JP2023511761A - 訓練ゲートを調整してフローサイトメータデータに適応させるための方法およびシステム - Google Patents

Abstract

フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるための方法が提供される。実施形態では、本方法は、フローサイトメータデータの第１および第２のセットの各々について画像を生成することを含む。一部の例では、画像を生成することは、データを二次元ビンに編成することと、ビンが画素によって表されるように各ビンに陰影を割り当てることとを含む。一部の例では、方法は、フローサイトメータデータの第１のセットの生成された画像をコンピュータ実装アルゴリズムでワープすることにより、フローサイトメータデータの第２のセットに対する類似性を最大化することと、同じ変換を訓練ゲートに適用することとを含む。一部の実施形態では、本方法は、調整された訓練ゲートを、フローサイトメータデータの第２のセットの生成された画像上にオーバーレイすることを含む。訓練ゲートを調整するためのシステムおよびコンピュータ可読媒体も提供される。

Description

フローサイトメトリは、血液サンプルの細胞または別のタイプの生体サンプルもしくは化学的サンプル中の目的の粒子などの生体材料を特徴付け、しばしば選別するために使用される技術である。フローサイトメータは、通常、流体サンプルを受容するためのサンプルリザーバと、シース流体を含むシースリザーバとを含む。フローサイトメータは、流体サンプル中の粒子（細胞を含む）を細胞流としてフローセルに輸送する一方で、シース流体もフローセルに向ける。フローストリームの成分を特徴付けるために、フローストリームは光で照射される。フローストリーム中の形態または蛍光標識の存在などの材料の変動は、観察される光の変動を引き起こす可能性があり、これらの変動により、特徴付けおよび分離が可能となる。

例えば、流体懸濁液中の分子、分析物結合ビーズ、または個々の細胞などの粒子は、検出領域を通過し、そこで粒子は、典型的には１つ以上のレーザからの励起光に曝露され、粒子の光散乱および蛍光特性が測定される。粒子またはその成分は、典型的には、検出を容易にするために蛍光染料で標識される。多数の異なる粒子または成分は、スペクトル的に別個の蛍光染料を使用して、異なる粒子または成分を標識することによって、同時に検出され得る。一部の実装形態では、測定される散乱パラメータの各々に対して１つ、および検出される別個の染料の各々に対して１つ以上の、複数の検出器が、分析器に含まれる。例えば、一部の実施形態は、１色素当たり２つ以上のセンサまたは検出器が使用されるスペクトル構成を含む。得られたデータは、光散乱検出器および蛍光放射の各々に対して測定された信号を含む。

フローサイトメータは、測定されたデータを記録し、データを分析するための手段をさらに含み得る。例えば、データの記憶および分析は、検出エレクトロニクスに接続されたコンピュータを使用して実行され得る。例えば、データは、表形式で記憶することができ、各行は、１つの粒子に関するデータに対応し、列は、測定された特徴の各々に対応する。粒子分析器からのデータを記憶するための「ＦＣＳ」ファイル形式などの標準ファイル形式の使用は、別個のプログラムおよび／または機械を使用してデータを分析することを容易にする。現行の分析方法を使用して、データは、典型的には、視覚化を容易にするために一次元ヒストグラムまたは二次元（２Ｄ）プロットで表示されるが、他の方法を使用して、多次元データを視覚化してもよい。

例えばフローサイトメータを使用して測定されるパラメータには、典型的には、前方散乱（ＦＳＣ）と称される、ほぼ前方方向に沿った狭い角度で粒子によって散乱された励起波長の光、側方散乱（ＳＳＣ）と称される、励起レーザに対して直交方向に粒子によって散乱された励起光、およびある範囲のスペクトル波長にわたって信号を測定する１つ以上の検出器において蛍光分子から、またはその特定の検出器または検出器アレイにおいて主に検出される蛍光染料によって発せられた光が含まれる。様々な細胞タンパク質または他の成分を蛍光染料標識抗体または他の蛍光プローブで標識することから生じる光散乱特性および蛍光放射によって、異なる細胞のタイプを識別することができる。

フローサイトメータおよび走査サイトメータの両方が、例えば、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ（Ｓａｎ Ｊｏｓｅ，Ｃａｌｉｆ．）から市販されている。フローサイトメトリは、例えば、Ｌａｎｄｙ ｅｔ ａｌ．（編），Ｃｌｉｎｉｃａｌ Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ，Ａｎｎａｌｓ ｏｆ ｔｈｅ Ｎｅｗ Ｙｏｒｋ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ Ｖｏｌｕｍｅ ６７７（１９９３）、Ｂａｕｅｒ ｅｔ ａｌ．（編），Ｃｌｉｎｉｃａｌ Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ：Ｐｒｉｎｃｉｐｌｅｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，Ｗｉｌｌｉａｍｓ＆Ｗｉｌｋｉｎｓ（１９９３）、Ｏｒｍｅｒｏｄ（編），Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ：Ａ Ｐｒａｃｔｉｃａｌ Ａｐｐｒｏａｃｈ，Ｏｘｆｏｒｄ Ｕｎｉｖ．Ｐｒｅｓｓ（１９９４）、Ｊａｒｏｓｚｅｓｋｉ ｅｔ ａｌ．（編），Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ Ｐｒｏｔｏｃｏｌｓ，Ｍｅｔｈｏｄｓ ｉｎ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ Ｎｏ．９１，Ｈｕｍａｎａ Ｐｒｅｓｓ（１９９７）、およびＰｒａｃｔｉｃａｌ Ｓｈａｐｉｒｏ，Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ，４ｔｈ ｅｄ．，Ｗｉｌｅｙ－Ｌｉｓｓ（２００３）に記載されており、すべて参照により本明細書に組み込まれる。蛍光撮像顕微鏡は、例えば、Ｐａｗｌｅｙ（編），Ｈａｎｄｂｏｏｋ ｏｆ Ｂｉｏｌｏｇｉｃａｌ Ｃｏｎｆｏｃａｌ Ｍｉｃｒｏｓｃｏｐｙ，２ｎｄ Ｅｄｉｔｉｏｎ，Ｐｌｅｎｕｍ Ｐｒｅｓｓ（１９８９）に記載されており、参照により本明細書に組み込まれる。

フローサイトメトリによる細胞（または他の粒子）の分析から得られるデータは、多くの場合、多次元であり、各細胞は、測定されたパラメータによって定義される多次元空間内の点に対応する。細胞または粒子の集団は、データ空間内の点のクラスタとして識別することができる。クラスタの識別、およびそれにより、集団の識別は、データの「散乱プロット」または「ドットプロット」と称される１つ以上の二次元プロットに表示される集団の周りにゲートを描画することによって手動で実行することができる。代替的に、自動的に、クラスタを識別することができ、集団の境界を規定するゲートを決定することができる。自動化されたゲーティングのための方法の例は、例えば、米国特許第４，８４５，６５３号、同第５，６２７，０４０号、同第５，７３９，０００号、同第５，７９５，７２７号、同第５，９６２，２３８号、同第６，０１４，９０４号、同第６，９４４，３３８号、および同第８，９９０，０４７号に記載されており、これらの各々は参照により本明細書に組み込まれる。ゲーティングは、サンプルから生成され得る大量のデータを検知するために使用される。したがって、ゲートの作成および操作を容易にすることは、結果が何を意味するかを理解する速度および精度を向上させるために役立ち得る。

本発明の態様は、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるための方法を含む。一部の実施形態では、フローサイトメータデータの第１のセットは、特定のパラメータを示すと理解される集団を含み、データの残りから対象の集団を区別するために描かれた頂点のセットによって定義される訓練ゲートを含む。本開示の方法は、調整されたゲートがフローサイトメータデータの第２のセット内の類似集団に適合するように、フローサイトメータデータの第２のセット（すなわち、まだゲーティングされていないデータのセット）を適応させるように訓練ゲートを調整することを含む。実施形態では、本方法は、フローサイトメータデータの第１および第２のセットを取得することと、フローサイトメータデータの第１および第２のセットの各々について画像（すなわち、各セットについて別個の画像）を生成することとを含む。一部の実施形態では、画像を生成することは、所与の領域内のデータプロットに存在する分析物の数に基づいて、フローサイトメータデータを二次元ビンに編成することを含む。一部の実施形態では、フローサイトメータデータは、１つ以上の異なるパラメータ（例えば、前方散乱、側方散乱、蛍光）に関するデータの状態に基づいてビニングされる。実施形態では、各ビンは、ビン内に含まれるデータの値（例えば、パラメータに関する）を平均することによって決定される代表値を所有する。データがビニングされた後、本方法は、ビニングされたデータに基づいて二次元ヒストグラムを作成することと、ヒストグラムに基づいて累積分布関数を計算することとを含む。方法は、各ビンからの代表（例えば、平均）値を計算された累積分布関数に入力して、ビンが画素によって表されるように、陰影（すなわち、明るさまたは暗さ）を割り当てるための基礎として機能する画像生成値を決定することをさらに含む。画像が生成された後、本方法は、プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの第１のセットの生成された画像をワープして、フローサイトメータデータの第２のセットの生成された画像に対する類似性を最大化することを含む。実施形態では、プロセッサ実装アルゴリズムは、画像位置合わせアルゴリズムであり、フローサイトメータデータの第１のセットの生成された画像をワープするためにＢスプラインを採用する数学的変形モデルを含む。一部の実施形態では、フローサイトメータデータの第１のセットの生成された画像に適用される同じワープ変換は、続いて、訓練ゲートをワープするための関数を定義するためにＢスプライン係数を使用することによって訓練ゲートに適用される。実施形態では、訓練ゲートは、その後、調整されたゲートから頂点を抽出し、それらをフローサイトメータデータの第２のセットに転送し、それによって、フローサイトメータデータの第２のセットの生成された画像内に調整された訓練ゲートを再構成することによって、フローサイトメータデータの第２のセットの生成された画像上にオーバーレイされる。

本発明の態様は、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるためのシステムをさらに含む。実施形態では、フローサイトメータデータの第１のセットは、フローサイトメータデータを受信および／または記憶するように構成される入力モジュールから取得され、フローサイトメータデータの第２のセットは、粒子分析器から取得される。本システムは、プロセッサに動作可能に結合されたメモリを有するプロセッサをさらに含み、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させる。実施形態では、プロセッサは、調整されたゲートがフローサイトメータデータの第２のセット内の類似集団に適合するように、フローサイトメータデータの第２のセット（すなわち、まだゲーティングされていないデータのセット）に適応するように訓練ゲートを調整するように構成される。実施形態では、プロセッサは、フローサイトメータデータの第１および第２のセットの各々について画像（すなわち、各セットに対する別個の画像）を生成するように構成される。一部の実施形態では、画像を生成することは、所与の領域内のデータプロットに存在する分析物の数に基づいて、フローサイトメータデータを二次元ビンに編成することを含む。一部の実施形態では、フローサイトメータデータは、１つ以上の異なるパラメータ（例えば、前方散乱、側方散乱、蛍光）に関するデータの状態に基づいてビニングされる。実施形態では、各ビンは、ビン内に含まれるデータの値（例えば、パラメータに関する）を平均することによって決定される代表値を所有する。データがビニングされた後、プロセッサは、ビニングされたデータに基づいて二次元ヒストグラムを作成し、ヒストグラムに基づいて累積分布関数を計算するように構成され得る。プロセッサは、各ビンからの代表（例えば、平均）値を計算された累積分布関数に入力して、ビンが画素によって表されるように、陰影（すなわち、明るさまたは暗さ）を割り当てるための基礎として機能する画像生成値を決定するようにさらに構成され得る。画像が生成された後、プロセッサは、プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの第１のセットの生成された画像をワープして、フローサイトメータデータの第２のセットの生成された画像に対する類似性を最大化するように構成され得る。実施形態では、プロセッサ実装アルゴリズムは、画像位置合わせアルゴリズムであり、フローサイトメータデータの第１のセットの生成された画像をワープするためにＢスプラインを採用する数学的変形モデルを含む。一部の実施形態では、フローサイトメータデータの第１のセットの生成された画像に適用される同じワープ変換は、続いて、訓練ゲートをワープするための関数を定義するためにＢスプライン係数を使用することによって訓練ゲートに適用される。実施形態では、訓練ゲートは、その後、調整されたゲートから頂点を抽出し、それらをフローサイトメータデータの第２のセットに転送することによって、フローサイトメータデータの第２のセットの生成された画像上にオーバーレイされる。

本発明の態様は、完全自動化または部分自動化のための１つ以上のコンピュータを含む、コンピュータ制御システムおよびコンピュータ可読記憶媒体をさらに含む。一部の実施形態では、システムは、コンピュータプログラムが記憶されたコンピュータ可読記憶媒体を有するコンピュータを含み、コンピュータプログラムは、コンピュータにロードされると、訓練ゲートを含むフローサイトメータデータの第１のセットおよびフローサイトメータデータの第２のセットを取得し、データを二次元ビンに編成し、二次元ビニングデータに基づいてヒストグラムおよび累積分布関数を作成し、累積分布関数に基づいて画像生成値を決定するための命令を含む。コンピュータはまた、対応する画像生成値に基づいて各ビンに陰影を割り当て、フローサイトメータデータの第１のセットの生成された画像をワープしてフローサイトメータデータの第２のセットの生成された画像との類似性を最大化し、フローサイトメータデータの第１のセットの生成された画像をワープすることからＢスプライン係数を使用して訓練ゲートを調整し、フローサイトメータデータの第２のセットの生成された画像上に訓練ゲートをオーバーレイすることによって、フローサイトメータデータの第１および第２のセットの各々について画像を生成するための命令を含み得る。

本発明は、添付の図面と併せて読む場合、以下の詳細な説明から最も理解することができる。図面には、以下の図が含まれる。

フローサイトメータデータの第１のセットおよびその対応する訓練ゲートについて生成された画像、ならびにフローサイトメータデータの第２のセットについて生成された画像を示す図である。 特定の実施形態による、フローサイトメータデータの第１のセットからの訓練ゲートを自動的に調整してフローサイトメータデータの第２のセットを適応させるためのフローチャートを示す図である。 フローサイトメータデータの第２のセットの生成された画像を適応させるように訓練ゲートを調整することを示す図である。 フローサイトメータデータの第２のセットの生成された画像を適応させるように訓練ゲートを調整することを示す図である。 調整された訓練ゲートを示す図である。 フローサイトメータデータの種々の第２のセットを適応させるように調整された訓練ゲートの例を示す図である。 フローサイトメータデータの種々の第２のセットを適応させるように調整された訓練ゲートの追加の例を示す図である。 特定の実施形態によるフローサイトメータを示す図である。 特定の実施形態によるプロセッサの一例の機能ブロック図を示す図である。 特定の実施形態によるコンピューティングシステムのブロック図を示す図である。

上記で考察したように、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整してフローサイトメータデータの第２のセットを適応させるための方法が提供される。実施形態では、本方法は、フローサイトメータデータの第１および第２のセットの各々について画像を生成することを含む。一部の例では、画像を生成することは、データを二次元ビンに編成することと、ビンが画素によって表されるように各ビンに陰影を割り当てることとを含む。一部の例では、本方法は、フローサイトメータデータの第１のセットの生成された画像をコンピュータ実装アルゴリズムでワープして、フローサイトメータデータの第２のセットに対する類似性を最大化することと、同じ変換を訓練ゲートに適用することとを含む。一部の実施形態では、本方法は、調整された訓練ゲートを、フローサイトメータデータの第２のセットの生成された画像上にオーバーレイすることを含む。訓練ゲートを調整するためのシステムおよびコンピュータ可読媒体も提供される。

本発明がより詳細に説明される前に、本発明は、説明される特定の実施形態に限定されるものではなく、したがって、もちろん、変化し得ることが理解されるべきである。また、本発明の範囲は添付の特許請求の範囲によってのみ限定されるため、本明細書で使用される専門用語は、単に特定の実施形態を説明するためのものであることも理解されたい。

値の範囲が提供される場合、文脈が明確に別段の指示をしない限り、その範囲の上限と下限との間の、下限の単位の１０分の１までの各中間値、およびこの記載の範囲内の任意の他の記載される値または中間値が本発明に包含されることが理解される。これらのより小さい範囲の上限および下限は、独立して、より小さい範囲に含まれてもよく、記載された範囲内の任意の具体的に除外された限界に従うことを条件として、本発明内にも包含される。記載された範囲が限定の一方または両方を含む場合、それらの含まれる限定のいずれかまたは両方を除外する範囲も、同様に本発明に含まれる。

ある特定の範囲は、「約」という用語によって先行される数値を伴って本明細書において提示される。「約」という用語は、本明細書において、それが先行する正確な数、ならびにその用語が先行する数に近いか、または近似しているその数についての文字どおりの裏付けを提供するために使用される。ある数が具体的に列挙された数に近いか、または近似するか否かを判定するとき、その近いまたは近似する列挙されない数は、それが提示されている文脈において、具体的に列挙されている数の実質的な等価物を提供する数であり得る。

別途定義されない限り、本明細書で使用されるすべての技術用語および科学用語は、本発明が属する当業者に一般に理解される意味と同じ意味を有する。本明細書に記載されるものと類似または同等の任意の方法および材料も、本発明の実施または試験に使用され得るが、代表的な例示的な方法および材料が、以下に記載される。

本明細書で引用されるすべての刊行物および特許は、あたかも各個々の刊行物または特許が、参照することによって組み込まれるように具体的かつ個々に示されているかのように、参照することによって本明細書に組み込まれ、方法および／または材料を開示および記載するために、参照によって本明細書に組み込まれ、それらの方法および／または材料に関連して刊行物が引用される。いかなる刊行物の引用も、出願日以前のその開示に関するものであり、本発明が、先行発明を理由に、かかる刊行物に先行する権利がないことを認めるものと解釈されるべきではない。さらに、提供される刊行物の日付は、独立して確認する必要があり得る実際の刊行日とは異なる場合がある。

本明細書および添付の特許請求の範囲で使用される場合、冠詞「ａ」、「ａｎ」、および「ｔｈｅ」は、別途文脈が明確に指示しない限り、複数の指示対象を含むことに留意されたい。特許請求の範囲は、あらゆる選択肢的要素を除外するように起草され得ることにさらに留意されたい。したがって、この記述は、特許請求要素の列挙に関連した「もっぱら（ｓｏｌｅｌｙ）」および「のみ（ｏｎｌｙ）」などの排他的用語の使用のための、または「消極的な」限定の使用のための先行詞として機能することが意図される。

本開示を読むと当業者には明らかであるように、本明細書に記載および例証される別個の実施形態の各々は、本発明の範囲または趣旨から逸脱することなく、他の様々な実施形態のいずれかの特徴から容易に分離され得るか、またはこれらと組み合わされ得る別個の構成要素および特徴を有する。任意の列挙された方法は、列挙された事象の順序、または論理的に可能な任意の他の順序で実行され得る。

装置および方法は、文法的な流動性のために機能的説明とともに記述されてきた、または記述されるが、米国特許法第１１２条に基づいて明確に記載されていない限り、特許請求の範囲は、必ずしも「手段」または「ステップ」の限定の解釈によって限定されると解釈すべきではなく、法的均等論の下で特許請求の範囲によって提供される定義の意味および等価物の完全な範囲を付与されるべきであり、特許請求の範囲が米国特許法第１１２条に基づいて明確に記載されている場合には、米国特許法第１１２条に基づく完全な法的等価物を付与されるべきであることを明確に理解されたい。

