ES2931314T3 - Métodos y sistemas para evaluar el comportamiento de una muestra en un citómetro de flujo - Google Patents

Abstract

Se describen métodos y sistemas para generar un factor de arrastre en una muestra de citometría de flujo. Los métodos comprenden hacer fluir una muestra con una serie de partículas a través del citómetro de flujo, detectar eventos y calcular una frecuencia esperada de esos eventos en función de una distribución, como una distribución de Poisson, y medir una frecuencia observada de eventos de partículas. Se puede generar un factor de arrastre a partir de una relación entre la frecuencia de eventos observados y la frecuencia de eventos esperada. Se pueden realizar ajustes adicionales al citómetro de flujo en función del factor de arrastre indicado, como el sesgo de clasificación ajustado. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Métodos y sistemas para evaluar el comportamiento de una muestra en un citómetro de flujo

REFERENCIA CRUZADA A SOLICITUDES RELACIONADAS

[0001] Esta solicitud reivindica un beneficio de prioridad con respecto a la Solicitud de Patente Provisional de Estados Unidos de América n.° 61/759.878, presentada el 1 de febrero de 2013 y que lleva por título Methods and Systems for Assessing Sample Behavior in a Flow Cytometer (“Métodos y sistemas para evaluar el comportamiento de una muestra en un citómetro de flujo”).

ANTECEDENTES

Campo técnico

[0002] Esta divulgación se refiere en general al campo de la citometría de flujo y más en concreto a los métodos de análisis de muestras.

Antecedentes

[0003] Los analizadores de partículas, como por ejemplo los citómetros de flujo y escaneado, son herramientas analíticas que permiten la caracterización de partículas basándose en parámetros ópticos como la dispersión de luz y la fluorescencia. En un citómetro de flujo, por ejemplo, partículas tales como moléculas, microesferas unidas por analitos o células individuales en una suspensión de fluido pasan a través de una región de detección en la que las partículas se exponen a una luz de excitación, normalmente procedente de uno o más láseres, y se miden las propiedades de dispersión de luz y fluorescencia de las partículas. Las partículas o componentes de las mismas típicamente se marcan con colorantes fluorescentes para facilitar la detección. Pueden detectarse simultáneamente una multiplicidad de diferentes partículas o componentes mediante el uso de colorantes fluorescentes espectralmente distintos para marcar las diferentes partículas o componentes. En algunas implementaciones se incluyen en el analizador una multiplicidad de fotodetectores, uno para cada uno de los parámetros de dispersión que se van a medir y uno para cada uno de los distintos colorantes que se van a detectar. Los datos obtenidos comprenden las señales medidas para cada uno de los parámetros de dispersión de luz y las emisiones de fluorescencia.

[0004] Los citómetros pueden comprender además medios para registrar los datos medidos y analizar los datos. Por ejemplo, el almacenamiento y análisis de datos puede llevarse a cabo utilizando un ordenador conectado al equipo electrónico de detección. Por ejemplo, los datos se pueden almacenar en una forma tabular, donde cada fila corresponde a datos para una partícula y las columnas corresponden a cada uno de los parámetros medidos. El uso de formatos de archivo estándar, como por ejemplo el formato de archivo “FCS” (Estándar de Citometría de Flujo, por sus siglas en inglés, Flow Cytometry Standard), para almacenar datos procedentes de un citómetro de flujo, facilita el análisis de datos utilizando programas y/o máquinas independientes. Mediante el uso de los métodos de análisis actuales, los datos normalmente se muestran en gráficos bidimensionales (2D) para facilitar la visualización, pero se pueden utilizar otros métodos para visualizar datos multidimensionales.

[0005] Los parámetros medidos usando un citómetro de flujo incluyen normalmente la luz de excitación que es dispersada por la partícula en un sentido generalmente hacia delante o frontal, denominada dispersión frontal (FSC por sus siglas en inglés, forward scatter), la luz de excitación que es dispersada por la partícula en una dirección principalmente lateral, denominada dispersión lateral (SSC por sus siglas en inglés, side scatter), y la luz emitida por moléculas fluorescentes en uno o más canales (rango de frecuencias) del espectro, denominada FL1, FL2, etc., o por el colorante fluorescente que se detecta principalmente en ese canal. Se pueden identificar diferentes tipos de células mediante los parámetros de dispersión y las emisiones de fluorescencia resultantes de marcar varias proteínas celulares con anticuerpos marcados con colorantes.

[0006] Tanto los citómetros de flujo como los de escaneado están disponibles comercialmente, por ejemplo, en BD Biosciences (San José, California, Estados Unidos de América). La citometría de flujo se describe en, por ejemplo, Landy et al. (eds.), Clinical Flow Cytometry, Annals of the New York Academy of Sciences Volume 677 (1993); Bauer et al. (eds.), Clinical Flow Cytometry: Principles and Applications, Williams & Wilkins (1993); Ormerod (ed.), Flow Cytometry: A Practical Approach, Oxford Univ. Press (1997); Jaroszeski et al. (eds.), Flow Cytometry Protocols, Methods in Molecular Biology n.° 91, Humana Press (1997) y Practical Shapiro, Flow Cytometry, 4.a ed., Wiley-Liss (2003); todos incorporados al presente como referencia. La microscopía de imagen de fluorescencia se describe, por ejemplo, en Pawley (ed.), Handbook of Biological Confocal Microscopy, 2.a edición, Plenum Press (1989).

[0007] La separación de células o separación de partículas activadas por fluorescencia es un tipo especializado de citometría de flujo. Proporciona un método para la separación de una mezcla heterogénea de partículas en dos o más recipientes, una célula cada vez, de acuerdo con las características específicas de dispersión de luz y fluorescencia de cada célula. Registra señales fluorescentes de células individuales y separa físicamente las células que sean de particular interés. El acrónimo FACS (por sus siglas en inglés, Fluorescence-Activated Cell Sorting) es una marca registrada y es propiedad de Becton Dickinson.

[0008] La suspensión de partículas se coloca cerca del centro de una corriente de líquido estrecha que fluye rápidamente. El flujo está dispuesto de manera que, como promedio (distribución de Poisson), exista un gran espaciamiento entre las partículas en relación con su diámetro. Un mecanismo de vibración provoca que la corriente de partículas se divida en gotitas individuales. El sistema se ajusta de modo que exista una baja probabilidad de que haya más de una partícula en una gotita. Justo antes de que la corriente se rompa en gotitas, el flujo pasa a través de una o más intersecciones de láser, donde se mide el carácter fluorescente de interés de cada partícula. Si se va a recoger una partícula, se aplica una carga a la célula de flujo durante el período de tiempo en que se forman una o más gotas y se separan de la corriente. Estas gotitas cargadas después caen a través de un sistema de deflexión electrostática que desvía las gotitas hacia los recipientes de destino en función de la carga aplicada a la gotita.

[0009] Una muestra puede incluir miles, si no millones, de células. Las células se pueden separar para purificar una muestra hasta alcanzar las células de interés. El proceso de separación generalmente puede identificar tres variedades de células: células de interés, células que no son de interés y células que no se pueden identificar. Con el fin de separar células con alta pureza (por ejemplo, alta concentración de células de interés), los separadores de células que generan gotitas normalmente abortan electrónicamente las células que están demasiado cerca de otra célula no deseada y de esta forma reducen la contaminación de las poblaciones separadas. Una separación muy estricta puede tener como resultado un número reducido de células para el análisis. Además, el período de tiempo necesario para realizar la separación detallada puede ser superior al de una separación menos estricta.

[0010] Asimismo, en muestras de células adherentes, o células que presentan antígenos, como por ejemplo monocitos y células dendríticas o aquellas que han sido procesadas de una manera que aumenta la interacción célula a célula, esto a menudo puede tener como consecuencia una recuperación deficiente. En una muestra bien dispersa, la distribución de células es aleatoria y sigue las estadísticas de una distribución de Poisson. Como señaló Lindmo (1981), mediante la medición del intervalo de tiempo entre eventos es posible evaluar la desviación de la distribución ideal. En consecuencia, existe la necesidad de evaluar “en tiempo real” el comportamiento de la muestra para determinar si una muestra está bien distribuida.

[0011] En la patente estadounidense US2010319469 se describe un sistema fluídico para un citómetro de flujo. Este sistema fluídico incluye una bomba envolvente que bombea fluido envolvente desde un recipiente envolvente a una zona de interrogación, una bomba de residuos que bombea fluido de residuos desde la zona de interrogación a un recipiente de residuos, un sistema de detección que proporciona un conjunto de datos de señales de entrada del fluido de muestra, un motor de análisis que reconoce eventos de partículas agregadas en el conjunto de datos y un controlador que ajusta automáticamente la velocidad de flujo del fluido de muestra en la zona de interrogación en función del reconocimiento de eventos de partículas agregadas.

SUMARIO

[0012] En un aspecto innovador, en la reivindicación 1 se da a conocer un método para generar un factor de arrastre y activar una acción correctiva para una muestra de citómetro de flujo.

[0013] En el método innovador descrito, la corriente puede comprender gotitas espaciadas regularmente. Un ejemplo de acción correctiva incluye detener el flujo de la muestra en el citómetro de flujo.

[0014] Algunas implementaciones del método pueden incluir la separación de partículas en la corriente. En tales implementaciones, la acción correctiva puede incluir el ajuste de la separación en función del factor de arrastre.

[0015] Se pueden medir de varias formas diferentes los intervalos de tiempo de conformidad con los métodos innovadores. Un ejemplo de unidad de intervalo de tiempo son las fracciones de una gotita.

