图库视图中的列根据上述一个或多个属性、特性、性质或可量化度量中的一个呈现多个感兴趣区域的数据,系统可以进一步确定该列和与芯片时间线中的属性、特性、性质或可量化度量更相关或最相关的阶段之间的对应关系。以这种方式,本文描述的各种不同视图可以有效地利用或采用本文描述的任何功能,使得用户可以容易地在不同视图之间切换以执行任何期望或所需的功能,以促进推导计算分析和/或与生物样本的分析相关的数据的分析。
图6A示出了其中(例如,由用户或由系统)确认插入物体将占据整个候选空间的示例,系统可以确定显示器上的一些语义或有意义的内容可能被插入物体阻挡。作为响应,系统可以添加新选项卡612A以容纳插入物体,同时原始芯片时间线视图保持在原始选项卡(例如,当前活动选项卡) 中。在该示例中,插入物体包括图库视图物体。图6A还示出了用户界面可以包括多个选项卡,诸如芯片时间线视图610A和添加到用户界面的图库视图。在一些实施例中,可以将任何其他视图添加到当前显示特定视图的用户界面。例如,还可以通过添加芯片时间线视图来扩增显示图库视图的用户界面。
此外,图6A还示出了交互式窗口部件(例如,614A、616A和618A) 的一些示例。交互式窗口部件在被交互时,触发一个或多个功能的执行。在图6A所示的示例中,对应图库子结构(例如,示例中的列)的交互式窗口部件618A可以触发可与交互式窗口部件相关联或为交互式窗口部件定制定义的一个或多个功能的执行。例如,当用户选择用于在图库视图中呈现的基于目标或基于结构的属性、特性、性质或度量时,系统可使用与基于目标或基于结构的属性、特性、性质或度量相关联的描述或符号作为图库子结构的标头或标题。
该标头或标题块可以被生成为等待描述或记号作为待显示为其标头或标题的输入的参数化代码块。此外,与所选的基于目标或基于结构的属性、特征、性质或度量相关的一个或多个功能可以与标头或标题块相关联,使得当标头或标题块被交互(例如,被点击)时,一个或多个功能可以被执行或被呈现给用户以供选择执行。附加地或替代地,标头或标题块(例如,612A)还可以被配置为用作标识符窗口部件或具有构建到前述参数化代码块中的标识符的功能。标识符窗口部件在被调用时会改变标识符。例如,用户可以调用标识符窗口部件功能来改变标头或标题块的标识符。
图6B示出了在一些实施例中本文描述的生物信息学管线用户界面与一个或多个其他用户界面或视图的集成的示例。图6B示出了在一些实施例中生物信息学管线用户界面(例如,下面描述的图7A中的702A)与本文描述的一个或多个其他用户界面或视图的集成的示例。更具体地,图6B示出了生物信息学管线用户界面602B、图库视图或用户界面606B以及芯片时间线视图604B或用户界面等的集成。这些视图或用户界面中的每个都可以在其各自的选项卡中呈现。另外,一个视图(或用户界面)可以作为物体添加到另一个视图或用户界面中,如上面参考例如图5A所述。在一些实施例中,图库视图或用户界面606B可以被设计用于例如测定分析仪,所述测定分析仪执行一个或多个测定以确定例如物质(例如,上述生物样本)的存在、该物质的量、或药物的生物或药理学效力等。
可以为采用生物信息学或计算生物学来确定例如生物样本的序列、域和/或结构的测序仪单独设计生物信息学管线用户界面(602B)。利用由测序仪生成的大量测序数据,传统工具可以仅向用户呈现大量数据而无需任何有用的工具或功能。因此,用户必须依赖于他或她对细节的密切观察和关注,以有希望地解密大量数据来识别有用信息。
本文描述的各种技术通过为用户提供快速识别和确定感兴趣的相关信息或数据的各种功能,甚至为用户提供视觉验证结果的功能,以完全和等同的效果应用于测定分析和生物信息学管线分析。例如,利用集成的生物信息学管线用户界面和图库视图,用户可以在操纵、分析和/或进一步处理测定分析数据和生物信息学管线数据两者时,采用针对其描述的所有或几乎所有功能。此外,图库视图608B包括多个流。例如,图库视图606B包括:荧光DAPI(4',6-二脒基-2-苯基吲哚)流610B,其使用蓝色荧光DNA染色剂,该染色剂在键合至dsDNA的AT区域时表现出约20倍的荧光增强; FITC(荧光素异硫氰酸酯)流612B;以及一个或多个其他流614B(例如, TRITC或四甲基罗丹明异硫氰酸酯、OEP或光电定位等)。此外,显示了这些多个流(610B、612B、614B等)的图库视图608B可以从一个或多个微流体装置的单个时间线或时间线的单个块生成。
例如,如图6B所示,用户可以加载生物信息学管线数据集,选择生物信息学管线数据的子集,并通过使用上述用于图库视图的功能将子集存储为腔室列表(例如,通过经由子菜单项或窗口部件选择感兴趣的腔室列表 616A)。然后,底层系统可以通过使用例如腔室所在的微流体装置的标识符和/或腔室的标识符来自动识别和链接相关数据(例如,在一系列时间点捕获的腔室的图像序列),以链接生物信息学管线数据和相关数据。
以这种方式,图库视图提供了在时间点序列中的每个时间点处的腔室的视觉表示,使得用户可以通过例如视觉观察腔室的图像序列来在视觉上识别并且甚至在视觉上验证结果。此外,用户还可以采用过滤器配置和定义功能,并将一个或多个一维或多维过滤器应用于测定分析数据和生物信息学管线数据。
图6B还示出了可扩展和可折叠腔室列表菜单(616B),其提供现有腔室列表的列表,每个现有腔室列表在被激活时(例如,通过点击或右键点击)提供内容菜单(618B)以供用户确定要对所选腔室列表执行哪个进一步的动作。一些示例动作可以包括在图库视图中打开所选腔室列表,打开所选腔室列表的原始数据,和/或删除所选腔室列表,或与腔室列表的操纵和/或操作相关的任何其他合适的、期望的或所需的动作等。
图6C示出了在一些实施例中针对加载的生物信息学管线数据集示出的图库视图的更多细节。图6C示出了在一些实施例中用于加载的生物信息学管线数据集的图6B中所示的图库视图的更多细节。在这些实施例中,除了图库视图的一个或多个先前描述的特征和功能之外,图6C还示出了在一系列时间点针对腔室捕获的图像的布置(在图6C中以三行布置三个腔室)。每个腔室可以与提供数字或统计信息(例如,图6C中的细胞计数)的快速表示的走势图(sparkline)606C相关联。图6C中所示的走势图606C具有无轴图形的形式,但是在一些其他实施例中,也可以用一个或多个轴表示走势图。此外,在一些实施例中,腔室可以与多于一个走势图相关联。应当注意,尽管图6C中的走势图看起来是在三个数据点上构建的,但是走势图可以随时间用任何数量的数据点来构造。
图6C进一步示出了在一些实施例中动态重放在多个时间点针对腔室捕获的图像序列的示例。用户界面(例如,如图6C所示的图库视图)可以包括窗口部件602C,其在被激活时(例如,经由点击)使得针对感兴趣的腔室捕获图像序列。例如,用户可以点击被实现为列菜单602C的一部分的重放窗口部件。在接收到对重放窗口部件的点击时,底层系统可以在分配用于显示腔室的图像的用户界面的部分604C处重放特定腔室的图像序列。例如,图像序列的重放可以示出腔室内的生物微物体的克隆群随时间的扩增、生物微物体标记实验的进展、生物微物体随时间的裂解进展、生物产物随时间到捕获珠的捕获、可溶性报告分子:生物产物复合物随时间的扩散等。
图6D示出了在一个或多个实施例中用于配置示例图库视图的设置的示例图库视图上的示例弹出窗口。更具体地,图6D示出了在用户已经选择 GUI中的设置按钮等之后由引擎(例如,数据显示引擎50)生成的图库视图的示例,该GUI可以包括引擎然后可以用来生成经过滤的数据的图库视图的一个或多个设置的弹出窗口或窗格。虽然不限于这些特定参数,但是对于测定的每个步骤(由“列名称”表示),设置可以包括该列是否可见,列的等级是否可见,以及要在每个图像的页脚处显示的文本(这里称为“列页脚”)。此外,引擎50可以呈现诸如行高度、逗号后的数位等的设置,以及允许用户要求腔室拒绝批准;引擎50可以呈现选项以将这些设置应用于图库视图,或取消对图库视图的改变。
在图6D所示的示例中,用户可以配置图库视图的各个方面、属性、特性等。在一些实施例中,用户可以针对每列(例如,对应于图6B中的 610B、612B等的列)配置这样的各种方面、属性、特性等。例如,用户可以通过分别检查可见性窗口部件602D来配置列(例如,对应于分析数据(诸如图像、分析结果和/或在多个时间点与微流体装置中的腔室相关的其他相关数据)的列)在图库视图中是可见的还是不可见的。用户还可以通过检查分级窗口部件604D来开启或关闭相应列的分级。
用户可以通过例如在相应的列标识符606D上发出命令(例如,通过菜单、内容菜单、点击、双击等)来配置或修改默认列标识符606D。用户还可以通过从下拉菜单中选择期望的特性来配置列页脚608D,该列页脚对应于关于图库视图中的对应列的显示的多个可选特性(例如,腔室的总细胞计数、腔室的经验证的总细胞计数、最大亮度、最小亮度等)。附加地或替代地,用户可以通过列大小调整窗口部件610D来配置图库视图中的列的大小 (例如,列的高度和/或宽度)。在一些实施例中,用户可以通过精度调整窗口部件612D配置图库视图中的列的数字的显示精度(例如,小数位数)。
图6E示出了在一些实施例中的示例图库视图中的伪着色的示例结果。更具体地,图6E示出了启用腔室的列的伪着色(例如,通过选择 Assay_2_CV5列标题602E)的示例结果,其将这些腔室的背景3004着色为绿色,其中荧光标记的细胞606E具有接近荧光标记的细胞606E的大小的确定大小。可以利用伪着色来恢复以某些特性(例如,对比度不足、亮度低等)捕获的腔室的图像,这些特性禁止或降低显示装置上的图像的适当可见性。
图6E还示出了向用户提供调整特定视图或整个用户界面的各种特性或其他方面的能力的配置窗口部件608E的示例。可以通过配置窗口部件 608E配置的特性的一些示例包括但不限于亮度、对比度、伪着色启用或停用、饱和度、伽马、明亮度、颜色因子或任何其他合适的、期望的或所需的特性。
图6F示出了在一些实施例中改变示例图库视图中的一列腔室的颜色因子和一个或多个单个腔室的放大特征的示例结果。更具体地,图6F示出了改变一列腔室的颜色因子的示例结果(例如,通过选择图6E中的 Assay_2_CV5列标题602E),其将这些腔室的背景602F着色为蓝色,其中荧光标记的细胞606E(在图6E中)具有接近图6E中的荧光标记的细胞606E 的大小的确定大小。图6F还示出了用户可以选择腔室602E以放大图6E中的单元606E。生成荧光标记的细胞606E的放大图像(例如,放大图像 604F),其大小被确定为接近或缩放对应腔室中细胞的实际大小,以提供更好的可见性,尤其是对于图像中的精细特征。
图6G示出了在一些实施例中用于配置视图的配置窗口部件的另一示例。更具体地,图6G示出了用于配置视图(例如,图库视图、芯片时间线视图等)的配置窗口部件的另一示例,在该示例中,配置窗口部件602G根据它们各自的标题(例如,作为标题的测定类型)列出视图中的列,并提供下拉菜单以供用户从中选择以控制视图。例如,用户可以点击列(例如,在该示例中为Assay_2_CY5)的下拉菜单以改变测定的特性,包括但不限于:列的高度、逗号之后的位数(例如,1、2、3、...)、腔室的各自标识符、最大亮度、最大背景亮度、长轴大小(例如,以微米为单位)、短轴大小、圆度、直径大小、腔室标识符和/或介质亮度等。
配置窗口可以包括一个或多个字段,每个字段对应于用于配置例如图库视图中的对应列的下拉或弹出窗口。每个字段可以进一步被配置为例如可见或不可见、是否显示等级等。用户可以进一步配置所选择的特性中的每个是否可见、是否显示列中的腔室的等级(与微流体装置中的其他腔室相比)、或用户可能希望看到或隐藏的任何其他信息。例如,用户可以点击图库视图中的配置窗口部件604G以配置或调整配置、设置、属性和/或特性等。在一些实施例中,该配置菜单602G还可以提供调整显示器上的行的高度和/或逗号之后的位数的能力。
例如,用户可以通过列大小调整窗口部件(例如,图6D中的610D) 来配置图库视图中的列的大小(例如,列的高度和/或宽度)。在一些实施例中,用户可以通过精度调整窗口部件(例如,图6D中的612D)配置图库视图中的列的数字的显示精度(例如,小数位数)。用户可以通过检查可见性图标(例如,图6D中的602D)来确定一个或多个列是可见的还是不可见的。用户还可以通过检查分级窗口部件(例如,图6D中的604D)来开启或关闭相应列的分级。用户还可以通过从下拉菜单中选择期望的特性来配置列页脚608D,该列页脚对应于关于图库视图中的对应列的显示的多个可选特性(例如,腔室的总细胞计数、腔室的经验证的总细胞计数、最大亮度、最小亮度等)。
图6H示出了在一些实施例中用户将图6G中的腔室的状态从“选定”状态改变为“未决定”状态的示例。图6H示出了用户将图6G中的腔室的状态从“选定”(例如,如图6G中的606G或608G所示,在多状态选择器中填充上部气泡)改变为未决定(例如,在多状态选择器中具有减号图标“-”并且在602H中没有填充气泡)的示例。图6H还示出了过滤器选择器开关604H,其在被调用时用于确定一个或多个过滤器类型和/或一个或多个属性选择器,如下面描述的图6I所示。
图6H进一步示出了在调整上文参考图6G描述的一个或多个特性之后图库视图对象的刷新显示。图6H还示出了用于用户选择腔室、拒绝腔室或将腔室标记为“未决定”(例如,未决定是否选择或拒绝腔室)的多状态开关或多状态选择器606H。在图6H所示的该示例中,610H中封闭的腔室当前显示为“选定”,如在用户界面中图形强调的。应当注意,尽管图6H仅示出了所选择的一个腔室,但是在一些实施例中可以选择多于一个腔室,并且本文所述的技术可以自动地以编程方式布置用户界面以适应与多个所选择的腔室相关联的附加操作(例如,放大视图)。图6H还示出了列表生成开关608H,其在被致动时调用用于生成包括一个或多个感兴趣区域的列表(例如,“坞列表”或“腔室列表”)的指令。例如,用户可以应用一个或多个过滤器以将微流体装置中的多个感兴趣区域过滤到感兴趣区域的过滤列表,并点击列表生成开关608H以创建包括满足一个或多个过滤器的感兴趣区域的过滤列表的坞列表。与该过滤的区域列表相关的分析数据和/或计算分析数据可以用于生成图库视图,同时利用其功能中的一些或全部。
图6I示出了在一些实施例中用于添加一个或多个过滤器类型的一个或多个过滤器的过滤器构建器和应用程序模块的示例。更具体地,图6I示出了用于添加一个或多个过滤器类型的一个或多个过滤器(例如,控制一个特性的一维过滤器、控制两个特性的二维过滤器控制器等)的过滤器构建器和应用程序模块602I的示例。在一些实施例中,本文描述的特性或过滤器属性(例如,604I)可以是交互式的。特性或过滤器属性可以包括或涉及基于目标或基于结构的特性、属性、性质或可量化度量。基于目标的特性、属性、性质或可量化度量的一些示例可以包括但不限于:生物样本的特性或与生物样本相关的特性,诸如可针对生物样本实际测量或得到或计算的大小、圆度、亲和力、大直径和/或小直径、荧光强度或计数等。基于结构的特性、属性、性质或可量化度量的示例可以包括但不限于与方面或任何腔室或微流体装置的任何部分相关的任何信息。在一些实施例中,过滤器属性可以选自过滤器属性列表,并且可以对应于一个或多个图库子结构(例如,图库视图中的一个或多个列)。
过滤器构建器和应用程序模块602I允许用户通过选择一个或多个特性并且进一步通过改变或定义特性的值或值范围来定制构建一个或多个过滤器并将其应用于视图,使得过滤器在应用于视图时识别满足该值或值范围的一个或多个物体,该值或值范围可以被称为过滤标准(或标准)。本文描述的各种模块(例如,过滤器构建器和应用程序模块)被配置或设计为对多个感兴趣区域进行过滤、分选和/或分级等,并且可以与一个或多个图形处理和/或呈现模块协同或结合地起作用,以显示这种过滤、分选和/或分级等的结果。
此外,过滤器构建器和应用程序模块或过滤器生成模块602I可以包括允许用户确定一个或多个所需或期望的过滤标准的一个或多个过滤标准配置器或一个或多个配置滑块窗口部件610I或618I(其也可以被称为滑动调整窗口部件)。在图6I所示的示例中,过滤准则配置器包括允许用户调整或定义过滤标准的一组过滤器配置器(例如,一个或多个滑块610I或618I 和/或一组一个或多个对应的调整窗口部件614I)。应当注意,也可以使用且因此考虑其他类型的过滤标准配置器。例如,另一过滤标准配置器可以允许用户通过键入这样的值或值范围来指定动态约束,诸如值或值范围。作为另一示例,过滤标准可以允许用户通过操纵滑块610I或618I和/或对应的调整窗口部件614I或616I来选择具有最少三个样本和最多16个样本的任何腔室。作为另一示例,过滤标准可以允许用户通过操纵滑块(610I或618I)和/或对应的调整窗口部件(614I或616I)来选择具有5.90微米的最小直径和25.80微米的最大直径的任何腔室。在一些实施例中,一旦应用了过滤器,满足一个或多个过滤准则(并且因此在用户界面中被呈现)的感兴趣区域就可以被称为经过滤的感兴趣区域。
在一些实施例中,过滤器构建器和应用程序模块602I在应用过滤器之后自动确定样本数量。例如,响应于对一组一个或多个滑块(610I或618I) 和/或一组一个或多个对应的调整窗口部件(614I或616I)的调整,过滤器构建器和应用程序模块3602自动确定896个样本(608I)满足第一过滤器,并且在针对第二过滤器标准/多个标准调整第二组一个或多个滑块(610I或 618I)和/或第二组相应的调整窗口部件(614I或616I)之后,这896个样本中的399个样本进一步满足第二过滤器。
此外,通过调整一个或多个过滤标准,图6I的右手部分上的图库视图 (例如,包括606I的图库视图)被自动更新以反映过滤器的应用。应当注意,过滤器标准可以是基于目标的或基于结构的。此外,过滤器构建器和应用程序模块602I允许用户构建和应用多于多个一维或多维过滤器。在应用多个过滤器的一些实施例中,这些多个过滤器可以包括一个或多个基于目标的过滤器、一个或多个基于结构的过滤器、或者一个或多个基于目标的过滤器和一个或多个基于结构的过滤器两者。在其中应用多维过滤器的一些实施例中,多维过滤器可以包括基于目标的第一维过滤器和基于结构的第二维过滤器。
图7A示出了一个或多个实施例中的用于数据控制视图703A(例如,生物信息学管线引擎、测定分析控制等)的示例生物信息学管线用户界面。更具体地,图7A示出了在一个或多个实施例中用于配置或设置生物信息学管线引擎或显示引擎(例如,图2A中的显示引擎50)的生物信息学管线用户界面的示例部分(例如,数据控制视图703A)。在该示例中,生物信息学管线用户界面702A可以接收测序运行名称(704A)和参考基因组 (706A),诸如小鼠(GRCm38/mm10)基因组、人类基因组(GRCh37/hg19) 等。用户可以开始分析运行(例如,通过点击开始分析710A)。在一些实施例中,生物信息学管线用户界面702A还可以允许用户指定输入文件类型或格式(708A),诸如二进制基本调用(BCL)文件类型或格式、FASTQ 文件类型或格式等。
在一些其他实施例中,输入模块的内置智能自动确定输入文件的输入文件类型。BCL或二进制基本调用文件包括由基因组学测序工具(例如, Illumina测序仪)生成的原始数据。FASTQ文件是基于文本的测序数据文件格式,其存储例如原始序列数据、质量评分和/或其他相关数据,并且可以用作生物信息学分析的输入。另外,图7A还示出了在被调用时触发某些指定数据的删除的删除窗口部件712A的资源配置。在图7A所示的该示例中,删除窗口部件712A在被调用时使得执行指令(例如,通过与数据总线连接的处理器)以删除指定的测序运行。删除窗口部件也可以在任何其他用户界面或其部分中实现,以实现指定数据的删除。
附图标记704A、706A、708A、710A和/或712A中的任何一个可以被实现为交互式数据控制窗口部件,当通过用户输入对其进行交互时,调用如本文所述的一个或多个相应的候选动作。
生物信息学用户界面可以提供将在下面描述的替代或附加功能。生物信息学管线用户界面与上述一个或多个其他模块、引擎和用户界面无缝集成。例如,生物信息学管线用户界面可以与上述一个或多个其他视图(例如,图库视图、芯片时间线视图等)集成,使得用户可以利用这些各种其他视图以及由上面参考图4A-图4E、图5A-图5K和图6A-图6I描述的底层引擎和模块提供的功能。在图7A-图7O中示出了用于集成生物信息学用户界面、底层生物信息学管线引擎等的一些示例。
此外,测序分析的结果呈现于例如图7A-图7O中,在一些实施例中,可以在与本文所述的所有其他视图无缝集成的单独的测序模块上执行测序。更具体地,填充到图7C或图7J中所示的视图中的各种类型的数据可以包括例如对应的感兴趣区域中的基因的表示。这些对应的感兴趣区域可以由用户确定或由系统至少部分地基于例如对应的芯片时间线和/或工作流程或生物信息学管线而自动确定。这些感兴趣区域可以是纯粹基于目标的、纯粹基于结构的、或基于目标和基于结构两者的。取决于感兴趣区域是基于目标的还是基于结构的,一个或多个属性、特性、性质和/或可量化度量等也可以被捕获并与其他数据相关联,并且可以用于操纵(例如,过滤、分级、聚类、生成定制腔室列表等)彼此相关联数据。
此外,例如图7C或图7I中所示的图也可以与任何其他视图(例如,图库视图、芯片时间线视图等)相关联。例如,图库视图可以在各自的列中呈现分析的特定阶段,其中每列对应于特定阶段,并且图库视图中的这些特定列也对应于呈现芯片时间线的信息(例如,图5F中的图形、颜色编码的表示502F)。在一些实施例中,图库视图中的列根据上述一个或多个属性、特性、性质或可量化度量中的一个呈现多个感兴趣区域的数据,系统可以进一步确定该列和与芯片时间线中的属性、特性、性质或可量化度量更相关或最相关的阶段之间的对应关系。以这种方式,图7A至图7O中所示的用于测序的图表也可以与本文所述的各种不同视图相关,以有效地利用或采用本文所述的任何功能,使得用户可以容易地在不同视图之间切换以执行任何期望或所需的功能,以促进推导计算分析和/或与生物样本的分析相关的数据的分析。
图7B示出了在一个或多个实施例中向用户提供配置用于生物信息学管线数据集的降维的一个或多个降维参数以及示例生物信息学管线用户界面的一些附加特征的能力的示例。更具体地,图7B示出了在一个或多个实施例中图7A所示的示例生物信息学管线用户界面的附加特征。更具体地,图 7B示出了用于降维和/或聚类(例如,生物样本的聚类)的用户界面。从图 7B可以看出,在这些实施例中,降维功能被集成到用于加载数据集的界面中。从微流体装置中或微流体装置上的生物样本获得的典型完整数据集的大小通常很大,这大大降低了计算速度。因此,在用于加载数据集的界面中应用一个或多个过滤器以在保存任何信息之前缩小进一步处理的范围、进行降维或执行聚类,可以进一步节省计算资源。
如下文所述的图7D所示,生物信息学管线数据集是包括15994个基因和552个细胞的大型数据结构。该数据结构可以包括表格结构,其中每个基因存储在各自的列中,并且每个细胞存储在各自的行中。可以通过例如点击生物信息学管线用户界面中的“降维”702B来调用降维和/或聚类功能,但是也可以考虑调用降维功能的其他方式(例如,通过从菜单中选择、点击图标等)。生物信息学管线用户界面示例还向用户提供调用降维和/或聚类(704B)的配置和/或执行以及查看降维和/或聚类结果(718B)。
例如,用户可以点击生物信息学管线用户界面中的“降维和聚类”704B。作为响应,生物信息学管线用户界面自动扩展并显示用于配置和/或执行降维以及配置和/或执行聚类的一个或多个菜单项目。在图7B所示的该示例中,在一个或多个实施例中,向用户提供配置用于生物信息学管线数据集的降维的一个或多个降维参数706B的能力。这些一个或多个聚类参数706B可以包括,例如,要减少的PCA(主成分分析)组件(708B)的数量,或用于降维的任何其他合适的参数。例如,一些实施例可以首先执行 PCA(主成分分析)以产生较少数量的维度,然后以较少数量的维度执行 UMAP(统一流形逼近与投影)。此外,向用户提供配置一个或多个聚类参数716B的能力。这些一个或多个聚类参数716B可以包括例如用于聚类算法(例如,Louvain聚类算法)的分辨率参数710B(例如,Louvain参数),或用于聚类的任何其他合适的参数。在一些实施例中,这些一个或多个聚类参数包括Louvain分辨率参数,其还包括例如但不限于聚类的数量,其中较大的值导致更多的聚类。
图7B示出了一个或多个实施例中的配置上述聚类结果的可视化选项的示例。更具体地,用户可以点击“可视化集群(Visualize Clusters)”718B。作为响应,生物信息学管线用户界面自动扩展并显示用于配置生物样本的聚类分析的一个或多个可视化特性的一个或多个菜单项目。在该示例中,可以向用户提供选项以选择坐标系(例如,UMAP或统一流形逼近与投影、 PCA或主成分分析等)、色标(例如,线性标度、对数标度等)、色标的数量(例如,单个颜色条、多个颜色条等)和/或任何其他可视化属性或特性。
用户可以进一步配置(例如,从下拉菜单中指定或选择)一种或多种类型的图,每个图表征与生物信息学管线用户界面中的资源配置714B的加载数据集相关的特定特性或统计度量。714B的下拉列表包括过滤后可用的所有基因,如果先前应用的话。在已经执行聚类的一些实施例中,714B的下拉列表还可以包括与聚类相关的选项。例如,用户可以选择总HVSR(高度可变信号区域)、每个细胞的总基因、聚类等中的一个或多个,以配置聚类的可视化(如果用户选择并配置降维,则可以进行降维)。在可视化配置完成的情况下,用户可以通过例如点击生物信息学管线用户界面中的“可视化”(例如,“测序视图窗口部件”)712B来生成图形表示。
图7C示出了一个或多个实施例中的生物信息学管线数据集的示例表示。更具体地,图7C示出了在一个或多个实施例中上文参考图7M描述的生物信息学管线数据集的示例表示。应当注意,尽管图7C中示出了三种特定类型的图,但是一些实施例还可以为生物信息学管线数据集提供一种或多种其他类型或数量的图形表示作为生物信息学管线用户界面的一部分(例如,图7A中的702A)。图7C中所示的该示例呈现了每个单元704C的 HVSR(高度可变信号区域)计数的第一图,其中滤波滑块702C通过最小 HVSR约束第一图。例如,用户可能期望通过调整滑块702C来查看具有最小或最大HVSR的细胞的结果。图7C还包括每个细胞708C的基因总数的第二图,其具有通过每个细胞的最小或最大基因总数约束第二图的过滤滑块。例如,用户可能希望通过调整滑块706C来查看具有每个细胞最小或最大基因数量的结果。
图7C还包括每个细胞712C的线粒体百分比的第三图,其具有通过每个细胞的线粒体基因的最小或最大百分比约束第三图的过滤滑块710C。例如,用户可能期望通过调整滑块710C来查看每个细胞具有最小或最大百分比的线粒体基因的结果。应当注意,尽管图7C示出了滑块的资源配置,但是可以使用其他方式来约束或限制要以图形表示的数据集(例如,在 704C、708C和/或712C中),来代替这些示出的滑块或补充这些示出的滑块。例如,示例生物信息学管线用户界面可以为用户提供字段以输入精确值或表达式(例如,逻辑表达式)以过滤或约束用于图形表示的数据集。
例如,用户可以使用过滤滑块702C来过滤掉未能满足由用户控制的最小数量(例如,1000)的HVSR的任何单元。响应于过滤滑块702C的操纵,自动更新图形704C。作为另一示例,用户可以使用过滤滑块706C来过滤掉未能满足由用户控制的最小数量(例如,200)的基因的任何细胞。响应于过滤滑块706C的操纵,自动更新图形708C。作为另一示例,用户可以使用过滤滑块710C来过滤掉不满足由用户控制的线粒体基因的最大百分比 (例如,15%)的任何细胞。响应于过滤滑块710C的操纵,自动更新图形 712C。
图7D示出了在一个或多个实施例中关于图7A-图7C中所示的示例生物信息学管线用户界面的更多细节。更具体地,如图7D所示,响应于用户对一个或多个滑块的调整,系统自动更新概要714C和716C以反映调整这些一个或多个滑块的效果。例如,生物信息学管线用户界面显示加载的数据集对应于15994个基因和552个细胞。生物信息学管线用户界面还显示了每个滑块保留的细胞的各自的数量和保留的细胞的各自的百分比,以及保留的细胞的总数量和保留的细胞的总百分比,以及有效放置的所有过滤器的组合。
例如,图7D示出了在应用HVSR过滤器之后保留的微物体的数量为 366;在应用基因过滤器之后保留的微物体的数量为526;在应用%线粒体过滤器后保留的微物体的数量为476;并且在应用所有过滤器之后保留的微物体的总数为308。在一些实施例中,生物信息学管线用户界面可以进一步显示针对每个过滤器的应用和所有过滤器的应用保留的微物体的各自的百分比。
生物信息学管线用户界面还可以在概要716C中显示附加信息。在一些实施例中,附加信息可包括以下中的至少一种:每个微流体装置恢复 (recoverd)的腔室的数量(例如,图7D中的552)、每个微流体装置的平均PF百分比(例如,图7D中的79.01%)、每个导出的平均Q30百分比(例如,图7D中的85.05%)、每个导出的去条形码化的平均百分比(例如,图7D中的97.22%)、每个导出的平均原始读数(例如,图7D中的 9,853,928)、每个导出的平均输入读数(例如,图7D中的9,367,940)、每个珠映射的平均百分比(例如,图7D中的62.12%)、每个珠捕获的中位数HVSR(例如,图7D中的6,848)、每个珠捕获的中位数基因(例如,图7D中的2,152)、每个珠的平均线粒体百分比(例如,图7D中的2.95%) 和/或任何其他所需或相关信息或数据。
图7E示出了在一个或多个实施例中本文描述的示例用户界面的一些示例动态方面。更具体地,图7E示出了图7E中所示的用户界面的动态方面的示例。更具体地,当用户将指向装置光标移动到视图的指定区域附近(例如,顶部、底部等附近)时,内容菜单可以在视图中弹出,以为用户提供选项或命令,以例如进一步配置视图或分析生物信息学管线数据集。在一些实施例中,内容菜单也可以通过其他用户交互(例如,通过用视图中的指向装置右键点击)出现在显示器上。另外,生物信息学管线数据集包括本文所述的各种技术和功能适用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA序列数据和/或病毒序列数据等。
图7E示出了生物信息学视图,其可以显示在用户界面中,并且可以利用本文所述的其他模块、窗口部件和功能来查看和分析生物信息学管线数据集,所述生物信息学管线数据集包括核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA序列数据和/或病毒序列数据等。图7E中所示的示例数据集包括约500个腔室,其具有超过31,000个基因,跨越约30,000 列和约1,000行的数据结构。三个小标题702E(例如,在图7E中表示其对应特性的“n_counts”、“n_genes”和“percent mito”)是指各自的散点图中的基因名称。在一些实施例中,当相互作用时,这些标记以降序或升序对相应的感兴趣的腔室或区域进行分选或分级。在一些实施例中,可以用对应于多个生物样本的属性、特性、性质或度量的值范围的颜色方案或范围生成这样的图或图形之一,并且可以将其称为热图。
图7E还示出了在一些实施例中用于加载生物信息学管线数据集的用户界面的示例。更具体地,生物信息学管线数据集包括本文所述的各种技术和功能适用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA 序列数据和/或病毒序列数据等。
图7E还示出了生物信息学管线数据集的分布的屏幕上显示。视图中的每个相对于用户交互可以是静态的或动态的。再次,在其上生成图7E中所示的视图的示例性数据可以包括生物信息学管线数据集,其包括本文所述的各种技术和功能所应用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA序列数据和/或病毒序列数据等。此外,图7E示出了过滤控件(704E、706E和708E)的资源配置。例如,第一过滤控件704E为用户提供至少部分地基于展示出特定类型的基因的多个感兴趣区域(例如,腔室)来过滤生物样本(例如,该图7E中的基因)的能力。
例如,将通过调整过滤控件704E来过滤掉在少于(或等于)阈值数量的感兴趣区域(例如,20个或二十个ROI)中检测到的基因。第二过滤控件706E为用户提供至少部分地基于感兴趣区域中的基因的最小数量来过滤生物样本的能力。例如,过滤控件706E可以过滤掉未能满足由过滤控件 706E控制的最小数量(例如,200个)基因的感兴趣区域。第三过滤控件708E为用户提供至少部分地基于感兴趣区域中线粒体基因的最大百分比来过滤生物样本的能力。例如,过滤控件708E可以过滤掉不满足由过滤控件 708E控制的线粒体基因的最大百分比(例如,15%)的感兴趣区域。
图7E还示出了写入窗口部件710E的示例实施方案,该写入窗口部件在被调用时触发将数据或信息(例如,经处理的数据)存储到易失性或非易失性存储介质中。例如,用户可以点击写入窗口部件710E以触发将与图 7E中的显示相关的任何数据(例如,所应用的过滤器和过滤标准(或多个过滤标准)、过滤结果或其一部分、图或任何期望的、所需的数据等)存储到易失性或非易失性存储介质中。写入窗口部件701E还可以可选地向用户呈现用于保存数据的一个或多个选项,使得用户可以选择要保存的内容。在一些实施例中,可以在任何用户界面或其一部分中呈现删除窗口部件(未示出),以向用户提供删除数据的功能。排序视图窗口部件712E可以用于在用户界面中生成排序视图。
图7E示出了用户界面的动态方面的另一示例。更具体地,当用户将指向装置光标移动到视图中的分布式数据附近时,可以在视图中显示与最接近光标的点相关联数据(例如,最大值、上围栏、中位数、下围栏、最小值等)。当用户移开光标时,数据将被自动抑制或隐藏。在一些实施例中,图 7E示出了用户界面的动态方面的另一示例。更具体地,当用户将指向装置光标移动到视图中的分布式数据附近时,可以在视图中显示与距离光标的最近的点相关联数据(例如,最大值、上围栏、中位数、下围栏、最小值等)。当用户移开光标时,数据将被自动抑制或隐藏。