訓練ゲートを調整してフローサイトメータデータを適応させる方法
上記で考察したように、本開示の態様は、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるための方法を含む。したがって、本発明の実施形態は、フローサイトメータデータの第１および第２のセットを取得することを含む。実施形態では、フローサイトメータデータの第１のセットは、その中に含まれる１つ以上の集団が、対象のサブタイプ（すなわち、表現型）と関連付けられると理解されるように、特徴付けられたものである。一部の実施形態では、フローサイトメータデータの第１のセットは、以前のフローサイトメトリ実験から得られる。したがって、フローサイトメータデータの第１のセットは、特定の実施形態によれば、対象となる特定の特性に関連付けられることがユーザによって認識または確認された集団を含む。逆に、本発明の実施形態によるフローサイトメータデータの第２のセットは、まだ定義されていない１つ以上の集団を含む。換言すれば、フローサイトメータデータの第２のセット内の対象の集団は、残りのデータから形式的に区別することができるように、境界（すなわち、ゲート）を必要とする。実施形態では、フローサイトメータデータの第１および第２のセットは、同じパラメータを示すデータを含む（例えば、同じ蛍光色素が両方のセットで検出される）。

実施形態では、フローサイトメータデータの第１のセットは、訓練ゲートを含む。本明細書で使用される場合、「ゲート」は、概して、関心対象のデータのサブセットを識別する分類子境界を指す。サイトメトリでは、ゲートは、特に関心がある事象の群に結合することができる。加えて、「ゲーティング」は、概して、所与のデータセットについて定義されたゲートを使用してデータを分類するプロセスを指し、ゲートは、ブール論理と組み合わせられた１つ以上の関心領域であり得る。一部の実施形態では、ゲートは、フローサイトメータデータの集団を分類するための境界を定義する。実施形態では、ゲートは、同じパラメータを示すフローサイトメータデータを識別する。ゲーティングのための方法の例は、例えば、米国特許第４，８４５，６５３号、同第５，６２７，０４０号、同第５，７３９，０００号、同第５，７９５，７２７号、同第５，９６２，２３８号、同第６，０１４，９０４号、同第６，９４４，３３８号、および同第８，９９０，０４７号に記載されており、これらの各々は参照により本明細書に組み込まれる。したがって、「訓練ゲート」は、フローサイトメータデータの特定のサブセットを定義することが知られているゲートを指す。換言すれば、訓練ゲートは、ユーザまたは他のサイトメトリの技術によって、対象の特性に対応するように以前に決定されたフローサイトメータデータの集団の境界を定める。実施形態では、訓練ゲートは、頂点、すなわち、接続された場合にゲートを形成する二次元プロット上の点を含む。一部の実施形態では、訓練ゲートはユーザによって描かれる。他の実施形態では、訓練ゲートは、サイトメトリにおける他の技術によって事前に確立される。実施形態では、訓練ゲートは、フローサイトメータデータの第１のセット内の対象集団を定義するために使用される。実施形態では、訓練ゲートは、フローサイトメータデータの第１のセット内の対象集団の形状に対応する形状を保有する。一部の実施形態では、訓練ゲートは多角形形状を有する。したがって、実施形態では、ユーザは、フローサイトメータデータ測定値の第１のセットのグラフ上に多角形を描いて、訓練ゲート内に含まれるデータ値の範囲を定義することができる。

特定の実施形態では、本方法は、粒子の集団をプロットする１つ以上の領域、例えば２つ以上の領域、例えば３つ以上の領域、例えば４つ以上の領域、および５つ以上の領域を含む二次元データプロットを生成することによって、訓練ゲートの境界を決定することを含む。一部の実施形態では、データプロット内の各領域のビットマップが生成され、これは、特定の実施形態によれば、その対応する領域のゲートとして使用される。一部の実施形態では、データプロットにおける各領域の境界が決定される。一部の例では、データプロットの領域の境界を決定するために、本方法は、各頂点についてデータプロットの各軸に沿って最小値および最大値を決定することによって、データプロット内の各領域について境界を形成する頂点のセットを計算することを含む。これらの実施形態では、ｘ軸に沿った最小値およびｙ軸に沿った最小値、ならびにｘ軸に沿った最大値およびｙ軸に沿った最大値が、各頂点について決定される。

一部の実施形態では、データプロットの各領域の頂点に関連付けられたアルゴリズム変換が決定される。採用されるデータプロットのタイプ（例えば、双指数関数データプロット）に応じて、データプロットの各頂点に対して識別されるアルゴリズム変換は、線形数値変換、対数数値変換、または双指数関数数値変換などにより変動し得る。変換は、データプロット上の粒子集団位置に依存して正または負であり得る。例えば、変換は正の線形変換、正の対数変換、負の線形変換または負の対数変換であってもよい。一部の実施形態では、識別されたアルゴリズム変換は、正の線形変換／正の線形変換（すなわち、正のｘ軸に沿った線形変換および正のｙ軸に沿った線形変換）である。他の実施形態では、識別されたアルゴリズム変換は、正の対数変換／正の対数変換である。他の実施形態では、アルゴリズム変換は正の線形変換／正の対数変換である。他の実施形態では、アルゴリズム変換は正の対数変換／正の線形変換である。他の実施形態では、アルゴリズム変換は負の線形変換／負の対数変換である。他の実施形態では、アルゴリズム変換は負の線形変換／正の対数変換である。他の実施形態では、アルゴリズム変換は正の対数変換／負の線形変換である。

ビットマップは、データプロット内の各粒子集団領域について生成され得る。ビットマップという用語は、本明細書では、データプロットの領域のマッピングインデックスを指すために、その従来の意味で使用される。本明細書で説明されるビットマップは、データの形態で、またはグラフィカル表示として生成され得る。一部の実施形態では、ビットマップは単一のタイルから形成される。他の実施形態では、ビットマップは、複数のタイルから形成される。一部の実施形態では、３つ以上のビットマップタイル、４つ以上のビットマップタイル、５つ以上のビットマップタイル、６つ以上のビットマップタイル、７つ以上のビットマップタイル、８つ以上のビットマップタイルなど、および９つ以上のビットマップタイルを含む、２つ以上のビットマップタイルがデータプロットから生成される。各ビットマップタイルは、対象の粒子集団の各領域からの境界の１つ以上の頂点、例えば対象の粒子集団の各領域の２つ以上の頂点、３つ以上の頂点、４つ以上の頂点など、および５つ以上の頂点を含んでもよい。

特定の例では、ビットマップ中の各頂点に適用するためのアルゴリズム変換が識別される。採用されるデータプロットのタイプ（例えば、双指数関数データプロット）に応じて、ビットマップの各頂点に対して識別されるアルゴリズム変換は、線形数値変換、対数数値変換、または双指数関数数値変換などにより変動し得る。変換は、データプロット上の粒子集団位置に依存して正または負であり得る。一部の実施形態では、データプロット内の頂点に関連付けられたアルゴリズム変換が線形である場合、本方法は、ビットマップ内の対応する頂点に適用するための線形変換を識別することを含む。他の実施形態では、データプロット内の頂点に関連付けられたアルゴリズム変換が対数である場合、本方法は、ビットマップ内の対応する頂点に適用するための対数変換を識別することを含む。他の実施形態では、データプロット内の頂点に関連付けられたアルゴリズム変換が双指数関数的である場合、本方法は、対称対数変換、線形変換、またはそれらの組み合わせを含む、ビットマップ内の対応する頂点に適用するための変換を識別することを含む。一例では、データプロット内の頂点に関連付けられたアルゴリズム変換が正の線形／正の線形である場合、本方法は、正の線形／正の線形であるビットマップ内の対応する頂点に適用するためのアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が正の対数／正の対数である場合、本方法は、ビットマップ内の対応する頂点に適用するための、正の線形／正の線形であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が正の線形／正の対数である場合、本方法は、ビットマップ内の対応する頂点に適用するための、正の線形／正の対数であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が正の対数／正の線形である場合、本方法は、ビットマップ内の対応する頂点に適用するための、正の対数／正の線形であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が負の対数／正の線形である場合、本方法は、ビットマップ内の対応する頂点に適用するための、負の対数／正の線形であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が正の対数／負の線形である場合、本方法は、ビットマップ内の対応する頂点に適用するための、正の対数／負の線形であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が負の線形／正の対数である場合、本方法は、ビットマップ内の対応する頂点に適用するための、負の線形／正の対数であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が正の線形／負の対数である場合、本方法は、ビットマップ内の対応する頂点に適用するための、正の線形／負の対数であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が負の線形／負の線形である場合、本方法は、ビットマップ内の対応する頂点に適用するための、負の線形／負の線形であるアルゴリズム変換を識別することを含む。別の例では、データプロット内の頂点に関連付けられたアルゴリズム変換が負の対数／負の対数である場合、本方法は、ビットマップ内の対応する頂点に適用するための、負の線形／負の線形であるアルゴリズム変換を識別することを含む。

一部の実施形態では、本方法は、ビットマップに適用されるアルゴリズム変換を整列させることを含む。これらの実施形態では、変換は、重複が最小化され、変換が適切に切り替わるように整列される。特定の実施形態では、本方法は、ビットマップのアフィン変換を実行し、ビットマップの使用が最大化されるように、すなわち、ビットマップ境界が領域境界ボックスと整列するように、アフィン変換を調整することを含む。これらの実施形態では、ＡＤＣチャネル内のビットマップにわたるスパンがビットマップ分解能未満である場合、忠実度を最大化するために、そのセクションについて線形への変換の切り替えが実行され得る。ビットマップは、２つの頂点間の１つ以上のラインセグメントを補間することによってレンダリングされ得る。一部の例では、ビットマップは、ポリゴン走査線フィルアルゴリズムなどのポリゴン描画アルゴリズムを用いて生成され得る。

特定の実施形態では、粒子の集団を有する１つ以上の領域を含む二次元データプロットは、米国特許第１０，６１３，０１７号に記載されるように生成され、その開示は、参照により本明細書に組み込まれる。

「フローサイトメータデータ」とは、粒子分析器内の任意の数の光検出器によって収集されるフローセル内のサンプル（例えば、細胞、粒子）のパラメータに関する情報を意味する。実施形態では、フローサイトメータデータは、前方散乱検出器から受信される。前方散乱検出器は、一部の例では、粒子の全体的なサイズに関する情報をもたらすことができる。実施形態では、フローサイトメータデータは、側方散乱検出器から受信される。側方散乱検出器は、一部の例では、粒子の表面および内部構造からの屈折光および反射光を検出するように構成されてもよく、これは、構造の粒子複雑性の増加とともに増加する傾向がある。実施形態では、フローサイトメータデータは、蛍光検出器から受信される。蛍光検出器は、一部の例では、フローセル内の粒子に関連付けられた蛍光分子、例えば、標識された特異的結合メンバー（対象のマーカに特異的に結合する標識抗体など）からの蛍光放射を検出するように構成されてもよい。特定の実施形態では、本方法は、１つ以上の蛍光検出器、例えば、２つ以上、例えば、３つ以上、例えば、４つ以上、例えば、５つ以上、例えば、６つ以上、例えば、７つ以上、例えば、８つ以上、例えば、９つ以上、例えば、１０以上、例えば、１５以上、および２５以上の蛍光検出器を用いて、サンプルからの蛍光を検出することを含む。

フローサイトメトリによる細胞（または他の粒子）の分析から得られるデータは、多くの場合、多次元であり、各細胞は、測定されたパラメータによって定義される多次元空間内の点に対応する。細胞または粒子の集団は、データ空間内の点のクラスタとして識別することができる。一部の実施形態では、本方法は、サンプル中の分析物（例えば、細胞、粒子）の決定されたパラメータに基づいて、１つ以上の集団クラスタを生成することを含む。本明細書中で使用される場合、分析物（例えば、細胞または他の粒子）の「集団」または「亜集団」は、概して、測定されたパラメータデータがデータ空間においてクラスタを形成するように、１つ以上の測定されたパラメータに関する特性（例えば、光学特性、インピーダンス特性、または時間特性）を有する分析物の群を指す。実施形態では、データは、複数の異なるパラメータ（例えば、２以上、３以上、４以上、５以上、６以上、７以上、８以上、９以上、１０以上、および２０以上を含む）からの信号から構成される。したがって、集団はデータ内のクラスタとして認識される。逆に、ノイズまたはバックグラウンドに対応するクラスタも典型的に観察されるが、各データクラスタは、概して、特定のタイプの細胞または分析物の集団に対応するものとして解釈される。クラスタは、次元のサブセット内で、例えば、細胞または粒子の測定値から抽出された、測定されたパラメータまたは特徴のサブセット内のみで異なる集団に対応する、測定されたパラメータのサブセットに関して、定義され得る。

実施形態では、本方法は、フローサイトメータデータを受信することと、各分析物のパラメータを計算することと、計算されたパラメータに基づいて分析物を一緒にクラスタ化することとを含む。例えば、実験は、複数のフルオロフォアまたは蛍光標識抗体によって標識された粒子を含んでもよく、粒子の群は、１つ以上の蛍光測定に対応する集団によって定義されてもよい。この例では、第１の群は、第１のフルオロフォアに対する特定の範囲の光散乱によって定義されてもよく、第２の群は、第２のフルオロフォアに対する特定の範囲の光散乱によって定義されてもよい。第１および第２のフルオロフォアがそれぞれｘ軸およびｙ軸上に表される場合、情報がグラフィカルに表示される場合、２つの異なる色分けされた集団が粒子の各群を定義するように見える可能性がある。任意の数の分析物がクラスタに割り当てられてもよく、５以上の分析物、例えば１０以上の分析物、例えば５０以上の分析物、例えば１００以上の分析物、例えば５００の分析物を含み、１０００の分析物を含む。特定の実施形態では、本方法は、サンプル中で検出された稀な事象（例えば、サンプル中のがん細胞などの稀な細胞）をクラスタに一緒に群化する。これらの実施形態では、生成された分析物クラスタは、１０個以下の割り当て済み分析物、例えば９個以下の割り当て済み分析物を含むことができ、５個以下の割り当て済み分析物を含み得る。

フローサイトメータデータが得られた後、本発明の態様は、フローサイトメータデータの第１および第２のセットの各々についての画像（すなわち、フローサイトメータデータの各セットについての別個の画像）を生成することをさらに含む。「画像を生成する」とは、フローサイトメータデータが、アセンブルされたときにデータを表す画像を構成する画素によって表されるように、二次元プロットを画像フォーマットに変換することを意味する。実施形態では、フローサイトメータデータの第１および第２のセットの各々について画像を生成することは、データを二次元ビンに編成することを伴う。本開示では、「ビン」という用語は、特定の間隔内に入るデータ点が組み合わされるデータ構造を指すために、その従来の意味で使用される。その後、ビンには、その間隔を表す値が割り当てられる。実施形態では、ビンの代表値は、該ビン内に含まれるフローサイトメータデータの平均値である。したがって、実施形態では、二次元散布図の定義された領域内の個々のデータ点は、ビンに照合され、そのビンは、その中に含まれるデータ点の数を反映する代表値に関連付けられる。

一部の実施形態では、フローサイトメータデータは、パラメータに対するデータの状態に従ってビニングされる。かかる実施形態では、所与のビンの代表値は、該パラメータについて検出された強度に関するビニングされたデータの平均値であってもよい。例えば、パラメータが蛍光パラメータである場合、特定のビンの代表値は、所与の蛍光色素から放出される蛍光の強度に関するそのビン内のデータの平均値であってもよい。実施形態では、データは、１つ以上の追加のパラメータに対するデータの状態に従ってビニングされる。かかる実施形態では、所与のビンの代表値は、各関連パラメータに関して評価された平均値の複合であってもよい。したがって、実施形態では、フローサイトメータデータをビンに組み合わせることは、２つ以上、３つ以上、４つ以上、５つ以上、１０以上、１５以上などの１つ以上の追加パラメータに関してデータを評価することを含み、２０個以上の追加パラメータを含む。

フローサイトメータデータがビンに編成された後、本発明の態様は、画像生成値を決定することを含む。本明細書で考察されるように、画像生成値は、所与のビン内のデータ点濃度を定量化し、画像を生成するための基礎としての役割を果たす。特定の実施形態では、画像生成値を決定することは、二次元ビニングされたデータのヒストグラム（すなわち、各ビンに関連付けられた代表値のヒストグラム）を作成することを含む。かかる実施形態では、画像生成値を決定することはまた、ヒストグラムに基づいて累積分布関数を計算することを含む。累積分布関数は、その従来の意味で参照され、変数が特定の量以下である確率を決定する。このように、ヒストグラムから算出された累積分布関数に各ビンの代表値を代入して画像生成値を求める。一部の実施形態では、画像生成値は０～１の範囲である。他の実施形態では、画像生成値は、０からユーザによって選択された任意の数までの範囲にスケーリングされてもよい。実施形態では、より高い画像生成値は、関連するビンがより多くのデータ点に関連付けられていることを示し、より低い画像生成値は、関連するビンがより少ないデータ点に関連付けられていることを示す。

画像生成値の決定に続いて、本発明の実施形態は、そのビンに対応する画像生成値に基づいて各ビンに陰影を割り当てることを含む。本明細書で説明される「陰影」は、所与のビンが結果として得られる画像において表される明るさまたは暗さを指す。一部の実施形態では、ビンにはグレーの陰影が割り当てられる。かかる実施形態では、結果として得られる画像はグレースケール画像である。他の実施形態では、ビンには非グレー色の陰影が割り当てられる。かかる実施形態では、結果として得られる画像はカラー画像である。ビンに結合されたデータが複数のパラメータに関して評価される実施形態では、かかるビンから生成された画像は多色であり得る。かかる実施形態では、異なる色が、各別個のパラメータに関連付けられ得る。一部の実施形態では、より高い画像生成値に関連付けられたビンにはより明るい色が割り当てられ、より低い画像生成値に関連付けられたビンにはより暗い色が割り当てられる。本発明の特定の実施形態は、画像生成閾値も含む。かかる実施形態では、閾値未満の画像生成値に関連付けられたすべてのビンに黒色が割り当てられる。一部の実施形態では、閾値は調整可能である（すなわち、ユーザによって複数の異なるオプションから選択される）。したがって、選択された閾値の大きさに基づいて、より多くのまたはより少ない画像が黒色に割り当てられてもよい。

図１は、上述のプロセスによって生成されたフローサイトメータデータ１０１の第１のセットの画像、ならびにフローサイトメータデータ１０１の第１のセット内の関心対象の集団を定義するための対応する訓練ゲート１０１ａを示している。一方、フローサイトメータデータ１０２の第２のセットのために生成された画像は、フローサイトメータデータの類似集団を境界付けるゲートを含まない。

本発明の態様は、フローサイトメータデータの第１のセットの生成された画像から訓練ゲートを調整して、フローサイトメータデータの第２のセットの生成された画像を適応させることをさらに含む。フローサイトメータデータの第２のセットを「適応させる」ように訓練ゲートを調整することによって、調整された訓練ゲートが、フローサイトメータデータの第１のセットと比較してフローサイトメータデータの第２のセットに存在する集団形態の差を説明するように、訓練ゲートの形状を変更することを意味する。特定の実施形態では、訓練ゲートの調整は、訓練ゲートの構成頂点のうちの１つ以上、最大で各々を調整することを含む。実施形態では、訓練ゲートの調整は、プロセッサ実装アルゴリズムによって実行される。かかる場合の実施形態では、プロセッサ実装アルゴリズムは、フローサイトメータデータの第１のセットの生成された画像から取得された訓練ゲートの頂点をワープして、フローサイトメータデータの第２のセットの生成された画像に適合させるように構成され得る。本開示の実施形態によれば、プロセッサ実装アルゴリズムは、画像位置合わせアルゴリズムである。画像位置合わせアルゴリズムは、画像から受信したデータを統合し変換する。したがって、本明細書に記載される画像位置合わせアルゴリズムは、フローサイトメータデータの第１のセットの生成された画像を分析し、フローサイトメータデータの第２のセットの生成された画像を分析し、それらの分析に基づいてフローサイトメータデータの第１のセットからの訓練ゲートをワープして、フローサイトメータデータの第２のセットに適合させる。

