CN115331735A - 芯片解码方法及装置 - Google Patents

芯片解码方法及装置 Download PDF

Info

Publication number
CN115331735A
CN115331735A CN202211238457.7A CN202211238457A CN115331735A CN 115331735 A CN115331735 A CN 115331735A CN 202211238457 A CN202211238457 A CN 202211238457A CN 115331735 A CN115331735 A CN 115331735A
Authority
CN
China
Prior art keywords
microsphere
block
fluorescence
image
fluorescence image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211238457.7A
Other languages
English (en)
Other versions
CN115331735B (zh
Inventor
郑洪坤
刘敏
欧阳峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Baichuang Intelligent Manufacturing Technology Co ltd
Original Assignee
Qingdao Baichuang Intelligent Manufacturing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Baichuang Intelligent Manufacturing Technology Co ltd filed Critical Qingdao Baichuang Intelligent Manufacturing Technology Co ltd
Priority to CN202211238457.7A priority Critical patent/CN115331735B/zh
Publication of CN115331735A publication Critical patent/CN115331735A/zh
Application granted granted Critical
Publication of CN115331735B publication Critical patent/CN115331735B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G16B25/20—Polymerase chain reaction [PCR]; Primer or probe design; Probe optimisation
    • G—PHYSICS
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Analytical Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Signal Processing (AREA)
  • Genetics & Genomics (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明涉及生物芯片技术领域，提供一种芯片解码方法及装置，方法包括：确定待测芯片和待测芯片的微球阵列模板；采集待测芯片的第一荧光图像，对第一荧光图像进行区块分割，得到第二荧光图像；将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位；对第二荧光图像中的微球匹配点位进行荧光识别，确定第二荧光图像中微球匹配点位的基因探针类别；确定第二荧光图像中微球匹配点位的空间位置信息。本发明可以将微球阵列芯片中数百万个荧光信号进行识别与定位，输出数字化的荧光解码信息，最终得到生物芯片的解码数据。