图7F示出了一个或多个实施例中用于选择生物信息学管线数据集的一部分的另一选择工具的示例。更具体地,图7F示出了用于选择生物信息学管线数据集的一部分的另一选择工具的示例。例如,用户可以在视图706F 中绘制多边形形状(例如,708F或710F)以选择感兴趣的数据。如上所述,在其上生成图7F中所示的视图的示例数据可以包括生物信息学管线数据集,该生物信息学管线数据集包括各种技术和功能(诸如选择工具)所应用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA序列数据和 /或病毒序列数据等。
图7F进一步示出了用户界面的动态方面的另一示例。更具体地,当用户将指向装置光标移动到视图中的分布式数据附近时,可以在视图中显示与距离光标最近的点相关联数据(例如,最大值、上围栏、中位数、下围栏、最小值等)。当用户移开光标时,数据将被自动抑制或隐藏。
图7F还示出了用于选择生物信息学管线数据集的一部分的另一选择工具的示例。例如,用户可以在视图中绘制多边形形状710F以选择感兴趣的数据。如上所述,在其上生成图7F中所示的视图的示例数据可以包括生物信息学管线数据集,该生物信息学管线数据集包括各种技术和功能(诸如选择工具)所应用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、 RNA序列数据和/或病毒序列数据等。
图7F还示出了用于选择生物信息学管线数据集的一部分的另一选择工具的示例。例如,用户可以在视图704F中绘制多边形形状702F以选择感兴趣的数据,在图7F所示的该示例中,该感兴趣的数据包括各种技术和功能(诸如选择工具)所应用的核苷酸序列数据,诸如基因序列数据、DNA 序列数据、RNA序列数据和/或病毒序列数据等。
图7G示出了在一个或多个实施例中在本文描述的示例用户界面中的图 7F中的示例选择结果。更具体地,图7G示出了来自图7F的选择结果。视图706G是根据图7F中的选择形状708F从图7F中的原始视图706F选择的结果。如上所述,在其上生成图7F中所示的视图的示例数据可以包括生物信息学管线数据集,该生物信息学管线数据集包括本文所述的各种技术和功能所应用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA 序列数据和/或病毒序列数据等。
图7G还示出了用于选择生物信息学管线数据集的一部分的另一选择工具的示例。例如,用户可以在视图704G中绘制多边形形状702G以选择感兴趣的数据,在图7G所示的该示例中,该感兴趣的数据包括各种技术和功能(诸如选择工具)所应用的核苷酸序列数据,诸如基因序列数据、DNA 序列数据、RNA序列数据和/或病毒序列数据等。
图7H示出了在一个或多个实施例中在本文描述的示例用户界面中来自图7G的选择结果。更具体地,图7H示出了来自图7G的选择结果。视图 702H是根据来自图7G中的原始视图704G的选择形状702G的选择的结果。如上所述,图7H中所示的视图是基于生物信息学管线数据集用本文所述的各种技术并且利用本文所述的各种功能而生成的,该生物信息学管线数据集可以包括各种技术和功能(诸如选择工具)所应用的核苷酸序列数据,诸如基因序列数据、DNA序列数据、RNA序列数据和/或病毒序列数据等。
图7I示出了在一个或多个实施例中在本文描述的示例生物信息学管线用户界面。更具体地,图7I示出了从生物信息学管线数据集的一个或多个散点图(例如,具有对应于它们在图7I中的相应特征的“Rb1cc1”、“Rbbp5”和“Pcmtd1”的相应标识符或标记的散点图)中选择样本的示例。在该示例中,用户界面可以向用户提供绘制例如一个或多个多边形形状、套索或其他适当形状702I以包围感兴趣的样本的能力。在一些实施例中,用户界面还可以向用户提供通过例如在样本上或样本附近点击来选择各个样本的能力。一旦选择了感兴趣的样本或点,系统就可以将与这些所选择的样本或点相关联数据传输到一个或多个其他视图,使得用户可以调用在这些一个或多个其他视图中提供的各种功能和能力。
此外,图7I示出了用于配置生物信息学管线数据集的呈现和分析的示例用户界面。例如,用户可以配置最小平均值或范围、最大平均值或范围、中间色散等。用户还可以选择或指定用于分析数据集的求解器、收敛标准等用于分析。界面还可以允许用户调用PCA(主成分分析)、UMAP (统一流形逼近与投影)或来自界面内的任何其他分析。
图7I还示出了数据集的一些示例散点图。在一些实施例中,视图可以配置有各种显示属性、着色方案(例如,热图的最大和最小颜色),使得可以在视觉上区分散点图中的样本或点(每个表示例如腔室中的一个生物样本)。该界面还允许用户从任何散点图中选择点,并将所选择的点发送到例如图库视图以进行进一步分析、查看等,如上所述。此外,可以将来自一个测定的结果(例如,细胞表面标志物的染色)链接到来自另一个测定的结果(例如,相同样本的基因表达图),并且获得更高辨别力的热图。在一个示例中,表型数据702P,外周血单核(PBMC)细胞的CD3细胞表面标志物在CY5中染色强度在图7P中被显示为覆盖在该样本的整体基因表达簇上,其中染色在表型上将样本识别为T细胞。可以通过针对如图7Q所示的特定基因标志物检查来自这些细胞的基因表达结果,而进一步询问该数据。面板702Q显示CD3D基因表达;面板704Q显示CD8A基因表达;面板 706Q显示CD4基因表达,并且面板708Q显示CD8B基因表达。检查这些特定基因表达标志物的分布允许T细胞的特定亚型的识别。因此,在一些实施例中,在沿着芯片时间线的不同时间点执行的不同测定结果可以链接在一起。
图7J示出了在一个或多个实施例中在加载的生物信息学管线数据集中的生物样本的聚类结果的一些示例散点图、交互式图或图形表示、以及用户配置在用户界面中呈现的交互式图的示例。更具体地,图7J示出了在一个或多个实施例中在用户例如已经配置并执行聚类模块和可视化模块以查看结果之后的加载的生物信息学管线数据集中的生物样本的聚类结果的一些示例散点图。
可以至少部分地基于用户如何配置散点图(例如,图7B中的714B) 来生成生物信息学管线用户界面中呈现的图。在一些实施例中,已在降维期间执行PCA或UMAP,可以至少使用PCA或UMAP数据来生成图。在图 7A-图7B所示的示例中,用户识别四个散点图,每个散点图对应于生物信息学管线数据集中的生物样本的特性或统计量度。响应于用户的选择,底层系统生成分别对应于四个所选特性和/或统计量度的四个散点图。用户还可以为绘图引擎配置颜色或颜色方案的数量以生成图。散点图中的每个点表示感兴趣的区域(例如,腔室),并且点的颜色可以取决于例如标题。例如,如果标题是基因id、簇(cluster)或表型信息之一,则颜色分别表示该基因在该感兴趣区域中的表达、该感兴趣区域所属的簇或该感兴趣区域的表型量度的值。
图7J中所示的每个图或图形表示在一些实施例中可以是静态图,或者在一些其他实施例中可以是交互式图。图7J示出了一个或多个实施例中的交互式图或图形表示716J的示例。生物信息学管线用户界面可以自动显示一个或多个图标、菜单项目、窗口部件等,从而当交互式图或图形表示(例如,716J)交互时(例如,通过在交互式图716J上移动指向装置光标,通过点击交互式图716J等)提供具有多个窗口部件(710J)的各自的窗口部件菜单。例如,用户可以从各自的窗口部件菜单710J调用曲线或直线选择窗口部件712J。可以在上述图标、菜单项目、窗口部件等中提供与显示交互式图相关(例如,改变着色方案、对比度、颜色等,放大、缩小等)或与交互式图中的数据点相关(例如,用于交互式图中表示的数据的一个或多个选择工具等)的任何合适的功能、命令、窗口部件或菜单项目。
用户可以进一步配置(例如,从下拉菜单中指定或选择)一种或多种类型的图,每个图表征与生物信息学管线用户界面中供应的图或图形配置界面708J加载的数据集相关的特定特性或统计度量。图或图形配置界面可以包括下拉列表,该下拉列表还可以包括例如可用于选择的一个或多个基因或生物微物体。在其中已经执行聚类的一些实施例中,图或图形配置界面708J的下拉列表还可以包括与聚类相关的选项、配置设置或参数值等。例如,图7J示出了在一些实施例中用户配置在用户界面中呈现的交互式图以进一步放大交互式图中的一些数据点的示例。在该示例中,用户可以利用上述一个或多个图标、菜单项目、窗口部件等(710J)定义放大窗口 704J,以绘制包围一些感兴趣的数据点的自定义窗口。作为响应,底层系统可以显示由放大窗口704J包围的感兴趣的数据点,如图7J所示。图7J 进一步示出了在一个或多个实施例中为用户供应选择工具706J以从交互式图中选择一个或多个感兴趣数据点。在图7J所示的该示例中,为用户提供套索选择工具以选择一个或多个感兴趣的数据点。
在一些实施例中,生物信息学管线用户界面可以与本文描述的一个或多个其他用户界面组件无缝集成,但是在一些其他实施例中,包括生物信息学管线用户界面的每个用户界面组件可以是独立的软件构造。图7J示出了在一个或多个实施例中将生物信息学管线用户界面与本文描述的一个或多个其他用户界面组件无缝对接的示例。如上面参考例如下面描述的图7K 所述,用户可以经由由本文所述的各种技术提供的工具选择一个或多个腔室或生物样本。一旦选择了这些一个或多个腔室或生物样本,用户就可以创建具有标识符702J的定制腔室列表或腔室列表(例如,通过点击“保存坞清单”714J),并存储坞列表或腔室列表以供后续参考。
图7K示出了在一些实施例中可与任何图形或视图(如果适用的话)合并以供用户选择物体的内置选择窗口部件。更具体地,图7K示出了图形构建模块704K的示例,该图形构建模块允许用户例如定义将用于轴(例如,用于加载细胞的X轴、用于特定测定或诸如最大亮度的特性的Y轴等)的内容。图表构建模块704K还可以允许用户通过一个或多个分组标准(例如,通过腔室的状态等)对显示的项目进行分组。图7K还示出了测序结果的示例,使得显示器上的每个点(数据注释或数据点)706K表示例如基于结构的感兴趣区域(例如,微流体装置中的腔室)中的基因。这些点706K 可以通过例如在微流体装置的腔室中溶解生物样本以使得DNA或RNA被吸引到珠(例如,磁珠)并通过导出珠以进行聚集来获得。图7K还示出了写入窗口部件702K的示例实施方式,其在被调用时触发将数据或信息(例如,处理的数据)存储到易失性或非易失性存储介质中。
对于例如图7A-图7O中呈现的测序分析的图,在一些实施例中,可以在与本文所述的所有其他视图无缝集成的单独的测序模块上进行测序。更具体地,填充到图7K中所示的视图中的各种类型的数据可以包括例如对应的感兴趣区域中的基因的表示。这些对应的感兴趣区域可以由用户确定或由系统至少部分地基于例如对应的芯片时间线和/或工作流程或生物信息学管线自动确定。这些感兴趣区域可以是纯粹基于目标的、纯粹基于结构的、或基于目标和基于结构两者的。取决于感兴趣区域是基于目标的还是基于结构的,一个或多个属性、特性、性质和/或可量化度量等也可以被捕获并与其他数据相关联,并且可以用于操纵(例如,过滤、分级、聚类、生成定制腔室列表等)彼此相关联数据。
此外,图7K中所示的图形还与任何其他视图(例如,图库视图、芯片时间线视图等)相关联。例如,图库视图可以在相应列中呈现分析的特定阶段,其中每列对应于特定阶段,并且图库视图中的这些特定列还对应于呈现芯片时间线的信息(例如,图5F中的图形、颜色编码的表示502F)。在一些实施例中,图库视图中的列根据上述一个或多个属性、特性、性质或可量化度量中的一个呈现多个感兴趣区域的数据,系统可以进一步确定该列和与芯片时间线中的属性、特性、性质或可量化度量更相关或最相关的阶段之间的对应关系。以这种方式,图7K中所示的用于测序的图表也可以与本文所述的各种不同视图相关联,以有效地利用或采用本文所述的任何功能,使得用户可以容易地在不同视图之间切换以执行任何期望或所需的功能,以便于推导计算分析和/或与生物样本的分析相关的数据的分析。
图7K还示出了通过沿着图7K中的方向716K将形状712K的顶点708K 拖动到新位置718K以便将原始多边形形状712K改变为新多边形形状来改变多边形形状712K的结果。在一些实施例中,图7K示出了允许用户改变现有选择形状712K的选择窗口部件的另一示例。例如,如果用户希望将顶点或节点添加到现有形状的底部边缘,则用户可以点击底部边缘以激活底部边缘,并且可以使用例如内容菜单(未示出)来添加节点。响应于用户调用添加节点或顶点的指令,选择窗口部件可以示出可以在其中添加节点或顶点的区域710K。在一些实施例中,选择窗口部件可以将节点或顶点大致添加到用户点击底部边缘的位置。
附加地或替代地,用户界面还可以为用户提供许多其他可调节的设置以定制散点图,诸如图7K。例如,用户界面可以允许用户指定散点图的形状(例如,圆形、椭圆形等)、散点图的形状是填充的还是未填充的、散点图的高度和/或宽度(如果选择圆形,则其将是相同的)、笔划、笔划的厚度、调色板、选择的颜色等,并且可以在用户改变任何设置时提供实时预览。用户界面还可以允许用户选择要显示哪个(哪些)工具提示、热图的最小颜色、热图的最大颜色等。
图7K还示出了在一些实施例中使用内置选择窗口部件的示例,该内置选择窗口部件可以与任何图形或视图(如果适用的话)合并,以供用户选择物体(例如,感兴趣的区域、感兴趣的样本等)。用户可以调用内置选择窗口部件选择物体以通过例如绘制形状712K(例如,多边形形状、套索、圆形等)来包围用户希望选择的物体。选择窗口部件还可以允许用户在绘制形状712K之后改变形状712K。例如,用户可以拖动多边形形状的顶点708K 以改变形状。用户还可以将一个或多个顶点添加到现有形状以改变形状以供选择。一个或多个选择窗口部件(例如,用于定义包括用于选择的感兴趣物体的直线区域的直线选择窗口部件、用于定义包括用于选择的感兴趣物体的直线区域的曲线选择窗口部件等)可以在窗口部件栏714K中或在弹出菜单(例如,当视图具有一个或多个与光标相关联的命令(诸如右键单击视图)时出现的菜单)、内置菜单或内容菜单(例如,当可能受到选择的视图被激活时出现的弹出菜单)等中实现。
附加地或替代地,在一些实施例中,与来自生物信息学管线界面中的视图或窗口的所选样本或点相关联数据与另一个视图或窗口(例如,上述图库视图)对接。例如,可以将与在例如生物信息学管线用户界面中选择的感兴趣的样本或点相关联数据(例如,经由多边形选择形状712K的选择)传输到上述图库视图,并在图库视图中呈现以供用户调用由上述图库视图提供的各种功能。
本文描述了本公开的各种示例实施例。在非限制性意义上参考这些示例。提供示例以说明本发明的更广泛适用方面。在不脱离本发明的真实精神和范围的情况下,可以对本文描述的各种实施例进行各种改变,并且可以替换等同物。另外,可以进行许多修改以使特定情况、材料、物质组成、过程、过程动作或步骤适应本公开的目的、精神或范围。此外,如本领域技术人员将理解的,在不脱离本公开的范围或精神的情况下,本文描述和示出的各个变型中的每个具有离散的组件和特征,这些组件和特征可以容易地与其他若干实施例中的任何一个的特征分离或组合。所有这些修改旨在落入与本公开相关联的权利要求的范围内。
图7L示出了在一些实施例中配置基因表达或差异基因表达的另一示例。更具体地,图7L还示出了在一些实施例中配置差异基因表达的另一示例。例如,用户可以将logb滑块窗口部件702L和/或倍数变化滑块窗口部件 704L调整到它们相应的期望值,并点击“可视化”窗口部件706L以呈现在下面描述的图7O中进一步示出的差异基因表达结果。应当注意,本文所述的各种技术不仅适用于基因表达数据的分析,而且适用于其他实验和/或分析(诸如RNA-seq(核糖核酸测序)、DNA-seq(核糖核酸测序)、基因组测序)或揭示生物样本的存在和量的任何其他分析和/或实验。还应当注意,对数的底数可以包括2、10、欧拉数e(~2.71828)等值。
图7M示出了在一个或多个实施例中示例生物信息学管线用户界面的附加特征。更具体地,图7M示出了在一个或多个实施例中图7A中所示的示例生物信息学管线用户界面的附加特征。更具体地,用户可以经由示例生物信息学用户界面通过例如在字段712M处选择或输入数据集的标识符或与先前执行的生物信息学管线相关的任何标识符,来加载先前执行的生物信息学管线(或工作流程)的数据集,所述字段可以呈现先前执行的生物信息学管线的列表或者可以允许用户输入与先前执行的生物信息学管线相关的标识符。一旦加载了先前执行的生物信息学管线的数据集,系统就可以呈现数据集的一个或多个特性、生成数据集的生物样本、所执行的分析和/ 或统计量度等的概要。此外,图7M还示出了示例测序视图窗口部件 714M,其在被调用时触发指令的执行以呈现测序视图。
例如,示例生物信息学管线用户界面可以提供第一概要706M,包括例如但不限于分析中的基因总数、用于分析的细胞总数等。在其中一个或多个过滤器应用于数据集的一些实施例中,第一概要706M还可以包括在应用一个或多个过滤器之后过滤掉的细胞数量和/或保留的细胞数量。示例生物信息学管线用户界面还可以提供第二概要708M,包括例如但不限于在分析中为微流体装置恢复(recovered)的腔室的总数、一个或多个统计量度。例如,这些一个或多个统计量度可以包括导出细胞的平均百分比、 HVSR(高度可变信号区)的一个或多个统计量度、基因捕获的一个或多个统计量度、线粒体或多个线粒体的一个或多个统计量度和/或任何其他特性、量度、属性等。第二概要708M可以表示生物信息学数据的快照,其包括例如微流体装置中回收的腔室的总数、导出的平均百分比、捕获的中位数HVSR、捕获的中位数基因和/或平均线粒体百分比等。
图7M还示出了在用户调整滑块(例如,图7E中的704E、706E、708E) 之后系统的概要响应。如图7M所示,响应于用户对一个或多个滑块的调整,系统可以自动更新概要(706M和/或708M)以反映调整这些一个或多个滑块的效果。例如,生物信息学管线用户界面显示了加载的数据集对应于15994个基因和552个细胞,如第一概要706M中所示。生物信息学管线用户界面还显示了每个滑块保留的细胞的各自的数量和保留的细胞的各自的百分比,以及在有效放置的所有过滤器的组合的情况下保留的细胞总数和保留的细胞总百分比。
图7M还示出了一个或多个实施例中的用于加载生物信息学管线数据集的示例生物信息学管线用户界面。例如,用户可以点击字段712M以从下拉列表中选择生物信息学管线数据集,或者可以输入所需生物信息学管线数据集的标识符(例如,名称)或标识符的前一个或多个字符以加载生物信息学管线数据集。生物信息学管线用户界面可以与一个或多个其他用户界面或其部分集成。
例如,图7M中所示的生物信息学管线用户界面可以被构造为软件构造,该软件构造看起来是集成用户界面的选项卡(例如,具有“PrimeSeq”标签的705M),该集成用户界面还可以包括一个或多个其他用户界面或视图,诸如芯片时间线用户界面或视图、图库用户界面或视图、或本文所述的任何其他用户界面或视图等,使得这些用户界面或视图中的每个可以利用另一个用户界面或视图的功能。在一些实施例中,除了用于生物信息学管线视图的选项卡705M之外,用户界面还可以包括一个或多个选项卡。例如,用户界面可以包括图库视图选项卡702M、芯片时间视图选项卡704M 等。
另外,图7M示出了在一个或多个实施例中关于用于加载生物信息学管线数据集的生物信息学管线用户界面的更多细节。更具体地,图7M示出了一旦将数据集加载到系统中,生物信息学管线用户界面就可以在706M 和/或708M中提供加载的生物信息学管线数据集的概要。在一些实施例中,概要可以包括诸如基因总数、细胞总数和/或与微流体装置、特定腔室或生物样本相关的任何其他信息等的信息。当用户定义或配置一个或多个过滤器并且在整个数据集被加载到系统中以进行进一步处理(例如,渲染、分析等)之前或之后将一个或多个过滤器应用于生物信息学管线数据集时,概要(706M和/或708M)还可以包括过滤结果。生物信息学管线用户界面还可以呈现附加细节708M(例如,具有多个腔室的微流体装置、腔室和/ 或生物样本的一个或多个特性、与具有多个腔室和/或多个生物样本的微流体装置相关的一个或多个统计量度等)。
生物信息学管线用户界面还为用户提供选项以显示加载的生物信息学管线数据集(714M)、加载或定义一个或多个过滤器以约束或限制要经由过滤器子菜单显示和/或处理的数据(716M)、和/或保存加载的数据集的自定义模板(710M)。例如,用户可以经由过滤器子菜单716M为特定生物信息学管线数据集定义一个或多个一维或多维过滤器。一维过滤器包括将单个规则或过滤标准应用于数据的过滤器。多维过滤器包括连续地应用嵌套或分层布置的一组多个过滤器或过滤标准的过滤器。例如,二维过滤器可以将第一规则或过滤标准应用于某些数据以将数据简化为第一过滤数据,然后将第二规则或过滤标准应用于第一过滤数据以生成第二过滤数据。
图7N示出了一个或多个实施例中生物信息学管线用户界面的差异基因表达的附加功能的示例。更具体地,图7N示出了一个或多个实施例中生物信息学管线用户界面的差异基因表达的附加功能的示例。在该示例中,用户可以选择或识别腔室列表(例如,从具有一个或多个腔室列表的下拉列表中选择或指定腔室列表的标识符或标识符的一部分)作为第一基因表达 702N。
用户可以进一步选择或识别另一个腔室列表或一组腔室列表(例如,除了所选腔室列表之外的“所有其他腔室列表”)作为第二基因表达704N,并通过例如点击“运行差异基因表达”706N来启动差异基因表达。在一些实施例中,可以识别(例如,从诸如图库视图的另一视图导入)或创建多组感兴趣区域以用于差异基因表达分析。在一些其他实施例中,差异基因表达分析仅需要一组感兴趣的区域。例如,用户可以识别或创建第一基因表达702N的腔室列表,并选择“所有其他”作为用于差异基因表达分析的第二基因表达8304。
图7O示出了在一些实施例中来自图7N的示例差异基因表达结果。更具体地,图7O示出了在一些实施例中来自图7N的示例差异基因表达结果。更具体地,图7O中所示的示例结果包括各种合适的、期望的或所需的差异分析结果702O、火山图704O和MA(Bland–Altman)图706O,该MA 图通过将数据转换为M(对数比率)和A(平均值)标度并进一步通过绘制这些值,以图形方式呈现在两个样本(例如,上面参考图7N描述的两个选定腔室列表)中进行的测量之间的差异。火山图704O以图形方式表示统计学检验的p值与组中样本的表达值的差异量级之间的关系。
图8A示出了在一些实施例中针对微流体装置中的多个腔室捕获的示例图像。图8A示出了在一些实施例中针对微流体装置中的多个腔室捕获的示例图像。在该示例中,具有视场的图像捕获装置(例如,相机)在一个时间点捕获多个腔室的单个图像802A。尽管图8A示出了在单个图像中捕获多个腔室的示例,但是在一些其他实施例中,可以在一个或多个时间点针对单个腔室而不是多个腔室捕获单独的单个图像。在一些实施例中,微流体装置和微流体装置中的多个腔室中的每一个可以分别用例如相应的唯一标识符条形码化。
针对多个腔室捕获的图像不仅可以加时间戳,而且还可以与图像中的多个腔室的对应微流体装置标识符和/或腔室标识符相关联。当请求腔室的单独图像804A(例如,待在图库视图中呈现)时,可以在参考腔室的相应标识符时即时切片、裁剪和/或处理图8A中所示的图像。然后可以至少部分地基于腔室的相应标识符在用户界面(例如,图库视图)中呈现腔室的该单独图像。
可以至少部分地基于一个或多个要求来执行从图8A所示的图像中切片或裁剪单独图像。这样的一个或多个要求的示例可以包括:分析的类型;流动通道(腔室或坞806A上方的区域808A)是否将被包括在单独图像中;或者任何其他合适的、期望的和/或所需的要求等。例如,流动通道区域 808A可以被包括在用于导出生物样本的单独图像804A的动态的、即时的切片中。图8A中所示的示例个体图像804A示出了在捕获图像的时间点在通道区域808A中没有生物样本。
如上所述,在一些实施例中,执行本文所述的各种分析、呈现和显示功能的分析器可以是与用于利用一个或多个微流体装置执行一个或多个生物样本的一个或多个工作流程的系统分离的、独立的系统,或者在一些其他实施例中可以与用于执行一个或多个工作流程的系统集成。在这两种情况下,可以捕获微流体装置(或甚至多个微流体装置)的完整或部分图像。在一些实施例中,可以至少部分地基于视场(FOV)或视场加上图像捕获装置(例如,成像传感器、相机等)的边缘来捕获诸如基本图像的图像(全部或部分)。
在一些实施例中,针对多于一个感兴趣区域(例如,单独腔室图像、单独目标图像或其任何组合等)捕获图像序列中的图像,可以从图像得到单独感兴趣区域的一个或多个单独图像(例如,单独目标或单独腔室的单独图像)。例如,可以从多个感兴趣区域的图像中提取单独的目标图像或单独的腔室图像。
用于得到单独感兴趣区域的单独图像的过程可以包括例如识别与单独感兴趣区域相关的一个或多个特征,并且至少部分地基于一个或多个特征将图像裁剪成单独感兴趣区域的单独图像。例如,可以针对基于目标的感兴趣区域识别一个或多个特征,诸如与单独的感兴趣区域的目标相关的特征,并且可以至少部分地基于一个或多个识别的特征来裁剪包括多个感兴趣区域的信息的图像。作为另一示例,可以针对基于结构的感兴趣区域识别一个或多个特征,诸如与针对个体感兴趣区域的结构相关的特征,并且可以至少部分地基于所识别的特征将包括多个感兴趣区域的信息的图像裁剪成针对基于结构的感兴趣区域的单独图像。
图像可以以各种格式存储,诸如一种或多种原始格式、一种或多种光栅图形格式(例如,TIFF或标记图像文件格式、双层格式、灰度格式、调色板颜色格式、RGB(红-绿-蓝)或全色格式等)、一种或多种无损格式、一种或多种有损格式等。在一些实施例中,一个图像仅捕获微流体装置的较小部分,图像可以包括一个或多个感兴趣区域的图像数据。
捕获的图像可以与一个或多个标识符相关联,该一个或多个标识符可以用于将图像与其他数据相关。例如,图像可以与指示捕获图像的时间点的时间码或时间戳、指示在微流体装置中捕获图像的腔室的腔室标识符、捕获图像的微流体装置的微流体装置标识符和/或捕获图像的微流体装置的流动通道标识符或其任何组合相关联。在一些实施例中,与图像的任何方面相关的信息(例如,与图像捕获过程相关的信息)也可以被存储(例如,在XML文件中)并与捕获的图像相关联。图像以及甚至与图像的任何方面相关的上述标识符和/或信息可以统称为可以彼此相关的图像序列或图像序列以及其他数据和捕获图像的时间点。在执行工作流程的内容中,可以生成一个或多个图像序列或相同类型或两种或更多种不同类型的图像序列。
在一些实施例中,可以由一个或多个图像捕获装置或传感器在多个时间点或一个或多个时间段内捕获图像序列中的图像,以产生延时图像序列。图像序列可以包括一个或多个明场图像、荧光图像或任何其他所需或期望的图像,或其任何组合。在一些实施例中,图像序列包括从一个或多个过滤器立方体(例如,异硫氰酸荧光素,异硫氰酸荧光素(FITC)、德克萨斯红或TxRed、合成染料(花青素)等)捕获的图像,所得图像序列可以被称为多光谱图像序列。
在一些实施例中,工作流程可以对应于用于计算生物学或分析目的的一个或多个模板。模板可以包括一组指令,当由微处理器或处理器核执行时,该组指令使微处理器或处理器核通过使用例如正则表达式(REGX)将图像序列映射到其他数据,使得图像序列与这样的其他数据(例如,可量化度量、目标、腔室、微流体装置、生物腔室或生物腔室的特性、属性、性质或度量,或其任何组合)相关,以例如减少或甚至最小化与将(一个或多个)图像序列与其他数据相关的任务量。
正则表达式包括一组字符或符号,其可以用于定义数据(例如,文本数据)中的特定模式,并且可以用于定义图像序列与工作流程输出(例如, CSV文件、表、数据库或任何其他合适的数据结构)之间的映射。在一些实施例中,可以通过使用例如元字符来构造正则表达式。元字符可以代表或可以不代表它们自己,但是在一些实施例中可以以某种特殊方式解释。例如,一些元字符可以具有特殊含义,并且可以例如在方括号内表达。
在一些实施例中,元字符的一些示例包括但不限于:“.”,其匹配除换行符以外的任何单个字符;“[]”,其表示与方括号之间包括的任何字符匹配的字符类;“[^]”,其表示一个否定字符类,它匹配任何不包括在方括号之间的字符;“*”,其匹配前一个符号的零(0)个或多个重复;“+”,其匹配前面符号的一个或多个重复;“?”,其使得前面的符号是可选的;“(xyz)”,其表示与字符“xyz”以该确切顺序匹配的字符组;“|”,其表示匹配符号“|”之前的字符或之后的字符的交替;“\”,其转义下一个字符以匹配保留字符,诸如“[”、“]”、“(”、“)”等;“^”,其匹配输入的开头;和/或“$”,其匹配输入结尾。
模板的一些示例包括但不限于用于发现细胞系的一种或多种细胞系发现模板、用于导入和/或导出与作为免疫系统的必要部分的白细胞(白血细胞)的T细胞(其也可以称为T淋巴细胞)类型相关的数据或信息的T细胞模板、B细胞模板(其可以用于导入和/或导出确定对体内抗原的免疫应答的特异性的淋巴细胞-B细胞)、用于导入和/或导出与抗体发现相关的信息或数据的AbD(抗体发现)模板、多重细胞因子测定模板。在一些实施例中,可以添加、编辑(例如,修改以适应更新的工作流程等)、复制(例如,可以复制现有模板以提供例如不同工作流程的起始点)、移除、导入 (例如,在来自不同系统或版本的用户之间共享)和/或导出模板。
在一些实施例中,可以为微流体装置中或微流体装置上的生物样本创建一个或多个工作簿。在这些实施例中,工作簿可以包括关于微流体装置或其一部分的任何属性、特性、性质和/或度量的信息。在这些实施例中的一些实施例中,工作簿可以包括将要或已经应用于一个或多个感兴趣区域 (例如,绘制或显示的感兴趣区域)的一个或多个过滤器。附加地或替代地,工作簿可以包括一个或多个布局视图和/或任何现有的或新的特性(例如,在会话期间创建的特性或特定于特定工作流程或其一部分的特性)。
工作簿可以促进信息或数据(例如,文本数据、图像数据等)的有效导入以及呈现或显示各种其他数据。例如,可以至少部分地基于针对微流体装置中或微流体装置上的一个或多个生物样本执行的工作流程来生成芯片时间线视图。工作流程还可以至少部分地被配置或对应于芯片时间线视图。
图8B示出了在一些实施例中在下一时间点针对与在图8A中所示的先前时间点捕获的那些相同的多个腔室捕获的另一示例图像。更具体地,图 8B示出了由与在图8A所示的先前时间点捕获的图像相同的图像捕获装置在下一时间点捕获的相同的多个腔室的另一示例图像8002。在该示例中,在取消围栏并导出生物样本的过程期间获得相同腔室804A的下一个单独图像。如图8B所示,图8B中的生物样本808B的一部分已经被取消围栏,因此存在于流动通道区域(图8A中的808A)中,使得较少的生物样本806B 保留在腔室804A中。图8B中所示的该示例进一步说明了在动态构建单独图像以显示流动通道以适应生物样本806B的存在时的动态切片或裁剪。
图8C示出了在一些实施例中在下一个时间点为与在图8A-图8B中的先前时间点捕获的那些相同的多个腔室捕获的另一示例图像。更具体地,图8C示出了在一些实施例中由与在图8A-图8B中的先前时间点处捕获的那些相同的多个腔室的相同图像捕获装置捕获的另一示例图像802C。在该示例中,示出了用于导出生物样本的相同腔室804C的下一个单独图像。如图8C所示,在捕获图像802C时的该下一个时间点,如图8B中的808B所示导出的生物样本已经从流动通道区域(图8A中的808A)中移出或冲出,而较少的生物样本806B(例如,与图8B中的那些806B相同的生物样本) 保留在腔室804C(其是与图8A-图8B中的804A相同的腔室)中。图8C 中所示的该示例还示出了在动态构建单独图像中动态切片或剪裁以示出流动通道,以用作从图8A-图8B中的腔室804A导出生物样本808B的视觉验证。
图8D示出了一个或多个实施例中的紧接在识别微物体的一部分并将所识别的微物体的该部分分配给腔室之后的微流体回路的通道内的微物体。识别可以根据任何期望的标准进行,并且可以是在围栏之前对细胞进行的测定或标记操作的结果。图8E示出了在一个或多个实施例中在稍后时间点的图8D中的相同微物体,其中光笼已经沿着其选定的轨迹移动。图8F示出了在一个或多个实施例中在第三时间点的相同细胞,其中光笼已经几乎完全沿着其选定的轨迹移动以将细胞定位在隔离腔室中。
更具体地,图8D-图8F示出了使用亮方框对微物体围栏。在图8D中,在识别细胞并将细胞分配给坞之后立即示出了微流体回路的通道内的生物细胞。生物样本周围的黑色方框示出了生物样本识别算法的输出,即,在一些实施例中,由生物样本周围的方框指示的生物样本的识别。在这些实施例中,至少部分地基于例如用户界面的一个或多个配置或设置(例如,背景颜色、对比度设置等)和/或输入数据(例如,输入图像的颜色深度或位深度等),表示生物样本识别算法的输出的上述黑色方框可以在放大视图中在用户界面中可见。黑色方框周围的白色方框是用于重新定位细胞的OET 力的光笼。最后,将细胞周围的方框连接到隔离坞的黑线示出了在将细胞分配给隔离坞时计算的最佳轨迹。图8E示出了稍后时间点的相同细胞,其中光笼已经沿着其选定的轨迹移动。图8F示出了在第三时间点的相同细胞,其中光笼已经沿着其选定的轨迹几乎完全移动以将细胞定位在隔离坞中。
在移动微物体时,用于移动细胞的OET和/或DEP的速度可以逐渐加速,以便“斜升(ramp up)”微物体的运动并确保微物体不会从其光笼中丢失。例如,在特定实施例中,微物体的初始速度可以从低初始速度逐渐加速到较高的行进速度。该逐渐加速可以在其中微物体被自动重新定位(例如,围栏、重新围栏和导出)的情况下以及在其中微物体被手动重新定位 (例如,手动选择且移动细胞)的情况下应用。类似地,当微物体到达其轨迹的末端并且处于其最终位置时,高行进速度可以被“斜降(ramped down)”到零的最终速度。
本发明的方法可用于所有类型的微流体装置中的微物体的自动检测和/ 或计数。在某些实施例中,微流体装置可以包括流动区域(或流动通道)和一个或多个腔室(或隔离坞)。替代地或附加地,微流体装置可以是电动装置(诸如光学致动电动装置),或者可以包括针对电动配置的区域。如果阵列中的晶体管具有与正被检测的微物体的横截面积类似的面积,则电动装置、特别是具有晶体管(例如,光电晶体管)阵列的电动装置可以提供特别复杂的背景。本文描述的方法可在检测设置在这种装置中的微物体方面特别有效。