実施形態では、フローサイトメータデータの第２のセットに適合するように訓練ゲートをワープすることは、フローサイトメータデータの第１のセットの生成された画像全体をワープして、フローサイトメータデータの第２のセットの生成された画像に対する類似性を最大化することを含む。かかる実施形態では、フローサイトメータデータの第１のセットの生成された画像内の対象の集団は、該集団の輪郭がフローサイトメータデータの第２のセットの生成された画像内の類似集団の輪郭とほぼ同一であるように調整される（すなわち、ワープされる）。換言すれば、プロセッサ実装アルゴリズムは、フローサイトメータデータの第２のセットに似るようにフローサイトメータデータの第１のセットを変換／変形するように構成された数学的変形モデルを含み得る。フローサイトメータデータの第１のセットの生成された画像がワープされた後、その中に含まれる訓練ゲートは、対応してワープされ得る。例えば、図２は、本発明の特定の実施形態によるサンプルワークフローを示している。ステップ２０１および２０２において、フローサイトメータデータの第１および第２のセットが得られる。フローサイトメータデータの第１のセットは、訓練ゲート２０１ａを含む。ステップ２０３では、（例えば、上述のように）フローサイトメータデータの第１および第２のセットの各々について画像が生成される。続いて、フローサイトメータデータの第１のセットの生成された画像は、対象集団がフローサイトメータデータの第２のセットの生成された画像内の類似集団に似るように、ワープされる（ステップ２０４）。フローサイトメータデータの第１のセット内に含まれる訓練ゲートは、その後、ステップ２０５において、ステップ２０４で使用された同じ変換によってワープされ得る。ステップ２０５において変換されたゲートの頂点は、次いで、ステップ２０６において、フローサイトメータデータの第２のセットの生成された画像に適用され得る。一部の実施形態では、訓練ゲートが調整される前に、訓練ゲートは最初に（すなわち、訓練ゲートが画像内の唯一の要素であるように）ブランク画像に課される。換言すれば、訓練ゲートは、フローサイトメータデータの第１のセットの生成された画像の残りから分離され、別個の画像に課され得る。

一部の実施形態では、フローサイトメータデータの第１のセットの生成された画像をワープするように構成された画像位置合わせアルゴリズムは、Ｂスプラインワーピングを含む。Ｂスプライン（すなわち、基底スプライン）は、曲線当てはめにしばしば使用される数学関数を記述する。Ｂスプラインは、例えば、Ｇａｎｓ，Ｐ．，＆Ｇｉｌｌ，Ｊ．Ｂ．（１９８４）．Ｓｍｏｏｔｈｉｎｇ ａｎｄ ｄｉｆｆｅｒｅｎｔｉａｔｉｏｎ ｏｆ ｓｐｅｃｔｒｏｓｃｏｐｉｃ ｃｕｒｖｅｓ ｕｓｉｎｇ ｓｐｌｉｎｅ ｆｕｎｃｔｉｏｎｓ，Ａｐｐｌｉｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ，３８（３），３７０－３７６に記載されており、これらの開示は参照により本明細書に組み込まれる。実施形態では、Ｂスプラインワーピングは、Ｂスプライン係数を計算することを含み、Ｂスプライン係数は、次いで、訓練ゲートを調整するための関数を定義するために使用される。換言すれば、画像位置合わせアルゴリズムは、フローサイトメータデータの第１のセットの生成された画像をワープし、フローサイトメータデータの第１のセットの生成された画像がどのようにワープされたかを数値的に記述するＢスプライン係数を出力する。次いで、これらの係数は、フローサイトメータデータの第１のセットと第２のセットとの間の差異を説明する調整された訓練ゲートが生成されるように、訓練ゲートの頂点を更新するための基礎として役立つ。次いで、更新された（すなわち、調整された）頂点は、その上に調整されたゲートを形成するために、フローサイトメータデータの第２のセットの生成された画像に適用され得る。例えば、図３は、特定の実施形態による、フローサイトメータデータの第１のセットおよびその対応する訓練ゲートを調整するプロセスを示している。画像３０１ａは、ブランク画像に課された訓練ゲートを示し、画像３０１ｂは、フローサイトメータデータの第１のセットの対応する生成画像を示している。画像３０１ｂは、プロセッサ実装アルゴリズムによって調整された画像３０３ｂにワープされて、フローサイトメータデータの第２のセット（図１に示される１０２）の生成された画像に対する類似性を最大化するため、Ｂスプライン係数３０２ａのセットが採用され、記録される。画像３０１ｂのワーピングは、変形３０２ｂによって示されている。次に、画像３０１ｂを画像３０３ｂにワープするために使用される同じＢスプライン係数３０２ａを使用して、ブランク画像３０１ａに課される訓練ゲートをワープし、調整された訓練ゲート３０３ａを作成するための関数を定義する。

訓練ゲートの調整に続いて、本発明の態様は、調整された訓練ゲートをフローサイトメータデータの第２のセット上にオーバーレイすることを含む。かかる実施形態では、ブランク画像内の調整された訓練ゲートの頂点は、フローサイトメータデータの第２のセットの生成された画像内の対応する集団に適用されて、その集団の周囲にゲートを形成する。例えば、図４に示される画像４００は、フローサイトメータデータ１０２の第２のセット上にオーバーレイされた調整された訓練ゲートを示している。一部の実施形態では、調整された訓練ゲートを作成するために訓練ゲートの頂点を調整することは、訓練ゲートから頂点を抽出すること（すなわち、各頂点の位置を分離および観察すること）と、Ｂスプライン係数（例えば、上記で決定されるような）に基づいて各頂点の位置を変更することと、調整された訓練ゲートを形成するために、フローサイトメータデータの第２のセットの生成された画像に調整された頂点を適用することとを含む。他の実施形態では、プロセッサ実装アルゴリズムは、各頂点の位置を観察する前に訓練ゲートをワープしてもよい。かかる実施形態では、プロセッサ実装アルゴリズムは、画像位置合わせアルゴリズム（例えば、上記で考察されるように）によって訓練ゲートを調整し、次いで、調整された頂点は、観察され、フローサイトメータデータの第２のセットの生成された画像に適用されてもよい。

一部の実施形態では、フローサイトメータデータの第２のセット上にオーバーレイされた調整された訓練ゲートは、元の訓練ゲートとは異なる形状を有し、すなわち、フローサイトメータデータの第２のセット内の関連する集団の形状に適応する。一部の例では、フローサイトメータデータの第２のセット内の関連する集団は、フローサイトメータデータの第１のセットにおける集団と比較した場合に、一部の領域において調節され、例えば、伸長され、縮小され、またはシフトされる。したがって、一部の例では、調整された訓練ゲートは、これらの差に適応するように成形される。一部の例では、調整された訓練ゲートは多角形である。

図５および図６は、上述のプロセスによって調整された訓練ゲートを示している。図５は、訓練ゲートを含むフローサイトメータデータ５０１の第１のセットを示している。５０２ａ～５０２ｄは、フローサイトメータデータの第２のセットを示し、各々は、本方法によって画像５０１から調整されたゲートを含む。同様に、図６は、訓練ゲートを含むフローサイトメータデータ６０１の第１のセットを示している。６０２ａおよび６０２ｂは、フローサイトメータデータの第２のセットを示し、各々は、本方法によって画像６０１から調整されたゲートを含む。

本開示によるフローサイトメータデータを生成するために、粒子を有するサンプルが光源で照射され、サンプルからの光が検出されて、検出された光の測定値に少なくとも部分的に基づいて関連粒子の集団が生成される。一部の例では、サンプルは生体サンプルである。「生体サンプル」という用語は、その従来の意味で、全生物、植物、菌類、または、場合によっては、血液、粘液、リンパ液、滑液、脳脊髄液、唾液、気管支肺胞洗浄、羊水、羊膜臍帯血、尿、膣液、および精液中に見られ得る動物の組織、細胞、または構成成分のサブセットを指すために使用される。したがって、「生体サンプル」は、天然有機体またはその組織のサブセットの両方、ならびに、例えば、血漿、血清、脊髄液、リンパ液、皮膚の切片、呼吸管、胃腸管、心血管、および泌尿器管、涙液、唾液、乳、血液細胞、腫瘍、臓器を含むが、これらに限定されない、生物またはその組織のサブセットから調製されたホモジネート、溶解物、または抽出物を指す。生体サンプルは、健康組織と、疾患組織（例えば、がん性、悪性、壊死性など）との両方を含む、任意のタイプの生体組織であり得る。特定の実施形態では、生体サンプルは、血液またはその誘導体、例えば、血漿、涙液、尿、精液などの液体サンプルであり、一部の例では、サンプルは、静脈穿刺またはフィンガースティックから取得された血液など、全血を含む血液サンプルである（血液は、アッセイの前に、防腐剤、抗凝固剤などの任意の試薬と組み合わされてもよく、または組み合わされなくてもよい）。

特定の実施形態では、サンプルのソースは、「哺乳動物（ｍａｍｍａｌ）」または「哺乳動物（ｍａｍｍａｌｉａｎ）」であり、これらの用語は、肉食動物目（例えば、イヌおよびネコ）、げっ歯目（例えば、マウス、モルモット、およびラット）、ならびに霊長目（例えば、ヒト、チンパンジー、およびサル）を含む、哺乳綱内の生物を示すために広く使用される。一部の例では、被験体はヒトである。方法は、両方の性別のヒト被検体から、発達の任意の段階（すなわち、新生児、乳幼児、年少者、青年、成人）で取得されたサンプルに適用され得、特定の実施形態では、ヒト被検体は、年少者、青年、または成人である。本発明は、ヒト被検体からのサンプルに適用され得るが、以下に限定されるものではないが、鳥、マウス、ラット、イヌ、ネコ、家畜、およびウマなどの他の動物被検体からの（すなわち、「非ヒト被検体」内の）サンプルに対しても実施され得ることを理解されたい。

本発明の方法の実施において、粒子を有するサンプル（例えば、フローサイトメータのフローストリーム中）は、光源からの光で照射される。一部の実施形態では、光源は、例えば１００ｎｍ以上、例えば１５０ｎｍ以上、例えば２００ｎｍ以上、例えば２５０ｎｍ以上、例えば３００ｎｍ以上、例えば３５０ｎｍ以上、例えば４００ｎｍ以上、および５００ｎｍ以上にわたることを含む、例えば５０ｎｍ以上にわたるなど、広範囲の波長を有する光を発する広帯域光源である。例えば、ある好適な広帯域光源は、２００ｎｍ～１５００ｎｍの波長を有する光を放出する。好適な広帯域光源の別の実施例は、４００ｎｍ～１０００ｎｍの波長を有する光を放出する光源を含む。方法が広帯域光源で照射することを含む場合、対象の広帯域光源プロトコルは、他の広帯域光源またはそれらの任意の組み合わせの中でもとりわけ、ハロゲンランプ、重水素アークランプ、キセノンアークランプ、安定化繊維結合広帯域光源、連続スペクトルの広帯域ＬＥＤ、超発光ダイオード、半導体発光ダイオード、ワイドスペクトルＬＥＤ白色光源、マルチＬＥＤ一体型白色光源を含み得るが、これらに限定されない。

他の実施形態では、本方法は、例えば４０ｎｍ以下、例えば３０ｎｍ以下、例えば２５ｎｍ以下、例えば２０ｎｍ以下、例えば１５ｎｍ以下、例えば１０ｎｍ以下、例えば５ｎｍ以下、例えば２ｎｍ以下、および特定の光の波長（すなわち、単色光）を発する光源を含む、５０ｎｍ以下の範囲のような狭波長範囲の光を発する光源など、特定の波長または狭い範囲の波長を発する狭帯域光源で照射することを含む。方法が、狭帯域光源で照射することを含む場合、対象の狭帯域光源プロトコルは、狭波長ＬＥＤ、レーザダイオード、または１つ以上の光学バンドパスフィルタ、回折格子、モノクロメータ、またはこれらの任意の組み合わせに結合された広帯域光源を含んでもよいが、これらに限定されない。

本発明の態様は、検出器または検出器の組み合わせで光を収集することを含む。一部の実施形態では、光は、側方散乱光を検出するように構成された１つ以上の側方散乱検出器によって収集される。さらなる実施形態では、光は、前方散乱光を検出するように構成された１つ以上の前方散乱検出器によって収集される。さらなる実施形態では、光は、蛍光を検出するように構成される１つ以上の蛍光検出器によって収集される。蛍光検出器は、一部の例では、フローセル内の粒子に関連付けられた蛍光分子、例えば、標識された特異的結合メンバー（対象のマーカに特異的に結合する標識抗体など）からの蛍光放射を検出するように構成されてもよい。特定の実施形態では、本方法は、１つ以上の蛍光検出器、例えば、２つ以上、例えば、３つ以上、例えば、４つ以上、例えば、５つ以上、例えば、６つ以上、例えば、７つ以上、例えば、８つ以上、例えば、９つ以上、例えば、１０個以上、例えば、１５個以上、および２５個以上の蛍光検出器を用いて、サンプルからの蛍光を検出することを含む。実施形態では、蛍光検出器の各々は、蛍光データ信号を生成するように構成される。サンプルからの蛍光は、２００ｎｍ～１２００ｎｍの波長範囲のうちの１つ以上にわたって、独立して、各蛍光検出器によって検出され得る。一部の例では、本方法は、２００ｎｍ～１２００ｎｍなど、３００ｎｍ～１１００ｎｍなど、４００ｎｍ～１０００ｎｍなど、５００ｎｍ～９００ｎｍなど、６００ｎｍ～８００ｎｍを含む波長範囲にわたってサンプルからの蛍光を検出することを含む。他の例では、本方法は、１つ以上の特定の波長で各蛍光検出器を用いて蛍光を検出することを含む。例えば、蛍光は、本発明の光検出システムにおける異なる蛍光検出器の数に応じて、４５０ｎｍ、５１８ｎｍ、５１９ｎｍ、５６１ｎｍ、５７８ｎｍ、６０５ｎｍ、６０７ｎｍ、６２５ｎｍ、６５０ｎｍ、６６０ｎｍ、６６７ｎｍ、６７０ｎｍ、６６８ｎｍ、６９５ｎｍ、７１０ｎｍ、７２３ｎｍ、７８０ｎｍ、７８５ｎｍ、６４７ｎｍ、６１７ｎｍおよびそれらの任意の組み合わせのうちの１つ以上で検出されてもよい。特定の実施形態では、本方法は、サンプル中に存在する特定の蛍光色素の蛍光ピーク波長に対応する光の波長を検出することを含む。実施形態では、フローサイトメータデータは、１つ以上の蛍光検出器（例えば、１つ以上の検出チャネル）、例えば２つ以上、例えば３つ以上、例えば４つ以上、例えば５つ以上、例えば６つ以上、さらには８つ以上の蛍光検出器（例えば、８つ以上の検出チャネル）から受信される。

訓練ゲートを調整してフローサイトメータデータを適応させるためのシステム
本開示の態様はまた、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるためのシステムをさらに含む。一部の実施形態では、システムは、フローサイトメータデータの第１のセットを取得するように構成される入力モジュールと、フローサイトメータデータの第２のセットを取得するように構成される粒子分析器と、フローサイトメータデータを分析するように構成されるプロセッサとを含む。

一部の実施形態では、本粒子分析器は、フローセルと、フローセル内の粒子を照射するように構成されたレーザとを有する。実施形態では、レーザは、連続波レーザなどの任意の好都合なレーザであってもよい。例えば、レーザは、紫外線ダイオードレーザ、可視ダイオードレーザおよび近赤外線ダイオードレーザなどのダイオードレーザであってもよい。他の実施形態では、レーザは、ヘリウムネオン（ＨｅＮｅ）レーザであり得る。一部の例では、レーザは、ヘリウムネオンレーザ、アルゴンレーザ、クリプトンレーザ、キセノンレーザ、窒素レーザ、ＣＯ_２レーザ、ＣＯレーザ、アルゴンフッ素（ＡｒＦ）エキシマレーザ、クリプトンフッ素（ＫｒＦ）エキシマレーザ、キセノン塩素（ＸｅＣｌ）エキシマレーザ、またはキセノンフッ素（ＸｅＦ）エキシマレーザ、もしくはそれらの組み合わせなどのガスレーザである。他の例では、本フローサイトメータは、スチルベン、クマリンまたはローダミンレーザなどの色素レーザを含む。さらに他の例では、対象のレーザは、ヘリウム－カドミウム（ＨｅＣｄ）レーザ、ヘリウム－水銀（ＨｅＨｇ）レーザ、ヘリウム－セレン（ＨｅＳｅ）レーザ、ヘリウム－銀（ＨｅＡｇ）レーザ、ストロンチウムレーザ、ネオン－銅（ＮｅＣｕ）レーザ、銅レーザ、または金レーザ、およびそれらの組み合わせなどの金属蒸気レーザを含む。さらに他の例では、本発明のフローサイトメータは、ルビーレーザ、Ｎｄ：ＹＡＧレーザ、ＮｄＣｒＹＡＧレーザ、Ｅｒ：ＹＡＧレーザ、Ｎｄ：ＹＬＦレーザ、Ｎｄ：ＹＶＯ_４レーザ、Ｎｄ：ＹＣａ_４Ｏ（ＢＯ_３）_３レーザ、Ｎｄ：ＹＣＯＢレーザ、チタンサファイアレーザ、スリムＹＡＧレーザ、イッテルビウムＹＡＧレーザ、Ｙ_２Ｏ_３レーザ、またはセリウムドープレーザ、およびそれらの組み合わせなどの固体レーザを含む。

特定の実施形態では、本粒子分析器は、周波数シフト光の２つ以上のビームを生成するように構成される、光ビーム発生器を含む。一部の例では、光ビーム発生器は、レーザと、高周波駆動信号を音響光学デバイスに印加して、２つ以上の角度偏向レーザビームを生成するように構成される、高周波発生器とを含む。これらの実施形態では、レーザはパルスレーザまたは連続波レーザであってもよい。例えば、対象となる光ビーム発生器におけるレーザは、ガスレーザ（例えば、ヘリウム－ネオンレーザ、アルゴンレーザ、クリプトンレーザ、キセノンレーザ、チッ素レーザ、ＣＯ_２レーザ、ＣＯレーザ、アルゴンフッ素（ＡｒＦ）エキシマレーザ、クリプトンフッ素（ＫｒＦ）エキシマレーザ、キセノン塩素（ＸｅＣｌ）エキシマレーザ、またはキセノンフッ素（ＸｅＦ）エキシマレーザ、またはこれらの組み合わせなど）、色素レーザ（例えば、スチルベン、クマリンまたはローダミンレーザなど）、金属蒸気レーザ（例えば、ヘリウム－カドミウム（ＨｅＣｄ）レーザ、ヘリウム－水銀（ＨｅＨｇ）レーザ、ヘリウム－セレン（ＨｅＳｅ）レーザ、ヘリウム－銀（ＨｅＡｇ）レーザ、ストロンチウムレーザ、ネオン－銅（ＮｅＣｕ）レーザ、銅レーザ、または金レーザ、およびそれらの組み合わせなど）、固体レーザ（例えば、ルビーレーザ、Ｎｄ：ＹＡＧレーザ、ＮｄＣｒＹＡＧレーザ、Ｅｒ：ＹＡＧレーザ、Ｎｄ：ＹＬＦレーザ、Ｎｄ：ＹＶＯ_４レーザ、Ｎｄ：ＹＣａ_４Ｏ（ＢＯ_３）_３レーザ、Ｎｄ：ＹＣＯＢレーザ、チタンサファイアレーザ、スリムＹＡＧレーザ、イッテリビウムＹＡＧレーザ、Ｙ_２Ｏ_３レーザ、またはセリウムドープレーザ、およびこれらの組み合わせなど）であってもよい。

音響光学デバイスは、印加された音波を使用してレーザ光を周波数シフトするように構成された任意の好都合な音響光学プロトコルであり得る。特定の実施形態では、音響光学デバイスは、音響光学偏向器である。本システムにおける音響光学デバイスは、レーザからの光および印加された無線周波数駆動信号から、角度偏向レーザビームを生成するように構成される。無線周波数駆動信号は、直接デジタルシンセサイザ（ＤＤＳ）、任意波形発生器（ＡＷＧ）、または電気パルス発生器などの任意の好適な無線周波数駆動信号源を用いて、音響光学デバイスに印加され得る。

