CN116698952A - 基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法 - Google Patents

基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法 Download PDF

Info

Publication number
CN116698952A
CN116698952A CN202310722666.7A CN202310722666A CN116698952A CN 116698952 A CN116698952 A CN 116698952A CN 202310722666 A CN202310722666 A CN 202310722666A CN 116698952 A CN116698952 A CN 116698952A
Authority
CN
China
Prior art keywords
peak
sample
chip
data
analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310722666.7A
Other languages
English (en)
Inventor
车妍
徐进章
郑晓玲
辛倩
沈荣
沈颂东
魏虎来
杜弢
相博川
崔浩境
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.)
Suzhou Baiyuan Gene Technology Co ltd
Original Assignee
Suzhou Baiyuan Gene 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 Suzhou Baiyuan Gene Technology Co ltd filed Critical Suzhou Baiyuan Gene Technology Co ltd
Priority to CN202310722666.7A priority Critical patent/CN116698952A/zh
Publication of CN116698952A publication Critical patent/CN116698952A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44704—Details; Accessories
    • G01N27/44717—Arrangements for investigating the separated zones, e.g. localising zones
    • G01N27/44721—Arrangements for investigating the separated zones, e.g. localising zones by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44704—Details; Accessories
    • G01N27/44743—Introducing samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44704—Details; Accessories
    • G01N27/44747—Composition of gel or of carrier mixture
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44756—Apparatus specially adapted therefor
    • G01N27/44791—Microapparatus
    • 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
    • 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
    • G06T2207/10064—Fluorescence 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Electrochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Dispersion Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法，属于功率调整电机技术领域。基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法包括以下步骤：S1.芯片设计和制备,根据实验需要设计包括进样口、离通道和检测区的微流控芯片的结构；制备微流控芯片；S2.样品进样,制备样品，将待分析的混合物或溶液准备好将所述样品注入进样通道。S3.在所述样品进样前对所述样品进行预处理；S4.电泳分离,S5.检测与分析,在芯片的检测区域使用荧光检测、吸收光谱检测和质谱检测，对所述分离后的样品进行检测和分析；使用像素级成像技术对芯片进行成像，并对图像进行定量分析。S6.对检测到的数据进行处理和分析。