图9A示出了在一个或多个实施例中使用具有多个腔室的微流体装置分析生物样本的方法和/或系统的高级流程图。更具体地,图9A示出了在一个或多个实施例中使用具有多个腔室的微流体装置分析生物样本的方法或系统的高级流程图。在这些一个或多个实施例中,可以在902A处识别与微流体装置中的多个腔室相关的一个或多个感兴趣区域中的一个或多个生物样本。微流体装置中的腔室的总数可以在从每个微流体装置个位数的腔室到数万个腔室的范围内。此外,可以构成感兴趣的过程的目标(或“测量的”)的生物样本可以包括例如但不限于微物体、细胞、组织、蛋白质、基因、病毒或细胞内分子,诸如DNA(脱氧核糖核酸)、RNA(核糖核酸) 等。
在将一个或多个生物样本装载到一个或多个腔室中的情况下,可以在 904A处识别要对一个或多个生物样本执行(performed)或执行(executed) 或已经对一个或多个生物样本执行或执行的过程或工作流程。本文提及的过程可以包括测定、测序过程等。测定包括用于定性评估或定量测量任何上述类型的生物样本的目标的存在、量和/或功能活性的实验室医学、药理学、生物学(例如,环境生物学、分子生物学等)中的分析或调查程序。测序过程可以包括用于确定例如核酸序列(例如,DNA中核苷酸的顺序)的过程,并且可以包括可用于确定一种或多种碱基(诸如腺嘌呤、鸟嘌呤、胞嘧啶和/或胸腺嘧啶)的顺序以加速生物和/或医学研究和发现的任何方法或技术。
一些示例工作流程包括但不限于CLD(细胞系开发)工作流程、T细胞工作流程、AbD(抗体发现)工作流程、多重细胞因子工作流程等。CLD 工作流程可以使用定量扩散测定作为工作流程的一部分,以至少部分地基于例如通过测量微流体装置的腔室中的抗体浓度的评分测量的分泌来对微流体装置上的克隆进行分级。CLD工作流程还可以用于至少部分地基于例如QP(产品生产)分数或通过细胞计数归一化QP分数的相对QP分数来评估或分析细胞生产力。
示例CLD工作流程可以包括将测定试剂导入到微流体装置上。测定试剂从一个或多个流动通道平衡到多个腔室中,其中测定试剂可以与由克隆产生的免疫球蛋白G(IgG)键合。然后可以冲洗一个或多个流动通道以移除测定试剂。未键合的试剂和保留在腔室中的试剂/IgG复合物可以开始扩散到流动通道中。因此,具有产生高抗体滴度的克隆的腔室将具有缓慢扩散的试剂/IgG复合物的大部分,因此在荧光图像中显得明亮。另外,具有产生很少抗体或不产生抗体的克隆的腔室可以具有大部分游离的试剂分子,其快速扩散到流动通道中,因此在荧光图像中看起来是暗的。然后,该过程或工作流程在冲洗流动通道后记录并分析荧光图像,并对微流体装置上的克隆的相对滴度进行分级,从而允许选择最高产量的克隆。
在一些实施例中,可以在生物样本的分泌和生物生长的培养阶段期间执行多次重复测定。然后可以导出生长的生物样本。通过周期性或连续监测微流体装置并在一系列时间点或时间段记录数据,可以至少部分地基于例如一个或多个腔室的结构特征来自动触发导出。例如,当生物样本开始靠近腔室的颈部(例如,靠近腔室到流动区域的近端开口)时,克隆污染的风险可能增加。在一些实施例中,可以在生物样本开始在一个或多个腔室的颈部区域附近生长或生长超过颈部区域之前自动触发工作流程中的导出阶段。
另一示例工作流程是多重细胞因子测定工作流程分析,其提供亚克隆 T细胞,将每个T细胞与抗原呈递细胞(APC)或肿瘤细胞共培养,并通过在一段时间内检测多种分泌的细胞因子(例如,三种分泌的细胞因子)和多种细胞表面标志物(例如,两种细胞表面标志物)来筛选T细胞活化的能力。在多重细胞因子测定工作流程中,可以将细胞加载到微流体装置上。可以呈现芯片时间线视图,并且可以执行(多个)图像序列的分析。在一些实施例中,本文所述的技术可以将对APC的控制(例如,通过自动生成或定制生成一个或多个腔室列表)提供到一个或多个用户指定或自动确定的视场中以用作阴性对照,其中来自阴性对照群体的数据可用于确定用于选择测定阳性的阈值。
可以将这些加载的细胞培养期望或要求的时间段,并成像以筛选一种或多种表型和功能特征(例如,激活标志物的存在、细胞因子的释放等)。在培养阶段期间或之后,可以自动确定一个或多个筛选的感兴趣区域(例如,腔室)。筛选的感兴趣区域包括包含一种或多种T细胞、至少一种抗原呈递细胞(APC)和一种或多种细胞因子捕获珠的区域。
在一些实施例中,筛选的腔室包括单T细胞,系统可以将单T细胞过滤器自动应用于微流体装置中的多个腔室。在这些实施例中,系统可以进一步将基于目标的一维过滤器应用于单T细胞过滤器的所得腔室,以进一步将腔室减少到满足单T细胞需求和至少一个APC需求的那些腔室。此外,可以将一维基于目标的细胞因子捕获珠过滤器应用于来自至少一个 APC过滤器的所得腔室,以确定进一步满足细胞因子捕获珠要求的筛选腔室。在一些其他实施例中,可以将多维、嵌套或分层布置的过滤器应用于微流体装置中的腔室,其中多维过滤器以嵌套或分层布置的方式应用单T 细胞过滤器、至少一个APC过滤器和细胞因子捕获珠过滤器。在一些其他实施例中,也可以应用诸如应用一维过滤器和二维过滤器的其他变型。多维、嵌套或分层布置的过滤器可以包括多个较低维度过滤器,所述多个较低维度过滤器在逻辑上组合(例如,通过逻辑AND、OR、XOR等)且根据逻辑组合应用。
为了识别阳性,可以使用一个或多个基于目标的过滤器(例如,中位数亮度过滤器等)来至少部分地基于一个或多个阈值来确定物体或感兴趣区域对于特定细胞因子或表面标志物是阳性还是阴性,所述一个或多个阈值可以至少部分地基于例如上述阴性对照群体来确定。高于这些一个或多个阈值的事件可以被认为对于指定的细胞因子或细胞表面标志物是阳性的。例如,可以从细胞因子分泌的选择中排除一些或全部阴性对照群体(例如,感兴趣的阴性对照区)。然后可以从上述筛选的感兴趣区域中识别一个或多个感兴趣区域。
可以在906A处在时间点序列收集一个或多个生物样本的过程或工作流程的结果。在一些实施例中,处理结果可以包括在时间点序列的每个时间点的一个或多个感兴趣区域中的一个或多个生物样本中的至少一个生物样本的图像。在这些实施例的一些实施例中,在特定时间点针对多个感兴趣区域捕获图像。在一些其他实施例中,可以针对微流体装置中的多个感兴趣区域中的每个单独的感兴趣区域捕获图像,而不示出另一感兴趣区域(例如,相邻腔室)。在一些实施例中,处理结果可以包括在处理结束时的最终结果。在这些实施例的一些实施例中,过程结果还可以包括在过程完成之前在时间点序列中的一个或多个时间点捕获以证明过程的时间进展的中间结果。
在908A处,可以识别或确定与一个或多个生物样本、任何感兴趣区域、微流体装置和/或过程相关的一个或多个度量或一个或多个特性。这些一个或多个度量或特性可以包括一个或多个生物样本对过程或过程的一部分的任何响应或其不存在、过程或其一部分、过程或在其上加载微流体装置以执行过程的系统的任何性能度量、与在其上执行该过程的一个或多个生物样本相关的任何统计量度,或任何其他合适的、期望的或所需的度量或特性等。
然后,在910A处,可以至少部分地基于时间点序列或一组对应的时间码以及一个或多个度量或特性而在用户界面中呈现过程结果。如上所述,各种功能、模块、用户界面、用户界面的元件、窗口部件、逻辑代码等无缝地集成在一起,以使用户能够通过使用本文所述的各种技术、模块和/或功能从大量数据或结果中高效且有效地识别极细粒度的分析结果(例如,与生物样本相关的特定特性、具有数千个感兴趣区域的微流体装置中的特定感兴趣区域、特定生物样本和/或其任何其他期望或所需的特性)。
例如,简单的生物信息学管线数据可以容易地在大小上超过数百千兆字节。即使使用当前最先进的计算系统和优化的软件应用,如此大量的数据也可能容易地将有用信息深深地埋藏在数据内,并且压倒任何有经验的科学家。本文所述的各种实施例经由例如本文所述的各种一维或多维过滤器、腔室列表的定制创建、查明特定腔室的灵活配置等提供灵活性、可定制性、有利的速度和非凡的准确性,使任何用户能够有效和高效地浏览单个微流体装置(例如,微流体装置)中数千甚至数万个感兴趣区域(例如,腔室)中的大量生物样本数据,并提供准确的和方便的计算分析。与当前的现有技术方法(所述现有技术方法通常处理数十个腔室的生物样本并且严重依赖于手动努力,以希望通过主要手动地使用具有有限功能的限制性工具来从数十个腔室的数据中找到一些有用的信息)相比,本文所述的各种技术解决了传统方法的问题和缺点,并且极大地改进了计算生物学的准确性和运行时间。
图10A示出了在一个或多个实施例中用于利用增强的用户界面分析生物样本的过程和/或系统的框图的简化示例。更具体地,图10A是在一个或多个实施例中使用具有多个腔室的微流体装置分析生物样本的方法或系统的另一高级流程图。在一些实施例中,用于分析生物样本的方法可以包括在1002A处识别微流体装置中的多个感兴趣区域中的生物样本的分析和与分析相关的时间线。在一些实施例中,分析可以包括使用微流体装置对多个生物样本的测定分析、测序分析等。在一些实施例中,在1002A处识别的分析可能已经对感兴趣的生物样本执行或针对感兴趣的生物样本执行,或者在一些其他实施例中可能正在等待执行或完成。在其中已经对感兴趣的生物样本执行和完成分析或当前正在执行但尚未完成分析的一些实施例中,识别生物样本的分析可以包括例如收集和存储来自一个或多个数据或信息源(例如,图像或视频捕获装置、数据收集模块、数据储存库、表、数据库或任何其他合适的数据源等)的数据,检索与分析相关的数据或一个或多个文件,与分析相关的设备,来自上述一个或多个数据来源中的任一个的所分析或正在分析的生物样本等。在一些实施例中,在1002A处识别生物样本的分析可以包括识别(例如,经由用户选择)微流体装置的一个或多个基于目标的感兴趣区域、一个或多个基于结构的感兴趣区域和/或在其中分析生物样本的一个或多个腔室。
时间线可以包括与生物样本的分析的工作流程或管线在时间上对准的信息。在一些实施例中,每个感兴趣区域或腔室包括唯一标识符。附加地或替代地,多个标识符对应于一个或多个特性,所述一个或多个特性还包括以下中的至少一个:微流体装置中感兴趣区域的标识符、多个生物样本的大小属性、多个生物样本的最大亮度属性、多个生物样本的最小亮度属性、生物样本的质心在第一方向上的第一像素计数属性、生物样本的质心在第二方向上的第二像素计数属性、生物样本的质心的大小属性、延时索引属性、微流体装置的装置标识符、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性、多个感兴趣区域的分数属性、门路径索引、区域像素属性、背景像素属性、多个生物样本的中位数亮度属性。
在1004A处可以针对多个感兴趣区域确定一种或多种感兴趣区域类型,其中,一种或多种感兴趣区域类型包括与生物样本中的至少一个生物样本相关的基于目标的类型或与微流体装置相关的基于结构的类型。
如本文所述,在一些实施例中,感兴趣区域可以包括基于目标的区域,其涉及感兴趣生物样本的一个或多个属性、特性、性质和/或可量化度量等(例如,与感兴趣区域中细胞的直径相关的测量或导出的直径或统计量度、感兴趣区域中基因的计数、针对感兴趣区域培养的细胞的数量、从感兴趣区域导出的细胞的数量或百分比等)。在一些实施例中,感兴趣区域还可以包括基于结构的感兴趣区域,其涉及微流体装置或其任何部分的一个或多个属性、特性、性质和/或可量化度量等(例如,微流体装置或其一部分的结构方面的特性等)。
在确定了一个或多个感兴趣区域类型的情况下,在1006A处可以至少部分地基于一种或多种感兴趣区域类型来确定属性、特性、性质或可量化度量。在前述实施例中,可以针对基于目标的感兴趣区域确定基于目标的特性、特性、性质或可量化度量。附加地或替代地,可以针对基于结构的感兴趣区域确定基于结构的特性、特性、性质或可量化度量。
在1008A处,可以至少部分地基于时间线和属性、特性、性质或可量化度量而在用户界面中针对生物样本的至少一部分布置和呈现分别对应于多个感兴趣区域的相关联数据。相关联数据的这种布置和显示的示例可以包括例如图6C中的图库视图、例如图5A中的小型化图库视图、例如图4A 中的芯片时间线视图、例如图7H中的测序图或任何其他视图或图。在用户界面中呈现感兴趣区域的相关联数据可以包括例如根据感兴趣区域将相关联数据(例如,由图像或视频捕获装置或传感器捕获和/或存储在文件或数据结构中的二进制数据等)剪裁成裁剪数据(例如,将示出多个感兴趣区域的基本图像裁剪成对应于特定感兴趣区域的较小数据子集),将相关联数据或裁剪的数据传输到计算机图形程序和/或图形处理单元(GPU),所述计算机图形程序和/或图形处理单元将二进制数据变换为表示感兴趣区域的真实感或非真实感的2D或3D图像(例如,光栅图形表示)。
在一些实施例中,相关数据涉及生物样本的分析并且与生物样本的分析相关联,并且可以包括:例如生物样本的分析和/或生物样本的一个或多个属性、性质或特性等,与分析相关的一个或多个系统,与分析和/或生物样本相关的一个或多个工作流程和/或一个或多个测序管线,分析的一个或多个设置和/或配置/输入数据/中间输出数据/最终输出数据,与分析相关的一个或多个系统相关的一个或多个设置和/或配置,描述任何相关联数据的元数据和/或其任何组合等。在一些实施例中,相关联数据可以包括静态信息或数据(例如,经处理的信息)、动态信息或数据(例如,可以随时间变化的信息或数据)、交互信息或数据(例如,用户可以通过例如通过菜单或用户界面操纵等发出指令或命令来交互的信息或数据)或其任何组合。附加地替代地,与生物样本的分析相关的相关联数据可以包括例如二进制、文本、ASCII、图形、图像、视频和/或视频序列数据。在一些实施例中,相关联数据可以包括微流体装置中的一个、一些或所有感兴趣区域或所有腔室的任何上述数据或信息、其等同物或其变体,并且可以从各种数据源(例如,通过用户界面来自用户的输入、分析引擎的中间和最终输出、来自一个或多个图像捕获装置的图像、由与分析相关的一个或多个软件应用程序生成的数据、生物样本和/或与分析相关联的一个或多个系统等)收集,并以结构化方式存储在数据结构(例如,微流体装置数据结构、图库结构等) 中,如本文参考例如图5B、图5G-图5J、图7D、图10F等所述。此外,这种数据结构可以用一个或多个键索引,以促进更有效地存取、查询和操纵相关联数据,如本文参考例如图5B、图5G-图5J、图7D、图10F等所述。
图10B-图10C示出了一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。在这些一个或多个实施例中,布置和呈现相关联数据包括:在1002B处至少部分地基于用户界面中用于呈现相关联数据的可分配空间来针对相关联数据确定具有多个图库子结构的图库结构。在这些一个或多个实施例的一些实施例中,多个图库子结构中的图库子结构对应于与生物样本或生物样本的分析相关的特性,图库子结构包括一个或多个图库字段,并且特性包括至少一个基于目标的特性、至少一个基于结构的特性、或至少一个基于目标的特性和至少一个基于结构的特性的组合。
在这些一个或多个实施例中,布置和呈现相关联数据包括:在1004B 处至少部分地基于特性将相关联数据填充到图库结构中的多个图库子结构中。在这些实施例的一些实施例中,图库子结构的图库字段对应于针对至少一个生物样本的基于结构的感兴趣区域或基于目标的感兴趣区域捕获的图像序列的图像,并且从一个或多个基本图像确定图像或图像序列。附加地或替代地,时间线部分中的多个图形表示分别对应于多个图库子结构。
在一些实施例中,确定图库结构可以包括:在1008B处确定与第一生物样本的一组时间点或时间段相关的第一数据序列,该第一生物样本从存储在非暂时性计算机可访问存储介质中的可寻址空间中的图库结构的多个感兴趣区域中的第一感兴趣区域获得,其中,第一数据序列对应于多个标识符中的至少第一标识符。可选地,确定图库结构可以包括:在1006B处至少部分地基于一种或多种感兴趣区域类型来确定属性、特性、性质或可量化度量。
在这些实施例的一些实施例中,确定图库结构还可以包括:在1010B 处确定与第二生物样本的一组时间点或时间段相关的第二数据序列,该第二生物样本从图库结构的多个感兴趣区域中的第二感兴趣区域获得,其中,第二数据序列对应于多个标识符中的至少第二标识符。在这些实施例的一些中实施例,布置和呈现相关联数据可以包括:在1012B处在用户界面的第一窗口部分中并且利用图形处理单元在图库视图中呈现第一数据序列和第二数据序列。
在一些实施例中,在第一视图中呈现第一数据序列和第二数据序列还可以包括:1014B,响应于利用用户界面中的第一选择窗口部件从多个特性中选择第一特性,从多个值中提取用于第一生物样本或用于分析第一特性的第一值;以及从多个值中提取用于第二生物样本或用于分析的第一特性的第二值。
参考图10C,在一些实施例中,布置和呈现相关联数据可以包括:在 1016B处将分别对应于第一数据序列和第二数据序列的第一交互物体和第二交互物体呈现到图库视图中。在这些实施例的一些实施例中,第一交互物体代表用于第一生物样本或用于分析的第一值,并且第二交互物体代表用于第二生物样本或用于分析的第二值。此外,用户界面耦合到用于处理输入的一个或多个特性的数据的处理器,并且包括从生物样本捕获并在该组时间点或时间段获得的一组图像。另外,该组图像中的图像是从设置在包括多个腔室的微流体装置中的感兴趣区域内的相应生物样本获得的。
在一些实施例中,布置和呈现相关联数据可以包括:在1018B处呈现用于选择生物样本的第一特性的第一选择窗口部件,在图库结构的第一图库子结构中表示针对微流体装置中的第一感兴趣区域捕获的第一组图像的第一组数据;以及在图库结构的第二图库子结构中表示针对微流体装置中的第二感兴趣区域捕获的第二组图像的第二组数据。
在这些实施例中的一些实施例中,第一交互物体在一组时间点或时间段中的第一时间点或时间段与第一等级相关联,第一等级至少部分地基于第一感兴趣区域的第一特性的第一值指示与微流体装置中的多个腔室相关的第一感兴趣区域的第一位置。附加地或替代地,第二交互物体在该组时间点或时间段中的第一时间点或时间段与第二等级相关联,第二等级至少部分地基于第二感兴趣区域的第一特性的第一值指示与微流体装置中的多个腔室相关的第二感兴趣区域的第二位置。
此外,在一些实施例中,第一等级和第二等级分别与第一交互物体和第二交互物体一起显示在第一视图中,以分别指示在第一时间点或时间段在第一感兴趣区域中的第一生物样本的第一状态和在第二感兴趣区域中的第二生物样本的第二状态。附加地或替代地,第一数据图库子结构和第二数据图库子结构被布置为包括具有对应于第一标识符的交互式标识符的第三图库子结构。
在这些实施例的一些实施例中,第三图库子结构的交互式标识符在用户界面中被调用时触发分级操作,该分级操作至少部分地基于第一等级和第二等级而布置第一图库子结构和第二图库子结构;并且多个图库子结构中的图库子结构的高度或宽度可配置为修改的高度或修改的宽度,或第三线性结构中的字段的宽度可配置为第一视图中的修改的宽度。
附加地或替代地,在一些实施例中,图库结构包括:列结构和行结构,列结构包括多个列,行结构包括多个行;以及生物样本数据,其特定于对流体装置的单个腔室中的一个或更多个生物样本执行的分析。在示例列结构中,列结构中的列对应于特定于在单个腔室上执行的分析的生物样本数据,并且对应于列的每行分别对应于在特定时间点或特定时间段针对单个腔室捕获或生成的生物样本数据。在这些实施例的一些实施例中,行结构中的行对应于特定于在微流体装置中的腔室上执行的分析的生物样本数据,并且对应于该行的每列分别对应于在特定时间点或特定时间段针对腔室捕获或生成的生物样本数据。
在一些实施例中,多个标识符中的标识符与对微流体装置中的生物样本中的至少一个生物样本执行的测定分析或测定分析的结果的至少一个方面有关。附加地或替代地,在捕获或生成该组图像、第一数据序列或第二数据序列时利用唯一时间戳对该组图像、第一数据序列或第二数据序列加时间戳。
在一些实施例中,多个标识符包括以下中的至少一个:微流体装置中的腔室的标识符、生物样本的大小属性、生物样本的最大亮度属性、生物样本的最小亮度属性、生物样本的质心在第一方向上的第一像素计数属性、生物样本的质心在第二方向上的第二像素计数属性、生物样本的质心的大小属性、延时索引属性、微流体装置的装置标识符、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性、多个腔室或多个感兴趣区域的分数属性、门路径索引、区域像素属性、背景像素属性或生物样本的中位数亮度属性。
在一些实施例中,呈现第一交互物体和第二交互物体可包括:在1020B 处由处理器至少部分地基于要在用户界面中表示的第一等级来确定用户界面中的图库结构的第一图库子结构的动态宽度或长度。在这些实施例的一些实施例中,在1022B处呈现第一交互物体和第二交互物体还可以包括至少部分地基于第一图库子结构的动态宽度或长度将包括第一图像序列的第一数据序列的至少一部分呈现到第一图库子结构中。
在紧接在前的实施例中的一些实施例中,第一图库子结构的第一多个图库字段中的图库字段对应于多个感兴趣区域中的感兴趣区域,其中,感兴趣区域对应于第一唯一标识符。附加地或替代地,图库字段还对应于与多个腔室相关的感兴趣区域,并且还被布置为对应于多个图库子结构。在这些实施例中的一些实施例中,多个图库子结构中的图库子结构可以对应于多个标识符中的标识符。
图10D-图10E示出了一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。参考图10D,其示出了在一个或多个实施例中在1008A处关于布置和呈现相关联数据的更多细节,布置和呈现相关联数据可以包括:在1002D处响应于至少部分地基于时间线通过用户界面中的时间线视图激活交互式窗口部件调用时间线视图,在用户界面中呈现时间线视图和匹配网格部分。在这些实施例的一些实施例中,时间线视图包括生物样本分析中的多个工作流程任务或工作流程阶段的各自的进度。多个工作流程任务的一些示例可以包括例如加载、导入、培养、灌注、测定、导出和/或冲洗等。工作流程阶段可以包括一个或多个工作流程任务。例如,测定分析工作流程阶段可以包括进一步包括一个或多个工作流程任务的细胞培养工作流程任务。更具体地,细胞培养任务可以在本文所述的系统可以测量、捕获或以其他方式获取各种数据或信息(例如,在多个时间点或时间段的图像、细胞计数等;时间测序数据,诸如对应于捕获上述数据或信息的多个时间点的时间戳等)的时间段内进行。细胞培养任务可能比一个或多个其他任务花费更长的时间段。在一些实施例中,本文描述的系统可以以编程方式将工作流程阶段分段成多个均匀和/或非均匀工作流程任务 (例如,通过在时间上分隔工作流程阶段),并且还可以根据多个工作流程任务分隔针对工作流程阶段获取的数据或信息,使得用户可以选择工作流程阶段以访问为其获取的所有信息或数据(例如,在图库视图中呈现特定工作流程阶段的所有工作流程任务的相应交互式图像数据),或选择工作流程阶段的一个或多个工作流程任务以访问为其获取的信息或数据的对应的一个或多个较小部分(例如,在图库视图中呈现特定工作流程阶段的工作流程任务的相应交互式图像数据)。例如,用户或研究人员可在时间点或时间段从例如芯片时间线视图识别工作流程阶段和/或对应的工作流程任务(例如,通过点击与时间线视图中的时间点或时间段相对应的图形表示),并且本文描述的技术可以识别对应的相关联数据并将输出引导到图库视图以检查在该时间点或在该时间段期间实际发生的内容。
附加地或替代地,至少部分地基于与分析或生物样本相关的第一数据序列和第二数据序列来呈现时间线视图。在紧接在前的实施例中的一些实施例中,各自的进度以图形方式指示多个工作流程任务的各自的时间持续时间,然而在本文中应当注意,可以类似地描绘一个或多个工作流程阶段,但需要注意的是可以选择工作流阶段来揭示对应的工作流程任务。此外,在一些实施例中,可以可选地利用交互式进度窗口部件来表示各自的进度,当该交互式进度窗口部件在时间线视图中交互时,使处理器至少利用第一数据序列的至少一部分或第一分析结果的至少一部分来填充匹配网格部分。
在一些实施例中,布置和呈现相关联数据可以包括:响应于微流体装置的识别、在用户界面中表示的第一数据序列或第二数据序列,在1004D 处确定是否存在用于微流体装置的图库结构。在一些实施例中,当确定存在用于微流体装置的图库结构时,布置和呈现相关联数据可以包括:在 1006D处用第一数据序列的至少一部分或相关联数据的至少一部分填充匹配网格部分;以及在1006D处呈现标识符窗口部件,当从用户界面接收到标识符改变输入时,该标识符窗口部件触发改变第一数据序列的第一标识符的指令。
在这些实施例的一些实施例中,在1008D处呈现删除窗口部件,所述删除窗口部件当在用户界面中被调用时使至少一个处理器从时间线视图中移除微流体装置和与微流体装置相关的数据。在这些实施例的一些实施例中,时间线视图包括用户界面中的第一可调整大小或形状;匹配网格部分包括用户界面中的第二可调整大小或形状;并且时间线部分包括分别识别多个生物实验的对应实验类型的多个图形表示或图形元素。
在一些实施例中,布置和呈现相关联数据可以包括:在1010D处将多个感兴趣区域中的第一感兴趣区域与时间线视图中示出的一个或多个图形元素相关联。在这些实施例中的一些实施例中,将第一感兴趣区域与一个或多个图形元素相关联包括:在用户界面的一部分中的第一列中针对一个或多个图形元素中的第一图形元素呈现与在第一时间点或第一时间段捕获的第一数据序列相对应的第一交互物体。
附加地或替代地,将第一感兴趣区域与一个或多个图形元素相关联可以包括:在1012D处,针对一个或多个图形元素中的第二图形元素呈现与在第二时间点或第二时间段捕获的第一数据序列相对应的第二交互物体,所述第二交互物体与用户界面的部分中的第二列相对应。在这些实施例中的一些实施例中,一个或多个图形元素中的图形元素的大小对应于在其间针对生物样本捕获数据的时间段的持续时间,并且较大的图形元素指示较长的时间段。
参考图10E,在一些实施例中,布置和呈现相关联数据可以包括:在 1014D处至少部分地基于用于生物样本的分析的管线或工作流程来确定时间线;在1016D处,至少部分地基于时间线确定用于分析的多个阶段,其中,所述多个阶段分别对应于用于生物样本的分析的多个时间点或时间段;以及在1018D处,至少部分地基于多个时间点或时间段分别确定多个阶段的多个图形表示。在这些实施例的一些实施例中,布置和呈现相关数据还可以包括:在1020D处,根据与多个时间点或时间段相关的时间顺序,在用户界面中布置和呈现时间线视图中的多个图形表示。
图10F示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。在这些实施例中,布置和显示相关联数据可以包括:在1002F处在用户界面中呈现数据控制视图。在这些实施例的一些实施例中,呈现数据控制视图包括:在1004F处针对具有多个腔室的微流体装置生成具有多个字段的微流体装置数据结构。附加地或替代地,呈现数据控制视图可以包括:在1006F处将微流体装置的第一数据填充到微流体装置数据结构中的第一字段中,其中,第一数据包括微流体装置的第一标识符;以及在1008F处,针对微流体装置数据结构中的第一字段呈现第一交互式数据控制窗口部件,其中,第一交互式数据控制窗口部件在被交互时,根据在数据控制视图中接收的用于配置与至少第一数据和图库视图相关的腔室列表的第一输入来调用与时间线视图或图库视图相关的多个第一候选动作中的一个。
在一些实施例中,呈现数据控制视图还可以包括:在1010F处将微流体装置的第二数据填充到微流体装置数据结构中的第二字段中,其中,第二数据包括与对微流体装置中的生物样本的第一生物处理(例如,荧光标记、磁标记、放射性标记、酶标记或在测定或测序中对生物样本执行的任何其他生物处理等)相关的标签;以及在1012F处针对第二字段呈现第二交互式数据控制窗口部件,其中,所述第二交互式数据控制窗口部件响应于数据控制视图中的用于配置相关联数据的一个或多个可视化选项的第二用户输入而调用多个第二候选动作中的至少一个。标签可以包括一种或多种标记(例如,一种或多种荧光标记),其用于例如生物样本的标记过程(例如,荧光标记过程)。可以针对标签将数字物体存储在例如微流体装置数据结构、图库结构等中,以表示对应的标记。在这些实施例的一些实施例中,呈现数据控制视图还可以包括:在1014F处将微流体装置的第三数据填充到微流体装置数据结构中的一个或多个第三字段中,其中,第三数据包括微流体装置的时间戳;以及在1016F处针对一个或多个第三字段呈现第三交互式数据控制窗口部件,其中,所述第三交互式数据控制窗口部件在被交互时响应于数据控制视图中的用于配置用于分析的降维或聚类的第三用户输入而调用多个第三候选动作中的至少一个。
如本文所提及的生物处理可以包括用于对一个或多个微物体(例如,生物细胞)进行操作的任何工作流程阶段(例如,一个或多个工作流程任务),如本领域通常已知的并且特别是如本文所述。生物处理可以在包括微物体的装置的环境内执行,或者可以包括在装置外部执行的处理的一些部分,例如预处理或后处理,包括分别从微物体捕获的批量选择和测序大分子。生物处理可包括但不限于:培养;扩增微物体群体(例如,在足以允许微物体繁殖的一段时间内培养微物体,其中在一些实施例中,扩增的群体是子细胞的克隆群体);测定微物体的特定属性、特征或功能(例如,生物微物体的生物或生物物理活动);测定微物体的分泌物的特定属性、特征或功能(例如,与目标分子键合或阻断两个或更多个分子(诸如受体-配体对) 之间的键合,否则将形成复合物);针对特定属性、特征或功能(例如,营养物、反应性物质等的浓度),测定围绕微物体或邻近设置有微物体的区域的介质。测定生物微物体、生物微物体的分泌物或围绕或邻近生物微物体的介质可以包括提供产生可检测信号的标记或标签(诸如比色、荧光、发光、紫外、红外信号)或者以其他方式能够由如本文所述的成像系统视觉检测的标记或标签。对一个或多个微物体的操纵还可以包括:在针对特定属性、特征或功能测定一个或多个微物体之后,选择一个或多个微物体的全部或一部分以取消围栏。取消围栏的微物体可以在微流体装置的另一个区域中重新围栏以供保留、分组或储存,或以供另外的处理,诸如培养或裂解(例如,随后捕获释放的大分子,诸如蛋白质、核酸或生物微物体的产物,包括基因表达产物)。微物体的释放的大分子或产物可以原位检测,或者可以导出以在微流体装置外部进行分析。这种分析的结果可以被导入回系统(例如,在管线或其他数据模块中),与一个或多个微物体的来源相关,并且可选地在图库视图内选择和查看以进行分析,例如,以确定哪些微物体表达期望的生物产品,同时还满足其他生物活性标准。
如本文所提及的,标签可以是固有性质(例如,荧光)或报告分子或分泌物,或者可以包括任何种类的可检测标记和/或类型的配体,其可以识别微物体的一部分、微物体的产物(分泌的或不分泌的)、或与微物体相关联的被分析物或者待在围绕或邻近微物体的介质内待测量的被分析物。如上所述,可检测标记可以是比色、荧光、发光、紫外、红外信号或其他视觉可成像部分。可检测标记本身可以被配置为结合(例如,嵌入染料)或连接到配体,该配体被配置为(共价或非共价地)键合至微物体、微物体的产物(分泌的或不分泌的)、或与微物体相关联的分析物或待在围绕或邻近微物体的介质内测量的分析物。这样的配体的示例包括可杂交的多核苷酸、 His标签、抗体或其片段。在一些其他实施例中,标签可以是在微物体、微物体的产物(分泌或不分泌)或与微物体相关联的分析物或在围绕或邻近微物体的介质内待测量的分析物的作用下从生物分子释放的可检测标记。例如,蛋白酶的底物可以在被微物体分泌的或包括在微物体内的蛋白酶蛋白水解时释放荧光标签。如本领域已知的,这些示例不是限制性的。
图10G-1、图10G-2、图10G-3和图10G-4示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。在这些实施例中,在1008A处布置和显示相关联数据可以包括在1002G处呈现过滤器视图。在1002G处呈现过滤器视图可以包括:在1004G处至少部分地基于由与过滤器生成模块中的第一过滤器选择器开关的交互触发的一个或多个指令的执行来确定第一过滤器的第一过滤器类型。在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:响应于第一过滤器类型的确定,在 1006G处,在用户界面中的过滤器视图中针对一个或多个第一过滤器中的第一过滤器类型呈现第一过滤器选择器开关,其中,第一属性选择器开关在被调用时触发第一过滤器类型的一个或多个第一交互式过滤器属性的列表的第一呈现。
在紧接前述实施例中的一些实施例中,呈现过滤器视图还可以包括:响应于一个或多个第一交互式过滤器属性的列表中的第一交互式过滤器属性的调用,在1008G处呈现用于根据第一过滤器对微流体装置中的多个腔室或多个感兴趣区域进行过滤的第一过滤器配置器。在这些实施例中的一些实施例中,第一过滤器配置器响应于针对第一交互式过滤器属性的第一交互式过滤器输入而对多个腔室或多个感兴趣区域施加第一动态约束。
此外,在一些实施例中,第一动态约束可以约束多个腔室或多个感兴趣区域,以从多个腔室或多个感兴趣区域生成待在用户界面中显示的第一组过滤感兴趣区域。在一些实施例中,第一过滤器配置器还可以包括第一配置滑块窗口部件,当在过滤器视图中利用动态操纵来操纵所述第一配置滑块窗口部件时,所述第一配置滑块窗口部件限制微流体装置中的动态约束的感兴趣区域的数量,并且还至少部分地基于动态操纵来触发过滤器视图中的动态约束的感兴趣区域的数量的图形表示。
在一些实施例中,呈现过滤器视图还可以包括:在1010G处在过滤器视图中针对微流体装置动态地确定并显示满足第一动态约束的第一组过滤的感兴趣区域的感兴趣区域的第一总数。在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:在1012G处呈现响应于针对第一过滤器的第一动态约束中的第一动态变化而动态变化的第一直方图,其中,第一直方图包括叠置于响应于第一动态约束中的第一动态变化而动态变化的第一直方图的顶部上的多个腔室或感兴趣区域的去强调直方图。在这些紧接前述实施例中的一些实施例中,过滤器视图还包括关于第一组过滤的感兴趣区域中的过滤的感兴趣区域的信息,所述信息包括一个或多个感兴趣区域标识符、满足第一动态约束的感兴趣区域的第一总数、示出多个腔室或多个感兴趣区域在第一交互式过滤器属性上的第一分布的直方图、示出第一组过滤的感兴趣区域在第一交互式过滤器属性上的第二分布的直方图的突显部分、或其任何组合。
在一些实施例中,呈现过滤器视图还可以包括:在1014G处在过滤器生成模块处生成至少第二过滤器类型的第二过滤器和第三过滤器类型的第三过滤器的逻辑组合;以及在1016G处,针对第二过滤器类型呈现第一过滤器选择器开关,其中,第一过滤器选择器开关在被调用时用于确定第二过滤器类型、用于第二过滤器的第二属性选择器或用于第三过滤器的第三属性选择器。