実施形態では、コントローラは、音響光学デバイスに無線周波数駆動信号を印加して、出力レーザビーム内に所望の数の角度偏向レーザビームを生成するように構成され、例えば、３つ以上の無線周波数駆動信号、例えば４つ以上の無線周波数駆動信号、例えば５つ以上の無線周波数駆動信号、例えば、６つ以上の高周波駆動信号、７つ以上の高周波駆動信号、８つ以上の高周波駆動信号、９つ以上の高周波駆動信号、１０個以上の高周波駆動信号、１５個以上の高周波駆動信号、２５個以上の高周波駆動信号、５０個以上の高周波駆動信号を印加するように構成され、１００個以上の高周波駆動信号を印加するように構成されていることを含む。

一部の例では、出力レーザビームにおいて角度偏向されたレーザビームの強度プロファイルを生成するために、コントローラは、約０．００１Ｖ～約５００Ｖ、約０．００５Ｖ～約４００Ｖ、約０．０１Ｖ～約３００Ｖ、約０．０５Ｖ～約２００Ｖ、約０．１Ｖ～約１００Ｖ、約０．５Ｖ～約７５Ｖ、約１Ｖ～５０Ｖ、約２Ｖ～４０Ｖ、３Ｖ～約３０Ｖなど、および約５Ｖ～約２５Ｖを含む振幅を有する高周波駆動信号を印加するように構成される。印加される各高周波駆動信号は、一部の実施形態では、約０．００１ＭＨｚ～約５００ＭＨｚ、例えば約０．００５ＭＨｚ～約４００ＭＨｚ、例えば約０．０１ＭＨｚ～約３００ＭＨｚ、例えば約０．０５ＭＨｚ～約２００ＭＨｚ、例えば約０．１ＭＨｚ～約１００ＭＨｚ、例えば、約０．５ＭＨｚ～約９０ＭＨｚ、例えば約１ＭＨｚ～約７５ＭＨｚ、例えば約２ＭＨｚ～約７０ＭＨｚ、例えば約３ＭＨｚ～約６５ＭＨｚ、例えば約４ＭＨｚ～約６０ＭＨｚの周波数を有し、約５ＭＨｚ～約５０ＭＨｚを含む。

特定の実施形態では、コントローラは、プロセッサに動作可能に結合されたメモリを有するプロセッサを有し、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、所望の強度プロファイルを有する角度偏向されたレーザビームを伴う出力レーザビームを生成させる。例えば、メモリは、同じ強度を有する２つ以上、例えば３つ以上、例えば４つ以上、例えば５つ以上、例えば１０個以上、例えば２５個以上、例えば５０個以上の角度偏向されたレーザビームを生成する命令を含んでもよく、メモリを含むことは、同じ強度を有する１００個以上の角度偏向されたレーザビームを生成する命令を含んでもよい。他の実施形態では、命令は、異なる強度を有する２つ以上の角度偏向レーザビーム、例えば３つ以上、例えば４つ以上、例えば５つ以上、例えば１０個以上、例えば２５個以上、例えば５０個以上の角度偏向レーザビームを生成する命令を含むことができ、メモリを含むことは、異なる強度を有する１００個以上の角度偏向レーザビームを生成する命令を含み得る。

特定の実施形態では、コントローラは、プロセッサに動作可能に結合されたメモリを有するプロセッサを有し、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、水平軸に沿って出力レーザビームの縁部から中心に増加する強度を有する出力レーザビームを生成させる。これらの例では、出力ビームの中心における角度偏向されたレーザビームの強度は、水平軸に沿った出力レーザビームの縁部における角度偏向されたレーザビームの強度の０．１％～約９９％、例えば、水平軸に沿った出力レーザビームの縁部における角度偏向されたレーザビームの強度の０．５％～約９５％、１％～約９０％、約２％～約８５％、約３％～約８０％、約４％～約７５％、約５％～約７０％、約６％～約６５％、約７％～約６０％、約８％～約５５％の範囲であってもよく、約１０％～約５０％を含んでもよい。他の実施形態では、コントローラは、プロセッサに動作可能に結合されたメモリを有するプロセッサを有し、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、水平軸に沿って出力レーザビームの縁部から中心に増加する強度を有する出力レーザビームを生成させる。これらの例では、出力ビームの縁部における角度偏向されたレーザビームの強度は、水平軸に沿った出力レーザビームの中心における角度偏向されたレーザビームの強度の０．１％～約９９％、例えば、水平軸に沿った出力レーザビームの中心における角度偏向されたレーザビームの強度の０．５％～約９５％、１％～約９０％、約２％～約８５％、約３％～約８０％、約４％～約７５％、約５％～約７０％、約６％～約６５％、約７％～約６０％、約８％～約５５％の範囲であってもよく、約１０％～約５０％を含んでもよい。さらに他の実施形態では、コントローラは、プロセッサに動作可能に結合されたメモリを有するプロセッサを有し、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、水平軸に沿ってガウス分布を伴う強度プロファイルを有する出力レーザビームを生成させる。さらに他の実施形態では、コントローラは、プロセッサに動作可能に結合されたメモリを有するプロセッサを有し、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、水平軸に沿ってトップハット強度プロファイルを有する出力レーザビームを生成させる。

一部の実施形態では、対象の光ビーム発生器は、空間的に分離された出力レーザビーム内に角度偏向レーザビームを生成するように構成されてもよい。印加される高周波駆動信号および出力レーザビームの所望の照射プロファイルに応じて、角度偏向されたレーザビームは、０．００１μｍ以上、例えば０．００５μｍ以上、例えば０．０１μｍ以上、例えば０．０５μｍ以上、例えば０．１μｍ以上、例えば０．５μｍ以上、例えば１μｍ以上、例えば５μｍ以上、例えば１０μｍ以上、例えば１００μｍ以上、例えば５００μｍ以上、例えば１０００μｍ以上、さらには５０００μｍ以上離れていてもよい。一部の実施形態では、システムは、出力レーザビームの水平軸に沿って隣接する角度偏向されたレーザビームなどと重複する、角度偏向されたレーザビームを出力レーザビーム内に生成するように構成される。隣接する角度偏向されたレーザビーム間の重複（ビームスポットの重複など）は、０．００１μｍ以上の重複、例えば０．００５μｍ以上の重複、例えば０．０１μｍ以上の重複、例えば０．０５μｍ以上の重複、例えば０．１μｍ以上の重複、例えば０．５μｍ以上の重複、例えば１μｍ以上の重複、例えば５μｍ以上の重複、例えば１０μｍ以上の重複であってよく、１００μｍ以上の重複を含む。

特定の例では、周波数シフト光の２つ以上のビームを生成するように構成された光ビーム発生器は、米国特許第９，４２３，３５３号、同第９，７８４，６６１号および同第１０，００６，８５２号、ならびに米国特許出願公開第２０１７／０１３３８５７号および同第２０１７／０３５０８０３号に記載されているようなレーザ励起モジュールを含み、これらの開示は参照により本明細書に組み込まれる。

本発明の態様はまた、前方散乱光を検出するように構成された前方散乱検出器を含む。本発明のフローサイトメータにおける前方散乱検出器の数は、必要に応じて変化し得る。例えば、本粒子分析器は、１つの前方散乱検出器、または２つ以上、３つ以上、４つ以上、および５つ以上を含む、複数の前方散乱検出器を含んでもよい。特定の実施形態では、フローサイトメータは、１つの前方散乱検出器を含む。他の実施形態では、フローサイトメータは２つの前方散乱検出器を含む。

収集された光を検出するための任意の好都合な検出器が、本明細書に説明される前方散乱検出器において使用されてもよい。対象となる検出器は、他の検出器の中でも特に、アクティブ画素センサ（ＡＰＳ）、アバランシェフォトダイオード、画像センサ、電荷結合素子（ＣＣＤ）、増感電荷結合素子（ＩＣＣＤ）、発光ダイオード、光子計数器、ボロメータ、焦電検出器、フォトレジスタ、光電池、フォトダイオード、光電子増倍管（ＰＭＴ）、フォトトランジスタ、量子ドット光導電体、またはフォトダイオード、およびそれらの組み合わせなどの光学センサまたは検出器を含んでもよいが、それらに限定されない。特定の実施形態では、収集された光は、電荷結合素子（ＣＣＤ）、半導体電荷結合素子（ＣＣＤ）、アクティブ画素センサ（ＡＰＳ）、相補型金属酸化膜半導体（ＣＭＯＳ）画像センサ、またはＮ型金属酸化膜半導体（ＮＭＯＳ）画像センサを用いて測定される。特定の実施形態では、検出器は、０．０１ｃｍ^２～１０ｃｍ^２、例えば０．０５ｃｍ^２～９ｃｍ^２、例えば０．１ｃｍ^２～８ｃｍ^２、例えば０．５ｃｍ^２～７ｃｍ^２の範囲であり、１ｃｍ^２～５ｃｍ^２を含む各領域の活性検出表面積を有する光電子増倍管などの光電子増倍管である。

本粒子分析器が複数の前方散乱検出器を含む場合、各検出器は同じであってもよく、または検出器の集合は異なる種類の検出器の組み合わせであってもよい。例えば、本粒子分析器が２つの前方散乱検出器を含む場合、一部の実施形態では、第１の前方散乱検出器は、ＣＣＤ型デバイスであり、第２の前方散乱検出器（または撮像センサ）は、ＣＭＯＳ型デバイスである。他の実施形態では、第１および第２の前方散乱検出器の両方が、ＣＣＤ型デバイスである。さらに他の実施形態では、第１および第２の前方散乱検出器の両方が、ＣＭＯＳ型デバイスである。さらに他の実施形態では、第１の前方散乱検出器はＣＣＤ型デバイスであり、第２の前方散乱検出器は光電子増倍管（ＰＭＴ）である。さらに他の実施形態では、第１の前方散乱検出器はＣＭＯＳ型デバイスであり、第２の前方散乱検出器は光電子増倍管である。さらに他の実施形態では、第１および第２の前方散乱検出器の両方が、光電子増倍管である。

実施形態では、前方散乱検出器は、連続的にまたは離散間隔で光を測定するように構成される。一部の例では、対象の検出器は、収集された光の測定を連続的に行うように構成される。他の例では、対象の検出器は、０．００１ミリ秒毎、０．０１ミリ秒毎、０．１ミリ秒毎、１ミリ秒毎、１０ミリ秒毎、１００ミリ秒毎、および１０００ミリ秒毎を含む、または一部の他の間隔毎に光を測定するなど、別個の間隔で測定するように構成される。

本発明の実施形態は、フローセルと前方散乱検出器との間に位置決めされた光分散／分離モジュールも含む。対象となる光分散デバイスは、他の波長分離デバイスの中でも、着色ガラス、バンドパスフィルタ、干渉フィルタ、ダイクロイックミラー、回折格子、モノクロメータ、およびそれらの組み合わせを含むが、それらに限定されない。一部の実施形態では、フローセルと前方散乱検出器との間にバンドパスフィルタが位置決めされる。他の実施形態では、フローセルと前方散乱検出器との間に、例えば、２つ以上、３つ以上、４つ以上、５つ以上を含む、２つ以上のバンドパスフィルタが位置決めされる。実施形態では、バンドパスフィルタは、２ｎｍ～１００ｎｍ、例えば３ｎｍ～９５ｎｍ、例えば５ｎｍ～９５ｎｍ、例えば１０ｎｍ～９０ｎｍ、例えば１２ｎｍ～８５ｎｍ、例えば１５ｎｍ～８０ｎｍの範囲の最小帯域幅を有し、２０ｎｍ～５０ｎｍの範囲の最小帯域幅を有するバンドパスフィルタを含み、他の波長を有する光を前方散乱検出器に反射する。

本発明の特定の実施形態は、光（例えば、粒子の表面および内部構造から屈折および反射された光）の側方散乱波長を検出するように構成された側方散乱検出器を含む。他の実施形態では、フローサイトメータは、複数の側方散乱検出器、例えば２つ以上、例えば３つ以上、例えば４つ以上、および５つ以上を含む側方散乱検出器を含む。

収集された光を検出するための任意の好都合な検出器が、本明細書に説明される側方散乱検出器において使用されてもよい。対象となる検出器は、他の検出器の中でも特に、アクティブ画素センサ（ＡＰＳ）、アバランシェフォトダイオード、画像センサ、電荷結合素子（ＣＣＤ）、増感電荷結合素子（ＩＣＣＤ）、発光ダイオード、光子計数器、ボロメータ、焦電検出器、フォトレジスタ、光電池、フォトダイオード、光電子増倍管（ＰＭＴ）、フォトトランジスタ、量子ドット光導電体、またはフォトダイオード、およびそれらの組み合わせなどの光学センサまたは検出器を含んでもよいが、それらに限定されない。特定の実施形態では、収集された光は、電荷結合素子（ＣＣＤ）、半導体電荷結合素子（ＣＣＤ）、アクティブ画素センサ（ＡＰＳ）、相補型金属酸化膜半導体（ＣＭＯＳ）画像センサ、またはＮ型金属酸化膜半導体（ＮＭＯＳ）画像センサを用いて測定される。特定の実施形態では、検出器は、０．０１ｃｍ^２～１０ｃｍ^２、例えば０．０５ｃｍ^２～９ｃｍ^２、例えば０．１ｃｍ^２～８ｃｍ^２、例えば０．５ｃｍ^２～７ｃｍ^２の範囲であり、１ｃｍ^２～５ｃｍ^２を含む各領域の活性検出表面積を有する光電子増倍管などの光電子増倍管である。

本粒子分析器が複数の側方散乱検出器を含む場合、各側方散乱検出器は同じであってもよく、または側方散乱検出器の集合は異なる種類の検出器の組み合わせであってもよい。例えば、本粒子分析器が２つの側方散乱検出器を含む場合、一部の実施形態では、第１の側方散乱検出器は、ＣＣＤ型デバイスであり、第２の側方散乱検出器（または撮像センサ）は、ＣＭＯＳ型デバイスである。他の実施形態では、第１および第２の側方散乱検出器の両方が、ＣＣＤ型デバイスである。さらに他の実施形態では、第１および第２の側方散乱検出器の両方が、ＣＭＯＳ型デバイスである。さらに他の実施形態では、第１の側方散乱検出器はＣＣＤ型デバイスであり、第２の側方散乱検出器は光電子増倍管（ＰＭＴ）である。さらに他の実施形態では、第１の側方散乱検出器はＣＭＯＳ型デバイスであり、第２の側方散乱検出器は光電子増倍管である。さらに他の実施形態では、第１および第２の側方散乱検出器の両方が、光電子増倍管である。

本発明の実施形態は、フローセルと側方散乱検出器との間に位置決めされた光分散／分離モジュールも含む。対象となる光分散デバイスは、他の波長分離デバイスの中でも、着色ガラス、バンドパスフィルタ、干渉フィルタ、ダイクロイックミラー、回折格子、モノクロメータ、およびそれらの組み合わせを含むが、それらに限定されない。

実施形態では、本粒子分析器はまた、１つ以上の蛍光波長の光を検出するように構成された蛍光検出器を含む。他の実施形態では、粒子分析器は、２つ以上、３つ以上、４つ以上、５つ以上、１０個以上、１５個以上など、および２０個以上を含む、複数の蛍光検出器を含む。

収集された光を検出するための任意の好都合な検出器が、本明細書に記載される蛍光検出器において使用され得る。対象となる検出器は、他の検出器の中でも特に、アクティブ画素センサ（ＡＰＳ）、アバランシェフォトダイオード、画像センサ、電荷結合素子（ＣＣＤ）、増感電荷結合素子（ＩＣＣＤ）、発光ダイオード、光子計数器、ボロメータ、焦電検出器、フォトレジスタ、光電池、フォトダイオード、光電子増倍管（ＰＭＴ）、フォトトランジスタ、量子ドット光導電体、またはフォトダイオード、およびそれらの組み合わせなどの光学センサまたは検出器を含んでもよいが、それらに限定されない。特定の実施形態では、収集された光は、電荷結合素子（ＣＣＤ）、半導体電荷結合素子（ＣＣＤ）、アクティブ画素センサ（ＡＰＳ）、相補型金属酸化膜半導体（ＣＭＯＳ）画像センサ、またはＮ型金属酸化膜半導体（ＮＭＯＳ）画像センサを用いて測定される。特定の実施形態では、検出器は、０．０１ｃｍ^２～１０ｃｍ^２、例えば０．０５ｃｍ^２～９ｃｍ^２、例えば０．１ｃｍ^２～８ｃｍ^２、例えば０．５ｃｍ^２～７ｃｍ^２の範囲であり、１ｃｍ^２～５ｃｍ^２を含む各領域の活性検出表面積を有する光電子増倍管などの光電子増倍管である。

本粒子分析器が複数の蛍光検出器を含む場合、各蛍光検出器は同じであってもよく、または蛍光検出器の集合は異なる種類の検出器の組み合わせであってもよい。例えば、本粒子分析器が２つの蛍光検出器を含む場合、一部の実施形態では、第１の蛍光検出器は、ＣＣＤ型デバイスであり、第２の蛍光検出器（または撮像センサ）は、ＣＭＯＳ型デバイスである。他の実施形態では、第１および第２の蛍光検出器の両方が、ＣＣＤ型デバイスである。さらに他の実施形態では、第１および第２の蛍光検出器の両方が、ＣＭＯＳ型デバイスである。さらに他の実施形態では、第１の蛍光検出器はＣＣＤ型デバイスであり、第２の蛍光検出器は光電子増倍管（ＰＭＴ）である。さらに他の実施形態では、第１の蛍光検出器はＣＭＯＳ型デバイスであり、第２の蛍光検出器は光電子増倍管である。さらに他の実施形態では、第１および第２の蛍光検出器の両方が、光電子増倍管である。

本発明の実施形態は、フローセルと蛍光検出器との間に位置決めされた光分散／分離モジュールも含む。対象となる光分散デバイスは、他の波長分離デバイスの中でも、着色ガラス、バンドパスフィルタ、干渉フィルタ、ダイクロイックミラー、回折格子、モノクロメータ、およびそれらの組み合わせを含むが、それらに限定されない。

本開示の実施形態では、対象の蛍光検出器は、１つ以上の波長、例えば２つ以上の波長、例えば５つ以上の異なる波長、例えば１０個以上の異なる波長、例えば２５個以上の異なる波長、例えば５０個以上の異なる波長、例えば１００個以上の異なる波長、例えば２００個以上の異なる波長、例えば３００個以上の異なる波長で収集された光を測定するように構成され、４００個以上の異なる波長でフローストリーム中のサンプルによって放出された光を測定することを含む。一部の実施形態では、本明細書に説明されるようなフローサイトメータ内の２つ以上の検出器は、収集された光の同一または重複波長を測定するように構成される。

一部の実施形態では、対象の蛍光検出器は、ある波長範囲（例えば、２００ｎｍ～１０００ｎｍ）にわたって収集された光を測定するように構成される。特定の実施形態では、対象の検出器は、ある範囲の波長にわたって光のスペクトルを集めるように構成される。例えば、粒子分析器は、２００ｎｍ～１０００ｎｍの波長範囲のうちの１つ以上にわたって光のスペクトルを収集するように構成される、１つ以上の検出器を含んでもよい。さらに他の実施形態では、対象の検出器は、１つ以上の特定の波長でフローストリーム内のサンプルによって発せられた光を測定するように構成される。例えば、粒子分析器は、４５０ｎｍ、５１８ｎｍ、５１９ｎｍ、５６１ｎｍ、５７８ｎｍ、６０５ｎｍ、６０７ｎｍ、６２５ｎｍ、６５０ｎｍ、６６０ｎｍ、６６７ｎｍ、６７０ｎｍ、６６８ｎｍ、６９５ｎｍ、７１０ｎｍ、７２３ｎｍ、７８０ｎｍ、７８５ｎｍ、６４７ｎｍ、６１７ｎｍ、およびそれらの任意の組み合わせのうちの１つ以上で光を測定するように構成される、１つ以上の検出器を含んでもよい。特定の実施形態では、１つ以上の検出器は、蛍光アッセイでサンプルとともに使用されるものなどの特定のフルオロフォアと対になるように構成され得る。

