JP2023516192A - 細胞選別における飽和データ信号を識別するための方法及びそのためのシステム - Google Patents
細胞選別における飽和データ信号を識別するための方法及びそのためのシステム Download PDFInfo
- Publication number
- JP2023516192A JP2023516192A JP2022551784A JP2022551784A JP2023516192A JP 2023516192 A JP2023516192 A JP 2023516192A JP 2022551784 A JP2022551784 A JP 2022551784A JP 2022551784 A JP2022551784 A JP 2022551784A JP 2023516192 A JP2023516192 A JP 2023516192A
- Authority
- JP
- Japan
- Prior art keywords
- particles
- saturated
- particle
- light
- data signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 146
- 238000009738 saturating Methods 0.000 title claims abstract description 27
- 239000002245 particle Substances 0.000 claims abstract description 442
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 200
- 239000011159 matrix material Substances 0.000 claims abstract description 136
- 230000003595 spectral effect Effects 0.000 claims abstract description 130
- 238000000926 separation method Methods 0.000 claims abstract description 126
- 238000001514 detection method Methods 0.000 claims description 36
- 238000000149 argon plasma sintering Methods 0.000 claims description 5
- 230000031700 light absorption Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 14
- 238000012216 screening Methods 0.000 abstract description 11
- 238000003491 array Methods 0.000 abstract description 5
- 239000000523 sample Substances 0.000 description 122
- 238000004422 calculation algorithm Methods 0.000 description 54
- 210000004027 cell Anatomy 0.000 description 42
- 238000004458 analytical method Methods 0.000 description 37
- 238000004891 communication Methods 0.000 description 31
- 230000003287 optical effect Effects 0.000 description 24
- 239000012530 fluid Substances 0.000 description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000005286 illumination Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 239000012472 biological sample Substances 0.000 description 12
- 238000000354 decomposition reaction Methods 0.000 description 12
- 238000000684 flow cytometry Methods 0.000 description 12
- 238000002189 fluorescence spectrum Methods 0.000 description 11
- 241000699666 Mus <mouse, genus> Species 0.000 description 10
- 238000004590 computer program Methods 0.000 description 10
- 210000001519 tissue Anatomy 0.000 description 10
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 8
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- ZYGHJZDHTFUPRJ-UHFFFAOYSA-N coumarin Chemical compound C1=CC=C2OC(=O)C=CC2=C1 ZYGHJZDHTFUPRJ-UHFFFAOYSA-N 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 239000000975 dye Substances 0.000 description 7
- 239000007789 gas Substances 0.000 description 7
- 230000005055 memory storage Effects 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 239000007787 solid Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 229910052724 xenon Inorganic materials 0.000 description 6
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 6
- 229910052769 Ytterbium Inorganic materials 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- NAWDYIZEMPQZHO-UHFFFAOYSA-N ytterbium Chemical compound [Yb] NAWDYIZEMPQZHO-UHFFFAOYSA-N 0.000 description 5
- 229910052684 Cerium Inorganic materials 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 4
- PJANXHGTPQOBST-VAWYXSNFSA-N Stilbene Natural products C=1C=CC=CC=1/C=C/C1=CC=CC=C1 PJANXHGTPQOBST-VAWYXSNFSA-N 0.000 description 4
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 4
- 229910009372 YVO4 Inorganic materials 0.000 description 4
- JGRGMDZIEXDEQT-UHFFFAOYSA-N [Cl].[Xe] Chemical compound [Cl].[Xe] JGRGMDZIEXDEQT-UHFFFAOYSA-N 0.000 description 4
- MARDFMMXBWIRTK-UHFFFAOYSA-N [F].[Ar] Chemical compound [F].[Ar] MARDFMMXBWIRTK-UHFFFAOYSA-N 0.000 description 4
- VFQHLZMKZVVGFQ-UHFFFAOYSA-N [F].[Kr] Chemical compound [F].[Kr] VFQHLZMKZVVGFQ-UHFFFAOYSA-N 0.000 description 4
- JWFFDNVGFHXGIB-UHFFFAOYSA-N [F].[Xe] Chemical compound [F].[Xe] JWFFDNVGFHXGIB-UHFFFAOYSA-N 0.000 description 4
- ZHNKYEGKBKJROQ-UHFFFAOYSA-N [He].[Se] Chemical compound [He].[Se] ZHNKYEGKBKJROQ-UHFFFAOYSA-N 0.000 description 4
- 229910052786 argon Inorganic materials 0.000 description 4
- GWXLDORMOJMVQZ-UHFFFAOYSA-N cerium Chemical compound [Ce] GWXLDORMOJMVQZ-UHFFFAOYSA-N 0.000 description 4
- 229910052802 copper Inorganic materials 0.000 description 4
- 239000010949 copper Substances 0.000 description 4
- VPYURTKRLAYHEQ-UHFFFAOYSA-N copper neon Chemical compound [Ne].[Cu] VPYURTKRLAYHEQ-UHFFFAOYSA-N 0.000 description 4
- 229960000956 coumarin Drugs 0.000 description 4
- 235000001671 coumarin Nutrition 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 239000010931 gold Substances 0.000 description 4
- IBBSHLLCYYCDGD-UHFFFAOYSA-N helium mercury Chemical compound [He].[Hg] IBBSHLLCYYCDGD-UHFFFAOYSA-N 0.000 description 4
- CPBQJMYROZQQJC-UHFFFAOYSA-N helium neon Chemical compound [He].[Ne] CPBQJMYROZQQJC-UHFFFAOYSA-N 0.000 description 4
- FPQDUGZBUIHCCW-UHFFFAOYSA-N helium silver Chemical compound [He].[Ag] FPQDUGZBUIHCCW-UHFFFAOYSA-N 0.000 description 4
- 229910052743 krypton Inorganic materials 0.000 description 4
- DNNSSWSSYDEUBZ-UHFFFAOYSA-N krypton atom Chemical compound [Kr] DNNSSWSSYDEUBZ-UHFFFAOYSA-N 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- PYWVYCXTNDRMGF-UHFFFAOYSA-N rhodamine B Chemical compound [Cl-].C=12C=CC(=[N+](CC)CC)C=C2OC2=CC(N(CC)CC)=CC=C2C=1C1=CC=CC=C1C(O)=O PYWVYCXTNDRMGF-UHFFFAOYSA-N 0.000 description 4
- 239000010979 ruby Substances 0.000 description 4
- 229910001750 ruby Inorganic materials 0.000 description 4
- PJANXHGTPQOBST-UHFFFAOYSA-N stilbene Chemical compound C=1C=CC=CC=1C=CC1=CC=CC=C1 PJANXHGTPQOBST-UHFFFAOYSA-N 0.000 description 4
- 235000021286 stilbenes Nutrition 0.000 description 4
- 229910052712 strontium Inorganic materials 0.000 description 4
- CIOAGBVUUVVLOB-UHFFFAOYSA-N strontium atom Chemical compound [Sr] CIOAGBVUUVVLOB-UHFFFAOYSA-N 0.000 description 4
- 239000010936 titanium Substances 0.000 description 4
- 229910052719 titanium Inorganic materials 0.000 description 4
- 241000124008 Mammalia Species 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 241000699670 Mus sp. Species 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- UIZLQMLDSWKZGC-UHFFFAOYSA-N cadmium helium Chemical compound [He].[Cd] UIZLQMLDSWKZGC-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 238000000295 emission spectrum Methods 0.000 description 3
- 230000001678 irradiating effect Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 229910052594 sapphire Inorganic materials 0.000 description 3
- 239000010980 sapphire Substances 0.000 description 3
- 229910052716 thallium Inorganic materials 0.000 description 3
- BKVIYDNLLOSFOA-UHFFFAOYSA-N thallium Chemical compound [Tl] BKVIYDNLLOSFOA-UHFFFAOYSA-N 0.000 description 3
- 241000282472 Canis lupus familiaris Species 0.000 description 2
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 241000700159 Rattus Species 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 229910052805 deuterium Inorganic materials 0.000 description 2
- BFMYDTVEBKDAKJ-UHFFFAOYSA-L disodium;(2',7'-dibromo-3',6'-dioxido-3-oxospiro[2-benzofuran-1,9'-xanthene]-4'-yl)mercury;hydrate Chemical compound O.[Na+].[Na+].O1C(=O)C2=CC=CC=C2C21C1=CC(Br)=C([O-])C([Hg])=C1OC1=C2C=C(Br)C([O-])=C1 BFMYDTVEBKDAKJ-UHFFFAOYSA-L 0.000 description 2
- 230000005686 electrostatic field Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 210000002751 lymph Anatomy 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- -1 molecules Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000011192 particle characterization Methods 0.000 description 2
- 210000002381 plasma Anatomy 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000003296 saliva Anatomy 0.000 description 2
- 210000000582 semen Anatomy 0.000 description 2
- 210000001138 tear Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 240000005020 Acaciella glauca Species 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000700198 Cavia Species 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 229910017502 Nd:YVO4 Inorganic materials 0.000 description 1
- 241000282579 Pan Species 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 240000007591 Tilia tomentosa Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 210000004381 amniotic fluid Anatomy 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 239000003146 anticoagulant agent Substances 0.000 description 1
- 229940127219 anticoagulant drug Drugs 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229920001222 biopolymer Polymers 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000003271 compound fluorescence assay Methods 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 238000004163 cytometry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003937 drug carrier Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004700 fetal blood Anatomy 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000006166 lysate Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 244000062645 predators Species 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 210000001179 synovial fluid Anatomy 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000001635 urinary tract Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1429—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1434—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its optical arrangement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1456—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
- G01N15/1459—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
-
- G01N15/149—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
- G01N2021/6439—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks
Abstract
本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための方法を含む。ある特定の実施形態による方法は、フローストリーム内の粒子から光を検出することと、検出された光から複数のデータ信号を生成することと、１つ以上の飽和データ信号を識別することと、識別された飽和データ信号に対応する飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを含む。一部の実施形態では、方法は、１つ以上の飽和データ信号を除外する、粒子の蛍光に対しての調整されたスペクトル分離行列を計算することによって、粒子の１つ以上の（例えば、粒子選別決定における使用のための）パラメータを判定することを含む。主題の方法を実施するためのシステム及び集積回路デバイス（例えば、フィールドプログラマブルゲートアレイ）も提供される。非一時的コンピュータ可読記憶媒体も説明される。
Description
選別フローサイトメータなどのフロー式粒子選別システムは、粒子の少なくとも１つの測定された特性に基づいて、流体試料中の粒子を選別するために使用される。フロー式粒子選別システムにおいて、流体懸濁液中の分子、分析物結合ビーズ、又は個々の細胞などの粒子は、センサがストリーム中に含有する、選別されるタイプの粒子を検出する検出領域によって、ストリーム中を通過する。
センサは、選別されるタイプの粒子を検出すると、関心の粒子を選択的に単離する選別機構をトリガする。粒子検知は、通常、１つ以上のレーザからの照射光に粒子がさらされ、粒子の光散乱及び蛍光特性が測定される検出領域を、流体ストリームを通過させることによって実行される。
粒子又はその成分は、検出を容易にするために、蛍光色素で標識され得、スペクトル的に異なる蛍光色素を使用して、異なる粒子又は成分を標識することによって、多数の異なる粒子又は成分が、同時に検出され得る。検出は、各異なる蛍光色素の蛍光の独立した測定を容易にするために、１つ以上の光センサを使用して実行される。
試料中の粒子を選別するために、液滴帯電機構が、フローストリームのブレークオフポイントで、選別されるタイプの粒子を含むフローストリームの液滴に電荷を帯電する。液滴は、静電場を通過させられ、液滴の極性及び電荷の大きさに基づいて、１つ以上の収集容器内に偏向される。帯電していない液滴は、静電場によって偏向されない。
本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための方法を含む。ある特定の実施形態による方法は、フローストリーム内の粒子から光を検出することと、検出された光から複数のデータ信号を生成することと、１つ以上の飽和データ信号を識別することと、識別された飽和データ信号に対応する飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを含む。一部の実施形態では、方法は、１つ以上の飽和データ信号を除外する、粒子の蛍光のための調整されたスペクトル分離行列を計算することによって、粒子の１つ以上の（例えば、粒子選別決定における使用のための）パラメータを判定することを含む。主題の方法を実施するためのシステム及び集積回路デバイス（例えば、フィールドプログラマブルゲートアレイ）も提供される。非一時的コンピュータ可読記憶媒体も説明される。
一部の実施形態では、飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードである。例えば、飽和信号インデックスは、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワードなど、８ビット以上から構成されるバイナリワードであってもよく、２５６ビットバイナリワードを含んでもよい。実施形態では、フローストリーム内の粒子の１つ以上のパラメータが、生成されたデータ信号から判定される。一部の例では、粒子の１つ以上のパラメータを判定することは、粒子の蛍光に対するスペクトル分離行列を計算することを含む。特定の例では、対象の試料は、複数のフルオロフォアを含み、各フルオロフォアの蛍光スペクトルは、試料中の少なくとも１つの他のフルオロフォアの蛍光スペクトルと重複する。例えば、各フルオロフォアの蛍光スペクトルは、試料中の少なくとも１つの他のフルオロフォアの蛍光スペクトルと１０ｎｍ以上、例えば２５ｎｍ以上重複してもよく、５０ｎｍ以上を含む。一部の例では、試料中の１つ以上のフルオロフォアの蛍光スペクトルは、試料中の２つの異なるフルオロフォアの蛍光スペクトルと、例えば１０ｎｍ以上、例えば２５ｎｍ以上重複し、５０ｎｍ以上を含む。他の実施形態では、対象の試料は、重複しない蛍光スペクトルを有する複数のフルオロフォアを含む。これらの実施形態では、各フルオロフォアの蛍光スペクトルは、１０ｎｍ以下、例えば９ｎｍ以下、例えば８ｎｍ以下、例えば７ｎｍ以下、例えば６ｎｍ以下、例えば５ｎｍ以下、例えば４ｎｍ以下、例えば３ｎｍ以下、例えば２ｎｍ以下（１ｎｍ以下を含む）以内で少なくとも１つの他のフルオロフォアに隣接している。
一部の実施形態では、方法は、計算された飽和信号インデックスに基づいて、粒子の蛍光に対するスペクトル分離行列を調整することを含む。例えば、スペクトル分離行列は、飽和データ信号のうちの１つ以上を除外することによって調整されてもよい。ある特定の実施形態では、試料における粒子の１つ以上のパラメータを計算するために、方法は、粒子の蛍光に対するスペクトル分離行列を計算することと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することとを含む。特定の例では、試料中の粒子のパラメータは、飽和入力検出器チャネルからのデータ信号を除外するために行列の１つ以上の行が除去される、調整されたスペクトル分離行列を使用して判定される。
一部の実施形態では、方法は、粒子の判定されたパラメータのうちの１つ以上に基づいて、試料中の粒子を分類することを含む。本開示のある特定の実施形態では、試料中の粒子を分類することは、ビットマップゲーティング戦略を使用することを含み、粒子を分類することは、粒子分類パラメータから飽和データ信号を識別し、一部の例では除去することを含む。他の実施形態では、試料内の粒子を分類することは、飽和データ信号を識別することと、飽和しているデータ信号の真の値を推定することとを含む。特定の例では、試料中の粒子を分類するために、方法は、関心領域（ＲＯＩ）を有する二次元ビットマップを生成することと、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定することとを含む。他の例では、試料内の粒子を分類するための方法は、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定することを含む。一部の実施形態では、ビットマップの粒子割り当てＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定することは、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成することと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを判定することとを含む。飽和信号ビットマップを粒子割り当てＲＯＩと比較するために、ブール論理を使用することができ、例えば、飽和信号ビットマップを粒子割り当てＲＯＩとＡＮＤ演算して、粒子割り当てＲＯＩの１つ以上のビットが飽和しているか否かを判定する。