[0016] En algunas implementaciones, el factor de arrastre es uno de una pluralidad de factores de arrastre calculados durante intervalos de tiempo sucesivos para una muestra de citómetro de flujo.

[0017] La muestra puede incluir múltiples partículas marcadas. Por ejemplo, la muestra puede incluir células de sangre periférica en las que las células de sangre periférica comprenden un primer y un segundo componente marcados con un primer y un segundo marcador. En implementaciones con múltiples componentes, puede ser deseable generar un factor de arrastre para cada componente. En dichas implementaciones, el método puede incluir la generación del factor de arrastre para el primer componente y de otro factor de arrastre para el segundo componente.

[0018] En otro aspecto innovador adicional, en la reivindicación 9 se da a conocer un sistema de flujo para proporcionar un factor de arrastre de muestra y activar una acción correctiva.

[0019] El sistema de flujo puede comparar la frecuencia de la señal experimental mediante la determinación de una relación entre la frecuencia de la señal experimental y la frecuencia de la señal calculada o la frecuencia de la señal predeterminada.

[0020] Las acciones correctivas pueden incluir la interrupción de la recogida de señales por parte del sistema de detección, la purga del tubo de muestra por dicho sistema fluídico, la modificación de la recogida de señales a través de una focalización acústica basada en el factor de arrastre y la reanudación de la recogida de señales por parte del sistema de detección. La recogida de señales puede reanudarse después de iniciar la dispersión de la muestra.

[0021] En algunas implementaciones, el sistema de control incluye una primera configuración de separación que proporciona un alto rendimiento de recogida y una segunda configuración de separación que proporciona una alta pureza de recogida. El sistema de control puede configurarse para seleccionar una las configuraciones, la primera configuración de separación o la segunda configuración de separación, en función del factor de arrastre.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

[0022] Varias ventajas de la presente invención serán evidentes al considerar la siguiente descripción detallada, conjuntamente con los dibujos adjuntos, en los cuales:

En la Figura 1 se muestra un diagrama de bloques funcional para un ejemplo de un dispositivo electrónico para el procesamiento de información de comportamiento de datos de citometría.

En la Figura 2 se muestra un diagrama de bloques funcional para un ejemplo de un analizador de comportamiento de muestras.

En la Figura 3 se muestra un diagrama de flujo de proceso de un ejemplo de método de análisis de comportamiento de muestras.

En la Figura 4 se muestran diagramas de dispersión de un ejemplo de conjunto de datos de evento que no exhibe aglomeración.

En la Figura 5 se muestran diagramas de dispersión de un ejemplo de conjunto de datos de evento que exhibe aglomeración.

En la Figura 6 se muestra un diagrama de bloques funcional para un ejemplo de un dispositivo de separación que incluye un controlador de flujo de retroalimentación del factor de arrastre.

En la Figura 7 se muestra una reconstrucción de la distribución de eventos en una parte de una corriente que ilustra cómo se pueden distribuir las partículas dentro de la parte de la corriente.

En la Figura 8 se muestra un diagrama de bloques funcional de un sistema de flujo para proporcionar un factor de arrastre de muestra.

DESCRIPCIÓN DETALLADA

[0023] Las características descritas permiten la evaluación, ya sea automática o manual, del comportamiento de una muestra usando un índice de dispersión simplificado. Un aspecto incluido para facilitar la evaluación es un “factor de arrastre”. Cuando se analizan diferentes muestras, la utilidad de las características reveladas proporciona una ventaja no limitativa de distinguir las características de rendimiento de la muestra detectadas que se derivan del comportamiento de la muestra de aquellas intrínsecas al separador.

[0024] En la presente invención se describen métodos y sistemas para determinar un factor de arrastre en una muestra de citómetro de flujo que comprende el flujo de una muestra que comprende una serie de partículas a través del citómetro de flujo, en donde cada partícula está asociada con una señal y las partículas se distribuyen en una corriente fluídica, que en algunas realizaciones forma en última instancia una serie de gotitas espaciadas regularmente, la detección de una serie de señales con un tiempo entre llegadas relativo a la partícula anterior, con la probabilidad de ocurrencia relativa a la duración de un intervalo de tiempo específico, el cálculo de la frecuencia esperada de eventos en el intervalo de tiempo basado en una distribución de Poisson (por ejemplo, una distribución de Poisson homogénea ideal), la medición de la frecuencia observada de eventos dentro de ese intervalo de tiempo y el cálculo de un primer factor de arrastre, en donde se determina el primer factor de arrastre a partir de la relación entre la frecuencia observada y la frecuencia esperada.

[0025] El método comprende además la activación de una acción correctiva en un sistema de control conectado operativamente al citómetro de flujo cuando el factor de arrastre se desvía desde un valor predeterminado, por ejemplo, superior a 1. En algunas realizaciones, la acción correctiva puede comprender la detención del flujo de la muestra en el citómetro de flujo, la purga del citómetro de flujo, el inicio de una señal de interfaz de usuario o acciones similares. El factor de arrastre se calcula mientras la muestra fluye en el citómetro de flujo. En algunas realizaciones, los intervalos de tiempo se miden en fracciones de una gota. En algunas realizaciones, el primer factor de arrastre es uno de una pluralidad de factores de arrastre calculados durante intervalos de tiempo sucesivos para una muestra de citómetro de flujo. La muestra puede comprender una muestra biológica, como por ejemplo células de sangre periférica.

[0026] Se da a conocer un sistema de flujo de conformidad con la reivindicación 9. El valor de arrastre puede determinarse basándose en la relación entre la frecuencia de la señal experimental y la frecuencia de la señal calculada. La acción correctiva puede ser cualquier acción, como por ejemplo llevar a cabo uno o más ciclos de interrupción de la recogida de señales por parte del sistema de detección, purgar el tubo de muestra por dicho sistema fluídico y reanudar la recogida de las señales por el sistema de detección. En algunas realizaciones, la reanudación de la recogida de las señales se produce después de que se toman medidas para dispersar la muestra. La dispersión de la muestra puede ser por cualquier medio, por ejemplo, la focalización acústica.

[0027] Los aspectos descritos en el presente dan a conocer sistemas y métodos para evaluar el comportamiento de la muestra utilizando un índice de dispersión y el concepto de “factor de arrastre” como una métrica para la calidad de la muestra. Se demuestran los sistemas y métodos utilizando diferentes muestras, y se analiza la utilidad de esta herramienta para distinguir los problemas de rendimiento que se derivan del comportamiento de la muestra de los intrínsecos al separador. Las implementaciones que incluyen una o más de las características descritas sirven como un medio eficaz para analizar datos en general (por ejemplo, datos de citómetros) con el fin de determinar el grado de “Poisson” que presenta realmente una población durante un proceso de separación o análisis de células, sirviendo de esta forma como una métrica para ayudar a mejorar la preparación de muestras. También se pueden usar los aspectos descritos para informar a un usuario sobre por qué una población clasificada puede estar mostrando un rendimiento deficiente y contribuyendo a un rendimiento de separación decepcionante.

[0028] Tal y como se usan en el presente, los términos establecidos con particularidad más adelante tienen las siguientes definiciones. Si no se define de otro modo en esta sección, todos los términos utilizados en el presente tienen el significado comúnmente entendido por un experto en la materia a la que pertenece esta invención.

[0029] Tal y como se usan en el presente, “sistema”, “ instrumento” y “aparato” generalmente abarcan los componentes de hardware (por ejemplo, mecánico y electrónico) y los componentes de software asociados (por ejemplo, programas informáticos).

[0030] Tal y como se usa en el presente, “distribución de Poisson” hace referencia a una distribución de frecuencia discreta que indica la probabilidad de que se produzca una serie de eventos independientes durante un período de tiempo fijo.

[0031] Tal y como se usa en el presente, “arrastre” identifica el grado de agregación, aglomeración u otra asociación no aleatoria de partículas.

[0032] Tal y como se usa en el presente, un “evento” generalmente hace referencia a los datos medidos de una sola partícula (por ejemplo, células o partículas sintéticas). Normalmente, los datos medidos a partir de una sola partícula incluyen una serie de parámetros, incluidos uno o más parámetros de dispersión de la luz, y al menos un parámetro de intensidad de fluorescencia. Por consiguiente, cada evento se representa como un vector de mediciones de parámetros, en donde cada parámetro medido corresponde a una dimensión del espacio de datos.

[0033] Tal y como se usan en el presente, una “población” o “subpoblación” de partículas, como por ejemplo células u otras partículas, generalmente hacen referencia a un grupo de partículas que poseen propiedades ópticas con respecto a uno o más parámetros medidos, de tal manera que los datos de parámetros medidos forman un grupo en el espacio de datos. Por consiguiente, las poblaciones se reconocen como grupos en los datos. A la inversa, cada grupo de datos generalmente se interpreta como que corresponde a una población, aunque también se observan normalmente grupos que corresponden al ruido o al fondo. Un grupo puede definirse en un subconjunto de las dimensiones, es decir, con respecto a un subconjunto de los parámetros medidos, que corresponde a poblaciones que difieren en solo un subconjunto de los parámetros medidos.

[0034] Tal y como se usa en el presente, una “ventana” generalmente hace referencia a un conjunto de puntos de demarcación que identifican un subconjunto de datos de interés. En citometría, una ventana puede unir un grupo de eventos de particular interés. Tal y como se usa en el presente, el “acotamiento de zonas de interés” generalmente hace referencia al proceso de clasificar una población mediante la definición de una ventana para un conjunto o subconjunto de datos determinado.