Description

芯片解码方法及装置
技术领域
本发明涉及生物芯片技术领域，尤其涉及一种芯片解码方法及装置。
背景技术
基因表达具有时间特异性和空间特异性。时间特异性可以通过对不同时间点的样本取材，使用单细胞转录组测序技术来解析时间维度上细胞类型和基因表达模式，然而空间特异性信息则相对较难获得。为了解决获取空间信息难的问题，空间转录组测序技术被提出并应用。空间转录组测序技术通过对空间表达生物芯片上的组织切片进行原位表达分析和组织学分析，将基因表达信息定位到它们的原始空间位置。
对生物芯片的解码即可获得芯片的空间信息，依据芯片制备方法的不同，解码方法也有所不同。传统的生物芯片制备方法主要有两种：原位合成法和点样法。原位合成法是基于组合化学的合成原理，将多个寡核苷酸片段用单核苷酸底物直接合成到载体的特定位置上制备的芯片。原位合成法优点在于精确度高，但是制造费时且成本昂贵。点样法是制备cDNA探针库，然后通过特殊的微型喷头逐点点在片基表面，并通过物理或化学方法使其固定在表面。但是目前的芯片制备方法对于高分辨率的生物芯片在进行解码时，由于不能实现对空间信息的自动识别，导致在解码时无法避免识别成本高且分辨率低的问题。
发明内容
本发明提供一种芯片解码方法及装置，用以解决现有技术中对生物芯片进行解码时出现的成本高且分辨率低的缺陷，实现对高分辨率的生物芯片的自动化高效解码。
本发明提供一种芯片解码方法，包括：
确定待测芯片和所述待测芯片的微球阵列模板；
采集所述待测芯片的第一荧光图像，对所述第一荧光图像进行区块分割，得到第二荧光图像；
将所述微球阵列模板与所述第二荧光图像逐区块进行微球点位匹配，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位；
对所述第二荧光图像中的所述微球匹配点位进行荧光识别，确定所述第二荧光图像中所述微球匹配点位的基因探针类别；
基于所述第二荧光图像中每个区块的微球匹配点位的位置信息以及所述第二荧光图像中每个区块的位置信息，确定所述第二荧光图像中所述微球匹配点位的空间位置信息。
根据本发明提供的一种芯片解码方法，所述对所述第一荧光图像进行区块分割，得到第二荧光图像，包括：
基于所述微球阵列模板的尺寸对所述第一荧光图像进行区块分割，得到第二荧光图像，其中，所述第二荧光图像上每个区块的尺寸与所述微球阵列模板的尺寸相同。
根据本发明提供的一种芯片解码方法，所述将所述微球阵列模板在所述第二荧光图像上进行逐区块匹配，包括：
使用滑动窗口方法将所述微球阵列模板在所述第二荧光图像上进行逐区块滑动匹配。
根据本发明提供的一种芯片解码方法，所述将所述微球阵列模板与所述第二荧光图像逐区块进行微球点位匹配，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位，包括：
将所述微球阵列模板在所述第二荧光图像上进行逐区块匹配，计算第二荧光图像上每个区块与所述微球阵列模板上所述微球点位的匹配值；
基于所述第二荧光图像中每个区块与所述微球阵列模板上所述微球点位的最大匹配值，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位。
根据本发明提供的一种芯片解码方法，所述基于所述第二荧光图像中每个区块与所述微球阵列模板上所述微球点位的最大匹配值，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位，包括：
基于所述第二荧光图像中每个区块与所述微球阵列模板上所述微球点位的位移度的匹配值，确定所述每个区块中最大匹配值对应的点位为所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位。
根据本发明提供的一种芯片解码方法，所述基于所述第二荧光图像中每个区块的微球匹配点位的位置信息以及所述第二荧光图像中每个区块的位置信息，确定所述第二荧光图像中所述微球匹配点位的空间位置信息，包括：
基于所述第二荧光图像中每个区块的微球匹配点位，确定每个微球匹配点位在每个区块中的位置信息；
基于所述第二荧光图像中每个区块的位置信息，确定所述每个区块在所述第二荧光图像中的位置信息；
基于所述每个微球匹配点位在每个区块中的位置信息以及所述每个区块在所述第二荧光图像中的位置信息，确定所述第二荧光图像中所述微球匹配点位的空间位置信息。
根据本发明提供的一种芯片解码方法，所述方法还包括：
采集所述待测芯片在不同荧光特征下的第一荧光图像；
基于所述不同荧光特征下的第一荧光图像，确定不同荧光特征下的第二荧光图像；
基于所述不同荧光特征下的第二荧光图像，确定所述不同荧光特征下第二荧光图像中微球匹配点位的基因探针类别，以及所述不同荧光特征下第二荧光图像中所述微球匹配点位的空间位置信息；
基于所述不同荧光特征下第二荧光图像中所述微球匹配点位的基因探针类别和所述微球匹配点位的空间位置信息，确定所述待测芯片的解码信息。