本開示の態様は、また、フローストリーム中の試料の粒子（例えば、生体試料中の細胞）を特徴付けるための光検出システムを有するシステムを含む。ある特定の実施形態によるシステムは、フローストリーム中の試料の粒子を照射するように構成された光源と、試料中の粒子から光を検出し、検出された光から複数のデータ信号を生成する光検出器を有する光検出システムと、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有するプロセッサとを含み、メモリは、その上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、１つ以上の飽和データ信号を識別することと、識別された飽和データ信号を含む飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを行わせる。一部の実施形態では、プロセッサによって使用される飽和信号インデックスは、どの検出器チャネルがアナログ－デジタル変換器を飽和させたかを識別するバイナリワードである。例えば、主題のシステムによって利用される飽和信号インデックスは、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。
実施形態では、メモリは、その上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、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定させる。一部の実施形態では、メモリは、粒子の蛍光に対するスペクトル分離行列を計算するための命令を含む。一部の例では、メモリは、１つ以上の飽和データ信号が除外される場合など、計算された飽和信号インデックスを使用して調整されたスペクトル分離行列を計算するための命令を含む。他の例では、メモリは、飽和している検出器チャネルからのデータ信号が除外される調整されたスペクトル分離行列を計算するための命令を含む。特定の例では、メモリは、その上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、粒子の蛍光に対するスペクトル分離行列を計算することと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することとを行わせる。ある特定の実施形態では、メモリは、スペクトル分離行列を計算するための命令を含み、行列の１つ以上の行は、飽和入力検出器チャネルからのデータ信号を除外するために除去される。
メモリは、その上に記憶された命令を含み得、命令は、プロセッサによって実行されると、プロセッサに、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類させる。一部の実施形態では、メモリは、粒子を分類するためのビットマップゲーティング戦略を実装するための命令を含む。一部の例では、主題のシステムによって実装されるビットマップゲーティング戦略は、飽和データ信号を識別及び除去するための命令を含む。他の例では、主題のシステムによって実装されるビットマップゲーティング戦略は、飽和データ信号を識別し、飽和しているデータ信号の真の値を推定するための命令を含む。一部の実施形態では、メモリは、プロセッサによって実行されると、プロセッサに、関心領域（ＲＯＩ）を有する二次元ビットマップを生成させ、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定させる命令を含む。他の実施形態では、メモリは、プロセッサによって実行されると、プロセッサに、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定させる命令を含む。一部の例では、メモリは、ビットマップの粒子割り当てＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定することが、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成することと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを判定することとを含む命令を含む。特定の例では、プロセッサは、飽和信号ビットマップを粒子割り当てＲＯＩと比較するためにブール論理を使用して動作する。例えば、飽和信号ビットマップは、粒子割り当てＲＯＩの１つ以上のビットが飽和しているか否かを判定するために、粒子割り当てＲＯＩとＡＮＤ演算されてもよい。
一部の実施形態では、対象のシステムは、粒子の分類に基づいて粒子の選別決定を生成するように構成される、１つ以上の選別決定モジュールを含んでもよい。ある特定の実施形態は、システムは、選別決定モジュールによって生成された選別決定に基づいて、フローストリームから粒子を選別するための粒子ソーター（例えば、液滴偏向器を有する）を更に含む。
フローストリーム中の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するようにプログラムされた集積回路デバイスも提供される。実施形態では、集積回路デバイスは、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）若しくは複合プログラマブルロジックデバイス（ＣＰＬＤ）、又は何らかの他の集積回路デバイスであってもよい。一部の実施形態では、集積回路デバイスは、フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別することと、識別された飽和データ信号を含む飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを行うようにプログラムされる。一部の実施形態では、集積回路によって使用される飽和信号インデックスは、飽和データ信号を出力する検出器チャネルを識別するバイナリワードである。例えば、主題のシステムによって利用される飽和信号インデックスは、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。
実施形態では、対象となる集積回路デバイスは、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定するようにプログラムされる。一部の実施形態では、集積回路は、粒子の蛍光に対するスペクトル分離行列を計算するようにプログラムされる。一部の例では、集積回路は、計算された飽和信号インデックスを使用して、調整されたスペクトル分離行列を計算するようにプログラムされる。例えば、集積回路は、スペクトル分離行列を計算し、１つ以上の飽和データ信号を除外するようにプログラムされてもよい。他の例では、集積回路は、飽和している検出器チャネルからのデータ信号が除外される調整されたスペクトル分離行列を計算するようにプログラムされる。特定の例では、集積回路は、粒子の蛍光に対するスペクトル分離行列を計算することと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することとを行うようにプログラムされる。ある特定の実施形態は、集積回路は、スペクトル分離行列を計算するようにプログラムされ、行列の１つ以上の行は、飽和入力検出器チャネルからのデータ信号を除外するために除去される。
集積回路は、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類するようにプログラムされる。一部の実施形態では、集積回路は、粒子を分類するためのビットマップゲーティング戦略を実装するようにプログラムされる。一部の例では、集積回路によって実装されるビットマップゲーティング戦略は、飽和データ信号を識別及び除去するためのプログラミングを含む。他の例では、集積回路によって実装されるビットマップゲーティング戦略は、飽和データ信号を識別し、飽和しているデータ信号の真の値を推定するためのプログラミングを含む。一部の実施形態では、集積回路デバイスは、関心領域（ＲＯＩ）を有する二次元ビットマップを生成し、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定するようにプログラムされる。他の実施形態では、集積回路は、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定するようにプログラムされる。一部の例では、集積回路は、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成することと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを判定することとを行うプログラミングを含むことによって、ビットマップの粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定するようにプログラムされる。特定の例では、集積回路は、飽和信号ビットマップを粒子割り当てＲＯＩと比較するためにブール論理を使用して動作する。例えば、飽和信号ビットマップは、粒子割り当てＲＯＩの１つ以上のビットが飽和しているか否かを判定するために、粒子割り当てＲＯＩとＡＮＤ演算されてもよい。特定の例では、集積回路デバイスは、調整された粒子分類に基づいて試料の粒子を選別するようにプログラムされる。
本開示の態様は、また、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための非一時的コンピュータ可読記憶媒体を含む。ある特定の実施形態による非一時的コンピュータ可読記憶媒体は、その上に記憶された命令を含み、命令は、フローストリーム内の粒子から光を検出するためのアルゴリズムと、検出された光から複数のデータ信号を生成するためのアルゴリズムと、識別された飽和データ信号に対応する飽和信号インデックスを生成するためのアルゴリズムと、飽和信号インデックスを粒子分類インデックスに適用して調整された粒子分類インデックスを生成するためのアルゴリズムとを有する。非一時的コンピュータ可読記憶媒体は、また、粒子の１つ以上のパラメータを計算するためのアルゴリズムを含み得る。これらの実施形態では、コンピュータ可読記憶媒体は、粒子の蛍光に対するスペクトル分離行列を計算するためのアルゴリズムと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算するためのアルゴリズムと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較するためのアルゴリズムとを含む。ある特定の実施形態では、非一時的コンピュータ可読記憶媒体は、また、関心領域（ＲＯＩ）を含む二次元ビットマップを生成するためのアルゴリズムと、粒子を二次元ビットマップのＲＯＩに割り当てるためのアルゴリズムとを含み得る。特定の例では、非一時的コンピュータ可読記憶媒体は、また、飽和信号ビットマップを生成するために飽和信号インデックスを第２の二次元ビットマップに適用するためのアルゴリズムと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較するためのアルゴリズムと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別するためのアルゴリズムとを含み得る。一部の例では、非一時的コンピュータ可読記憶媒体は、調整された粒子分類インデックスに基づいて粒子選別決定を生成するためのアルゴリズムを含む。
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。
本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための方法を含む。ある特定の実施形態による方法は、フローストリーム内の粒子から光を検出することと、検出された光から複数のデータ信号を生成することと、１つ以上の飽和データ信号を識別することと、識別された飽和データ信号に対応する飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを含む。一部の実施形態では、方法は、１つ以上の飽和データ信号を除外する、粒子の蛍光のための調整されたスペクトル分離行列を計算することによって、粒子の１つ以上の（例えば、粒子選別決定における使用のための）パラメータを判定することを含む。主題の方法を実施するためのシステム及び集積回路デバイス（例えば、フィールドプログラマブルゲートアレイ）も提供される。非一時的コンピュータ可読記憶媒体も説明される。
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ことになるため、本明細書で使用される用語は、特定の実施形態のみを説明する対象となるためのものであり、限定することが意図されるものではないことも理解されるべきである。
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、及びこの記載の範囲内の任意の他の記載される値又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及び下限は、独立してより小さい範囲に含まれてもよく、記載の範囲において任意の具体的に除外された限界に従って、同様に主題の発明に包含される。記載された範囲が限界の一方又は両方を含む場合、それらの含まれる限界のいずれか又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」という用語の前に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、並びにその用語が先行する数に近いか、又は近似しているその数についての文字通りの裏付けを提供するために使用される。数が具体的に記載された数に近いか、又は近似しているか否かを判定する際、記載されていない数に近いか、又はそれに近似している数は、それが提示される文脈において、具体的に記載された数の実質的等価物を提供する数であり得る。
別段に定義されない限り、本明細書で使用される全ての技術用語及び科学用語は、本発明が属する当業者によって一般的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又は同等の任意の方法及び材料も、本発明の実施又は試験で使用することができるが、代表的な例示的な方法及び材料がここで説明される。
本明細書で引用される全ての刊行物及び特許は、あたかも各個々の刊行物又は特許が、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、方法及び／又は材料を開示及び記載するために、参照によって本明細書に組み込まれ、それらの方法及び／又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、そのような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。更に、提供された公開日は、実際の公開日とは異なる場合があり、独立して確認される必要がある場合がある。
本明細書及び添付の特許請求の範囲で使用するとき、冠詞「ａ」、「ａｎ」、及び「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、任意選択の要素を除外するために起草され得ることに更に留意されたい。したがって、この記述は、特許請求の範囲の要素の列挙、又は「否定的な」制限の使用に関連して、「もっぱら」、「単独で」などの排他的な用語を使用するための先行する基礎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明らかになるように、本明細書に記載及び例示される個々の実施形態の各々は、本発明の範囲又は趣旨から逸脱することなく、他の一部の実施形態のうちのいずれかの特徴から容易に分離され得るか、又はそれと組み合わされ得る別個の構成要素及び特徴を有する。任意の記載された方法は、記載されたイベントの順序、又は論理的に可能な任意の他の順序で実行することができる。
装置及び方法は、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」又は「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及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。
上記で要約したように、本開示は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための方法を提供する。本開示の実施形態を更に説明する際に、フローストリーム中の試料から検出された光から複数のデータ信号を生成し、１つ以上の識別された飽和データ信号から飽和信号インデックスを生成し、飽和信号インデックスを使用して調整された粒子分類インデックスを生成するための方法が、最初により詳細に説明される。次に、主題の方法を実施するようにプログラムされたシステム及び集積回路デバイスについて説明する。非一時的コンピュータ可読記憶媒体も説明される。
飽和データ信号に応答して粒子分類インデックスを調整する方法
本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための方法を含む。「飽和信号」という語句は、本明細書では、光検出システム（以下でより詳細に説明される）の１つ以上の構成要素によって測定され得る最大範囲を超える信号を指すために、その従来の意味で使用される。一部の実施形態では、飽和信号は、光検出器によって検出され得る最大量を超える量の光に曝露された光検出器から出力されるデータ信号である。他の実施形態では、飽和信号は、光検出器からのアナログ信号をデジタル信号に変換するために使用されるアナログ－デジタル変換器の最大範囲を超えるデータ信号である。本明細書でより詳細に説明するように、ある特定の実施形態による主題の方法は、フローストリーム中の粒子から検出された光から１つ以上の飽和データ信号を識別し、フローストリーム中の１つ以上の粒子を分類するときに飽和データ信号を除去することを提供する。他の実施形態では、主題の方法は、１つ以上の飽和データ信号を識別し、飽和しているデータ信号の真の値を推定することを提供する。主題の方法に従って粒子を分類することは、粒子を粒子集団クラスタに割り当てる際の精度の改善など、精度の向上をもたらす。粒子選別決定の一部として使用される場合、主題の方法は、粒子選別の収率並びに選別された粒子の純度を改善することができる。
本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するための方法を含む。「飽和信号」という語句は、本明細書では、光検出システム（以下でより詳細に説明される）の１つ以上の構成要素によって測定され得る最大範囲を超える信号を指すために、その従来の意味で使用される。一部の実施形態では、飽和信号は、光検出器によって検出され得る最大量を超える量の光に曝露された光検出器から出力されるデータ信号である。他の実施形態では、飽和信号は、光検出器からのアナログ信号をデジタル信号に変換するために使用されるアナログ－デジタル変換器の最大範囲を超えるデータ信号である。本明細書でより詳細に説明するように、ある特定の実施形態による主題の方法は、フローストリーム中の粒子から検出された光から１つ以上の飽和データ信号を識別し、フローストリーム中の１つ以上の粒子を分類するときに飽和データ信号を除去することを提供する。他の実施形態では、主題の方法は、１つ以上の飽和データ信号を識別し、飽和しているデータ信号の真の値を推定することを提供する。主題の方法に従って粒子を分類することは、粒子を粒子集団クラスタに割り当てる際の精度の改善など、精度の向上をもたらす。粒子選別決定の一部として使用される場合、主題の方法は、粒子選別の収率並びに選別された粒子の純度を改善することができる。
主題の方法を実施する際に、粒子を有する試料は、光源で照射され、試料からの光は、１つ以上の光検出器を有する光検出システムで検出される。一部の実施形態では、試料は、生体試料である。「生体試料」という用語は、全生物、植物、菌類、又は、特定の例では、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、及び精液中に見られ得る動物の組織、細胞、又は成分のサブセットを指すために、その従来の意味で使用される。したがって、「生体試料」は、天然生物又はその組織のサブセットの両方、並びに、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、及び泌尿器管、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、生物又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、又は抽出物を指す。生体試料は、健康組織及び疾患組織（例えば、がん性、悪性、壊死性など）の両方を含む、任意のタイプの生体組織であり得る。ある特定の実施形態では、生体試料は、血液又はその誘導体、例えば、血漿、涙液、尿、精液などの液体試料であり、一部の例では、試料は、静脈穿刺又はフィンガースティックから取得された血液など、全血を含む血液試料である（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、組み合わされなくてもよい）。
ある特定の実施形態では、試料のソースは、「哺乳動物（ｍａｍｍａｌ）」又は「哺乳動物（ｍａｍｍａｌｉａｎ）」であり、これらの用語は、肉食動物目（例えば、イヌ及びネコ）、げっ歯目（例えば、マウス、モルモット、及びラット）、並びに霊長目（例えば、ヒト、チンパンジー、及びサル）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、対象はヒトである。方法は、両方の性別のヒト対象から、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）で取得された試料に適用され得、ある特定の実施形態では、ヒト対象は、年少者、青年、又は成人である。本発明は、ヒト対象からの試料に適用され得るが、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、及びウマなどの他の動物対象からの（すなわち、「非ヒト対象」の）試料に対しても実施され得ることを理解されたい。
実施形態では、試料（例えば、フローサイトメータのフローストリーム中の）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、広帯域光源であり、例えば、５０ｎｍ以上、１００ｎｍ以上、１５０ｎｍ以上、２００ｎｍ以上、２５０ｎｍ以上、３００ｎｍ以上、３５０ｎｍ以上、４００ｎｍ以上に及び、５００ｎｍ以上に及ぶなど、広範囲の波長を有する光を放出する。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、以下に限定されないが、他の広帯域光源の中でも、ハロゲンランプ、重水素アークランプ、クセノンアークランプ、安定化ファイバ結合広帯域光源、連続スペクトルを有する広帯域ＬＥＤ、超高輝度発光ダイオード、半導体発光ダイオード、広域スペクトルＬＥＤ白色光源、マルチＬＥＤ統合白色光源、又はそれらの任意の組み合わせが挙げられ得る。
他の実施形態では、方法は、例えば、５０ｎｍ以下、４０ｎｍ以下、３０ｎｍ以下、２５ｎｍ以下、２０ｎｍ以下、１５ｎｍ以下、１０ｎｍ以下、５ｎｍ以下、２ｎｍ以下の範囲のような狭い波長範囲の光を放出する光源など、特定の波長又は狭い波長範囲を放出する狭帯域光源で照射することを含み、特定の波長の光（すなわち、単色光）を放出する光源を含む。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、又は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、若しくはそれらの任意の組み合わせに結合される広帯域光源を含んでもよいが、それらに限定されない。
ある特定の実施形態では、方法は、１つ以上のレーザで試料を照射することを含む。上述したように、レーザのタイプ及び数は、試料並びに収集される所望の光に応じて変化し、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、クセノンレーザ、窒素レーザ、ＣＯ２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、クセノン塩素（ＸｅＣｌ）エキシマレーザ、又はクセノン－フッ素（ＸｅＦ）エキシマレーザなどのガスレーザ、又はそれらの組み合わせであってよい。他の例では、方法は、スチルベン、クマリン又はローダミンレーザなどの色素レーザでフローストリームを照射することを含む。更に他の例では、方法は、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－セレニウム（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、又は金レーザ、及びそれらの組み合わせなどの金属－蒸気レーザでフローストリームを照射することを含む。更に他の例では、方法は、フローストリームを固体レーザ、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：ＹＶＯ４レーザ、Ｎｄ：ＹＣａ４Ｏ（ＢＯ３）３レーザ、Ｎｄ：ＹＣＯＢレーザ、チタンサファイアレーザ、タリウムＹＡＧレーザ、イッテリビウムＹＡＧレーザ、Ｙ２Ｏ３レーザ又はセリウムドープレーザ及びそれらの組み合わせで照射することを含む。
試料は、上述の光源のうちの１つ以上、例えば２つ以上の光源、例えば３つ以上の光源、例えば４つ以上の光源、例えば５つ以上の光源、例えば１０個以上の光源で照射されてもよい。光源は、光源のタイプの任意の組み合わせを含んでもよい。例えば、一部の実施形態では、本方法は、１つ以上のガスレーザ、１つ以上の色素レーザ、及び１つ以上の固体レーザを有するアレイなどのレーザのアレイを用いて、フローストリーム内の試料を照射することを含む。
試料は、２００ｎｍ～１５００ｎｍ、例えば２５０ｎｍ～１２５０ｎｍ、例えば３００ｎｍ～１０００ｎｍ、例えば３５０ｎｍ～９００ｎｍ、例えば４００ｎｍ～８００ｎｍの範囲の波長で照射されてもよい。例えば、光源が広帯域光源である場合、試料は、２００ｎｍ～９００ｎｍの波長で照射されてもよい。光源が複数の狭帯域光源を含む他の例では、試料は、２００ｎｍ～９００ｎｍの範囲内の特定の波長で照射されてもよい。例えば、光源は、複数の狭帯域ＬＥＤ（１ｎｍ～２５ｎｍ）であってもよく、各狭帯域ＬＥＤは、２００ｎｍ～９００ｎｍの波長範囲を有する光を独立して放出する。他の実施形態では、狭帯域光源は、１つ以上のレーザ（レーザアレイなど）を含み、試料は、上述のようなガスレーザ、エキシマレーザ、色素レーザ、金属蒸気レーザ、及び固体レーザを有するレーザアレイなどを用いて、２００ｎｍ～７００ｎｍの範囲の特定の波長で照射される。
２つ以上の光源が使用される場合、試料は、光源を用いて同時に若しくは順次に、又はそれらの組み合わせで照射され得る。例えば、試料は、各光源で同時に照射されてもよい。他の実施形態では、フローストリームは、光源の各々で順次照射される。２つ以上の光源を用いて試料を順次照射する場合、各光源が試料を照射する時間は、独立して、０．００１マイクロ秒以上、例えば０．０１マイクロ秒以上、例えば０．１マイクロ秒以上、例えば１マイクロ秒以上、例えば５マイクロ秒以上、例えば１０マイクロ秒以上、例えば３０マイクロ秒以上であってもよく、６０マイクロ秒以上を含む。例えば、方法は、０．００１マイクロ秒～１００マイクロ秒、例えば０．０１マイクロ秒～７５マイクロ秒、例えば０．１マイクロ秒～５０マイクロ秒、例えば１マイクロ秒～２５マイクロ秒（５マイクロ秒～１０マイクロ秒を含む）の範囲の持続時間にわたって試料を光源（例えばレーザ）で照射することを含んでもよい。試料が２つ以上の光源で順次照射される実施形態では、試料が各光源によって照射される持続時間は、同じであっても異なっていてもよい。