附加地或替代地,呈现过滤器视图还可以包括:响应于第二过滤器属性的确定,在1018G处呈现用于根据第二过滤器对微流体装置的多个腔室或多个感兴趣区域进行过滤的第二过滤器配置器,其中,第二过滤器配置器响应于第二过滤器输入而施加第二动态约束,并且第二动态约束约束来自多个感兴趣区域的待在用户界面中显示的过滤的感兴趣区域的第二数量。
在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:在 1020G处,在过滤器视图中针对微流体装置动态地确定并显示满足第二动态约束的过滤的感兴趣区域的第二总数;在1022G处,呈现响应于来自第二过滤器输入的第二动态约束中的第二动态变化而动态地变化的第二直方图;以及在1024G处,针对第二过滤器类型呈现第一过滤器选择器开关,其中,第一过滤器选择器开关在被调用时用于确定第二过滤器类型和与第二过滤器类型相对应的第二属性选择器。
附加地或替代地,呈现过滤器视图还可以包括:响应于对第二过滤器类型的调用,在1026G处在用户界面中的过滤器视图中针对一个或多个第二过滤器的第二过滤器类型呈现第二属性选择器开关,其中,第二属性选择器在被调用时触发第二过滤器类型的一个或多个第二交互式过滤器属性的列表的第二呈现。在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:在1028G处针对第三过滤器类型呈现过滤器生成模块中的第一过滤器选择器开关,其中,第一过滤器选择器开关在被调用时用于确定第三过滤器类型和与第三过滤器类型相对应的第三属性选择器。
此外,呈现过滤器视图还可以包括:响应于第三过滤器类型的调用,在1030G处,在用户界面中的过滤器视图中针对一个或多个第三过滤器中的第三过滤器类型呈现第三属性选择器,其中,第三属性选择器在被调用时触发第三过滤器类型的一个或多个第三交互式过滤器属性的列表的第三呈现;以及响应于对第二交互式过滤器属性的选择,在1032G处呈现用于根据第二过滤器对微流体装置中的多个腔室或多个感兴趣区域进行过滤的第二过滤器配置器,其中,第二过滤器配置器用于响应于第二交互式过滤器输入而施加第二动态约束。
在这些实施例中的一些实施例中,第二动态约束将来自第一过滤器的多个腔室或多个感兴趣区域约束到待在用户界面中显示的第二组过滤感兴趣区域中;并且第二过滤器配置器包括第二配置滑块窗口部件,当利用第二动态操纵来操纵所述第二配置滑块窗口部件时,所述第二配置滑块窗口部件将多个腔室或多个感兴趣区域限制到用于微流体装置的单独数量的动态约束感兴趣区域中,并且进一步触发至少部分地基于第二动态操纵而在过滤器视图中呈现单独数量的动态约束感兴趣区域的图形表示。
在一些实施例中,呈现过滤器视图还可以包括:响应于第三交互式过滤器属性的选择或确定,在1034G处呈现用于根据第三过滤器对微流体装置中的第二组过滤感兴趣区域进行过滤的第三过滤器配置器,其中,第三过滤器配置器响应于第三交互式过滤器输入而施加第三动态约束,并且第三动态约束将来自第二过滤器的第二组过滤感兴趣区域约束到待在用户界面中显示的第三组过滤感兴趣区域中。
在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:在 1036G处在过滤器视图中针对微流体装置动态地确定和显示满足第二动态约束的第二组过滤感兴趣区域的感兴趣区域第二总数。在这些紧接前述实施例中的一些实施例中,呈现过滤器视图还可以包括:在1038G处在过滤器视图中针对微流体装置动态地确定和显示满足第三动态约束的第三组过滤感兴趣区域的感兴趣区域的第三总数,其中,过滤器视图还包括关于第二组过滤感兴趣区域或第三组过滤的感兴趣区域中的过滤的感兴趣区域的第二信息,所述第二信息包括一个或多个感兴趣区域标识符、分别满足第二动态约束或第三动态约束的感兴趣区域的第二总数或第三总数、示出了多个感兴趣区域在第二交互式过滤器属性和第三交互式过滤器属性上的单独分布的单独的直方图、示出了第二组过滤感兴趣区域或第三组过滤感兴趣区域在第一交互式过滤器属性上的第三分布的单独直方图的单独突出显示部分、或其任何组合。
在一些实施例中,呈现过滤器视图还可以包括:在1040G处呈现响应于来自第二交互式过滤器输入的第二动态约束的第二动态变化而动态变化的第三直方图或散点图;在1042G处,呈现响应于来自第三交互式过滤器输入的第三动态约束的第三动态变化而动态变化的第四直方图或散点图;在列表生成模块处生成第一感兴趣区域列表。在一些实施例中,生成第一感兴趣区域列表可以包括以下中的至少一者:在1044G处,从用户界面接收用于至少部分地基于与用户界面的第一交互来生成第一感兴趣区域列表的第一指令,其中,第一交互对应于切换用户界面中的多状态选择器,以在过滤视图中针对一组过滤感兴趣区域中或多个腔室或多个感兴趣区域中的选定感兴趣区域设置选定状态;在1046G处,在过滤视图中呈现列表生成开关,其中,所述列表生成开关在被调用时用于生成第一感兴趣区域列表以包括通过至少来自该组过滤的感兴趣区域或多个腔室或多个感兴趣区域的第一交互选择的一个或多个第一选择的感兴趣区域;或者在1048G 处,响应于与列表生成开关的交互而针对一个或多个第一所选感兴趣区域生成第一感兴趣区域列表。
在一些实施例中,呈现过滤器视图还可以包括:在1050G处在列表生成模块处生成第二感兴趣区域列表;以及在1050G处,至少部分地基于一个或多个过滤器在过滤器视图中的图形图中呈现多个呈现的感兴趣区域,其中,图形图示出了多个呈现的感兴趣区域的一个或多个性质如何相对于一个或多个过滤器分布。在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:在1052G处至少部分地基于来自用户界面的第二交互来接收第二指令,其中,第二交互包括从多个呈现的感兴趣区域中选择具有用户定义的曲线或直线边界的感兴趣区域的子集,所述用户定义的曲线或直线边界包围在用户界面中显示与相关联数据相关的数据的一个或多个显示区域。在这些紧接前述实施例中的一些实施例中,呈现过滤器视图还可以包括:在1054G处,响应于列表生成开关的激活而针对一个或多个显示区域生成第二感兴趣区域列表,其中,至少部分地基于一个或多个选择标准来确定过滤器视图中的用户定义的曲线或直线边界,所述一个或多个选择标准包括多个呈现的感兴趣区域中的一个或多个感兴趣区域的一个或多个特性,并且至少部分地基于多个呈现的感兴趣区域的第一性质而在过滤器视图中以具有多种颜色或均匀颜色方案的热图显示多个呈现的感兴趣区域。
在一些实施例中,呈现过滤器视图还可以包括:响应于指向装置的光标悬停在过滤器视图中的感兴趣区域处或周围,在1056G处触发弹出显示区域的生成以显示关于感兴趣区域的信息,其中,所述信息可由用户至少部分地基于对感兴趣区域的一个或多个特性的选择来配置。在这些实施例中的一些实施例中,呈现过滤器视图还可以包括:在1058G处至少通过将一个或多个节点添加到用户定义的曲线或直线边界并且通过至少部分地基于所述一个或多个节点修改所述用户定义的曲线或直线边界来修改所述用户定义的曲线或直线边界。
图10H-1和图10H-2示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。在这些一个或多个实施例中,布置和显示相关联数据可以包括生成生物信息学管线视图,其中,生成生物信息学管线视图包括:在1002H处确定微流体装置的多个腔室或多个感兴趣区域中的生物样本的测序数据集,其中,生物样本包括核苷酸或氨基酸的序列。在这些实施例中的一些实施例中,生成生物信息学管线视图还可以包括:在1004H处在用户界面中接收测序数据集;以及在1004H处在用户界面中识别与核苷酸或氨基酸的序列相关的特性。
在一些实施例中,生成生物信息学管线视图还可以包括:响应于与用户界面中的第一测序视图窗口部件的第一交互,在1006H处在生物信息学管线视图中呈现第一测序视图,所述第一测序视图示出了多个腔室或多个感兴趣区域中核苷酸或氨基酸序列的特性的分布。在这些实施例的一些实施例中,生成生物信息学管线视图还可以包括:在1008H处用第一信息覆盖第一测序视图,第一信息包括核苷酸或氨基酸序列的特性的分布的一个或多个统计量度,其中,用户界面包括多个核苷酸或氨基酸序列的总数、具有核苷酸或氨基酸序列的感兴趣区域的总数、以及感兴趣区域阵列的各自感兴趣区域中的核苷酸或氨基酸序列的一个或多个序列的各自总数。
附加地或替代地,生成生物信息学管线视图还可以包括:响应于第一测序视图中的分布的一部分上的第二交互,在1010H处用第二信息覆盖第一测序视图,所述第二信息包括相对于第一测序视图中的分布的该部分与核苷酸或氨基酸的多个序列中的一个或多个序列相关的一个或多个可量化量度;以及在1012H处接收与用户界面的生物信息学管线视图中的第一曲线或直线选择窗口部件的第二交互,所述第二交互触发第一指令以至少部分地基于第二交互的程度而消除生物信息学管线视图中的第一测序视图的一部分。
在这些实施例中的一些实施例中,生成生物信息学管线视图还可以包括:响应于与用户界面中的第二测序视图窗口部件的第三交互,在1014H 处在生物信息学管线视图中呈现第二测序视图,所述第二测序视图示出了多个腔室或多个感兴趣区域中的核苷酸或氨基酸序列的特性的第二分布,其中,第二分布包括多个腔室或多个感兴趣区域中的多个生物样本响应于荧光染料的各自的强度,并且所述各自的强度与可由用户定制的各自的色调相关联。
在这些实施例中的一些实施例中,生成生物信息学管线视图还可以包括:在1016H处接收与生物信息学管线视图中的曲线或直线选择窗口部件或不同的曲线或直线选择窗口部件的第四交互,第三交互第二指令,以至少部分地基于第四交互的程度从生物信息学管线视图中的第二测序视图中选择一个或多个感兴趣区域;以及在1016H处从用户界面接收用于生成第一感兴趣区域列表的第五指令。
在一些实施例中,接收用于生成第一感兴趣区域列表的第五指令可以包括:在1018H处,至少部分地基于生物信息学管线视图中的曲线或直线选择窗口部件或不同的曲线或直线选择窗口部件,生成从第二测序视图中选择的一个或多个感兴趣区域的第一感兴趣区域列表;以及响应于包括选自第二测序视图的一个或多个感兴趣区域的第一感兴趣区域列表的生成,在1020H处触发第六指令,所述第六指令调用用于将第二数据序列呈现到图库结构或单独的图库结构中的多个图库字段中的操作。
这些实施例中的一些实施例中,接收用于生成第一感兴趣区域列表的第五指令可以包括:在1022H处确定用于在用户界面中显示的多个图库字段中的各自图库字段的动态宽度或不同的动态宽度;以及在1024H处,针对从第二测序视图中选择的一个或多个感兴趣区域中的各自的感兴趣区域呈现具有对应显示性质的各自的交互物体。
图10H-3示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。这些实施例中的一些实施例中,布置和显示相关联数据可以包括:在1034H,在用户界面中呈现包括至少一个视图的多向放置窗口部件;以及在1034H处,至少部分地基于来自用户的第一输入来识别用于将单独物体添加到用户界面中的添加指令。
这些实施例中的一些实施例中,布置和显示相关联数据可以包括:在 1036H处至少部分地基于第一输入从单独物体的多个候选放置位置确定候选放置位置。在一些实施例中,可以在1038H处在用户界面中的候选位置处呈现重影物体,以在将单独物体放置在用户界面中之前图形地呈现单独物体相对于至少一个视图待被放置的位置。可以在1040H处在来自用户输入装置的单独输入时将单独物体移至候选放置位置,其中,多方向放置窗口部件在至少两个正交方向上提供用于将单独物体放置在用户界面中的多个候选放置位置,并且在将单独物体放置在用户界面中之后,单独物体的一个或多个边界是可单独调节的。
在一些实施例中,第一输入包括与用户输入装置的光标相对于在用户界面中呈现的多方向放置窗口部件的相对位置相关的信息,或者至少通过对至少一个视图重定大小以适应将单独物体放置在用户界面中的候选放置位置处来在用户界面中以非重叠方式呈现至少一个视图和单独物体两者。
图10I示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。在这些一个或多个实施例中,布置和显示相关联数据可以包括:在第一时间点确定微流体装置中的感兴趣区域中的生物样本的第一计数,确定第一计数包括在1002I处接收在第一时间点针对微流体装置中的感兴趣区域捕获的第一图像数据。可以在1004I处至少通过将第一图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列,将第一图像数据预处理成第一预处理图像数据。
在这些实施例的一些实施例中,确定第一计数还可以包括:在1006I 处至少通过用具有多个处理块的卷积神经网络(CNN)识别生物样本来确定感兴趣区域中的生物样本的第一计数;以及在1008I处,至少通过利用至少一个机器学习模型将第一图像数据或第一预处理图像数据分类为第一类别或类型来确定第一图像数据的第一类别或类型。在这些紧接前述实施例中的一些实施例中,可以在1008I处至少通过利用至少一个机器学习模型将第一图像数据或第一预处理图像数据分类为第一类别或类型来确定第一图像数据的第一类别或类型。
在1010I处,可以使用卷积神经网络(CNN)至少部分地基于第一类或类型来确定感兴趣区域中的生物样本的第一计数。在1012I处,可以在图形用户界面(GUI)的图库视图中显示与感兴趣区域的第一计数相关的文本或图形信息。
在一些实施例中,卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得卷积神经网络中没有卷积层具有一乘一的过滤器。附加地或替代地,卷积神经网络不包括池化层。
在一些实施例中,CNN中的多个处理块可以包括第一处理块、第二处理块和第三处理块,所述第一处理块包括将到第二下采样块的第一输入下采样为第一下采样图像数据的第一下采样块。在这些实施例的一些实施例中,第一处理块可以包括第一残差网络,其中,所述第一残差网络在第一下采样块之后,其中,第一处理块中的第一下采样块和第一残差网络中的每个都包括至少一个第一卷积层。
附加地或替代地,第一残差网络包括第一并行路径和第二并行路径,所述第一并行路径和所述第二并行路径两者都从第一下采样块接收第一下采样块输出,第一并行路径包括第一过滤器大小,并且第二并行路径包括小于第一并行路径的第一过滤器大小的第二过滤器大小。
在一些实施例中,多个处理块还包括第四处理块,所述第四处理块还包括多个转置卷积层,所述多个转置卷积层中的每个转置卷积层之后是各自的归一化层。在这些实施例的一些实施例中,多个转置卷积层中的转置卷积层具有与第一处理块中的至少一个第一卷积层或第二处理块中的至少一个第二卷积层相同的步幅数。
图10J示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。这些一个或多个实施例中,布置和显示相关联数据可以包括:生成差异基因表达视图,其可以包括在1002J处,在差异基因表达模块处,在第一时间点或时间段接收与微流体装置中的多个感兴趣区域中的生物样本相关的第一数据集;以及在1002J处,在差异基因表达模块处,在第二时间点或时间段接收与多个感兴趣区域中的生物样本相关的第二数据集。
此外,生成差异基因表达视图还可以包括:在1004J处针对生物样本的第一数据集确定第一感兴趣区域列表;以及在1004J处针对生物样本的第二数据集确定第二区域列表。这些实施例中的一些实施例中,生成差异基因表达视图还可以包括:在1006J处确定与第一时间点或时间段与第二时间点或时间段之间的第一可量化度量的变化相关的至少一个统计量度。这些实施例中的一些实施例中,所述至少一个统计量度包括倍数变化,并且所述变化包括在第一时间点或时间段的第一可量化度量与在第二时间点或时间段的第一可量化度量之间的第一比率。此外,所述至少一个统计量度包括在第一时间点或时间段的第一可量化度量与在第二时间点或时间段的第一可量化度量之间的第二比率的对数。
在一些实施例中,生成差异基因表达视图还可以包括:在1008J从与倍数变化滑块窗口部件的第一用户交互接收第一可配置约束值,其中,第一可配置约束值抑制与生物样本相关的第一数据,所述第一数据表现出低于第一可配置约束值的第一可量化度量的变化。这些实施例中的一些实施例中,可以在1010J处至少部分地基于第一用户交互来动态地过滤第一数据集和第二数据集的至少一部分。附加地或替代地,在1012J处,至少部分地基于第一可配置约束值而在差异基因表达视图中自第一数据集和第二数据集显示第一差异基因表达数据,其中,在差异基因表达视图中抑制与显示低于第一可配置约束值的变化的第一数据集和第二数据集相关的第一数据。
图10K-1和图10K-2示出了在一个或多个实施例中关于图10A所示的框图的简化示例的一部分的更多细节。在这些一个或多个实施例中,布置和显示相关联数据可以包括:在1002K处用一组配置窗口部件针对与微流体装置中的生物样本相关的第一数据集配置生物信息学管线视图,其中,所述多个配置窗口部件包括降维窗口部件、聚类窗口部件、坐标配置窗口部件、色标配置窗口部件、多个色标配置窗口部件、散点图配置窗口部件、感兴趣区域列表操纵模块或动态过滤滑块窗口部件中的至少一个。
这些实施例中的一些实施例中,配置生物信息学管线视图可以包括:在1004K处从与降维窗口部件的第一交互接收生物样本的第一数据集的多个主成分分析(PCA)组件。在这些紧接前述实施例的一些实施例中,可以在1006K处至少部分地基于主成分分析组件的数量来降低与生物样本相关的第一数据集的维度。
附加地或替代地,配置生物信息学管线视图可以包括:在1008K处从与聚类窗口部件的第二次交互接收生物样本的第一数据集的Louvain聚类参数值。在一些实施例中,可以在1010K处至少通过至少部分地基于 Louvain聚类参数值处理第一数据集来将生物样本的至少一部分聚类成一个或多个聚类。
在一些实施例中,配置生物信息学管线视图可以包括:在1012K处从与坐标配置窗口部件的第三交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的坐标系,其中,第三交互从包括统一流形逼近与投影(UMAP)或主成分分析(PCA)的多个选项中选择坐标系。
在一些实施例中,配置生物信息学管线视图可以包括:在1014K处从与色标配置窗口部件的第四交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的色标,其中,第四交互从包括线性色标或对数色标的多个选项中选择色标。
在一些实施例中,配置生物信息学管线视图可以包括:在1016K处从与色标配置窗口部件的第五交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的色标数量,其中,第五交互从包括单个颜色条或多个颜色条的多个选项中选择色标数量。
在一些实施例中,配置生物信息学管线视图可以包括:在1018K处从与散点图配置窗口部件的第六交互确定用于在生物信息学管线视图中呈现第一数据集的至少一部分的一个或多个散点图选项,其中,第六交互从多个散点图选项中选择一个或多个散点图选项。
在一些实施例中,配置生物信息学管线视图可以包括:在1020K处,从与感兴趣区域列表操纵模块的第七交互确定第一数据集的一个或多个感兴趣区域列表的一个或多个选项,其中,第七交互从多个选项中选择一个或多个选项,所述多个选项包括一个或多个感兴趣区域列表的第一列表选择模式选项、第二列表选择模式选项或标识符选项。
在一些实施例中,配置生物信息学管线视图可以包括:在1022K处在生物信息学管线视图中识别生物样本的第一数据集的至少一部分的图形表示;以及在1024K处,动态生成与生物样本的第一数据集的至少一部分的图形表示的动态生成的范围相关联的动态过滤滑块窗口部件。在这些实施例中的一些实施例中,配置生物信息学管线视图可以包括:在1026K处至少部分地基于与动态过滤滑块窗口部件的动态生成的范围的第八交互而从与动态过滤滑块窗口部件的第八交互确定动态值。在这些实施例中,可以在1028K处响应于至少部分地基于第八交互与动态生成的范围确定的所述动态值,动态地刷新生物样本的第一数据集的至少一部分的图形表示。
图11A-1示出了在一个或多个实施例中使用具有多个腔室的微流体装置分析生物样本的方法和/或系统的另一高级流程图。在这些一个或多个实施例中,布置和显示相关联数据可以包括:在第一时间点确定微流体装置中的感兴趣区域中的生物样本的第一计数,确定第一计数包括在1102A处接收在第一时间点针对微流体装置中的感兴趣区域捕获的第一图像数据。在 1104A处,可以至少通过将第一图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列,将第一图像数据预处理成第一预处理图像数据。
在这些实施例中的一些实施例中,确定第一计数还可以包括:在1106A 处,至少通过利用至少一个机器学习模型将第一图像数据或第一预处理图像数据分类为第一类别或类型来确定第一图像数据的第一类别或类型。在这些紧接前述实施例中的一些实施例中,可以在1106A处至少通过利用至少一个机器学习模型将第一图像数据或第一预处理图像数据分类为第一类别或类型来确定第一图像数据的第一类别或类型。
在一些实施例中,确定第一类别或类型可以包括:通过使用卷积神经网络的至少第一处理块来处理多个低级特征。在这些实施例的一些实施例中,确定第一类别或类型还可以包括:确定第一类别或类型或对应于第一类别或类型的第一统计量,其中,第一统计量包括第一图像数据中的一个或多个像素表示对应生物样本特性的第一概率。
在1108A处,可以使用卷积神经网络(CNN)至少部分地基于第一类或类型来确定感兴趣区域中的生物样本的第一计数。在1110A处,可以在图形用户界面(GUI)的图库视图中显示与感兴趣区域的第一计数相关的文本或图形信息。
在一些实施例中,卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得卷积神经网络中没有卷积层具有一乘一的过滤器。附加地或替代地,卷积神经网络不包括池化层。
在一些实施例中,CNN中的多个处理块可以包括第一处理块、第二处理块和第三处理块,所述第一处理块包括将到第二下采样块的第一输入下采样为第一下采样图像数据的第一下采样块。在这些实施例的一些实施例中,第一处理块还包括:第一残差网络,其中,所述第一残差网络在第一下采样块之后,其中,第一处理块中的第一下采样块和第一残差网络中的每一个都包括至少一个第一卷积层。
附加地或替代地,第一残差网络包括第一并行路径和第二并行路径,所述第一并行路径和所述第二并行路径两者都从第一下采样块接收第一下采样块输出,第一并行路径包括第一过滤器大小,并且第二并行路径包括小于第一并行路径的第一过滤器大小的第二过滤器大小。
在一些实施例中,多个处理块还包括第四处理块,所述第四处理块还包括多个转置卷积层,所述多个转置卷积层中的每个转置卷积层之后是各自的归一化层。在这些实施例的一些实施例中,多个转置卷积层中的转置卷积层具有与第一处理块中的至少一个第一卷积层或第二处理块中的至少一个第二卷积层相同的步幅数。
在一些实施例中,用于分析生物样本的方法可以首先识别微流体装置中的多个感兴趣区域中的生物样本的分析。另外,可以识别与分析相关的时间线。在一些实施例中,分析的一些示例可以包括但不限于使用微流体装置对多个生物样本的测定分析、测序分析等。
时间线可以包括与生物样本的分析的工作流程或管线在时间上对准的信息。可以确定多个感兴趣区域的一种或多种感兴趣区域类型,其中,所述一种或多种感兴趣区域类型包括与生物样本中的至少一个生物样本相关的基于目标的类型或与微流体装置相关的基于结构的类型。
如本文所述,在一些实施例中,感兴趣区域可以包括基于目标的区域,其涉及感兴趣生物样本的一个或多个属性、特性、性质和/或可量化度量等(例如,与感兴趣区域中细胞的直径相关的测量或导出的直径或统计量度、感兴趣区域中基因的计数、针对感兴趣区域培养的细胞的数量、从感兴趣区域导出的细胞的数量或百分比等)。在一些实施例中,感兴趣区域还可以包括基于结构的感兴趣区域,其涉及微流体装置或其任何部分的一个或多个属性、特性、性质和/或可量化度量等(例如,微流体装置或其一部分的结构方面的特性等)。
在确定了一个或多个感兴趣区域类型的情况下,可以在1108A处至少部分地基于一个或多个感兴趣区域类型来确定属性、特性、性质或可量化度量。在前述实施例中,可以针对基于目标的感兴趣区域确定基于目标的属性、特性、性质或可量化度量。附加地或替代地,可以针对基于结构的感兴趣区域确定基于结构的属性、特性、性质或可量化度量。
在1110A处,可以至少部分地基于时间线和属性、特性、性质或可量化度量而在用户界面中针对生物样本的至少一部分布置和显示分别对应于多个感兴趣区域的相关联数据。相关联数据的这种布置和显示的示例可包括例如图6C中的图库视图、例如图5A中的小型化图库视图、例如图4A 中的芯片时间线视图、例如图7H中的测序图或任何其他视图或图。
图11A-2示出了在一个或多个实施例中关于图11A-1中所示的高级流程图的一部分的更多细节。更具体地,图11A-2示出了关于在图11A-1的 1108A处确定第一计数的更多细节。在这些一个或多个实施例中,确定第一计数可以包括:在1112A处,至少通过沿着第二并行路径利用具有第三维度和第三步幅的第三卷积核处理第一下采样块输出来减少在处理第一图像数据时的空间信息的第一损失,其中,第三维度小于第一维度和第二维度,并且第三步幅小于第一步幅。
在这些实施例的一些实施例中,第一处理块还可以包括第一重组层,所述第一重组层之后是第二激活层,其中,所述第一重组层被可操作地耦合至第一并行路径和第二并行路径两者。在一些实施例中,多个块还可以包括第二处理块,所述第二处理块还包括:第二下采样块,所述第二下采样块将到第二下采样块的第二输入下采样为第二下采样图像数据;以及第二残差网络,所述第二残差网络在第二下采样块之后,其中,第二处理块中的第二下采样块和第二残差网络中的每一个都包括至少一个第二卷积层。
在这些实施例中的一些实施例中,第二下采样块包括第四卷积核,所述第四卷积核具有第四维度和针对第四深度的第四步幅,并且第四维度大于一乘一,并且第四步幅大于一。在紧接前述实施例中的一些实施例中,第二卷积核之后是第二批量归一化层,所述第二批量归一化层之后是第二下采样块中的第三激活层。附加地或替代地,第二残差网络包括第三并行路径和第四并行路径,所述第三并行路径和所述第四并行路径两者都从第二下采样层接收第二下采样块输出,并且第四并行路径包括小于第三并行路径的第二较大过滤器大小的第二较小过滤器大小。此外,在这些实施例中的一些实施例中,第三并行路径包括多个第二卷积核,所述多个第二卷积核至少具有第五维度和针对第五深度的第五步幅,第五维度低于第四维度并且大于一乘一,并且第五步幅小于第四步幅。
在一些实施例中,确定第一计数还可以包括:在1114A处,至少通过沿着第四并行路径利用具有第六维度和第六步幅的第六卷积核处理第二下采样块输出来减少空间信息的第二损失,其中,第六维度小于第四维度和第五维度,并且第六步幅小于第四步幅。在这些实施例中,第二处理块还包括第二重组层,所述第二重组层之后是第四激活层,其中,第二重组层被可操作地耦合至第三并行路径和第四并行路径两者。
在这些实施例的一些实施例中,多个块还包括第三处理块,所述第三处理块还包括:第三下采样块,所述第三下采样块将到第三下采样块的第三输入下采样为第三下采样图像数据;以及第三残差网络,所述第三残差网络在第三下采样块之后,其中,第三处理块中的第三下采样块和第二残差网络中的每一个都包括至少一个第三卷积层。
在紧接前述实施例中的一些实施例中,第三下采样块包括第七卷积核,所述第七卷积核具有第七维度和针对第七深度的第七步幅,并且第七维度大于一乘一,并且第七步幅大于一。附加地或替代地,第七卷积核之后是第三批量归一化层,第三批量归一化层之后是第三下采样块中的第五激活层。
此外,第三残差网络可以包括第五并行路径和第六并行路径,所述第五并行路径和所述第六并行路径两者都从第三下采样层接收第三下采样块输出,并且在一些实施例中第六并行路径包括小于第五并行路径的第三较大过滤器大小的第三较小过滤器大小,且第五并行路径包括多个第八卷积核,所述第八卷积核至少具有第八维度和针对深度值的第八步幅,第八维度低于第七维度并且大于一乘一,并且第八步幅小于第七步幅。
在一些实施例中,确定第一计数还可以包括:在1116A处,至少通过沿着第六并行路径利用具有第九维度和第九步幅的第九卷积核处理第三下采样块输出来减少空间信息的第三损失,其中,第九维度小于第七维度和第八维度,并且第九步幅小于第七步幅,其中,第三处理块还包括第三重组层,所述第三重组层之后是第六激活层,其中,第三重组层被可操作地耦合至第五并行路径和第六并行路径两者。
在这些实施例的一些实施例中,多个块还包括第四处理块,所述第四处理块还可以包括多个转置卷积层,所述多个转置卷积层中的每个转置卷积层之后是各自的归一化层,其中,所述多个转置卷积层中的转置卷积层具有与第一处理块中的至少一个第一卷积层或第二处理块中的至少一个第二卷积层相同的步幅数。在紧接前述实施例中的一些实施例中,转置卷积层的数量对应于比第一处理块和第二处理块中的卷积层的总数少至少一的值。
在一些实施例中,卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得卷积神经网络中没有卷积层具有一乘一过滤器。附加地或替代地,卷积神经网络不包括池化层;并且将第一图像数据预处理成第一预处理图像数据包括:至少部分地基于感兴趣区域或第一图像数据的类型至少将第一图像数据缩减成第一预处理图像数据,其中,第一图像数据的类型对应于在其间捕获第一图像数据以分析生物样本的操作,并且该操作包括导出操作或导入操作。
在一些实施例中,确定第一计数还可以包括:在1118A处至少部分地基于生物样本的第一几何特性和感兴趣区域的第二几何特性来确定第一图像数据的像素大小,其中,生物样本的第一几何特性包括生物样本的直径、大直径、小直径或面积,并且感兴趣区域的第二几何特性包括感兴趣区域或其一部分的宽度或长度。
在这些实施例中的一些实施例中,确定用于第一计数的确定的第一类别或类型还可以包括:在1120A处,通过使用卷积神经网络的至少第一处理块来处理多个低级特征;在1122A处,通过使用卷积神经网络的至少第三处理块来处理多个抽象特征;以及在1124A处确定第一类别或类型或对应于第一类别或类型的第一统计量,其中,第一统计量包括第一图像数据中的一个或多个像素表示对应生物样本特性的第一概率。
图11B-1和图11B-2示出了在一个或多个实施例中关于图11A-1中所示的高级流程图的一部分的更多细节。更具体地,图11B-1和图11B-2示出了关于确定图11A-1中所示的生物样本(1108A)的第一计数的更多细节。在这些一个或多个实施例中,确定第一计数可以包括:在1102B处至少使用具有多个处理块的卷积神经网络(CNN)从在第二时间点或时间段捕获的感兴趣区域的第二图像数据确定生物样本的第二计数。在1104B处,可以至少通过在图形用户界面(GUI)的图库视图中顺序地呈现第一图像数据的一部分和第二图像数据的一部分来重放感兴趣区域的视频或图像序列。
附加地或替代地,确定生物样本的第二计数可以包括:在1106B处,接收在第一时间点针对微流体装置中的感兴趣区域捕获的第二图像数据;以及在1108B处,至少通过将第二图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列来将第二图像数据预处理成第二预处理图像数据。在这些实施例中,将第二图像数据预处理成第二预处理图像数据包括:至少部分地基于感兴趣区域或第二图像数据的类型而至少将第二图像数据缩减成第二预处理图像数据,其中,第二图像数据的类型对应于在其间捕获第二图像数据以用于分析生物样本的单独操作,并且单独操作包括导出操作、导入操作、单独导出操作或单独导入操作。
在一些实施例中,确定第二计数还可以包括:在1110B处利用至少一个机器学习模型将第二图像数据分类为第一类别或类型;以及在1112B 处,至少通过利用具有多个处理块的卷积神经网络识别生物样本来至少部分地基于第一类别或类型而确定感兴趣区域中在第二时间点的生物样本的第二计数。在这些实施例的一些实施例中,确定第二计数还可以包括:在 1114B处从第一图像数据确定一个或多个第一图像,所述一个或多个第一图像包括与第一计数相关并且在时间上对应于第一时间点或时间段的第一信息。另外,可以在1116B处从第二图像数据确定一个或多个第二图像,所述一个或多个第二图像包括与第二计数相关并且在时间上对应于第二时间点或时间段的第二信息;并且可以在1118B处至少通过在图形用户界面中以时间序列动态地呈现一个或多个第一图像和一个或多个第二图像来呈现生物样本的至少一部分的时间进度。
图12A-图12F示出了根据一个或多个实施例的一些示例微物体分离示例。更具体地,一旦计算了一组顶点,该组顶点可以与OET和/或DEP力组合使用以移动微物体。图12A-图12F示出了根据本发明的各种实施例的微物体分离。图12A示出了指定空间区域内的一组微物体的Delauney三角测量和对应的Voronoi图。图12B示出了没有Delauney三角测量的对应 Voronoi图。图12C示出了通常用于移动叠加在Voronoi图上的微物体的光笼。图12D示出了通过计算图12C的典型光笼与Voronoi图之间的交点而生成的修改的光笼。图12E示出了使用修改的光笼分离彼此紧密接近的微物体。图12F示出了分离的微物体。
在一个实施例中,通过生成链接该组顶点的顶点子集的多个光条来生成一个或多个光笼,其中,顶点子集包括最接近并围绕待移动的每个微物体的顶点(或由其组成)。例如,图12B中所示的任何多边形形状可以用于限定围绕微物体的光笼。在某些实施例中,以这种方式形成的光笼可以收缩,从而将光笼内的微物体与指定空间区域中的其他微物体和/或光笼分离。在其他实施例中,可以通过将“标准”光笼设计(例如正方形或圆形) 叠加在多边形形状上(参见图12C)并生成由标准光笼设计和多边形形状的交叉产生的光笼(如图12D所示)来限定光笼。在该示例中,顶点和光笼的交叉被定义为光笼不交叉或重叠的区域,从而允许重新绘制“标准”光笼,使得其不干扰其他微物体。无论形成方法如何,一旦形成,光笼就可以用于通过将微物体彼此远离地移动来重新定位微物体来分离微物体。在一些情况下,当微物体被重新定位时,可以重新绘制修改的光笼,使得当微物体处于最终位置中时绘制原始光笼。