[0035] Como se ha indicado brevemente más arriba, los gráficos de puntos biparamétricos son una forma de visualizar los datos producidos por el citómetro. Cuando se visualizan y analizan datos, también se pueden usar gráficos de histogramas, gráficos de bin, densidad 2D y/o contorno.

[0036] La separación de células que realiza un citómetro de flujo es una tarea difícil, más aún por la tendencia de algunas preparaciones de células a dar como resultado la aglomeración o agregación de células o partículas. La eficiencia de separación en una serie de gotitas de un citómetro de flujo puede mostrar una distribución de Poisson en un escenario ideal, donde la eficiencia puede estimarse mediante la Ecuación (1) que se muestra a continuación:

- (velocidad*(l-fracción)*

Eficiencia = e J _(i)

en donde:

d es el paquete de goteo definido como el tiempo en unidades de gota;

f es la frecuencia del impulso de gotas en gotas por segundo;

velocidad es la velocidad de muestreo en eventos por segundo; y

fracción representa la parte de todos los eventos para la población de interés.

[0037] Un gran número de muestras procesadas a través de un citómetro de flujo no muestran una distribución de Poisson. Sin estar restringido a una teoría en particular, una distribución no de Poisson puede ser el resultado de muchos factores, como por ejemplo el arrastre (o aglomeración) de células. No es raro que los investigadores “pierdan” una parte mayor de células de lo esperado o deseado debido a un arrastre indeseable de células deseadas con células no deseadas. En algunas realizaciones, la medición del grado de “Poisson” que puede presentar realmente una muestra puede lograrse determinando una varianza del comportamiento de Poisson homogéneo para una serie de eventos detectados por la citometría de flujo. En una implementación, donde la relación entre la varianza y la media es 1,0, entonces la muestra puede identificarse como si se comportara de manera Poisson.

[0038] En algunas realizaciones, una muestra puede contener dos o más tipos de partículas (por ejemplo, monocitos, linfocitos o cualquier otro componente celular) y cada tipo de partícula puede marcarse de manera que proporcione una señal detectable distinta. Los diferentes componentes celulares de una muestra pueden exhibir un comportamiento de agregación diferente. Los aspectos descritos pueden contemplar la determinación de factores de arrastre específicos para cada partícula generadora de señal distinta. Como beneficio no limitante, estas características proporcionan una forma de comprender el comportamiento de distintas poblaciones de partículas o tipos celulares en una muestra.

[0039] En algunas realizaciones se mide el número observado de eventos dentro de un intervalo de tiempo determinado. La frecuencia esperada de eventos en el mismo intervalo de tiempo se calcula basándose en una distribución de Poisson ideal. Mediante el cálculo de la relación entre los eventos observados y la frecuencia esperada de los eventos para este o cualquier otro intervalo de tiempo, podemos obtener un “factor de arrastre”. Este valor identifica una medida de la aglomeración de la muestra y la desviación de Poisson. Cuanto mayor sea el nivel de aglomeración indicado por el factor de arrastre, peor será el comportamiento de la muestra en flujo.

[0040] Por consiguiente, la expresión del factor de arrastre puede implementarse de muy diversas maneras. Por ejemplo, en una implementación, un factor de 1,0 indica muestras de Poisson, mientras que un factor superior a 1,0 identifica muestras con aglomeración o arrastre. En otra implementación, el factor puede expresarse con una base cero. En tal implementación, un factor de 0 puede indicar que no hay aglomeraciones (por ejemplo, Poisson), mientras que los valores positivos indican un grado de aglomeraciones. En algunas implementaciones, el nivel de aglomeración se puede escalar, por ejemplo, a 100. En tales implementaciones, el factor puede indicar un porcentaje de aglomeración para una muestra. En algunas implementaciones, los valores numéricos más altos pueden indicar un mayor número de muestras de Poisson y cuanto más bajo sea el valor, mayor será la aglomeración. La discusión en el presente debe hacer hincapié en que la expresión del factor de arrastre puede lograrse en una variedad de formas sin apartarse del espíritu del factor de arrastre, que consiste en transmitir una indicación de aglomeración.

[0041] Se puede medir el tiempo de llegada de las partículas con un alto grado de precisión utilizando marcas de tiempo intrínsecas en el firmware con una resolución de gota especificada. Por ejemplo, desde 1/16 de una gota, el tiempo de llegada se puede medir en 1,5625 microsegundos a 40 KHz usando el separador de células BD Influx™ comercializado por Becton, Dickinson and Company, hasta 0,1 microsegundos usando el separador de células BD ACSAria™ III comercializado por Becton, Dickinson and Company, o hasta 17,625 nanosegundos representados a través de una marca de tiempo de 48 bits utilizando el separador de células BD FACSJazz™, también comercializado por Becton, Dickinson and Company.

[0042] El tiempo de llegada puede incluirse en el marco de eventos de cada evento procesado como una marca de tiempo. En algunas implementaciones, como es el caso de Influx™ o FACSJazz™, se puede proporcionar información adicional, como por ejemplo la distancia con el evento anterior en el tiempo. Los datos pueden agruparse y ajustarse como una distribución exponencial de Poisson. La probabilidad de que ocurra otro evento dentro de intervalos de tiempo relacionados con los límites de gota se puede obtener basándose en las estimaciones tradicionales de Poisson (Pinkle y Stovel, 1985). Una relación entre la probabilidad observada y la probabilidad esperada para diferentes intervalos de tiempo relevantes proporcionó una métrica de “factor de arrastre”. Como se ha indicado, un ejemplo de factor de arrastre es tal que el resultado sería de 1,0 para verdaderas distribuciones de Poisson y significativamente mayor para aquellas partículas que presentan arrastre de manera no aleatoria.

[0043] Los comportamientos de diferentes tipos de muestras/células, y de subpoblaciones dentro de muestras heterogéneas, como por ejemplo células mononucleares de sangre periférica (PBMC por sus siglas en inglés, peripheral blood mononuclear cell), muestran comportamientos de arrastre en el flujo que van desde distribuciones de Poisson verdaderamente homogéneas hasta arrastres no aleatorios que afectan significativamente el rendimiento de la separación y el rendimiento de separación de reducción (por ejemplo, el número de células para las que se llegó a una decisión de separación). Consideremos una muestra que, al aplicar la Ecuación (1), puede tener la expresión de eficiencia que se muestra en la Ecuación (2).

p = 1 .0 -e ^f(2)

[0044] En el ejemplo de muestra, la velocidad esperada r es de 714 eventos por segundo para un paquete de goteo d de 1 a la frecuencia f de 40.400 Hz. En este ejemplo, solo hay una población de interés y, por lo tanto, el término de fracción no es necesario. Los datos de evento para una muestra se pueden adquirir del citómetro durante una prueba. En una muestra, observamos 829 eventos con tiempos delta de 1 gota o menos en una muestra de 10.000 eventos. El tiempo delta representa un período de tiempo entre un evento determinado y un evento anterior. En algunas implementaciones, el tiempo delta mide el tiempo hasta un evento anterior del mismo tipo (por ejemplo, la detección de la misma partícula). En algunas implementaciones, el tiempo delta mide el tiempo hasta el evento anterior, independientemente del tipo de evento. En el ejemplo mencionado anteriormente, la unidad de tiempo utilizada es el número de gotas. Se pueden usar unidades tales como microsegundos, tiempo absoluto u otras representaciones de tiempo dentro de los métodos y sistemas descritos. La frecuencia resultante para la muestra observada es 0,0829. Sin embargo, se esperan 175 eventos de 10.000 (por ejemplo, 0,0175 * 10.000) con un tiempo delta de 1 gota o menos basándose en una distribución de eventos de Poisson y una velocidad de muestreo de 714 por segundo.

[0045] En este ejemplo, la probabilidad observada es 0,0829, mientras que la probabilidad esperada para una distribución de Poisson es 0,0175. En implementaciones en las que el factor de arrastre se expresa como una relación entre la probabilidad observada y la probabilidad esperada, el factor de arrastre sería 0,0829/0,0175 o 4,73. Si la muestra exhibiera la distribución esperada, la relación arrojaría un factor de arrastre de 1,0 (por ejemplo, 0,0175/0,0175). Sin embargo, en el ejemplo de muestra mencionado anteriormente, el factor de arrastre es 4,73, casi cinco veces mayor que si estuviera en juego un proceso de Poisson homogéneo.

[0046] En la Figura 1 se muestra un diagrama de bloques funcional para un ejemplo de un dispositivo electrónico para el procesamiento de información de comportamiento de datos de citometría. El dispositivo electrónico 100 puede configurarse para implementar uno o más aspectos de los procesos descritos en el presente.

[0047] En algunas implementaciones, el dispositivo electrónico 100 puede ser un citómetro. Se apreciará que no se muestran otros elementos incluidos en dicha implementación en la Figura 1. En algunas implementaciones, el dispositivo electrónico 100 puede configurarse para comunicarse con un citómetro y proporcionar análisis de comportamiento y mensajes de control basados en el mismo.

[0048] Para facilitar la comunicación con un citómetro, el dispositivo electrónico 100 incluye un receptor 102. El receptor 102 está configurado para recibir información para su posterior procesamiento por parte del dispositivo electrónico 100, como por ejemplo el análisis del comportamiento de la muestra. El receptor 102 puede recibir datos de citometría de flujo sin procesar. El receptor 102 también puede recibir parámetros para controlar las características operativas del dispositivo electrónico 100. El receptor 102 puede configurarse para recibir mensajes de otro dispositivo electrónico, como por ejemplo una tableta, un ordenador personal o un teléfono inteligente.