好適なフローサイトメトリシステムとしては、Ｏｒｍｅｒｏｄ（編），Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ：Ａ Ｐｒａｃｔｉｃａｌ Ａｐｐｒｏａｃｈ，Ｏｘｆｏｒｄ Ｕｎｉｖ．Ｐｒｅｓｓ（１９９７）、Ｊａｒｏｓｚｅｓｋｉ ｅｔ ａｌ．（編），Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ Ｐｒｏｔｏｃｏｌｓ，Ｍｅｔｈｏｄｓ ｉｎ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ Ｎｏ．９１，Ｈｕｍａｎａ Ｐｒｅｓｓ（１９９７）、Ｐｒａｃｔｉｃａｌ Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ，３ｒｄ ｅｄ．，Ｗｉｌｅｙ－Ｌｉｓｓ（１９９５）、Ｖｉｒｇｏ，ｅｔ ａｌ．（２０１２） Ａｎｎ Ｃｌｉｎ Ｂｉｏｃｈｅｍ．Ｊａｎ、４９（ｐｔ １）：１７－２８、Ｌｉｎｄｅｎ，ｅｔ． ａｌ．，Ｓｅｍｉｎ Ｔｈｒｏｍ Ｈｅｍｏｓｔ．２００４ Ｏｃｔ；３０（５）：５０２－１１、Ａｌｉｓｏｎ，ｅｔ ａｌ．Ｊ Ｐａｔｈｏｌ，２０１０ Ｄｅｃ；２２２（４）：３３５－３４４、およびＨｅｒｂｉｇ，ｅｔ ａｌ．（２００７）Ｃｒｉｔ Ｒｅｖ Ｔｈｅｒ Ｄｒｕｇ Ｃａｒｒｉｅｒ Ｓｙｓｔ．２４（３）：２０３－２５５に記載されているものが挙げられ得るが、これらに限定されない。これらの開示は参照により本明細書に組み込まれる。特定の例では、対象となるフローサイトメトリシステムは、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣａｎｔｏ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣａｎｔｏ（商標）ＩＩフローサイトメータ、ＢＤ Ａｃｃｕｒｉ（商標）フローサイトメータ、ＢＤ Ａｃｃｕｒｉ（商標）Ｃ６ Ｐｌｕｓフローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣｅｌｅｓｔａ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＬｙｒｉｃ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＶｅｒｓｅ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳｙｍｐｈｏｎｙ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＬＳＲＦｏｒｔｅｓｓａ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＬＳＲＦｏｒｔｅｓｓａ（商標）Ｘ－２０フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＰｒｅｓｔｏ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＶｉａ（商標）フローサイトメータおよびＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣａｌｉｂｕｒ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣｏｕｎｔ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＬｙｒｉｃ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ｖｉａ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ｉｎｆｌｕｘ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ｊａｚｚ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ａｒｉａ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＡｒｉａ（商標）ＩＩ細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＡｒｉａ（商標）ＩＩＩ細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＡｒｉａ（商標）融合細胞ソータおよびＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＭｅｌｏｄｙ（商標）細胞ソータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳｙｍｐｈｏｎｙ（商標）Ｓ６細胞ソータなどを含む。

一部の実施形態では、本システムは、フローサイトメトリシステム、例えば、米国特許第１０，６６３，４７６号、同第１０，６２０，１１１号、同第１０，６１３，０１７号、同第１０，６０５，７１３号、同第１０，５８５，０３１号、同第１０，５７８，５４２号、同第１０，５７８，４６９号、同第１０，４８１，０７４号、同第１０，３０２，５４５号、同第１０，１４５，７９３号、同第１０，１１３，９６７号、同第１０，００６，８５２号、同第９，９５２，０７６号、同第９，９３３，３４１号、同第９，７２６，５２７号、同第９，４５３，７８９号、同第９，２００，３３４号、同第９，０９７，６４０号、同第９，０９５，４９４号、同第９，０９２，０３４号、同第８，９７５，５９５号、同第８，７５３，５７３号、同第８，２３３，１４６号、同第８，１４０，３００号、同第７，５４４，３２６号、同第７，２０１，８７５号、同第７，１２９，５０５号、同第６，８２１，７４０号、同第６，８１３，０１７号、同第６，８０９，８０４号、同第６，３７２，５０６号、同第５，７００，６９２号、同第５，６４３，７９６号、同第５，６２７，０４０号、同第５，６２０，８４２号、同第５，６０２，０３９号、同第４，９８７，０８６号、同第４，４９８，７６６号に記載されている。

特定の例では、本発明のフローサイトメトリシステムは、Ｄｉｅｂｏｌｄ，ｅｔ ａｌ．Ｎａｔｕｒｅ Ｐｈｏｔｏｎｉｃｓ Ｖｏｌ．７（１０）、８０６－８１０（２０１３）に記載されているもの、ならびに米国特許第９，４２３，３５３号、同第９，７８４，６６１号、同第９，９８３，１３２号、同第１０，００６，８５２号、同第１０，０７８，０４５号、同第１０，０３６，６９９号、同第１０，２２２，３１６号、同第１０，２８８，５４６号、同第１０，３２４，０１９号、同第１０，４０８，７５８号、同第１０，４５１，５３８号、同第１０，６２０，１１１号、ならびに米国特許公開第２０１７／０１３３８５７号、同第２０１７／０３２８８２６号、同第２０１７／０３５０８０３号、同第２０１８／０２７５０４２号、同第２０１９／０３７６８９５号および同第２０１９／０３７６８９４号に記載されているものなど、高周波タグ付き発光（ＦＩＲＥ）を使用する蛍光撮像によってフローストリーム中の粒子を撮像するように構成されており、これらの開示は参照により本明細書に組み込まれる。

特定の実施形態では、本システムは、プロセッサに動作可能に結合されたメモリを有するプロセッサをさらに含み、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させる。したがって、本発明の実施形態は、フローサイトメータデータの第１および第２のセットを取得することを含む。フローサイトメータデータの第１のセットは、その中に含まれる１つ以上の集団が、対象のサブタイプ（すなわち、表現型）と関連付けられると理解されるように、特徴付けられたものである。実施形態では、フローサイトメータデータの第１のセットは、入力モジュールから取得される。入力モジュールは、フローサイトメータデータの第１のセットをプロセッサに提供するように構成される、プロセッサと通信する任意の好都合なデバイスであり得る。実施形態では、入力モジュールは、訓練ゲートを調整するために必要とされるときにプロセッサによって呼び出され得るフローサイトメータデータを記憶するために、それに結合されたメモリを有する。一部の実施形態では、フローサイトメータデータの第１のセットは、以前のフローサイトメトリ実験から得られる。したがって、フローサイトメータデータの第１のセットは、特定の実施形態によれば、対象となる特定の特性に関連付けられることがユーザによって認識または確認された集団を含む。逆に、本発明の実施形態によるフローサイトメータデータの第２のセットは、まだ定義されていない１つ以上の集団を含む。換言すれば、フローサイトメータデータの第２のセット内の対象の集団は、残りのデータから形式的に区別することができるように、境界（すなわち、ゲート）を必要とする。実施形態では、フローサイトメータデータの第１および第２のセットは、同じパラメータを示すデータを含む（例えば、同じ蛍光色素が両方のセットで検出される）。実施形態では、フローサイトメータデータの第２のセットは、上記で説明されるものなどの粒子分析器から取得される。

実施形態では、入力モジュールから取得されたフローサイトメータデータの第１のセットは、訓練ゲートを含む。訓練ゲートは、ユーザまたは他のサイトメトリの技術によって、対象の特性に対応するように以前に決定されたフローサイトメータデータの集団の境界を定める。実施形態では、訓練ゲートは、頂点、すなわち、接続された場合にゲートを形成する二次元プロット上の点を含む。一部の実施形態では、訓練ゲートはユーザによって描かれる。他の実施形態では、訓練ゲートは、サイトメトリにおける他の技術によって事前に確立される。実施形態では、訓練ゲートは、フローサイトメータデータの第１のセット内の対象集団を定義するために使用される。実施形態では、訓練ゲートは、フローサイトメータデータの第１のセット内の対象集団の形状に対応する形状を保有する。一部の実施形態では、訓練ゲートは多角形形状を有する。したがって、実施形態では、ユーザは、フローサイトメータデータ測定値の第１のセットのグラフ上に多角形を描いて、訓練ゲート内に含まれるデータ値の範囲を定義することができる。

フローサイトメトリによる細胞（または他の粒子）の分析から得られるデータは、多くの場合、多次元であり、各細胞は、測定されたパラメータによって定義される多次元空間内の点に対応する。細胞または粒子の集団は、データ空間内の点のクラスタとして識別することができる。一部の実施形態では、本方法は、サンプル中の分析物（例えば、細胞、粒子）の決定されたパラメータに基づいて、１つ以上の集団クラスタを生成することを含む。本明細書中で使用される場合、分析物（例えば、細胞または他の粒子）の「集団」または「亜集団」は、概して、測定されたパラメータデータがデータ空間においてクラスタを形成するように、１つ以上の測定されたパラメータに関する特性（例えば、光学特性、インピーダンス特性、または時間特性）を有する分析物の群を指す。実施形態では、データは、複数の異なるパラメータ（例えば、２以上、３以上、４以上、５以上、６以上、７以上、８以上、９以上、１０以上、および２０以上を含む）からの信号から構成される。したがって、集団はデータ内のクラスタとして認識される。逆に、ノイズまたはバックグラウンドに対応するクラスタも典型的に観察されるが、各データクラスタは、概して、特定のタイプの細胞または分析物の集団に対応するものとして解釈される。クラスタは、次元のサブセット内で、例えば、細胞または粒子の測定値から抽出された、測定されたパラメータまたは特徴のサブセット内のみで異なる集団に対応する、測定されたパラメータのサブセットに関して、定義され得る。

実施形態では、プロセッサは、フローサイトメータデータを受信し、各分析物のパラメータを計算し、計算されたパラメータに基づいて分析物を一緒にクラスタ化するように構成される。任意の数の分析物がクラスタに割り当てられてもよく、５以上の分析物、例えば１０以上の分析物、例えば５０以上の分析物、例えば１００以上の分析物、例えば５００の分析物を含み、１０００の分析物を含む。特定の実施形態では、本方法は、サンプル中で検出された稀な事象（例えば、サンプル中のがん細胞などの稀な細胞）をクラスタに一緒に群化する。これらの実施形態では、生成された分析物クラスタは、１０個以下の割り当て済み分析物、例えば９個以下の割り当て済み分析物を含むことができ、５個以下の割り当て済み分析物を含み得る。

フローサイトメータデータが取得された後、プロセッサは、フローサイトメータデータの第１および第２のセットの各々について画像（すなわち、フローサイトメータデータの各セットに対する別個の画像）を生成するように構成され得る。「画像を生成する」とは、フローサイトメータデータが、アセンブルされたときにデータを表す画像を構成する画素によって表されるように、二次元プロットを画像フォーマットに変換することを意味する。実施形態では、フローサイトメータデータの第１および第２のセットの各々について画像を生成することは、データを二次元ビンに編成することを伴う。本開示では、「ビン」という用語は、ある間隔内に入るデータ点が組み合わされるデータ構造を指すために、その従来の意味で使用される。その後、ビンには、その間隔を表す値が割り当てられる。実施形態では、ビンの代表値は、該ビン内に含まれるフローサイトメータデータの平均値である。したがって、実施形態では、二次元散布図の定義された領域内の個々のデータ点は、ビンに照合され、そのビンは、その中に含まれるデータ点の数を反映する代表値に関連付けられる。

一部の実施形態では、プロセッサは、パラメータに対するデータのステータスに従って、フローサイトメータデータをビンに編成するように構成される。かかる実施形態では、所与のビンの代表値は、該パラメータについて検出された強度に関するビニングされたデータの平均値であってもよい。例えば、パラメータが蛍光パラメータである場合、特定のビンの代表値は、所与の蛍光色素から放出される蛍光の強度に関するそのビン内のデータの平均値であってもよい。実施形態では、データは、１つ以上の追加のパラメータに対するデータの状態に従ってビニングされる。かかる実施形態では、所与のビンの代表値は、各関連パラメータに関して評価された平均値の複合であってもよい。したがって、実施形態では、フローサイトメータデータをビンに組み合わせることは、２つ以上、３つ以上、４つ以上、５つ以上、１０個以上、１５個以上、および２０個以上を含むなど、１つ以上の追加パラメータに関してデータを評価することを含む。

フローサイトメータデータがビンに編成された後、プロセッサは、画像生成値を作成するように構成され得る。本明細書で考察されるように、画像生成値は、所与のビン内のデータ点濃度を定量化し、画像を生成するための基礎としての役割を果たす。特定の実施形態では、画像生成値を決定することは、二次元ビニングされたデータのヒストグラム（すなわち、各ビンに関連付けられた代表値のヒストグラム）を作成することを含む。かかる実施形態では、画像生成値を決定することはまた、ヒストグラムに基づいて累積分布関数を計算することを含む。累積分布関数は、その従来の意味で参照され、変数が特定の量以下である確率を決定する。このように、ヒストグラムから算出された累積分布関数に各ビンの代表値を代入して画像生成値を求める。一部の実施形態では、画像生成値は０～１の範囲である。他の実施形態では、画像生成値は、０からユーザによって選択された任意の数までの範囲であってもよい。実施形態では、より高い画像生成値は、関連するビンがより多くのデータ点に関連付けられていることを示し、より低い画像生成値は、関連するビンがより少ないデータ点に関連付けられていることを示す。

画像生成値の決定に続いて、プロセッサは、そのビンに対応する画像生成値に基づいて、各ビンに陰影を割り当てるように構成され得る。本明細書で説明される「陰影」は、所与のビンが結果として得られる画像において表される明るさまたは暗さを指す。一部の実施形態では、ビンにはグレーの陰影が割り当てられる。かかる実施形態では、結果として得られる画像はグレースケール画像である。他の実施形態では、ビンには非グレー色の陰影が割り当てられる。かかる実施形態では、結果として得られる画像はカラー画像である。ビンに結合されたデータが複数のパラメータに関して評価される実施形態では、かかるビンから生成された画像は多色であり得る。かかる実施形態では、異なる色が、各別個のパラメータに関連付けられ得る。一部の実施形態では、より高い画像生成値に関連付けられたビンにはより明るい色が割り当てられ、より低い画像生成値に関連付けられたビンにはより暗い色が割り当てられる。本発明の特定の実施形態は、画像生成閾値も含む。かかる実施形態では、閾値未満の画像生成値に関連付けられたすべてのビンに黒色が割り当てられる。一部の実施形態では、閾値は調整可能である（すなわち、ユーザによって複数の異なるオプションから選択される）。したがって、選択された閾値の大きさに基づいて、より多くのまたはより少ない画像が黒色に割り当てられてもよい。

プロセッサは、フローサイトメータデータの第１のセットの生成された画像から訓練ゲートを調整して、フローサイトメータデータの第２のセットの生成された画像を適応させるようにさらに構成され得る。フローサイトメータデータの第２のセットを「適応させる」ように訓練ゲートを調整することによって、調整された訓練ゲートが、フローサイトメータデータの第１のセットと比較してフローサイトメータデータの第２のセットに存在する集団形態の差を説明するように、訓練ゲートの形状を変更することを意味する。特定の実施形態では、訓練ゲートの調整は、訓練ゲートの構成頂点の各々を調整することを含む。実施形態では、プロセッサは、プロセッサ実装アルゴリズムを用いて訓練ゲートを調整する。かかる実施形態では、プロセッサ実装アルゴリズムは、フローサイトメータデータの第１のセットの生成された画像から取得された訓練ゲートの頂点を調整して、フローサイトメータデータの第２のセットの生成された画像に適合するように構成される。本開示の実施形態によれば、プロセッサ実装アルゴリズムは、画像位置合わせアルゴリズムである。画像位置合わせアルゴリズムは、画像から受信したデータを統合し変換する。したがって、本明細書に記載される画像位置合わせアルゴリズムは、フローサイトメータデータの第１のセットの生成された画像を分析し、フローサイトメータデータの第２のセットの生成された画像を分析し、それらの分析に基づいてフローサイトメータデータの第１のセットからの訓練ゲートをワープして、フローサイトメータデータの第２のセットに適合させる。

実施形態では、フローサイトメータデータの第２のセットに適合するように訓練ゲートをワープすることは、フローサイトメータデータの第１のセットの生成された画像全体をワープして、フローサイトメータデータの第２のセットの生成された画像に対する類似性を最大化することを含む。かかる実施形態では、フローサイトメータデータの第１のセットの生成された画像内の対象の集団は、該集団の輪郭がフローサイトメータデータの第２のセットの生成された画像内の類似集団の輪郭とほぼ同一であるように調整される（すなわち、ワープされる）。換言すれば、プロセッサ実装アルゴリズムは、フローサイトメータデータの第２のセットに似るようにフローサイトメータデータの第１のセットを変換／変形するように構成された数学的変形モデルを含み得る。フローサイトメータデータの第１のセットの生成された画像がワープされた後、その中に含まれる訓練ゲートは、対応してワープされ得る。一部の実施形態では、訓練ゲートが調整される前に、訓練ゲートは最初に（すなわち、訓練ゲートが画像内の唯一の要素であるように）ブランク画像に課される。換言すれば、訓練ゲートは、フローサイトメータデータの第１のセットの生成された画像の残りから分離され、別個の画像に課され得る。

一部の実施形態では、フローサイトメータデータの第１のセットの生成された画像をワープするように構成された画像位置合わせアルゴリズムは、Ｂスプラインワーピングを含む。実施形態では、Ｂスプラインワーピングは、Ｂスプライン係数を計算することを含み、Ｂスプライン係数は、次いで、訓練ゲートを調整するための関数を定義するために使用される。換言すれば、画像位置合わせアルゴリズムは、フローサイトメータデータの第１のセットの生成された画像をワープし、フローサイトメータデータの第１のセットの生成された画像がどのようにワープされたかを数値的に記述するＢスプライン係数を出力する。次いで、これらの係数は、フローサイトメータデータの第１のセットと第２のセットとの間の差異を説明する調整された訓練ゲートが生成されるように、訓練ゲートの頂点を更新するための基礎として役立つ。次いで、更新された（すなわち、調整された）頂点は、その上に調整されたゲートを形成するために、フローサイトメータデータの第２のセットの生成された画像に適用され得る。

訓練ゲートの調整に続いて、本発明の態様は、調整された訓練ゲートをフローサイトメータデータの第２のセット上にオーバーレイすることを含む。かかる実施形態では、ブランク画像内の調整された訓練ゲートの頂点は、フローサイトメータデータの第２のセットの生成された画像内の対応する集団に適用されて、その集団の周囲にゲートを形成する。一部の実施形態では、調整された訓練ゲートを作成するために訓練ゲートの頂点を調整することは、訓練ゲートから頂点を抽出すること（すなわち、各頂点の位置を分離および観察すること）と、Ｂスプライン係数（例えば、上記で決定されるような）に基づいて各頂点の位置を変更することと、調整された訓練ゲートを形成するために、フローサイトメータデータの第２のセットの生成された画像に調整された頂点を適用することとを含む。他の実施形態では、プロセッサ実装アルゴリズムは、各頂点の位置を観察する前に訓練ゲートをワープしてもよい。かかる実施形態では、プロセッサ実装アルゴリズムは、画像位置合わせアルゴリズム（例えば、上記で考察されるように）によって訓練ゲートを調整し、次いで、調整された頂点は、観察され、フローサイトメータデータの第２のセットの生成された画像に適用されてもよい。