根据本发明提供的一种芯片解码方法，所述采集所述待测芯片在不同荧光特征下的第一荧光图像，包括：
采集所述待测芯片在多个具有不同荧光特征的试剂下的图像，作为所述不同荧光特征下的第一荧光图像。
本发明还提供一种芯片解码装置，包括：
采集模块，确定待测芯片和所述待测芯片的微球阵列模板；
分割模块，用于采集所述待测芯片的第一荧光图像，对所述第一荧光图像进行区块分割，得到第二荧光图像；
匹配模块，用于将所述微球阵列模板与所述第二荧光图像逐区块进行微球点位匹配，确定所述第二荧光图像中每个区块与所述微球阵列模板的匹配点位；
荧光识别模块，用于对所述第二荧光图像中的所述匹配点位进行荧光识别，确定所述第二荧光图像中所述匹配点位的基因探针类别；
位置识别模块，用于基于所述第二荧光图像中所述匹配点位的位置信息以及所述第二荧光图像中每个区块的位置信息，确定所述第二荧光图像中所述匹配点位的空间位置信息。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述芯片解码方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述芯片解码方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述芯片解码方法。
本发明提供的芯片解码方法及装置，可以针对高分辨率的生物芯片，通过数字化且自动化的高效定位方法定位微球匹配点位，将微球阵列生物芯片中包含的数百万个基因探针进行识别与定位，输出数字化的基因探针信息以及空间位置信息，最终得到生物芯片的解码数据，完成解码步骤。本发明实现了高分辨率的生物芯片的荧光识别与定位，同时，减少了人工识别带来的误差和成本。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的芯片解码方法的流程示意图；
图2是本发明提供的区块分割流程示意图；
图3是本发明提供的匹配示意图；
图4是本发明提供的第二荧光图像中的区块示意图；
图5是本发明提供的微球对应的荧光信号示意图；
图6是本发明提供的小鼠脑海马体样本的识别结果示意图；
图7是本发明提供的芯片解码装置的结构示意图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
研究单细胞时想要探究细胞间的异质性，通常是将细胞解离成单细胞悬液，然后利用单细胞分离技术（微孔，微板，液滴）等方法实现单细胞建库，这样做最大的问题是是细胞失去了原本在组织的空间信息。然而，细胞的空间信息在实际研究中有很重要，特别是在研究细胞命运机制及细胞谱系时，空间信息显得尤为重要。因此发展空间转录组技术实现细胞的位置信息的保留，对研究此类细胞状态尤为必要。在多细胞生物中，单个细胞的基因表达严格按特定的时间和空间顺序发生，即基因表达具有时间特异性和空间特异性。时间特异性可以通过对不同时间点的样本取材，使用单细胞转录组测序技术来解析时间维度上细胞类型和基因表达模式。空间特异性信息则相对较难获得。常规转录组测序和单细胞转录组测序都难以还原细胞所处的原始位置信息。传统的原位杂交技术又很难实现高通量检测。空间转录组测序技术通过对空间表达芯片上的组织切片进行原位表达分析和组织学分析，将基因表达信息定位到它们的原始空间位置。
目前市场上主流的生物芯片，如空间转录芯片，每个捕获区域内包含不到5000个标记点。在此基础上，如果要提高分辨率，标记点的数目也会呈平方增长。目前市场已有高分辨率的生物芯片出现，如申请号为CN202220960413.4公开的一种空间转录组芯片，该芯片基于微孔的分辨率已达到亚细胞水平，并可以通过CN202111572805.X公开的微球芯片的制备方法制备。面对芯片中上百万个标记点，此类芯片采用的是先铺带有不同探针的微球阵列，然后再定位与识别微球阵列，最终解码完成生物芯片的制备。此方法为细胞和组织的高分辨率空间分析开辟了道路。
生物芯片的解码过程为：将不同种类的探针连接到不同批次的微球上，然后得到的所有带有探针的微球按照一定比例混合打乱，并将打乱后的微球随机均匀嵌入硅板表面的孔位中，即得生物芯片。但是此时的生物芯片还不能用于后续的检测，还需要结合该生物芯片上的不同孔位位置对应的探针种类，即生物芯片对应的解码文件，因此，只有经过解码后的生物芯片才能够正式用于后续检测。这种因为在制备生物芯片的过程中装载微球的随机性，而需要采取某种方法来获取硅板上每个孔位位置与探针种类的对应信息的过程即为解码。
然而，对于该种高分辨率芯片在解码过程中，对微球定位与识别问题仍然缺乏一种高效的识别方案，影响了解码的效率。因此，本发明实施例提出了一种芯片解码方法，可以自动化的高效定位微球并完成识别。下面结合图1-图6描述本发明的芯片解码方法，如图1所示，方法至少包括如下步骤：
步骤101、确定待测芯片和待测芯片的微球阵列模板；
步骤102、采集待测芯片的第一荧光图像，对第一荧光图像进行区块分割，得到第二荧光图像；