在各种实施例中,可以使用非标准(或“修改的”)光笼来重新定位微物体。根据实施例,用于两个接近微物体的修改的光笼用于在计算和选择每个微物体的轨迹和到隔离坞的分配之前或之后重新定位微物体。在一些实施例中,修改的光笼用于迭代地或顺序地重新定位微物体。另外,修改的光笼可以用于在其分配的隔离坞中围栏微物体。在一些实施例中,在重新定位或围栏其他微物体之前,可以重新定位或围栏最靠近空间区域的周边或在空间中最靠近在一起的微物体。
图13A示出了根据一个或多个实施例的卷积神经网络的简化示意图。图14A-图14C示出了根据一个或多个实施例的残差网络、下采样块和上采样块的示意图。图14D-图14G示出了一个或多个实施例中的关于卷积神经网络的更多细节。在各种实施例中,提供了卷积神经网络(或CNN),如例如图13A的神经网络1300A所示。与示例神经网络相关的附加细节在图 14A-图14G中示出,并且可以在描述该实施例时仅用于参考目的,因为由图14A-图14G捕获的CNN特征可以与图13A的所示网络或本文的各种其他实施例结合使用。
当对CNN进行编程时,输入是具有形状(图像数量)×(图像高度) ×(图像宽度)×(图像深度)的张量。然后,在通过卷积层之后,图像被抽象为具有形状(图像数量)×(特征图高度)×(特征图宽度)×(特征图通道)的特征图。卷积层对输入进行卷积并将其结果以类似于视觉皮层中的神经元对特定刺激的反应的方式传递给下一层。尽管完全连接的前馈神经网络可以用于学习特征以及对数据进行分类,但将这种完全连接的前馈神经网络架构应用于图像是不切实际且过于昂贵的。
更具体地,由于与图像相关联的非常大的输入大小(其中每个像素是相关变量),即使在浅(与深相反)网络架构中,也可能需要非常高数量的神经元。例如,大小为100(像素)×100(像素)的(小)图像的全连接层对于第二层中的每个神经元具有10,000个权重。卷积运算带来了解决这一问题的解决方案,因为卷积减少了自由参数的数量,从而允许网络在较少参数的情况下更深。例如,不管图像大小如何,大小为5×5的平铺区域 (每个具有相同的共享权重)仅需要25个可学习参数。通过在较少参数上使用正则化权重,可以避免在传统神经网络中的反向传播期间看到的消失梯度和爆炸梯度问题。
此外,在卷积层中,神经元仅从前一层的受限子区域接收输入。传统地,子区域具有正方形形状(例如,大小5×5)。在一些实施例中,子区域具有矩形形状,而不是如传统卷积那样的正方形形状。神经元的输入区域可以被称为神经元的感受野(receptive field)。因此,在完全连接层中,感受野是整个先前层。在本文描述的卷积层中,接收区域小于整个先前层。在一些实施例中,在如本文所述的更深的卷积神经网络中,由于重复应用考虑特定像素的值以及一些周围像素的值的卷积,感受野中的原始输入图像的子区域随着在卷积神经网络架构中变得更深而越来越增长。
在一些实施例中,将神经元连接到先前体积中的所有神经元可能是不切实际的,因为这样的网络架构在处理诸如图像的高维输入时没有考虑数据的空间结构。在这些实施例中,卷积神经网络可以通过在相邻层的神经元之间实施稀疏局部连接模式来利用空间局部相关性:每个神经元仅连接到输入体积的小区域。这种连接的程度对应于神经元的超参数(例如,感受野)。连接在空间上是局部的(沿着宽度和高度),并且沿着输入体积的整个深度延伸。在这些实施例中,这种卷积神经网络架构确保经学习的过滤器产生对空间局部输入模式的最强响应。
卷积层的参数包括一组可学习的过滤器(或内核),其具有小的感受野,但是延伸通过输入体积的整个深度。在一些实施例中,在正向传递期间,可以跨输入体积的宽度和高度对每个过滤器进行卷积,从而计算过滤器的条目与输入之间的点积并且产生该过滤器的二维激活图。在这些实施例中,卷积神经网络学习当其在输入中的某个空间位置处检测到某种特定类型的特征时激活的一组可学习过滤器。
此外,沿着深度维度堆叠所有过滤器的激活图形成卷积层的全部输出体积。因此,输出体积中的每个条目也可以被解释为查看输入中的小区域并与相同激活图中的神经元共享参数的神经元的输出。
在图13A中,神经网络1300A包括第一下采样块1310A、第二下采样块1330A和第三下采样块1350A,以及相关联的第一处理块(或残差网络块)1320A、第二处理块1340A和第三处理块1360A。第一下采样块1310A 接收输入图像1301A。如图所示,每个下采样块之后可以是其相关联的处理(或残差)块。如下面详细讨论的,处理(或残差)块可以是单分支或多分支的。
CNN可以包括多个下采样块(诸如,例如图13A中的三个),其中,每个下采样块可以包括下采样卷积层(Conv)、批量归一化(Norm)层和包括门函数的激活层。
图14B示出了下采样块的示例,该下采样块接受输入1471B并提供输出1479B,并且包括具有内核大小D×D的Conv 1474B、批量归一化层1476B和激活层1478B。激活层可以是例如ELU(指数线性单元)层或ReLU (整流线性单元)层。在各种实施例中,激活层直接从批量归一化层接收图像数据,批量归一化层直接从下采样卷积层接收图像数据。下采样卷积层可以用于降低其接收的图像数据的空间分辨率。这将参考图14D-图14G更详细地讨论。
处理块(或残差网络块)可以是单分支处理块或多分支处理块,其中每个分支处理来自前一个下采样块的输出,然后组合两个分支的输出以产生下采样的激活图以供进一步下采样或上采样到最终输出。
图14B示出了多分支处理块1400A(或残差网络块)的示例,所述多分支处理块被配置为从上游下采样块(未示出,参见与图19相关的讨论) 接受输入1405A(例如,以激活图的形式)。块1400A包括第一分支1410A 和第二分支1440A。第一分支1410A包括具有N×N的内核的第一卷积层 1415A(Conv)、从第一Conv 1415A接收数据的第一批量归一化(norm) 层1420A、从第一批量归一化层1420a接收数据的第一激活层1425A(其可以包括或用作门控函数)、具有M×M的内核的第二Conv 1430a(其接收通过第一激活层1425A的数据)、以及从第二Conv 1430A接收数据的第二批量归一化层835。应注意,Conv 1415A(N×N)和1430A(M×M)的内核可以具有相同的大小或者可以不同。如图14D-图14F所示(下面讨论),来自所示残差网络中的串行Conv(卷积)的内核是相同的(3×3)。无论如何,Conv 1415A/1430A通常优选具有大于1×1的内核。
第二分支1440A包括第三Conv 1445A、从第三Conv 1445A接收数据的第三批量归一化层1450A以及从第三批量归一化层1450A收数据的第二激活层1455A(其可以包括或充当门控函数)。块1400A还包括重组层 1460A,其从第二批量归一化层1435A和通过第二激活层855的数据接收数据。最后,块1400A包括块激活层1462A,在从块1400A产生输出1464A 用于进一步处理之前,该块激活层可以用作从重组层1460A接收的数据的门控函数(gatingfunction)。如上所述,激活层可以是例如ELU或ReLU。在各种实施例中,激活层是ELU。
在图14A-图14C中,第二分支1440A在比第一分支1410A更小的程度上处理从前一个下采样块接收的图像数据。特别地,第二分支1440A的第三Conv 1445A使用1×1的过滤器窗口(或维数或内核),而第一分支1410A 的第一和第二Conv 1415A/1430A分别使用N×N和M×M的过滤器窗口 (或维数或内核),如上所述通其常将大于1×1。考虑诸如例如图像类型、图像质量、物体类型、物体大小、物体形状、输出要求、时间约束、步幅长度(下面讨论)和功率/处理资源的因素,可以根据需要,在需要的时候调整这些过滤器窗口。例如,第一和第二Conv 1415A/1430A可以使用3×3 的过滤器窗口(或维数)(参见下面示出该过滤器窗口大小的图14D-14G)。
虽然图14A-图14C中的两个分支都具有步幅为一的Conv,但是步幅也可以不同。然而,为了允许重组层1460A是有效的,将第一分支1410A上的Conv 1415A/1430A的步幅相乘的乘积可以等于第二分支1440A的Conv 1445A的步幅。
在激活步骤之前插入批量归一化层提供了有助于最小化内部协变量偏移的优点。通过这样插入批量归一化层,并且通过扩展,批量归一化层可以在Conv之后对Conv的输出进行归一化,由此将归一化数据提供至激活步骤,从而允许更稳定的激活分布。通过在反向传播过程期间最小化内部协变量偏移,可以经由更高的学习速率(权重更新的程度)更积极地完成训练神经网络,从而导致更快的CNN学习而没有效率和准确性的损失,因为 CNN朝向网络中给定过滤器的最佳参数而努力。
此外,添加具有最小处理信息的分支(例如,1×1Conv分支)的残差网络允许在训练期间更容易学习。该最小化处理的分支提供了更直接的路径来跟踪早期参数对最终结果的影响。实际上,该分支用于与给定残差网络内的跳过连接(下面更详细地讨论)大致相同的目的,从而允许一些信息不变地通过网络,以便不丢失在下采样期间可能丢失的空间信息。
总之,因此,与本领域已知的神经网络相比,单独使用残差网络以及与批量归一化层组合使用残差网络允许在训练期间更容易和更有效的学习。该优点是通过例如在下采样期间保留更多的空间信息并最小化内部协变量偏移来实现的。还使用跨步(下面更详细地讨论)(跨步允许在下采样期间比已知方法(诸如池化)更多的重叠)以及跳过连接(跳过连接允许在神经网络过程期间前馈较少处理的信息(在如上所讨论的下采样步骤内并且在如下面将讨论的上采样步骤之前)来实现最小化空间信息的损失。池化层通过将一层处的神经元群集的输出组合成下一层中的单个神经元来减少数据的维度。局部池化组合了小集群(例如,2×2)。全局池化作用于卷积层的所有神经元。池化可以计算最大值或平均值。最大池化使用来自先前层处的神经元集群中的每个神经元集群的最大值。平均池化使用来自先前层处的神经元集群中的每个的平均值。各种实施例可以采用一个或多个局部池化层、一个或多个全局池化层、一个或多个平均池化层、一个或多个最大池化层或其任何组合。
通过使用多分支残差网络,特别是其中一个分支使用1×1过滤器窗口 (即,未下采样),允许神经网络进一步卷积来自前一Conv的输出数据,同时保持相同的分辨率,以确保在重组层860处将作为单个窗口的每个像素的分析与来自另一分支(其可以在更大的内核或过滤器尺寸下经历多次卷积)的数据组合,以输出准备用于进一步下采样的质量图像数据(未从前一 Conv下采样)。
返回到图13A,神经网络1300A还包括第一上采样块1370A、第二上采样块1380A和第三上采样块1390A,其中输出1399A在第三上采样块 1390A之后。每个上采样块可以包括转置卷积(或去卷积,deconvolutional) 层、上采样批量归一化层和包括门函数的上采样激活层。
图14C示出了上采样块的示例,该上采样块接受输入1481C并提供输出1489C,并且包括具有内核大小Z×Z的转置Conv 1484C、批量归一化层 1486C和激活层1488C。将参考图14D-图14G更详细地讨论这些子组件。每个上采样块的转置卷积层可以被配置为增加其接收的图像数据的空间分辨率,从而重建下采样的输出。另外,上采样块中的一个或多个还可以包括重组层,由此来自上采样批量归一化层的图像数据与来自先前残差网络块的图像数据合并(经由跳过连接,下面讨论)。
关于神经网络的架构,上采样块的数目可以被配置以等于下采样块的数目。在各种实施例中,神经网络具有n个下采样块、n个残差网络(或处理)块、n个上采样块和包括重组层的n-1个上采样块(参见图14G的讨论)。如下面将更详细地讨论的,由于空间分辨率在下采样过程期间会略微地(fractionally)减小,可能期望以相同的分数(fractional)速率增加空间分辨率。例如,如果每次通过下采样块(或组合的下采样和残差网络块)将空间分辨率减半(1/2),则反过来将空间分辨率加倍(2倍)回到原始图像尺寸可能是最有效的。这可以导致相等数量的下采样块和上采样块。
例如,在图13A中,每个Conv将图像数据的空间分辨率减小2倍,并且每个转置Conv将图像数据的空间分辨率增加2倍。空间分辨率的减小可以例如通过一次滑动卷积过滤器(或内核)两个像素来实现。该两像素滑动被称为步幅长度。在一次滑动两个像素的情况下,步幅将为2。通过使用步幅长度2,Conv可以通过将从Conv输出的激活图的尺寸减半来进行下采样。
然而,通过跨步而不是如上所教导的池化,可以避免池化中可能固有的空间信息的丢失。过滤器大小确定有多少局部信息被拉入单个像素分析以影响网络中下一层的每个像素。通常,过滤器大小是奇数,以便以感兴趣的像素为中心。例如,5×5过滤器将检查周围的24个像素以分析给定区域的一个中心像素。通过池化,检查第一区域以有效地确定对应于该第一区域中的像素的单个值。一旦过滤器移动到第二区域上,则在该过滤器扫描期间不再分析第一区域中的像素。取决于所进行的图像分析的类型(例如,检测到的物体类型),这可能导致非常误导、粗略或不准确的结果。
另一方面,使用步幅理论,一旦检查了第一区域(例如5×5区域),并且两像素步幅发生到第二区域(也在5×5处),则将清楚地存在重叠,使得像素点将被多于一次地查看并且被考虑到多个像素的决策中,始终仍然允许下采样,因为两像素步幅采样的最终结果将导致图像输出(激活图输出)的大小是先前的一半。因此,在跨步的情况下,与池化相比,下采样将以少得多的空间信息损失发生。用于确定适当步幅长度的因素包括例如图像类型、图像质量、物体类型、物体大小、物体形状、输出要求、时间约束和功率/处理资源。
如图所示,如果输入图像1301A的空间分辨率是X,则下采样块 1310A可以将空间分辨率减小一半到X/2,然后通过下采样块1330A减小到 X/4,然后通过下采样块1350A减小到X/8。然后,上采样块1370A可以将 X/8输入加倍到X/4,块1380A将X/4输入加倍到X/2,并且块1390A将 X/2输入加倍到X,或者在输出1399A处加倍到原始大小。图13A在视觉上表示这一点,其中每个下采样块的高度减小并且每个上采样块的高度增加。
随着下采样的进行,CNN可以被设计为增加其处理的特征复杂度,从较低级别的特征分析到较高级别的特征分析。如前所述,为了进一步使 CNN能够检测更复杂的特征,可以添加附加的Conv以分析来自先前Conv (即,激活图)的输出。例如,如果第一Conv寻找诸如曲线或边缘的基本特征,则第二Conv可以寻找诸如形状的更复杂的特征,其可以是在较早的 Conv中检测到的各个特征的组合。通过提供一系列Conv,CNN可以检测越来越高级的特征以最终达到特定的期望物体检测。此外,当Conv堆叠在彼此之上时,分析先前的激活图输出,堆叠中的每个Conv自然地通过在每个Conv级别处发生的缩小来分析越来越大的感受野,从而允许CNN在检测感兴趣物体时响应于像素空间的增长区域。
在图13A中,每个Conv和处理块将通道深度增加2倍,并且每个上采样块将通道深度减小2倍,直到第三上采样块1390A。如图所示,在下采样块1310A和处理块1320A处,使用32个通道或过滤器。在下采样块 1330A和处理块1340A处,通道的数量是64。最后,下采样块1350A和处理块1360A使用128个通道。相反,上采样块1370A将通道减半回到64,上采样块1380A将其减半到32,并且上采样块1390A将其减半到3(其重要性将在下面更详细地讨论)。图13A在视觉上总体上表示随着每个下采样块的宽度增加和每个上采样块的宽度减小(除了最终块1390A)的通道使用的这种增加和减少。
虽然空间分辨率的变化率(原始、X/2、X/4、X/8、X/4、X/2、原始) 几乎与通道深度率(0、32、64、128、64、32、3、0)相反,但这对于CNN 架构而言不是必需的。然而,空间分辨率与通道数量的一致变化有利地允许CNN通过用输入数据(激活图维度)的顺序减小来抵消过滤器深度的顺序增加而最大化输出1399A的时间、处理功率和质量。实际上,由于对 CNN的处理需求随着通过每个连续下采样块的过滤器深度而增加,CNN通过减少通过每个连续下采样块的图像阵列输入(激活图维度)来抵消这一点,以允许CNN跨更大深度分析更小的输入。相应地,发生相反情况以使上采样块回到输出1399A。
图像体积的重建也可以通过跳过架构形式来辅助。例如,插入神经网络内的跳过连接可以将信息从较早的下采样层投影到稍后的上采样层,使得该较早的、最小处理的信息成为重建过程的一部分。在不使用跳过架构的情况下,在初始Conv层中捕获的一些信息(其可以在上采样期间极大地辅助重构)将在下采样过程期间丢失。换言之,这种有价值的信息将被下采样到可能变得太抽象而不能进一步使用的程度。使用跳过架构将该信息从主要层馈送到稍后的上采样层允许较早的信息被保留并用于有效的上采样。
在各种实施例中,神经网络可以包括:第一上采样块,其具有(例如,经由跳过连接)从第二残差网络块接收图像数据的重组层;第二上采样块,其具有(例如,经由跳过连接)从第一残差网络块接收图像数据的重组层;以及第三上采样块,其不包括重组层。
在图13A中,例如,提供了第一跳过连接1392A和第二跳过连接 1394A。第一跳过连接1392A以X/2分辨率将来自处理块1320A的输出信息前向馈送到上采样块1380A的重组层,也以X/2分辨率后批量归一化(下面讨论的)。经由该跳过连接,神经网络以与对应的上采样块相同的分辨率提供较早且最少处理的信息,以允许更准确和有效的上采样。第二跳过连接1394A功能类似,其以X/4分辨率将来自处理块1340A的输出信息前向馈送到上采样块1370A的重组层,也以X/4分辨率后批量归一化(下面讨论的)。
如上所述,CNN可以用于许多目的,包括图像分类和图像检测(以及图像内的物体检测)。因此,取决于CNN的目标,输出必须回答对CNN 提出的主要问题。在本文中的各种实施例中,CNN用于图像检测。在各种实施例中,可以使用图像检测来检测感兴趣的物体。在各种实施例中,感兴趣的物体可以是微物体。在各种实施例中,图像检测可以用于将微物体分类为多个微物体类型中的至少一个。在各种实施例中,微物体是生物细胞。在各种实施例中,生物细胞是免疫细胞,诸如例如T细胞、B细胞、 NK细胞、巨噬细胞或其组合。在各种实施例中,生物细胞是来自细胞系的细胞(例如,CHO细胞)或癌细胞。在各种实施例中,生物细胞是卵母细胞、精子或胚胎。
关于图13A的上采样块790中所示的三个通道的使用,在各种实施例中,利用CNN的系统从图像输入获得微物体计数。该系统可以通过注释输入图像的多个像素来这样做,该组中的每个像素注释表示图像中的对应像素表示对应微物体特性的概率。从该分析中,可以获得微物体计数。在各种实施例中,多个微物体特性包括至少三个微物体特性。在各种实施例中,多个微物体特性至少包括微物体中心、微物体边缘和非微物体(或细胞中心、细胞边缘和非细胞)。图13A的上采样块1390A通过其三个通道深度示出了这三微物体表征。因此,图13A的最后一个上采样块1390A提供了神经网络1300A确定准确的微物体(例如,细胞)计数所需的物体表征。
图14D-图14G示出了根据各种实施例的更详细的卷积神经网络(CNN) 1400D的示意图。该示意图结合了上面讨论的许多神经网络原理,因此,将不再详细重复这些原理。然而,应注意,虽然原理可以是类似的,但是在本文的各种实施例中使用的参数都可以基于如上所讨论的特定原因而变化,这些原因包括例如图像类型、图像质量、物体类型、物体大小、物体形状、输出要求、时间约束和功率/处理资源。因此,在图14D-图14G的示意图中使用的参数仅是示例。
出于定向目的,图14D从左到右示出了根据各种实施例的第一下采样块1410D,随后是第一残差网络块1420D。图14E从左到右示出了根据各种实施例的第二下采样块1430E,其从(图14D的)第一残差网络块1420D 接收数据,随后是第二残差网络块1440E。图14F从左到右示出了根据各种实施例的第三下采样块1450F,其从(图14E的)第二残差网络块1440E接收数据,随后是第三残差网络块1460F。图14G从左到右示出了第一上采样块1470G、第二上采样块1480G和第三上采样块1490G。第一上采样块1470G从第三残差网络块1460C(图14F)接收数据,并且包括第一上采样重组层1476G,由此来自第一上采样块1470G的批量归一化层的数据与经由第二跳过连接1494E自第二残差网络块1440E的最终ELU层1448G向前馈送的数据重组。类似地,第二上采样块1480G包括第二上采样重组层 1486G,由此来自第二上采样块1480G的批量归一化层的数据与经由第一跳过连接1492D自第一残差网络块1420D的最终ELU层1428D向前馈送的数据重组。
返回参考图14D,CNN 1400D包括被配置为接收图像输入1401D的第一下采样块1410D。第一下采样块1410D包括第一Conv 1412D、第一批量归一化层1414D和第一激活层1416D(例如,图14D中的ELU)。第一Conv 1412D可以具有用于内核大小和步幅的不同参数。这里,内核是5×5并且步幅是两个像素。来自层1416D的输出馈送第一残差网络块1420D,其包括第一分支1422D和第二分支1424D。对于残差网络的布局的一般讨论,参见图14A-14。在第一分支1422A中,两个Conv具有3×3的内核大小。图14D还示出了第一跳过连接1492D的开始,该第一跳过连接向前馈送在第一重组层1426D和第一ELU 1428D之后输出的数据,如上所讨论的。还要注意,CNN 1400D的该阶段的缩小是2倍(下采样到1/2空间分辨率),并且在该阶段使用32个特征通道。
参考图14E,CNN 1400E还包括第二下采样块1430E,其包括第二 Conv 1432E、第二批量归一化层1434E和第二激活层1436E(例如,图14E 中的ELU)。第二下采样块1430E被配置为从第一ELU 1428D接收输出。第二Conv 1432E可以具有用于内核大小和步幅的不同参数。这里,内核再次是5×5,并且步幅再次是两个像素。来自层1436E的输出馈送第二残差网络块1440E,该第二残差网络块包括第三分支1442E和第四分支1444E。对于残差网络的布局的一般讨论,参见图14A-14C。在第一分支1442E 中,两个Convs具有3×3的内核大小。图14E还示出了第二跳过连接 1494E的开始,该第二跳过连接向前馈送在第二重组层1496E和第二ELU 1448E之后输出的数据,如上所讨论的。还要注意,与图14D的前一级相比,CNN 1400E的该阶段的缩小是2倍(与原始相比,下采样到1/4空间分辨率),并且在该阶段使用64个特征通道。
参考图14F,CNN 1400F的部分包括第三下采样块1450F,其包括第三Conv 1452F、第三批归一化层1454F和第三激活层1456F(例如,图14F中的ELU)。第三下采样块1450F被配置为从第二ELU 1448F接收输出。第三Conv 1452F可以具有用于内核大小和步幅的不同参数。这里,内核再次是5×5,并且步幅再次是两个像素。来自层1456F的输出馈送第三残差网络块1460F,该第三残差网络块包括第五分支1462F和第六分支1464F。对于残差网络的布局的一般讨论,参见图14A-14C。在第五分支1462F中,两个卷积具有3×3的内核大小。还要注意,CNN 1400F的该阶段的缩小是2倍(下采样到1/8空间分辨率),并且在该阶段使用128个特征通道。第五分支1462F和第六分支1464F的输出可以在组合输出被传输到线性单元1468F(例如,指数线性单元、整流线性单元(ReLU)等)之前在组合层 1466F中组合。
参考图14G,CNN 1400G的该部分包括第一上采样块1470G、第二上采样块1480G和第三上采样块1490G。第一上采样块1470G包括第一上采样Conv 1472G、第一上采样批量归一化层1474G、第一上采样重组层 1476G和第一上采样激活层1478G(例如,ELU)。第一上采样重组层1476G 被配置为从第一跳过连接1492G接收输入,将该输入与来自第一上采样批量归一化层1474G的输出组合,并将该组合输出馈送到第一上采样激活层 1478G。如上面参考下采样Conv 1412D/1432E/1452F所讨论的,上采样 Conv层可以具有用于内核大小和步幅的不同参数。这里,对于第一上采样 Conv 1472G,内核是5×5,并且步幅是两个像素。还要注意,相对于来自第三残差网络1460F的输出,CNN 1400G的该阶段的放大是2倍(上采样到1/4空间分辨率),并且在该阶段使用64个特征通道。
第二上采样块980包括第二上采样Conv 1482G、第二上采样批量归一化层1484G、第二上采样重组层1486G和第二上采样激活层1488G(例如, ELU)。第二上采样重组层1486G被配置为从第二跳过连接1494E接收输入,将该输入与来自第二上采样批量归一化层1484G的输出组合,并将该组合输出馈送到第二上采样激活层1488G。如上面参考下采样Conv1412D/1432E/1452F所讨论的,上采样Conv层可以具有用于内核大小和步幅的不同参数。这里,对于第二上采样Conv 1482G,内核是5×5,并且步幅是两个像素。还要注意,相对于来自第一上采样块1470G的输出,CNN 1400G的该阶段的放大是2倍(上采样到1/2空间分辨率),并且在该阶段使用32个特征通道。
第三上采样块1490G包括第三上采样Conv 1492G、第三上采样批量归一化层1494G和第三上采样激活层1496G(例如,ELU)。层1496G产生用于CNN 1400G的输出1499G。如上面参考下采样Conv 1412D/1432E/1452F所讨论的,上采样Conv层可以具有用于内核大小和步幅的不同参数。这里,对于第三上采样Conv 1492G,内核是5×5,并且步幅是两个像素。还要注意,相对于来自第二上采样块1480G的输出,CNN 1400G的该阶段的放大是2倍(上采样到原始空间分辨率),并且在该阶段使用三个特征通道。
如上面关于图13A所讨论的,在各种实施例中,利用CNN的系统从图像输入获得微物体计数。该系统可以通过注释输入图像的多个像素来这样做,该组中的每个像素注释表示图像中的对应像素表示对应微物体特性的概率。从该分析中,可以获得微物体计数。在各种实施例中,多个微物体特性包括至少三个微物体特性。在各种实施例中,多个微物体特性至少包括微物体中心、微物体边缘和非微物体(或细胞中心、细胞边缘和非细胞)。图14G的上采样块1490G通过其三通道深度示出了这三个微物体表征。因此,图14G的最后一个上采样块1490G提供神经网络1400G确定准确的微物体(例如,细胞)计数所需的物体表征。
根据各种实施例,公开了用于自动检测图像中的微物体的系统和方法。在各种实施例中,微物体是生物细胞。在各种实施例中,生物细胞是免疫细胞,诸如例如T细胞、B细胞、NK细胞、巨噬细胞或其组合。在各种实施例中,生物细胞是来自细胞系的细胞(例如,CHO细胞)或癌细胞。在各种实施例中,生物细胞是卵母细胞、精子或胚胎。
图15示出了根据一个或多个实施例的用于自动检测图像中的微物体的方法的简化示例流程图。更具体地,图15是示出根据各种实施例的用于自动检测图像中的微物体的方法的示例流程图。该示例流程图可以在例如图16的系统1600上执行,如下面将详细描述的。如本文所描绘的,可以由系统1600的图像获取单元1602的成像元件1606执行的步骤1510包括接收微流体装置的图像数据。
如本文所描绘的,步骤1520详述了可以由系统1600的图像获取单元 1602的图像预处理引擎1608实现的示例工作流程步骤。在步骤1520处,该方法包括预处理图像数据以减少图像数据中的异常。
如本文所描绘的,步骤1530详述了可以由系统1600的微物体检测单元1604的神经网络1610实现的示例工作流程步骤。在步骤1530处,该方法使用神经网络处理图像中的像素数据,以根据多个微物体特性注释像素数据并且输出像素数据中的每个像素的概率值。输出概率值可以是多个像素掩模的形式,每个掩模对应于来自多个微物体特性的微物体特性。每个掩模可以包括关于与该掩模相关联的特定微物体特性的图像的一组像素注释(或一组概率值)。
如本文所描绘的,步骤1540-1550详述了可以由系统1600的微物体检测单元1604的阈值引擎1612实现的示例工作流程步骤。在步骤1540处,该方法包括应用阈值以确定哪些像素概率至少满足定义的阈值。
如本文所描绘的,步骤1540详述了可以由系统1600的微物体检测单元1604的检测引擎1614实现的示例工作流程步骤。在步骤1550处,该方法包括基于在阈值应用之后可识别的微物体的数量来确定微物体计数。
图16示出了根据一个或多个实施例的用于自动检测图像中的微物体的简化示例系统。更具体地,图16示出了根据各种实施例的用于自动检测图像中的微物体的系统的示例示意图。如本文所描绘的,系统1600可以包括图像获取单元1602、图像预处理引擎1608、微物体检测单元1604和用于输出最终微物体的输入/输出装置(I/O装置)1616。
I/O装置1616可以被配置为包括例如图5O中所示的系统的相关联的显示装置和/或输入装置512O,其可以是可以被传送到例如图像获取单元 1602、图像预处理引擎1608、微物体检测单元1604或其组合的数据(例如,参数、用户要求等)的形式。I/O装置1616还可以被配置为经由例如图5O中所示的系统的相关联的显示装置和/或输入装置512O接收用户输入,该用户输入可以是可以被传送到例如图像获取单元1602、图像预处理引擎1608、微物体检测单元1604或其组合的数据(例如,参数、用户要求等)的形式。替代地或组合地,计算机系统的输入装置512O(例如,图5O) 也可以用于将用户输入、参数等直接传送到例如图像获取单元1602、图像预处理引擎1608、微物体检测单元1604或其组合。此外,I/O装置1616可以被配置为在嵌入式显示装置上显示从例如检测引擎1614接收的数据或图像。装置1616还可以被配置为将数据或图像传送到单独的显示器以用于数据或图像显示。
图像获取单元1602可以包括成像元件1606(诸如但不限于一个或多个相机、一个或多个图像传感器等)。替代地,单元1602还可以被配置为包括(或容纳)图像预处理引擎1608。
成像元件1606可以被配置为捕获一个或多个图像(或图像数据)。图像可以是例如微流体装置的多个腔室(例如,隔离坞)和/或周围结构(例如,通道)的图像。微流体装置可以包括本文描述的各种示例中的任何一个 (诸如但不限于上面图3A-图3E中描绘的微流体装置100、200、230等)。微流体装置可以包括流动区域和可以流体连接到流动区域的腔室或多个腔室,其中,每个腔室可以容纳一个或多个微物体。如前所述,腔室可以是例如隔离坞。应当理解,腔室可以具有它们所用于的特定应用所需的任何形状、大小或定向。流动区域可以是单个微流体通道或多个微流体流动通道 (诸如但不限于如图3A中描绘的通道122A,以及如上面图3G中描绘的流动通道264),其提供单个流动路径或多个流动路径(诸如但不限于上面图 3A中描绘的流动路径106A)。流动区域可以与单个或多个腔室流体连通。替代地,流动区域可以经由可逆闭合件(诸如,例如阀)与单个腔室或多个腔室流体连通。流动区域可以被配置为经由如前所述的入口接收材料流。材料流可以包括例如微物体、粘合剂或试剂的流,或包括材料的介质流。
在各种实施例中,成像元件1606还可以被配置为在向前发送以进行进一步处理之前调整捕获的图像的大小。例如,可通过合并(binning)(例如,四个像素到一个像素)来实现调整大小。根据各种实施例,图像预处理引擎1608可以被配置为准备图像以供进一步分析。例如,如果捕获图像在被引擎1608接收之前被合并,则引擎1608可以对图像调整大小至全尺寸以补偿合并。引擎1608可以使用例如像素值之间的线性插值来调整大小。引擎1608可以根据需要将图像翻转和/或旋转到期望的定向。引擎1608可以使用例如通过检查在点之间具有已知间隔的点阵列而计算的查找表来将失真校正步骤应用于图像。
在各种实施例中,引擎1608可以跨图像执行平整亮度程序。例如,引擎1608可以使用多项式最佳拟合校正,诸如二次或更高阶多项式最佳拟合校正。可选地,可以使用正弦波或指数函数代替多项式函数。可以通过将图像亮度乘以缩放图像来实现平整,其中在系统校准期间确定最佳拟合函数的期望乘数。引擎1608还可以执行辐射校正,以减去源自例如自发荧光的背景亮度。
在各种实施例中,图像预处理引擎1608可以被配置为获得包括微流体装置的多个特征(例如,(一个或多个)通道、(一个或多个)坞、(一个或多个)捕集器、框架、流动区域、光电晶体管阵列等)的视场图像,其中,图像预处理引擎1608可以将视场图像裁剪成至少两个裁剪图像。图像预处理引擎可以被配置为裁剪图像。可以根据从校准图像获得的信息来执行裁剪。在一些情况下,图像的校准可以包括识别微流体装置的一个或多个特征,并将这些特征建立为可以参考图像的基准或基线。还可以基于本文公开的任何方法来执行裁剪,以识别每个视场图像的特征。可以基于微流体装置的一个或多个特征(例如,(一个或多个)通道、(一个或多个)腔室、 (一个或多个)坞、(一个或多个)捕集器、(一个或多个)微物体位置、亮度等)来生成裁剪图像。在一些实施例中,预处理引擎可以一次对单个视场执行裁剪。在替代实施例中,预处理引擎可以并行地对多个视场执行裁剪。
图像预处理引擎1608可以被配置为将一个或多个视场图像裁剪成具有特征或特性的裁剪图像。例如,预处理引擎1608可以接收包括多个腔室、坞、捕集器或微物体的视场图像。图像预处理引擎1608可以接收视场图像,然后将视场图像转换为一系列裁剪图像。在一些情况下,图像预处理引擎1608可以被配置为将视场图像裁剪成多个裁剪图像,其中,每个裁剪图像包括单个特征(例如,所述多个腔室、坞、捕集器或微物体中的单个腔室、坞、捕集器或微物体)。在另外的情况下,预处理引擎可以生成多个裁剪图像,其中,所述多个裁剪图像中的至少一个包括微物体。