[0049] El receptor 102 puede implementarse como un receptor con cable o inalámbrico. En una implementación inalámbrica, el receptor 102 puede incluir una antena y un procesador de señales. En una implementación con cable, el receptor 102 puede incluir una o más de las siguientes: una interfaz de red, conexiones físicas (por ejemplo, Ethernet, USB, HDMI, teléfono, etc.) y una interfaz de programación de aplicaciones para las diversas funciones descritas.

[0050] Para facilitar aún más las comunicaciones con un citómetro y otros sistemas de procesamiento electrónico, el dispositivo electrónico 100 puede incluir un transmisor 104. El transmisor 104 puede estar configurado para transmitir información generada o adquirida de otro modo por el dispositivo electrónico 100. Un ejemplo de información que puede ser transmitida por el transmisor 104 es un análisis de comportamiento, como por ejemplo un factor de arrastre y/o mensajes de accionamiento basados en el mismo.

[0051] El transmisor 104 puede configurarse para formatear los datos para su transmisión. El formato puede incluir uno o varios de los siguientes elementos: paquetización, encapsulación (por ejemplo, en un formato legible por máquina como XML, JSON, texto delimitado, formato binario como mapa de bits u otro formato de archivo de imagen y similares), cifrado y compresión.

[0052] El transmisor 104 puede estar configurado para una transmisión por cable o inalámbrica. En una implementación inalámbrica, el transmisor 104 puede incluir un generador de señales, un amplificador y una antena. En una implementación con cable, el transmisor 104 puede incluir una o más de una interfaz de red y conexiones físicas (por ejemplo, Ethernet, USB, HDMI, teléfono, etc.).

[0053] El dispositivo electrónico 100 puede incluir una memoria 106. La memoria 106, que puede incluir memoria de solo lectura (ROM, por sus siglas en inglés, Read Only Memory) y/o memoria de acceso aleatorio (RAM, por sus siglas en inglés, Random Access Memory), puede almacenar información recibida por el dispositivo electrónico 100. La memoria 106 también puede almacenar información generada por el dispositivo electrónico 100. Una parte de la memoria 106 también puede incluir una memoria no volátil de acceso aleatorio (NVRAM, por sus siglas en inglés, Non-Volatile Random Access Memory).

[0054] El dispositivo electrónico 100 también puede incluir un procesador 108. El procesador 108 puede controlar y/o coordinar el funcionamiento del dispositivo electrónico 100. En algunas implementaciones, el procesador 108 puede denominarse unidad central de procesamiento (CPU, por sus siglas en inglés, Central Processing Unit). El procesador puede configurarse para transmitir mensajes a uno o más de los componentes del dispositivo electrónico 100. El procesador también puede configurarse para recibir mensajes de uno o más de los componentes del dispositivo electrónico 100.

[0055] El procesador 108 puede implementarse con cualquier combinación de microprocesadores de propósito general o especial, microcontroladores, procesadores de señales digitales (DSP, por sus siglas en inglés, Digital Signal Processor), matrices de puertas lógicas programables en campo (FPGA, por sus siglas en inglés, Field-Programmable Gate Arrays), dispositivos lógicos programables (PLD, por sus siglas en inglés, Programmable Logic Devices), controladores, equipos de estado, lógica de compuerta (gated logic), componentes de hardware discretos, máquinas de estado finito de hardware dedicadas o cualquier otra entidad adecuada que pueda realizar cálculos u otras manipulaciones de información.

[0056] La memoria 106 puede proporcionar instrucciones y datos al procesador 108. El procesador 108 puede configurarse para realizar operaciones lógicas y aritméticas basadas en instrucciones de programa almacenadas dentro de la memoria 106. Las instrucciones en la memoria 106 pueden ser ejecutables para implementar los métodos descritos en el presente.

[0057] El dispositivo electrónico 100 mostrado en la Figura 1 incluye un analizador de comportamiento de muestras 200. Se muestra el analizador de comportamiento de muestras 200 como que recibe datos de evento de muestra. Los datos de evento de muestra incluyen un tiempo delta y pueden incluir información del evento, como la intensidad fluorescente media para un evento, el tiempo del evento en relación con un punto en el tiempo para la prueba (por ejemplo, el inicio de la prueba o el intervalo de gotas). En algunas implementaciones, estas entradas pueden almacenarse en la memoria 106. En algunas implementaciones, la entrada se recibe externamente, como por ejemplo a través del receptor 102, basándose en un mensaje recibido.

[0058] El analizador de comportamiento de muestras 200 puede estar configurado para generar información de identificación de comportamiento para la muestra o una parte de la muestra. Un ejemplo de información de identificación de comportamiento es un factor de arrastre. El identificador de comportamiento puede basarse en los datos de evento recibidos donde los datos de evento reales se comparan con una distribución estadística ideal para los datos de evento. El analizador de comportamiento de muestras 200 puede estar configurado para almacenar el histograma generado en la memoria 106. Se presentarán más detalles del analizador de comportamiento de muestras 200 con referencia a la Figura 2 más adelante.

[0059] En algunas implementaciones, la información de identificación de comportamiento puede incluir un mensaje de control de accionamiento. El mensaje de control de accionamiento puede incluir información que identifica el comportamiento y uno o más ajustes de flujo para mejorar el comportamiento de la prueba de muestra.

[0060] El dispositivo electrónico 100 incluye un controlador de flujo 600. El controlador de flujo 600 está configurado para ajustar el flujo citométrico para una muestra/prueba. Más adelante se describen ejemplos de los ajustes con referencia a la Figura 6. El controlador de flujo 600 puede recibir parámetros de iniciación como una primera entrada. Los parámetros de iniciación indican la configuración de flujo inicial para una muestra. El controlador de flujo 600 que se muestra también recibe información de identificación de comportamiento que puede usar para ajustar la configuración de flujo inicial basándose en el comportamiento de la muestra asociada.

[0061] Los elementos descritos anteriormente del dispositivo electrónico 100 pueden acoplarse mediante un bus 190. El bus 190 puede ser un bus de datos, un bus de comunicación u otro mecanismo de bus para permitir que los diversos componentes del dispositivo electrónico 100 intercambien información. En algunas implementaciones, el bus 190 puede facilitar la transferencia de energía entre los elementos mostrados. También se apreciará que, aunque se han mostrado elementos diferentes, los elementos múltiples mostrados pueden combinarse en un solo elemento.

[0062] En la Figura 2 se muestra un diagrama de bloques funcional para un ejemplo de un analizador de comportamiento de muestras 200. El analizador de comportamiento de muestras 200 recibió datos de evento de muestra como entrada. Los datos de evento recopilados por los citómetros pueden variar. Por ejemplo, algunos citómetros recopilan datos de evento en un primer nivel de resolución (por ejemplo, número de bits), mientras que otros pueden recopilarlos en una resolución más alta. Por lo tanto, los datos de evento pueden representarse con mayor precisión o incluir información adicional de citómetro a citómetro. Debido a que el analizador de comportamiento de muestras 200 puede estar analizando datos de evento obtenidos de varios citómetros, los datos de evento se proporcionan a un analizador de datos de evento 202. Cuando el analizador de comportamiento de muestras 200 está incluido dentro de un citómetro, el formato de datos de evento puede identificarse de forma más fiable. En tales implementaciones, el analizador de datos de evento 202 puede omitirse o combinarse en otro elemento del dispositivo electrónico comprensivo.

[0063] El analizador de datos de evento 202 puede estar configurado para determinar el formato de los datos de evento y proporcionar un conjunto estándar de datos de evento para fines analíticos. En algunas implementaciones, el analizador de datos de evento 202 puede estar configurado para aumentar los datos de evento recibidos. Por ejemplo, algunos citómetros pueden no informar sobre el llamado tiempo delta. Por consiguiente, el analizador de eventos 202 puede estar configurado para procesar los datos de evento recibidos y determinar el tiempo delta para uno o más eventos incluidos en el conjunto de datos. Los datos de evento pueden incluir además la configuración del flujo actual (por ejemplo, velocidad, período de tiempo, etc.).

[0064] Como se muestra en la Figura 2, el analizador de datos de evento 202 puede recibir una configuración de análisis como entrada. La configuración de análisis puede incluir reglas para indicar cómo determinar qué operación u operaciones de análisis son necesarias. Esto se puede indicar mediante campos de encabezado, firmas de datos de evento u otro método de análisis. La configuración de análisis puede indicar además la operación u operaciones de análisis que se deben realizar. Por ejemplo, una configuración de análisis puede incluir instrucciones que pueden ser ejecutadas por un procesador, como por ejemplo un script ejecutable. El script puede especificar una serie de transformaciones para que los datos de evento generen la salida estandarizada.

[0065] A continuación, los datos de evento estandarizados se proporcionan a un generador de distribución de frecuencia esperada 203. El generador de distribución de frecuencia esperada 203 está configurado para determinar las características de un conjunto de eventos para una distribución bien formada, por ejemplo, una distribución de Poisson. El tipo de distribución puede especificarse como una entrada al generador de distribución de frecuencia esperada 203, por ejemplo, a través de una configuración de expectativa. El generador de distribución de frecuencia esperada 203 analiza los datos de evento para determinar una distribución de eventos esperada para la velocidad y el período de tiempo de los datos de evento. Se apreciará que la distribución esperada puede identificarse para una parte de los datos de evento, por ejemplo, una gota, tres gotas, treinta gotas o un dieciseisavo de gota.

[0066] También se proporcionan los datos de evento estandarizados a un generador de distribución de frecuencia observada 204. El generador de distribución de frecuencia observada 204 está configurado para proporcionar la distribución de frecuencia real para al menos una parte de los datos de evento.