一部の実施形態では、フローサイトメータデータの第２のセット上にオーバーレイされた調整された訓練ゲートは、元の訓練ゲートとは異なる形状を有し、すなわち、フローサイトメータデータの第２のセット内の関連する集団の形状に適応する。一部の例では、フローサイトメータデータの第２のセット内の関連する集団は、フローサイトメータデータの第１のセットにおける集団と比較した場合に、一部の領域において伸長され、縮小され、またはシフトされる。したがって、一部の例では、調整された訓練ゲートは、これらの差に適応するように成形される。一部の例では、調整された訓練ゲートは多角形である。

図７は、本発明の例示的な実施形態によるフローサイトメトリのためのシステム７００を示している。システム７００は、フローサイトメータ７１０、コントローラ／プロセッサ７９０、およびメモリ７９５を含む。フローサイトメータ７１０は、１つ以上の励起レーザ７１５ａ～７１５ｃ、集束レンズ７２０、フローチャンバ７２５、前方散乱検出器７３０、側方散乱検出器７３５、蛍光収集レンズ７４０、１つ以上のビームスプリッタ７４５ａ～７４５ｇ、１つ以上のバンドパスフィルタ７５０ａ～７５０ｅ、１つ以上のロングパス（「ＬＰ」）フィルタ７５５ａ～７５５ｂ、および１つ以上の蛍光検出器７６０ａ～７６０ｆを含む。

励起レーザ７１５ａ～ｃは、レーザビームの形態で光を放出する。励起レーザ７１５ａ～７１５ｃから放出されるレーザビームの波長は、図７の例示的なシステムにおいて、それぞれ４８８ｎｍ、６３３ｎｍ、および３２５ｎｍである。レーザビームは、最初に、ビームスプリッタ７４５ａおよび７４５ｂのうちの１つ以上のものを通して指向される。ビームスプリッタ７４５ａは、４８８ｎｍの光を透過し、６３３ｎｍの光を反射する。ビームスプリッタ７４５ｂは、ＵＶ光（１０～４００ｎｍの範囲の波長を有する光）を透過し、４８８ｎｍおよび６３３ｎｍの光を反射する。

次に、レーザビームは、集束レンズ７２０に指向され、集束レンズは、フローチャンバ７２５内で、サンプルの粒子が位置する流体流の部分にビームを集束させる。フローチャンバは、流体工学システムの一部であり、流体工学システムは、粒子を、典型的には一度に１つずつ、照会のために集束されたレーザビームにストリーム中で指向させる。フローチャンバは、ベンチトップサイトメータ内のフローセルまたはストリームインエアサイトメータ内のノズルチップを含み得る。

レーザビームからの光は、回折、屈折、反射、散乱、および吸収によってサンプル中の粒子と相互作用し、粒子のサイズ、内部構造、および粒子に付着した、または粒子上もしくは粒子内に自然に存在する１つ以上の蛍光分子の存在などの粒子の特性に応じて、種々の異なる波長で再放出する。蛍光発光ならびに回折光、屈折光、反射光、および散乱光は、ビームスプリッタ７４５ａ～７４５ｇ、バンドパスフィルタ７５０ａ～７５０ｅ、ロングパスフィルタ７５５ａ～７５５ｂ、および蛍光収集レンズ７４０のうちの１つ以上を通して、前方散乱検出器７３０、側方散乱検出器７３５、および１つ以上の蛍光検出器７６０ａ～７６０ｆのうちの１つ以上に送られ得る。

蛍光収集レンズ７４０は、粒子－レーザビーム相互作用から放出された光を収集し、その光を１つ以上のビームスプリッタおよびフィルタに向かって送る。バンドパスフィルタ７５０ａ～７５０ｅなどのバンドパスフィルタは、狭い範囲の波長がフィルタを通過することを可能にする。例えば、バンドパスフィルタ７５０ａは５１０／２０フィルタである。第１の数は、スペクトル帯域の中心を表す。第２の数は、スペクトル帯域の範囲を提供する。したがって、５１０／２０フィルタは、スペクトル帯域の中心の各側に１０ｎｍ、すなわち５００ｎｍから５２０ｎｍまで延在する。ショートパスフィルタは、特定の波長以下の波長の光を透過する。ロングパスフィルタ７５５ａ～７５５ｂなどのロングパスフィルタは、指定された光の波長以上の光の波長を透過させる。例えば、６７０ｎｍロングパスフィルタであるロングパスフィルタ７５５ａは、６７０ｎｍ以上の光を透過させる。フィルタは、特定の蛍光染料に対する検出器の特異性を最適化するように選択されることが多い。フィルタは、検出器に透過される光のスペクトル帯域が蛍光染料の発光ピークに近くなるように構成することができる。

ビームスプリッタは、異なる波長の光を異なる方向に指向させる。ビームスプリッタは、ショートパスおよびロングパスなどのフィルタ特性によって特徴付けることができる。例えば、ビームスプリッタ７０５ｇは６２０ＳＰビームスプリッタであり、これは、ビームスプリッタ７４５ｇが、６２０ｎｍ以下の波長の光を透過し、６２０ｎｍより長い波長の光を異なる方向に反射することを意味する。一実施形態では、ビームスプリッタ７４５ａ～７４５ｇは、ダイクロイックミラーなどの光学ミラーを備えることができる。

前方散乱検出器７３０は、フローセルを通る直接ビームから軸外に位置決めされ、回折光、すなわち、主に順方向に粒子を通して、またはその周囲を進行する励起光を検出するように構成される。前方散乱検出器によって検出される光の強度は、粒子の全体的なサイズに依存する。前方散乱検出器は、フォトダイオードを含み得る。側方散乱検出器７３５は、粒子の表面および内部構造から屈折および反射された光を検出するように構成され、構造の粒子複雑性の増加とともに増加する傾向がある。粒子に関連付けられた蛍光分子からの蛍光発光は、１つ以上の蛍光検出器７６０ａ～７６０ｆによって検出され得る。側方散乱検出器７３５および蛍光検出器は、光電子増倍管を含み得る。前方散乱検出器７３０、側方散乱検出器７３５および蛍光検出器で検出された信号は、検出器によって電子信号（電圧）に変換することができる。このデータは、サンプルに関する情報を提供することができる。

動作中、サイトメータ動作は、コントローラ／プロセッサ７９０によって制御され、検出器からの測定データは、メモリ７９５に記憶され、コントローラ／プロセッサ７９０によって処理され得る。明示的に示されていないが、コントローラ／プロセッサ７９０は、検出器に結合されて、そこから出力信号を受信し、また、フローサイトメータ７００の電気および電気機械構成要素に結合されて、レーザ、流体流動パラメータなどを制御してもよい。入力／出力（Ｉ／Ｏ）機能７９７もシステム内に提供され得る。メモリ７９５、コントローラ／プロセッサ７９０、およびＩ／Ｏ７９７は、フローサイトメータ７１０の一体部分として完全に提供され得る。かかる実施形態では、ディスプレイはまた、実験データをサイトメータ７００のユーザに提示するためのＩ／Ｏ機能７９７の一部を形成してもよい。代替的に、メモリ７９５およびコントローラ／プロセッサ７９０およびＩ／Ｏ機能の一部または全部は、汎用コンピュータなどの１つ以上の外部デバイスの一部であってもよい。一部の実施形態では、メモリ７９５およびコントローラ／プロセッサ７９０の一部または全部は、サイトメータ７１０と無線通信または有線通信することができる。コントローラ／プロセッサ７９０は、メモリ７９５およびＩ／Ｏ７９７と併せて、フローサイトメータ実験の準備および分析に関連する種々の機能を行うように構成され得る。

図７に示されるシステムは、フローセル７２５から各検出器へのビーム経路内のフィルタおよび／またはスプリッタの構成によって画定される、６つの異なる波長帯域（本明細書では、所与の検出器のための「フィルタ窓」と称され得る）内の蛍光を検出する６つの異なる検出器を含む。フローサイトメータ実験に使用される異なる蛍光分子は、それら自体の特徴的な波長帯の光を放出する。実験のために使用される特定の蛍光標識およびそれらの関連する蛍光発光帯は、検出器のフィルタ窓と概して一致するように選択され得る。しかしながら、より多くの検出器が提供され、より多くの標識が利用されるので、フィルタ窓と蛍光発光スペクトルとの間の完全な対応は不可能である。特定の蛍光分子の発光スペクトルのピークは、１つの特定の検出器のフィルタウィンドウ内に存在し得るが、概して、その標識の発光スペクトルの一部はまた、１つ以上の他の検出器のフィルタウィンドウと重複するという事実がある。これはスピルオーバと称されることがある。Ｉ／Ｏ７９７は、蛍光標識のパネルおよび複数のマーカを有する複数の細胞集団を有するフローサイトメータ実験に関するデータを受信するように構成することができ、各細胞集団は複数のマーカのサブセットを有する。Ｉ／Ｏ７９７はまた、１つ以上のマーカを１つ以上の細胞集団に割り当てる生体データ、マーカ密度データ、発光スペクトルデータ、標識を１つ以上のマーカに割り当てるデータ、およびサイトメータ構成データを受信するように構成され得る。フローサイトメータ実験データ（例えば、標識スペクトル特性およびフローサイトメータ構成データ）もまた、メモリ７９５に記憶され得る。コントローラ／プロセッサ７９０は、マーカへのラベルの１つ以上の割り当てを評価するように構成され得る。

当業者は、本発明の実施形態に従うフローサイトメータが、図７に示されるフローサイトメータに限定されず、当技術分野で既知の任意のフローサイトメータを含み得ることを認識する。例えば、フローサイトメータは、任意の数のレーザ、ビームスプリッタ、フィルタ、および検出器を、種々の波長および種々の異なる構成で有し得る。

図８は、データを分析し表示するためのプロセッサ８００の一例の機能ブロック図を示している。プロセッサ８００は、生体事象のグラフィック表示を制御するための種々のプロセスを実装するように構成され得る。フローサイトメータ８０２は、（例えば、上述したように）生体サンプルを分析することによってフローサイトメータデータを取得するように構成することができる。フローサイトメータ８０２は、生体事象データをプロセッサ８００に提供するように構成することができる。データ通信チャネルは、フローサイトメータ８０２とプロセッサ８００との間に含まれ得る。データは、データ通信チャネルを介してプロセッサ８００に提供することができる。プロセッサ８００は、プロット（例えば、上記で説明されるような）を含むグラフィカル表示をディスプレイ８０６に提供するように構成され得る。プロセッサ８００は、例えば、プロット上にオーバーレイされた、表示デバイス８０６によって示されるフローサイトメータデータの集団の周りにゲートをレンダリングするようにさらに構成され得る。一部の実施形態では、ゲートは、単一パラメータヒストグラムまたは二変量プロット上に描かれた１つ以上のグラフィカル関心領域の論理的組み合わせであり得る。一部の実施形態では、ディスプレイは、分析物パラメータまたは飽和検出器データを表示するために使用され得る。

プロセッサ８００はさらに、ゲート外のフローサイトメータデータ内の他の事象とは異なって、ゲート内の表示デバイス８０６上にフローサイトメータデータを表示するように構成され得る。例えば、プロセッサ８００は、ゲート内に含まれるフローサイトメータデータの色を、ゲート外のフローサイトメータデータの色とは異なるようにレンダリングするように構成することができる。このようにして、プロセッサ８００は、データの各一意の集団を表すために異なる色をレンダリングするように構成され得る。表示デバイス８０６は、モニタ、タブレットコンピュータ、スマートフォン、またはグラフィカルインターフェースを提示するように構成された他の電子デバイスとして実装され得る。

プロセッサ８００は、第１の入力デバイスからゲートを識別するゲート選択信号を受信するように構成することができる。例えば、第１の入力デバイスは、マウス８１０として実装することができる。マウス８１０は、プロセッサ８００へのゲート選択信号を開始して、（例えば、カーソルがそこに位置決めされたときに所望のゲート上またはゲート内をクリックすることによって）表示デバイス８０６を介して表示または操作される集団を識別することができる。一部の実装形態では、第１のデバイスは、キーボード８０８、またはタッチスクリーン、スタイラス、光検出器、もしくは音声認識システムなど、プロセッサ８００に入力信号を提供するための他の手段として実装され得る。一部の入力デバイスは、複数の入力機能を含み得る。かかる実装形態では、入力機能は各々、入力デバイスとみなされ得る。例えば、図８に示されるように、マウス８１０は、右マウスボタンおよび左マウスボタンを含むことができ、それらの各々は、トリガ事象を生成することができる。

トリガ事象は、プロセッサ８００に、フローサイトメータデータが表示される様式を変更させ、データのどの部分が実際に表示デバイス８０６上に表示されるか、および／または分析のための対象集団の選択などのさらなる処理に入力を提供させることができる。

一部の実施形態では、プロセッサ８００は、ゲート選択がマウス８１０によって開始されたときを検出するように構成することができる。プロセッサ８００は、ゲーティングプロセスを容易にするためにプロット視覚化を自動的に修正するようにさらに構成され得る。修正は、プロセッサ８００によって受信されたデータの特定の分布に基づき得る。

プロセッサ８００は、ストレージデバイス８０４に接続することができる。ストレージデバイス８０４は、プロセッサ８００からデータを受信して記憶するように構成することができる。ストレージデバイス８０４は、プロセッサ８００によるフローサイトメータデータなどのデータの検索を可能にするようにさらに構成され得る。

表示デバイス８０６は、プロセッサ８００から表示データを受信するように構成され得る。表示データは、フローサイトメータデータのプロットおよびプロットのセクションの輪郭を描くゲートを含み得る。表示デバイス８０６は、装置８０２、ストレージデバイス８０４、キーボード８０８、および／またはマウス８１０からの入力と併せてプロセッサ８００から受信された入力に従って提示される情報を変更するようにさらに構成され得る。

一部の実装形態では、プロセッサ８００は、ソートのための例示的な事象を受信するためのユーザインターフェースを生成することができる。例えば、ユーザインターフェースは、例示的な事象または例示的な画像を受信するためのコントロールを含み得る。例示的な事象もしくは画像または例示的なゲートは、サンプルについての事象データの収集の前に、またはサンプルの一部についての事象の初期セットに基づいて提供され得る。

コンピュータ制御システム
本開示の態様は、コンピュータ制御システムをさらに含み、システムは、完全自動化または部分自動化のための１つ以上のコンピュータをさらに含む。一部の実施形態では、システムは、コンピュータプログラムが記憶されたコンピュータ可読記憶媒体を有するコンピュータを含み、コンピュータプログラムは、コンピュータにロードされると、訓練ゲートを含むフローサイトメータデータの第１のセットおよびフローサイトメータデータの第２のセットを取得し、データを二次元ビンに編成し、二次元ビニングデータに基づいてヒストグラムおよび累積分布関数を作成し、累積分布関数に基づいて画像生成値を決定し、対応する画像生成値に基づいて各ビンに陰影を割り当て、フローサイトメータデータの第１のセットの生成された画像をワープしてフローサイトメータデータの第２のセットの生成された画像との類似性を最大化し、フローサイトメータデータの第１のセットの生成された画像をワープすることからＢスプライン係数を使用して訓練ゲートを調整し、フローサイトメータデータの第２のセットの生成された画像上に訓練ゲートをオーバーレイすることによって、フローサイトメータデータの第１および第２のセットの各々について画像を生成するための命令を含み得る。

実施形態では、システムは、ＦｌｏｗＪｏ（登録商標）（Ａｓｈｌａｎｄ，ＯＲ）などのフローサイトメータデータまたは核酸配列データを分析するためのソフトウェアまたは分析ツール内でデータを分析するように構成される。ＦｌｏｗＪｏ（登録商標）は、フローサイトメータデータを分析するためにＦｌｏｗＪｏ ＬＬＣ（Ｂｅｃｔｏｎ Ｄｉｃｋｉｎｓｏｎの子会社）によって開発されたソフトウェアパッケージである。ソフトウェアは、フローサイトメータデータを管理し、それに関するグラフィカルレポートを作成するように構成される（ｈｔｔｐｓ：／／ｗｗｗ（ｄｏｔ）ｆｌｏｗｊｏ（ｄｏｔ）ｃｏｍ／ｌｅａｒｎ／ｆｌｏｗｊｏ－ｕｎｉｖｅｒｓｉｔｙ／ｆｌｏｗｊｏ）。初期データは、データ分析ソフトウェアまたはツール（例えば、ＦｌｏｗＪｏ（登録商標））内で、手動ゲーティング、クラスタ分析、または他のコンピュータ技術などの適切な手段によって分析することができる。本システムまたはその一部は、ＦｌｏｗＪｏ（登録商標）などのデータを分析するためのソフトウェアのソフトウェア構成要素として実装することができる。これらの実施形態では、本開示によるコンピュータ制御システムは、ＦｌｏｗＪｏ（登録商標）などの既存のソフトウェアパッケージのためのソフトウェア「プラグイン」として機能することができる。

実施形態では、システムは、入力モジュール、処理モジュール、および出力モジュールを含む。主題のシステムは、ハードウェア構成要素およびソフトウェア構成要素の両方を含むことができ、ハードウェア構成要素は、１つ以上のプラットフォームの形態、例えば、サーバの形態をとることができ、それにより、機能要素、すなわち、システムの特定のタスク（情報の入出力の管理、情報の処理など）を実行するシステムの要素は、システムで表される１つ以上のコンピュータプラットフォーム上で、およびそれにわたってソフトウェアアプリケーションを実行することによって実行することができる。

システムは、ディスプレイと、オペレータ入力デバイスとを含み得る。オペレータ入力デバイスは、例えば、キーボード、マウスなどであってもよい。処理モジュールは、主題の方法のステップを実行するために記憶された命令を有するメモリにアクセスするプロセッサを含む。処理モジュールは、オペレーティングシステム、グラフィカルユーザインターフェース（ＧＵＩ）コントローラ、システムメモリ、メモリ記憶デバイス、および入出力コントローラ、キャッシュメモリ、データバックアップユニット、ならびに多くの他のデバイスを含み得る。プロセッサは、市販のプロセッサであってもよいし、利用可能であるかまたは利用可能になる他のプロセッサのうちの１つであってもよい。プロセッサは、オペレーティングシステムを実行し、オペレーティングシステムは、周知の様式でファームウェアおよびハードウェアとインターフェースし、当技術分野で既知のように、Ｊａｖａ、Ｐｅｒｌ、Ｃ＋＋、他の高レベルまたは低レベル言語、ならびにそれらの組み合わせなどの様々なプログラミング言語で書かれ得る様々なコンピュータプログラムの機能をプロセッサが協調することと、実行することとを容易にする。オペレーティングシステムは、通常、プロセッサと協調して、コンピュータの他の構成要素の機能を調整し、実行する。オペレーティングシステムはまた、すべて既知の技術に従って、スケジューリング、入出力制御、ファイルおよびデータ管理、メモリ管理、ならびに通信制御および関連サービスを提供する。プロセッサは、任意の好適なアナログまたはデジタルシステムであり得る。一部の実施形態では、プロセッサは、ユーザが第１および第２の光信号に基づいて光源をフローストリームと手動で整列させることを可能にするアナログ電子機器を含む。一部の実施形態では、プロセッサは、例えば、負帰還制御などのフィードバック制御を提供するアナログ電子機器を含む。