由预处理引擎生成的裁剪图像可以具有不同的像素大小。可以通过将图像宽度中的像素数量乘以图像高度中的像素数量来计算像素大小。裁剪图像的像素大小的差异可能是由预处理引擎执行的裁剪过程引起的。在附加或替代实施例中,裁剪图像的像素大小的差异可能是由视场产生的差异引起的,例如,视场的放大率的差异,和/或用不同感兴趣区域获取的视场图像(例如,根据微流体装置的特征的感兴趣区域在第一视场和第二视场之间不同)。
在各种实施例中,可以将不同像素大小的裁剪图像输入到神经网络中,例如卷积神经网络(CNN)。如前所述,CNN架构通常可以由一组处理块组成,包括用于卷积输入体积(图像)的至少一个处理块。在应用于微物体计数的实施例中,CNN可以省略任何先前公开的用于去卷积(或转置卷积)的步骤。用于在本文公开的装置和系统上执行微物体计数而无需去卷积的神经网络。本文公开的系统的挑战之一是在执行计数之前进行图像的裁剪以将区域与视场隔离。图像的裁剪可以产生不同大小的图像,因此 CNN需要能够适应不同大小的裁剪图像。
CNN可以获取输入图像,其可以包括视场图像和/或视场图像的裁剪片段。输入图像可以是彩色的,或者它可以是黑色/白色的。在一些情况下,输入图像可以具有多个重复特征,包括但不限于晶体管阵列网格、坞、孔、通道、壁、腔室等。图像可以包括纹理、阴影、焦点差异和放大率差异的特征。
图17示出了用于执行全局平均池化的示例过程,以及可以通过本文公开的任何一种方法确定计数的微流体装置的示例区域。图18示出了可以通过本文公开的任何一个过程确定计数的微流体装置的一些示例区域。将一起描述这两个图17-图18。
更具体地,感兴趣的微物体的自动检测和/或计数。在一个方面,提供了用于自动检测图像中的感兴趣的微物体的方法,特别是数字图像(或已经被数字化的图像)。感兴趣的微物体可以设置在微流体装置内。感兴趣的微物体可以是细胞,例如哺乳动物细胞(例如,血细胞、杂交瘤、癌细胞、转化细胞、配子、胚胎等)。或者,感兴趣的微物体可以是珠,例如可以用在测定中(例如,微珠、磁珠等)。所述方法可以涉及使用机器学习算法来处理图像数据(即,与图像中的像素有关的数据)。机器学习算法可以包括神经网络,诸如卷积神经网络。
图像分类需要接收输入图像并输出最佳地描述图像的类别或类别的概率。这可以使用配备有处理引擎的计算机系统来完成,该处理引擎利用算法来处理输入图像并输出结果。图像检测还可以利用类似的处理引擎,由此系统接收输入图像并且使用预先编程到处理引擎中的算法以高精度地识别该图像内的感兴趣的物体。
关于输入图像,系统通常将输入图像取向为像素值的阵列。这些像素值取决于图像分辨率和大小,对应于(长度)×(宽度)×(通道的#)的数字阵列。通道的数量也可以被称为深度。例如,该阵列可以是L×W×红绿蓝颜色模型(RBG值)。RGB将被认为是三个通道,每个通道表示RGB 颜色模型中的三种颜色中的一种。例如,系统通常可以用20×20×3(对于RGB)的代表性阵列来表征20×20图像,其中阵列中的每个点被分配表示像素强度的值(例如,0至255)。给定此值阵列,处理引擎可使用其算法处理这些值以输出图像中的微物体的数目。在替代实施例中,可以在不考虑像素颜色的情况下基于强度来描绘图像。例如,代替以3表示RGB的20 ×20×3,该阵列可以被表示为20×30×1,其中位数1表示亮度(例如,黑色或白色)。RGB或黑/白亮度的使用可以在整个本申请中被解释为可互换的概念,并且可以基于偏好或清晰的客观性能度量来选择。可能影响RGB或黑/白方法是否并入分析中的性能度量的示例可以包括:计算强度、在方法的其他方面期间(例如,在执行测定期间)的图像配置和/或执行分析所花费的时间量。
感兴趣的微物体的计数可以包括获得设置在用于执行细胞计数的微流体装置中(例如,在上述任何的通道、孔、腔室、前述流动区域、隔离区域、连接区域等中任一个的子区域)的所述微物体的图像(例如,裁剪图像、视场图像等),可以包括接收图像或图像的一部分(例如,图17-图18 的1305),以及对所述图像执行一系列操作以计算表示微流体装置的特定区域中的细胞1308数量的数字1310—例如,在图17-图18中描绘的表示中,可以根据本文公开的方法计算细胞数量以生成对应于微流体装置的特定限定区域(1355)的区域中的细胞1308的数字1310–在这种情况下,图 17中所示装置的坞号“957”和坞号“958”,以及图18的坞号820至坞号 824。在一些实施例中,尽管图17的1312中所示的示例示出了腔室957中的三十一(31)个细胞和腔室958中的一(1)个细胞,但该方法可以被配置为对微流体装置(例如可以包括多个限定区域(例如,数千个坞、孔、通道等)的微流体装置)的数百、数千或数万个限定区域(例如,通道、坞、腔室、孔等)执行计数。
微流体装置的每个限定区域的数量或计数可以显示在GUI(1310、 1315)上,集成到用于进一步数据分析的附加计算中,和/或根据自其导出的图像或微流体装置的一个或多个特征在表中示出。在另外的情况下,可以将针对微物体获得的计数集成到工作流程中,其中在用于对微物体执行分析的方法中在离散的时间点进行计数。
卷积神经网络(CNN)通常通过首先寻找诸如边缘和曲线的低级特征来实现图像处理和分类/检测的高级形式,然后通过一系列卷积层推进到更抽象的(例如,被分类的图像的类型唯一的)概念。CNN可以通过使图像通过一系列卷积、非线性、汇集(或下采样,如将在下面更详细地讨论的) 和完全连接的层并且获得输出来实现。同样,输出可以是单个类别或类别的概率,其最好地描述图像或检测图像上的物体。
关于CNN中的层,第一层通常是卷积层(Conv)。此第一层将使用一系列参数来处理图像的代表性阵列。CNN不是将图像作为整体来处理,而是将使用滤波器(或神经元或内核)来分析图像子集的集合。子集将包括阵列中的焦点以及周围点。例如,滤波器可以检查32×32图像中的一系列5 ×5区(或区域)。这些区域可以被称为感受野。由于滤波器通常将具有与输入相同的深度,所以尺寸为32×32×3的图像将具有相同深度的滤波器 (例如,5×5×3)。使用上述示例尺寸对滤波器进行卷积的实际步骤包括沿输入图像滑动滤波器、将滤波器值与图像的原始像素值相乘以计算逐元素乘法(element wise multiplications)、以及将这些值求和以得到该图像的该检查区域的单个数字。
在完成此卷积步骤之后,使用5×5×3滤波器,将产生具有28×28×1 的尺寸的激活图(或滤波器映射)。对于所使用的每个附加层,空间维数被更好地保留,使得使用两个滤波器将导致28×28×2的激活图。每一滤光器通常将具有其表示(例如,色彩、边缘和/或曲线等)的独特特征,所述独特特征一起表示最终图像输出所需的特征识别符。这些滤波器在组合使用时允许CNN处理图像输入以检测存在于每个像素处的那些特征。因此,如果滤波器用作曲线检测器,则滤波器沿着图像输入的卷积将在激活图中产生数字阵列,其对应于曲线的高可能性(高总和逐元素乘法)、曲线的低可能性(低总和逐元素乘法)或零值,其中在某些点处的输入体积不会激活曲线检测器滤波器。因此,在Conv(卷积)中的滤波器(也被称为通道) 的数量越多,激活图上提供的深度(或数据)就越多,因此有关输入的更多信息将导致更准确的输出。
与CNN的准确性相平衡的是产生结果所需的处理时间和功率。换言之,使用的滤波器(或通道)越多,执行卷积所需的时间和处理功率就越多。因此,应当特别选择满足CNN方法的需要的滤波器(或通道)的选择和数量,以便在考虑可用时间和功率的同时产生尽可能准确的输出。
为了进一步使CNN能够检测更复杂的特征,可以添加附加的卷积以分析来自先前卷积(即,激活图)的输出。例如,如果第一卷积寻找诸如曲线或边缘的基本特征,则第二卷积可以寻找更复杂的特征,诸如形状,其可以是在较早的卷积层中检测到的各个特征的组合。通过提供一系列卷积, CNN可以检测越来越高级的特征以最终达到检测特定期望物体的可能。此外,当卷积堆叠在彼此之上时,分析先前的激活图输出,堆栈中的每个卷积自然地通过在每个卷积级别出现的按比例缩小来分析越来越大的感受野,从而允许CNN在检测感兴趣物体时响应像素空间的增长区域。
CNN架构通常由一组处理块组成,该组处理块包括用于卷积输入体积 (例如,图像)的至少一个处理块和用于去卷积(或转置卷积)的至少一个处理块。此外,处理块可以包括至少一个池化块(pooling block)和上池化块(unpooling block)。池化块可以用于按分辨率缩小图像以产生可用于卷积的输出。这可以有助于计算效率(高效的时间和功率),这进而可以改善 CNN的实际性能。这些池化或上采样块会使滤波器变小并且计算要求合理,这些块可以使输出变粗糙(可以导致感受野内的空间信息的丢失),从输入的大小以特定的比例进行减小。
可以使用上池化的块来重构这些粗糙的输出,以产生具有与输入体积相同的维数的输出体积。上池化块可以被认为是卷积块的反向操作,以将激活输出返回到原始输入体积维数。然而,上池化块处理通常仅简单地将粗略输出放大成稀疏激活图。为了避免这种结果,去卷积块将该稀疏激活图致密化以产生最终在任何进一步必要的处理之后的最终输出体积,该最终输出体积的尺寸和密度更接近输入体积的尺寸和密度。作为卷积块的反向操作,去卷积块将单个激活输出点与一个或多个输出相关联以放大和致密所得的激活输出,而不是将接收场中的多个阵列点减小到单个数。
应当注意,池化块可以用于缩小图像并且上池化块可以用于放大这些按比例缩小的激活图,而卷积和去卷积块可以被构造为卷积/去卷积和缩小 /放大,而不需要单独的池化和上池化块。池化和上池化处理可以具有取决于在图像输入中检测到的感兴趣的物体的缺陷。由于池化通常通过在不重叠窗口的情况下查看子图像窗口来按比例缩小图像,因此随着缩小发生,空间信息的损失明显。
在一些实施例中,用于池化的方法可以包括集成全局平均池化层,如图17所示。在全局平均池化层中,输入可以包括一组图像(例如,N个图像,1320)。全局平均池化层可以计算每个图像的平均值(1322),并且将平均值池化以生成包括每个输入图像的平均值(1322)的大小为M的1维向量(1324)。附加地或替代地,池化方法可以包括全局最大池化和/或全局平均池化。全局池化包括跨完整图像或张量执行的池化。全局池化方法不同于下采样池化方法。在下采样池化中,可以跨图像的部分使用池化(例如,最大池化或平均池化)。在卷积层已经处理张量以准备附加卷积层之后,下采样可能是有用的。在所公开的用于微物体计数的实施例中,全局池化方法可以包括用于编译由卷积层产生的张量以准备从不同大小的裁剪或视场图像导出的数据的方法,以使得它们可以通过全连接层和对应激发层来进一步分析的方法,如果没有这种改进,从本文公开的系统和方法中导出的数据不能被公开的全连接层处理,也不能产生与微物体计数相关的正整数。
处理块可以包括用卷积或去卷积层封装的其他层。这些可以包括,例如,经整流的线性单元层(ReLU)或指数线性单元层(ELU),其为在其处理块中检查来自卷积的输出的激活函数。ReLU或ELU层用作门控函数以仅推进对应于对卷积唯一的感兴趣特征的正检测的那些值。
给定基本架构,然后为训练过程准备CNN以训练其在图像分类/检测 (感兴趣的物体)中的准确性。这涉及称为反向传播的过程(“反向传播”),其使用训练数据集或用于训练CNN的样本图像,使得其在达到最优或阈值准确度时更新其参数。反向传播涉及一系列重复的步骤(训练迭代),这取决于反向传播的参数,将缓慢地或快速地训练CNN。反向传播步骤通常包括前向传递、损失函数、向后传递和根据给定学习速率的参数 (权重)更新。前向传递涉及通过CNN传递训练图像。损失函数是输出中的误差的量度。后向通过确定损失函数的影响因素。权重更新涉及更新滤波器的参数以使CNN朝向最优移动。学习速率确定每次迭代的权重更新的程度以达到最优。如果学习速率太低,则训练可能花费太长并且涉及太多的处理能力。如果学习速率太快,则每个权重更新可能过大,以允许精确地实现给定的最优或阈值。
反向传播过程可导致训练的复杂化,从而导致在训练开始时对于较低的学习速率和更具体地并且更仔细地确定的初始参数的需要。一种这样的复杂化是,当在每次迭代结束时发生权重更新时,对卷积的参数的改变放大了网络工作的深度,使其更深。举例来说,如果CNN具有多个卷积,如上文所论述,所述多个卷积允许较高层级特征分析,则对第一卷积的参数更新在每一后续卷积处相乘。净效应是参数的最小改变可能具有大的影响,这取决于给定CNN的深度。这种现象被称为内部协变量移位。
本文公开的实施例相对于已知的CNN具有若干优点。这些优点包括,例如,提供避免池化层中固有的丢失空间信息的CNN,减少/最小化了在反向传播过程中固有的内部协变量移位,并且减少了深度神经网络中通常需要的处理时间和速率以实现更复杂的特征检测。
如上所述,CNN由多层感受野(multiple layers of receptive fields)组成。这些是处理输入图像的各部分的“神经元”(或内核)集群。然后平铺这些集群的输出,使得它们的输入区域重叠,以获得更好的原始图像;对于每个这样的层重复这一点。平铺允许CNN容忍输入图像的平移。例如,已经在Long等人的“用于语义分割的完全卷积网络(FullyConvolutional Networks for Semantic Segmentation)”CVPR2015,和Noh等人的“用于语义分割的学习解卷积网络(Learning Deconvolution Network for SemanticSegmentation)”ICCV 2015中描述了CNN,这些文献中的每一个的内容通过引用并入本文。
CNN可以包括卷积层和完全连接层的组合,其中在每层的末端或之后应用逐点非线性。引入对小输入区域的卷积操作以减少自由参数的数量并改善泛化。卷积网络的一个主要优点是在卷积层中使用共享权重,这意味着对于层中的每个像素使用相同的滤波器(权重组);这既减少了内存占用,又提高了性能。在一个实施例中,CNN由通过可微分函数将输入体积变换为输出体积(例如,保持类别得分)的不同层的堆叠形成。
在该实施例中,将该实施例的卷积层定义为空的、单克隆的和多克隆的。层的参数可以包括一组可学习的滤波器,其具有小的感受野,但是延伸到输入体积的整个深度。在正向传递期间,每个滤波器在输入体积的宽度和高度上进行卷积,计算滤波器的条目与输入之间的点积,并且产生该滤波器的二维激活图。结果,网络学习在输入中的某个空间位置处看到某个特定类型的特征时激活的过滤器。
沿着深度维度对所有过滤器的激活图进行堆叠形成卷积层的全部输出体积。因此,输出体积中的每个条目也可以被解释为在输入中查看小区域并且与同一激活图中的神经元共享参数的神经元的输出。在一个实施例中,空间布置基于控制卷积层的输出体积的大小的超参数:诸如深度、步幅和零填充。
在一个实施例中,输出体积的深度控制连接到输入体积的相同区域的层中的神经元的数量。所有这些神经元将学习以激活输入中的不同特征。例如,如果第一卷积层将原始图像作为输入,则沿着深度维度的不同神经元可以在存在各种取向边缘或颜色斑点的情况下激活。
在一个实施例中,步幅(stride)控制如何分配围绕空间维度(宽度和高度)的深度列。当步幅为1时,新的神经元的深度列被分配给仅相隔1 个空间单位的空间位置。这导致列之间的接收场的严重重叠,并且还导致大的输出体积。相反地,如果使用较高的步幅,则感受野将重叠较少,并且所得的输出体积将在空间上具有较小的尺寸。在一些实施例中,在输入体积的边界上用零填充输入可能是方便的。该零填充的大小是第三超参数。零填充提供对输出体积空间大小的控制。特别地,有时期望精确地保留输入体积的空间大小。
在该实施例中,在卷积层中使用参数共享方案来控制自由参数的数量。它依赖于一个合理的假设:如果一个补丁特征对于在某个空间位置处计算是有用的,则在不同的位置计算也应当是有用的。换句话说,将深度的单个二维切片表示为深度切片,我们将每个深度切片中的神经元约束为使用相同的权重和偏差。因为单个深度切片中的所有神经元共享相同的参数化,因此在一些实施例中卷积层的每个深度切片中的正向传递可以被计算为神经元的权重与输入体积的卷积(因此名称:卷积层)。在这些实施例中,可以通常将权重集合称为与输入卷积的滤波器。此卷积的结果为激活图,且用于每一不同滤波器的激活图集合沿深度维度堆叠在一起以产生输出体积。参数共享有助于CNN架构的平移不变性。
图19示出了根据一个或多个实施例的神经网络的示意图。更具体地,在图19中,神经网络1900获取包括像素大小的输入图像1905。神经网络包括第一处理块1910、第一下采样块1915、第二处理块1920、第二下采样块1925和最终处理块1930。第一处理块1910可以接收图像。图中已示出过滤器的示例数量(例如,第一处理块1910和第一下采样块1915具有64的过滤器大小,第二处理块1920和第二下采样块1925具有128的过滤器大小(或深度),并且最终处理块具有256的过滤器大小(或深度)。
在一些实施例中,可以在卷积处理块之前执行填充。在该实施例中,除了最终处理块之外,每个处理块之后是下采样块;然而,替代实施例可以具有处理块,而没有下采样块。其他替代实施例可以使用不同数量的处理块、不同的下采样块功能(例如,平均池化)。此外,图19示出了两组处理块和下采样块,然而,可以将单个处理块、两个或更多个处理块或多个处理块并入至神经网络中。附加地或替代地,图19示出了两个下采样块,然而单个下采样块、两个或多于两个下采样块、或多个下采样块可以并入至神经网络中。
还如图19所示,从最终处理块1930产生的卷积数据被平均化1935以产生大小为(1,最后一个处理块的过滤器的数量)的矩阵,然后被馈送到全连接层1940,从而产生全连接层,该全连接层产生大小为[1,全连接层的单元的数量]的矩阵。可以将大小为[1,全连接层的单元数]的矩阵馈送到第一激活层1945中。第一激活层可以是例如ELU或ReLU。
在各种实施例中,第一激活层接收图像数据并对大小为[1,全连接层的单元数]的矩阵执行回归分析。然后可将第一激活层的结果馈送到第二全连接层1950,以产生大小为[1,全连接层的单元数]的矩阵,该矩阵可被馈送到第二激活层(ELU、ReLU或其他模型)以执行回归。在其中回归模型是ReLU的情况下,回归具有1个单位并且仅产生正数。所得到的正数可以包括输入图像1905中的微物体的线性输出或计数1960。在其他实施例中,可以改变每个全连接层的单元的数量以及全连接层的激活功能。
图20示出了根据一个或多个实施例的处理块的示意图。更具体地,图20表示处理块2002的示例图示,例如图19中公开的处理块。在该处理块示例中,输入张量2005(例如,大于或等于定义的[高度,宽度,过滤器大小]的3维矩阵)被馈送到第一对卷积和激活层(2010、2015)中,然后被馈送到第二对卷积和激活层(2020、2025)中。与传统的卷积平方层不同,在该模型中,两个卷积层是[M×N],并且处理层的输出是可以被馈送到神经网络的后续层中的输出张量2030(例如,如图19所示)。
图21示出了根据一个或多个实施例的最终处理块的示意图。更具体地,图21表示最终处理块的示例图示。在一些情况下,最终处理块之后可以不是下采样块,如图19所示。在其他情况下,最终处理块可以具有不同数量的卷积层,可以改变卷积核的大小或者可以修改卷积层的激活功能。在该处理块示例中,输入张量2105(例如,大于或等于定义的[高度,宽度,过滤器大小]的3维矩阵)被馈送到第一对卷积和激活层(2110、2115) 中,然后被馈送到第二对卷积和激活层(2120,2125)中。在该模型中,两个卷积层是[M×N],并且组成处理块2102,然而,在处理块之后是接收输入张量并生成输出张量2140的另一第三对卷积和激活层(2130、2135)。处理层的输出是可以被馈送到神经网络的后续层(例如,如图19中所示) 中的输出张量2130。
可以使用平均函数(包括例如执行全局平均池化的层)对输出张量进行平均。全局平均池化对于克服将如本文所公开的卷积神经网络应用于图像(例如,像素大小不同的裁剪图像或视场图像)的技术挑战是必要的,并且更具体地,对于使用全连接层处理变化的像素大小数据的挑战是必要的。例如,可以如本文所公开的那样对包括卷积层(例如,图19或图20) 的任何所公开的处理层的输出张量进行平均。在其他实施例中,可以使用其他全局池化函数,诸如全局最大池化。
最终处理块(例如图21所示的最终处理块)的输出张量(2140)可以被馈送到平均化过滤器中,例如全局平均池化过滤器。附加地或替代地,可以使用如图19的平均化层(1935)中所示的一些其他平均化手段来对最终处理块进行平均化。在其中应用全局平均池化的情况下,结果是大小为 [1,N]的矩阵,其中N是最后一个处理块中的过滤器的数量。例如,在图 19所示的具体实施例中,[1×N]矩阵被馈送到全连接块(1940)中,其产生例如[1,256]矩阵,其中全连接层具有256个单元,然后将该矩阵馈送到随后的全连接层(1950),其产生另一[1,N]矩阵,其可以是[1,256]矩阵,其中全连接层具有256个单元。在该示例中,所得到的[1,N]矩阵或 [1,256]矩阵可以被输入到最终的全连接(线性输出或计数,1960)层中,该层将[1×N]或该示例[1,256]矩阵压缩为包括单个整数的[1]的回归输出。尽管在图19中仅示出了两个完全连接层,但是可以存在单个完全连接层、两个或更多个完全连接层、或多个完全连接层。图14的图示并不意味着指示对可用于生成线性输出的完全连接层或激活层的数量的限制。
在各种实施例中,有时需要荧光图像来使细胞可视化,否则细胞可能出现半透明(例如,DAPI可用于染色细胞核作为更好地检测/计数某些细胞的手段)。在那些情况下,引擎1208可以缩放、移位和/或旋转荧光图像以与明场图像对准,其中使用点阵列实现校准。
在各种实施例中,可以使用傅里叶变换来减少来自微流体装置上的导电硅衬底的干扰。傅里叶变换允许图像的频率表示,其有助于识别与导电硅衬底、诸如光电晶体管阵列相关联的伪像和干扰。时间函数的傅立叶变换本身是频率的复值函数,其绝对值表示原始函数中存在的频率的量,并且其复数参数是该频率中的基本正弦的相位偏移。傅立叶变换被称为原始信号的频域表示。术语“傅里叶变换”是指频域表示和将频域表示与时间函数相关联的数学运算两者。傅里叶变换不限于时间的函数,但是为了具有统一的语言,原始函数的域通常被称为时域。
如上面更详细描述的,与微流体装置(例如,光电晶体管阵列)的特征相比,感兴趣的微物体可具有类似的混杂形态。此外,与微流体装置的各种特征相比,诸如细胞的微物体可以是相对半透明的。因此,在识别感兴趣的微物体之前识别和移除微流体装置(例如,微流体装置的光电晶体管阵列、壁或回路元件)的不需要的特征可能是有帮助的。傅里叶分析可以用于在微物体检测之前移除例如晶体管图案。该步骤可以发生在预处理引擎 1608内,或者可选地,在微物体检测单元1604的检测引擎1614中的后处理步骤中(下面更详细地描述)。
在各种实施例中,对图像进行预处理可以包括利用亮度归一化或对比度增强来减少来自微流体设备上的导电硅衬底的干扰。在各种实施例中,图像预处理引擎1608可以制作如上文所描述经预处理的图像的副本,且将其传递到各种“客户端”1620(例如,GUI、图像处理、电影创建、图像捕获、存储器/存储/服务器等)。在各种实施例中,微物体检测单元1604可以实现为具有图像获取单元1602的集成仪器系统组件。即,微物体计数或检测单元1604和图像获取单元1602可以容纳在相同的壳体组件中并且经由常规的装置/部件连接装置(例如,串行总线、光缆、电缆等)进行通信。
在各种实施例中,微物体计数单元1604可以被实现为经由光学、串行端口、网络或调制解调器连接而通信地连接到图像获取单元1202的独立计算设备(如图16所示)。例如,图像处理单元可经由LAN或WAN连接来连接,该LAN或WAN连接允许将由图像获取单元1602获取的成像数据传送到微物体检测单元1604以供分析。在各种实施例中,微物体计数单元1604的功能可以在共享计算机处理资源(诸如云计算网络)的分布式网络上实现,该分布式网络经由WAN(或等效的)连接通信地连接到图像获取单元1602。例如,微物体计数单元1604的功能可以被划分为在诸如 AMAZON WEB SERVICESTM的云处理服务上的一个或多个计算节点中实现。
其中如下提供的一些实例中,考虑了许多后处理技术。检测引擎1614 可以被配置为将(微流体装置中的)隔离坞的CAD(计算机辅助设计)模型对准到实际图像输出以精确地找到坞所在的位置。在荧光图像的情况下 (取决于被检测到的细胞类型),检测引擎1614可以被配置为通过减法来移除背景,例如,通过减去从模糊(图像)例程获得的对应图像。检测引擎 1614还可以被配置为将图像输出砍碎(chop)到用于微物体计数的各个坞中。来自检测引擎1614的计数和输出图像可以被传送到I/O装置1616,其中它可以例如被存储、传输到存储器存储、被进一步分析和/或被传送到客户端1620。
根据各种实施例,图像获取单元1602和微物体检测单元1604可以集成到单个物理单元中。可替代地,图像获取单元1602和微物体检测单元1604可以可分离地定向,设置在独立的单元中,使得单元仍然通信地连接以交换信息。上述微物体检测单元1604的每个组件可以是硬件,或者可以部分地或完全地是软件模块。
微物体的自动检测和/或计数。提供了用于自动检测图像中的感兴趣的微物体的方法。与图像中的一个或多个其他特征相比,感兴趣的微物体可以具有相似的混杂形态。例如,在一些情况下,布置在微流体装置内的微物体的检测可能由于具有与感兴趣的微物体类似的形态的微流体装置的特征而复杂化。例如,在其中细胞具有10微米的直径的情况下,可能难以将细胞与在两个维度上具有10微米节距的光电晶体管阵列区分(即,每个光电晶体管具有10微米×10微米的尺寸)。此外,与微流体装置的各种特征相比,诸如细胞的微物体可以是相对半透明的。因此,在识别感兴趣的微物体之前识别和移除微流体装置(例如,微流体装置的光电晶体管阵列、壁或回路元件)的不需要的特征可能是有帮助的。
在各种实施例中,可期望从图像预处理引擎1608获得的图像包括与微流体装置的结构和/或微流体装置的一个或多个特征的性质相关联的计数。在更具体的实施例中,相关联的计数可以用于关联针对微流体装置的区域获得的计数(例如,针对微流体装置的特定区域中的微物体的数量)。在一些实施例中,微物体是细胞,并且微流体装置可以用于对细胞执行测定。在另外的情况下,如本文所述的微流体装置可以被配置为使微物体流入微流体装置的腔室或坞中,以便执行测定步骤。微物体计数可以是用于执行测定的关键信息,并且在一些情况下,微物体计数必须以最小的计算负荷快速执行,并且以自动方式执行,以便以大规模并行的方式执行测定。
在一些实施例中,单个像素可对应于微流体装置中的基本上小于感兴趣的微物体的横截面积的面积。例如,微物体可具有约80平方微米的横截面积,而像素可对应于约2平方微米的面积。在这样的实施例中,将需要一个或多个像素簇来覆盖微物体的横截面积(例如,在前述示例中,将占用基本上40个像素来覆盖微物体的横截面积,或24个像素以覆盖微物体的圆周的横截面积)。对于给定图像,可以将像素大小计算为给定图像的像素宽度和像素高度的数学乘积。
生成微流体装置的微物体计数可以包括接收图像数据,该图像数据包括图像、一系列获得的图像(例如,随时间获取的一系列图像)和/或一组图像(例如,从系统300的不同“巢”或结构获取的一组图像)。图像数据可以包括视场图像,其中,视场图像包括微流体装置的多个特征(例如,(一个或多个)通道、(一个或多个)坞、(一个或多个)捕集器、框架、流动区域、光电晶体管阵列等)。图像数据可以由图像预处理引擎1208接收,该图像预处理引擎可以将图像数据(例如,视场图像)裁剪成至少两个裁剪图像。图像预处理引擎可以被配置为裁剪图像(例如,图像的特征、图像中表示的微流体装置的组件等)。可以根据从校准过程获得的信息来执行裁剪。校准可以包括在捕获视场图像和/或图像数据之前执行的全系统校准步骤。可以根据从校准图像获得的信息来执行裁剪。在一些情况下,图像的校准可以包括识别微流体装置的一个或多个特征,并将这些特征建立为可以参考图像的基准或基线。还可以基于本文公开的任何方法来执行裁剪,以识别每个视场图像的特征。还可以基于本文公开的任何方法来执行裁剪,以识别每个视场图像的特征。可以基于微流体装置的一个或多个特征 (例如,(一个或多个)通道、(一个或多个)腔室、(一个或多个)坞、
(一个或多个)捕集器、(一个或多个)微物体位置、亮度等)来生成裁剪图像。在一些实施例中,预处理引擎可以一次对单个视场执行裁剪。在替代实施例中,预处理引擎可以并行地对多个视场执行裁剪。
图像预处理引擎1608可以被配置为将一个或多个视场图像裁剪成具有特定特征或特性的裁剪图像。例如,预处理引擎1608可以接收包括多个腔室、坞、捕集器或微物体的视场图像。图像预处理引擎1608可以接收视场图像,然后将视场图像转换为一系列裁剪图像。在一些情况下,图像预处理引擎1608可以被配置为将视场图像裁剪成多个裁剪图像,其中,每个裁剪图像包括单个特征(例如,所述多个腔室、坞、捕集器或微物体中的单个腔室、坞、捕集器或微物体)。在另外的情况下,预处理引擎可以生成多个裁剪图像,其中,所述多个裁剪图像中的至少一个包括微物体。
由预处理引擎生成的裁剪图像可以具有不同的像素大小。可以通过将图像宽度中的像素数量乘以图像高度中的像素数量来计算像素大小。裁剪图像的像素大小的差异可能是由预处理引擎执行的裁剪过程引起的。在附加或替代实施例中,裁剪图像的像素尺寸的差异可能是由于视场的差异,例如,视场的放大率的差异,和/或利用不同感兴趣区域(例如,利用根据微流体装置的特征的感兴趣区域,其在第一视场和第二视场之间不同)获取的视场图像的差异。
微物体识别(下文将更详细地讨论)还可以与使用力(诸如OET或DEP 力)来操纵或重新定位微物体结合使用。在一些实施例中,在特定回路元件 (例如通道或隔离坞)或微流体回路的位置中识别的微物体可移动到(即,重新定位在)另一类型的回路元件或微流体回路的位置。例如,微物体可以在微流体回路中的通道中被识别并且被重新定位在微流体回路中的隔离坞中(在本文中被称为将微物体“围栏”)。相反,在微流体回路中的隔离坞中识别的微物体可以移动到微流体回路中的通道中。可替换地,一个或多个微物体可以在一个隔离坞中被识别并且被重新定位在空的隔离坞中(在本文中被称为对微物体“重新围栏(re-penning)”)。根据实施例,可以使用包括OET和DEP力的各种机制来移动微物体。类似地,微物体可以被顺序地(即,一次一个微物体)、并行地或其任何组合地(例如,并行地顺序地重新定位多个细胞的组)重新定位。
在微物体从通道重新定位到单独的隔离坞(或从单独的隔离坞重新起来到另一个隔离坞)的情况下,可以使用不同的算法来将微物体分配到空的隔离坞和/或确定特定隔离坞中微物体的数量。在一些实施例中,算法将用于将微物体分配至空的隔离坞,使得微物体与坞之间的距离(即,微物体在重新定位期间必须行进的轨迹或路径)被最小化,并且可以使用计数来确认坞中微物体的数量。在这些实施例中,用于移动微物体的力(例如OET或DEP力)的使用也被最小化,因为微物体仅需要行进最小距离以被重新定位在空的隔离坞中。
在这些实施例中,通道中的局部微物体密度(即,通道的特定空间区域内的微物体的数量)可以用于确定将通道中的特定微物体分配给空的隔离坞的合适的算法。局部微物体密度可以以多种方式来计算。在一些实施例中,局部微物体密度可以基于固定尺寸区域(例如,200平方微米,或通道 100微米长的区域,并且延伸通道的宽度)或使用以各种尺寸区域的方法来计算。在其他实施例中,可基于所识别微物体的簇或所识别微物体之间的距离来计算局部微物体密度。局部微物体密度也可通过将通道细分为网格或使用“滑动窗口”技术来计算通道的重叠区域的密度来计算。
如果局部微物体密度高于阈值T1密度,则微物体可以被分配给最近的空的隔离坞,使得微物体和隔离坞之间的距离被最小化。如果局部微物体密度低于特定阈值T1密度,则可以将空的隔离坞分配给最接近空的隔离坞的微物体,使得微物体与隔离坞之间的距离被最小化。在一些情况下,可以基于空的坞的数目以及在预定邻域区域内的通道内的微物体的密度来计算局部T1密度。
计算微物体和空的隔离坞之间的距离的不同方法(即,微物体或路径在围栏期间需要移动的轨迹)可以用于将特定的微物体分配给空的隔离坞。在一些实施例中,可以仅基于使用OET和/或DEP力的最优轨迹来计算微物体与潜在的隔离坞之间的距离。在一些情况下,使用OET或DEP力的最优轨迹涉及正交运动路径的组合(例如,仅沿着y轴和x轴的不同移动的组合)以移动微物体。在其他情况下,该距离可以在没有约束(即,微物体可以沿着任何路径行进以到达隔离坞)的情况下,基于微物体和隔离坞之间的最短可能路径。在大多数实施例中,使用由用于计算距离(轨迹)的算法确定的相同轨迹,微物体将被重新定位(即,被“围栏”或“重新围栏”)。
类似地,在将大量微物体分配给隔离坞的情况下(或反之亦然),可以使用不同的算法来计算微物体到坞的最佳分配(或反之亦然)。这些算法可以使用确定微物体到隔离坞的分配的不同计算方法,该方法使需要移动微物体的总距离(即,轨迹的长度)最小化,以便将微物体重新定位到隔离坞中。例如,该算法可以使用所有轨迹的长度之和作为启发(heuristic)以最小化微物体需要行进的距离。在一些实施例中,可以将诸如微物体在重新定位期间移动的最大距离之类的约束引入到最优分配的计算中。可以使用各种组合算法来计算微物体和隔离坞之间的最优分配。合适的算法包括:贪心算法、非线性优化、基于启发的(heuristic-based)算法和受约束的搜索。其他类似的算法在本领域中是已知的。
一旦针对微物体计算了最优分配和轨迹,就可以使用诸如OET和/或 DEP的力来将微物体移动到其分配的坞。可以使用光的图案(例如“光笼”)对微物体重新定位,所述光的图案围绕微物体并使微物体受到OET 和/或DEP力或者通过使用长条(bars)或类似结构来对微物体施加OET和 /或DEP力。通常,光笼是基本上包围微物体(例如,正方形、圆形或多边形)的结构。然而,在一些情况下,光笼可以包括裂口或开口,使得微物体未被完全封闭。
如上所述,在大多数实施例中,微物体将根据用于计算微物体到坞的最佳分配的距离(轨迹)而被移动。根据实施例,微物体可以顺序地或并行地移动(例如,并行地顺序地移动细胞组)。在微物体被并行移动的实施例中,用于计算最优分配或轨迹的算法可以比较轨迹并且确保微物体在它们通过修改微物体到坞的轨迹和分配而被并行地移动时不冲突。在特定实施例中,算法可以在识别潜在碰撞时将微物体分配“交换(swap)”到坞。在该实施例中,当第一微物体的最优轨迹与第二微物体的最优轨迹相交时,第一微物体的最优轨迹被分配给第二微物体,并且第二微物体的最优轨迹被分配给第一微物体。在另一特定实施例中,该算法延迟第一微物体的重新定位,直到第一微物体和第二微物体可以在不冲突的情况下沿着其相应轨迹移动的时间为止。