Description

基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法
技术领域
本发明涉及微尺度分离与分析领域，更具体地说，涉及基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法。
背景技术
随着微流控芯片技术的发展、小体积分析需求、高分辨率和灵敏度的要求、自动化和高通量分析的趋势以及多种检测方法的结合，基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法得到了快速发展。毛细管电泳微尺度分离与分析方法高分辨分离能力、灵敏检测能力、小样品体积要求、快速分析速度以及多样性和灵活性的特点使得该方法在许多领域，如生物医学、环境分析、食品安全等得到广泛应用。
但传统的基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法仍然有很多不足，传统的微流控芯片电泳系统对样品的预处理要求较高，包括样品的预测、净化和浓缩等；在微流控芯片中，电场分布往往不均匀，可能存在电场耦合效应，导致分离效果的不稳定性和不可重复性；由于微流控芯片的尺寸较小，通道的截面积也较小，通量限制可能成为一个问题；传统的微流控芯片电泳系统在检测灵敏度上存在一定的限制。由于芯片尺寸小、信号强度较低，常规的光学检测方法可能无法获得足够的信号强度，从而限制了分析的灵敏度；传统的微流控芯片电泳系统在集成和自动化方面存在一定的挑战。
发明内容
1.要解决的技术问题
本发明的目的在于提供基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法，以解决上述背景技术中提出的问题：
传统的微流控芯片电泳系统对样品的预处理要求较高，包括样品的预测、净化和浓缩等；在微流控芯片中，电场分布往往不均匀，可能存在电场耦合效应，导致分离效果的不稳定性和不可重复性；由于微流控芯片的尺寸较小，通道的截面积也较小，通量限制可能成为一个问题；传统的微流控芯片电泳系统在检测灵敏度上存在一定的限制。由于芯片尺寸小、信号强度较低，常规的光学检测方法可能无法获得足够的信号强度，从而限制了分析的灵敏度；传统的微流控芯片电泳系统在集成和自动化方面存在一定的挑战。
技术方案
优选的，所述基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法包括以下步骤；
S1.芯片设计和制备,根据实验需要设计包括进样口、离通道和检测区的微流控芯片的结构；
制备微流控芯片，使用微流体芯片微影技术。
S2.样品进样,制备样品，将待分析的混合物或溶液准备好；
使用微流控芯片的进样口，将所述样品注入进样通道。
S3.在所述样品进样前对所述样品进行预处理，包括所述样品的净化、浓缩、化学修饰；
S4.电泳分离,将电泳缓冲液注入所述微流控芯片的分离通道；
施加电场，通过所述微流控芯片中的电泳通道驱动样品离子迁移，得到分离后的样品；
控制所述电场的强度、方向和时间；
S5.检测与分析,在芯片的检测区域使用荧光检测、吸收光谱检测和质谱检测，对所述分离后的样品进行检测和分析；
使用像素级成像技术对芯片进行成像，并对图像进行定量分析。
S6.对检测到的数据进行处理和分析，使用包括MATLAB、Python和R的数据分析软件和峰识别与峰面积计算、数据聚类与分类、特征提取和降维和数据可视化算法，得到分析结果。
优选的，所述S1芯片设计与制备优化电场分布和控制策略，使用微纳结构和电场调控器，引入纳米探针、表面增强拉曼光谱（SERS）和质谱检测的新兴技术；
将样品进样、混合、分离和检测的步骤实现在单个芯片上，通过自动控制实现全自动的样品分析。
优选的，所述引入纳米探针的使用步骤如下：
S21.选择包括量子点、金纳米粒子和磁性纳米颗粒的纳米探针；
S22.合成纳米颗粒、表面修饰和功能化，得到制备好的纳米探针；