各光源による照射の間の期間も、また、必要に応じて変化してもよく、０．００１マイクロ秒以上、例えば０．０１マイクロ秒以上、例えば０．１マイクロ秒以上、例えば１マイクロ秒以上、例えば５マイクロ秒以上、例えば１０マイクロ秒以上、例えば１５マイクロ秒以上、例えば３０マイクロ秒以上、及び６０マイクロ秒以上の遅延によって独立して分離される。例えば、各光源による照射間の期間は、０．００１マイクロ秒～６０マイクロ秒、例えば０．０１マイクロ秒～５０マイクロ秒、例えば０．１マイクロ秒～３５マイクロ秒、例えば１マイクロ秒～２５マイクロ秒、及び５マイクロ秒～１０マイクロ秒の範囲であってもよい。ある特定の実施形態では、各光源による照射間の期間は１０マイクロ秒である。試料が２つより多い（すなわち、３つ以上の）光源によって順次照射される実施形態では、各光源による照射間の遅延は、同じであっても異なっていてもよい。
試料は、連続的に又は不連続な間隔で照射することができる。一部の例では、方法は、試料中の試料を光源で連続的に照射することを含む。他の例では、試料は、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（１０００ミリ秒毎を含む）、又は一部の他の間隔で照射するなど、離散間隔で光源で照射される。
光源に応じて、試料は、例えば０．０１ｍｍ以上、例えば０．０５ｍｍ以上、例えば０．１ｍｍ以上、例えば０．５ｍｍ以上、例えば１ｍｍ以上、例えば２．５ｍｍ以上、例えば５ｍｍ以上、例えば１０ｍｍ以上、例えば１５ｍｍ以上、例えば２５ｍｍ以上、及び５０ｍｍ以上を含めて変化する距離から照射されてもよい。また、角度又は照射は、１０°～９０°、例えば１５°～８５°、例えば２０°～８０°、例えば２５°～７５°の範囲で変化してもよく、３０°～６０°を含み、例えば９０°の角度である。
ある特定の実施形態では、方法は、周波数シフト光の２つ以上のビームで試料を照射することを含む。上述したように、レーザと、レーザ光を周波数シフトするための音響光学デバイスとを有する光ビーム発生器構成要素を使用することができる。これらの実施形態では、方法は、音響光学デバイスにレーザを照射することを含む。（例えば、フローストリーム中の試料を照射する際に使用するための）出力レーザビームにおいて生成される光の所望の波長に応じて、レーザは、２００ｎｍ～１５００ｎｍ、例えば２５０ｎｍ～１２５０ｎｍ、例えば３００ｎｍ～１０００ｎｍ、例えば３５０ｎｍ～９００ｎｍ、及び４００ｎｍ～８００ｎｍを含む範囲で変化する特定の波長を有してもよい。音響光学デバイスは、１つ以上のレーザ、例えば２つ以上のレーザ、例えば３つ以上のレーザ、例えば４つ以上のレーザ、例えば５つ以上のレーザ、例えば１０個以上を含むレーザで照射されてもよい。レーザは、レーザのタイプの任意の組み合わせを含んでもよい。例えば、一部の実施形態では、本方法は、音響光学デバイスを、１つ以上のガスレーザ、１つ以上の色素レーザ、及び１つ以上の固体レーザを有するアレイなどのレーザのアレイで照射することを含む。
２つ以上のレーザが使用される場合、音響光学デバイスは、レーザで同時に、又は連続して、あるいはそれらの組み合わせで照射され得る。例えば、音響光学デバイスは、レーザの各々で同時に照射されてもよい。他の実施形態では、音響光学デバイスは、レーザの各々で順次照射される。音響光学デバイスを順次照射するために２つ以上のレーザが使用される場合、各レーザが音響光学デバイスを照射する時間は、独立して、０．００１マイクロ秒以上、例えば０．０１マイクロ秒以上、例えば０．１マイクロ秒以上、例えば１マイクロ秒以上、例えば５マイクロ秒以上、例えば１０マイクロ秒以上、例えば３０マイクロ秒以上であってよく、６０マイクロ秒以上を含む。例えば、方法は、０．００１マイクロ秒～１００マイクロ秒、例えば０．０１マイクロ秒～７５マイクロ秒、例えば０．１マイクロ秒～５０マイクロ秒、例えば１マイクロ秒～２５マイクロ秒、例えば５マイクロ秒～１０マイクロ秒を含む範囲の持続時間にわたって音響光学デバイスにレーザを照射することを含んでもよい。音響光学デバイスが２つ以上のレーザで順次照射される実施形態では、音響光学デバイスが各レーザによって照射される持続時間は、同じであっても異なっていてもよい。
各レーザによる照射の間の期間も、また、必要に応じて変化してもよく、０．００１マイクロ秒以上、例えば０．０１マイクロ秒以上、例えば０．１マイクロ秒以上、例えば１マイクロ秒以上、例えば５マイクロ秒以上、例えば１０マイクロ秒以上、例えば１５マイクロ秒以上、例えば３０マイクロ秒以上、及び６０マイクロ秒以上を含む遅延によって独立して分離される。例えば、各光源による照射間の期間は、０．００１マイクロ秒～６０マイクロ秒、例えば０．０１マイクロ秒～５０マイクロ秒、例えば０．１マイクロ秒～３５マイクロ秒、例えば１マイクロ秒～２５マイクロ秒、及び５マイクロ秒～１０マイクロ秒の範囲であってもよい。ある特定の実施形態では、各レーザによる照射間の期間は１０マイクロ秒である。音響光学デバイスが２つより多い（すなわち、３つ以上の）レーザによって連続的に照射される実施形態では、各レーザによる照射間の遅延は、同じであっても異なっていてもよい。
音響光学デバイスは、連続的に又は不連続な間隔で照射することができる。一部の例では、方法は、音響光学デバイスにレーザを連続的に照射することを含む。他の例では、音響光学デバイスは、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（１０００ミリ秒毎を含む）、又は一部の他の間隔で照射するなど、離散間隔で光源で照射される。
レーザに応じて、音響光学デバイスは、例えば０．０１ｍｍ以上、例えば０．０５ｍｍ以上、例えば０．１ｍｍ以上、例えば０．５ｍｍ以上、例えば１ｍｍ以上、例えば２．５ｍｍ以上、例えば５ｍｍ以上、例えば１０ｍｍ以上、例えば１５ｍｍ以上、例えば２５ｍｍ以上、及び５０ｍｍ以上を含めて変化する距離から照射されてもよい。また、角度又は照射は、１０°～９０°、例えば１５°～８５°、例えば２０°～８０°、例えば２５°～７５°の範囲で変化してもよく、３０°～６０°を含み、例えば９０°の角度である。
実施形態では、方法は、音響光学デバイスに無線周波数駆動信号を印加し、角度偏向レーザビームを生成することを含む。所望の数の角度偏向レーザビームを有する出力レーザビームを生成するために、３つ以上の無線周波数駆動信号、４つ以上の無線周波数駆動信号、５つ以上の無線周波数駆動信号、６つ以上の無線周波数駆動信号、７つ以上の無線周波数駆動信号、８つ以上の無線周波数駆動信号、９つ以上の無線周波数駆動信号、１０個以上の無線周波数駆動信号、１５個以上の無線周波数駆動信号、２５個以上の無線周波数駆動信号、５０個以上の無線周波数駆動信号などの２つ以上の無線周波数駆動信号が音響光学デバイスに印加されてもよく、１００個以上の無線周波数駆動信号を含む。
高周波駆動信号によって生成される角度偏向されたレーザビームはそれぞれ、印加された高周波駆動信号の振幅に基づく強度を有する。一部の実施形態では、方法は、所望の強度を有する角度偏向レーザビームを生成するために十分な振幅を有する無線周波数駆動信号を印加することを含む。一部の例では、印加される各高周波駆動信号は、独立して、約０．００１Ｖ～約５００Ｖ、例えば約０．００５Ｖ～約４００Ｖ、例えば約０．０１Ｖ～約３００Ｖ、例えば約０．０５Ｖ～約２００Ｖ、例えば約０．１Ｖ～約１００Ｖ、例えば約０．５Ｖ～約７５Ｖ、例えば約１Ｖ～５０Ｖ、例えば約２Ｖ～４０Ｖ、例えば３Ｖ～約３０Ｖなど、５Ｖ～約２５Ｖを含む振幅を有する。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。
これらの実施形態では、出力レーザビーム内の角度偏向されたレーザビームは、空間的に分離される。印加される高周波駆動信号及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、更には５０００μｍ以上離れていてもよい。一部の実施形態では、角度偏向されたレーザビームは、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。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、フローストリームは、周波数シフト光の複数のビームで照射され、フローストリーム内の細胞は、Ｄｉｅｂｏｌｄ，ｅｔ ａｌ．Ｎａｔｕｒｅ Ｐｈｏｔｏｎｉｃｓ Ｖｏｌ．７（１０）；８０６－８１０（２０１３）に記載されているもの、並びに米国特許第９，４２３，３５３号、同第９，７８４，６６１号及び同第１０，００６，８５２号並びに米国特許出願公開第２０１７／０１３３８５７号及び同第２０１７／０３５０８０３号に記載されているものなどの、周波数符号化画像を生成するために、無線周波数タグ付き発光（ＦＩＲＥ）を使用する蛍光撮像によって撮像され、これらの開示は参照により本明細書に組み込まれる。
上述したように、実施形態では、照射された試料からの光は、以下でより詳細に説明するように光検出システムに伝達され、複数の光検出器によって測定される。一部の実施形態では、方法は、波長の範囲（例えば、２００ｎｍ～１０００ｎｍ）にわたって収集された光を測定することを含む。例えば、方法は、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ことを含んでもよい。更に他の実施形態では、方法は、１つ以上の特定の波長で収集された光を測定することを含む。例えば、収集された光は、４５０ｎｍ、５１８ｎｍ、５１９ｎｍ、５６１ｎｍ、５７８ｎｍ、６０５ｎｍ、６０７ｎｍ、６２５ｎｍ、６５０ｎｍ、６６０ｎｍ、６６７ｎｍ、６７０ｎｍ、６６８ｎｍ、６９５ｎｍ、７１０ｎｍ、７２３ｎｍ、７８０ｎｍ、７８５ｎｍ、６４７ｎｍ、６１７ｎｍ、及びそれらの任意の組み合わせのうちの１つ以上で測定され得る。ある特定の実施形態では、方法は、フルオロフォアの蛍光ピーク波長に対応する光の波長を測定することを含む。一部の実施形態では、方法は、試料中の各フルオロフォアの蛍光スペクトル全体にわたって収集された光を測定することを含む。
収集された光は、連続的に又は離散な間隔で測定され得る。一部の例では、方法は、光の測定を連続的に行うことを含む。他の例では、光は、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（１０００ミリ秒毎を含む）、又は何らかの他の間隔で光を測定するなど、離散間隔で測定される。
収集された光の測定は、主題の方法の間に１回以上、例えば２回以上、例えば３回以上、例えば５回以上、例えば１０回以上行われてもよい。ある特定の実施形態では、光伝播は２回以上測定され、特定の例におけるデータは平均化される。
試料からの光は、１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測定されてもよく、収集された光を４００個以上の異なる波長で測定することを含んでもよい。
本開示の方法は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して、粒子分類インデックスを調整することを含む。実施形態では、複数のデータ信号が、試料中の粒子から検出された光から生成される。生成されるデータ信号は、アナログデータ信号又はデジタルデータ信号であってもよい。データ信号がアナログデータ信号である場合、一部の例では、方法は、アナログ－デジタル変換器などを用いて、アナログデータ信号をデジタルデータ信号に変換することを含む。主題の方法を実施する際に、１つ以上の飽和データ信号が識別される。一部の例では、飽和データ信号は、検出器が測定することができる範囲を超える信号に起因する。他の例では、飽和データ信号は、アナログ－デジタル変換器の範囲を超える信号に起因する。フローストリーム内の粒子から光を検出するために使用される光検出器の数に応じて、飽和データ信号を出力するものとして識別される検出器チャネルの数は、例えば、１つ以上、例えば、２つ以上、例えば、４つ以上、例えば、８つ以上、例えば、１６個以上、例えば、３２個以上、例えば、６４個以上、及び１２８個以上を含めて、変動し得る。
実施形態では、飽和信号インデックスは、識別された飽和データ信号から生成される。一部の実施形態では、飽和信号インデックスは、どの検出器チャネルがアナログ－デジタル変換器を飽和させたかを識別するバイナリワードである。一部の例では、飽和信号インデックスは、１ビット以上、例えば２ビット以上、例えば４ビット以上、例えば８ビット以上、例えば１６ビット以上、例えば３２ビット以上、例えば６４ビット以上、例えば１２８ビット以上から構成され、２５６ビット以上を含むバイナリワードである。例えば、飽和信号インデックスは、４ビットバイナリワード、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。特定の例では、飽和信号インデックスは、２つ以上のバイナリワード、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、及び１０個以上を含むバイナリワードの組み合わせである。飽和信号インデックスがバイナリワードの組み合わせである場合、各バイナリワードは、独立して、１ビット以上、例えば、２ビット以上、例えば、４ビット以上、例えば、８ビット以上、例えば、１６ビット以上、例えば、３２ビット以上、例えば、６４ビット以上、例えば、１２８ビット以上（２５６ビット以上を含む）からなるバイナリワードであってもよい。一部の実施形態では、飽和信号インデックス内の各バイナリワードは、独立して、４ビットバイナリワード、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。例えば、光検出システムが８０個の検出器チャネルを含む場合、飽和信号インデックスは、１２８ビットバイナリワード又は３つの異なる３２ビットバイナリワードから構成されてもよい。
実施形態では、方法は、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定することを含む。一部の実施形態では、粒子の１つ以上のパラメータを判定することは、重複する蛍光を有するフルオロフォアから検出された光を分解することなど、試料中の複数のフルオロフォアからの光を分解することを含む。一部の実施形態では、フローストリーム中の粒子のパラメータを判定することは、試料からの蛍光に対するスペクトル分離行列を計算することを含む。
一部の実施形態では、試料中のフルオロフォアからの光をスペクトル分解することは、加重最小二乗アルゴリズムを使用してスペクトル分離行列を計算することを含む。一部の例では、加重最小二乗アルゴリズムは、以下の式に従って計算される。
一部の実施形態では、各Ｗｉｉは、以下の式に従って計算される。
ここで、σｉ
２は検出器ｉにおける分散であり、ｙｉは検出器ｉにおける信号であり、λｉは検出器ｉにおける一定雑音である。ある特定の実施形態では、スペクトル分離行列は、（ＸＴＷＸ）－１ＸＴＷに従って計算される。一部の例では、本方法は、光検出システムによって検出された各細胞について（ＸＴＷＸ）を反転させてスペクトル分離行列を計算することを含む。一部の実施形態では、方法は、反復ニュートン－ラフソン計算、シャーマン－モリソン反復逆更新器のうちの１つ以上を使用して、行列分解（例えば、ＬＵ行列分解、ガウス消去、修正コレスキー分解）又は特異値分解（ＳＶＤ）によって、スペクトル分離行列に対する解を計算することを含む。ある特定の実施形態では、スペクトル分離行列に対する解は、２０１９年１２月２３日に出願された米国特許出願第１６／７２５，７９９号に記載されているように計算され、その開示は参照により本明細書に組み込まれる。
一部の実施形態では、方法は、計算された飽和信号インデックスに基づいて、試料中の粒子の蛍光のスペクトル分離行列を調整することを含む。例えば、スペクトル分離行列は、飽和データ信号のうちの１つ以上を除外することによって調整されてもよい。ある特定の実施形態では、試料における粒子の１つ以上のパラメータを計算するために、方法は、粒子の蛍光に対するスペクトル分離行列を計算することと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することとを含む。特定の例では、スペクトル分離行列は、飽和入力検出器チャネルからのデータ信号に基づいて行列の１つ以上の行を除去することによって調整される。他の例では、飽和信号インデックスを使用して、飽和している検出器チャネルを識別し、スペクトル分離行列を調整して飽和信号を補償する。一例では、スペクトル分離行列解は、飽和信号の真の値の推定値を使用するように調整される。これらの実施形態では、飽和信号の推定された真の値が最初に判定され、調整されたスペクトル分離行列解を生成するためにスペクトル分離行列に入力される。
一部の実施形態では、方法は、粒子の１つ以上の判定されたパラメータに基づいて、試料中の粒子を分類することを含む。一部の実施形態では、粒子を分類することは、粒子を粒子集団クラスタに割り当てることを含む。他の実施形態では、粒子を分類することは、散乱プロット上に粒子の１つ以上のパラメータをプロットすることを含む。
ある特定の実施形態では、試料中の粒子を分類することは、ビットマップゲーティング戦略を使用することを含み、粒子を分類することは、粒子分類パラメータから識別された飽和データ信号を識別し、除去することを含む。他の実施形態では、試料内の粒子を分類することは、飽和データ信号を識別することと、飽和しているデータ信号の真の値を推定することとを含む。特定の例では、試料中の粒子を分類するために、方法は、関心領域（ＲＯＩ）を有する二次元ビットマップを生成することと、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定することとを含む。他の例では、試料内の粒子を分類するための方法は、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定することを含む。一部の実施形態では、ビットマップの粒子割り当てＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定することは、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成することと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを判定することとを含む。
ビットマップのＲＯＩのうちの１つ以上のビットが飽和している場合、一部の実施形態による方法は、飽和信号インデックスを使用して粒子分類インデックスを調整することを含む。一部の例では、ＲＯＩのために使用される座標は、ビットマップのアドレス指定可能な範囲にスケーリングされるインデックスである。一部の例では、１つ以上のオフセットが適用される。他の例では、１つ以上のスケーリング係数が適用される。特定の例では、方法は、１つ以上のオフセットを適用し、その後に１つ以上のスケーリング係数を適用することを含む。ある特定の実施形態は、方法は、ビットマップの粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定するために、飽和信号インデックスを適用する前に、飽和信号インデックスをスカラー値に変換することを含む。一部の例では、ＲＯＩビットマップへのＸ入力及びＹ入力は、データ信号からのデータフレームから選択される。これらの例では、整数が減算され（例えば、アフィン変換によって）、その後、スケール係数が乗算される。一部の実施形態では、ビットの連続サブセットが、ビットマップへのインデックスを選択するために使用される。（例えば、６４ビット乗算積から選択されたビット３１～２５）。一部の実施形態では、飽和信号インデックスは、ビットマップのＲＯＩに適用される。飽和信号ビットマップを粒子割り当てＲＯＩと比較するために、ブール論理を使用することができ、例えば、飽和信号ビットマップを粒子割り当てＲＯＩとＡＮＤ演算して、粒子割り当てＲＯＩの１つ以上のビットが飽和しているか否かを判定する。これらの実施形態では、イベントが任意の検出器チャネルにおいて飽和しているか否かを示す真偽のブール値を得ることができる。これらの結果は、不飽和状態を分類決定に含めるために粒子割り当てＲＯＩ判定と組み合わせることができる。
図５は、ある特定の実施形態による、調整された粒子分類インデックスを生成するためのフロー図を示している。ステップ５０１において、フローストリーム中の試料から光が検出される。光検出システムは、ステップ５０２において、検出された光から複数のデータ信号を生成し、ステップ５０３において、１つ以上の飽和データ信号が検出され得る。飽和データ信号は、検出器が測定することができる光量を超える検出器の結果であるか、又は入力信号がアナログ－デジタル変換器の範囲を超える場合である。マルチビットバイナリワードの形態の飽和信号インデックスがステップ５０４で生成され、飽和している検出器チャネルを識別する。ステップ５０５において、マルチビットバイナリワード飽和信号インデックスは、粒子分類決定の生成に適用される。
図６は、ある特定の実施形態による、調整された粒子分類を生成するためにマルチビットバイナリワード飽和信号インデックスを使用するフロー図を示している。ステップ６０１において、試料中の粒子の蛍光に対するスペクトル分離行列が、飽和信号インデックスを適用せずに計算される。ステップ６０２において、どの検出器チャネルが飽和しているかを識別するために飽和信号インデックスを適用することによって、調整されたスペクトル分離行列解が計算される。ステップ６０３において、調整されていないスペクトル分離行列が、調整されたスペクトル分離行列と比較され、スペクトル分離行列の１つ以上の行が、調整されていないスペクトル分離行列と調整されたスペクトル分離行列との間の比較に基づいて除外され得る。
図７は、ある特定の実施形態による粒子を分類するためのフロー図を示している。ステップ７０１において、関心領域（ＲＯＩ）を有する粒子分類二次元ビットマップが生成される。ステップ７０２において、飽和信号インデックスは、第２の二次元ビットマップＲＯＩを生成するために適用され、ＲＯＩの軸は、飽和チャネルを識別する。ブール論理を使用して、識別された飽和チャネルを伴う第２の二次元ビットマップＲＯＩは、ステップ７０３において、粒子分類二次元ビットマップとＡＮＤ演算され、飽和検出器チャネルを考慮する、調整された粒子分類を生成する。ステップ７０４において、粒子は、判定された粒子分類に基づいて選別される。
一部の実施形態では、方法は、選別分類を生成することを含む。一部の例では、選別分類は、粒子選別決定であり得る。例えば、選別分類を生成することは、判定された飽和信号インデックスと組み合わせて、粒子の計算されたパラメータに基づいて、粒子を選別するために好適な選別ゲートを識別することを含んでもよい。粒子選別決定は、粒子の計算されたパラメータと、飽和信号インデックスを適用することによって調整される粒子分類のパラメータとの間の重複に基づいて生成され得る。適切なゲートを選択するために、方法は、サブ集団の可能な最良の分離を得るように、パラメータを（例えば、散乱プロット上に）プロットすることを更に含み得る。この分析は、粒子分類に基づいてデジタル化されたパラメータのセットを生成するように構成された選別システムに伝達され得る。
一部の実施形態では、試料の成分を選別するための方法は、２０１７年３月２８日に出願され、その開示が、参照により本明細書に組み込まれる米国特許公開第２０１７／０２９９４９３号に記載されるものなどの、偏向板を有する粒子選別モジュールを用いて粒子（例えば、生体試料内の細胞）を選別することを含む。ある特定の実施形態では、試料の細胞は、その開示が参照により本明細書に組み込まれる、２０１９年２月８日に出願された米国仮特許出願第６２／８０３，２６４号に記載されているものなどの、複数の選別決定ユニットを有する選別決定モジュールを使用して選別される。
飽和データ信号に応答して粒子分類インデックスを調整するシステム
上記で要約したように、本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するように構成されたシステムを含む。上述したように、「飽和信号」という用語は、以下で説明する光検出システムの１つ以上の構成要素によって測定することができる最大範囲を超える信号を指すために使用される。一部の実施形態では、飽和信号は、光検出器によって検出され得る最大量を超える量の光に曝露された光検出器から出力されるデータ信号である。他の実施形態では、飽和信号は、光検出器からのアナログ信号をデジタル信号に変換するために使用されるアナログ－デジタル変換器の最大範囲を超えるデータ信号である。ある特定の実施形態によるシステムは、フローストリーム中の試料の粒子を照射するように構成された光源と、試料中の粒子から光を検出し、検出された光から複数のデータ信号を生成する光検出器を有する光検出システムと、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有するプロセッサとを含み、メモリは、その上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、１つ以上の飽和データ信号を識別することと、識別された飽和データ信号を含む飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを行わせる。
上記で要約したように、本開示の態様は、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するように構成されたシステムを含む。上述したように、「飽和信号」という用語は、以下で説明する光検出システムの１つ以上の構成要素によって測定することができる最大範囲を超える信号を指すために使用される。一部の実施形態では、飽和信号は、光検出器によって検出され得る最大量を超える量の光に曝露された光検出器から出力されるデータ信号である。他の実施形態では、飽和信号は、光検出器からのアナログ信号をデジタル信号に変換するために使用されるアナログ－デジタル変換器の最大範囲を超えるデータ信号である。ある特定の実施形態によるシステムは、フローストリーム中の試料の粒子を照射するように構成された光源と、試料中の粒子から光を検出し、検出された光から複数のデータ信号を生成する光検出器を有する光検出システムと、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有するプロセッサとを含み、メモリは、その上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、１つ以上の飽和データ信号を識別することと、識別された飽和データ信号を含む飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを行わせる。
実施形態では、光源は、任意の好適な広帯域又は狭帯域光源であり得る。試料中の構成要素（例えば、細胞、ビーズ、非細胞粒子など）に応じて、光源は、２００ｎｍ～１５００ｎｍ、例えば２５０ｎｍ～１２５０ｎｍ、例えば３００ｎｍ～１０００ｎｍ、例えば３５０ｎｍ～９００ｎｍ、及び４００ｎｍ～８００ｎｍの範囲で変化する波長の光を放出するように構成され得る。例えば、光源は、２００ｎｍ～９００ｎｍの波長を有する光を放出する広帯域光源を含んでもよい。他の例では、光源は、２００ｎｍ～９００ｎｍの範囲の波長を放出する狭帯域光源を含む。例えば、光源は、２００ｎｍ～９００ｎｍの範囲の波長を有する光を放出する狭帯域ＬＥＤ（１ｎｍ～２５ｎｍ）であってもよい。ある特定の実施形態では、光源は、レーザである。一部の例では、主題のシステムは、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、クセノンレーザ、窒素レーザ、ＣＯ２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、クセノン塩素（ＸｅＣｌ）エキシマレーザ、又はクセノン－フッ素（ＸｅＦ）エキシマレーザ、若しくはそれらの組み合わせなどのガスレーザを含む。他の例では、主題のシステムは、スチルベンレーザ、クマリンレーザ、又はローダミンレーザなどの色素レーザを含む。更に他の例では、関心のレーザは、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、又は金レーザ、及びそれらの組み合わせなどの金属蒸気レーザを含む。更に他の例では、主題のシステムは、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：ＹＶＯ４レーザ、Ｎｄ：ＹＣａ４Ｏ（ＢＯ３）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、Ｙ２Ｏ３レーザ、又はセリウムドープレーザ、及びそれらの組み合わせなどの固体レーザを含む。