在一些情况下,微物体密度可能很高,使得在将微物体分配到隔离坞并重新定位(即,“围栏”或“重新围栏”)微物体之前,微物体需要彼此分离。例如,微观物体密度可能太高,以至于不能使用OET和/或DEP力将微物体围栏,因为用于使用OET和/或DEP力重新定位物体的光笼不能在单个微物体上使用而不干扰其他微物体。在对施加到微物体的OET和/或DEP力的量最小化是很重要的情况下,这种干扰特别令人担忧。例如,微物体可能受到OET和/或DEP力或OET力的副产物(例如与OET和/或 DEP力相关联的电解)的影响的情况。在这些情况下,在微物体识别(例如,半径、质心、周界和微物体的位置)期间产生的信息可以用于移动微物体,使得微物体可以被围栏或重新围栏,而不干扰其他细胞(在本文中被称为“分离”微物体)。
为了识别在围栏之前需要分离微物体的实例,可以基于所定义的空间区域来计算局部微物体密度,并且将其与第二阈值T2密度进行比较。或者,可以计算微物体之间的距离(例如,微物体的质心之间的距离、微物体的周界之间的距离),并且用于确定是否需要分离微物体。然而,如可以理解的,在一些情况下,微物体之间的距离可能太小而无法将微物体识别为单独的微物体和微物体。在这些情况下,微物体可以在重新定位(即,“围栏”)微物体之后被重新识别,以确保每个隔离坞包括单个微物体。
在一些实施例中,光盒用于在围栏(或重新围栏)之前或期间分离微物体。当形成光盒(或光笼)时,可使用除法算法来计算一组顶点,该组顶点将微流体装置的空间区域中的每个所识别的微物体(例如,通道或隔离坞的部分)与同一空间区域中的其他微物体分割开。然而,如本领域技术人员可以理解的,可以绘制该组顶点,使得只有微流体设备的空间区域中的微物体的子集与其他微物体分离。例如,该组顶点可以仅将空间区域中的微流体的子集分开,这是因为它们与其他微流体非常接近而需要重新定位。
在特定实施例中,使用每个微物体的质心来计算Delaunay三角剖分 (Delaunaytriangulation)。Delaunay三角剖分产生连接微物体的质心的一组三角形。然后基于使用Delaunay三角剖分计算的三角形的外接圆来计算维诺(Voronoi)图。维诺图是将空间区域划分为一组子区域的一组顶点,使得该组顶点和微物体的质心之间的距离被最大化。计算将每个细胞与空间区域中的其他细胞分区的一组顶点的其他方法在本领域中是已知的。一旦已经计算了该组顶点,该组顶点就可以与OET和/或DEP力组合使用以移动微物体,诸如上述图12A-图12F中所示的示例。
图22A示出了在一个或多个实施例中用于在微流体装置中以编程方式分析生物样本的过程或系统的简化高级框图。在这些一个或多个实施例中,在2102A处,过程或系统可以接收在第一时间点针对微流体装置中的感兴趣区域捕获的第一图像数据。例如,可以在2102A处接收针对微流体装置中的一个或多个腔室的感兴趣区域捕获的图像或其数据,以供图22A 所示的过程或系统识别和确定感兴趣区域中的生物样本的总计数。
在2104A处,可以至少通过将在2102A处接收的第一图像数据布置成具有第一像素信息乘以第二像素信息乘以像素深度信息的维度的阵列来将第一图像数据预处理成第一预处理图像数据。例如,第一图像数据可以被布置成具有长度乘以宽度乘以深度的维度的阵列,其中,长度维度可以包括但不限于第一数量的像素;宽度维度可以包括第二数量的维度;并且深度维度可以包括多个通道,每个通道表示第一图像数据中的数据的颜色(例如,红色、蓝色和绿色的颜色深度为三(3))、亮度(例如,黑色或白色的深度为一(1))、强度。
在一些实施例中,可以至少部分地基于上述一个或多个其他特性来确定或配置图像传感器(例如,光电二极管、光电晶体管等)的大小、两个紧邻的光电晶体管之间的节距、感兴趣的生物样本的大小、腔室的大小、腔室附近的周围区域的尺寸等中的一个或多个特性。例如,可能难以用具有约10微米的大小或节距的光电传感器二极管或晶体管处理(例如,识别、分类、计数等)生物样本,其中生物样本的大小也约为例如10微米。类似地,具有约10微米的宽度的腔室可以用于具有约2微米的大小的生物样本,但不一定适合于更大的生物样本。
可以在2106A处至少通过利用至少一个机器学习模型将第一图像数据分类为第一类别或类型来针对第一图像数据或第一预处理数据确定第一图像数据的第一类别或类型。在一些实施例中,可以通过使用与微流体装置中的生物样本的目标分析相关的附加数据或元数据来执行2106B处的确定或分类。类别或类型可以包括例如生物样本的类别或类型(例如,诸如T 细胞、B细胞、NK细胞、巨噬细胞等的免疫细胞、其他类型的细胞、蛋白质、病毒等)。
在2108A处,可以至少通过利用包括具有多个处理块的卷积神经网络的机器学习模型识别生物样本来确定感兴趣区域中的生物样本的第一计数。在这些实施例中的一些实施例中,可以至少部分地基于在2106A处确定的第一类别或类型来确定第一计数。应当注意,在2108A处识别生物样本可以或可以不辨别关于生物样本的许多细节。例如,出于确定流体装置的腔室中生物样本的总计数的目的,该过程或系统可以识别生物样本的边界、形态(例如,大小、形状等)、核、核大小、核质比等,使得如果 2108A处的处理的主要目的是确定生物样本的总计数,则该过程或系统可以估计生物样本的大小,而无需进一步辨别关于生物样本的其他细节。
在2110A处,可以显示与针对感兴趣区域的第一计数相关的信息的文本或图形表示。例如,可以在2110A处在图形用户界面的图库视图中显示文本描述或图形表示。
图22B-图22E示出了在一个或多个实施例中关于图22A所示的高级框图的更多细节。更具体地,图22B-图22E示出了关于在图22A所示的过程或系统中使用的机器学习模型的更多细节。在这些一个或多个实施例中,卷积神经网络的多个处理块2102B可以包括第一处理块2104B、第二处理块2106B、第三处理块2108B和第四处理块2110B。
在如图22C所示的一些实施例中,第一处理块2104B可以包括第一下采样块2102C和从第一下采样块2102C接收输入的第一残差块2106C。第一下采样块2102C可以包括第一卷积核2104C。在这些实施例中的一些实施例中,第一卷积核具有第一维度和针对第一深度的第一步幅,第一维度大于一乘一,并且第一步幅大于一。在一个实施例中,第一卷积核2104C 具有三乘三(3×3)的维度且第一步幅为二(2)。
第一残差块2106C包括第一并行路径2108C和第二并行路径2110C,第一并行路径和第二并行路径两者都从第一下采样块2102C接收第一下采样块输出。第一并行路径2108C包括具有第二维度或过滤器大小的多个第二卷积核211C,并且第二并行路径2110C具有第三卷积核211C,该第三卷积核具有小于第二维度或过滤器大小的第三维度或过滤器大小。在一个实施例中,第二维度或过滤器大小是三乘三(3×3),并且第三维度或过滤器大小是一乘一(1×1)。
在如图22D所示的一些实施例中,第二处理块2106B可以包括第二下采样块2102D和从第二下采样块2102D接收输入的第二残差块2106D。第二下采样块2102D可以包括第四卷积核2104D。在这些实施例中的一些实施例中,第四卷积核具有第四维度和针对第四深度的第四步幅,第四维度大于一乘一,并且第四步幅大于一。在一个实施例中,第四卷积核2104D 具有三乘三(3×3)的维度并且第四步幅为二(2)。
第二残差块2106D包括第三并行路径2108D和第四并行路径2110D,第三并行路径和第四并行路径两者都从第二下采样块2102D接收第二下采样块输出。第三并行路径2108D包括具有第五维度或过滤器大小的多个第五卷积核2112D,并且第四并行路径2110D具有第六卷积核2114D,该第六卷积核2114D具有小于第五卷积核2112D的第五维度或过滤器大小的第六维度或过滤器大小。在一个实施例中,第五维度或过滤器大小是三乘三 (3×3),并且第六维度或过滤器大小是一乘一(1×1)。
在如图22E所示的一些实施例中,第三处理块2106E可以包括第三下采样块2102E和从第三下采样块2102E接收输入的第三残差块2106E。第三下采样块2102E可以包括第七卷积核2104E。在这些实施例的一些实施例中,第七卷积核2104E具有第七维度和针对第七深度的第七步幅,第七维度大于一乘一,并且第七步幅大于一。在一个实施例中,第七卷积核 2104E具有三乘三(3×3)的维度且第七步幅为二(2)。
第三残差块2106E包括第五并行路径2108E和第六并行路径2110E,第五并行路径和第六并行路径两者都从第三下采样块2102E接收第三下采样块输出。第五并行路径2108E包括具有第八维度或过滤器大小的多个第八卷积核2112E,并且第六并行路径2110E具有第九卷积核2114E,该第九卷积核具有小于多个第八卷积核2112E的第八维度或过滤器大小的第九维度或过滤器大小。在一个实施例中,第八维度或过滤器大小是三乘三(3×3),并且第九维度或过滤器大小是一乘一(1×1)。
如图22F所示,第四处理块2110B包括第一转置卷积层2102F,第一转置卷积层2102F之后是第一归一化层2104F(例如,第一批量归一化层)。第四处理块2110B还可以包括第二转置卷积层2106F,该第二转置卷积层之后是第二归一化层2108F(例如,批量归一化层)。第一转置卷积层2102F 和第一归一化层2104F的执行先于第二转置卷积层2106F和第二归一化层 2184F的执行。第四处理块2110B生成卷积神经网络(CNN)输出2110F。以上参考图14D-图14G描述了关于第一至第四处理块之间的数据流的更多细节。
在一些实施例中,第四处理块中的转置卷积层的总数对应于比第一处理块和第二处理块中的卷积层的总数小至少一的值。在一些实施例中,卷积神经网络不包括池化层。附加地或替代地,卷积神经网络中的所有卷积层具有大于一乘一的过滤器大小,使得卷积神经网络中没有卷积层具有一乘一过滤器。
在一些实施例中,将第一图像数据预处理为第一预处理图像数据包括至少部分地基于感兴趣区域或第一图像数据的类型而至少将第一图像数据缩减为第一预处理图像数据,其中,第一图像数据的类型对应于捕获第一图像数据以分析生物样本的操作,并且该操作包括导出操作或导入操作。附加地或替代地,在一些实施例中,可以至少部分地基于生物样本的第一几何特性和感兴趣区域的第二几何特性来确定第一图像数据的像素大小。在这些紧接前述实施例的一些实施例中,生物样本的第一几何特性包括生物样本的直径、大直径、小直径或面积,并且感兴趣区域的第二几何特性包括感兴趣区域或其一部分的宽度或长度。
在一些实施例中,确定第一图像数据的第一类别或类型包括:通过使用卷积神经网络的至少第一处理块来处理多个低级特征,以及通过使用卷积神经网络的至少第三处理块来处理多个抽象特征。在这些实施例的一些实施例中,确定第一类别或类型还可以包括确定第一类别或类型或对应于第一类别或类型的第一统计量,其中,第一统计量包括第一图像数据中的一个或多个像素表示对应的生物样本特性的第一概率。
在一些实施例中,可以基于具有多个处理块的卷积神经网络(CNN) 从针对感兴趣区域在第二时间点捕获的第二图像数据确定生物样本的第二计数,并且可以至少通过顺序地呈现第一图像数据的一部分和第二图像数据的一部分来在图形用户界面的图库视图中重放感兴趣区域的视频序列。
在这些实施例的一些实施例中,确定第二计数可以包括:接收在第一时间点针对微流体装置中的感兴趣区域捕获的第二图像数据;至少通过将第二图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列来将第二图像数据预处理成第二预处理图像数据;利用至少一个机器学习模型将第二图像数据分类为第一类别或类型;以及至少通过利用具有多个处理块的卷积神经网络识别生物样本来至少部分地基于第一类别或类型而确定感兴趣区域中在第二时间点的生物样本的第二计数。
在一些实施例中,将第二图像数据预处理成第二预处理图像数据包括:至少部分地基于感兴趣区域或第二图像数据的类型而至少将第二图像数据缩减成第二预处理图像数据,其中,第二图像数据的类型对应于在其间捕获第二图像数据以用于分析生物样本的单独操作,并且单独操作包括导出操作、导入操作、单独导出操作或单独导入操作。
虽然已经参考本发明的示例实施例详细描述了本发明,但是对于本领域技术人员显而易见的是,在不脱离本发明的范围的情况下,可以进行各种改变并采用等同物。已经出于说明和描述的目的呈现了本发明的优选实施例的前述描述。其并非旨在穷举或将本发明限制于所公开的精确形式,并且鉴于上述教导可以进行修改和变化,或者可以从本发明的实践中获得修改和变化。选择和描述实施例是为了解释本发明的原理及其实际应用,以使本领域技术人员能够在适合于预期的特定用途的各种实施例中利用本发明。本发明的范围旨在由所附权利要求及其等同物限定。上述文献中的每个的全部内容都通过引用并入本文。
本文描述了本公开的各种示例实施例。在非限制性意义上参考这些示例。提供示例以说明本发明的更广泛适用方面。在不脱离本发明的真实精神和范围的情况下,可以对本文描述的各种实施例进行各种改变,并且可以用等同物替换。另外,可以进行许多修改以使特定情况、材料、物质组成、过程、过程动作或步骤适应本公开的目的、精神或范围。此外,如本领域技术人员将理解的,在不脱离本公开的范围或精神的情况下,本文描述和示出的各个变型中的每个都具有离散的组件和特征,这些组件和特征可以容易地与其他若干实施例中的任何一个的特征分离或组合。所有这些修改旨在落入与本公开相关联的权利要求的范围内。
本公开包括可以使用主题装置执行的方法。该方法可以包括提供这种合适的装置的动作。这种提供可以由最终用户执行。换言之,“提供”动作仅需要终端用户获得、访问、接近、定位、设置、激活、加电或以其他方式动作以在主题方法中提供必要的装置。本文所述的方法可以以逻辑上可能的所述事件的任何顺序以及以所述事件的顺序执行。
上面已经阐述了本发明的示例方面以及关于材料选择和制造的细节。关于本公开的其他细节,可以结合上述参考的专利和出版物以及本领域技术人员通常已知或理解的内容来理解这些细节。就如通常或逻辑上采用的附加动作而言,关于本发明的基于方法的方面也是如此。
另外,尽管已经参考可选地包含各种特征的若干示例描述了本发明,但是本发明不限于关于本发明的每个变型所描述或指示的内容。在不脱离本发明的真实精神和范围的情况下,可以对所描述的本发明进行各种改变,并且可以用等同物替换(无论是在本文中引用的还是为了简洁起见未包括的)。另外,在提供值的范围的情况下,应当理解,在该范围的上限与下限之间的每个中间值以及在所述范围内的任何其他所述值或中间值都包括在本发明内。
此外,可以设想,所描述的本发明变型的任何可选特征可以独立地阐述和要求保护,或者与本文所述的任何一个或多个特征组合。对单数项的引用包括存在多个相同项的可能性。更具体地,如本文和与其相关联的权利要求中所使用的,单数形式“一”、“一个”、“所述”和“该”包括复数指示物,除非另有具体说明。换言之,冠词的使用允许上述描述以及与本公开相关联的权利要求中的主题项目中的“至少一个”。还应注意,这样的权利要求可以被撰写为排除任何可选要素。因此,该陈述旨在用作与权利要求要素的叙述相关的诸如“单独”、“仅”等排他性术语的使用或“否定”限制的使用的先行基础。
在不使用这样的排他性术语的情况下,与本公开相关联的权利要求中的术语“包括”应允许包括任何附加元件,而不管在这样的权利要求中是否列举了给定数量的元件,或者特征的添加可以被视为改变在这样的权利要求中阐述的元件的性质。除非本文具体定义,否则本文使用的所有技术和科学术语在保持权利要求有效性的同时尽可能广泛地给出通常理解的含义。
本公开的广度不限于所提供的示例和/或主题说明书,而是仅由与本公开相关联的权利要求语言的范围限制。所示实施例的以上描述并非旨在穷举或将实施例限制为所公开的精确形式。尽管本文出于说明性目的描述了具体实施例和示例,但是如相关领域的技术人员将认识到的,可以在不脱离本公开的精神和范围的情况下进行各种等同修改。本文提供的各种实施例的教导可以应用于实现虚拟或AR或混合系统和/或采用用户界面的其他装置,不一定是上面一般描述的示例AR系统。
例如,前面的详细描述已经通过使用框图、示意图和示例阐述了设备和/或过程的各种实施例。在这样的框图、示意图和示例包括一个或多个功能和/或操作的情况下,本领域技术人员将理解,这样的框图、流程图或示例内的每个功能和/或操作可以通过各种硬件、软件、固件或实际上其任何组合来单独地和/或共同地实现。
在一个实施例中,本发明要求保护的主题可以经由专用集成电路 (ASIC)、现场可编程门阵列(FPGA)等来实现。然而,本领域技术人员将认识到,本文公开的实施例全部或部分可以等效地在标准集成电路中实现为由一台或多台计算机执行的一个或多个计算机程序(例如,实现为一个或多个计算机系统上运行的一个或多个程序)、实现为由一个或多个控制器 (例如,微控制器)执行的一个或多个程序、实现为由一个或多个处理器(例如,微处理器)执行的一个或多个程序、实现为固件或实现为实际上其任何组合,且鉴于本公开的教导设计电路和/或编写软件和/或固件的代码将完全在本领域普通技术人员的技能范围内。
当逻辑被实现为软件并存储在存储器中时,逻辑或信息可以存储在任何非暂时性计算机可读介质上,以供任何处理器相关的系统或方法使用或与其结合使用。在本公开的上下文中,存储器是计算机可读介质,其是包括或存储计算机和/或处理器程序的电子、磁性、光学或其他物理装置或构件。逻辑和/或信息可以体现在任何计算机可读介质中,以供指令执行系统、设备或装置使用或与其结合使用,所述指令执行系统、设备或装置诸如基于计算机的系统、包括处理器的系统或可以从指令执行系统、设备或装置获取指令并执行与逻辑和/或信息相关联的指令的其他系统。
在本说明书的上下文中,“非暂时性计算机可读介质”可以是可以存储与逻辑和/或信息相关联的程序以供指令执行系统、设备和/或装置使用或与指令执行系统、设备和/或装置结合使用的任何元件。计算机可读介质可以是例如但不限于电子、磁性、光学、电磁、红外或半导体系统、设备或装置。计算机可读介质的更具体示例(非穷举列表)将包括以下:便携式计算机磁盘(磁性、紧凑型闪存卡、安全数字等)、随机存取存储器 (RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM、 EEPROM或闪存)、便携式光盘只读存储器(CDROM)、数字磁带和其他非暂时性介质。
本文描述的许多方法可以以变型来执行。例如,许多方法可以包括附加动作,省略一些动作,和/或以与所示出或描述的顺序不同的顺序执行动作。可以组合上述各种实施例以提供进一步的实施例。本说明书中提及和/ 或在申请数据表中列出的所有美国专利、美国专利申请公开、美国专利申请、外国专利、外国专利申请和非专利出版物不与本文中特定教导和定义相抵触。如果需要,可以修改实施例的各方面,以采用各种专利、申请和出版物的系统、电路和概念来提供另外的实施例。
鉴于以上详细描述,可以对实施例进行这些和其他改变。通常,在以下权利要求中,所使用的术语不应被解释为将权利要求限制于说明书和权利要求中公开的特定实施例,而应被解释为包括所有可能的实施例以及这些权利要求所赋予的等同物的全部范围。因此,权利要求不受本公开的限制。此外,可以组合上述各种实施例以提供进一步的实施例。如果需要,可以修改实施例的各方面,以采用各种专利、申请和出版物的概念来提供另外的实施例。
鉴于以上详细描述,可以对实施例进行这些和其他改变。通常,在以下权利要求中,所使用的术语不应被解释为将权利要求限制于说明书和权利要求中公开的特定实施例,而应被解释为包括所有可能的实施例以及这些权利要求所赋予的等同物的全部范围。因此,权利要求不受本公开的限制。
在前述说明书中,已经参考本发明的具体实施例描述了本发明。然而,显而易见的是,在不脱离本发明的更广泛的精神和范围的情况下,可以对其进行各种修改和改变。例如,参考过程动作的特定顺序来描述上述过程流程。然而,在不影响本发明的范围或操作的情况下,可以改变许多所描述的过程动作的顺序。因此,说明书和附图被认为是说明性的而不是限制性的。
本文描述了本发明的各种示例实施例。在非限制性意义上参考这些示例。提供本文中所描述的示例是为了说明本发明的更广泛适用方面。在不脱离本文描述的这些示例或实施例的真实精神和范围的情况下,可以对本文描述的任何示例或实施例进行各种改变,并且可以替换其等同物。
另外,可以进行许多修改以使特定情况、材料、物质组成、系统、模块、过程和/或过程动作或步骤适应本公开的目的、精神或范围。此外,如本领域技术人员将理解的,本文描述和示出的各个变型、示例和/或实施例等中的每一个都具有离散的组件和特征,其可以容易地与任何其他若干变型、示例和/或实施例等的一个或多个特征分离或组合,而不脱离本文描述的各种变型、示例和/或实施例等的范围或精神。所有这些修改旨在落入与本公开相关联的权利要求的范围内。此外,可以组合本文描述的各种实施例或其部分以提供进一步的实施例。如果需要,可以修改实施例的任何方面,以采用本文描述的各种变型、示例和/或实施例等的概念来提供另外的实施例。
Claims (50)
1.一种用于分析生物样本的方法,包括:
识别微流体装置中的多个感兴趣区域中的生物样本的分析和与所述分析相关的时间线,其中,所述时间线包括与所述生物样本的所述分析的工作流程或管线中的至少一个在时间上对准的信息;
确定所述多个感兴趣区域的一种或多种感兴趣区域类型,其中,所述一种或多种感兴趣区域类型包括与所述生物样本中的至少一个生物样本相关的基于目标的类型或与所述微流体装置相关的基于结构的类型;
至少部分地基于所述一种或多种感兴趣区域类型来确定所述生物样本的多个特性,其中,所述多个特性分别对应于所述生物样本或所述分析的属性、性质或可量化度量;以及
至少部分地基于所述多个特性和所述时间线,在用户界面中针对所述生物样本的至少一部分布置和呈现来自所述分析的分别对应于所述多个感兴趣区域的相关联数据。
2.根据权利要求1所述的方法,其中,布置和呈现所述相关联数据包括:
至少部分地基于所述用户界面中用于呈现分析结果的可分配空间来确定具有用于所述分析结果的多个图库子结构的图库结构。
3.根据权利要求2所述的方法,其中,布置和呈现所述分析结果包括:
至少部分地基于所述多个特性中的特性将所述分析结果填充到图库结构中的所述多个图库子结构中。
4.根据权利要求3所述的方法,确定所述图库结构包括:
确定与第一生物样本的一组时间点或时间段相关的第一数据序列,所述第一生物样本从所述多个感兴趣区域中的第一感兴趣区域获得,所述多个感兴趣区域来自存储在非暂时性计算机可访问存储介质中的可寻址空间中的所述图库结构,其中,所述第一数据序列对应于所述多个特性中的至少第一特性;以及
确定与第二生物样本的一组时间点或时间段相关的第二数据序列,所述第二生物样本从来自所述图库结构的所述多个感兴趣区域中的第二感兴趣区域获得,其中,所述第二数据序列对应于所述多个特性中的至少第二特性;以及
响应于利用所述用户界面中的第一选择窗口部件从所述多个特性中选择至少所述第一特性,
从多个值中提取至少所述第一特性的第一值以用于所述第一生物样本或用于所述分析,并且
从所述多个值中提取至少所述第一特性的第二值以用于所述第二生物样本或用于所述分析。
5.根据权利要求4所述的方法,布置和呈现分析结果包括:
将分别对应于所述第一数据序列和所述第二数据序列的第一交互物体和第二交互物体呈现到所述图库视图中,其中,
所述第一交互物体代表用于所述第一生物样本或用于所述分析的所述第一值,并且
所述第二交互物体代表用于所述第二生物样本或用于所述分析的所述第二值。
6.根据权利要求1所述的方法,还包括:
响应于至少部分地基于所述时间线通过所述用户界面中的时间线视图激活交互式窗口部件调用时间线视图,在所述用户界面中呈现所述时间线视图和匹配网格部分。
7.根据权利要求6所述的方法,其中,
所述时间线视图包括所述生物样本的所述分析中的多个工作流程任务的各自进度,并且
所述各自进度以图形方式指示所述多个工作流程任务的各自持续时间。
8.根据权利要求7所述的方法,还包括:
响应于在所述用户界面中表示的所述微流体装置的识别、与来自第一感兴趣区域的所述多个感兴趣区域的第一生物样本相关的第一数据序列、或与来自第二感兴趣区域的所述多个感兴趣区域的第二生物样本相关的第二数据序列,确定是否存在用于存储与所述微流体装置中的所述生物样本相关的数据的图库结构,其中,
所述数据包括在所述用户界面中表示的与来自所述多个感兴趣区域的第一感兴趣区域的所述第一生物样本相关的所述第一数据序列,或与来自所述多个感兴趣区域的所述第二感兴趣区域的所述第二生物样本相关的所述第二数据序列。
9.根据权利要求8所述的方法,还包括:
当确定存在用于所述微流体装置的所述图库结构时,
利用所述第一数据序列的至少一部分或所述相关联数据的至少一部分填充所述匹配网格部分,并且
呈现标识符窗口部件,当从所述用户界面接收到标识符改变输入时,所述标识符窗口部件触发改变所述多个特性中的第一特性且与所述第一数据序列相关的指令。
10.根据权利要求9所述的方法,还包括:
呈现删除窗口部件,当所述删除窗口部件在所述用户界面中被调用时,使至少一个处理器从所述时间线视图中移除所述微流体装置和与所述微流体装置相关的数据。
11.根据权利要求1所述的方法,还包括:
将所述多个感兴趣区域中的第一感兴趣区域与时间线视图中示出的一个或多个图形元素相关联。
12.根据权利要求11所述的方法,其中,将所述第一感兴趣区域与所述一个或多个图形元素相关联包括:
针对在所述用户界面的一部分中的第一列中的所述一个或多个图形元素中的第一图形元素,呈现与在第一时间点或第一时间段捕获的第一数据序列相对应的第一交互物体;或
针对在所述用户界面的一部分中的第一列中的所述一个或多个图形元素中的第一图形元素,呈现与在第一时间点或第一时间段捕获的第一数据序列相对应的第一交互物体,并且针对所述一个或多个图形元素中的第二图形元素,呈现与在第二时间点或第二时间段捕获的第二数据序列相对应的第二交互物体,所述第二交互物体与所述用户界面的所述部分中的第二列相对应。
13.根据权利要求1所述的方法,其中,布置和呈现所述分析结果包括:
至少部分地基于用于所述生物样本的所述分析的所述管线或所述工作流程来确定所述时间线。
14.根据权利要求13所述的方法,其中,布置和呈现所述分析结果包括:
至少部分地基于所述时间线确定用于所述分析的多个阶段,其中,所述多个阶段分别对应于用于所述生物样本的所述分析的多个时间点或时间段。
15.根据权利要求14所述的方法,其中,布置和呈现所述相关联数据包括:
至少部分地基于所述多个时间点或时间段分别确定所述多个阶段的多个图形表示。
16.根据权利要求1所述的方法,还包括在所述用户界面中呈现数据控制视图,呈现所述数据控制视图包括:
针对具有多个腔室的所述微流体装置生成具有多个字段的微流体装置数据结构。
17.根据权利要求16所述的方法,呈现所述数据控制视图包括:
将与所述微流体装置相关的第一数据填充到所述微流体装置数据结构中的第一字段中,其中,所述第一数据包括所述微流体装置的第一标识符。
18.根据权利要求17所述的方法,呈现所述数据控制视图包括:
针对所述微流体装置数据结构的所述第一字段呈现第一交互式数据控制窗口部件,其中,所述第一交互式数据控制窗口部件在被交互时,至少部分地基于在所述数据控制视图中接收的用于配置与至少所述第一数据和所述图库视图相关的腔室列表的第一输入来调用与时间线视图或图库视图相关的多个第一候选动作中的一个。
19.根据权利要求17所述的方法,呈现所述数据控制视图还包括:
将与所述微流体装置相关的第二数据填充到所述微流体装置数据结构中的第二字段中,其中,所述第二数据包括与对所述微流体装置中的所述生物样本的第一生物处理相关的标签。
20.根据权利要求19所述的方法,呈现所述数据控制视图还包括:
针对所述第二字段呈现第二交互式数据控制窗口部件,其中,所述第二交互式数据控制窗口部件响应于所述数据控制视图中的用于配置所述相关联数据的一个或多个可视化选项的第二用户输入而调用多个第二候选动作中的至少一个。
21.根据权利要求1所述的方法,还包括呈现过滤器视图,其中,呈现所述过滤器视图包括:
至少部分地基于由与过滤器生成模块中的第一过滤器选择器开关的交互触发的一个或多个指令的执行来确定第一过滤器的第一过滤器类型。
22.根据权利要求21所述的方法,呈现所述过滤器视图还包括:
在所述微流体装置的所述过滤器视图中动态地确定并显示:
满足应用于所述多个感兴趣区域的所述第一过滤器的第一动态约束的第一组过滤的感兴趣区域的感兴趣区域的第一总数。
23.根据权利要求21所述的方法,呈现所述过滤器视图还包括:
在过滤器生成模块处生成至少第二过滤器类型的第二过滤器和所述第一过滤器类型的所述第一过滤器的逻辑组合。
24.根据权利要求23所述的方法,呈现所述过滤器视图还包括:
响应于第二过滤器属性的确定,呈现用于根据所述第二过滤器对所述微流体装置的多个腔室或所述多个感兴趣区域进行过滤的第二过滤器配置器,其中,
所述第二过滤器配置器响应于第二过滤器输入而施加第二动态约束,并且所述第二动态约束约束来自所述多个感兴趣区域的待在所述用户界面中显示的过滤的感兴趣区域的第二数量。
25.根据权利要求24所述的方法,呈现所述过滤器视图还包括:
在所述过滤器视图中针对所述微流体装置动态地确定并显示满足所述第二动态约束的过滤的感兴趣区域的第二总数;以及
呈现响应于来自所述第二过滤器输入的所述第二动态约束中的第二动态变化而动态地变化的第二直方图。
26.根据权利要求1所述的方法,还包括生成生物信息学管线视图,生成所述生物信息学管线视图包括:
确定所述微流体装置的多个腔室或所述多个感兴趣区域中的所述生物样本的测序数据集,其中,生物样本包括核苷酸或氨基酸的序列。
27.根据权利要求26所述的方法,生成所述生物信息学管线视图还包括:
响应于与所述用户界面中的第一测序视图窗口部件的第一交互,在所述生物信息学管线视图中呈现第一测序视图,所述第一测序视图示出了第一生物样本的序列的属性的分布,所述第一生物样本的序列包括所述微流体装置的所述多个腔室或所述多个感兴趣区域中的核苷酸序列、氨基酸序列或大分子序列中的至少一个。
28.根据权利要求27所述的方法,生成所述生物信息学管线视图还包括:
用第一信息覆盖所述第一测序视图,所述第一信息包括第一生物样本的多个序列的属性的分布的一个或多个统计度量,所述第一生物样本的多个序列包括所述第一生物样本的序列,其中,
所述用户界面包括所述第一生物样本的多个序列的总数、具有所述第一生物样本的序列的感兴趣区域的总数、以及感兴趣区域阵列的各自感兴趣区域中的第一生物样本的一个或多个序列的各自总数。
29.根据权利要求1所述的方法,还包括:
在包括至少一个视图的所述用户界面中呈现多方向放置窗口部件,其中,所述至少一个视图包括图库视图、时间线视图、过滤器视图、生物信息学管线视图或差异基因表达视图中的一个或多个;以及
至少部分地基于来自用户的第一输入来识别用于将单独物体添加到所述用户界面中的添加指令。
30.根据权利要求29所述的方法,还包括:
至少部分地基于所述第一输入从所述单独物体的多个候选放置位置确定候选放置位置。
31.根据权利要求30所述的方法,还包括:
在所述用户界面中的所述候选位置处呈现重影物体,以在将所述单独物体放置在所述用户界面中之前图形地呈现所述单独物体相对于所述至少一个视图待被放置的位置。
32.根据权利要求1所述的方法,其中,所述多个特性对应于一个或多个属性,所述一个或多个属性还包括以下中的至少一个:所述微流体装置中的感兴趣区域的标识符、所述生物样本的大小属性、所述生物样本的最大亮度属性、所述生物样本的最小亮度属性、第一生物样本的质心在第一方向上的第一像素计数属性、所述生物样本的质心在第二方向上的第二像素计数属性、所述生物样本的质心的大小属性、延时索引属性、微流体装置的装置标识符、生物样本计数属性、经验证的生物样本计数属性、生物样本类型属性、所述多个感兴趣区域的分数属性、门路径索引、区域像素属性、背景像素属性或多个生物样本的中位数亮度属性。
33.根据权利要求1所述的方法,还包括在第一时间点在所述微流体装置中的感兴趣区域中确定所述生物样本的第一计数。
34.根据权利要求33所述的方法,还包括:
至少通过将第一图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列,将在第一时间点针对所述微流体装置中的感兴趣区域捕获的第一图像数据预处理成第一预处理图像数据。
35.根据权利要求34所述的方法,还包括:
至少通过利用具有多个处理块的卷积神经网络CNN识别总生物样本来确定所述感兴趣区域中的总生物样本的第一计数。
36.根据权利要求35所述的方法,还包括:
使用所述卷积神经网络CNN的所述多个处理块至少部分地基于所述第一图像数据的第一类别或类型来确定所述感兴趣区域中的所述生物样本的所述第一计数。
37.根据权利要求35所述的方法,其中,所述多个处理块包括:
第一处理块、第二处理块和第三处理块,所述第一处理块包括第一下采样块,所述第一下采样块将到第二下采样块的第一输入下采样到第一下采样图像数据中。
38.根据权利要求37所述的方法,所述第一处理块还包括:
第一残差网络,其中,所述第一残差网络在所述第一下采样块之后,其中,所述第一处理块中的所述第一下采样块和所述第一残差网络中的每一个都包括至少一个第一卷积层,其中,
所述第一残差网络包括第一并行路径和第二并行路径,所述第一并行路径和所述第二并行路径两者都从所述第一下采样块接收第一下采样块输出,
所述第一并行路径包括第一过滤器大小,并且
所述第二并行路径包括小于所述第一并行路径的所述第一过滤器大小的第二过滤器大小。
39.根据权利要求35所述的方法,其中,所述卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得所述卷积神经网络中没有卷积层具有一乘一的过滤器,并且所述卷积神经网络不包括池化层。
40.一种用于分析生物样本的图像的方法,包括:
接收在第一时间点或时间段针对微流体装置中的感兴趣区域捕获的第一图像数据;
至少通过将所述第一图像数据布置成第一像素信息乘以第二像素信息乘以像素深度信息的阵列,来将所述第一图像数据预处理成第一预处理图像数据;