S23.将所述制备好的纳米探针加载到微流控芯片中，注入纳米探针溶液到芯片通道；
S24.所述纳米探针用作标记物或增强剂，通过与样品分子相互作用，参与分离过程；
S25.所述纳米探针发出特定的光信号、荧光信号和磁性信号，使用荧光显微镜、吸收光谱仪和质谱仪进行信号的捕获和测量，得出数据结果；
S26.根据所述实验得到的数据结果，使用MATLAB和数据聚类与分类算法对结果进行处理和分析；解释实验结果，得出结论，并与对照组和标准进行比较；
S27.根据分析结果和结论，进行结果解释和报告撰写。确保结果的准确性、可靠性，并提供充分的数据和实验证据来支持结论。
优选的，所述S4中电泳分离的步骤如下：
S41.准备包括DNA、蛋白质、离子的试验样品；
S42.准备微流控芯片，并将所述实验样品注入芯片的进样孔，所述微流控芯片上的微通道用于进行分离和分析；
S43进行必要的芯片预处理步骤，包括冲洗、填充胶；
S44.在所述微流控芯片两端施加电压；
S45.通过施加电场，使所述实验样品在芯片的微通道中进行分离，分离过程根据样品的电荷和大小，以及芯片通道的性质进行；
S46.在芯片的出口处设置使用荧光检测、吸收光谱检测、质谱检测，得到检测后的数据结果；
S47.根据所述检测后的数据结果，使用MATLAB进行峰面积计算、峰识别、峰高度测量、峰形分析，得到数据分析的结果；
S48.根据所述数据分析的结果，进行结果解释和报告撰写。解释实验结果，得出结论。
优选的，所述S5荧光检测对所述分离后的样品检测和分析的步骤如下：
S51.准备待测样品,对所述样品进行包括提取、纯化、标记的步骤，得到处理后的样品；
S52.使用激光器产生波长的光源激发所述处理后的样品中的荧光分子；
S53.使用激发滤光片选择并滤除非激发波长的光线，使只有激发样品的波长通过；
S54.将激发光照射到所述样品上，使所述样品中的荧光分子受到激发，从而产生荧光;
S55.使用适当的透镜、滤光片和光电探测器等光学元件，收集并检测样品发出的荧光信号;
S56.将荧光信号放大并进行滤波处理；
S57.使用数据采集系统，将荧光信号转换为电信号并进行采集，使用包括峰识别、峰面积计算、曲线拟合的数据分析软件和算法，对荧光信号进行处理和分析，得到数据分析结果；
S58.根据所述数据分析结果，解释样品的荧光特性，并将结果报告或记录下来。
优选的，所述S6数据处理和分析的步骤如下：
S61.综合考虑包括峰面积、峰高度、峰形、峰宽等参数的所有的数据和分析结果
S62.将所述实验组的分析结果与对照组进行对比，比较两组之间的差异和相似性，确定实验组的特征；
S63分析结果中的数据变异的原因，包括实验条件、样品制备和操作误差的因素，仔细分析和解释这些变异，确定其来源和影响；
S64.将所述实验结果与相关的文献和先前的研究结果进行比较和讨论，查阅相关文献，了解类似样品或系统的分析结果，与之进行对比和讨论，从而得出更准确的结论；
S65.基于实验结果和相关信息，进行综合推理和推断，提出假设和解释结果的可能性，并进行合理的推断和推论；
S66.基于综合分析和推断，得出最终的结论，并解释实验结果。
优选的，所述S6中峰识别与峰面积的计算公式如下，在所述峰识别过程中，通过以下公式来确定峰的位置和峰的宽度：
峰的位置（Retention Time），记录峰的出现时间，表示为t；
峰的宽度（Peak Width），使用峰的全宽度半最大（Full Width at Half Maximum，FWHM）来表示，表示为w；
所述峰面积表示峰下面积的大小，用于衡量峰内的物质量；峰面积计算方法有以下两种：
a. 矩形法（Rectangle Method），所述矩形法是一种简单的近似计算方法，所述矩形法假设峰的形状是矩形，并使用峰的高度和宽度进行计算；
峰高度（Peak Height）：表示为h，即峰的最大信号值；
峰面积（Peak Area）：通过峰高度h和峰宽度w计算得到，表示为A；
A = h × w