[0067] Las distribuciones esperadas y observadas para la muestra se proporcionan después a un procesador de arrastre 206. El procesador de arrastre 206 está configurado para comparar las distribuciones esperadas y observadas y generar información de comportamiento para la muestra. En una implementación, el procesador de arrastre 206 puede tomar la relación entre lo esperado y lo observado, como se ha indicado anteriormente. La comparación implementada por el procesador de arrastre 206 puede especificarse usando una configuración de arrastre introducida en el procesador de arrastre 206. La configuración puede especificar uno o más aspectos del comportamiento para analizar e incluir en la información de comportamiento generada. La configuración también puede especificar un formato de salida para la información de comportamiento. Por ejemplo, en una implementación donde el analizador de comportamiento de muestras 200 está acoplado con uno o más citómetros, cada citómetro puede configurarse para comprender un formato específico. En consecuencia, la configuración puede incluir configuraciones estáticas (por ejemplo, técnicas de combinación), así como configuraciones dinámicas (por ejemplo, formato de salida del citómetro objetivo).

[0068] El procesador de arrastre 206 está configurado para después proporcionar la información de comportamiento para un procesamiento adicional. Por ejemplo, el procesador de arrastre 206 puede almacenar la información de comportamiento en una memoria 210. En algunas implementaciones, el procesador de arrastre 206 puede utilizar la memoria 106 incluida en el dispositivo electrónico 100 que se muestra en la Figura 1.

[0069] El procesador de arrastre 206 proporciona la información de comportamiento a un controlador de accionamiento 208. El controlador de accionamiento 208 está configurado para identificar uno o más ajustes en el citómetro basándose en la información de comportamiento. Por ejemplo, si el factor de arrastre de la muestra es alto, puede deberse a la inclusión de una tolerancia de alta pureza para la prueba. El controlador de accionamiento 208 puede proporcionar una indicación estadística de un rendimiento mejorado para una reducción determinada en la pureza. En algunas implementaciones, el controlador de accionamiento 208 puede estar configurado para generar automáticamente mensajes de control, como por ejemplo para reducir la velocidad de flujo para la prueba. Las configuraciones pueden especificarse como una configuración de accionamiento introducida en el controlador de accionamiento 208. La configuración de accionamiento puede incluir reglas para ajustar la lógica de separación para la prueba de los eventos de la muestra analizada. Por ejemplo, una regla puede especificar que hasta un 10% de reducción en la pureza es aceptable si da como resultado un 20% o más de aumento en el rendimiento. En algunas implementaciones, la configuración de accionamiento puede aumentar la velocidad basándose en la detección de un flujo ordenado y disminuir la velocidad si se detecta un flujo desordenado. Se describen más adelante otros ejemplos de los ajustes.

[0070] En la Figura 3 se muestra un diagrama de flujo de proceso de un ejemplo de método de análisis de comportamiento de muestras. El proceso que se muestra en la Figura 3 puede implementarse mediante uno o más de los dispositivos descritos en el presente, como por ejemplo el dispositivo electrónico 100 que se muestra en la Figura 1 o el analizador de comportamiento de muestras 200 de la Figura 2. El método comienza en el nodo 302, donde se reciben datos de evento para una serie de gotitas en flujo. Los datos de evento se reciben de un citómetro de flujo durante una prueba. Dicho suministro próximo en el tiempo desde el punto de recogida hasta el punto de recepción puede, en algunas implementaciones, denominarse “en tiempo real”. Aunque el ejemplo mostrado en la Figura 3 hace referencia a una gotita como una unidad de velocidad, se puede utilizar otra unidad en conjunción con las características descritas en el presente.

[0071] En el nodo 304 se determina una frecuencia de eventos esperada para una distribución supuesta. Un ejemplo no limitante de una supuesta distribución es una distribución de Poisson. La determinación puede basarse en la velocidad y el período del temporizador para al menos una parte de los datos de evento recibidos.

[0072] En el nodo 306 se determina una frecuencia observada para los datos de evento. Se puede determinar la frecuencia observada, en una implementación, basándose en una aplicación de la Ecuación (1) mostrada anteriormente.

[0073] En el nodo 308 se genera un factor de arrastre. El factor de arrastre generalmente describe el comportamiento de la muestra en función de los datos de evento recibidos. El factor de arrastre se genera basándose en una comparación de la frecuencia esperada y la frecuencia observada. La comparación puede ser una relación de las dos frecuencias. En algunas implementaciones, pueden incluirse factores adicionales tales como configuración de flujo, información del citómetro de origen (por ejemplo, tipo, número de modelo, versión de firmware, configuración y/o datos similares).

[0074] En la Figura 4 se muestran diagramas de dispersión para un ejemplo de conjunto de datos de evento que no exhibe aglomeración. Usando el ejemplo mencionado anteriormente, el factor de arrastre para los datos de evento mostrados en la Figura 4 estaría cerca de 1,0 o sería 1,0.

[0075] Un primer diagrama de dispersión 410 muestra, en el eje x, el tiempo delta en microsegundos. El eje y representa el número de eventos detectados para el tiempo delta correspondiente. Como se muestra en la Figura 4, se detectan muy pocos eventos con un tiempo delta de cero. El tiempo delta más común (por ejemplo, el punto máximo del gráfico) está justo por debajo de los 300 microsegundos. Un segundo diagrama de dispersión 420 muestra el mismo conjunto de datos, pero en forma de escala logarítmica. Se observará que este gráfico muestra generalmente una pendiente descendente a medida que aumenta el tiempo delta.

[0076] En la Figura 5 se muestran diagramas de dispersión para un ejemplo de conjunto de datos de evento que exhibe aglomeración. Los datos de evento mostrados en la Figura 5 representan una muestra separada que se comporta peor con un factor de arrastre cercano a 4,0.

[0077] En un primer diagrama de dispersión 510 se muestra, en el eje x, el tiempo delta en microsegundos. El eje y representa el número de eventos detectados para el tiempo delta correspondiente. Como se muestra en la Figura 5, el tiempo delta más común es de unos 225 microsegundos. Este cambio en la Figura 5 del conjunto mostrado en la Figura 4 se puede atribuir a la aglomeración en el conjunto de la Figura 5.

[0078] El cambio se hace más evidente cuando se compara un segundo diagrama de dispersión 520 con el segundo diagrama de dispersión 420. Como ocurre con el segundo diagrama de dispersión 420, el segundo diagrama de dispersión 520 muestra los datos de evento del primer diagrama de dispersión 510 en forma de escala logarítmica. Se detecta un grupo inicial de eventos 530 con tiempos delta cercanos a cero. Este grupo 530 no está presente en el conjunto mostrado en la Figura 4.

[0079] En la Figura 6 se muestra un diagrama de bloques funcional para un ejemplo de un dispositivo de separación que incluye un controlador de flujo de retroalimentación del factor de arrastre. El dispositivo de separación ilustrado en la Figura 6 puede denominarse sistema de separación de corriente en aire. Este y otros dispositivos de separación se describen en la patente estadounidense n.° 8.140.300.

[0080] Se muestran las partículas en la corriente de muestra 602. La corriente de muestra 602 pasa a través de un orificio 604 de una boquilla 606. La corriente de muestra 602 al salir de la boquilla 606 forma un chorro 608. Un láser 611 genera un rayo láser 610 para iluminar las partículas que pueden incluirse en el chorro 608. La luz es detectada por una estación de detección 612 a fin de generar múltiples señales que se procesan para generar un punto de datos de evento de múltiples parámetros. Los datos de evento generados pueden proporcionarse a un analizador de comportamiento de muestras. El suministro puede ser directo, a través de intermediarios de comunicación (por ejemplo, red/nube), a través de memoria o una configuración híbrida.

[0081] Tomando como base los valores de las señales múltiples, antes de que las gotitas salgan del chorro 608, estas reciben una carga positiva, reciben una carga negativa o se dejan neutras. Algunas gotitas incluirán una partícula de la muestra, como se muestra en la gotita 630, mientras que otras gotitas no incluirán una partícula de la muestra, como se muestra en la gotita 640. Las gotitas pasan a través de un campo deflector 614. El campo deflector 614 incluye dos placas deflectoras 616a y 616b con cargas opuestas. Las placas deflectoras 616a y 616b están configuradas para dirigir las gotitas cargadas en el chorro 608 a sus respectivos recipientes de recogida 618a, 618b o 618c. Como se muestra, el recipiente 618b recoge gotitas con carga negativa porque la placa deflectora positiva 616a atraerá gotitas con carga negativa. De manera similar, el recipiente 618c recogerá las gotitas con carga positiva porque la placa deflectora 616b con carga negativa atraerá gotitas con carga negativa.

[0082] En un esquema de recogida, el sistema de flujo identifica todas las partículas de interés a medida que pasan por la estación de detección 612 en función de los valores de sus señales, y después hace que el chorro 608 se cargue o sea neutro en el instante en que la partícula de interés abandona el chorro 608 como una gotita. De esta forma, se hace que las partículas de interés tengan la misma carga. Esto permite la recogida de las partículas en el mismo recipiente de recogida.

[0083] Ocasionalmente, múltiples partículas pasan la estación de detección 612 muy cerca las unas de las otras (por ejemplo, aglomeradas). Como se ha mencionado, los eventos de arrastre producen señales que pueden no ser distinguibles por el sistema de flujo. Dichos eventos coincidentes son generalmente indeseables y pueden tener como consecuencia el rechazo de la gotita que contiene la partícula de interés. Dicho rechazo puede afectar el rendimiento de la separación (por ejemplo, el número de células identificadas positivamente como una célula de interés).