他の実施形態では、光源は、ハロゲンランプ、重水素アークランプ、クセノンアークランプを含むがこれらに限定されないランプなどの非レーザ光源、連続スペクトルを有する広帯域ＬＥＤなどの発光ダイオード、スーパールミネセント発光ダイオード、半導体発光ダイオード、広域スペクトルＬＥＤ白色光源、集積マルチＬＥＤである。一部の例では、非レーザ光源は、他の光源の中でも、安定化ファイバ結合広帯域光源、白色光源、又はそれらの任意の組み合わせである。
光源は、試料（例えば、フローサイトメータ内のフローストリーム）から任意の好適な距離、例えばフローストリームから０．００１ｍｍ以上の距離、例えば０．００５ｍｍ以上、例えば０．０１ｍｍ以上、例えば０．０５ｍｍ以上、例えば０．１ｍｍ以上、例えば０．５ｍｍ以上、例えば１ｍｍ以上、例えば５ｍｍ以上、例えば１０ｍｍ以上、例えば２５ｍｍ以上の距離、及び１００ｍｍ以上を含む距離に位置決めされてもよい。加えて、光源は、１０°～９０°、１５°～８５°、２０°～８０°、２５°～７５°の範囲の角度（３０°～６０°を含む）、例えば９０°の角度など、任意の好適な角度（例えば、フローストリームの垂直軸に対して）で試料を照射する。
光源は、連続的に又は離散間隔で試料を照射するように構成され得る。一部の例では、システムは、フローサイトメータ内の調査点においてフローストリームを連続的に照射する連続波レーザなどを用いて、試料を連続的に照射するように構成される光源を含む。他の例では、対象のシステムは、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（１０００ミリ秒毎を含む）、又は何らかの他の間隔などの離散間隔で試料を照射するように構成された光源を含む。光源が離散的な間隔で試料を照射するように構成される場合、システムは、光源による試料の断続的な照射を提供するための１つ以上の追加の構成要素を含み得る。例えば、これらの実施形態における主題のシステムは、１つ以上のレーザビームチョッパ、試料を遮断して光源に曝露するための手動又はコンピュータ制御のビームストップを含んでもよい。
一部の実施形態では、光源はレーザである。対象となるレーザは、パルスレーザ又は連続波レーザを含んでもよい。例えば、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、クセノンレーザ、窒素レーザ、ＣＯ２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、クセノン－塩素（ＸｅＣｌ）エキシマレーザ又はクセノン－フッ素（ＸｅＦ）エキシマレーザ又はこれらの組み合わせと、色素レーザ、例えばスチルベン、クマリン又はローダミンレーザと、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－セレニウム（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、銅レーザ又は金レーザ及びこれらの組み合わせと、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：ＹＶＯ４レーザ、Ｎｄ：ＹＣａ４Ｏ（ＢＯ３）３レーザ、Ｎｄ：ＹＣＯＢレーザ、チタンサファイアレーザ、タリウムＹＡＧレーザ、イッテリビウムＹＡＧレーザ、イッテリビウム２Ｏ３レーザ又はセリウムドープレーザ及びこれらの組み合わせと、半導体ダイオードレーザ、光ポンピング半導体レーザ（ＯＰＳＬ）又は上述のレーザのいずれかの周波数二倍化又は周波数三倍化の実装形態と、であってもよい。
ある特定の実施形態では、光源は、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である。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発生させるように構成された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又は連続波レーザであり得る。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、クセノンレーザ、窒素レーザ、ＣＯ２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、クセノン－塩素（ＸｅＣｌ）エキシマレーザ又はクセノン－フッ素（ＸｅＦ）エキシマレーザ又はこれらの組み合わせと、色素レーザ、例えばスチルベン、クマリン又はローダミンレーザと、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－セレニウム（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、銅レーザ又は金レーザ及びこれらの組み合わせと、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：ＹＶＯ４レーザ、Ｎｄ：ＹＬＦレーザ、Ｎｄ：ＹＶＯ４レーザ、Ｎｄ：ＹＣａ４Ｏ（ＢＯ３）３レーザ、Ｎｄ：ＹＣＯＢレーザ、チタンサファイアレーザ、タリウムＹＡＧレーザ、イッテリビウムＹＡＧレーザ、Ｙ２Ｏ３レーザ又はセリウムドープレーザ及びこれらの組み合わせと、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適な音響光学プロトコルであり得る。あ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。主題のシステムにおける音響光学デバイスは、レーザからの光及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）、又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つ以上の高周波駆動信号、例えば４つ以上の高周波駆動信号、例えば５つ以上の高周波駆動信号、例えば６つ以上の高周波駆動信号、例えば７つ以上の高周波駆動信号、例えば８つ以上の高周波駆動信号、例えば９つ以上の高周波駆動信号、例えば１０個以上の高周波駆動信号、例えば１５個以上の高周波駆動信号、例えば２５個以上の高周波駆動信号、例えば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、例えば約０．００５Ｖ～約４００Ｖ、例えば約０．０１Ｖ～約３００Ｖ、例えば約０．０５Ｖ～約２００Ｖ、例えば約０．１Ｖ～約１００Ｖ、例えば約０．５Ｖ～約７５Ｖ、例えば約１Ｖ～５０Ｖ、例えば約２Ｖ～４０Ｖ、例えば３Ｖ～約３０Ｖなど、５Ｖ～約２５Ｖを含む振幅で変化する高周波駆動信号を印加するように構成されている。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を有する。
あ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、その上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んでもよい。
あ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、その上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、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、その上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、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、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約１０％～約５０％を含んでもよい。更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、その上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。更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、その上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。
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得る。印加される高周波駆動信号及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、更には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号及び同第１０，００６，８５２号、並びに米国特許公開第２０１７／０１３３８５７号及び同第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。
実施形態では、システムは、１つ以上の光検出器を有する光検出システムを含む。対象となる光検出器は、光検出器の中でも特に、アクティブピクセルセンサ（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、光子カウンタ、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、フォトトランジスタ、量子ドット光導電体又はフォトダイオード、及びこれらの組み合わせなどの光センサを含み得るが、これらに限定されない。ある特定の実施形態は、試料からの光は、電荷結合素子（ＣＣＤ）、半導体電荷結合素子（ＣＣＤ）、アクティブピクセルセンサ（ＡＰＳ）、相補型金属酸化膜半導体（ＣＭＯＳ）画像センサ、又は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。
一部の実施形態では、対象の光検出システムは、複数の光検出器を含む。一部の例では、光検出システムは、フォトダイオードなどの複数の固体検出器を含む。特定の例では、光検出システムは、フォトダイオードのアレイなどの光検出器アレイを含む。これらの実施形態では、光検出器アレイは、４つ以上の光検出器、例えば１０個以上の光検出器、例えば２５個以上の光検出器、例えば５０個以上の光検出器、例えば１００個以上の光検出器、例えば２５０個以上の光検出器、例えば５００個以上の光検出器、例えば７５０個以上の光検出器、及び１０００個以上を含む光検出器を含んでもよい。例えば、検出器は、４個以上のフォトダイオード、例えば１０個以上のフォトダイオード、例えば２５個以上のフォトダイオード、例えば５０個以上のフォトダイオード、例えば１００個以上のフォトダイオード、例えば２５０個以上のフォトダイオード、例えば５００個以上のフォトダイオード、例えば７５０個以上のフォトダイオードを有し、１０００個以上のフォトダイオードを含むフォトダイオードアレイであってもよい。
光検出器は、所望に応じて任意の幾何学的構成で配置されてもよく、対象となる配置は、正方形構成、長方形構成、台形構成、三角形構成、六角形構成、七角形構成、八角形構成、九角形構成、十角形構成、十二角形構成、円形構成、楕円形構成、並びに不規則形状構成を含むが、これらに限定されない。光検出器アレイ内の光検出器は、（Ｘ－Ｚ平面において参照されるように）１０°～１８０°、例えば１５°～１７０°、例えば２０°～１６０°、例えば２５°～１５０°、例えば３０°～１２０°など、４５°～９０°を含む範囲の角度で他方に対して配向されてもよい。光検出器アレイは、任意の好適な形状であってもよく、例えば、正方形、長方形、台形、三角形、六角形などの直線形状、例えば、円形、楕円形などの曲線形状、並びに例えば、平面上部に結合された放物線状底部などの不規則形状であってもよい。ある特定の実施形態では、光検出器アレイは、長方形形状の活性表面を有する。
アレイ内の各光検出器（例えば、フォトダイオード）は、幅が５μｍ～２５０μｍ、例えば１０μｍ～２２５μｍ、例えば１５μｍ～２００μｍ、例えば２０μｍ～１７５μｍ、例えば２５μｍ～１５０μｍ、例えば３０μｍ～１２５μｍ（５０μｍ～１００μｍを含む）の範囲であり、長さが５μｍ～２５０μｍ、例えば１０μｍ～２２５μｍ、例えば１５μｍ～２００μｍ、例えば２０μｍ～１７５μｍ、例えば２５μｍ～１５０μｍ、例えば３０μｍ～１２５μｍ（５０μｍ～１００μｍを含む）の範囲である活性表面を有することができ、アレイ内の各光検出器（例えば、フォトダイオード）の表面積は、２５μｍ２～１００００μｍ２、例えば５０μｍ２～９０００μｍ２、例えば７５μｍ２～８０００μｍ２、例えば１００μｍ２～７０００μｍ２、例えば１５０～μｍ２～６０００μｍ２の範囲であり、例えば２００～μｍ２～５０００μｍ２を含む範囲である。
光検出器アレイのサイズは、光の量及び強度、光検出器の数、並びに所望の感度に応じて変化してもよく、０．０１ｍｍ～１００ｍｍ、例えば０．０５ｍｍ～９０ｍｍ、例えば０．１ｍｍ～８０ｍｍ、例えば０．５ｍｍ～７０ｍｍ、例えば１ｍｍ～６０ｍｍ、例えば２ｍｍ～５０ｍｍ、例えば３ｍｍ～４０ｍｍ、例えば４ｍｍ～３０ｍｍ、及び５ｍｍ～２５ｍｍを含む範囲の長さを有してもよい。光検出器アレイの幅は、０．０１ｍｍ～１００ｍｍ、例えば０．０５ｍｍ～９０ｍｍ、例えば０．１ｍｍ～８０ｍｍ、例えば０．５ｍｍ～７０ｍｍ、例えば１ｍｍ～６０ｍｍ、例えば２ｍｍ～５０ｍｍ、例えば３ｍｍ～４０ｍｍ、例えば４ｍｍ～３０ｍｍ、及び５ｍｍ～２５ｍｍを含む範囲で変化してもよい。したがって、光検出器アレイの活性表面は、０．１ｍｍ２～１００００ｍｍ２、例えば０．５ｍｍ２～５０００ｍｍ２、例えば１ｍｍ２～１０００ｍｍ２、例えば５ｍｍ２～５００ｍｍ２、及び１０ｍｍ２～１００ｍｍ２を含む範囲であってもよい。
対象となる光検出器は、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試料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、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。ある特定の実施形態は、対象となる光検出器は、ある範囲の波長にわたる光のスペクトルを収集するように構成される。例えば、システムは、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。更に他の実施形態では、対象となる検出器は、１つ以上の特定の波長でフローストリーム中の試料からの光を測定するように構成される。例えば、システムは、４５０ｎｍ、５１８ｎｍ、５１９ｎｍ、５６１ｎｍ、５７８ｎｍ、６０５ｎｍ、６０７ｎｍ、６２５ｎｍ、６５０ｎｍ、６６０ｎｍ、６６７ｎｍ、６７０ｎｍ、６６８ｎｍ、６９５ｎｍ、７１０ｎｍ、７２３ｎｍ、７８０ｎｍ、７８５ｎｍ、６４７ｎｍ、６１７ｎｍ、及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た１つ以上の検出器を含んでもよい。ある特定の実施形態は、光検出器は、蛍光アッセイにおいて試料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てもよい。一部の実施形態では、光検出器は、試料中の各フルオロフォアの蛍光スペクトル全体にわたって収集された光を測定するように構成される。
光検出システムは、連続的に又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、対象となる光検出器は、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、光検出システムは、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（１０００ミリ秒毎を含む）、又は何らかの他の間隔で光を測定するなど、離散間隔で測定を行うように構成される。
実施形態では、システムは、フローストリーム内の粒子から検出された光からの１つ以上の飽和データ信号に応答して、粒子分類インデックスを調整するように構成される。光検出システムは、試料中の粒子から検出された光から複数のデータ信号を生成するように構成される。生成されるデータ信号は、アナログデータ信号又はデジタルデータ信号であってもよい。データ信号がアナログデータ信号である場合、一部の例では、システムは、アナログデータ信号をデジタルデータ信号に変換するように構成されたアナログ－デジタル変換器を更に含む。対象となるシステムは、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含み、メモリは、その上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、１つ以上の飽和データ信号を識別させる。一部の例では、飽和信号は、光検出システムの検出器が測定することができる範囲を超える信号に起因するデータ信号である。他の例では、飽和信号は、アナログ－デジタル変換器の範囲を超える信号に起因するデータ信号である。主題の光検出システム内の光検出器の数に応じて、飽和データ信号を出力するものとして識別され得る検出器チャネルの数は、例えば１つ以上、例えば２つ以上、例えば４つ以上、例えば８つ以上、例えば１６個以上、例えば３２個以上、例えば６４個以上であり、１２８個以上を含むように変化し得る。
一部の実施形態では、識別された飽和データ信号からプロセッサによって生成される飽和信号インデックスは、どの検出器チャネルがアナログ－デジタル変換器を飽和させたかを識別するバイナリワードである。一部の例では、飽和信号インデックスは、１ビット以上、例えば２ビット以上、例えば４ビット以上、例えば８ビット以上、例えば１６ビット以上、例えば３２ビット以上、例えば６４ビット以上、例えば１２８ビット以上から構成され、２５６ビット以上を含むバイナリワードである。例えば、飽和信号インデックスは、４ビットバイナリワード、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。特定の例では、飽和信号インデックスは、２つ以上のバイナリワード、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、及び１０個以上のバイナリワードの組み合わせである。飽和信号インデックスがバイナリワードの組み合わせである場合、各バイナリワードは、独立して、１ビット以上、例えば、２ビット以上、例えば、４ビット以上、例えば、８ビット以上、例えば、１６ビット以上、例えば、３２ビット以上、例えば、６４ビット以上、例えば、１２８ビット以上（２５６ビット以上を含む）からなるバイナリワードであってもよい。一部の実施形態では、飽和信号インデックス内の各バイナリワードは、独立して、４ビットバイナリワード、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。例えば、光検出システムが８０個の検出器チャネルを含む場合、飽和信号インデックスは、１２８ビットバイナリワード又は３つの異なる３２ビットバイナリワードから構成されてもよい。
実施形態では、メモリは、その上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、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定させる。一部の実施形態では、メモリは、粒子の蛍光に対するスペクトル分離行列を計算するための命令を含む。一部の実施形態では、メモリは、加重最小二乗アルゴリズムを使用してスペクトル分離行列を計算するための命令を含む。一部の例では、加重最小二乗アルゴリズムは、以下の式に従って計算される。
一部の実施形態では、各Ｗｉｉは、以下の式に従って計算される。
ここで、σｉ
２は検出器ｉにおける分散であり、ｙｉは検出器ｉにおける信号であり、λｉは検出器ｉにおける一定雑音である。ある特定の実施形態では、スペクトル分離行列は、（ＸＴＷＸ）－１ＸＴＷに従って計算される。一部の例では、メモリは、スペクトル分離行列を計算するために、光検出システムによって検出された各セルについて（ＸＴＷＸ）を反転させるための命令を含む。一部の実施形態では、メモリは、その上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、反復ニュートン－ラフソン計算、シャーマン－モリソン反復逆更新器のうちの１つ以上を使用して、行列分解（例えば、ＬＵ行列分解、ガウス消去、修正コレスキー分解）又は特異値分解（ＳＶＤ）によって、スペクトル分離行列に対する解を計算させる。ある特定の実施形態は、スペクトル分離行列に対する解を計算するためのシステムは、２０１９年１２月２３日に出願された米国特許出願第１６／７２５，７９９号に説明されるものを含み、その開示は、参照することによって本明細書に組み込まれる。
一部の例では、メモリは、１つ以上の飽和データ信号が除外される場合など、計算された飽和信号インデックスを使用して調整されたスペクトル分離行列を計算するための命令を含む。他の例では、メモリは、飽和している検出器チャネルからのデータ信号が除外される調整されたスペクトル分離行列を計算するための命令を含む。特定の例では、メモリは、その上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、粒子の蛍光に対するスペクトル分離行列を計算することと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することとを行わせる。ある特定の実施形態では、メモリは、スペクトル分離行列を計算するための命令を含み、行列の１つ以上の行は、飽和入力検出器チャネルからのデータ信号を除外するために除去される。他の実施形態では、メモリは、飽和している検出器チャネルを識別し、スペクトル分離行列を調整して飽和信号を補償するための命令を含む。一例では、スペクトル分離行列解は、飽和信号の真の値の推定値を使用するように調整される。これらの実施形態では、飽和信号の推定された真の値が最初に判定され、調整されたスペクトル分離行列解を生成するためにスペクトル分離行列に入力される。
メモリは、その上に記憶された命令を含み得、命令は、プロセッサによって実行されると、プロセッサに、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類させる。一部の実施形態では、システムは、粒子を粒子集団クラスタに割り当てることによって粒子を分類するように構成される。他の実施形態では、システムは、粒子の１つ以上のパラメータを散乱プロット上にプロットすることによって、粒子を分類するように構成される。
一部の実施形態では、メモリは、粒子を分類するためのビットマップゲーティング戦略を実装するための命令を含む。一部の例では、主題のシステムによって実装されるビットマップゲーティング戦略は、飽和データ信号を識別及び除去するための命令を含む。他の例では、主題のシステムによって実装されるビットマップゲーティング戦略は、飽和データ信号を識別し、飽和しているデータ信号の真の値を推定するための命令を含む。一部の実施形態では、メモリは、プロセッサによって実行されると、プロセッサに、関心領域（ＲＯＩ）を有する二次元ビットマップを生成させ、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定させる命令を含む。他の実施形態では、メモリは、プロセッサによって実行されると、プロセッサに、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定させる命令を含む。一部の例では、メモリは、ビットマップの粒子割り当てＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定することが、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成することと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを判定することとを含む命令を含む。特定の例では、プロセッサは、飽和信号ビットマップを粒子割り当てＲＯＩと比較するためにブール論理を使用して動作する。例えば、飽和信号ビットマップは、粒子割り当てＲＯＩの１つ以上のビットが飽和しているか否かを判定するために、粒子割り当てＲＯＩとＡＮＤ演算されてもよい。
一部の実施形態では、対象のシステムは、粒子の分類に基づいて粒子の選別決定を生成するように構成される、１つ以上の選別決定モジュールを含んでもよい。ある特定の実施形態は、システムは、選別決定モジュールによって生成された選別決定に基づいて、フローストリームから粒子を選別するための粒子ソーター（例えば、液滴偏向器を有する）を更に含む。「選別する」という用語は、試料の成分（例えば、細胞、生体高分子などの非細胞粒子）を分離し、一部の例では、分離された成分を１つ以上の試料収集容器に送達することを指すために、その従来の意味で本明細書で使用される。例えば、主題のシステムは、２つ以上の成分、例えば３つ以上の成分、例えば４つ以上の成分、例えば５つ以上の成分、例えば１０個以上の成分、例えば１５個以上の成分を有する試料を選別するように構成されてもよく、２５個以上の成分を有する試料を選別することを含んでもよい。試料成分のうちの１つ以上が、試料から分離されて、試料収集容器に送達され得、例えば、２つ以上の試料成分、例えば、３つ以上の試料成分、例えば、４つ以上の試料成分、例えば、５つ以上の試料成分、例えば、１０個以上の試料成分、及び１５個以上の試料成分などが、試料から分離されて、試料収集容器に送達され得る。
一部の実施形態では、関心の粒子選別システムは、２０１７年３月２８日に出願され、その開示が、参照により本明細書に組み込まれる米国特許公開第２０１７／０２９９４９３号に記載されるものなどの、密閉型粒子選別モジュールを用いて粒子を選別するように構成される。ある特定の実施形態では、その開示が参照により本明細書に組み込まれる、２０１９年２月８日に出願された米国仮特許出願第６２／８０３，２６４号に記載されているような、複数の選別決定ユニットを有する選別決定モジュールを使用して、試料の粒子（例えば、細胞）を選別する。一部の実施形態では、試料の成分を選別するための方法は、その開示が参照により本明細書に組み込まれる、２０１７年３月２８日に出願された米国特許出願公開第２０１７／０２９９４９３号に記載されているような、偏向板を有する粒子選別モジュールを用いて粒子（例えば、生体試料中の細胞）を選別することを含む。
図１は、生物学的イベントを分析及び表示するための分析コントローラ１００などの選別制御システムの一例の機能ブロック図を示している。分析コントローラ１００は、生物学的イベントのグラフィック表示を制御するための様々なプロセスを実装するように構成され得る。
粒子分析器又は選別システム１０２は、生物学的イベントデータを取得するように構成され得る。例えば、フローサイトメータが、フローサイトメトリイベントデータを生成し得る。粒子分析器１０２は、生物学的イベントデータを分析コントローラ１００に提供するように構成され得る。データ通信チャネルが、粒子分析器１０２と分析コントローラ１００との間に含まれ得る。生物学的イベントデータは、データ通信チャネルを介して分析コントローラ１００に提供され得る。
分析コントローラ１００は、生物学的イベントデータを粒子分析器１０２から受け取るように構成され得る。粒子分析器１０２から受け取る生物学的イベントデータは、フローサイトメトリイベントデータを含み得る。分析コントローラ１００は、生物学的イベントデータの第１のプロットを含むグラフィカル表示を表示デバイス１０６に提供するように構成され得る。分析コントローラ１００は、例えば、関心領域を、表示デバイス１０６によって示される生物学的イベントデータの集団の周りのゲートとして、第１のプロット上に重ねて、レンダリングするように更に構成され得る。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又は二変量プロット上に描画される１つ以上の対象のグラフィカル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、粒子パラメータ又は飽和検出器データを表示するために使用されることができる。
分析コントローラ１００は、表示デバイス１０６上のゲート内の生物学的イベントデータを、ゲートの外側の生物学的イベントデータ中の他のイベントとは異って表示するように更に構成され得る。例えば、分析コントローラ１００は、ゲート内に含有される生物学的イベントデータの色を、ゲートの外側の生物学的イベントデータの色とは区別されるようにレンダリングするように構成され得る。表示デバイス１０６は、モニタ、タブレットコンピュータ、スマートフォン、又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。