至少通过利用至少一个机器学习模型将所述第一图像数据分类为第一类别或类型,来确定所述第一图像数据的第一类别或类型;
至少通过利用具有多个处理块的卷积神经网络CNN识别所述生物样本,来至少部分地基于所述第一类别或类型确定所述感兴趣区域中的所述生物样本的第一计数;以及
在图形用户界面GUI的图库视图中显示与所述感兴趣区域的所述第一计数相关的文本或图形信息。
41.根据权利要求40所述的方法,其中,所述多个处理块包括第一处理块,所述第一处理块还包括:
第一下采样块,所述第一下采样块将到所述第二下采样块的第一输入下采样为到第一下采样图像数据中;以及
第一残差网络,其中,所述第一残差网络在所述第一下采样块之后,其中,所述第一处理块中的所述第一下采样块和所述第一残差网络中的每一个都包括至少一个第一卷积层,其中,
所述第一下采样块包括第一卷积核,所述第一卷积核具有第一维度和针对第一深度的第一步幅,所述第一维度大于一乘一,并且所述第一步幅大于一,
所述第一卷积核之后是第一批量归一化层,所述第一批量归一化层之后是所述第一下采样块中的第一激活层,
所述第一残差网络包括第一并行路径和第二并行路径,所述第一并行路径和所述第二并行路径两者都从所述第一下采样块接收第一下采样块输出,所述第一并行路径包括第一过滤器大小,并且所述第二并行路径包括小于所述第一并行路径的所述第一过滤器大小的第二过滤器大小,并且
所述第一并行路径包括多个第二卷积核,所述多个第二卷积核具有至少第二维度和针对第二深度的第二步幅,所述第二维度低于所述第一维度并且大于一乘一,并且所述第二步幅小于所述第一步幅。
42.根据权利要求41所述的方法,还包括:
至少通过沿着所述第二并行路径利用具有第三维度和第三步幅的第三卷积核处理第一下采样块输出,来减少在处理所述第一图像数据中的空间信息的第一损失,其中,所述第三维度小于所述第一维度和所述第二维度,并且所述第三步幅小于所述第一步幅。
43.根据权利要求41所述的方法,其中,所述多个块还包括第二处理块,所述第二处理块还包括:
第二下采样块,所述第二下采样块将到所述第二下采样块的第二输入下采样到第二下采样图像数据中;以及
第二残差网络,所述第二残差网络在所述第二下采样块之后,其中,所述第二处理块中的所述第二下采样块和所述第二残差网络中的每一个都包括至少一个第二卷积层。
44.根据权利要求43所述的方法,其中,所述多个块还包括第三处理块,所述第三处理块还包括:
第三下采样块,所述第三下采样块将到所述第三下采样块的第三输入下采样到第三下采样图像数据中;以及
第三残差网络,所述第三残差网络在所述第三下采样块之后,其中,所述第三处理块中的所述第三下采样块和所述第二残差网络中的每一个都包括至少一个第三卷积层。
45.根据权利要求44所述的方法,还包括至少以下之一:
至少通过沿着第四并行路径利用具有第六维度和第六步幅的第六卷积核处理所述第二下采样块输出来减少所述空间信息的第二损失,其中,所述第六维度小于所述第四维度和所述第五维度,并且所述第六步幅小于所述第四步幅;或
至少通过沿着第六并行路径利用具有第九维度和第九步幅的第九卷积核处理第三下采样块输出来减少所述空间信息的第三损失,其中,所述第九维度小于所述第七维度和所述第八维度,并且所述第九步幅小于所述第七步幅。
46.根据权利要求45所述的方法,其中,所述多个块还包括第四处理块,所述第四处理块还包括:
多个转置卷积层,所述多个转置卷积层中的每一个转置卷积层之后是各自的归一化层,其中,
所述多个转置卷积层中的转置卷积层具有与所述第一处理块中的所述至少一个第一卷积层或所述第二处理块中的所述至少一个第二卷积层相同的步幅数。
47.根据权利要求45所述的方法,还包括:
从所述第一图像数据确定一个或多个第一图像,所述一个或多个第一图像包括与所述第一计数相关并且在时间上对应于所述第一时间点或时间段的第一信息;
从所述第二图像数据确定一个或多个第二图像,所述一个或多个第二图像包括与所述第二计数相关并且在时间上对应于所述第二时间点或时间段的第二信息;以及
至少通过在所述图形用户界面中以时间序列动态地呈现所述一个或多个第一图像和所述一个或多个第二图像来呈现所述生物样本的至少一部分的时间进度。
48.根据权利要求40所述的方法,其中,所述卷积神经网络中的卷积层具有大于一乘一的过滤器大小,使得所述卷积神经网络中没有卷积层具有一乘一的过滤器,并且所述卷积神经网络不包括池化层。
49.一种产品,包括在其上存储指令序列的非暂时性机器可访问存储介质,当所述指令序列由处理器执行时使所述处理器执行根据权利要求1-48中任一项所述的方法。
50.一种系统,包括:
处理器;
用户界面,所述用户界面被耦合至所述处理器以处理多个分子生物学样本,所述多个分子生物学样本包括第一分子生物学装置中的第一分子生物学样本和第二分子生物学样本;
非暂时性计算机可访问存储介质,其上存储指令序列,当所述指令序列由处理器执行时使所述处理器执行根据权利要求1-48中任一项所述的方法。
Applications Claiming Priority (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962936550P | 2019-11-17 | 2019-11-17 | |
US62/936,550 | 2019-11-17 | ||
US201962950573P | 2019-12-19 | 2019-12-19 | |
US62/950,573 | 2019-12-19 | ||
US202063035726P | 2020-06-06 | 2020-06-06 | |
US63/035,726 | 2020-06-06 | ||
US202063060647P | 2020-08-03 | 2020-08-03 | |
US63/060,647 | 2020-08-03 | ||
PCT/US2020/060784 WO2021097449A1 (en) | 2019-11-17 | 2020-11-16 | Systems and methods for analyses of biological samples |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115298534A true CN115298534A (zh) | 2022-11-04 |
Family
ID=75912816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080094332.4A Pending CN115298534A (zh) | 2019-11-17 | 2020-11-16 | 用于生物样本的分析的系统和方法 |
Country Status (10)
Country | Link |
---|---|
US (3) | US11521709B2 (zh) |
EP (1) | EP3894834A4 (zh) |
JP (1) | JP2023503253A (zh) |
KR (1) | KR20220113683A (zh) |
CN (1) | CN115298534A (zh) |
AU (1) | AU2020385015A1 (zh) |
CA (1) | CA3157616A1 (zh) |
IL (1) | IL292993A (zh) |
TW (1) | TW202142856A (zh) |
WO (1) | WO2021097449A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168765A (zh) * | 2023-04-25 | 2023-05-26 | 山东大学 | 基于改进strobemer的基因序列生成方法及系统 |
CN116721777A (zh) * | 2023-08-10 | 2023-09-08 | 中国医学科学院药用植物研究所 | 基于神经网络的药物药效评价方法、装置、设备及介质 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10675625B2 (en) | 2016-04-15 | 2020-06-09 | Berkeley Lights, Inc | Light sequencing and patterns for dielectrophoretic transport |
JP7227162B2 (ja) | 2017-06-06 | 2023-02-21 | ザイマージェン インコーポレイテッド | 真菌株を改良するためのhtpゲノム操作プラットフォーム |
EP3810750A4 (en) | 2018-06-06 | 2022-03-23 | Zymergen, Inc. | MANIPULATION OF GENES INVOLVED IN SIGNAL TRANSDUCTION TO CONTROL FUNGAL MORPHOLOGY DURING FERMENTATION AND PRODUCTION |
US11479779B2 (en) | 2020-07-31 | 2022-10-25 | Zymergen Inc. | Systems and methods for high-throughput automated strain generation for non-sporulating fungi |
CN113220748B (zh) * | 2021-05-21 | 2023-10-27 | 国网江苏省电力有限公司镇江供电分公司 | 一种构建配电网设备负荷热力图及数据分析的方法和系统 |
US20230073786A1 (en) * | 2021-09-03 | 2023-03-09 | Hewlett-Packard Development Company, L.P. | Particle separation |
WO2023064614A1 (en) * | 2021-10-16 | 2023-04-20 | The Regents Of The University Of Colorado A Body Corporate | System and methods for analyzing multicomponent cell and microbe solutions and methods of diagnosing bacteremia using the same |
US20230129946A1 (en) * | 2021-10-25 | 2023-04-27 | Principia Life, LLC | Smart material sample analysis |
EP4193918A1 (en) * | 2021-12-07 | 2023-06-14 | Nokia Technologies Oy | Apparatus, methods and computer programs for identifying characteristics of biological samples |
WO2023121777A1 (en) * | 2021-12-23 | 2023-06-29 | Virtualitics, Inc. | Software engines configured for detection of high impact scenarios with machine learning-based simulation |
TWI813145B (zh) * | 2022-01-25 | 2023-08-21 | 佛教慈濟醫療財團法人 | 多重螢光組織影像分析方法及其系統 |
AU2022279500B1 (en) * | 2022-12-01 | 2023-11-23 | Provectus IP Pty Ltd | Automated cell analyser and method |
Family Cites Families (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6294063B1 (en) | 1999-02-12 | 2001-09-25 | Board Of Regents, The University Of Texas System | Method and apparatus for programmable fluidic processing |
US6942776B2 (en) | 1999-05-18 | 2005-09-13 | Silicon Biosystems S.R.L. | Method and apparatus for the manipulation of particles by means of dielectrophoresis |
IL147302A0 (en) | 1999-06-28 | 2002-08-14 | California Inst Of Techn | Microfabricated elastomeric valve and pump systems |
US6995841B2 (en) * | 2001-08-28 | 2006-02-07 | Rice University | Pulsed-multiline excitation for color-blind fluorescence detection |
WO2005100541A2 (en) | 2004-04-12 | 2005-10-27 | The Regents Of The University Of California | Optoelectronic tweezers for microparticle and cell manipulation |
WO2008119066A1 (en) | 2007-03-28 | 2008-10-02 | The Regents Of The University Of California | Single-sided lateral-field and phototransistor-based optoelectronic tweezers |
US9211537B2 (en) | 2007-11-07 | 2015-12-15 | The University Of British Columbia | Microfluidic device and method of using same |
US20130115606A1 (en) | 2010-07-07 | 2013-05-09 | The University Of British Columbia | System and method for microfluidic cell culture |
US10087408B2 (en) | 2010-07-07 | 2018-10-02 | The University Of British Columbia | System and method for microfluidic cell culture |
US9188593B2 (en) | 2010-07-16 | 2015-11-17 | The University Of British Columbia | Methods for assaying cellular binding interactions |
US9227200B2 (en) | 2011-06-03 | 2016-01-05 | The Regents Of The University Of California | Microfluidic devices with flexible optically transparent electrodes |
US10196681B2 (en) * | 2011-10-06 | 2019-02-05 | Sequenom, Inc. | Methods and processes for non-invasive assessment of genetic variations |
US9857333B2 (en) | 2012-10-31 | 2018-01-02 | Berkeley Lights, Inc. | Pens for biological micro-objects |
US9403172B2 (en) | 2012-11-08 | 2016-08-02 | Berkeley Lights, Inc. | Circuit based optoelectronic tweezers |
US9889445B2 (en) | 2013-10-22 | 2018-02-13 | Berkeley Lights, Inc. | Micro-fluidic devices for assaying biological activity |
EP3760703A1 (en) | 2013-10-22 | 2021-01-06 | Berkeley Lights, Inc. | Microfluidic devices having isolation pens and methods of testing biological micro-objects with same |
EP3783094B1 (en) | 2013-10-22 | 2023-10-11 | Berkeley Lights, Inc. | Micro-fluidic devices for assaying biological activity |
CN204727866U (zh) * | 2014-03-31 | 2015-10-28 | 博奥生物集团有限公司 | 一种集核酸扩增和微阵列检测于一体的微流控装置 |
US9815056B2 (en) | 2014-12-05 | 2017-11-14 | The Regents Of The University Of California | Single sided light-actuated microfluidic device with integrated mesh ground |
EP3229961B1 (en) | 2014-12-08 | 2019-11-13 | Berkeley Lights, Inc. | Actuated microfluidic structures for directed flow in a microfluidic device and methods of use thereof |
CN107223074B (zh) | 2014-12-08 | 2019-10-18 | 伯克利之光生命科技公司 | 包含横向/纵向晶体管结构的微流体装置及其制造和使用方法 |
WO2016094459A2 (en) | 2014-12-09 | 2016-06-16 | Berkeley Lights, Inc. | Automated detection and repositioning of micro-objects in microfluidic devices |
EP3230718B1 (en) | 2014-12-09 | 2022-03-02 | Berkeley Lights, Inc. | Automated detection of assay-positive areas or of analyte quantities in microfluidic devices |
KR102568468B1 (ko) | 2014-12-10 | 2023-08-18 | 버클리 라잇츠, 인크. | 전기역학적 디바이스들을 동작시키기 위한 시스템들 |
US10751715B1 (en) | 2015-04-22 | 2020-08-25 | Berkeley Lights, Inc. | Microfluidic reporter cell assay methods and kits thereof |
US11666913B2 (en) | 2015-11-23 | 2023-06-06 | Berkeley Lights, Inc | In situ-generated microfluidic isolation structures, kits and methods of use thereof |
WO2017100347A1 (en) | 2015-12-08 | 2017-06-15 | Berkeley Lights, Inc. | Microfluidic devices and kits and methods for use thereof |
EP3397586A4 (en) | 2015-12-30 | 2019-07-17 | Berkeley Lights, Inc. | MICROFLUIDIC DEVICES FOR CONVECTION AND DISPLACEMENT WITH OPTICAL CONTROL, KITS AND RELATED METHODS |
KR102526147B1 (ko) * | 2016-01-19 | 2023-04-26 | 엘에스일렉트릭(주) | 전력시스템에서의 감시장치 |
EP3922716A1 (en) | 2016-03-17 | 2021-12-15 | Berkeley Lights, Inc. | Selection and cloning of t lymphocytes in a microfluidic device |
IL262367B (en) | 2016-04-15 | 2022-09-01 | Berkeley Lights Inc | Systems methods and kits for tests based on isolation in a confinement cell |
WO2017218878A1 (en) * | 2016-06-17 | 2017-12-21 | The Board Of Trustees Of The University Of Illinois | Soft, wearable microfluidic systems capable of capture, storage, and sensing of biofluids |
CN109952106B (zh) | 2016-07-21 | 2022-08-05 | 伯克利之光生命科技公司 | 在微流体装置中分选t淋巴细胞 |
CA3184536A1 (en) * | 2016-09-21 | 2018-03-29 | Analytics For Life Inc. | Method and system for visualization of heart tissue at risk |
CA3038535A1 (en) | 2016-10-01 | 2018-04-05 | Berkeley Lights, Inc. | Dna barcode compositions and methods of in situ identification in a microfluidic device |
AU2017345813A1 (en) | 2016-10-23 | 2019-05-23 | Berkeley Lights, Inc. | Methods for screening B cell lymphocytes |
CA3045334C (en) | 2016-12-01 | 2023-11-21 | Berkeley Lights, Inc. | Apparatuses, systems and methods for imaging micro-objects |
AU2017368268A1 (en) | 2016-12-01 | 2019-06-20 | Berkeley Lights, Inc. | Automated detection and repositioning of micro-objects in microfluidic devices |
US20180211380A1 (en) * | 2017-01-25 | 2018-07-26 | Athelas Inc. | Classifying biological samples using automated image analysis |
US10780436B2 (en) * | 2017-09-26 | 2020-09-22 | Advanced NanoBio Technologies Limited | Multi-channel microfluidic device and method for using the same |
WO2019075476A2 (en) | 2017-10-15 | 2019-04-18 | Berkeley Lights, Inc. | METHODS, SYSTEMS AND KITS FOR ENCLOSED TESTS |
WO2019191459A1 (en) | 2018-03-28 | 2019-10-03 | Berkeley Lights, Inc. | Methods for preparation of nucleic acid sequencing libraries |
AU2019276567A1 (en) * | 2018-05-31 | 2021-01-28 | Berkeley Lights, Inc. | Automated detection and characterization of micro-objects in microfluidic devices |
CA3112333A1 (en) | 2018-09-14 | 2020-03-19 | Berkeley Lights, Inc. | Methods for assaying binding affinity |
EP3863757A4 (en) | 2018-10-11 | 2022-07-20 | Berkeley Lights, Inc. | SYSTEMS AND METHODS FOR IDENTIFICATION OF OPTIMIZED PROTEIN PRODUCTION AND KITS THEREFORE |
WO2020081875A1 (en) | 2018-10-18 | 2020-04-23 | Berkeley Lights, Inc. | Proto-antigen-presenting synthetic surfaces, activated t cells, and uses thereof |
EP3874265A4 (en) | 2018-11-01 | 2022-09-28 | Berkeley Lights, Inc. | METHODS OF TESTING BIOLOGICAL CELLS IN A MICROFLUIDIC DEVICE |
CN116174068A (zh) | 2019-04-30 | 2023-05-30 | 伯克利之光生命科技公司 | 用于包封和测定细胞的方法 |
CN114175073A (zh) | 2019-05-24 | 2022-03-11 | 伯克利之光生命科技公司 | 用于优化仪器系统工作流的系统和方法 |
-
2020
- 2020-11-16 CN CN202080094332.4A patent/CN115298534A/zh active Pending
- 2020-11-16 JP JP2022527966A patent/JP2023503253A/ja active Pending
- 2020-11-16 TW TW109139982A patent/TW202142856A/zh unknown
- 2020-11-16 KR KR1020227017350A patent/KR20220113683A/ko unknown
- 2020-11-16 CA CA3157616A patent/CA3157616A1/en active Pending
- 2020-11-16 IL IL292993A patent/IL292993A/en unknown
- 2020-11-16 WO PCT/US2020/060784 patent/WO2021097449A1/en unknown
- 2020-11-16 AU AU2020385015A patent/AU2020385015A1/en active Pending
- 2020-11-16 EP EP20887548.4A patent/EP3894834A4/en active Pending
-
2021
- 2021-05-19 US US17/325,196 patent/US11521709B2/en active Active
-
2022
- 2022-05-16 US US17/745,624 patent/US20230105220A1/en active Pending
- 2022-10-21 US US17/971,400 patent/US20230282313A1/en active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116168765A (zh) * | 2023-04-25 | 2023-05-26 | 山东大学 | 基于改进strobemer的基因序列生成方法及系统 |
CN116168765B (zh) * | 2023-04-25 | 2023-08-18 | 山东大学 | 基于改进strobemer的基因序列生成方法及系统 |
CN116721777A (zh) * | 2023-08-10 | 2023-09-08 | 中国医学科学院药用植物研究所 | 基于神经网络的药物药效评价方法、装置、设备及介质 |
CN116721777B (zh) * | 2023-08-10 | 2023-10-27 | 中国医学科学院药用植物研究所 | 基于神经网络的药物药效评价方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2021097449A1 (en) | 2021-05-20 |
IL292993A (en) | 2022-07-01 |
AU2020385015A1 (en) | 2022-06-09 |
JP2023503253A (ja) | 2023-01-27 |
CA3157616A1 (en) | 2021-05-20 |
EP3894834A4 (en) | 2022-08-31 |
TW202142856A (zh) | 2021-11-16 |
KR20220113683A (ko) | 2022-08-16 |
EP3894834A1 (en) | 2021-10-20 |
US20230105220A1 (en) | 2023-04-06 |
US20230282313A1 (en) | 2023-09-07 |
US11521709B2 (en) | 2022-12-06 |
US20210272654A1 (en) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115298534A (zh) | 用于生物样本的分析的系统和方法 | |
JP7221444B2 (ja) | マイクロ流体デバイスによる微小物体の自動検出及び再配置 | |
JP7270058B2 (ja) | 予測的組織パターン特定のためのマルチプルインスタンスラーナ | |
US20210209752A1 (en) | Automated detection and characterization of micro-objects in microfluidic devices | |
US20210349075A1 (en) | Methods for assaying biological cells in a microfluidic device | |
JP7275202B2 (ja) | 画像アトラスシステム及び方法 | |
US8542899B2 (en) | Automatic image analysis and quantification for fluorescence in situ hybridization | |
Parutto et al. | High-throughput super-resolution single-particle trajectory analysis reconstructs organelle dynamics and membrane reorganization | |
Candia et al. | Understanding health and disease with multidimensional single-cell methods | |
CN117178302A (zh) | 用于细胞分析的系统和方法 | |
Corrigan et al. | Image analysis in drug discovery | |
Ni et al. | Mathematical model and genomics construction of developmental biology patterns using digital image technology | |
WO2024006308A1 (en) | Auto high content screening using artificial intelligence for drug compound development |
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 |