システムメモリは、様々な既知または将来のメモリ記憶デバイスのいずれかであり得る。例としては、任意の一般的に入手可能なランダムアクセスメモリ（ＲＡＭ）、常駐ハードディスクもしくはテープなどの磁気媒体、リードライトコンパクトディスクなどの光学媒体、フラッシュメモリデバイス、または他のメモリ記憶デバイスが挙げられる。メモリ記憶デバイスは、コンパクトディスクドライブ、テープドライブ、リムーバブルハードディスクドライブ、またはディスクドライブを含む、様々な既知または将来のデバイスのいずれかであり得る。かかるタイプのメモリ記憶デバイスは、通常、それぞれ、コンパクトディスク、磁気テープ、リムーバブルハードディスク、またはフロッピーディスクなどのプログラム記憶媒体（図示せず）から読み出し、および／またはプログラム記憶媒体に書き込む。これらのプログラム記憶媒体のいずれか、または現在使用されている、もしくは後に開発され得る他のものは、コンピュータプログラム製品とみなされ得る。理解されるように、これらのプログラム記憶媒体は、通常、コンピュータソフトウェアプログラムおよび／またはデータを記憶する。コンピュータ制御ロジックとも称されるコンピュータソフトウェアプログラムは、通常、システムメモリ、および／またはメモリ記憶デバイスと併せて使用されるプログラム記憶デバイスに記憶される。

一部の実施形態では、コンピュータプログラム製品は、記憶された制御ロジック（プログラムコードを含むコンピュータソフトウェアプログラム）を有するコンピュータ使用可能媒体を備えて記載される。制御ロジックは、プロセッサによって実行されるとコンピュータ、プロセッサに、本明細書に記載された機能を実行させる。他の実施形態では、一部の機能は、例えば、ハードウェアステートマシンを使用して、主にハードウェア内に実装される。本明細書に記載される機能を実行するためのハードウェアステートマシンの実装形態は、関連技術分野の当業者には明らかである。

メモリは、磁気、光学、またはソリッドステート記憶デバイス（磁気もしくは光学ディスク、またはテープ、またはＲＡＭ、または固定型もしくは携帯型のいずれかの任意の他の好適なデバイスを含む）などの、プロセッサがデータを記憶し、取り出すことができる任意の好適なデバイスであり得る。プロセッサは、必要なプログラムコードを担持するコンピュータ可読媒体から好適にプログラムされた汎用デジタルマイクロプロセッサを含み得る。プログラミングは、通信チャネルを介してプロセッサにリモートで提供され得るか、またはメモリまたは何らかの他の携帯型もしくは固定型のコンピュータ可読記憶媒体などのコンピュータプログラム製品に、メモリと一緒にそれらのデバイスのいずれかを使用して、あらかじめ保存され得る。例えば、磁気ディスクまたは光学ディスクは、プログラミングを担持し得、ディスクライタ／リーダによって読み取ることができる。本発明のシステムは、例えば、コンピュータプログラム製品の形態のプログラミング、上記の方法を実施する際に使用するためのアルゴリズムも含む。本発明によるプログラミングは、コンピュータ可読媒体、例えば、コンピュータによって直接読み取りおよびアクセスすることができる任意の媒体に記録され得る。かかる媒体としては、以下に限定されないが、フロッピーディスク、ハードディスク記憶媒体、および磁気テープなどの磁気記憶媒体、ＣＤ－ＲＯＭなどの光学記憶媒体、ＲＡＭおよびＲＯＭなどの電気記憶媒体、ポータブルフラッシュドライブ、ならびに磁気／光学記憶媒体などのこれらのカテゴリのハイブリッドが挙げられる。

プロセッサはまた、リモート位置でユーザと通信するための通信チャネルへのアクセスを有し得る。リモート位置とは、ユーザがシステムと直接接触せず、広域ネットワーク（「ＷＡＮ」）、電話ネットワーク、衛星ネットワーク、または携帯電話（すなわち、スマートフォン）を含む任意の他の好適な通信チャネルに接続されたコンピュータなどの外部デバイスから入力情報を入力マネージャに中継することを意味する。

一部の実施形態では、本開示によるシステムは、通信インターフェースを含むように構成され得る。一部の実施形態では、通信インターフェースは、ネットワークおよび／または別のデバイスと通信するための受信機および／または送信機を含む。通信インターフェースは、無線周波数（ＲＦ）通信（例えば、無線周波数特定（ＲＦＩＤ）、ジグビー通信プロトコル、ＷｉＦｉ、赤外線、無線ユニバーサルシリアルバス（ＵＳＢ）、超広帯域（ＵＷＢ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）通信プロトコル、および符号分割多元接続（ＣＤＭＡ）またはモバイル通信のためのグローバルシステム（ＧＳＭ）などのセルラー通信を含むが、これらに限定されない、有線または無線通信のために構成され得る。

一実施形態では、通信インターフェースは、主題のシステムと、同様の補完的データ通信のために構成される（例えば、診療所または病院環境における）コンピュータ端末などの他の外部デバイスとの間のデータ通信を可能にするために、例えば、ＵＳＢポート、ＲＳ－２３２ポート、または任意の他の好適な電気接続ポートなどの物理ポートまたはインターフェースなど、１つ以上の通信ポートを含むように構成される。

一実施形態では、通信インターフェースは、赤外線通信、Ｂｌｕｅｔｏｏｔｈ（登録商標）通信、または任意の他の好適な無線通信プロトコルのために構成されて、主題のシステムが、コンピュータ端末および／またはネットワーク、通信可能な携帯電話、パーソナルデジタルアシスタント、またはユーザが併せて使用し得る任意の他の通信デバイスなど、他のデバイスと通信することを可能にする。

一実施形態では、通信インターフェースは、携帯電話ネットワーク、ショートメッセージサービス（ＳＭＳ）、インターネットに接続されるローカルエリアネットワーク（ＬＡＮ）上のパーソナルコンピュータ（ＰＣ）への無線接続、またはＷｉＦｉホットスポットでのインターネットへのＷｉＦｉ接続を介して、インターネットプロトコル（ＩＰ）を利用するデータ転送のための接続を提供するように構成される。

一実施形態では、主題のシステムは、例えば８０２．１１もしくはＢｌｕｅｔｏｏｔｈ（登録商標）ＲＦプロトコル、またはＩｒＤＡ赤外線プロトコルなどの共通標準を使用して、通信インターフェースを介してサーバデバイスと無線で通信するように構成される。サーバデバイスは、スマートフォン、パーソナルデジタルアシスタント（ＰＤＡ）もしくはノートブックコンピュータなどの別のポータブルデバイス、またはデスクトップコンピュータ、アプライアンスなどのより大きなデバイスであってもよい。一部の実施形態では、サーバデバイスは、液晶ディスプレイ（ＬＣＤ）などのディスプレイ、ならびにボタン、キーボード、マウス、またはタッチスクリーンなどの入力デバイスを有する。

一部の実施形態では、通信インターフェースは、上述の通信プロトコルおよび／または機構のうちの１つ以上を使用して、ネットワークまたはサーバデバイスと、主題のシステム、例えば、任意のデータ記憶ユニットに記憶されたデータを自動的にまたは半自動で通信するように構成される。

出力コントローラは、人間であろうと機械であろうと、ローカルであろうとリモートであろうと、ユーザに情報を提示するための様々な既知の表示デバイスのいずれかのためのコントローラを含み得る。表示デバイスのうちの１つが視覚情報を提供する場合、この情報は、通常、ピクチャ要素のアレイとして論理的および／または物理的に編成され得る。グラフィカルユーザインターフェース（ＧＵＩ）コントローラは、システムとユーザとの間にグラフィカル入力および出力インターフェースを提供するための、およびユーザ入力を処理するための様々な既知または将来のソフトウェアプログラムのいずれかを含み得る。コンピュータの機能要素は、システムバスを介して互いに通信し得る。これらの通信のいくつかは、ネットワークまたは他のタイプのリモート通信を使用して、代替の実施形態で達成され得る。出力マネージャはまた、既知の技術に従って、例えば、インターネット、電話、または衛星ネットワークを介して、リモート位置でユーザに、処理モジュールによって生成された情報を提供し得る。出力マネージャによるデータの提示は、様々な既知の技術に従って実装され得る。一部の例として、データは、ＳＱＬ、ＨＴＭＬ、もしくはＸＭＬドキュメント、電子メールもしくは他のファイル、または他の形態のデータを含み得る。データは、ユーザが追加のＳＱＬ、ＨＴＭＬ、ＸＭＬ、または他のドキュメントもしくはデータをリモートソースから取り出すことができるように、インターネットＵＲＬアドレスを含み得る。主題のシステム内に存在する１つ以上のプラットフォームは、通常、一般的にサーバと称されるコンピュータのクラスのものであるが、任意のタイプの既知のコンピュータプラットフォームまたは将来開発されるタイプであってもよい。また一方、それらは、メインフレームコンピュータ、ワークステーション、または他のコンピュータタイプであってもよい。それらは、任意の既知または将来のタイプのケーブル配線、またはネットワーク化された、もしくはされていない無線システムを含む、他の通信システムを介して接続され得る。それらは、同一場所に配置され得るか、または物理的に分離され得る。場合により、選択されたコンピュータプラットフォームのタイプおよび／または構成に応じて、様々なオペレーティングシステムが、コンピュータプラットフォームのいずれかで用いられ得る。適切なオペレーティングシステムには、Ｗｉｎｄｏｗｓ ＮＴ、Ｗｉｎｄｏｗｓ ＸＰ、Ｗｉｎｄｏｗｓ ７、Ｗｉｎｄｏｗｓ ８、ｉＯＳ、Ｓｕｎ Ｓｏｌａｒｉｓ、Ｌｉｎｕｘ（登録商標）、ＯＳ／４００、Ｃｏｍｐａｑ Ｔｒｕ６４ Ｕｎｉｘ、ＳＧＩ ＩＲＩＸ、Ｓｉｅｍｅｎｓ Ｒｅｌｉａｎｔ Ｕｎｉｘなどが含まれる。

図９は、特定の実施形態による例示的なコンピューティングデバイス９００の一般的なアーキテクチャを示している。図９に示されるコンピューティングデバイス９００の一般的なアーキテクチャは、コンピュータハードウェアおよびソフトウェア構成要素の配置を含む。しかしながら、実施可能な開示を提供するために、これらの概して従来の要素のすべてを示す必要はない。図示されるように、コンピューティングデバイス９００は、処理ユニット９１０と、ネットワークインターフェース９２０と、コンピュータ可読媒体ドライブ９３０と、入力／出力デバイスインターフェース９４０と、ディスプレイ９５０と、入力デバイス９６０とを含み、これらはすべて、通信バスによって互いに通信することができるネットワークインターフェース９２０は、１つ以上のネットワークまたはコンピューティングシステムへの接続性を提供することができる。したがって、処理ユニット９１０は、ネットワークを介して他のコンピューティングシステムまたはサービスから情報および命令を受信することができる。処理ユニット９１０はまた、メモリ９７０と通信し、入力／出力デバイスインターフェース９４０を介して任意選択のディスプレイ９５０に出力情報をさらに提供することができる。例えば、分析システムの非一時的メモリに実行可能命令として記憶された分析ソフトウェア（例えば、ＦｌｏｗＪｏ（登録商標）などのデータ分析ソフトウェアまたはプログラム）は、フローサイトメトリ事象データをユーザに表示することができる。入力／出力デバイスインターフェース９４０はまた、キーボード、マウス、デジタルペン、マイクロフォン、タッチスクリーン、ジェスチャ認識システム、音声認識システム、ゲームパッド、加速度計、ジャイロスコープ、または他の入力デバイスなどの任意選択の入力デバイス９６０からの入力を受け入れることができる。

メモリ９７０は、１つ以上の実施形態を実装するために処理ユニット９１０が実行する（一部の実施形態ではモジュールまたは構成要素として群化される）コンピュータプログラム命令を含み得る。メモリ９７０は、概して、ＲＡＭ、ＲＯＭ、および／または他の永続的、補助的もしくは非一時的コンピュータ可読媒体を含む。メモリ９７０は、コンピューティングデバイス９００の一般的な管理および動作において処理ユニット９１０によって使用されるコンピュータプログラム命令を提供するオペレーティングシステム９７２を記憶することができる。データは、データストレージデバイス９９０に記憶されてもよい。メモリ９７０は、本開示の態様を実装するためのコンピュータプログラム命令および他の情報をさらに含み得る。

コンピュータ可読記憶媒体
本開示の態様は、主題の方法を実施するための命令を有する非一時的コンピュータ可読記憶媒体をさらに含む。コンピュータ可読記憶媒体は、本明細書に説明される方法を実践するためのシステムの完全自動化または部分自動化のために、１つ以上のコンピュータ上で採用されてもよい。一部の実施形態では、本明細書で説明される方法による命令は、「プログラミング」の形態でコンピュータ可読媒体上にコード化することができ、本明細書で使用される「コンピュータ可読媒体」という用語は、実行および処理のために命令およびデータをコンピュータに提供することに関与する任意の非一時的記憶媒体を指す。好適な非一時的記憶媒体の例は、フロッピーディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ、不揮発性メモリカード、ＲＯＭ、ＤＶＤ－ＲＯＭ、ブルーレイディスク、ソリッドステートディスク、およびネットワーク接続ストレージ（ＮＡＳ）を含み、かかるデバイスがコンピュータの内部にあるか外部にあるかを問わない。一部の例では、命令は集積回路デバイス上に提供され得る。対象の集積回路デバイスは、特定の例では、再構成可能なフィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、または複合プログラマブル論理デバイス（ＣＰＬＤ）を含み得る。情報を含むファイルは、コンピュータ可読媒体上に「保存」することができ、ここで、「保存」とは、コンピュータによって後日アクセス可能および検索可能であるように情報を記録することを意味する。本明細書で説明されるコンピュータ実装方法は、任意の数のコンピュータプログラミング言語のうちの１つ以上で記述することができるプログラミングを使用して実行することができる。かかる言語は、例えば、Ｊａｖａ（Ｓｕｎ Ｍｉｃｒｏｓｙｓｔｅｍｓ，Ｉｎｃ．、Ｓａｎｔａ Ｃｌａｒａ，ＣＡ）、Ｖｉｓｕａｌ Ｂａｓｉｃ（Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐ．、Ｒｅｄｍｏｎｄ，ＷＡ）、およびＣ＋＋（ＡＴ＆Ｔ Ｃｏｒｐ．、Ｂｅｄｍｉｎｓｔｅｒ，ＮＪ）、ならびに任意の多くの他の言語を含む。

一部の実施形態では、対象となるコンピュータ可読記憶媒体は、対象となるコンピュータ可読記憶媒体に記憶されたコンピュータプログラムを含み、コンピュータプログラムは、コンピュータにロードされると、訓練ゲートを含むフローサイトメータデータの第１のセットおよびフローサイトメータデータの第２のセットを取得し、データを二次元ビンに編成し、二次元ビニングデータに基づいてヒストグラムおよび累積分布関数を作成し、累積分布関数に基づいて画像生成値を決定し、対応する画像生成値に基づいて各ビンに陰影を割り当て、フローサイトメータデータの第１のセットの生成された画像をワープしてフローサイトメータデータの第２のセットの生成された画像との類似性を最大化し、フローサイトメータデータの第１のセットの生成された画像をワープすることからＢスプライン係数を使用して訓練ゲートを調整し、フローサイトメータデータの第２のセットの生成された画像上に訓練ゲートをオーバーレイすることによって、フローサイトメータデータの第１および第２のセットの各々について画像を生成するための命令を含み得る。

実施形態では、システムは、ＦｌｏｗＪｏ（登録商標）などのフローサイトメータデータまたは核酸配列データを分析するためのソフトウェアまたは分析ツール内でデータを分析するように構成される。初期データは、データ分析ソフトウェアまたはツール（例えば、ＦｌｏｗＪｏ（登録商標））内で、手動ゲーティング、クラスタ分析、または他のコンピュータ技術などの適切な手段によって分析することができる。本システムまたはその一部は、ＦｌｏｗＪｏ（登録商標）などのデータを分析するためのソフトウェアのソフトウェア構成要素として実装することができる。これらの実施形態では、本開示によるコンピュータ制御システムは、ＦｌｏｗＪｏ（登録商標）などの既存のソフトウェアパッケージのためのソフトウェア「プラグイン」として機能することができる。

コンピュータ可読記憶媒体は、ディスプレイおよびオペレータ入力デバイスを有する１または複数のコンピュータシステム上で使用することができる。オペレータ入力デバイスは、例えば、キーボード、マウスなどであってもよい。処理モジュールは、主題の方法のステップを実行するために記憶された命令を有するメモリにアクセスするプロセッサを含む。処理モジュールは、オペレーティングシステム、グラフィカルユーザインターフェース（ＧＵＩ）コントローラ、システムメモリ、メモリ記憶デバイス、および入出力コントローラ、キャッシュメモリ、データバックアップユニット、ならびに多くの他のデバイスを含み得る。プロセッサは、市販のプロセッサであってもよいし、利用可能であるかまたは利用可能になる他のプロセッサのうちの１つであってもよい。プロセッサは、オペレーティングシステムを実行し、オペレーティングシステムは、周知の様式でファームウェアおよびハードウェアとインターフェースし、当技術分野で既知のように、Ｊａｖａ、Ｐｅｒｌ、Ｃ＋＋、他の高レベルまたは低レベル言語、ならびにそれらの組み合わせなどの様々なプログラミング言語で書かれ得る様々なコンピュータプログラムの機能をプロセッサが協調することと、実行することとを容易にする。オペレーティングシステムはまた、すべて既知の技術に従って、スケジューリング、入出力制御、ファイルおよびデータ管理、メモリ管理、ならびに通信制御および関連サービスを提供する。

ユーティリティ
本発明の装置、方法およびコンピュータシステムは、フローサイトメータデータをゲート制御することが望ましい種々の用途に使用される。例えば、本開示は、フローサイトメータデータのセットからゲートを取得し、そのゲートをフローサイトメータデータの第２のセットに適合するように調整する際に使用される。したがって、本開示は、以前に特徴付けられたフローサイトメータデータのセットから取得された既存のゲートを適合させ、それを、まだゲーティングされていないフローサイトメータデータのセットに適用する際に使用を見出す。換言すれば、本開示は、フローサイトメータデータの１つのセットからの既存のゲートを、フローサイトメータデータの第２のセット内の同じ集団に適合させる際に、その集団がわずかに縮小、伸長、またはシフトした場合であっても、使用を見出す。したがって、本方法、システム、およびコンピュータ制御システムは、ユーザが手動でゲートを再描画すること、または新しいゲートを描画するためにその頂点を操作することを必要とせず、それによって、フローサイトメータデータ分析の効率を改善する。一部の実施形態では、主題の方法およびシステムは、完全に自動化されたプロトコルを提供し、その結果、データに対する調整は、あったとしても、ほとんど人間の入力を必要としない。

本開示は、多くのタイプの分析物、特に、患者をケアするための医療診断またはプロトコルに関連する分析物を特徴付けるために使用することができ、これには、タンパク質（遊離タンパク質、ならびに細胞などの構造の表面に結合したタンパク質およびタンパク質の両方を含む）、核酸、ウイルス粒子などが含まれるが、これらに限定されない。さらに、サンプルは、インビトロまたはインビボ供給源由来であり得、そしてサンプルは、診断用サンプルであり得る。

キット
本開示の態様はキットをさらに含み、キットは、フロッピーディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ、不揮発性メモリカード、ＲＯＭ、ＤＶＤ－ＲＯＭ、ブルーレイディスク、ソリッドステートディスク、およびネットワーク接続ストレージ（ＮＡＳ）などの記憶媒体を含む。これらのプログラム記憶媒体のいずれか、または現在使用されている、もしくは後に開発され得る他のものが、本キットに含まれてもよい。実施形態では、主題のキットまたはその一部に提供されるコンピュータ可読媒体に含まれる命令は、ＦｌｏｗＪｏ（登録商標）などのデータを分析するためのソフトウェアのソフトウェア構成要素として実装され得る。これらの実施形態では、本開示によるコンピュータ制御システムは、ＦｌｏｗＪｏ（登録商標）などの既存のソフトウェアパッケージのためのソフトウェア「プラグイン」として機能することができる。