分析コントローラ１００は、ゲートを識別するゲート選択信号を第１の入力デバイスから受け取るように構成され得る。例えば、第１の入力デバイスは、マウス１１０として実装され得る。マウス１１０は、（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の上又は内でクリックすることによって）表示デバイス１０６上に表示されるか、又は表示デバイス１０６を介して操作されるゲートを識別する分析コントローラ１００へのゲート選択信号を始動させ得る。一部の実装形態では、第１のデバイスは、キーボード１０８、又はタッチスクリーン、スタイラス、光学検出器、若しくは音声認識システムなどの、分析コントローラ１００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１に示されたように、マウス１１０は、右マウスボタン及び左マウスボタンを含み得、それらの各々が、トリガイベントを生成し得る。
トリガイベントは、分析コントローラ１００に、データが表示される方法、データのどの部分が表示デバイス１０６上に実際に表示されるかを変更させ、かつ／又は粒子選別のための対象の集団の選択などの更なる処理に入力を提供させ得る。
一部の実施形態では、分析コントローラ１００は、ゲート選択がマウス１１０によって始動されたときを検出するように構成され得る。分析コントローラ１００は、ゲーティングプロセスを容易にするために、プロットの視覚化を自動的に修正するように更に構成され得る。修正は、分析コントローラ１００が受け取った生物学的イベントデータの特定の分布に基づき得る。
分析コントローラ１００は、記憶デバイス１０４に接続され得る。記憶デバイス１０４は、分析コントローラ１００から生物学的イベントデータを受け取り、記憶するように構成され得る。記憶デバイス１０４は、また、分析コントローラ１００からフローサイトメトリイベントデータを受け取り、記憶するように構成され得る。記憶デバイス１０４は、分析コントローラ１００による、フローサイトメトリイベントデータなどの生物学的イベントデータの取り出しを可能にするように更に構成され得る。
表示デバイス１０６は、分析コントローラ１００から表示データを受け取るように構成され得る。表示データは、生物学的イベントデータのプロットと、プロットの区域の輪郭を示すゲートとを含み得る。表示デバイス１０６は、粒子分析器１０２、記憶デバイス１０４、キーボード１０８、及び／又はマウス１１０からの入力と併せて、分析コントローラ１００から受け取った入力に従って提示された情報を変更するように更に構成され得る。
一部の実装形態では、分析コントローラ１００は、選別のための例イベントを受け取るためのユーザインターフェースを生成し得る。例えば、ユーザインターフェースは、例イベント又は例画像を受け取るための制御を含み得る。例イベント若しくは例画像、又は例ゲートは、試料に対するイベントデータの収集前に、又は試料の一部分に対する初期イベントセットに基づいて、提供され得る。
図２Ａは、本明細書に提示される一実施形態による粒子ソーターシステム２００（例えば、粒子分析器１０２）の概略図である。一部の実施形態では、粒子ソーターシステム２００は、セルソーターシステムである。図２Ａに示されるように、液滴形成トランスデューサ２０２（例えば、圧電発振器）は、流体導管２０１に結合され、流体導管２１０は、ノズル２０３に結合され得るか、ノズル２０３を含み得るか、又はノズル２０３であり得る。流体導管２０１内で、シース流体２０４は、粒子２０９を含む試料流体２０６を、移動する流体カラム２０８（例えば、ストリーム）に流体力学的に集束させる。移動流体カラム２０８内で、粒子２０９（例えば、細胞）は、照射源２１２（例えば、レーザ）によって照射される監視エリア２１１（例えば、レーザストリームが交差する場所）を横切るように一列に並べられる。液滴形成トランスデューサ２０２の振動は、移動する流体カラム２０８を複数の液滴２１０に分解させ、そのうちの一部は粒子２０９を含む。
動作中、検出ステーション２１４（例えば、イベント検出器）は、対象の粒子（又は対象の細胞）が監視エリア２１１を横切るときを識別する。検出ステーション２１４は、タイミング回路２２８に入力供給し、次いで、タイミング回路２２８は、フラッシュ電荷回路２３０に入力供給する。液滴分裂ポイントでは、時限液滴遅延（Δｔ）によって通知されて、フラッシュ電荷が移動流体カラム２０８に印加され得、したがって、対象の液滴が電荷を担う。対象の液滴は、選別されるべき１つ以上の粒子又は細胞を含み得る。次に、偏向板（図示せず）を作動させて液滴を偏向させて、収集管又はマルチウェル若しくはマイクロウェル試料プレートなどの容器内に入れることによって、帯電した液滴を選別することができ、ウェル又はマイクロウェルは、特定の対象の液滴と関連付けることができる。図２Ａに示すように、液滴は、ドレイン容器２３８に収集することができる。
検出システム２１６（例えば、液滴境界検出器）は、対象の粒子が監視エリア２１１を通過するときに、液滴駆動信号の位相を自動的に判定する役割を果たす。例示的な液滴境界検出器が、米国特許第７，６７９，０３９号に記載されており、参照によりその全体が本明細書に組み込まれる。検出システム２１６は、機器が、液滴中の検出された各粒子の位置を正確に計算することを可能にする。検出システム２１６は、振幅信号２２０及び／又は位相信号２１８に入力供給し得、それらは、次いで、振幅制御回路２２６及び／又は周波数制御回路２２４に（増幅器２２２を介して）入力供給する。振幅制御回路２２６及び／又は周波数制御回路２２４は、次いで、液滴形成トランスデューサ２０２を制御する。振幅制御回路２２６及び／又は周波数制御回路２２４は、制御システム内に含まれ得る。
一部の実装形態では、選別エレクトロニクス（例えば、検出システム２１６、検出ステーション２１４、及びプロセッサ２４０）は、検出されたイベントとそれに基づく選別決定とを記憶するように構成されたメモリと連結され得る。選別決定は、粒子に対するイベントデータに含まれ得る。一部の実装形態では、検出システム２１６及び検出ステーション２１４は、単一の検出ユニットとして実装され得るか、又はイベント測定値が検出システム２１６又は検出ステーション２１４のうちの１つによって収集され、非収集要素に提供され得るように通信可能に結合され得る。
図２Ｂは、本明細書に提示される一実施形態による、粒子ソーターシステムの概略図である。図２Ｂに示される粒子ソーターシステム２００は、偏向板２５２及び２５４を含む。電荷は、バーブ内のストリーム帯電ワイヤを介して印加することができる。これにより、分析用の粒子２１０を含む液滴２１０のストリームが生成される。粒子は、光散乱及び蛍光情報を生成するために、１つ以上の光源（例えば、レーザ）で照射され得る。粒子についての情報は、選別エレクトロニクス又は他の検出システム（図２Ｂには図示せず）によって分析される。偏向板２５２及び２５４は、独立して制御されて、帯電液滴を引き付けるか又は反発させて、液滴を目的の収集容器（例えば、２７２、２７４、２７６、又は２７８のうちの１つ）に向かって誘導し得る。図２Ｂに示されるように、偏向板２５２及び２５４は、粒子を第１の経路２６２に沿って容器２７４に向かって、又は第２の経路２６８に沿って容器２７８に向かって導くように制御され得る。粒子が関心対象でない（例えば、指定されたソート範囲内の散乱又は照明情報を呈さない）場合、偏向板は、粒子がフロー経路２６４に沿って進み続けることを可能にし得る。そのような非帯電の液滴は、吸引器２７０を介してなど、廃棄物容器内に移行し得る。
選別エレクトロニクスは、測定値の収集を始動し、粒子に関する蛍光信号を受信し、偏向板をどのように調整して粒子の選別を引き起こすかを判定するために含まれ得る。図２Ｂに示される実施形態の例示的な実装形態は、Ｂｅｃｔｏｎ，Ｄｉｃｋｉｎｓｏｎ ａｎｄ Ｃｏｍｐａｎｙ（Ｆｒａｎｋｌｉｎ Ｌａｋｅｓ，ＮＪ）によって市販されているＢＤ ＦＡＣＳＡｒｉａ（登録商標）動線サイトメータを含む。
一部の実施形態では、粒子ソーターシステム２００について説明された１つ以上の成分は、粒子を収集容器内に物理的に選別するか否かにかかわらず、粒子を分析して特性評価するために使用され得る。同様に、粒子分析システム３００（図３）について以下に説明される１つ以上の成分は、粒子を収集容器に物理的に選別するか否かにかかわらず、粒子を分析して特性評価するために使用され得る。例えば、粒子は、粒子ソーターシステム２００又は粒子分析システム３００の成分のうちの１つ以上を使用して、本明細書に記載の少なくとも３つのグループを含むツリーに、グループ化又は表示され得る。
図３は、計算ベースの試料分析及び粒子特性評価のための粒子分析システムの機能ブロック図を示す。一部の実施形態では、粒子分析システム３００は、フローシステムである。図３に示された粒子分析システム３００は、本明細書に記載の方法を、全体的又は部分的に実施するように構成され得る。粒子分析システム３００は、流体工学システム３０２を含む。流体工学システム３０２は、試料管３１０と、試料の粒子３３０（例えば、細胞）が共通試料経路３２０に沿ってその中を移動する試料管内の移動流体カラムとを含むか、又はそれらと連結され得る。
粒子分析システム３００は、各粒子が共通試料経路に沿って１つ以上の検出ステーションを通過するときに、各粒子から信号を収集するように構成された検出システム３０４を含む。検出ステーション３０８は、概して、共通試料経路の監視エリア３４０を指す。検出は、一部の実装形態では、粒子３３０が監視エリア３４０を通過するときに、光又は粒子３３０の１つ以上の他の特性を検出することを含み得る。図３では、１つの監視エリア３４０を有する１つの検出ステーション３０８が示されている。粒子分析システム３００の一部の実装形態は、複数の検出ステーションを含み得る。更に、一部の検出ステーションは、２つ以上のエリアを監視し得る。
各信号には、各粒子に対してデータポイントを形成するための信号値が割り当てられる。上記で説明したように、このデータは、イベントデータと称され得る。データポイントは、粒子に対して測定されたそれぞれの特性の値を含む多次元データポイントであり得る。検出システム３０４は、一連のそのようなデータポイントを第１の時間間隔で収集するように構成されている。
粒子分析システム３００は、また、制御システム３０６を含み得る。制御システム３０６は、図２Ｂに示されたように、１つ以上のプロセッサ、振幅制御回路２２６、及び／又は周波数制御回路２２４を含み得る。示された制御システム２０６は、流体工学システム３０２に動作可能に関連付けられている。制御システム２０６は、ポアソン分布、及び第１の時間間隔の間に検出システム３０４によって収集されたデータポイントの数に基づいて、第１の時間間隔の少なくとも一部分に対して計算された信号周波数を生成するように構成され得る。制御システム３０６は、第１の時間間隔の一部におけるデータポイントの数に基づいて実験信号周波数を生成するように更に構成することができる。追加的に、制御システム３０６は、実験的信号周波数を、計算された信号周波数又は所定の信号周波数と比較することができる。
図４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４００を示している。システム４００は、フローサイトメータ４１０、コントローラ／プロセッサ４９０、及びメモリ４９５を含む。フローサイトメータ４１０は、１つ以上の励起レーザ４１５ａ～４１５ｃ、集束レンズ４２０、フローチャンバ４２５、前方散乱検出器４３０、側方散乱検出器４３５、蛍光収集レンズ４４０、１つ以上のビームスプリッタ４４５ａ～４４５ｇ、１つ以上のバンドパスフィルタ４５０ａ～４５０ｅ、１つ以上のロングパス（「ＬＰ」）フィルタ４５５ａ～４５５ｂ、及び１つ以上の蛍光検出器４６０ａ～４６０ｆを含む。
励起レーザ１１５ａ～ｃは、レーザビームの形態で光を放出する。励起レーザ４１５ａ～４１５ｃから放射されるレーザビームの波長は、図４の例示的なシステムにおいて、それぞれ４８８ｎｍ、６３３ｎｍ、及び３２５ｎｍである。レーザビームは、最初に、ビームスプリッタ４４５ａ及び４４５ｂのうちの１つ以上のものを通して方向付けられる。ビームスプリッタ４４５ａは、４８８ｎｍの光を透過し、６３３ｎｍの光を反射する。ビームスプリッタ４４５ｂは、ＵＶ光（１０～４００ｎｍの範囲の波長を有する光）を透過し、４８８ｎｍ及び６３３ｎｍの光を反射する。
次に、レーザビームは、集束レンズ４２０に方向付けられ、集束レンズ４２０は、フローチャンバ４２５内で、試料の粒子が位置する流体ストリーム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、問い合わせのために集束されたレーザビームにストリーム中で方向付ける。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又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備え得る。
レーザビームからの光は、回折、屈折、反射、散乱、及び吸収によって試料中の粒子と相互作用し、粒子のサイズ、内部構造、及び粒子に付着した、又は粒子上若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、様々な異なる波長で再放出する。蛍光発光並びに回折光、屈折光、反射光、及び散乱光は、ビームスプリッタ４４５ａ～４４５ｇ、バンドパスフィルタ４５０ａ～４５０ｅ、ロングパスフィルタ４５５ａ～４５５ｂ、及び蛍光収集レンズ４４０のうちの１つ以上を通して、前方散乱検出器４３０、側方散乱検出器４３５、及び１つ以上の蛍光検出器４６０ａ～４６０ｆのうちの１つ以上に送出され得る。
蛍光収集レンズ４４０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及びフィルタに向かって経路指定する。バンドパスフィルタ４５０ａ～４５０ｅ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４５０ａ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４５５ａ～４５５ｂなどのロングパスフィルタは、指定された波長以上の波長の光を透過させる。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４５５ａは、６７０ｎｍ以上の光を透過させる。フィルタは、特定の蛍光色素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向ける。ビームスプリッタは、ショートパス及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４４５ｇは６２０ ＳＰビームスプリッタであり、これは、ビームスプリッタ４４５ｇ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４４５ａ～４４５ｇは、ダイクロイックミラーなどの光学ミラーを備え得る。
前方散乱検出器４３０は、フローセルを通る直接ビームからわずかに軸を外れて配置され、回折光、すなわち粒子を通って、又は粒子の周りを主に順方向に進む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４３５は、粒子の表面及び内部構造から屈折及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４６０ａ～４６０ｆによって検出することができる。側方散乱検出器４３５及び蛍光検出器は、光電子増倍管を含み得る。前方散乱検出器４３０、側方散乱検出器４３５及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、試料に関する情報を提供することができる。
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４に示されるフローサイトメータに限定されず、当該分野で公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、及び検出器を、様々な波長及び様々な異なる構成で有し得る。
動作中、サイトメータ動作は、コントローラ／プロセッサ４９０によって制御され、検出器からの測定データは、メモリ４９５に記憶され、コントローラ／プロセッサ４９０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１９０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４００の電気及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４９７もシステム内に提供され得る。メモリ４９５、コントローラ／プロセッサ４９０、及びＩ／Ｏ機能４９７は、フローサイトメータ４１０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４００のユーザに提示するためのＩ／Ｏ機能４９７の一部を形成し得る。代替的に、メモリ４９５及びコントローラ／プロセッサ４９０及びＩ／Ｏ機能の一部又は全部は、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り得る。一部の実施形態では、メモリ４９５及びコントローラ／プロセッサ４９０の一部又は全部は、サイトメータ４１０と無線通信又は有線通信することができる。コントローラ／プロセッサ４９０は、メモリ４９５及びＩ／Ｏ機能４９７と併せて、フローサイトメータ実験の準備及び分析に関連する様々な機能を行うように構成されることができる。
図４に示すシステムは、フローセル４２５から各検出器へのビーム経路内のフィルタ及び／又はスプリッタの構成によって定義される６つの異なる波長帯域（本明細書では所与の検出器の「フィルタウィンドウ」と称することがある）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及びそれらの関連する蛍光発光バンドは、検出器のフィルタウィンドウ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、フィルタウィンドウ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、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ことが概して事実である。これはスピルオーバと称され得る。Ｉ／Ｏ機能４９７は、蛍光標識のパネル及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／Ｏ機能４９７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物学的データ、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、及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及びフローサイトメータ構成データ）も、また、メモリ４９５に記憶され得る。コントローラ／プロセッサ４９０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。
一部の実施形態によるシステムは、ディスプレイ及びオペレータ入力デバイスを含み得る。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、及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、並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り得るか、又は利用可能であるか、若しくは利用可能になる他のプロセッサのうちの１つであり得る。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及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＋＋、他の高レベル又は低レベル言語、並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調整し、かつ実行することを容易にする。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、全て既知の技術に従って、スケジューリング、入出力制御、ファイル及びデータ管理、メモリ管理、並びに通信制御及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又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、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、様々な既知又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若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、又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、又はディスクドライブを含む、様々な既知又は将来のデバイスのいずれかであり得る。そのような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、又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、及び／又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、又は現在使用されている、若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及び／又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、及び／又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、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）が記憶されたコンピュータ使用可能媒体を備えるコンピュータプログラム製品が説明される。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、又はソリッドステート記憶デバイス（磁気若しくは光学ディスク、又はテープ、又はＲＡＭ、又は固定型若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、又はメモリ又は何らかの他の携帯型若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、磁気ディスク又は光学ディスクは、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及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。そのような媒体としては、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、及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及びＲＯＭなどの電気記憶媒体、ポータブルフラッシュドライブ、並びに磁気／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、又は携帯電話（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、外部デバイスから入力マネージャに入力情報を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、ネットワーク及び／又は別のデバイスと通信するための受信機及び／又は送信機を含む。通信インターフェースは、以下に限定されないが、無線周波数（ＲＦ）通信（例えば、無線周波数識別（ＲＦＩＤ）、Ｚｉｇｂｅｅ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、及び符号分割多元接続（ＣＤＭＡ）又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、有線通信又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、診療所又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、又は任意の他の好適な電気接続ポートなどの物理ポート又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、又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、主題のシステムが、コンピュータ端末及び／又はネットワーク、通信可能な携帯電話、パーソナルデジタルアシスタント、又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た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、又は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若しくはＢｌｕｅｔｏｏｔｈ（登録商標）ＲＦプロトコル、又は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）若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、又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、並びにボタン、キーボード、マウス、又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及び／又は機構のうちの１つ以上を使用して、ネットワーク又はサーバデバイスと、主題のシステム内、例えば、任意選択のデータ記憶ユニット内に記憶されたデータを自動的に又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及び／又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及び出力インターフェースを提供するための、及びユーザ入力を処理するための、様々な既知又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、ネットワーク又は他のタイプのリモート通信を使用する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、又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施され得る。一部の例として、データは、ＳＱＬ、ＨＴＭＬ、若しくはＸＭＬドキュメント、電子メール若しくは他のファイル、又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、又は他のドキュメント若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又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、又は他のコンピュータタイプであってもよい。それらは、任意の既知又は将来のタイプのケーブル配線、又はネットワーク化されているか、又はされていないかのいずれかの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、又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及び／又は構成に応じて、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採用され得る。適切なオペレーティングシステムとしては、Ｗｉｎｄｏｗｓ １０、Ｗｉｎｄｏｗｓ ＮＴ（登録商標）、Ｗｉｎｄｏｗｓ ＸＰ、Ｗｉｎｄｏｗｓ ７、Ｗｉｎｄｏｗｓ ８、ｉＯＳ、Ｓｕｎ Ｓｏｌａｒｉｓ、Ｌｉｎｕｘ（登録商標）、ＯＳ／４００、Ｃｏｍｐａｑ Ｔｒｕ６４ Ｕｎｉｘ、ＳＧＩ ＩＲＩＸ、Ｓｉｅｍｅｎｓ Ｒｅｌｉａｎｔ Ｕｎｉｘ、Ｕｂｕｎｔｕ、Ｚｏｒｉｎ ＯＳなどが挙げられる。