b. 梯形法（Trapezoidal Method）：所述假设峰的形状是梯形，并利用峰的各个数据点的信号值计算峰面积；
峰的信号值（Peak Signal）：用yi表示峰中的第i个数据点的信号值；
峰面积（Peak Area）：通过峰信号值yi和对应的时间间隔Δt计算得到，表示为A。
A = ∑(yi × Δt)。
附图说明
图1为本发明的整体流程示意图；
图2为引入纳米探针的使用步骤流程图；
图3为电泳分离的步骤流程图。
实施方式
实施例：请参阅图1，基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法，基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法包括以下步骤：
S1.芯片设计和制备,根据实验需要设计包括进样口、离通道和检测区的微流控芯片的结构；
制备微流控芯片，使用微流体芯片微影技术；
具体的，微流体芯片微影技术是一种用于制备微流体芯片的关键技术，它利用光刻和微影技术，在微尺度上定义和制造微流体通道和结构。以下是微流体芯片微影技术的基本步骤：
首先，需要设计微流体芯片的结构和布局。这可以通过计算机辅助设计软件（CAD）进行完成，根据所需的通道形状、大小和布置进行设计；
根据设计的芯片结构，制备光掩膜。光掩膜是一种透明基片，上面有精确的图案，可以通过光刻的方式将图案转移到光敏的芯片材料上；
将光掩膜放置在光敏芯片材料（通常是光刻胶）的表面，并使用紫外光照射。光掩膜上的图案将通过光刻胶暴露在紫外光下，使其发生化学或物理变化；
使用适当的显影剂，将光刻胶中未曝光的区域或已曝光的区域溶解或去除。这样，只有光刻胶中被保留下来的部分形成了芯片的图案和结构；
根据显影后的光刻胶图案，可以进行芯片的制备。这可以通过将光刻胶作为模板，使用适当的材料（如聚合物、玻璃等）进行复制或直接作为芯片的结构；
制备完成的芯片需要进行清洗和处理，以去除任何残留的光刻胶或其他杂质，并确保芯片的表面和通道的质量。
S2.样品进样,制备样品，将待分析的混合物或溶液准备好；
使用微流控芯片的进样口，将样品注入进样通道。
S3.在样品进样前对样品进行预处理，包括样品的净化、浓缩、化学修饰；
具体的，样品的净化、浓缩、化学修饰的具体实施步骤如下：
样品净化的步骤如下：
根据样品类型和要求，采取适当的前处理步骤，例如去除杂质、离心沉淀、过滤等，以净化样品；
使用固相材料（如固相萃取柱、固相萃取膜等）将目标化合物从样品中吸附，去除干扰物质；
使用适当的溶剂（有机溶剂、水相溶剂等）与样品进行液液萃取，以分离和富集目标化合物。
样品浓缩的步骤如下：
对于液液萃取得到的有机相或水相，可以使用旋转蒸发、气相吹扫、氮气吹扫等方法去除溶剂，使样品得到浓缩；
对于固相萃取柱富集的目标化合物，使用适当的溶剂进行洗脱，使目标化合物得到浓缩。
化学修饰的步骤如下：
对于需要化学修饰的样品，可以选择适当的化学试剂和反应条件，进行目标化合物的化学修饰，例如标记、衍生化等；
在完成化学修饰后，需要适时停止反应并对样品进行纯化，以去除副产物和未反应的试剂。
S4.电泳分离,将电泳缓冲液注入微流控芯片的分离通道；
施加电场，通过微流控芯片中的电泳通道驱动样品离子迁移，得到分离后的样品；
控制电场的强度、方向和时间；
S5.检测与分析,在芯片的检测区域使用荧光检测、吸收光谱检测和质谱检测，对分离后的样品进行检测和分析；
使用像素级成像技术对芯片进行成像，并对图像进行定量分析。
S6.对检测到的数据进行处理和分析，使用包括MATLAB、Python和R的数据分析软件和峰识别与峰面积计算、数据聚类与分类、特征提取和降维和数据可视化算法，得到分析结果。
具体的，MATLAB是一种常用的科学计算和数据分析软件，提供了丰富的工具箱和函数，适用于数据处理、信号处理和统计分析等；
Python是一种通用的编程语言，有广泛的科学计算库和数据处理工具，如NumPy、SciPy和pandas，可用于数据处理和分析任务；