[0084] En la Figura 7 se muestra una reconstrucción de la distribución de eventos en una parte de una corriente que ilustra cómo se pueden distribuir las partículas dentro de la parte de la corriente. La corriente 700 para la prueba de ejemplo que se muestra generalmente incluye cuatro tipos de partículas, partículas de clasificación objetivo, partículas de clasificación abortadas, partículas no clasificadas y partículas que experimentaron un error durante la clasificación. Las partículas pueden aparecer solas o, en algunas circunstancias, como aglomeraciones. En la Figura 7, se muestra un primer conjunto de partículas 702 que incluye solo una partícula de la clasificación objetivo. Continuando corriente abajo, se muestra un segundo conjunto de partículas 704 que incluye solo una partícula de la clasificación de partículas abortadas. Se muestra un tercer conjunto de partículas 706 que incluye dos partículas sin clasificar y una partícula con error. Puede considerarse que el tercer conjunto de partículas 706 sufre de aglomeración (por ejemplo, con arrastre). Un cuarto conjunto de partículas 708 que incluye una partícula objetivo se muestra a continuación en la corriente 700. Como puede verse hasta ahora, a medida que avanza la corriente también lo hace el tiempo. La primera parte de la corriente 700, que incluye los conjuntos 702, 704, 706 y 708, puede representar eventos que aparecen en una sola gotita. Puede usarse el tiempo entre la llegada de la primera partícula objetivo (por ejemplo, conjunto 702) y la segunda partícula objetivo (por ejemplo, conjunto 704) para caracterizar el tiempo delta.

[0085] La corriente 700 continúa con un quinto conjunto de partículas que incluye dos partículas no clasificadas y una partícula de clasificación de partículas abortadas. Sigue un conjunto 712 que incluye una partícula de clasificación objetivo y otro conjunto 714 que incluye una partícula con error. Un conjunto 716 incluye una partícula abortada y una partícula con error. En este caso, la separación puede configurarse para descartar el conjunto 716, ya que incluye un error. En algunas implementaciones, en las que se ajusta el sesgo de separación basándose en el análisis del comportamiento de la muestra, la separación puede estar configurada para separar el conjunto para el contenedor de recogida de partículas abortadas. Se puede aplicar una lógica similar a un conjunto final que se muestra en la Figura 7, el conjunto 718. El conjunto 718 incluye una partícula no clasificada y una partícula objetivo. Para la separación de alta pureza, este conjunto 718 puede alejarse del recipiente de recogida objetivo, aunque incluya la partícula objetivo. Para una separación de alto rendimiento, el conjunto 718 puede dirigirse al recipiente de recogida objetivo. La corriente 700 es simplemente un ejemplo de cómo las partículas pueden fluir a través del dispositivo de separación que se muestra en la Figura 6. El espacio entre conjuntos puede ser mayor o menor que el que se muestra. Además, puede haber más o menos clasificaciones para partículas dependiendo de la prueba que se lleve a cabo.

[0086] El controlador de flujo 600 recibe uno o más mensajes de accionamiento. El controlador de flujo 600 recibe uno o más mensajes de control de accionamiento del analizador de comportamiento. Basándose en un mensaje recibido de control de accionamiento, el controlador de flujo ajusta uno o más elementos del citómetro. Por ejemplo, el controlador de flujo 600 puede recibir un mensaje de control de accionamiento que indica niveles bajos de aglomeración. En estas circunstancias, la muestra puede estar alineándose dentro del medio de flujo. En el caso de dicha alineación, la velocidad de procesamiento puede incrementarse sin sacrificar la pureza de la separación. En consecuencia, el controlador de flujo 600 puede ajustar el citómetro para aumentar la presión sobre el medio de flujo y/o la muestra para aumentar la velocidad a la que se introduce la muestra en una gota.

[0087] El analizador de comportamiento genera los mensajes de accionamiento basándose en los datos de evento proporcionados. Como se muestra en la Figura 6, el controlador de flujo 600 está en comunicación con varios elementos incluidos en el dispositivo de separación. En consecuencia, el controlador de flujo 600 procesa un mensaje de accionamiento y ajusta una característica operativa de uno o más elementos. Por ejemplo, el controlador de flujo puede ajustar el láser 611 para cambiar una propiedad del rayo láser 612. Entre los ejemplos de propiedades que pueden ajustarse figuran la longitud de onda, el momento de la iluminación, la duración de la iluminación, el ángulo de iluminación, la dispersión y propiedades similares.

[0088] Se muestra el controlador de flujo 600 en comunicación con la boquilla 606. El controlador de flujo puede ajustar una o más características de la boquilla 606, como por ejemplo el tamaño del orificio, la presión de una o ambas partículas de muestra o el fluido en el que se incluirán las partículas para formar gotitas, o la carga que se aplicará a las gotitas.

[0089] Se muestra el controlador de flujo 600 en comunicación con un procesador de desviación 620. El procesador de desviación 620 está configurado para controlar la carga suministrada por las placas deflectoras 616a y 616b. El controlador de flujo 600 puede configurarse para proporcionar información al procesador de desviación 620 para ajustar la carga en función del comportamiento de la muestra. Por ejemplo, la fuerza de una carga puede ajustarse de modo que una o ambas placas tengan niveles de atracción más altos o más bajos. En una prueba donde la pureza es importante, la fuerza puede calibrarse con precisión para atraer solo aquellas partículas de interés. Sin embargo, si el rendimiento es importante a expensas de una menor pureza, se puede aumentar la carga para permitir la separación de un número mayor de partículas.

[0090] Se muestra el controlador de flujo 600 en comunicación con la estación de detección 612. El controlador de flujo 600 puede ajustar el funcionamiento de la estación de detección 612 en respuesta a un mensaje de control de accionamiento recibido. Por ejemplo, se puede ajustar el tiempo de detección, la resolución de detección o el área de detección. Mediante el ajuste de la detección a un esquema menos riguroso, puede incrementarse la velocidad a la que puede operar la estación de detección 612 gracias a una reducción en la complejidad del procesamiento de información que se lleva a cabo. Esto puede proporcionar otra ventaja no limitativa de reducción de los recursos de energía consumidos durante el procesamiento de la muestra.

[0091] Se entenderá que el controlador de flujo 600 puede ajustar múltiples elementos al mismo tiempo. Por ejemplo, se puede ajustar la velocidad accionando la boquilla 606 mientras se ajusta también el procesador de desviación 620. El ajuste de la velocidad también puede requerir el ajuste de la estación de detección 612 para garantizar que los datos de evento se capturan para la nueva velocidad de flujo. También se entenderá que el controlador de flujo 600 puede ajustar otros elementos incluidos en el citómetro basándose en el mensaje de control de accionamiento, como por ejemplo la focalización acústica.

[0092] Los ajustes realizados por el controlador de flujo 600 basados en un mensaje de control de accionamiento proporcionan una forma para que el comportamiento de la muestra, expresado en tiempo delta, afecte las características operativas del citómetro. Condiciones tales como las que se producen dentro del instrumento, para la muestra y para el medio de flujo, pueden variar durante la prueba de una muestra. A medida que cambian estas condiciones, las características del tiempo delta pueden cambiar. En consecuencia, el controlador de flujo 600 está configurado para realizar ajustes a lo largo de la prueba de la muestra. En un caso, las características operativas relacionadas con la separación pueden ajustarse dinámicamente para una muestra a medida que la muestra se somete a pruebas.

[0093] En la Figura 8 se muestra un diagrama de bloques funcional de un sistema de flujo para proporcionar un factor de arrastre de muestra. Puede configurarse el sistema de flujo 800 mostrado en la Figura 8 para realizar, en su totalidad o en parte, los métodos descritos en el presente, como, por ejemplo, el método de la Figura 3. El sistema de flujo 800 incluye un sistema fluídico 802. El sistema fluídico 802 incluye un tubo de muestra 810 y una columna de fluido en movimiento dentro del tubo de muestra en la que las partículas 830 de una muestra se mueven a lo largo de una trayectoria de muestra común 820.

[0094] El sistema de flujo 800 incluye un sistema de detección 804 configurado para recoger una señal de cada partícula cuando pasa por una o más estaciones de detección a lo largo de la trayectoria de muestra común. Una estación de detección generalmente se refiere a un área monitoreada 840 de la trayectoria de muestra común. La detección puede, en algunas implementaciones, incluir la detección de luz u otra propiedad de las partículas 830 cuando estas pasan a través del área monitoreada 840. En la Figura 8 se muestra una estación de detección 808 con un área monitoreada 840. Algunas implementaciones del sistema de flujo 800 pueden incluir múltiples estaciones de detección. Además, puede ser deseable que una estación de detección controle más de un área.

[0095] A cada señal se le asigna un valor de señal para formar un punto de datos para cada partícula. Como se ha descrito anteriormente, estos datos pueden denominarse datos de evento. El sistema de detección 804 está configurado para recopilar una sucesión de dichos puntos de datos en un primer intervalo de tiempo.

[0096] El sistema de flujo 800 también incluye un sistema de control 806. El sistema de control 806 que se muestra está asociado operativamente con el sistema fluídico 802. El sistema de control 806 está configurado para generar una frecuencia de señal calculada para al menos una parte del primer intervalo de tiempo basándose en una distribución de Poisson y el número de puntos de datos recopilados por el sistema de detección 804 durante el primer intervalo de tiempo. El sistema de control 806 está además configurado para generar una frecuencia de señal experimental basada en el número de puntos de datos en la parte del primer intervalo de tiempo. El sistema de control 806 compara adicionalmente la frecuencia de la señal experimental con una frecuencia de señal calculada o una frecuencia de señal predeterminada. El sistema de control 806 proporciona entonces un factor de arrastre para la muestra. El factor de arrastre se basa, al menos en parte, en un resultado de la comparación.