図８は、ある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８００の一般的なアーキテクチャを示している。図８００に示されるコンピューティングデバイス８００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及びソフトウェア構成要素の配置を含む。コンピューティングデバイス８００は、図８に示されるものよりも多くの（又は少ない）要素を含み得る。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全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８００は、処理ユニット８１０と、ネットワークインターフェース８２０と、コンピュータ可読媒体ドライブ８３０と、入力／出力デバイスインターフェース８４０と、ディスプレイ８５０と、入力デバイス８６０とを含み、これらは全て、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８２０は、１つ以上のネットワーク又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８１０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又はサービスから情報及び命令を受信することができる。処理ユニット８１０は、また、メモリ８７０と通信し、入力／出力デバイスインターフェース８４０を介して任意選択のディスプレイ８５０に出力情報を更に提供することができる。入力／出力デバイスインターフェース８４０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、又は他の入力デバイスなどの任意選択の入力デバイス８６０からの入力を受け入れることができる。
メモリ８７０は、１つ以上の実施形態を実装するために処理ユニット８１０が実行するコンピュータプログラム命令（一部の実施形態ではモジュール又は構成要素としてグループ化される）を含み得る。メモリ８７０は、概して、ＲＡＭ、ＲＯＭ、及び／又は他の永続的、補助的若しくは非一時的コンピュータ可読媒体を含む。メモリ８７０は、コンピューティングデバイス８００の一般的な管理及び動作において処理ユニット８１０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８７２を記憶することができる。メモリ８７０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及び他の情報を更に含み得る。
例えば、一実施形態では、メモリ８７０は、飽和信号インデックスを生成するための飽和データ信号識別モジュール８７４と、選別決定のパラメータなど、粒子分類の１つ以上のパラメータを調整するための粒子分類モジュール８７６とを含む。
ある特定の実施形態では、主題のシステムは、フローストリーム中の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを分析及び調整するための上記アルゴリズムを使用するフローサイトメトリシステムである。好適なフローサイトメトリシステムとしては、Ｏｒｍｅｒｏｄ（ｅｄ．），Ｆｌｏｗ Ｃｙｔｏｍｅｔｒｙ：Ａ Ｐｒａｃｔｉｃａｌ Ａｐｐｒｏａｃｈ，Ｏｘｆｏｒｄ Ｕｎｉｖ．Ｐｒｅｓｓ（１９９７）、Ｊａｒｏｓｚｅｓｋｉ ｅｔ ａｌ．（ｅｄｓ．），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、及び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るが、これらに限定されず、これらの開示は、本明細書中に参考として援用される。特定の例では、対象のフローサイトメトリシステムとしては、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 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 ＬＳＲＦｏｒｔｅｓｓ（商標）Ｘ－２０フローサイトメータ、及びＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣａｌｉｂｕｒ（商標）フローサイトメータ、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＣｏｕｎｔ（商標）セルソーター、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＬｙｒｉｃ（商標）セルソーター、及びＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ｖｉａ（商標）セルソーター、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ｉｎｆｌｕｘ（商標）セルソーター、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ｊａｚｚ（商標）セルソーター、ＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ Ａｒｉａ（商標）セルソーター、及びＢＤ Ｂｉｏｓｃｉｅｎｃｅｓ ＦＡＣＳＭｅｌｏｄｙ（商標）セルソーターなどが挙げられる。
一部の実施形態では、主題の粒子選別システムは、米国特許第米国特許第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号に記載されるものなどのフローサイトメトリシステムであり、これらの開示は、参照によりそれらの全体が本明細書に組み込まれる。
集積回路デバイス
本開示の態様は、また、フローストリーム中の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するようにプログラムされた集積回路デバイスを含む。実施形態では、集積回路デバイスは、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）若しくは複合プログラマブルロジックデバイス（ＣＰＬＤ）、又は何らかの他の集積回路デバイスであってもよい。一部の実施形態では、集積回路デバイスは、フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別することと、識別された飽和データ信号を含む飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを行うようにプログラムされる。
本開示の態様は、また、フローストリーム中の粒子から検出された光からの１つ以上の飽和データ信号に応答して粒子分類インデックスを調整するようにプログラムされた集積回路デバイスを含む。実施形態では、集積回路デバイスは、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）若しくは複合プログラマブルロジックデバイス（ＣＰＬＤ）、又は何らかの他の集積回路デバイスであってもよい。一部の実施形態では、集積回路デバイスは、フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別することと、識別された飽和データ信号を含む飽和信号インデックスを生成することと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することとを行うようにプログラムされる。
一部の実施形態では、集積回路によって使用される飽和信号インデックスは、アナログ－デジタル変換器を飽和させた光検出システムの検出器チャネルを識別するバイナリワードである。一部の例では、飽和信号インデックスは、１ビット以上、例えば２ビット以上、例えば４ビット以上、例えば８ビット以上、例えば１６ビット以上、例えば３２ビット以上、例えば６４ビット以上、例えば１２８ビット以上から構成され、２５６ビット以上を含むバイナリワードである。例えば、飽和信号インデックスは、４ビットバイナリワード、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。特定の例では、飽和信号インデックスは、２つ以上のバイナリワード、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、及び１０個以上のバイナリワードの組み合わせである。飽和信号インデックスがバイナリワードの組み合わせである場合、各バイナリワードは、独立して、１ビット以上、例えば、２ビット以上、例えば、４ビット以上、例えば、８ビット以上、例えば、１６ビット以上、例えば、３２ビット以上、例えば、６４ビット以上、例えば、１２８ビット以上（２５６ビット以上を含む）からなるバイナリワードであってもよい。一部の実施形態では、飽和信号インデックス内の各バイナリワードは、独立して、４ビットバイナリワード、８ビットバイナリワード、１６ビットバイナリワード、３２ビットバイナリワード、６４ビットバイナリワード、１２８ビットバイナリワード、又は２５６ビットバイナリワードであってもよい。
実施形態では、集積回路は、光検出システムのために生成されたデータ信号から粒子の１つ以上のパラメータを判定するようにプログラムされる。一部の実施形態では、集積回路は、粒子の蛍光に対するスペクトル分離行列を計算するようにプログラムされる。一部の実施形態では、集積回路は、加重最小二乗アルゴリズムを使用してスペクトル分離行列を計算するようにプログラムされる。一部の例では、加重最小二乗アルゴリズムは、以下の式に従って計算される。
一部の実施形態では、各Ｗｉｉは、以下の式に従って計算される。
ここで、σｉ
２は検出器ｉにおける分散であり、ｙｉは検出器ｉにおける信号であり、λｉは検出器ｉにおける一定雑音である。ある特定の実施形態では、スペクトル分離行列は、（ＸＴＷＸ）－１ＸＴＷに従って計算される。一部の例では、集積回路は、スペクトル分離行列を計算するために、光検出システムによって検出された各セルについて（ＸＴＷＸ）を反転するようにプログラムされる。一部の実施形態では、集積回路は、反復ニュートン－ラフソン計算、シャーマン－モリソン反復逆更新器のうちの１つ以上を使用して、行列分解（例えば、ＬＵ行列分解、ガウス消去、修正コレスキー分解）又は特異値分解（ＳＶＤ）によって、スペクトル分離行列に対する解を計算するようにプログラムされる。ある特定の実施形態では、スペクトル分離行列に対する解を計算するようにプログラムされた集積回路は、２０１９年１２月２３日に出願された米国特許出願第１６／７２５，７９９号に記載されたものを含み、その開示は参照により本明細書に組み込まれる。
一部の例では、集積回路は、１つ以上の飽和データ信号が除外される場合など、計算された飽和信号インデックスを使用して調整されたスペクトル分離行列を計算するようにプログラムされる。他の例では、集積回路は、飽和している検出器チャネルからのデータ信号が除外される調整されたスペクトル分離行列を計算するようにプログラムされる。特定の例では、集積回路は、粒子の蛍光に対するスペクトル分離行列を計算することと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することとを行うようにプログラムされる。ある特定の実施形態は、集積回路は、スペクトル分離行列を計算するようにプログラムされ、行列の１つ以上の行は、飽和入力検出器チャネルからのデータ信号を除外するように除去される。他の実施形態では、集積回路は、飽和している検出器チャネルを識別し、スペクトル分離行列を調整して飽和信号を補償するようにプログラムされる。一例では、スペクトル分離行列解は、飽和信号の真の値の推定値を使用するように調整される。これらの実施形態では、飽和信号の推定された真の値が最初に判定され、調整されたスペクトル分離行列解を生成するためにスペクトル分離行列に入力される。
集積回路は、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類するようにプログラムされる。一部の実施形態では、集積回路は、粒子を粒子集団クラスタに割り当てることによって粒子を分類するようにプログラムされる。他の実施形態では、集積回路は、散乱プロット上に粒子の１つ以上のパラメータをプロットすることによって粒子を分類するようにプログラムされる。
一部の実施形態では、集積回路は、粒子を分類するためのビットマップゲーティング戦略を実装するようにプログラムされる。一部の例では、集積回路によって実装されるビットマップゲーティング戦略は、飽和データ信号を識別及び除去することを含む。他の例では、集積回路によって実装されるビットマップゲーティング戦略は、飽和データ信号を識別し、飽和しているデータ信号の真の値を推定するための命令を含む。一部の実施形態では、集積回路は、関心領域（ＲＯＩ）を有する二次元ビットマップを生成し、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定するようにプログラムされる。他の実施形態では、集積回路は、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定するようにプログラムされる。一部の例では、集積回路は、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成し、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較し、粒子割り当てＲＯＩの１つ以上のビットが飽和していると判定するようにプログラムされる。特定の例では、集積回路は、飽和信号ビットマップを粒子割り当てＲＯＩと比較するためにブール論理を使用するようにプログラムされる。例えば、集積回路は、飽和信号ビットマップを粒子割り当てＲＯＩとＡＮＤ演算して、粒子割り当てＲＯＩの１つ以上のビットが飽和しているか否かを判定するようにプログラムされてもよい。
飽和データ信号に応答して粒子分類インデックスを調整するための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更に含む。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又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。ある特定の実施形態では、本明細書に記載の方法による命令は、「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、実行及び処理のために命令及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。適切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、及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。情報を含むファイルは、コンピュータ可読媒体上に「記憶」することができ、ここで、「記憶」とは、コンピュータによって後日アクセス可能及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つ以上で書く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。かかる言語として、例えば、Ｊａｖａ（Ｏｒａｃｌｅ，Ｒｅｄｗｏｏｄ Ｓｈｏｒｅｓ，ＣＡ）、Ｖｉｓｕａｌ Ｂａｓｉｃ（Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐ．，Ｒｅｄｍｏｎｄ，ＷＡ）、及びＣ＋＋（ＡＴ＆Ｔ Ｃｏｒｐ．，Ｂｅｄｍｉｎｓｔｅｒ，ＮＪ）、並びに任意の多くの他の言語が挙げられる。
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更に含む。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又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。ある特定の実施形態では、本明細書に記載の方法による命令は、「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、実行及び処理のために命令及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。適切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、及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。情報を含むファイルは、コンピュータ可読媒体上に「記憶」することができ、ここで、「記憶」とは、コンピュータによって後日アクセス可能及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つ以上で書く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。かかる言語として、例えば、Ｊａｖａ（Ｏｒａｃｌｅ，Ｒｅｄｗｏｏｄ Ｓｈｏｒｅｓ，ＣＡ）、Ｖｉｓｕａｌ Ｂａｓｉｃ（Ｍｉｃｒｏｓｏｆｔ Ｃｏｒｐ．，Ｒｅｄｍｏｎｄ，ＷＡ）、及びＣ＋＋（ＡＴ＆Ｔ Ｃｏｒｐ．，Ｂｅｄｍｉｎｓｔｅｒ，ＮＪ）、並びに任意の多くの他の言語が挙げられる。
一部の実施形態では、対象のコンピュータ可読記憶媒体は、そこに記憶される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、フローストリーム内の粒子から光を検出するためのアルゴリズムと、１つ以上の飽和データ信号を識別するためのアルゴリズムと、識別された飽和データ信号に対応する飽和信号インデックスを生成するためのアルゴリズムと、飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成するためのアルゴリズムとを有する命令を含む。
コンピュータ可読記憶媒体は、フローストリームの１つ以上の画像をキャプチャするための命令を含み得、例えばフローストリームの２つ以上の画像、例えば３つ以上の画像、例えば４つ以上の画像、例えば５つ以上の画像、例えば１０個以上の画像、例えば１５個以上の画像、及び２５個以上の画像を含む。ある特定の実施形態では、コンピュータ可読記憶媒体は、画像の光学解像度を向上させるためなど、キャプチャされた画像の光学調整のための命令を含む。ある特定の実施形態では、コンピュータ可読記憶媒体は、キャプチャされた画像の解像度を５％以上、例えば１０％以上、例えば２５％以上、例えば５０％以上向上させるための命令を含んでもよく、キャプチャされた画像の解像度を７５％以上向上させることを含んでもよい。
実施形態では、対象のコンピュータ可読記憶媒体は、粒子の判定されたパラメータのうちの１つ以上に基づいて、試料中の粒子を分類するためのアルゴリズムを含む。ある特定の実施形態では、コンピュータ可読記憶媒体は、ビットマップゲーティング戦略を使用することを含む、試料中の粒子を分類するためのアルゴリズムを含み、粒子を分類することは、粒子分類パラメータから飽和データ信号を識別し、一部の例では除去することを含む。他の実施形態では、コンピュータ可読記憶媒体は、飽和データ信号を識別し、飽和しているデータ信号の真の値を推定することを含む、試料中の粒子を分類するためのアルゴリズムを含む。
コンピュータ可読記憶媒体は、また、関心領域（ＲＯＩ）を有する二次元ビットマップを生成するためのアルゴリズムと、粒子がビットマップのＲＯＩに割り当てられるべきか否かを判定するためのアルゴリズムとを含む。一部の実施形態では、関心があるコンピュータ可読記憶媒体は、ビットマップのＲＯＩのうちの１つ以上のビットが飽和データ信号を含むか否かを判定するためのアルゴリズムを含む。他の実施形態では、対象のコンピュータ可読記憶媒体は、飽和信号インデックスを第２の二次元ビットマップに適用して飽和信号ビットマップを生成するためのアルゴリズムと、生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較するためのアルゴリズムと、粒子割り当てＲＯＩの１つ以上のビットが飽和していることを判定するためのアルゴリズムとを含む。
非一時的コンピュータ可読記憶媒体は、また、粒子の１つ以上のパラメータを計算するためのアルゴリズムを含み得る。これらの実施形態では、コンピュータ可読記憶媒体は、粒子の蛍光に対するスペクトル分離行列を計算するためのアルゴリズムと、１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算するためのアルゴリズムと、計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較するためのアルゴリズムとを含む。
コンピュータ可読記憶媒体は、ディスプレイ及びオペレータ入力デバイスを有する１つ以上のコンピュータシステム上で採用されてもよい。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、及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、並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り得るか、又は利用可能であるか、若しくは利用可能になる他のプロセッサのうちの１つであり得る。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及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＋＋、他の高レベル又は低レベル言語、並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調整し、かつ実行することを容易にする。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、全て既知の技術に従って、スケジューリング、入出力制御、ファイル及びデータ管理、メモリ管理、並びに通信制御及び関連サービスを提供する。
キット
本開示の態様はキットを更に含み、キットは、本明細書で説明される集積回路のうちの１つ以上を含む。一部の実施形態では、キットは、コンピュータ可読媒体（例えば、フラッシュドライブ、ＵＳＢストレージ、コンパクトディスク、ＤＶＤ、ブルーレイディスクなど）の形態などの主題のシステムのためのプログラミング、又はインターネットウェブプロトコル若しくはクラウドサーバからプログラミングをダウンロードするための命令を更に含んでもよい。キットは、主題の方法を実施するための説明書を更に含み得る。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枚又は複数枚の紙などの好適な媒体又は基板上、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。これらの説明書の更に別の形態は、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、これらの説明書の更に別の形態は、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。
本開示の態様はキットを更に含み、キットは、本明細書で説明される集積回路のうちの１つ以上を含む。一部の実施形態では、キットは、コンピュータ可読媒体（例えば、フラッシュドライブ、ＵＳＢストレージ、コンパクトディスク、ＤＶＤ、ブルーレイディスクなど）の形態などの主題のシステムのためのプログラミング、又はインターネットウェブプロトコル若しくはクラウドサーバからプログラミングをダウンロードするための命令を更に含んでもよい。キットは、主題の方法を実施するための説明書を更に含み得る。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枚又は複数枚の紙などの好適な媒体又は基板上、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。これらの説明書の更に別の形態は、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、これらの説明書の更に別の形態は、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。
ユーティリティ
主題のシステム、方法及びコンピュータシステムは、生体試料などの流体媒体中の試料中の粒子成分を分析及び選別することが望ましい様々な用途に使用される。一部の実施形態では、本明細書に記載されるシステム及び方法は、蛍光タグで標識された生体試料のフローサイトメトリの特徴付けにおける用途を見出すものである。他の実施形態では、システム及び方法は、放出された光の分光法における使用を見出す。加えて、主題のシステム及び方法は、（例えば、フローストリーム内の）試料から収集された光から得られる信号を増加させる際に用途を見出す。特定の例では、本開示は、フローサイトメータ内のフローストリーム内で照射される試料から収集される光の測定を向上させる際に使用される。本開示の実施形態は、改善された細胞選別精度、向上した粒子収集、粒子帯電効率、より正確な粒子帯電、及び細胞選別中の向上した粒子偏向を有するフローサイトメータを提供することが望ましい場合に使用される。
主題のシステム、方法及びコンピュータシステムは、生体試料などの流体媒体中の試料中の粒子成分を分析及び選別することが望ましい様々な用途に使用される。一部の実施形態では、本明細書に記載されるシステム及び方法は、蛍光タグで標識された生体試料のフローサイトメトリの特徴付けにおける用途を見出すものである。他の実施形態では、システム及び方法は、放出された光の分光法における使用を見出す。加えて、主題のシステム及び方法は、（例えば、フローストリーム内の）試料から収集された光から得られる信号を増加させる際に用途を見出す。特定の例では、本開示は、フローサイトメータ内のフローストリーム内で照射される試料から収集される光の測定を向上させる際に使用される。本開示の実施形態は、改善された細胞選別精度、向上した粒子収集、粒子帯電効率、より正確な粒子帯電、及び細胞選別中の向上した粒子偏向を有するフローサイトメータを提供することが望ましい場合に使用される。
本開示の実施形態は、また、生体試料から調製された細胞が、研究、実験室試験、又は治療での使用に望ましくあり得る用途で使用される。一部の実施形態では、主題の方法及びデバイスは、標的の流体又は組織生体試料から調製された個々の細胞を取得することを容易にし得る。例えば、主題の方法及びシステムは、がんなどの疾患の研究又は診断用標本として使用される、流体又は組織試料から細胞を取得することを容易にする。同様に、主題の方法及びシステムは、治療で使用される流体又は組織試料から細胞を取得することを容易にし得る。本開示の方法及びデバイスは、従来のフローサイトメトリシステムと比較して、向上した効率及び低コストの生体試料（例えば、臓器、組織、組織断片、体液）から細胞を分離し、収集することを可能にする。
添付の特許請求の範囲にもかかわらず、本開示は、以下の付記によっても定義される。
１．フローストリーム中の粒子を含む試料から光を検出することと、
検出された光から複数のデータ信号を生成することと、
１つ以上の飽和データ信号を識別することと、
識別された飽和データ信号を含む飽和信号インデックスを生成することと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を含む、方法。
２．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記１に記載の方法。
３．飽和信号インデックスは、３２ビットバイナリワードを含む、付記２に記載の方法。
４．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記２に記載の方法。
５．生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定することを更に含む、付記１～４のいずれか一つに記載の方法。
１．フローストリーム中の粒子を含む試料から光を検出することと、
検出された光から複数のデータ信号を生成することと、
１つ以上の飽和データ信号を識別することと、
識別された飽和データ信号を含む飽和信号インデックスを生成することと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を含む、方法。
２．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記１に記載の方法。
３．飽和信号インデックスは、３２ビットバイナリワードを含む、付記２に記載の方法。
４．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記２に記載の方法。
５．生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定することを更に含む、付記１～４のいずれか一つに記載の方法。