上記の構成要素に加えて、主題のキットは、（一部の実施形態において）例えば、ＦｌｏｗＪｏ（登録商標）などの既存のソフトウェアパッケージにプラグインをインストールするための命令をさらに含み得る。これらの説明書は、様々な形態で主題のキット内に存在し得、そのうちの１つ以上が、キット内に存在し得る。これらの説明書が存在し得る１つの形態は、例えば、情報が印刷される１枚または複数枚の紙などの好適な媒体または基板上、キットのパッケージ中、添付文書などの中の印刷情報としてである。これらの説明書のさらに別の形態は、情報が記録されたコンピュータ可読媒体、例えば、ディスケット、コンパクトディスク（ＣＤ）、ポータブルフラッシュドライブなどである。存在し得る、これらの説明書のさらに別の形態は、隔たったサイトで情報にアクセスするために、インターネットを介して使用され得るウェブサイトアドレスである。

添付の特許請求の範囲にもかかわらず、本明細書に記載される開示は、以下の付記によっても定義される。
１．フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させる方法であって、本方法は、
フローサイトメータデータの第１および第２のセットを取得することであって、フローサイトメータデータの第１のセットは、頂点のセットによって定義される訓練ゲートを含む、取得することと、
フローサイトメータデータの取得された第１および第２のセットの各々について画像を生成することと、
プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの第１のセットの生成された画像から訓練ゲートを定義する頂点のセットを調整して、フローサイトメータデータの第２のセットの生成された画像を適応させることと
を含む、方法。
２．プロセッサ実装アルゴリズムは、フローサイトメータデータの第１のセットの生成された画像をワープして、フローサイトメータデータの第２のセットの生成された画像に対する類似度を最大化するように構成されている、付記１に記載の方法。
３．プロセッサ実装アルゴリズムは、数学的変形モデルを含む画像位置合わせアルゴリズムである、付記１または２に記載の方法。
４．画像位置合わせアルゴリズムは、Ｂスプラインワーピングをさらに含む、付記３に記載の方法。
５．Ｂスプラインワーピングは、フローサイトメータデータの第１のセットの生成された画像をワープしてフローサイトメータデータの第２のセットの生成された画像に対する類似度を最大化する関数を定義するＢスプライン係数を計算することを含む、付記４に記載の方法。

６．プロセッサ実装アルゴリズムは、Ｂスプライン係数によって定義される関数に基づいて訓練ゲートの頂点を調整するように構成されている、付記５に記載の方法。
７．訓練ゲートを調整することは、ブランク画像に訓練ゲートを課すことを含む、付記１～６のいずれか一つに記載の方法。
８．プロセッサ実装アルゴリズムは、ブランク画像に課される訓練ゲートを調整するように構成される、付記７に記載の方法。
９．ブランク画像からの調整されたゲートの頂点をフローサイトメータデータの第２のセットの生成された画像に適用することによって、調整された訓練ゲートをフローサイトメータデータの第２のセットにオーバーレイすることをさらに含む、付記８に記載の方法。
１０．フローサイトメータデータの第１および第２のセットの画像を生成することは、フローサイトメータデータの第１および第２のセットの各々を二次元ビンに編成することと、各ビンに陰影を割り当てることとを含む、付記１～９のいずれか一つに記載の方法。

１１．フローサイトメータデータの第１および第２のセットの画像を生成することは、各ビンに関連付けられたフローサイトメータデータの平均値の二次元ヒストグラムを作成することをさらに含み、フローサイトメータデータの平均値は、パラメータに対して評価される、付記１０に記載の方法。
１２．各ビンに関連付けられたフローサイトメータデータの平均値は、１つ以上のさらなるパラメータに対して評価される、付記１１に記載の方法。
１３．ヒストグラムに基づいて累積分布関数を計算することと、累積分布関数に基づいて各ビンに関連付けられた画像生成値を決定することとをさらに含む、付記１２に記載の方法。
１４．より大きい画像生成値に関連付けられたビンは、より明るい陰影を割り当てられ、より小さい画像生成値に関連付けられたビンは、より暗い陰影を割り当てられる、付記１３に記載の方法。
１５．閾値未満の画像生成値に関連付けられたビンは、黒色が割り当てられる、付記１３または１４に記載の方法。

１６．閾値は、調整可能である、付記１５に記載の方法。
１７．画像は、グレースケール画像である、付記１～１６のいずれか一つに記載の方法。
１８．画像は、カラー画像である、付記１～１６のいずれか一つに記載の方法。
１９．訓練ゲートは、ユーザによって描画される、付記１～１８のいずれか一つに記載の方法。
２０．調整された訓練ゲートは、訓練ゲートとは異なる形状を有する、付記１～１９のいずれか一つに記載の方法。

２１．システムであって、
頂点のセットによって定義される訓練ゲートを含むフローサイトメータデータの第１のセットを取得するように構成された入力モジュールと、
フローサイトメータデータの第２のセットを取得するように構成された粒子分析器構成要素と、
プロセッサであって、プロセッサに動作可能に結合されたメモリを備え、メモリは、メモリに記憶された命令を含み、命令は、プロセッサによって実行されると、プロセッサに、
フローサイトメータデータの取得された第１および第２のセットの各々について画像を生成することと、
プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの第１のセットの生成された画像から訓練ゲートを定義する頂点のセットを調整して、フローサイトメータデータの第２のセットの生成された画像を適応させることと
を行わせる、プロセッサと
を含む、システム。
２２．プロセッサ実装アルゴリズムは、フローサイトメータデータの第１のセットの生成された画像をワープして、フローサイトメータデータの第２のセットの生成された画像に対する類似度を最大化するように構成されている、付記２１に記載のシステム。
２３．プロセッサ実装アルゴリズムは、数学的変形モデルを含む画像位置合わせアルゴリズムである、付記２１または２２に記載のシステム。
２４．画像位置合わせアルゴリズムは、Ｂスプラインワーピングをさらに含む、付記２３に記載のシステム。
２５．Ｂスプラインワーピングは、フローサイトメータデータの第１のセットの生成された画像をワープしてフローサイトメータデータの第２のセットの生成された画像に対する類似度を最大化する関数を定義するＢスプライン係数を計算することを含む、付記２４に記載のシステム。

２６．プロセッサ実装アルゴリズムは、Ｂスプライン係数によって定義される関数に基づいて訓練ゲートの頂点を調整するように構成されている、付記２５に記載のシステム。
２７．訓練ゲートを調整することは、ブランク画像に訓練ゲートを課すことを含む、付記２１～２５のいずれか一つに記載のシステム。
２８．プロセッサ実装アルゴリズムは、ブランク画像に課される訓練ゲートを調整するように構成される、付記２７に記載のシステム。
２９．ブランク画像からの調整されたゲートの頂点をフローサイトメータデータの第２のセットの生成された画像に適用することによって、調整された訓練ゲートをフローサイトメータデータの第２のセットにオーバーレイすることをさらに含む、付記２８に記載のシステム。
３０．フローサイトメータデータの第１および第２のセットの画像を生成することは、フローサイトメータデータの第１および第２のセットの各々を二次元ビンに編成することと、各ビンに陰影を割り当てることとを含む、、付記２１～２９のいずれか一つに記載のシステム。

３１．フローサイトメータデータの第１および第２のセットの画像を生成することは、各ビンに関連付けられたフローサイトメータデータの平均値の二次元ヒストグラムを作成することをさらに含み、フローサイトメータデータの平均値は、パラメータに対して評価される、付記３０に記載のシステム。
３２．各ビンに関連付けられたフローサイトメータデータの平均値は、１つ以上のさらなるパラメータに対して評価される、付記３１に記載のシステム。
３３．ヒストグラムに基づいて累積分布関数を計算することと、累積分布関数に基づいて各ビンに関連付けられた画像生成値を決定することとをさらに含む、付記３２に記載のシステム。
３４．より大きい画像生成値に関連付けられたビンは、より明るい陰影を割り当てられ、より小さい画像生成値に関連付けられたビンは、より暗い陰影を割り当てられる、付記３３に記載のシステム。
３５．閾値未満の画像生成値に関連付けられたビンは、黒色が割り当てられる、付記３３または３４に記載のシステム。

３６．閾値は、調整可能である、付記３５に記載のシステム。
３７．画像は、グレースケール画像である、付記２１～３６のいずれか一つに記載のシステム。
３８．画像は、カラー画像である、付記２１～３６のいずれか一つに記載のシステム。
３９．訓練ゲートは、ユーザによって描画される、付記２１～３８のいずれか一つに記載のシステム。
４０．調整された訓練ゲートは、訓練ゲートとは異なる形状を有する、付記２１～３９のいずれか一つに記載のシステム。

４１．非一時的コンピュータ可読記憶媒体であって、
フローサイトメータデータの第１および第２のセットを取得することであって、フローサイトメータデータの第１のセットは、頂点のセットによって定義される訓練ゲートを含む、取得することと、
フローサイトメータデータの取得された第１および第２のセットの各々について画像を生成することと、
プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの第１のセットの生成された画像から訓練ゲートを定義する頂点のセットを調整して、フローサイトメータデータの第２のセットの生成された画像を適応させることとを含む、方法によって、
フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるための命令が記憶された非一時的コンピュータ可読記憶媒体。
４２．プロセッサ実装アルゴリズムは、フローサイトメータデータの第２のセットの生成された画像に対する類似度を最大化するために、フローサイトメータデータの第１のセットの生成された画像をワープするように構成される、付記４１に記載の非一時的コンピュータ可読記憶媒体。
４３．プロセッサ実装アルゴリズムは、数学的変形モデルを含む画像位置合わせアルゴリズムである、付記４１または４２に記載の非一時的コンピュータ可読記憶媒体。
４４．画像位置合わせアルゴリズムは、Ｂスプラインワーピングをさらに含む、付記４３に記載の非一時的コンピュータ可読記憶媒体。
４５．Ｂスプラインワーピングは、フローサイトメータデータの第１のセットの生成された画像をワープしてフローサイトメータデータの第２のセットの生成された画像に対する類似度を最大化する関数を定義するＢスプライン係数を計算することを含む、付記４４に記載の非一時的コンピュータ可読記憶媒体。

４６．プロセッサ実装アルゴリズムは、Ｂスプライン係数によって定義される関数に基づいて訓練ゲートの頂点を調整するように構成されている、付記４５に記載の非一時的コンピュータ可読記憶媒体。
４７．訓練ゲートを調整することは、ブランク画像に訓練ゲートを課すことを含む、付記４１～４５のいずれか一つに記載の非一時的コンピュータ可読記憶媒体。
４８．プロセッサ実装アルゴリズムは、ブランク画像に課される訓練ゲートを調整するように構成される、付記４７に記載の非一時的コンピュータ可読記憶媒体。
４９．ブランク画像からの調整されたゲートの頂点をフローサイトメータデータの第２のセットの生成された画像に適用することによって、調整された訓練ゲートをフローサイトメータデータの第２のセットにオーバーレイすることをさらに含む、付記４８に記載の非一時的コンピュータ可読記憶媒体。
５０．フローサイトメータデータの第１および第２のセットの画像を生成することは、フローサイトメータデータの第１および第２のセットの各々を二次元ビンに編成することと、各ビンに陰影を割り当てることとを含む、付記４１～４９のいずれか一つに記載の非一時的コンピュータ可読記憶媒体。

５１．フローサイトメータデータの第１および第２のセットの画像を生成することは、各ビンに関連付けられたフローサイトメータデータの平均値の二次元ヒストグラムを作成することをさらに含み、フローサイトメータデータの平均値は、パラメータに対して評価される、付記５０に記載の非一時的コンピュータ可読記憶媒体。
５２．各ビンに関連付けられたフローサイトメータデータの平均値は、１つ以上のさらなるパラメータに対して評価される、付記５１に記載の非一時的コンピュータ可読記憶媒体。
５３．ヒストグラムに基づいて累積分布関数を計算することと、累積分布関数に基づいて各ビンに関連付けられた画像生成値を決定することとをさらに含む、付記５２に記載の非一時的コンピュータ可読記憶媒体。
５４．より大きい画像生成値に関連付けられたビンは、より明るい陰影を割り当てられ、より小さい画像生成値に関連付けられたビンは、より暗い陰影を割り当てられる、付記５３に記載の非一時的コンピュータ可読記憶媒体。
５５．閾値未満の画像生成値に関連付けられたビンは、黒色が割り当てられる、付記５３または５４に記載の非一時的コンピュータ可読記憶媒体。

５６．閾値は、調整可能である、付記５５に記載の非一時的コンピュータ可読記憶媒体。
５７．画像は、グレースケール画像である、付記４１～５６のいずれか一つに記載の非一時的コンピュータ可読記憶媒体。
５８．画像は、カラー画像である、付記４１～５６のいずれか一つに記載の非一時的コンピュータ可読記憶媒体。
５９．訓練ゲートは、ユーザによって描画される、付記４１～５８のいずれか一つに記載の非一時的コンピュータ可読記憶媒体。
６０．調整された訓練ゲートは、訓練ゲートとは異なる形状を有する、付記４１～５９のいずれか一つに記載の非一時的コンピュータ可読記憶媒体。

上記の発明は、理解を明確にするために、例示および実施例によってある程度詳細に記載されているが、本発明の教示に照らして当業者には、特定の変更および修正が添付の特許請求の範囲の趣旨または範囲から逸脱することなく、本発明を実施することができることは容易に明らかである。

したがって、上述は単に本発明の原理を説明したものである。当業者であれば、本明細書には明示的に記載も示されてもいないが、本発明の原理を具現化し、本発明の趣旨および範囲内に含まれる様々な変更を考案し得ることが、理解される。さらに、本明細書に列挙されるすべての例および条件付き用語は、主に、読者が、本発明の原理、および当技術分野をさらに進めるために発明者らによって提供された概念を理解することを助ける点を意図しており、かかる具体的に列挙される例および条件に限定されるものではないと解釈されるべきである。さらに、本発明の原理、態様、および実施形態を列挙する、本明細書のすべての記述、ならびにその具体例は、その構造的および機能的等価物の両方を包含することが意図される。さらに、かかる等価物は、構造に関係なく、現在知られている等価物と、将来開発される等価物との両方、すなわち、同じ機能を実行するように開発されたあらゆる要素を含むことが意図される。さらに、本明細書に開示されるいかなるものも、かかる開示が特許請求の範囲において明示的に列挙されているか否かにかかわらず、公に献呈するように意図されていない。

したがって、本発明の範囲は、本明細書に示され、記載される例示的な実施形態に限定されることを意図するものではない。むしろ、本発明の範囲および趣旨は、添付の特許請求の範囲によって具現化される。特許請求の範囲においては、米国特許法第１１２条（ｆ）または米国特許法第１１２条（６）は、「のための手段（ｍｅａｎｓ ｆｏｒ）」または「のためのステップ（ｓｔｅｐ ｆｏｒ）」と完全に一致する語句が、特許請求項における限定の始まりで列挙されるときにのみ、特許請求項におけるかかる限定を喚起しているとして明確に定義されており、かかる完全に一致する語句が、特許請求項における限定に使用されていない場合、米国特許法第１１２条（ｆ）も米国特許法第１１２条（６）も適用されない。

関連出願の相互参照
本出願は、２０２０年１月３１日に出願された米国仮特許出願第６２／９６８，５２０号および２０２０年７月９日に出願された米国仮特許出願第６３／０４９，７３５号に関連し、これらの開示は参照により本明細書に組み込まれる。

Claims (15)

1. フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させる方法であって、
   フローサイトメータデータの第１および第２のセットを取得することであって、フローサイトメータデータの前記第１のセットは頂点のセットによって定義される訓練ゲートを含む、取得することと、
   フローサイトメータデータの取得された第１および第２のセットの各々について画像を生成することと、
   プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの前記第１のセットの生成された画像から前記訓練ゲートを定義する頂点の前記セットを調整して、フローサイトメータデータの前記第２のセットの生成された画像を適応させることと
   を含む、方法。
2. 前記プロセッサ実装アルゴリズムは、フローサイトメータデータの前記第１のセットの生成された画像をワープして、フローサイトメータデータの前記第２のセットの生成された画像に対する類似度を最大化するように構成されている、請求項１に記載の方法。
3. 前記プロセッサ実装アルゴリズムは、数学的変形モデルを含む画像位置合わせアルゴリズムである、請求項１または２に記載の方法。
4. 前記画像位置合わせアルゴリズムは、Ｂスプラインワーピングをさらに含む、請求項３に記載の方法。
5. 前記Ｂスプラインワーピングは、フローサイトメータデータの前記第１のセットの生成された画像をワープしてフローサイトメータデータの前記第２のセットの生成された画像に対する類似度を最大化する関数を定義するＢスプライン係数を計算することを含む、請求項４に記載の方法。
6. 前記プロセッサ実装アルゴリズムは、前記Ｂスプライン係数によって定義される前記関数に基づいて前記訓練ゲートの前記頂点を調整するように構成されている、請求項５に記載の方法。
7. 前記訓練ゲートを調整することは、ブランク画像に前記訓練ゲートを課すことを含む、請求項１～６のいずれか一項に記載の方法。
8. 前記プロセッサ実装アルゴリズムは、前記ブランク画像に課された前記訓練ゲートを調整するように構成されている、請求項７に記載の方法。
9. 前記ブランク画像からの調整されたゲートの前記頂点をフローサイトメータデータの前記第２のセットの生成された画像に適用することによって、調整された訓練ゲートをフローサイトメータデータの前記第２のセットにオーバーレイすることをさらに含む、請求項８に記載の方法。
10. フローサイトメータデータの前記第１および第２のセットの画像を生成することは、フローサイトメータデータの前記第１および第２のセットの各々を二次元ビンに編成することと、各ビンに陰影を割り当てることとを含む、請求項１～９のいずれか一項に記載の方法。
11. フローサイトメータデータの前記第１および第２のセットの画像を生成することは、各ビンに関連付けられたフローサイトメータデータの平均値の二次元ヒストグラムを作成することをさらに含み、フローサイトメータデータの平均値は、パラメータに対して評価される、請求項１０に記載の方法。
12. 各ビンに関連付けられたフローサイトメータデータの前記平均値は、１つ以上のさらなるパラメータに対して評価される、請求項１１に記載の方法。
13. 前記二次元ヒストグラムに基づいて累積分布関数を計算することと、前記累積分布関数に基づいて各ビンに関連付けられた画像生成値を決定することとをさらに含む、請求項１２に記載の方法。
14. システムであって、
    頂点のセットによって定義される訓練ゲートを含むフローサイトメータデータの第１のセットを取得するように構成された入力モジュールと、
    フローサイトメータデータの第２のセットを取得するように構成された粒子分析器構成要素と、
    プロセッサであって、前記プロセッサに動作可能に結合されたメモリを備え、前記メモリは、前記メモリに記憶された命令を含み、前記命令は、前記プロセッサによって実行されると、前記プロセッサに、
    フローサイトメータデータの取得された第１および第２のセットの各々について画像を生成することと、
    プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの前記第１のセットの前記生成された画像から前記訓練ゲートを定義する頂点の前記セットを調整して、フローサイトメータデータの前記第２のセットの生成された画像を適応させることと
    を行わせる、プロセッサと
    を含む、システム。
15. 非一時的コンピュータ可読記憶媒体であって、
    フローサイトメータデータの第１および第２のセットを取得することであって、フローサイトメータデータの前記第１のセットは、頂点のセットによって定義される訓練ゲートを含む、取得することと、
    フローサイトメータデータの取得された第１および第２のセットの各々について画像を生成することと、
    プロセッサ実装アルゴリズムを用いて、フローサイトメータデータの前記第１のセットの生成された画像から前記訓練ゲートを定義する頂点の前記セットを調整して、フローサイトメータデータの前記第２のセットの前記生成された画像を適応させることとを含む、方法によって、
    フローサイトメータデータの第１のセットから準備された訓練ゲートを調整して、フローサイトメータデータの第２のセットを適応させるための命令が記憶された、非一時的コンピュータ可読記憶媒体。

Images