步骤103、将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位；
步骤104、对第二荧光图像中的微球匹配点位进行荧光识别，确定第二荧光图像中微球匹配点位的基因探针类别；
步骤105、基于第二荧光图像中每个区块的微球匹配点位的位置信息以及第二荧光图像中每个区块的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息。
针对步骤101，需要说明的是，待测芯片为高分辨率的生物芯片，具体来说，待测芯片可以是一种由微球阵列组成的空间转录组芯片，其包括：基底，并且基底形成多个矩形微孔区域，且在矩形微孔区域内部形成多个子矩形微孔区域，每个子矩形微孔区域内均布有多个微孔结构，微孔结构用于放置编码微球，每个编码微球上记录有微球的ID信息。
根据微球阵列的设计特征，微球阵列的排列包括但不限于密接六边形的排列形式，绘制微球阵列的位置模板图像，即微球阵列模板。本发明实施例的芯片上的微球也可以称为微珠，点位也可以称为孔位。
针对步骤102，需要说明的是，第一荧光图像是指使用显微镜扫描拍摄待测芯片后得到的包含各个孔位的荧光信号的图像，其中，待测芯片上用不同的试剂杂交，解码的过程中可以使用荧光基团对待测芯片上每一个孔位位置进行“染色”，然后通过荧光扫描设备得到每一个位置的荧光信号，就可以让特定探针显示荧光。
另外，由于本发明实施例中的生物芯片分辨率很高，直接对芯片拍摄的图片进行解码不易获得每个孔位的位置信息。因此，结合微球阵列的设计特征，通过分割可以将全幅荧光图像裁剪为带有位置信息的区块图像。
针对步骤103，需要说明的是，匹配微球阵列模板和各个区块的点位，可以使每个荧光信号都落在微球阵列模板中的对应点位上。
针对步骤104，需要说明的是，第二荧光图像中每个区块的点位上都包含荧光信号，通过荧光识别可以将荧光信号转换成对应的基因探针种类，实现初步解码。
针对步骤105，需要说明的是，在已知每个匹配点位的上基因探针种类的前提下，还需要结合区块的位置信息以及每个匹配点位的位置信息，最终获得匹配点位的空间位置信息，基于此，可以最终实现解码。
本发明实施例的芯片解码方法，可以针对高分辨率的生物芯片，通过数字化且自动化的高效定位方法定位微球匹配点位，将微球阵列生物芯片中包含的数百万个基因探针进行识别与定位，输出数字化的基因探针信息以及空间位置信息，最终得到生物芯片的解码数据，完成解码步骤。
可以理解的是，对第一荧光图像进行区块分割，得到第二荧光图像，包括：
基于微球阵列模板的尺寸对第一荧光图像进行区块分割，得到第二荧光图像，其中，第二荧光图像上每个区块的尺寸与微球阵列模板的尺寸相同。
需要说明的是，由于待测芯片是由多组微球阵列组成的，每组微球阵列之间用分割线分隔，因此在对第一荧光图像进行区块分割时，可以通过识别第一荧光图像中对应的微球阵列中的分割线，然后基于分割线将图像分割成一个个独立的区块后，得到第二荧光图像，然后记录所分割的每个区块的位置信息。
分割过程如图2所示，根据微球阵列的设计特征，包括但不限于方形边界特征。第一荧光图像如图2左上所示，首先计算全幅大图像的横向像素亮度和纵向像素亮度如图2右上所示，亮度低的点分别为纵向分割线和横向分割线如图2左下所示，最后将全幅大图像分割为一个个已知位置的区块图像如图2右下所示。
可以理解的是，将微球阵列模板在第二荧光图像上进行逐区块匹配，包括：
使用滑动窗口方法将微球阵列模板在第二荧光图像上进行逐区块滑动匹配。
需要说明的是，使用二维滑动窗口匹配方法将各个区块与微球阵列模板相匹配是指在第二荧光图像滑动移动微球阵列模板，使得微球阵列模板和第二荧光图像上的各区块边界重合，并计算每各区块内荧光信号与微球阵列模板上点位的匹配值，使每个荧光信号都落在微球阵列模板中的对应位置上。
可以理解的是，将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位，包括：
将微球阵列模板在第二荧光图像上进行逐区块匹配，计算第二荧光图像上每个区块与微球阵列模板上微球点位的匹配值；
基于第二荧光图像中每个区块与微球阵列模板上微球点位的最大匹配值，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位。
需要说明的是，由于第二荧光图像上的区块内各点位的荧光信号的亮度不同，且点位不一定与微球阵列模板的点位标准对应，因此在匹配时可以先对第二荧光图像进行图像增强，强化各点位处的亮度信息，然后通过计算区块上点位与微球阵列模板上点位的匹配程度，从而区块上的荧光信号与微球阵列模板上的点位一一对应，由此可以知道第二荧光图像上每个区块上各个荧光信号的位置信息，即对应的微球编号。
可以理解的是，基于第二荧光图像中每个区块与微球阵列模板上微球点位的最大匹配值，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位，包括：