６．粒子の１つ以上のパラメータを判定することは、粒子の蛍光に対するスペクトル分離行列を計算することを含む、付記５に記載の方法。
７．飽和信号インデックスに基づいて粒子の蛍光に対するスペクトル分離行列を調整することを更に含む、付記６に記載の方法。
８．スペクトル分離行列を調整することは、飽和データ信号のうちの１つ以上を除外することを含む、付記７に記載の方法。
９．粒子の１つ以上のパラメータを計算することは、
粒子の蛍光に対するスペクトル分離行列を計算することと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、
計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することと
を含む、付記８に記載の方法。
１０．粒子の１つ以上の判定されたパラメータに基づいて粒子を分類することを更に含む、付記５～９のいずれか一つに記載の方法。
７．飽和信号インデックスに基づいて粒子の蛍光に対するスペクトル分離行列を調整することを更に含む、付記６に記載の方法。
８．スペクトル分離行列を調整することは、飽和データ信号のうちの１つ以上を除外することを含む、付記７に記載の方法。
９．粒子の１つ以上のパラメータを計算することは、
粒子の蛍光に対するスペクトル分離行列を計算することと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、
計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することと
を含む、付記８に記載の方法。
１０．粒子の１つ以上の判定されたパラメータに基づいて粒子を分類することを更に含む、付記５～９のいずれか一つに記載の方法。
１１．粒子を分類することは、
関心領域（ＲＯＩ）を含む二次元ビットマップを生成することと、
粒子を二次元ビットマップのＲＯＩに割り当てることと
を含む、付記１０に記載の方法。
１２．粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定することを更に含む、付記１１に記載の方法。
１３．粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定することは、
飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用することと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別することと
を含む、付記１２に記載の方法。
１４．飽和信号ビットマップは、ブール論理を使用して粒子割り当てＲＯＩと比較される、付記１３に記載の方法。
１５．飽和信号ビットマップは、粒子割り当てＲＯＩとＡＮＤ演算される、付記１４に記載の方法。
関心領域（ＲＯＩ）を含む二次元ビットマップを生成することと、
粒子を二次元ビットマップのＲＯＩに割り当てることと
を含む、付記１０に記載の方法。
１２．粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定することを更に含む、付記１１に記載の方法。
１３．粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定することは、
飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用することと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別することと
を含む、付記１２に記載の方法。
１４．飽和信号ビットマップは、ブール論理を使用して粒子割り当てＲＯＩと比較される、付記１３に記載の方法。
１５．飽和信号ビットマップは、粒子割り当てＲＯＩとＡＮＤ演算される、付記１４に記載の方法。
１６．調整された粒子分類インデックスに基づいて粒子選別決定を更に生成する、付記１～１５のいずれか一つに記載の方法。
１７．フローストリーム中の試料から光を検出することは、光吸収、光散乱、蛍光又はそれらの組み合わせを検出することを含む、付記１～１６のいずれか一つに記載の方法。
１８．粒子のパラメータは、粒子からの散乱光から判定される、付記１～１７のいずれか一つに記載の方法。
１９．散乱光は、前方散乱光を含む、付記１８に記載の方法。
２０．散乱光は、側方散乱光を含む、付記１８に記載の方法。
１７．フローストリーム中の試料から光を検出することは、光吸収、光散乱、蛍光又はそれらの組み合わせを検出することを含む、付記１～１６のいずれか一つに記載の方法。
１８．粒子のパラメータは、粒子からの散乱光から判定される、付記１～１７のいずれか一つに記載の方法。
１９．散乱光は、前方散乱光を含む、付記１８に記載の方法。
２０．散乱光は、側方散乱光を含む、付記１８に記載の方法。
２１．粒子のパラメータは、粒子からの蛍光から計算される、付記１８に記載の方法。
２２．粒子のパラメータは、粒子からの周波数符号化蛍光データから計算される、付記２１に記載の方法。
２３．粒子を選別することを更に含む、付記１～２２のいずれか一つに記載の方法。
２４．粒子のパラメータは、集積回路デバイスによって計算される、付記１～２３のいずれか一つに記載の方法。
２５．集積回路デバイスは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）である、付記２４に記載の方法。
２２．粒子のパラメータは、粒子からの周波数符号化蛍光データから計算される、付記２１に記載の方法。
２３．粒子を選別することを更に含む、付記１～２２のいずれか一つに記載の方法。
２４．粒子のパラメータは、集積回路デバイスによって計算される、付記１～２３のいずれか一つに記載の方法。
２５．集積回路デバイスは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）である、付記２４に記載の方法。
２６．集積回路デバイスは、特定用途向け集積回路（ＡＳＩＣ）である、付記２４に記載の方法。
２７．集積回路デバイスは、コンプレックスプログラマブルロジックデバイス（ＣＰＬＤ）である、付記２４に記載の方法。
２８．フローストリームを光源で照射することを更に含む、付記１～２７のいずれか一つに記載の方法。
２９．フローストリームは、２００ｎｍ～８００ｎｍの波長の光源で照射される、付記２８に記載の方法。
３０．周波数シフト光の第１のビーム及び周波数シフト光の第２のビームでフローストリームを照射することを更に含む、付記２８又は２９に記載の方法。
２７．集積回路デバイスは、コンプレックスプログラマブルロジックデバイス（ＣＰＬＤ）である、付記２４に記載の方法。
２８．フローストリームを光源で照射することを更に含む、付記１～２７のいずれか一つに記載の方法。
２９．フローストリームは、２００ｎｍ～８００ｎｍの波長の光源で照射される、付記２８に記載の方法。
３０．周波数シフト光の第１のビーム及び周波数シフト光の第２のビームでフローストリームを照射することを更に含む、付記２８又は２９に記載の方法。
３１．第１の周波数シフト光ビームは、局部発振器（ＬＯ）ビームを含み、第２の周波数シフト光ビームは、高周波コムビームを含む、付記３０に記載の方法。
３２．音響光学デバイスに高周波駆動信号を印加することと、
音響光学デバイスにレーザを照射して、周波数シフト光の第１のビーム及び周波数シフト光の第２のビームを生成することと
を更に含む、付記３０又は３１に記載の方法。
３３．レーザは、連続波レーザである、付記３２に記載の方法。
３２．音響光学デバイスに高周波駆動信号を印加することと、
音響光学デバイスにレーザを照射して、周波数シフト光の第１のビーム及び周波数シフト光の第２のビームを生成することと
を更に含む、付記３０又は３１に記載の方法。
３３．レーザは、連続波レーザである、付記３２に記載の方法。
３４．フローストリーム中の粒子を含む試料を照射するように構成された光源と、
試料中の粒子から光を検出し、検出された光から複数のデータ信号を生成するための光検出器を備える光検出システムと、
動作可能に結合されたメモリを備えるプロセッサと
を備え、
メモリは、その上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、
１つ以上の飽和データ信号を識別することと、
識別された飽和データ信号を含む飽和信号インデックスを生成することと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を行うようにプログラムされている、システム。
３５．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記３４に記載のシステム。
３６．飽和信号インデックスは、３２ビットバイナリワードを含む、付記３５に記載のシステム。
３７．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記３５に記載のシステム。
３８．プロセッサは、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、その上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、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定させる、付記３４～３７のいずれか一つに記載のシステム。
試料中の粒子から光を検出し、検出された光から複数のデータ信号を生成するための光検出器を備える光検出システムと、
動作可能に結合されたメモリを備えるプロセッサと
を備え、
メモリは、その上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、
１つ以上の飽和データ信号を識別することと、
識別された飽和データ信号を含む飽和信号インデックスを生成することと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を行うようにプログラムされている、システム。
３５．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記３４に記載のシステム。
３６．飽和信号インデックスは、３２ビットバイナリワードを含む、付記３５に記載のシステム。
３７．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記３５に記載のシステム。
３８．プロセッサは、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、その上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、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定させる、付記３４～３７のいずれか一つに記載のシステム。
３９．プロセッサは、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、その上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、粒子の蛍光に対するスペクトル分離行列を計算させる、付記３８に記載のシステム。
４０．プロセッサは、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、その上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、飽和信号インデックスに基づいて粒子の蛍光のスペクトル分離行列を調整させる、付記３９に記載のシステム。
４１．スペクトル分離行列を調整することは、飽和データ信号のうちの１つ以上を除外することを含む、付記４０に記載のシステム。
４２．プロセッサは、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、その上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、
粒子の蛍光に対するスペクトル分離行列を計算することと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、
計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することと
を行わせる、付記４１に記載のシステム。
４３．プロセッサは、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、その上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、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類させる、付記３８～４２のいずれか一つに記載のシステム。
４０．プロセッサは、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、その上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、飽和信号インデックスに基づいて粒子の蛍光のスペクトル分離行列を調整させる、付記３９に記載のシステム。
４１．スペクトル分離行列を調整することは、飽和データ信号のうちの１つ以上を除外することを含む、付記４０に記載のシステム。
４２．プロセッサは、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、その上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、
粒子の蛍光に対するスペクトル分離行列を計算することと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、
計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することと
を行わせる、付記４１に記載のシステム。
４３．プロセッサは、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、その上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、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類させる、付記３８～４２のいずれか一つに記載のシステム。
４４．プロセッサは、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、その上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、
関心領域（ＲＯＩ）を含む二次元ビットマップを生成することと、
粒子を二次元ビットマップのＲＯＩに割り当てることと
を行わせる、付記４３に記載のシステム。
４５．プロセッサは、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、その上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、粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定させる、付記４４に記載のシステム。
４６．プロセッサは、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、その上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、
飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用することと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別することと
を行わせる、付記４５に記載のシステム。
４７．プロセッサは、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、その上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、調整された粒子分類インデックスに基づいて粒子選別決定を生成させる、付記３４～４６のいずれか一つに記載のシステム。
４８．光検出システムは、光吸収、光散乱、蛍光、又はそれらの組み合わせを検出するように構成される、付記３４～４７のいずれか一つに記載のシステム。
関心領域（ＲＯＩ）を含む二次元ビットマップを生成することと、
粒子を二次元ビットマップのＲＯＩに割り当てることと
を行わせる、付記４３に記載のシステム。
４５．プロセッサは、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、その上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、粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定させる、付記４４に記載のシステム。
４６．プロセッサは、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、その上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、
飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用することと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別することと
を行わせる、付記４５に記載のシステム。
４７．プロセッサは、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、その上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、調整された粒子分類インデックスに基づいて粒子選別決定を生成させる、付記３４～４６のいずれか一つに記載のシステム。
４８．光検出システムは、光吸収、光散乱、蛍光、又はそれらの組み合わせを検出するように構成される、付記３４～４７のいずれか一つに記載のシステム。
４９．光源は、少なくとも周波数シフト光の第１のビーム及び周波数シフト光の第２のビームを生成するように構成された光ビーム発生器構成要素を含む、付記３４～４８のいずれか一つに記載のシステム。
５０．光ビーム発生器は、音響光学偏向器を含む、付記４９に記載のシステム。
５１．光ビーム発生器は、ダイレクトデジタルシンセサイザ（ＤＤＳ）ＲＦコム発生器を含む、付記４９又は５０に記載のシステム。
５２．光ビーム発生器構成要素は、周波数シフトされた局部発振器ビームを生成するように構成される、付記４９～５１のいずれか一つに記載のシステム。
５３．光ビーム発生器構成要素は、複数の周波数シフトされたコムビームを生成するように構成される、付記４９～５２のいずれか一つに記載のシステム。
５０．光ビーム発生器は、音響光学偏向器を含む、付記４９に記載のシステム。
５１．光ビーム発生器は、ダイレクトデジタルシンセサイザ（ＤＤＳ）ＲＦコム発生器を含む、付記４９又は５０に記載のシステム。
５２．光ビーム発生器構成要素は、周波数シフトされた局部発振器ビームを生成するように構成される、付記４９～５１のいずれか一つに記載のシステム。
５３．光ビーム発生器構成要素は、複数の周波数シフトされたコムビームを生成するように構成される、付記４９～５２のいずれか一つに記載のシステム。
５４．光源は、レーザを含む、付記３４～５３のいずれか一つに記載のシステム。
５５．レーザは、連続波レーザである、付記５４に記載のシステム。
５６．フローサイトメータである、付記３４～５５のいずれか一つに記載のシステム。
５７．セルソーターを更に備える、付記３４～５６のいずれか一つに記載のシステム。
５８．セルソーターは、液滴偏向器を含む、付記５７に記載のシステム。
５５．レーザは、連続波レーザである、付記５４に記載のシステム。
５６．フローサイトメータである、付記３４～５５のいずれか一つに記載のシステム。
５７．セルソーターを更に備える、付記３４～５６のいずれか一つに記載のシステム。
５８．セルソーターは、液滴偏向器を含む、付記５７に記載のシステム。
５９．フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別することと、
識別された飽和データ信号を含む飽和信号インデックスを生成することと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を行うようにプログラムされている、集積回路デバイス。
６０．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記５９に記載の集積回路デバイス。
６１．飽和信号インデックスは、３２ビットバイナリワードを含む、付記６０に記載の集積回路デバイス。
６２．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記６０に記載の集積回路デバイス。
６３．集積回路は、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定するようにプログラムされる、付記５９～６２のいずれか一つに記載の集積回路デバイス。
識別された飽和データ信号を含む飽和信号インデックスを生成することと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を行うようにプログラムされている、集積回路デバイス。
６０．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記５９に記載の集積回路デバイス。
６１．飽和信号インデックスは、３２ビットバイナリワードを含む、付記６０に記載の集積回路デバイス。
６２．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記６０に記載の集積回路デバイス。
６３．集積回路は、生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定するようにプログラムされる、付記５９～６２のいずれか一つに記載の集積回路デバイス。
６４．集積回路は、粒子の蛍光に対するスペクトル分離行列を計算するようにプログラムされる、付記６３に記載の集積回路デバイス。
６５．集積回路は、飽和信号インデックスに基づいて粒子の蛍光に対するスペクトル分離行列を調整するようにプログラムされる、付記６４に記載の集積回路デバイス。
６６．スペクトル分離行列を調整することは、飽和データ信号のうちの１つ以上を除外することを含む、付記６５に記載の集積回路デバイス。
６７．集積回路は、
粒子の蛍光に対するスペクトル分離行列を計算することと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、
計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することと
を行うようにプログラムされる、付記６６に記載の集積回路デバイス。
６８．集積回路は、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類するようにプログラムされる、付記６３～６７のいずれか一つに記載の集積回路デバイス。
６５．集積回路は、飽和信号インデックスに基づいて粒子の蛍光に対するスペクトル分離行列を調整するようにプログラムされる、付記６４に記載の集積回路デバイス。
６６．スペクトル分離行列を調整することは、飽和データ信号のうちの１つ以上を除外することを含む、付記６５に記載の集積回路デバイス。
６７．集積回路は、
粒子の蛍光に対するスペクトル分離行列を計算することと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算することと、
計算されたスペクトル分離行列を計算された調整されたスペクトル分離行列と比較することと
を行うようにプログラムされる、付記６６に記載の集積回路デバイス。
６８．集積回路は、粒子の１つ以上の判定されたパラメータに基づいて粒子を分類するようにプログラムされる、付記６３～６７のいずれか一つに記載の集積回路デバイス。
６９．集積回路は、
関心領域（ＲＯＩ）を含む二次元ビットマップを生成することと、
粒子を二次元ビットマップのＲＯＩに割り当てることと
を行うようにプログラムされる、付記６８に記載の集積回路デバイス。
７０．集積回路は、粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定するようにプログラムされる、付記６９に記載の集積回路デバイス。
７１．集積回路は、
飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用することと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別することと
を行うようにプログラムされる、付記７０に記載の集積回路デバイス。
７２．集積回路は、調整された粒子分類インデックスに基づいて粒子選別決定を生成するようにプログラムされる、付記５９～７１のいずれか一つに記載の集積回路デバイス。
７３．再構成可能な集積回路は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）を含む、付記５９～７２のいずれか一つに記載の集積回路デバイス。
関心領域（ＲＯＩ）を含む二次元ビットマップを生成することと、
粒子を二次元ビットマップのＲＯＩに割り当てることと
を行うようにプログラムされる、付記６８に記載の集積回路デバイス。
７０．集積回路は、粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定するようにプログラムされる、付記６９に記載の集積回路デバイス。
７１．集積回路は、
飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用することと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較することと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別することと
を行うようにプログラムされる、付記７０に記載の集積回路デバイス。
７２．集積回路は、調整された粒子分類インデックスに基づいて粒子選別決定を生成するようにプログラムされる、付記５９～７１のいずれか一つに記載の集積回路デバイス。
７３．再構成可能な集積回路は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）を含む、付記５９～７２のいずれか一つに記載の集積回路デバイス。
７４．集積回路は、特定用途向け集積回路（ＡＳＩＣ）を含む、付記５９～７２のいずれか一つに記載の集積回路デバイス。
７５．集積回路は、コンプレックスプログラマブルロジックデバイス（ＣＰＬＤ）を含む、付記５９～７２のいずれか一つに記載の集積回路デバイス。
７５．集積回路は、コンプレックスプログラマブルロジックデバイス（ＣＰＬＤ）を含む、付記５９～７２のいずれか一つに記載の集積回路デバイス。
７６．フローサイトメータ内のフローストリームのドロップ遅延を判定するための命令を記憶した非一時的コンピュータ可読記憶媒体であって、
命令は、
フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別するためのアルゴリズムと、
識別された飽和データ信号を含む飽和信号インデックスを生成するためのアルゴリズムと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成するためのアルゴリズムと
を含む、非一時的コンピュータ可読記憶媒体。
７７．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記７６に記載の非一時的コンピュータ可読記憶媒体。
７８．飽和信号インデックスは、３２ビットバイナリワードを含む、付記７７に記載の非一時的コンピュータ可読記憶媒体。
７９．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記７７に記載の非一時的コンピュータ可読記憶媒体。
８０．生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定するためのアルゴリズムを含む、付記７６～７９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。