[0097] Se puede usar la información de comportamiento (por ejemplo, el factor de arrastre) para seguir procesando los datos de evento citométricos. En una implementación, puede usarse el factor de arrastre para ajustar los recuentos de células resultantes. Por ejemplo, puede combinarse el factor de arrastre con el recuento de células aglomeradas para proporcionar un recuento de células ajustado que, desde un punto de vista estadístico, refleja un recuento esperado para la muestra.

[0098] En una implementación, puede usarse el factor de arrastre para acotar las zonas de interés de los eventos para una muestra. Por ejemplo, se puede proporcionar la identificación de una subpoblación de interés que tenga un factor de arrastre. En algunas circunstancias, la aglomeración puede usarse como indicio de ciertas condiciones de diagnóstico.

[0099] En una implementación adicional, se puede realizar un seguimiento a lo largo del tiempo de los factores de arrastre para las pruebas para un citómetro. Con el transcurso del tiempo, el nivel de arrastre puede cambiar en función de una variedad de condiciones que pueden atribuirse al citómetro. Cuando se realiza un seguimiento de la información de arrastre a lo largo del tiempo, se puede identificar una tendencia por la que el nivel de aglomeración aumenta para el citómetro. El aumento puede ser un aumento en comparación con citómetros de modelo similar, un aumento en comparación con un promedio para el citómetro u otra métrica de comparación. Cuando se excede un umbral configurable, el citómetro puede proporcionar una indicación de que se necesita mantenimiento para abordar la aglomeración. Dicho mantenimiento puede incluir limpieza, recalibración u otra acción correctiva que pueda reducir la aglomeración en las muestras. En algunas implementaciones, el mantenimiento se puede realizar automáticamente, por ejemplo, mediante un procesador configurado para realizar un seguimiento del arrastre a lo largo del tiempo y llevar a cabo las comparaciones mencionadas anteriormente.

[0100] Una implementación puede incluir las características descritas para predecir el rendimiento de separación en una población. Por ejemplo, se puede usar el inverso del tiempo delta promedio de la población como una estimación de la velocidad virtual promedio para predecir el rendimiento de separación de esa población y, de ese modo, proporcionar información que pueda utilizarse para optimizar la lógica de separación de esa población en función de su comportamiento medido. En una realización, se puede generar una matriz para evaluar los resultados de rendimiento (eficiencia) y pureza en una población clasificada p a través de diversos componentes, como por ejemplo el analizador de comportamiento de muestras 200 o el procesador 108. La matriz puede generarse basándose en velocidades virtuales promedio calculadas a partir del inverso de los tiempos delta promedio. En la Ecuación (3) se muestra un ejemplo, el cual representa una modificación de la Ecuación (1).

[0101] Algunas implementaciones pueden incluir una lógica anticoincidencia selectiva. La lógica de separación puede ajustar cómo se analiza el comportamiento. Por ejemplo, cuando la lógica anticoincidencia estándar está habilitada, el paquete de goteo lógico d es de 1,5 gotas en modo “pureza” y 1,0 gotas en modo “rendimiento” (para disminuir gradualmente el número de partículas abortadas potenciales). Algunas implementaciones pueden incluir un modo de “enriquecimiento” con anticoincidencia deshabilitada que puede proporcionar 1,0 gotas. Se puede generar la matriz para evaluar el rendimiento de separación de múltiples poblaciones con diferentes tiempos delta promedio dentro de una muestra en los diferentes modos de separación, como por ejemplo puro, rendimiento y enriquecimiento. Aunque en la discusión se utiliza puro, rendimiento y enriquecimiento como ejemplos de lógicas de separación, se pueden usar menos o más lógicas de separación asociadas con diferentes paquetes de goteo lógicos y/u otros parámetros de separación para evaluar el rendimiento de separación en conjunción con los tiempos delta.

[0102] Asimismo, se pueden usar las estimaciones de los tiempos delta medidos para comparar el rendimiento previsto de los tiempos delta promedio contrastados con el previsto si la población fuera homogénea en su comportamiento de Poisson. Esta información es un ejemplo adicional de información de comportamiento de la muestra.

[0103] Consideremos una muestra de células mononucleares de sangre periférica o PBMC teñida para marcadores de superficie celular CD4, CD19 y CD14 donde la velocidad promedio es de 6.400 eventos por segundo y la velocidad de goteo es de 39.200 Hz. Las cuatro poblaciones que se van a separar son CD4+ (37,13%), CD4-(13,85%), CD19+ (10,97%) y CD14+ (1,83%). La eficiencia promedio esperada (rendimiento) estaría entre aproximadamente 79% y 85% de rendimiento en modo “pureza”, con una verificación de pureza de 1,5 gotas, y entre 85% y 90% en modo “rendimiento” con una verificación de pureza de 1,0 gotas. En la Tabla 1 se resume el rendimiento estimado utilizando el método estándar (por ejemplo, sin considerar el tiempo delta).

TABLA 1

[0104] Sin embargo, el rendimiento observado de la población de CD14 en el modo “pureza” durante la separación estuvo más cerca del 33%, en comparación con el 79% esperado. Los resultados experimentales se pueden predecir mediante el tiempo delta promedio (mediana) de la población CD14+. En la Tabla 2 se resume el rendimiento estimado usando el método de tiempo delta.

TABLA 2

[0105] De manera similar, puede estimarse la pureza esperada de la población mediante la estimación de la probabilidad de que otra partícula esté en el mismo paquete de goteo que la célula clasificada que se está separando. La pureza esperada es otro ejemplo adicional de información de comportamiento de la muestra. Se puede utilizar la variabilidad medida en la estimación de la ubicación de partículas como d en la Ecuación (3) para estimar la frecuencia de error. Para el ejemplo discutido anteriormente, se determinó que la frecuencia de error era de 0,2 gotas. Usando esta información se puede generar la pureza estimada. En la Tabla 3 se muestran las purezas estimadas para varios modos de separación para poblaciones que exhiben una frecuencia de error de 0,2 gotas.

TABLA 3

[0106] En algunas implementaciones, el análisis de comportamiento puede estimar la frecuencia de una célula pasajera no deseada en función de la velocidad de goteo. Esta frecuencia es un ejemplo adicional de información de comportamiento de la muestra. En la ecuación (4) se muestra una expresión de estimación de pureza que puede incluirse en los dispositivos y métodos descritos.

P u r e z a ,enriquecimiento 1,0

1,0 ⁺ 1,0

[0107] Tal y como se usan en el presente documento, los términos “determinar”, “determinando”, “determinación” o “que determinan” abarcan una amplia variedad de acciones. Por ejemplo, el término “determinar” puede incluir calcular, computar, procesar, derivar, investigar, buscar (por ejemplo, buscar en una tabla, en una base de datos o en otra estructura de datos), averiguar y similares. Además, el término “determinar” puede incluir recibir (por ejemplo, recibir información), acceder (por ejemplo, acceder a datos en una memoria) y similares. Asimismo, “determinar” puede incluir resolver, seleccionar, elegir, establecer y similares.

[0108] Tal y como se usan en el presente documento, los términos “proporcionar”, “proporcionando” o “que proporcionan” abarcan una amplia variedad de acciones. Por ejemplo, el término “proporcionar” puede incluir almacenar un valor en una ubicación para su posterior recuperación, transmitir un valor directamente al destinatario, transmitir o almacenar una referencia a un valor y similares. “Proporcionar” también puede incluir codificar, decodificar, cifrar, descifrar, validar, verificar y similares.

[0109] Tal y como se usa en el presente documento, una expresión que se refiere a “al menos uno/a de” una lista de elementos se refiere a cualquier combinación de esos elementos, incluidos los miembros individuales. Por ejemplo, “al menos uno de: a, b o c” tiene como objetivo abarcar: a, b, c, a-b, a-c, b-c y a-b-c.

[0110] Los expertos en la materia entenderán que la información y las señales pueden representarse utilizando cualquiera de una variedad de tecnologías y técnicas diferentes. Por ejemplo, los datos, instrucciones, comandos, información, señales, bits, símbolos y chips a los que se puede hacer referencia en toda la descripción anterior pueden estar representados por voltajes, corrientes, ondas electromagnéticas, partículas o campos magnéticos, partículas o campos ópticos o cualquier combinación de los mismos.

[0111] Los expertos en la materia apreciarán además que los diversos bloques lógicos, módulos, circuitos y pasos de algoritmo ilustrativos descritos en relación con las realizaciones dadas a conocer en el presente documento pueden implementarse como hardware electrónico, software informático o combinaciones de ambos. Para ilustrar claramente esta intercambiabilidad de hardware y software, varios componentes, bloques, módulos, circuitos y pasos ilustrativos han sido descritos anteriormente generalmente en términos de su funcionalidad. Que dicha funcionalidad se implemente como hardware o software depende de la aplicación específica y de las restricciones de diseño impuestas en el sistema general. Los expertos en la materia pueden implementar la funcionalidad descrita de diferentes maneras para cada aplicación específica, pero estas decisiones de implementación no deben interpretarse como causas de una desviación con respecto al ámbito de la presente invención.