基于第二荧光图像中每个区块与微球阵列模板上微球点位的位移度的匹配值，确定每个区块中最大匹配值对应的点位为第二荧光图像中每个区块与微球阵列模板的微球匹配点位。
需要说明的是，计算位移度是指计算第二荧光图像上的所有荧光信号（即荧光点位）与微球阵列模板上的点位的位移程度或偏移程度，若出现一个荧光信号和其左右两个点位都有一定的重合时，将位移程度最小的点位作为匹配度最大的点位，得到该荧光信号对应的匹配点位。识别微球阵列模板上每一个荧光信号区域内的荧光信号，结合匹配点的位置信息即可得到每个荧光信号的位置。
可以理解的是，基于第二荧光图像中每个区块的微球匹配点位的位置信息以及第二荧光图像中每个区块的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息，包括：
基于第二荧光图像中每个区块的微球匹配点位，确定每个微球匹配点位在每个区块中的位置信息；
基于第二荧光图像中每个区块的位置信息，确定每个区块在第二荧光图像中的位置信息；
基于每个微球匹配点位在每个区块中的位置信息以及每个区块在第二荧光图像中的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息。
需要说明的是，每个微球匹配点位在每个区块中的位置信息相当于每个点在所处区块上的坐标，每个区块在第二荧光图像中的位置信息相当于每个区块在第二荧光图像上的坐标，两个坐标叠加就可以唯一确定每个点位在第二荧光图像上的坐标，从而获得了每个点位的空间位置信息。
另外，需要说明的是，根据每个微球匹配点位能够对应每一个荧光信号的显示区域，根据找到的每一个荧光区域截取荧光信号进行荧光识别，可以得到该荧光信号对应基因探针类别，从而得到微球匹配点位的基因探针类别。
可以理解的是，方法还包括：
采集待测芯片在不同荧光特征下的第一荧光图像；
基于不同荧光特征下的第一荧光图像，确定不同荧光特征下的第二荧光图像；
基于不同荧光特征下的第二荧光图像，确定不同荧光特征下第二荧光图像中微球匹配点位的基因探针类别，以及不同荧光特征下第二荧光图像中微球匹配点位的空间位置信息；
基于不同荧光特征下第二荧光图像中微球匹配点位的基因探针类别和微球匹配点位的空间位置信息，确定待测芯片的解码信息。
需要说明的是，根据多轮次的不同杂交微球阵列得到的荧光信息，能够解码得到该点位的微球携带的基因探针的类别，结合每个微球匹配点的位置信息，最终可以获得整个生物芯片内的所有微球的位置和其所携带的基因探针信息，完成生物芯片的解码步骤。
可以理解的是，采集待测芯片在不同荧光特征下的第一荧光图像，包括：
采集待测芯片在多个具有不同荧光特征的试剂下的图像，作为不同荧光特征下的第一荧光图像。
需要说明的是，由于每个微球上面可能携带多个基因探针，因此需要通过多轮拍摄，采集多张第一荧光图像，每轮拍摄采用不同的试剂杂交，就可以让特定探针显示荧光，保证多轮杂交已得到微球的不同的特征表达情况。
可以理解的是，本发明实施例的芯片解码方法应用在具体芯片时，解码可包括如下步骤：
步骤201、使用显微镜扫描拍摄芯片的18轮第一荧光图像，每一轮第一荧光图像缩略图如图4所示。
步骤202、对于每一轮第一荧光图像，裁剪为46*46共2116个区块，得到第二荧光图像。
步骤203、根据微球阵列的排列特征，绘制微球阵列模板，此微球阵列特征为每一个区块包含30*35个圆形荧光区域，呈密接六边形排列，然后与每个区块的荧光信号匹配，使得每个荧光信号都在微球阵列模板的识别区域内。
步骤204、别并记录每个荧光信号的位置信息，结合201-203的位置参数，获得此轮的所有荧光信息。
步骤205、完成一轮后，取不同轮次的第一荧光图像重复以上2-4步骤，最终整合18轮信号，得到总计2221800个微球的每一轮的荧光信号，部分荧光信号如图5所示。
需要说明的是，为了评估结果准确性，我们对芯片解码数据应用于小鼠脑海马体的样本中。聚类结果如图6所示，由图可知聚类结果符合预期，本发明方法对于微球阵列的识别和定位具有有效性。
下面对本发明提供的芯片解码装置进行描述，下文描述的芯片解码装置与上文描述的芯片解码方法可相互对应参照。如图6所示，本发明实施例公开了一种芯片解码装置，包括：
采集模块601，确定待测芯片和待测芯片的微球阵列模板；
分割模块602，用于采集待测芯片的第一荧光图像，对第一荧光图像进行区块分割，得到第二荧光图像；
匹配模块603，用于将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的匹配点位；
荧光识别模块604，用于对第二荧光图像中的匹配点位进行荧光识别，确定第二荧光图像中匹配点位的基因探针类别；
位置识别模块605，用于基于第二荧光图像中匹配点位的位置信息以及第二荧光图像中每个区块的位置信息，确定第二荧光图像中匹配点位的空间位置信息。
本发明实施例的芯片解码装置，可以针对高分辨率的生物芯片，通过数字化且自动化的高效定位方法定位微球匹配点位，将微球阵列生物芯片中包含的数百万个基因探针进行识别与定位，输出数字化的基因探针信息以及空间位置信息，最终得到生物芯片的解码数据，完成解码步骤。