命令は、
フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別するためのアルゴリズムと、
識別された飽和データ信号を含む飽和信号インデックスを生成するためのアルゴリズムと、
飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成するためのアルゴリズムと
を含む、非一時的コンピュータ可読記憶媒体。
７７．飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、付記７６に記載の非一時的コンピュータ可読記憶媒体。
７８．飽和信号インデックスは、３２ビットバイナリワードを含む、付記７７に記載の非一時的コンピュータ可読記憶媒体。
７９．飽和信号インデックスは、１２８ビットバイナリワードを含む、付記７７に記載の非一時的コンピュータ可読記憶媒体。
８０．生成されたデータ信号からフローストリーム内の粒子の１つ以上のパラメータを判定するためのアルゴリズムを含む、付記７６～７９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。
８１．粒子の蛍光に対するスペクトル分離行列を計算するためのアルゴリズムを含む、付記８０に記載の非一時的コンピュータ可読記憶媒体。
８２．飽和信号インデックスに基づいて粒子の蛍光のスペクトル分離行列を調整するためのアルゴリズムを含む、付記８１に記載の非一時的コンピュータ可読記憶媒体。
８３．スペクトル分離行列を調整するためのアルゴリズムを含み、飽和データ信号のうちの１つ以上を除外することを含む、付記８２に記載の非一時的コンピュータ可読記憶媒体。
８４．粒子の蛍光に対するスペクトル分離行列を計算するためのアルゴリズムと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算するためのアルゴリズムと、
計算されたスペクトル分離行列を計算された調整済みスペクトル分離行列と比較するためのアルゴリズムと
を含む、付記８３に記載の非一時的コンピュータ可読記憶媒体。
８５．粒子の１つ以上の判定されたパラメータに基づいて粒子を分類するためのアルゴリズムを含む、付記８０～８４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。
８２．飽和信号インデックスに基づいて粒子の蛍光のスペクトル分離行列を調整するためのアルゴリズムを含む、付記８１に記載の非一時的コンピュータ可読記憶媒体。
８３．スペクトル分離行列を調整するためのアルゴリズムを含み、飽和データ信号のうちの１つ以上を除外することを含む、付記８２に記載の非一時的コンピュータ可読記憶媒体。
８４．粒子の蛍光に対するスペクトル分離行列を計算するためのアルゴリズムと、
１つ以上の飽和データ信号を除外する、粒子の蛍光に対する調整されたスペクトル分離行列を計算するためのアルゴリズムと、
計算されたスペクトル分離行列を計算された調整済みスペクトル分離行列と比較するためのアルゴリズムと
を含む、付記８３に記載の非一時的コンピュータ可読記憶媒体。
８５．粒子の１つ以上の判定されたパラメータに基づいて粒子を分類するためのアルゴリズムを含む、付記８０～８４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。
８６．関心領域（ＲＯＩ）を含む二次元ビットマップを生成するためのアルゴリズムと、
粒子を二次元ビットマップのＲＯＩに割り当てるアルゴリズムと
を含む、付記８５に記載の非一時的コンピュータ可読記憶媒体。
８７．粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定するためのアルゴリズムを含む、付記８６に記載の非一時的コンピュータ可読記憶媒体。
８８．飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用するためのアルゴリズムと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較するためのアルゴリズムと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別するためのアルゴリズムと
を含む、付記８７に記載の非一時的コンピュータ可読記憶媒体。
８９．調整された粒子分類インデックスに基づいて粒子選別決定を生成するためのアルゴリズムを含む、付記７６～８８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。
粒子を二次元ビットマップのＲＯＩに割り当てるアルゴリズムと
を含む、付記８５に記載の非一時的コンピュータ可読記憶媒体。
８７．粒子割り当てＲＯＩの１つ以上のビットが飽和データ信号を含むか否かを判定するためのアルゴリズムを含む、付記８６に記載の非一時的コンピュータ可読記憶媒体。
８８．飽和信号ビットマップを生成するために、飽和信号インデックスを第２の二次元ビットマップに適用するためのアルゴリズムと、
生成された飽和信号ビットマップを粒子割り当てＲＯＩと比較するためのアルゴリズムと、
粒子割り当てＲＯＩの１つ以上のビットが飽和していることを識別するためのアルゴリズムと
を含む、付記８７に記載の非一時的コンピュータ可読記憶媒体。
８９．調整された粒子分類インデックスに基づいて粒子選別決定を生成するためのアルゴリズムを含む、付記７６～８８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、明確な理解のために例示及び例により多少詳しく説明されてきたが、当業者であれば、本発明の教示に照らして、添付の特許請求の範囲の趣旨又は範囲から逸脱することなく、特定の変更及び修正が行われ得ることが、容易に明らかである。
したがって、上記は単に本発明の原理を例示するにすぎない。当業者は、本明細書に明示的に記載又は示されていないが、本発明の原理を具現化し、その精神及び範囲内に含まれる様々な配置を考案することができることが理解される。更に、本明細書に記載される全ての例及び条件付き言語は、主に、読者が、本発明の原理及び発明者が当該技術分野を促進するために寄与する概念を理解することを助ける点を意図し、かかる具体的に記載される例及び条件に限定されないと解釈されるべきである。更に、本発明の原理、態様、及び実施形態、並びにその特定の例を記載する本明細書における全ての記述は、その構造的及び機能的等価物の両方を包含することを意図する。追加的に、かかる等価物は、構造にかかわらず、現在既知である等価物及び将来開発される等価物、すなわち、構造に関係なく同じ機能を実行するように開発された任意の要素の両方を含むことが意図される。更に、本明細書に開示されるものは、かかる開示が特許請求の範囲に明示的に記載されるか否かにかかわらず、公衆に捧げられることを意図するものではない。
したがって、本発明の範囲は、本明細書に示され、説明される例示的な実施形態に限定されることを意図しない。むしろ、本発明の範囲及び精神は、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、米国特許法第１１２条（ｆ）又は米国特許法第１１２条（６）は、特許請求の範囲におけるかかる制限の冒頭に「のための手段」という正確な語句又は「のためのステップ」という正確な語句が記載される場合にのみ、特許請求の範囲における制限のために呼び出されるものとして明示的に定義され、かかる正確な語句が特許請求の範囲における制限で使用されない場合、米国特許法第１１２（ｆ）又は米国特許法第１１２条（６）は呼び出されない。
関連出願の相互参照
米国特許法第１１９条（ｅ）に従って、本出願は、２０２０年２月２７日に出願された米国仮特許出願第６２／９８２，６０４号の出願日の優先権を主張し、その出願の開示は、参照により本明細書に組み込まれる。
米国特許法第１１９条（ｅ）に従って、本出願は、２０２０年２月２７日に出願された米国仮特許出願第６２／９８２，６０４号の出願日の優先権を主張し、その出願の開示は、参照により本明細書に組み込まれる。
Claims (15)
- フローストリーム内の粒子を含む試料から光を検出することと、
検出された光から複数のデータ信号を生成することと、
１つ以上の飽和データ信号を識別することと、
識別された前記飽和データ信号を含む飽和信号インデックスを生成することと、
前記飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を含む、方法。 - 前記飽和信号インデックスは、飽和している１つ以上の検出器チャネルを識別するバイナリワードを含む、請求項１に記載の方法。
- 生成された前記データ信号から前記フローストリーム内の粒子の１つ以上のパラメータを判定することを更に含む、請求項１又は２に記載の方法。
- 前記粒子の１つ以上のパラメータを判定することは、前記粒子の蛍光に対するスペクトル分離行列を計算することを含む、請求項３に記載の方法。
- 前記飽和信号インデックスに基づいて前記粒子の前記蛍光に対する前記スペクトル分離行列を調整することを更に含む、請求項４に記載の方法。
- 前記スペクトル分離行列を調整することは、前記飽和データ信号のうちの１つ以上を除外することを含む、請求項５に記載の方法。
- 前記粒子の１つ以上のパラメータを計算することは、
前記粒子の前記蛍光に対するスペクトル分離行列を計算することと、
１つ以上の前記飽和データ信号を除外する、前記粒子の前記蛍光に対する調整されたスペクトル分離行列を計算することと、
計算された前記スペクトル分離行列を計算された前記調整されたスペクトル分離行列と比較することと
を含む、請求項６に記載の方法。 - 前記粒子の判定された前記１つ以上のパラメータに基づいて前記粒子を分類することを更に含む、請求項３～７のいずれか一項に記載の方法。
- 前記調整された粒子分類インデックスに基づいて粒子選別決定を更に生成する、請求項１～８のいずれか一項に記載の方法。
- 前記フローストリーム内の前記試料から光を検出することは、光吸収、光散乱、蛍光又はそれらの組み合わせを検出することを含む、請求項１～９のいずれか一項に記載の方法。
- 前記粒子を選別することを更に含む、請求項１～１０のいずれか一項に記載の方法。
- 前記粒子のパラメータは、集積回路デバイスによって計算される、請求項１～１１のいずれか一項に記載の方法。
- 前記フローストリームを光源で照射することを更に含み、好ましくは、前記フローストリームを周波数シフト光の第１のビーム及び周波数シフト光の第２のビームで照射することを含む、請求項１～１２のいずれか一項に記載の方法。
- システムであって、
フローストリーム内の粒子を含む試料を照射するように構成された光源と、
前記試料内の粒子から光を検出し、検出された前記光から複数のデータ信号を生成するための光検出器を備える光検出システムと、
動作可能に結合されたメモリを備えるプロセッサと
を備え、
前記メモリは、その上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、
１つ以上の飽和データ信号を識別することと、
識別された前記飽和データ信号を含む飽和信号インデックスを生成することと、
前記飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を行わせる、システム。 - フローストリーム内の粒子から検出された光から１つ以上の飽和データ信号を識別することと、
識別された前記飽和データ信号を含む飽和信号インデックスを生成することと、
前記飽和信号インデックスを粒子分類インデックスに適用して、調整された粒子分類インデックスを生成することと
を行うようにプログラムされている、集積回路デバイス。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202062982604P | 2020-02-27 | 2020-02-27 | |
| US62/982,604 | 2020-02-27 | ||
| PCT/US2021/015461 WO2021173296A1 (en) | 2020-02-27 | 2021-01-28 | Methods for identifying saturated data signals in cell sorting and systems for same |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023516192A true JP2023516192A (ja) | 2023-04-18 |
Family
ID=77463078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022551784A Pending JP2023516192A (ja) | 2020-02-27 | 2021-01-28 | 細胞選別における飽和データ信号を識別するための方法及びそのためのシステム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11927522B2 (ja) |
| EP (1) | EP4111169A4 (ja) |
| JP (1) | JP2023516192A (ja) |
| CN (1) | CN115176142A (ja) |
| WO (1) | WO2021173296A1 (ja) |
Family Cites Families (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US1084878A (en) | 1913-03-10 | 1914-01-20 | Draper Co | Shuttle-feeler mechanism for looms. |
| DE69218912T2 (de) | 1991-08-28 | 1997-10-09 | Becton Dickinson Co | Schwerkraftsattraktionsmaschine zur anpassungsfähigen autoclusterbildung n-dimensionaler datenströme |
| EP0644414B1 (en) * | 1993-08-19 | 2001-11-21 | Hitachi, Ltd. | Classification and examination device of particles in fluid |
| US5700692A (en) | 1994-09-27 | 1997-12-23 | Becton Dickinson And Company | Flow sorter with video-regulated droplet spacing |
| US5602039A (en) | 1994-10-14 | 1997-02-11 | The University Of Washington | Flow cytometer jet monitor system |
| US5643796A (en) | 1994-10-14 | 1997-07-01 | University Of Washington | System for sensing droplet formation time delay in a flow cytometer |
| US5620842A (en) | 1995-03-29 | 1997-04-15 | Becton Dickinson And Company | Determination of the number of fluorescent molecules on calibration beads for flow cytometry |
| US6821740B2 (en) | 1998-02-25 | 2004-11-23 | Becton, Dickinson And Company | Flow cytometric methods for the concurrent detection of discrete functional conformations of PRB in single cells |
| US6372506B1 (en) | 1999-07-02 | 2002-04-16 | Becton, Dickinson And Company | Apparatus and method for verifying drop delay in a flow cytometer |
| US6813017B1 (en) | 1999-10-20 | 2004-11-02 | Becton, Dickinson And Company | Apparatus and method employing incoherent light emitting semiconductor devices as particle detection light sources in a flow cytometer |
| US6809804B1 (en) | 2000-05-11 | 2004-10-26 | Becton, Dickinson And Company | System and method for providing improved event reading and data processing capabilities in a flow cytometer |
| US6683314B2 (en) | 2001-08-28 | 2004-01-27 | Becton, Dickinson And Company | Fluorescence detection instrument with reflective transfer legs for color decimation |
| US7362424B2 (en) | 2002-04-24 | 2008-04-22 | The Institute For Systems Biology | Compositions and methods for drop boundary detection and radiation beam alignment |
| US7201875B2 (en) | 2002-09-27 | 2007-04-10 | Becton Dickinson And Company | Fixed mounted sorting cuvette with user replaceable nozzle |
| US7280204B2 (en) * | 2004-04-08 | 2007-10-09 | Purdue Research Foundation | Multi-spectral detector and analysis system |
| US7738094B2 (en) | 2007-01-26 | 2010-06-15 | Becton, Dickinson And Company | Method, system, and compositions for cell counting and analysis |
| US8140300B2 (en) | 2008-05-15 | 2012-03-20 | Becton, Dickinson And Company | High throughput flow cytometer operation with data quality assessment and control |
| US8233146B2 (en) | 2009-01-13 | 2012-07-31 | Becton, Dickinson And Company | Cuvette for flow-type particle analyzer |
| US8528427B2 (en) | 2010-10-29 | 2013-09-10 | Becton, Dickinson And Company | Dual feedback vacuum fluidics for a flow-type particle analyzer |
| CN103517980B (zh) | 2011-04-29 | 2016-09-28 | 贝克顿·迪金森公司 | 细胞分类系统和方法 |
| US8753573B2 (en) | 2011-04-29 | 2014-06-17 | Becton, Dickinson And Company | Multi-way sorter system and method |
| WO2013013228A1 (en) * | 2011-07-21 | 2013-01-24 | Invitrox, Inc. | Methods for determining patient response to anti-platelet aggregation therapy |
| WO2013049623A1 (en) | 2011-09-30 | 2013-04-04 | Brian David Warner | Fluid exchange methods and devices |
| US9933341B2 (en) | 2012-04-05 | 2018-04-03 | Becton, Dickinson And Company | Sample preparation for flow cytometry |
| WO2013192563A1 (en) * | 2012-06-22 | 2013-12-27 | De Novo Software Llc | Systems and methods for unmixing data captured by a flow cytometer |
| JP6338597B2 (ja) | 2013-01-09 | 2018-06-06 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ | 無線周波数多重励起を用いた蛍光イメージングのための装置及び方法 |
| EP2984468B1 (en) | 2013-04-12 | 2021-11-17 | Becton, Dickinson and Company | Automated set-up for cell sorting |
| EP4253936A3 (en) | 2014-03-18 | 2024-03-20 | The Regents of The University of California | Parallel flow cytometer using radiofrequency mulitplexing, and method |
| US9903803B2 (en) * | 2014-06-05 | 2018-02-27 | Intellicyt Corporation | Flow cytometer signal peak identification employing dynamic thresholding |
| CN104158208A (zh) | 2014-07-15 | 2014-11-19 | 阳光电源股份有限公司 | 一种单级光伏并网逆变器及其控制方法和应用 |
| WO2016022276A1 (en) * | 2014-08-06 | 2016-02-11 | Beckman Coulter, Inc. | Evaluation of multi-peak events using a flow cytometer |
| WO2017054070A1 (en) | 2015-10-02 | 2017-04-06 | Institut National D'optique | System and method for individual particle sizing using light scattering techniques |
| CN109196331A (zh) | 2016-04-15 | 2019-01-11 | 贝克顿·迪金森公司 | 封闭式小滴分选器以及其使用方法 |
| EP3513167B1 (en) | 2016-09-13 | 2023-05-24 | Becton, Dickinson and Company | Flow cytometer with optical equalization |
| JP7411935B2 (ja) * | 2019-02-26 | 2024-01-12 | パナソニックＩｐマネジメント株式会社 | 散乱体測定方法及び散乱体測定装置 |
| US11268890B2 (en) * | 2019-03-29 | 2022-03-08 | Becton, Dickinson And Company | Parameters for use in particle discrimination |
-
2021
- 2021-01-28 EP EP21760012.1A patent/EP4111169A4/en active Pending
- 2021-01-28 WO PCT/US2021/015461 patent/WO2021173296A1/en unknown
- 2021-01-28 JP JP2022551784A patent/JP2023516192A/ja active Pending
- 2021-01-28 US US17/160,989 patent/US11927522B2/en active Active
- 2021-01-28 CN CN202180017380.8A patent/CN115176142A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US11927522B2 (en) | 2024-03-12 |
| EP4111169A1 (en) | 2023-01-04 |
| CN115176142A (zh) | 2022-10-11 |
| WO2021173296A1 (en) | 2021-09-02 |
| US20210270718A1 (en) | 2021-09-02 |
| EP4111169A4 (en) | 2023-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7466563B2 (ja) | 粒子の区別に使用するためのパラメータ | |
| JP2021522491A (ja) | 粒子分析器のための特性評価および選別 | |
| US20230053275A1 (en) | Methods for Modulating An Intensity Profile of A Laser Beam and Systems for Same | |
| JP2023516193A (ja) | 二次光散乱検出器を有する光検出システムおよびその使用方法 | |
| US11940372B2 (en) | Systems for cell sorting based on frequency-encoded images and methods of use thereof | |
| JP2022540601A (ja) | 細胞選別分類を調整するための再構成可能な集積回路 | |
| CN217212159U (zh) | 粒子分析仪、用于照射流中粒子的系统及套件 | |
| US11662295B2 (en) | Deep learning method in aiding patient diagnosis and aberrant cell population identification in flow cytometry | |
| JP2023516192A (ja) | 細胞選別における飽和データ信号を識別するための方法及びそのためのシステム | |
| JP2023532895A (ja) | フローストリーム中の試料を照射するためのデュアル励起ビーム、及びそれを使用するための方法 | |
| US20220155209A1 (en) | Method for Optimal Scaling of Cytometry Data for Machine Learning Analysis and Systems for Same | |
| US11662297B2 (en) | Method for index sorting unique phenotypes and systems for same | |
| JP2022536890A (ja) | 無線周波数多重信号の位相補正 | |
| JP2023544284A (ja) | フローサイトメータにおけるベースラインノイズの連続測定方法およびそのためのシステム | |
| JP2023544625A (ja) | マルチチャネルスペクトルヒストグラムを処理及び表示するための方法及びそのためのシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240119 |