R是一种统计分析的编程语言和环境，提供了丰富的统计分析包和可视化工具，适用于数据探索、统计建模和可视化分析；
具体的，峰识别与峰面积计算法包括基线修正、峰识别、峰面积计算等。
具体的，基线修正的计算公式如下：
找到峰前和峰后的基线位置，即没有分离峰的区域；
基线修正的目标是消除基线漂移或背景信号对峰的影响；
基线修正可以使用线性或非线性方法，如线性拟合、多项式拟合、移动平均等；
修正后的数据可以表示为 Y_corrected = Y - Baseline，其中 Y_corrected 是修正后的信号，Y 是原始信号，Baseline 是计算得到的基线；
具体的，峰识别的计算公式如下：
峰识别是确定数据中的峰的位置和形状；
常见的峰识别方法包括阈值法、二阶导数法、波形匹配法等；
根据峰的形状和大小选择合适的峰识别算法，并设置适当的阈值或参数；
峰识别可以提供峰的峰顶位置、峰宽、峰高等参数；
具体的，峰面积的计算的计算公式如下：
峰面积是衡量峰的大小或峰内所包含的目标分析物量的重要指标；
常见的峰面积计算方法有峰高法、峰面积积分法等；
峰高法通过测量峰的最大值（峰顶）来计算峰面积；
峰面积积分法将峰的曲线与基线之间的面积进行积分来计算峰面积；
峰面积计算可能需要考虑背景噪音的修正和峰形的修正。
对于复杂的样品混合物，使用聚类和分类算法来将数据分组或分类，以确定样品的成分和相似性，算法包括K-means聚类、支持向量机（SVM）
具体的，K-means聚类的计算公式如下：
K-means聚类是一种无监督学习算法，用于将数据集划分为K个不同的簇；
它的目标是最小化数据点与所属簇质心之间的平方距离和；
对于给定的数据集X，K-means聚类的计算公式如下：
初始化K个质心：C = {c1, c2, ..., cK}
根据每个数据点与质心的距离，将每个数据点分配给最近的质心，形成K个簇；
更新每个簇的质心为簇内所有数据点的平均值；
重复上述两个步骤，直到质心不再改变或达到预定的迭代次数。
具体的，支持向量机（SVM）的计算公式如下：
SVM是一种监督学习算法，用于二分类或多分类问题，也可用于回归分析；
对于二分类问题，SVM的目标是找到一个最优的超平面，将两个类别的数据点分隔开来；
对于给定的训练集{(xi, yi)}，其中xi表示输入特征，yi表示类别标签，SVM的计算公式如下：
找到一个决策函数 f(x)，其中 f(x) = w^T x + b，w是权重向量，b是偏置项；
最小化目标函数：1/2 * ||w||^2 + C * Σ(max(0, 1 - y_i * (w^T * x_i +b))), 其中C是正则化参数，y_i是第i个样本的类别标签；
使用优化算法（如梯度下降）求解目标函数的最小值，得到最优的权重向量w和偏置项b。
对于大量的数据特征，可以使用特征提取和降维算法来减少数据维度并提取最相关的特征。常用的算法包括主成分分析（PCA）和线性判别分析（LDA）等。
数据可视化是数据分析中的重要步骤，可以使用各种绘图库和工具将数据可视化展示，如matplotlib、ggplot2和Plotly等。
S1芯片设计与制备优化电场分布和控制策略，使用微纳结构和电场调控器，引入纳米探针、表面增强拉曼光谱（SERS）和质谱检测的新兴技术；
将样品进样、混合、分离和检测的步骤实现在单个芯片上，通过自动控制实现全自动的样品分析。
引入纳米探针的使用步骤如下：
S21.选择包括量子点、金纳米粒子和磁性纳米颗粒的纳米探针；
S22.合成纳米颗粒、表面修饰和功能化，得到制备好的纳米探针；
S23.将制备好的纳米探针加载到微流控芯片中，注入纳米探针溶液到芯片通道；
S24.纳米探针用作标记物或增强剂，通过与样品分子相互作用，参与分离过程；
S25.纳米探针发出特定的光信号、荧光信号和磁性信号，使用荧光显微镜、吸收光谱仪和质谱仪进行信号的捕获和测量，得出数据结果；
S26.根据实验得到的数据结果，使用MATLAB和数据聚类与分类算法对结果进行处理和分析；解释实验结果，得出结论，并与对照组和标准进行比较；
S27.根据分析结果和结论，进行结果解释和报告撰写。确保结果的准确性、可靠性，并提供充分的数据和实验证据来支持结论。
S4中电泳分离的步骤如下：
S41.准备包括DNA、蛋白质、离子的试验样品；
S42.准备微流控芯片，并将实验样品注入芯片的进样孔，微流控芯片上的微通道用于进行分离和分析；
S43进行必要的芯片预处理步骤，包括冲洗、填充胶；
S44.在微流控芯片两端施加电压；
S45.通过施加电场，使实验样品在芯片的微通道中进行分离，分离过程根据样品的电荷和大小，以及芯片通道的性质进行；
S46.在芯片的出口处设置使用荧光检测、吸收光谱检测、质谱检测，得到检测后的数据结果；
S47.根据检测后的数据结果，使用MATLAB进行峰面积计算、峰识别、峰高度测量、峰形分析，得到数据分析的结果；
S48.根据数据分析的结果，进行结果解释和报告撰写。解释实验结果，得出结论。
S5荧光检测对分离后的样品检测和分析的步骤如下：
S51.准备待测样品,对样品进行包括提取、纯化、标记的步骤，得到处理后的样品；
S52.使用激光器产生波长的光源激发处理后的样品中的荧光分子；
S53.使用激发滤光片选择并滤除非激发波长的光线，使只有激发样品的波长通过；
S54.将激发光照射到样品上，使样品中的荧光分子受到激发，从而产生荧光;
S55.使用适当的透镜、滤光片和光电探测器等光学元件，收集并检测样品发出的荧光信号;
S56.将荧光信号放大并进行滤波处理；
S57.使用数据采集系统，将荧光信号转换为电信号并进行采集，使用包括峰识别、峰面积计算、曲线拟合的数据分析软件和算法，对荧光信号进行处理和分析，得到数据分析结果；
S58.根据数据分析结果，解释样品的荧光特性，并将结果报告或记录下来。
S6数据处理和分析的步骤如下：
S61.综合考虑包括峰面积、峰高度、峰形、峰宽等参数的所有的数据和分析结果
S62.将实验组的分析结果与对照组进行对比，比较两组之间的差异和相似性，确定实验组的特征；
S63分析结果中的数据变异的原因，包括实验条件、样品制备和操作误差的因素，仔细分析和解释这些变异，确定其来源和影响；
S64.将实验结果与相关的文献和先前的研究结果进行比较和讨论，查阅相关文献，了解类似样品或系统的分析结果，与之进行对比和讨论，从而得出更准确的结论；
S65.基于实验结果和相关信息，进行综合推理和推断，提出假设和解释结果的可能性，并进行合理的推断和推论；
S66.基于综合分析和推断，得出最终的结论，并解释实验结果。
S6中峰识别与峰面积的计算公式如下，在峰识别过程中，通过以下公式来确定峰的位置和峰的宽度：
峰的位置（Retention Time），记录峰的出现时间，表示为t；
峰的宽度（Peak Width），使用峰的全宽度半最大（Full Width at Half Maximum，FWHM）来表示，表示为w；
峰面积表示峰下面积的大小，用于衡量峰内的物质量；峰面积计算方法有以下两种：
a. 矩形法（Rectangle Method），矩形法是一种简单的近似计算方法，矩形法假设峰的形状是矩形，并使用峰的高度和宽度进行计算；
峰高度（Peak Height）：表示为h，即峰的最大信号值；
峰面积（Peak Area）：通过峰高度h和峰宽度w计算得到，表示为A；
A = h × w
b. 梯形法（Trapezoidal Method）：假设峰的形状是梯形，并利用峰的各个数据点的信号值计算峰面积；
峰的信号值（Peak Signal）：用yi表示峰中的第i个数据点的信号值；
峰面积（Peak Area）：通过峰信号值yi和对应的时间间隔Δt计算得到，表示为A。
A = ∑(yi × Δt)。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (11)

1.基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法，其特征在于：所述基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法包括以下步骤；
S1.芯片设计和制备,根据实验需要设计包括进样口、离通道和检测区的微流控芯片的结构；
制备微流控芯片，使用微流体芯片微影技术。
2.S2.样品进样,制备样品，将待分析的混合物或溶液准备好；
使用微流控芯片的进样口，将所述样品注入进样通道。
3.S3.在所述样品进样前对所述样品进行预处理，包括所述样品的净化、浓缩、化学修饰；
S4.电泳分离,将电泳缓冲液注入所述微流控芯片的分离通道；
施加电场，通过所述微流控芯片中的电泳通道驱动样品离子迁移，得到分离后的样品；
控制所述电场的强度、方向和时间；
S5.检测与分析,在芯片的检测区域使用荧光检测、吸收光谱检测和质谱检测，对所述分离后的样品进行检测和分析；
使用像素级成像技术对芯片进行成像，并对图像进行定量分析。
4.S6.对检测到的数据进行处理和分析，使用包括MATLAB、Python和R的数据分析软件和峰识别与峰面积计算、数据聚类与分类、特征提取和降维和数据可视化算法，得到分析结果。
5.根据权利要求1所述，其特征在于，所述S1芯片设计与制备优化电场分布和控制策略，使用微纳结构和电场调控器，引入纳米探针、表面增强拉曼光谱（SERS）和质谱检测的新兴技术；
将样品进样、混合、分离和检测的步骤实现在单个芯片上，通过自动控制实现全自动的样品分析。
6.根据权利要求2所述，其特征在于，所述引入纳米探针的使用步骤如下：
S21.选择包括量子点、金纳米粒子和磁性纳米颗粒的纳米探针；
S22.合成纳米颗粒、表面修饰和功能化，得到制备好的纳米探针；
S23.将所述制备好的纳米探针加载到微流控芯片中，注入纳米探针溶液到芯片通道；
S24.所述纳米探针用作标记物或增强剂，通过与样品分子相互作用，参与分离过程；
S25.所述纳米探针发出特定的光信号、荧光信号和磁性信号，使用荧光显微镜、吸收光谱仪和质谱仪进行信号的捕获和测量，得出数据结果；
S26.根据所述实验得到的数据结果，使用MATLAB和数据聚类与分类算法对结果进行处理和分析；解释实验结果，得出结论，并与对照组和标准进行比较；
S27.根据分析结果和结论，进行结果解释和报告撰写。确保结果的准确性、可靠性，并提供充分的数据和实验证据来支持结论。
7.根据权利要求1所述，其特征在于，所述S4中电泳分离的步骤如下：
S41.准备包括DNA、蛋白质、离子的试验样品；
S42.准备微流控芯片，并将所述实验样品注入芯片的进样孔，所述微流控芯片上的微通道用于进行分离和分析；
S43进行必要的芯片预处理步骤，包括冲洗、填充胶；
S44.在所述微流控芯片两端施加电压；
S45.通过施加电场，使所述实验样品在芯片的微通道中进行分离，分离过程根据样品的电荷和大小，以及芯片通道的性质进行；
S46.在芯片的出口处设置使用荧光检测、吸收光谱检测、质谱检测，得到检测后的数据结果；
S47.根据所述检测后的数据结果，使用MATLAB进行峰面积计算、峰识别、峰高度测量、峰形分析，得到数据分析的结果；
S48.根据所述数据分析的结果，进行结果解释和报告撰写。解释实验结果，得出结论。
8.根据权利要求1所述，其特征在于，所述S5荧光检测对所述分离后的样品检测和分析的步骤如下：
S51.准备待测样品,对所述样品进行包括提取、纯化、标记的步骤，得到处理后的样品；
S52.使用激光器产生波长的光源激发所述处理后的样品中的荧光分子；
S53.使用激发滤光片选择并滤除非激发波长的光线，使只有激发样品的波长通过；
S54.将激发光照射到所述样品上，使所述样品中的荧光分子受到激发，从而产生荧光;
S55.使用适当的透镜、滤光片和光电探测器等光学元件，收集并检测样品发出的荧光信号;
S56.将荧光信号放大并进行滤波处理；
S57.使用数据采集系统，将荧光信号转换为电信号并进行采集，使用包括峰识别、峰面积计算、曲线拟合的数据分析软件和算法，对荧光信号进行处理和分析，得到数据分析结果；
S58.根据所述数据分析结果，解释样品的荧光特性，并将结果报告或记录下来。
9.根据权利要求1所述，其特征在于，所述S6数据处理和分析的步骤如下：
S61.综合考虑包括峰面积、峰高度、峰形、峰宽等参数的所有的数据和分析结果
S62.将所述实验组的分析结果与对照组进行对比，比较两组之间的差异和相似性，确定实验组的特征；
S63分析结果中的数据变异的原因，包括实验条件、样品制备和操作误差的因素，仔细分析和解释这些变异，确定其来源和影响；
S64.将所述实验结果与相关的文献和先前的研究结果进行比较和讨论，查阅相关文献，了解类似样品或系统的分析结果，与之进行对比和讨论，从而得出更准确的结论；
S65.基于实验结果和相关信息，进行综合推理和推断，提出假设和解释结果的可能性，并进行合理的推断和推论；
S66.基于综合分析和推断，得出最终的结论，并解释实验结果。
10.根据权利要求1所述，其特征在于，所述S6中峰识别与峰面积的计算公式如下，在所述峰识别过程中，通过以下公式来确定峰的位置和峰的宽度：
峰的位置（Retention Time），记录峰的出现时间，表示为t；
峰的宽度（Peak Width），使用峰的全宽度半最大（Full Width at Half Maximum，FWHM）来表示，表示为w；
所述峰面积表示峰下面积的大小，用于衡量峰内的物质量；峰面积计算方法有以下两种：
a. 矩形法（Rectangle Method），所述矩形法是一种简单的近似计算方法，所述矩形法假设峰的形状是矩形，并使用峰的高度和宽度进行计算；
峰高度（Peak Height）：表示为h，即峰的最大信号值；
峰面积（Peak Area）：通过峰高度h和峰宽度w计算得到，表示为A；
A = h × w
b. 梯形法（Trapezoidal Method）：所述假设峰的形状是梯形，并利用峰的各个数据点的信号值计算峰面积；
峰的信号值（Peak Signal）：用yi表示峰中的第i个数据点的信号值；
峰面积（Peak Area）：通过峰信号值yi和对应的时间间隔Δt计算得到，表示为A。
11.A = ∑(yi × Δt)。
CN202310722666.7A 2023-06-19 2023-06-19 基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法 Pending CN116698952A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310722666.7A CN116698952A (zh) 2023-06-19 2023-06-19 基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310722666.7A CN116698952A (zh) 2023-06-19 2023-06-19 基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法

Publications (1)

Publication Number Publication Date
CN116698952A true CN116698952A (zh) 2023-09-05

Family

ID=87838920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310722666.7A Pending CN116698952A (zh) 2023-06-19 2023-06-19 基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法

Country Status (1)

Country Link
CN (1) CN116698952A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117330623A (zh) * 2023-11-26 2024-01-02 北京中科国光量子科技有限公司 一种囚禁离子的物质检测方法与检测装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117330623A (zh) * 2023-11-26 2024-01-02 北京中科国光量子科技有限公司 一种囚禁离子的物质检测方法与检测装置
CN117330623B (zh) * 2023-11-26 2024-02-20 北京中科国光量子科技有限公司 一种囚禁离子的物质检测方法与检测装置

Similar Documents

Publication Publication Date Title
US20230384208A1 (en) Image-based cell sorting systems and methods
CN116698952A (zh) 基于微流控芯片驱动的毛细管电泳微尺度分离与分析方法
Hu et al. A novel method based on a Mask R-CNN model for processing dPCR images
CN110052296B (zh) 流体的分析和分离
Reccius et al. Conformation, length, and speed measurements of electrodynamically stretched DNA in nanochannels
US20090201504A1 (en) Hydrodynamic focusing for analyzing rectangular microbeads
US20110007955A1 (en) Apparatus and Method for Barcoded Magnetic Beads Analysis
DE19940751A1 (de) Lichtemissions-Detektionseinrichtung
Streun et al. A machine learning approach for handling big data produced by high resolution mass spectrometry after data independent acquisition of small molecules–Proof of concept study using an artificial neural network for sample classification
EP2179289A1 (en) Apparatus and method for digital magnetic beads analysis
KR102651120B1 (ko) 표적 물질에 대한 정량 정보 제공 방법 및 이를 이용한 디바이스
US6569685B1 (en) Protein fingerprint system and related methods
Du et al. Statistical methodology in single-molecule experiments
Fitzgerald et al. Sensor arrays from spectroscopically-encoded polymers: Towards an affordable diagnostic device for biomolecules
Lennon et al. Harmonized quality assurance/quality control provisions to assess completeness and robustness of MS1 data preprocessing for LC-HRMS-based suspect screening and non-targeted analysis
JP5634677B2 (ja) 被検体発光経時変化装置及び方法
KR102283315B1 (ko) 드롭렛 마이크로플루이딕 디바이스, 이를 이용한 표면증강라만 산란 신호 동시 측정 시스템, 및 이의 방법
CN107942049A (zh) 一种多维度的微球编解码方法和系统
CN111033222B (zh) 信息处理设备、信息处理方法以及程序
CN208125617U (zh) 一种毛细管电泳核酸分析装置
CN114262733B (zh) 一种微滴式数字pcr荧光信号处理方法
Arcadia et al. Parallelized linear classification with volumetric chemical perceptrons
US7616791B2 (en) Confidence determination
Li Investigation of Conformational Dynamics in Enzymatic Complexes by Single-Molecule Fluorescence Technique
CN111896456A (zh) 一种基于微流控和高光谱成像的单细胞分析方法

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