可以理解的是，分割模块602包括：
基于微球阵列模板的尺寸对第一荧光图像进行区块分割，得到第二荧光图像，其中，第二荧光图像上每个区块的尺寸与微球阵列模板的尺寸相同。
可以理解的是，匹配模块603包括：
使用滑动窗口方法将微球阵列模板在第二荧光图像上进行逐区块滑动匹配。
可以理解的是，匹配模块603还包括：
将微球阵列模板在第二荧光图像上进行逐区块匹配，计算第二荧光图像上每个区块与微球阵列模板上微球点位的匹配值；
基于第二荧光图像中每个区块与微球阵列模板上微球点位的最大匹配值，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位。
可以理解的是，基于第二荧光图像中每个区块与微球阵列模板上微球点位的最大匹配值，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位，包括：
基于第二荧光图像中每个区块与微球阵列模板上微球点位的位移度的匹配值，确定每个区块中最大匹配值对应的点位为第二荧光图像中每个区块与微球阵列模板的微球匹配点位。
可以理解的是，位置识别模块605包括：
基于第二荧光图像中每个区块的微球匹配点位，确定每个微球匹配点位在每个区块中的位置信息；
基于第二荧光图像中每个区块的位置信息，确定每个区块在第二荧光图像中的位置信息；
基于每个微球匹配点位在每个区块中的位置信息以及每个区块在第二荧光图像中的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息。
可以理解的是，装置还包括杂交子模块，用于：
采集待测芯片在不同荧光特征下的第一荧光图像；
基于不同荧光特征下的第一荧光图像，确定不同荧光特征下的第二荧光图像；
基于不同荧光特征下的第二荧光图像，确定不同荧光特征下第二荧光图像中微球匹配点位的基因探针类别，以及不同荧光特征下第二荧光图像中微球匹配点位的空间位置信息；
基于不同荧光特征下第二荧光图像中微球匹配点位的基因探针类别和微球匹配点位的空间位置信息，确定待测芯片的解码信息。
可以理解的是，采集待测芯片在不同荧光特征下的第一荧光图像，包括：
采集待测芯片在多个具有不同荧光特征的试剂下的图像，作为不同荧光特征下的第一荧光图像。
图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行芯片解码方法，该方法包括：
确定待测芯片和待测芯片的微球阵列模板；
采集待测芯片的第一荧光图像，对第一荧光图像进行区块分割，得到第二荧光图像；
将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位；
对第二荧光图像中的微球匹配点位进行荧光识别，确定第二荧光图像中微球匹配点位的基因探针类别；
基于第二荧光图像中每个区块的微球匹配点位的位置信息以及第二荧光图像中每个区块的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，计算机程序被处理器执行时，计算机能够执行上述各方法所提供的芯片解码方法，该方法包括：
确定待测芯片和待测芯片的微球阵列模板；
采集待测芯片的第一荧光图像，对第一荧光图像进行区块分割，得到第二荧光图像；
将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位；
对第二荧光图像中的微球匹配点位进行荧光识别，确定第二荧光图像中微球匹配点位的基因探针类别；
基于第二荧光图像中每个区块的微球匹配点位的位置信息以及第二荧光图像中每个区块的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的芯片解码方法，该方法包括：
确定待测芯片和待测芯片的微球阵列模板；
采集待测芯片的第一荧光图像，对第一荧光图像进行区块分割，得到第二荧光图像；
将微球阵列模板与第二荧光图像逐区块进行微球点位匹配，确定第二荧光图像中每个区块与微球阵列模板的微球匹配点位；
对第二荧光图像中的微球匹配点位进行荧光识别，确定第二荧光图像中微球匹配点位的基因探针类别；
基于第二荧光图像中每个区块的微球匹配点位的位置信息以及第二荧光图像中每个区块的位置信息，确定第二荧光图像中微球匹配点位的空间位置信息。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种芯片解码方法，其特征在于，包括：
确定待测芯片和所述待测芯片的微球阵列模板；
采集所述待测芯片的第一荧光图像，对所述第一荧光图像进行区块分割，得到第二荧光图像；
将所述微球阵列模板与所述第二荧光图像逐区块进行微球点位匹配，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位；