[0112] Las técnicas descritas en el presente pueden implementarse en hardware, software, firmware o cualquier combinación de los mismos. Dichas técnicas pueden implementarse en cualquiera de una variedad de dispositivos, como por ejemplo ordenadores de uso general, dispositivos de comunicación inalámbrica o dispositivos de circuitos integrados que tienen múltiples usos, incluida la aplicación en terminales de dispositivos inalámbricos de comunicación y otros dispositivos. Todas las funciones descritas como módulos o componentes pueden implementarse conjuntamente en un dispositivo lógico integrado o independientemente como dispositivos lógicos discretos pero interoperables. Si se implementan en software, las técnicas pueden realizarse al menos en parte mediante un medio de almacenamiento de datos legible por ordenador que comprende un código de programa que incluye instrucciones que, cuando se ejecutan, realizan uno o más de los métodos descritos anteriormente. El medio de almacenamiento de datos legible por ordenador puede formar parte de un producto de programa informático, el cual puede incluir materiales de embalaje. El medio legible por ordenador puede comprender memoria o medios de almacenamiento de datos, como por ejemplo memoria de acceso aleatorio (RAM por sus siglas en inglés, Random Access Memory), memoria de acceso aleatorio dinámico síncrono (SDRAM por sus siglas en inglés, Synchronous Dynamic Random-Access Memory), memoria de solo lectura (ROM por sus siglas en inglés, Read-Only Memory), memoria de acceso aleatorio no volátil (NVRAM por sus siglas en inglés, Non-Volatile Random Access Memory), memoria de solo lectura programable y borrable eléctricamente (EEPROM por sus siglas en inglés, Electrically Erasable Programmable Read-Only Memory), memoria flash, medios de almacenamiento de datos magnéticos u ópticos, y similares. El medio legible por ordenador puede ser un medio de almacenamiento no transitorio. Las técnicas, adicional o alternativamente, pueden implementarse al menos en parte mediante un medio de comunicación legible por ordenador que transporta o comunica el código de programa en forma de instrucciones o estructuras de datos y que un ordenador puede acceder, leer y/o ejecutar, como por ejemplo señales u ondas propagadas.

[0113] El código de programa puede ser ejecutado por un procesador, el cual puede incluir uno o más procesadores, como por ejemplo uno o más procesadores de señales digitales (DSP por sus siglas en inglés, Digital Signal Processors), microprocesadores de uso general, circuitos integrados para aplicaciones específicas (ASIC por sus siglas en inglés, Application-Specific Integrated Circuits), matrices de puertas lógicas programables en campo (FPGA por sus siglas en inglés, Field Programmable Logic Arrays) u otros circuitos lógicos integrados o discretos equivalentes. Dicho procesador puede configurarse para realizar cualquiera de las técnicas descritas en esta divulgación. Un procesador de uso general puede ser un microprocesador; pero, como alternativa, el procesador puede ser cualquier procesador, controlador, microcontrolador o máquina de estado convencional. Un procesador también puede implementarse como una combinación de dispositivos informáticos, por ejemplo, una combinación de un DSP y un microprocesador, una pluralidad de microprocesadores, uno o más microprocesadores junto con un núcleo d Sp o cualquier otra configuración de ese tipo. En consecuencia, el término “procesador”, tal y como se usa en el presente documento, puede referirse a cualquiera de las estructuras anteriores, a cualquier combinación de las estructuras anteriores o a cualquier otra estructura o aparato adecuados para la implementación de las técnicas descritas en el presente. Además, en algunos aspectos, la funcionalidad descrita en el presente puede proporcionarse dentro de módulos de software dedicados o módulos de hardware configurados para codificar y decodificar, o incorporarse en un codificador-decodificador de video combinado (códec).

[0114] Los métodos descritos en el presente comprenden uno o más pasos o acciones para realizar el método descrito. Los pasos y/o acciones del método pueden intercambiarse entre sí sin abandonar el ámbito de las reivindicaciones. En otras palabras, a menos que se especifique un orden concreto de pasos o acciones, el orden y/o el uso de pasos y/o acciones específicos pueden modificarse sin abandonar el ámbito de las reivindicaciones.

[0115] Se han descrito diversas realizaciones de la invención. Estas y otras realizaciones se encuentran dentro del ámbito de las reivindicaciones que se muestran a continuación.

Claims (13)

REIVINDICACIONES

1. Un método para la generación de un factor de arrastre y la activación de una acción correctiva para una muestra de citómetro de flujo, comprendiendo este método:

el flujo de la muestra que comprende una serie de partículas a través del citómetro de flujo, en donde cada partícula está asociada con una señal y las partículas (830) se distribuyen en una corriente fluídica (602); la detección de una serie de señales con un tiempo entre llegadas relativo a la señal anterior con un sistema de detección (804) en un primer intervalo de tiempo a partir de la corriente formada desde el citómetro de flujo;

el cálculo de una frecuencia esperada de tiempo entre llegadas para un segundo intervalo de tiempo basándose en una distribución de caracterización, en donde el segundo intervalo de tiempo está dentro del primer intervalo de tiempo;

la medición de una frecuencia observada de tiempo entre llegadas dentro del segundo intervalo de tiempo; mientras la muestra fluye a través del citómetro de flujo, la generación de un factor de arrastre basado al menos en parte en una relación entre la frecuencia observada y la frecuencia esperada, indicando dicho factor de arrastre un nivel de aglomeración de la muestra;

la comparación del factor de arrastre con un valor predeterminado y la activación de una acción correctiva en un sistema de control (806) conectado operativamente al citómetro de flujo basándose en un resultado de la comparación.

2. El método de la reivindicación 1, que comprende además la generación de al menos uno de un rendimiento estimado o una pureza estimada de una población de partículas de la muestra en función del factor de arrastre y una lógica de separación aplicada mientras la muestra fluye a través del citómetro de flujo.

3. El método de la reivindicación 1, en donde la acción correctiva comprende la detención del flujo de la muestra en el citómetro de flujo.

4. El método de la reivindicación 1, que comprende además la separación de las partículas en la corriente, y en donde la acción correctiva comprende el ajuste de la separación en función del factor de arrastre.

5. El método de la reivindicación 1, en donde al menos uno del primer intervalo de tiempo o el segundo intervalo de tiempo se mide en fracciones de una gotita, en donde la gotita es una de una serie de gotitas espaciadas regularmente formadas en última instancia a partir de la corriente fluídica.

6. El método de la reivindicación 1, en donde el factor de arrastre es uno de una pluralidad de factores de arrastre calculados durante intervalos de tiempo sucesivos para una muestra de citómetro de flujo.

7. El método de la reivindicación 1, en donde la muestra comprende células de sangre periférica, en donde las células de sangre periférica comprenden un primer y un segundo componente marcados con un primer y un segundo marcador.

8. El método de la reivindicación 7, en donde se genera el factor de arrastre para el primer componente y se genera otro factor de arrastre para el segundo componente.

9. Un sistema de flujo (800) para proporcionar un factor de arrastre de muestra y activar una acción correctiva, comprendiendo este sistema:

un sistema fluídico (802) que comprende un tubo de muestra (810), en donde el sistema fluídico está configurado para crear una columna de fluido en movimiento dentro del tubo de muestras, en la que las partículas (830) de una muestra se mueven a lo largo de una trayectoria de muestra común (820); un sistema de detección (804) para recoger una señal de cada partícula cuando pasa por una o más estaciones de detección (808) a lo largo de la trayectoria de muestra común y un tiempo entre llegadas para cada partícula relativo a la señal anterior, a cada señal se le asigna un valor de señal para formar un punto de datos para cada partícula, y el sistema de detección recopila una sucesión de dichos puntos de datos en un primer intervalo de tiempo; y

un sistema de control (806) asociado operativamente con el sistema fluídico y el sistema de detección, estando el sistema de control configurado para:

generar una frecuencia calculada de tiempo entre llegadas para al menos una parte del primer intervalo de tiempo basándose en una distribución de Poisson y el número de puntos de datos recopilados por el sistema de detección durante la parte del primer intervalo de tiempo; y

generar una frecuencia experimental de tiempo entre llegadas basada en el número de puntos de datos en la parte del primer intervalo de tiempo;

comparar la frecuencia de la señal experimental con la frecuencia de la señal calculada mientras las partículas de la muestra fluyen a través del sistema de flujo;

proporcionar un factor de arrastre para la muestra, basándose dicho factor de arrastre en dicha comparación e indicar un nivel de aglomeración de la muestra;

determinar si el factor de arrastre se desvía de un valor predeterminado, y tras determinar que el factor de arrastre se desvía de un valor predeterminado, aplicar una acción correctiva.

10. El sistema de la reivindicación 9, en donde la comparación de la frecuencia experimental comprende la determinación de una relación entre la frecuencia experimental del tiempo entre llegadas y la frecuencia calculada del tiempo entre llegadas.

11. El sistema de la reivindicación 9, en donde el sistema de control está configurado para activar una acción correctiva que incluye una o más de las siguientes acciones:

la interrupción de la recogida de señales por parte del sistema de detección;

la purga del tubo de muestra mediante dicho sistema fluídico;

la modificación de la recogida de señales a través de la focalización acústica basada en el factor de arrastre; y

la reanudación de una recogida de señales previamente interrumpida por el sistema de detección.

12. El sistema de la reivindicación 11, en donde la reanudación de la recogida de las señales se produce después de iniciar la dispersión de la muestra.

13. El sistema de la reivindicación 12, en donde el sistema de control incluye una primera configuración de separación que proporciona un alto rendimiento de recogida y una segunda configuración de separación que proporciona una alta pureza de recogida, y en donde el sistema de control está configurado para seleccionar una de la primera configuración de separación o la segunda configuración de separación en función del factor de arrastre.