对所述第二荧光图像中的所述微球匹配点位进行荧光识别，确定所述第二荧光图像中所述微球匹配点位的基因探针类别；
基于所述第二荧光图像中每个区块的微球匹配点位的位置信息以及所述第二荧光图像中每个区块的位置信息，确定所述第二荧光图像中所述微球匹配点位的空间位置信息。
2.根据权利要求1所述的芯片解码方法，其特征在于，所述对所述第一荧光图像进行区块分割，得到第二荧光图像，包括：
基于所述微球阵列模板的尺寸对所述第一荧光图像进行区块分割，得到第二荧光图像，其中，所述第二荧光图像上每个区块的尺寸与所述微球阵列模板的尺寸相同。
3.根据权利要求2所述的芯片解码方法，其特征在于，所述将所述微球阵列模板在所述第二荧光图像上进行逐区块匹配，包括：
使用滑动窗口方法将所述微球阵列模板在所述第二荧光图像上进行逐区块滑动匹配。
4.根据权利要求2所述的芯片解码方法，其特征在于，所述将所述微球阵列模板与所述第二荧光图像逐区块进行微球点位匹配，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位，包括：
将所述微球阵列模板在所述第二荧光图像上进行逐区块匹配，计算第二荧光图像上每个区块与所述微球阵列模板上所述微球点位的匹配值；
基于所述第二荧光图像中每个区块与所述微球阵列模板上所述微球点位的最大匹配值，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位。
5.根据权利要求4所述的芯片解码方法，其特征在于，所述基于所述第二荧光图像中每个区块与所述微球阵列模板上所述微球点位的最大匹配值，确定所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位，包括：
基于所述第二荧光图像中每个区块与所述微球阵列模板上所述微球点位的位移度的匹配值，确定所述每个区块中最大匹配值对应的点位为所述第二荧光图像中每个区块与所述微球阵列模板的微球匹配点位。
6.根据权利要求1所述的芯片解码方法，其特征在于，所述基于所述第二荧光图像中每个区块的微球匹配点位的位置信息以及所述第二荧光图像中每个区块的位置信息，确定所述第二荧光图像中所述微球匹配点位的空间位置信息，包括：
基于所述第二荧光图像中每个区块的微球匹配点位，确定每个微球匹配点位在每个区块中的位置信息；
基于所述第二荧光图像中每个区块的位置信息，确定所述每个区块在所述第二荧光图像中的位置信息；
基于所述每个微球匹配点位在每个区块中的位置信息以及所述每个区块在所述第二荧光图像中的位置信息，确定所述第二荧光图像中所述微球匹配点位的空间位置信息。
7.根据权利要求1至6任一所述的芯片解码方法，其特征在于，所述方法还包括：
采集所述待测芯片在不同荧光特征下的第一荧光图像；
基于所述不同荧光特征下的第一荧光图像，确定不同荧光特征下的第二荧光图像；
基于所述不同荧光特征下的第二荧光图像，确定所述不同荧光特征下第二荧光图像中微球匹配点位的基因探针类别，以及所述不同荧光特征下第二荧光图像中所述微球匹配点位的空间位置信息；
基于所述不同荧光特征下第二荧光图像中所述微球匹配点位的基因探针类别和所述微球匹配点位的空间位置信息，确定所述待测芯片的解码信息。
8.根据权利要求7所述的芯片解码方法，其特征在于，所述采集所述待测芯片在不同荧光特征下的第一荧光图像，包括：
采集所述待测芯片在多个具有不同荧光特征的试剂下的图像，作为所述不同荧光特征下的第一荧光图像。
9.一种芯片解码装置，其特征在于，包括：
采集模块，确定待测芯片和所述待测芯片的微球阵列模板；
分割模块，用于采集所述待测芯片的第一荧光图像，对所述第一荧光图像进行区块分割，得到第二荧光图像；
匹配模块，用于将所述微球阵列模板与所述第二荧光图像逐区块进行微球点位匹配，确定所述第二荧光图像中每个区块与所述微球阵列模板的匹配点位；
荧光识别模块，用于对所述第二荧光图像中的所述匹配点位进行荧光识别，确定所述第二荧光图像中所述匹配点位的基因探针类别；
位置识别模块，用于基于所述第二荧光图像中所述匹配点位的位置信息以及所述第二荧光图像中每个区块的位置信息，确定所述第二荧光图像中所述匹配点位的空间位置信息。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述芯片解码方法。
CN202211238457.7A 2022-10-11 2022-10-11 芯片解码方法及装置 Active CN115331735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211238457.7A CN115331735B (zh) 2022-10-11 2022-10-11 芯片解码方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211238457.7A CN115331735B (zh) 2022-10-11 2022-10-11 芯片解码方法及装置

Publications (2)

Publication Number Publication Date
CN115331735A true CN115331735A (zh) 2022-11-11
CN115331735B CN115331735B (zh) 2023-03-17

Family

ID=83914505

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211238457.7A Active CN115331735B (zh) 2022-10-11 2022-10-11 芯片解码方法及装置

Country Status (1)

Country Link
CN (1) CN115331735B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1656380A (zh) * 2001-12-28 2005-08-17 生物芯片溶液有限公司 微粒阵列及其制备方法
CN1710104A (zh) * 2005-06-24 2005-12-21 东南大学 基于微球载体的阵列式生物芯片及其编码解码方法
CN102243165A (zh) * 2011-06-20 2011-11-16 东南大学 光子晶体编码微球生物芯片检测装置
CN106053432A (zh) * 2016-06-01 2016-10-26 清华大学深圳研究生院 一种用于编解码的微球及其编解码方法、解码系统
CN106373318A (zh) * 2016-10-27 2017-02-01 深圳乐创信息通讯技术有限公司 基于LoRa技术的火灾防控系统
CN107084948A (zh) * 2017-03-13 2017-08-22 深圳市液芯生物科技有限公司 一种荧光微球的数据提取方法和系统
CN110009619A (zh) * 2019-04-02 2019-07-12 清华大学深圳研究生院 一种基于荧光编码的液相生物芯片的图像分析方法
CN110643688A (zh) * 2019-09-25 2020-01-03 中国科学院苏州生物医学工程技术研究所 超高通量的单细胞核酸实时荧光定量分析方法
CN111971711A (zh) * 2018-04-10 2020-11-20 深圳华大智造科技有限公司 荧光图像配准方法、基因测序仪及系统、存储介质
CN113106090A (zh) * 2021-06-16 2021-07-13 苏州拉索生物芯片科技有限公司 一种生物芯片的带有复合标签序列的探针及生物芯片
CN113416766A (zh) * 2021-07-02 2021-09-21 苏州拉索生物芯片科技有限公司 一种生物芯片的解码方法
CN113533276A (zh) * 2021-07-02 2021-10-22 苏州拉索生物芯片科技有限公司 一种基于荧光信号强度值的生物芯片解码方法
CN113564278A (zh) * 2021-07-16 2021-10-29 无锡市第五人民医院 一种液相芯片检测新型冠状病毒及其他呼吸道病毒的方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1656380A (zh) * 2001-12-28 2005-08-17 生物芯片溶液有限公司 微粒阵列及其制备方法
CN1710104A (zh) * 2005-06-24 2005-12-21 东南大学 基于微球载体的阵列式生物芯片及其编码解码方法
CN102243165A (zh) * 2011-06-20 2011-11-16 东南大学 光子晶体编码微球生物芯片检测装置
CN106053432A (zh) * 2016-06-01 2016-10-26 清华大学深圳研究生院 一种用于编解码的微球及其编解码方法、解码系统
CN106373318A (zh) * 2016-10-27 2017-02-01 深圳乐创信息通讯技术有限公司 基于LoRa技术的火灾防控系统
CN107084948A (zh) * 2017-03-13 2017-08-22 深圳市液芯生物科技有限公司 一种荧光微球的数据提取方法和系统
CN111971711A (zh) * 2018-04-10 2020-11-20 深圳华大智造科技有限公司 荧光图像配准方法、基因测序仪及系统、存储介质
CN110009619A (zh) * 2019-04-02 2019-07-12 清华大学深圳研究生院 一种基于荧光编码的液相生物芯片的图像分析方法
CN110643688A (zh) * 2019-09-25 2020-01-03 中国科学院苏州生物医学工程技术研究所 超高通量的单细胞核酸实时荧光定量分析方法
CN113106090A (zh) * 2021-06-16 2021-07-13 苏州拉索生物芯片科技有限公司 一种生物芯片的带有复合标签序列的探针及生物芯片
CN113416766A (zh) * 2021-07-02 2021-09-21 苏州拉索生物芯片科技有限公司 一种生物芯片的解码方法
CN113533276A (zh) * 2021-07-02 2021-10-22 苏州拉索生物芯片科技有限公司 一种基于荧光信号强度值的生物芯片解码方法
CN113564278A (zh) * 2021-07-16 2021-10-29 无锡市第五人民医院 一种液相芯片检测新型冠状病毒及其他呼吸道病毒的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ALEXANDRA A.P.MANSUR等: "Bioengineered II–VI semiconductor quantum dot–carboxymethylcellulose nanoconjugates as multifunctional fluorescent nanoprobes for bioimaging live cells", 《SPECTROCHIMICA ACTA PART A: MOLECULAR AND BIOMOLECULAR SPECTROSCOPY》 *
JUNJIE YUAN等: "Image decoding of photonic crystal beads array in the microfluidic chip for multiplex assays", 《NATURE》 *
吴小林: "OTN网络芯片中的编解码模块的设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
袁骏杰: "光子微球生物芯片自动化检测系统的研发", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
鲁思: "超高容量主客体编码微球的制备及应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Also Published As

Publication number Publication date
CN115331735B (zh) 2023-03-17

Similar Documents

Publication Publication Date Title
CN107407638B (zh) 细胞分泌特征的分析和筛选
CA2573978C (en) Image processing and analysis of array data
US9928587B2 (en) Analysis, secure access to, and transmission of array images
CN103025927B (zh) 精确地比对与配准用于dna测序的阵列的方法及系统
US20020102011A1 (en) Method and apparatus for processing an image of a tissue sample microarray
US8300971B2 (en) Method and apparatus for image processing for massive parallel DNA sequencing
JP2003307518A (ja) プローブ反応性チップ、試料解析装置および試料解析方法
CN111676279A (zh) 一种空间转录组构建方法
US7136517B2 (en) Image analysis process for measuring the signal on biochips
Chen et al. Mapping gene expression in the spatial dimension
Martin et al. Vesalius: high‐resolution in silico anatomization of spatial transcriptomic data using image analysis
CN115331735B (zh) 芯片解码方法及装置
JP2003500664A (ja) 実験データの汎用解析のための方法およびシステム
US7068828B2 (en) Biochip image analysis system and method thereof
Blekas et al. An unsupervised artifact correction approach for the analysis of DNA microarray images
Kuklin et al. High throughput screening of gene expression signatures
KR100463336B1 (ko) 바이오칩 이미지 분석 시스템 및 그 방법
CN105044107B (zh) 微阵列芯片点样质量自动化判断系统及判断方法
WO2024062237A1 (en) Spatially resolved cellular profiling
US20050063574A1 (en) Method and computer program for digital image processing for two-dimensional electrophoresis
US20050135702A1 (en) Methods, systems and computer software for detecting pixel stutter
CN116823655A (zh) 扫描图像校正方法、装置及设备
CN116823607A (zh) 扫描图像处理方法、装置及设备
CN117671676A (zh) 一种基于空间转录组可视化图像评估异常免疫细胞的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant