JPWO2021041994A5

JPWO2021041994A5 -

Info

Publication number: JPWO2021041994A5
Application number: JP2022513081A
Authority: JP
Publication date: 2023-09-01

Description

いくつかの態様において、T細胞を含有する細胞の集団の1つまたは複数のT細胞は、インキュベーション工程の間の異なる時点で分類される。いくつかの態様において、T細胞を含有する細胞の集団の1つまたは複数のT細胞は、インキュベーション期間の間にわたって継続的に分類される。いくつかの態様において、T細胞を含有する細胞の集団の1つまたは複数のT細胞を分類することは、閉じた系で行われる。いくつかの態様において、閉じた系は無菌である。いくつかの態様において、閉じた系は自動化されている。
[本発明1001]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程；
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞からの前記画像データをプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データに関して訓練された畳み込みニューラルネットワークを含み、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程
を含む、T細胞を分類する方法。
[本発明1002]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程；
前記複数のT細胞の各細胞からの前記画像データをプロセスへの入力として適用する工程であって、前記プロセスは、前記画像データに基づいて、前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するように構成される、工程
を含む、T細胞を分類する方法。
[本発明1003]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；
前記画像データおよび前記決定された分類に基づいて畳み込みニューラルネットワークを訓練する工程
を含む、方法。
[本発明1004]
前記プロセスは、本発明1003の方法を使用して訓練された畳み込みニューラルネットワークを適用することを含み、
前記複数のT細胞の各細胞に関連付けられた前記画像データを前記プロセスへの入力として適用することが、前記画像データを前記畳み込みニューラルネットワークに適用することを含む、
本発明1002の方法。
[本発明1005]
前記畳み込みニューラルネットワークが、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データに関してさらに訓練され、前記画像データは、前記画像データを拡大表示、傾斜、および/または回転することによって操作されている、本発明1001、1003および1004のいずれかの方法。
[本発明1006]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴を、前記1つまたは複数の入力特徴に基づいて前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するように構成されたプロセスに入力として適用する工程
を含む、T細胞を分類する方法。
[本発明1007]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程、および1つまたは複数の次元を有する特徴マップを生成する工程であって、前記1つまたは複数の次元の各次元は、前記画像データの前記形態的特徴、前記画像データの前記光学的特徴、前記画像データの前記強度特徴、前記画像データの前記位相特徴、前記画像データの前記システム特徴、またはこれらの任意の組み合わせのうちの1つまたは複数に関連付けられている、工程；
前記特徴マップおよび前記決定された分類に基づいて畳み込みニューラルネットワークを訓練する工程
を含む、方法。
[本発明1008]
前記プロセスが、本発明1007の方法を使用して訓練された畳み込みニューラルネットワークを適用することを含み、
前記複数のT細胞の各細胞に関連付けられた前記画像データから決定された前記1つまたは複数の入力特徴を前記プロセスへの入力として適用することが、前記1つまたは複数の入力特徴を前記畳み込みニューラルネットワークに適用することを含む、
本発明1006の方法。
[本発明1009]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記複数のT細胞の各々を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関して訓練された畳み込みニューラルネットワークを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
[本発明1010]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記入力特徴および前記決定された分類に関してニューラルネットワークを訓練する工程
を含む、方法。
[本発明1011]
前記プロセスが、本発明1010の方法を使用して訓練されたニューラルネットワークを適用することを含み、
前記複数のT細胞の各細胞に関連付けられた前記画像データから決定された前記1つまたは複数の入力特徴を前記プロセスへの入力として適用することが、前記1つまたは複数の入力特徴を前記ニューラルネットワークに適用することを含む、
本発明1006の方法。
[本発明1012]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関して訓練されたニューラルネットワークを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
[本発明1013]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；および
サポートベクターマシンのための超平面を決定する工程であって、前記超平面は前記第1の群と前記第2の群との間の決定境界を示す、工程
を含み、
前記超平面は、前記複数のT細胞の各細胞に対して前記画像データから決定された1つまたは複数の入力特徴に基づいて決定され、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、
方法。
[本発明1014]
前記プロセスが、本発明1013の方法を使用して決定された超平面を使用してサポートベクターマシンを適用することを含み、
前記複数のT細胞の各細胞に関連付けられた前記画像データから決定された前記1つまたは複数の入力特徴を前記プロセスへの入力として適用することが、前記1つまたは複数の入力特徴を前記サポートベクターマシンに適用することを含む、
本発明1006の方法。
[本発明1015]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関して訓練されたサポートベクターマシンを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
[本発明1016]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；および
分類プロセスのためのランダムフォレストを決定する工程であって、前記ランダムフォレストは1つまたは複数の決定木を含み、前記分類プロセスは、前記複数のT細胞の各細胞に関連付けられた前記画像データから決定された1つまたは複数の入力特徴を、前記第1の群に属するまたは前記第2の群に属するものとしての前記複数のT細胞の各細胞の前記分類に関連付ける、工程
を含み、
前記1つまたは複数の決定木の決定木は、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴に基づいて決定され、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、
方法。
[本発明1017]
前記プロセスが、本発明1016の方法を使用して決定されたランダムフォレストを含み、
前記第1のT細胞の前記画像に関連付けられた前記画像データから決定された前記1つまたは複数の入力特徴を前記プロセスへの入力として適用することが、前記1つまたは複数の入力特徴を前記ランダムフォレストに適用することを含む、
本発明1006の方法。
[本発明1018]
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関するランダムフォレスト分類プロセスを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
[本発明1019]
前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、本発明1006～1018のいずれかの方法。
[本発明1020]
前記画像データが位相画像データおよび強度画像データである、本発明1001～1019のいずれかの方法。
[本発明1021]
前記画像データが位相画像データである、本発明1001～1020のいずれかの方法。
[本発明1022]
前記複数のT細胞が、T細胞を含む細胞の前記集団中のT細胞の約70、75、80、85、90、91、92、93、94、95、96、97、98、99、もしくは100％、または少なくとも70、75、80、85、90、91、92、93、94、95、96、97、98、99、もしくは100％を含む、本発明1001～1021のいずれかの方法。
[本発明1023]
（a）少なくとも第1および第2の異なる細胞型を含む細胞の混合集団を提供する工程であって、少なくとも前記第1の細胞型は、細胞の前記混合集団中の他の細胞型によって発現されない少なくとも1つの表面分子を発現する、工程；
（b）細胞の前記混合集団を、複数の第1の結合剤に可逆的に結合した第1の多量体化試薬と接触させる工程であって、前記第1の結合剤の各々は、前記第1の細胞型によって発現された前記表面分子を結合することができる一価結合部位を含む、工程；および
（c）免疫親和性に基づくクロマトグラフィーによって、前記第1の結合剤に結合している前記第1の細胞型の1つまたは複数の細胞を単離する工程であって、それによって第1の細胞のデータセットが得られ、前記単離は、前記第1の多量体化試薬を前記第1の結合剤から可逆的に解離させるための条件下で行われる、工程
を含み、
前記第1の細胞のデータセットは、前記第1の多量体化試薬および前記第1の結合剤を実質的に含まない、
機械学習モデルを訓練するための細胞のデータセットを生成する方法。
[本発明1024]
前記少なくとも1つの第1の細胞型が組換え表面分子を発現する、本発明1023の方法。
[本発明1025]
前記組換え表面分子が組換え受容体である、本発明1024の方法。
[本発明1026]
前記組換え受容体がキメラ抗原受容体またはT細胞受容体である、本発明1025の方法。
[本発明1027]
（c）より前に、前記方法が、前記第1の結合剤に結合されていない細胞の第2の集団を産生し、細胞の前記第2の集団は、前記第1の細胞型によって発現される前記表面分子を発現しない細胞を含み、それによって第2の細胞のデータセットを得る、本発明1023～1026のいずれかの方法。
[本発明1028]
前記第1および第2の細胞型の各々が、細胞の前記混合集団中の他の細胞型によって発現されない少なくとも1つの表面分子を発現する、本発明1023～1027のいずれかの方法。
[本発明1029]
（d）細胞の前記混合集団を、複数の第2の結合剤に可逆的に結合した第2の多量体化試薬と接触させる工程であって、前記第2の結合剤の各々は、前記第2の細胞型によって発現される前記表面分子を結合することができる一価結合部位を含む、工程；および
（e）免疫親和性に基づくクロマトグラフィーによって、前記第2の結合剤に結合している前記第2の細胞型の1つまたは複数の細胞を単離する工程であって、それによって第2の細胞のデータセットが得られ、前記単離は、前記第2の多量体化試薬を前記第2の結合剤から可逆的に解離させるための条件下で行われる、工程
をさらに含み、
前記第2の細胞のデータセットは、前記第2の多量体化試薬および前記第2の結合剤を実質的に含まない、
本発明1023～1028のいずれかの方法。
[本発明1030]
細胞の前記混合集団が、細胞の前記混合集団中の他の細胞型によって発現されない少なくとも1つの表面分子を発現する第3の細胞型をさらに含み、
前記方法が、
（f）細胞の前記混合集団を、複数の第3の結合剤に可逆的に結合した第3の多量体化試薬と接触させる工程であって、前記第3の結合剤の各々は、前記第3の細胞型によって発現される前記表面分子を結合することができる一価結合部位を含む、工程；および
（e）免疫親和性に基づくクロマトグラフィーによって、前記第3の結合剤に結合している前記第3の細胞型の1つまたは複数の細胞を単離する工程であって、それによって第3の細胞のデータセットが得られ、前記単離は、前記第3の多量体化試薬を前記第3の結合剤から可逆的に解離させるための条件下で行われる、工程
をさらに含み、
前記第3の細胞のデータセットは、前記第3の多量体化試薬および前記第3の結合剤を実質的に含まない、
本発明1029の方法。
[本発明1031]
1つまたは複数のさらなる異なる細胞型に対して繰り返される、本発明1023～1029のいずれかの方法。
[本発明1032]
（c）より前に、前記方法が、前記第1の結合剤に結合されていない細胞の第2の集団を産生し、細胞の前記第2の集団は、前記第1の細胞型によって発現される前記表面分子を発現しない細胞を含み、
前記方法が、
（d）細胞の前記第2の集団を、複数の第2の結合剤に可逆的に結合した第2の多量体化試薬と接触させる工程であって、前記第2の結合剤の各々は、前記第2の細胞型によって発現される前記表面分子を結合することができる一価結合部位を含む、工程；および
（e）免疫親和性に基づくクロマトグラフィーによって、前記第2の結合剤に結合している前記第2の細胞型の1つまたは複数の細胞を単離する工程であって、それによって第2の細胞のデータセットが得られ、前記単離は、前記第2の多量体化試薬を前記第2の結合剤から可逆的に解離させるための条件下で行われる、工程
をさらに含み、
前記第2の細胞のデータセットは、前記第2の多量体化試薬および前記第2の結合剤を実質的に含まない、
本発明1023～1028のいずれかの方法。
[本発明1033]
（e）より前に、前記方法が、前記第2の結合剤に結合されていない細胞の第3の集団を産生し、細胞の前記第3の集団は、前記第1の細胞型および前記第2の細胞型によって発現される前記表面分子を発現しない細胞を含み、
前記方法が、
（f）細胞の前記第3の集団を、複数の第3の結合剤に可逆的に結合した第3の多量体化試薬と接触させる工程であって、前記第3の結合剤の各々は、前記第3の細胞型によって発現される前記表面分子を結合することができる一価結合部位を含む、工程；および
（g）免疫親和性に基づくクロマトグラフィーによって、前記第3の結合剤に結合している前記第3の細胞型の1つまたは複数の細胞を単離する工程であって、それによって第3の細胞のデータセットが得られ、前記単離は、前記第3の多量体化試薬を前記第3の結合剤から可逆的に解離させるための条件下で行われる、工程
をさらに含み、
前記第3の細胞のデータセットは、前記第3の多量体化試薬および前記第3の結合剤を実質的に含まない、
本発明1032の方法。
[本発明1034]
1つまたは複数のさらなる異なる細胞型に対して繰り返される、本発明1023～1028、1032および1033のいずれかの方法。
[本発明1035]
前記第1および第2の細胞型が（i）CD4＋T細胞および（ii）CD8＋T細胞の一方であり、前記第2の細胞型が（i）CD4＋T細胞および（ii）CD8＋T細胞の他方である、本発明1023～1034のいずれかの方法。
[本発明1036]
前記接触させる工程が、前記第1の結合剤に可逆的に結合した前記第1の多量体化試薬が固定化されている固定相を含むクロマトグラフィーカラムに前記細胞を添加することによって行われる、本発明1023～1035のいずれかの方法。
[本発明1037]
前記接触させる工程が、前記第2の結合剤に可逆的に結合した前記第2の多量体化試薬が固定化されている固定相を含むクロマトグラフィーカラムに前記細胞を添加することによって行われる、本発明1029～1036のいずれかの方法。
[本発明1038]
前記接触させる工程が、前記第3の結合剤に可逆的に結合した前記第3の多量体化試薬が固定化されている固定相を含むクロマトグラフィーカラムに前記細胞を添加することによって行われる、本発明1030～1037のいずれかの方法。
[本発明1039]
前記単離する工程が、前記クロマトグラフィーカラムから前記細胞を溶出することを含む、本発明1023～1038のいずれかの方法。
[本発明1040]
前記第1の細胞のデータセットの前記細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程
をさらに含む、本発明1023～1039のいずれかの方法。
[本発明1041]
前記第2の細胞のデータセットの前記細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程
をさらに含む、本発明1027～1040のいずれかの方法。
[本発明1042]
前記第3の細胞のデータセットの前記細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程
をさらに含む、本発明1030～1041のいずれかの方法。
[本発明1043]
前記第1の細胞のデータセットの細胞に関連付けられた画像データを受け取る工程；
前記画像データから、1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴が、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
をさらに含む、本発明1023～1042のいずれかの方法。
[本発明1044]
前記第2の細胞のデータセットの細胞に関連付けられた画像データを受け取る工程；
前記画像データから、1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴が、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
をさらに含む、本発明1027～1043のいずれかの方法。
[本発明1045]
前記第3の細胞のデータセットの細胞に関連付けられた画像データを受け取る工程；
前記画像データから、1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴が、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
をさらに含む、本発明1030～1044のいずれかの方法。
[本発明1046]
前記画像データから、1つまたは複数の次元を有する特徴マップを生成する工程；
前記特徴マップに基づいて畳み込みニューラルネットワークを訓練する工程
をさらに含む、本発明1040、1041または1042のいずれかの方法。
[本発明1047]
前記入力特徴に関してニューラルネットワークを訓練する工程をさらに含む、本発明1043、1044または1045のいずれかの方法。
[本発明1048]
サポートベクターマシンに関連付けられた超平面を決定する工程をさらに含み、
前記決定する工程は、前記1つまたは複数の入力特徴に基づく、
本発明1043、1044、または1045のいずれかの方法。
[本発明1049]
ランダムフォレストの1つまたは複数の決定木を決定する工程をさらに含み、
前記決定する工程は、前記1つまたは複数の入力特徴に基づく、
本発明1043、1044、または1045のいずれかの方法。
[本発明1050]
前記画像データが、微分デジタルホログラフィック顕微鏡法（DDHM）を使用して得られる、本発明1001～1022および1040～1049のいずれかの方法。
[本発明1051]
前記画像データが、約20倍の対物レンズを使用して得られる、本発明1001～1022および1040～1050のいずれかの方法。
[本発明1052]
前記画像データが、CCDカメラを使用して得られる、本発明1001～1022および1040～1051のいずれかの方法。
[本発明1053]
前記1つまたは複数の入力特徴が、前記細胞のアスペクト比、細胞の深さ、細胞の面積、細胞記述子、細胞識別子、画像識別子、オブジェクト識別子、X軸に沿った重心、Y軸に沿った重心、前記細胞の円形度、前記細胞の稠密度、正規化されたアスペクト比、前記細胞の伸長、前記細胞の直径、ピーク直径、huモーメント不変量1、huモーメント不変量2、huモーメント不変量3、huモーメント不変量4、huモーメント不変量5、huモーメント不変量6、huモーメント不変量7、平均強度コントラスト、平均エントロピー、平均強度、平均強度均一性、前記細胞の画像の強度コントラスト、前記細胞の画像の強度相関、前記細胞の画像の強度エントロピー、前記細胞の画像の強度均質性、前記細胞の最大強度、前記細胞の平均強度、前記細胞の最小強度前記細胞の画像の強度歪度、前記細胞の画像の強度平滑度、前記細胞の画像の強度分散、前記細胞の画像の強度均一性、前記細胞の前記強度が最大である平面、細胞が視野の境界に沿って位置するという表示、屈折ピークが視野の境界に沿って位置するという表示、前記細胞の質量偏心度、ラジアンでの前記細胞の最大光学的高さ、ミクロンでの前記細胞の最大光学的高さ、ラジアンでの前記細胞の平均光学的高さ、ミクロンでの前記細胞の平均光学的高さ、前記細胞の正規化された光学的高さ、ラジアンでの前記細胞の最小光学的高さ、ミクロンでの前記細胞の最小光学的高さ、ラジアンでの前記細胞の画像の位相の光学的高さの分散、ミクロンでの前記細胞の画像の位相の光学的高さの分散、前記細胞の光学的体積、前記細胞の屈折ピークの面積、前記細胞の面積によって正規化された屈折ピーク面積、前記細胞の屈折ピークの数、前記細胞の屈折ピークの強度、前記細胞の正規化された屈折ピーク高さ、周囲長、前記細胞の位相画像の平均強度コントラスト、前記細胞の位相画像の平均エントロピー、前記細胞の平均位相、前記細胞の平均位相均一性、前記細胞の位相強度コントラスト、前記細胞の位相相関、前記細胞の位相エントロピー特徴、前記細胞の位相均質性、前記細胞の位相歪度、前記細胞の位相平滑度、前記細胞の位相均一性、前記細胞の半径の平均、前記細胞の半径の分散、および前記細胞の正規化された半径分散の1つまたは複数を含む、本発明1006～1022および1043～1052のいずれかの方法。
[本発明1054]
前記入力特徴が、約70、65、60、55、50、45、40、35、30、25、20、15、10、9、8、7、6、5、4、3、2、もしくは1個、または少なくとも70、65、60、55、50、45、40、35、30、25、20、15、10、9、8、7、6、5、4、3、2、もしくは1個の入力特徴を含む、本発明1006～1022および1043～1053のいずれかの方法。
[本発明1055]
前記入力特徴が、約1～約70、約1～約60、約1～約50、約1～約40、約1～約30、約1～約20、約1～約15、約1～約10、または約1～約5個の入力特徴を含む、本発明1006～1022および1043～1054のいずれかの方法。
[本発明1056]
前記入力特徴が、70、65、60、55、50、45、40、35、30、25、20、15、10、もしくは5個未満、または約70、65、60、55、50、45、40、35、30、25、20、15、10、もしくは5個未満の入力特徴を含む、本発明1006～1022および1043～1055のいずれかの方法。
[本発明1057]
前記入力特徴が、20、15、10、もしくは5個未満、または約20、15、10、もしくは5個未満の入力特徴を含む、本発明1006～1022および1043～1056のいずれかの方法。
[本発明1058]
前記1つまたは複数の入力特徴が、前記細胞のアスペクト比、前記細胞の面積、前記細胞の円形度、前記細胞の稠密度、正規化されたアスペクト比、前記細胞の伸長、前記細胞の直径、huモーメント不変量1、huモーメント不変量2、huモーメント不変量3、huモーメント不変量4、huモーメント不変量5、huモーメント不変量6、huモーメント不変量7、周囲長、前記細胞の半径の平均、前記細胞の半径の分散、および正規化された半径分散のうちの1つまたは複数から選択される前記画像データの形態的特徴である、本発明1006～1022および1043～1057のいずれかの方法。
[本発明1059]
前記1つまたは複数の入力特徴が前記細胞の面積である、本発明1006～1022および1043～1058のいずれかの方法。
[本発明1060]
前記1つまたは複数の入力特徴が、前記細胞の直径、前記細胞の最大強度、前記細胞の平均強度、前記細胞の最小強度、前記細胞の質量偏心度、ラジアンでの前記細胞の最大光学的高さ、ミクロンでの前記細胞の最大光学的高さ、ラジアンでの前記細胞の平均光学的高さ、ミクロンでの前記細胞の平均光学的高さ、前記細胞の正規化された光学的高さ、ラジアンでの前記細胞の最小光学的高さ、ミクロンでの前記細胞の最小光学的高さ、前記細胞の光学的体積、前記細胞の屈折ピークの面積、前記細胞の面積によって正規化された屈折ピーク面積、前記細胞の屈折ピークの数、細胞の屈折ピークの強度、および前記細胞の正規化された屈折ピーク高さのうちの1つまたは複数から選択される前記画像データの光学的特徴である、本発明1006～1022および1043～1059のいずれかの方法。
[本発明1061]
前記入力特徴のうちの前記1つまたは複数が、平均強度コントラスト、平均エントロピー、平均強度、平均強度均一性、前記細胞の画像の強度コントラスト、前記細胞の画像の強度相関、前記細胞の画像の強度エントロピー、前記細胞の画像の強度均質性、前記細胞の画像の強度歪度、前記細胞の画像の強度平滑度、前記細胞の画像の強度分散、前記細胞の前記強度が最大である平面、および前記細胞の画像の強度均一性のうちの1つまたは複数から選択される前記画像データの強度特徴である、本発明1006～1022および1043～1060のいずれかの方法。
[本発明1062]
前記1つまたは複数の入力特徴が、ラジアンでの前記細胞の画像の位相の光学的高さの分散、ミクロンでの前記細胞の画像の位相の光学的高さの分散、前記細胞の位相画像の平均強度コントラスト、前記細胞の位相画像の平均エントロピー、前記細胞の平均位相、前記細胞の平均位相均一性、前記細胞の位相強度コントラスト、前記細胞の位相相関、前記細胞の位相エントロピー特徴、前記細胞の位相均質性、細胞の位相歪度、細胞の位相平滑度、および前記細胞の位相均一性のうちの1つまたは複数から選択される前記画像データの位相特徴である、本発明1006～1022および1043～1061のいずれかの方法。
[本発明1063]
前記1つまたは複数の入力特徴が、前記細胞の位相相関であるか、または前記細胞の位相相関を含む、本発明1006～1022および1043～1062のいずれかの方法。
[本発明1064]
前記1つまたは複数の入力が、細胞の深さ、識別された細胞、画像識別子、細胞記述子、X軸に沿った重心、Y軸に沿った重心、オブジェクト識別子、細胞が視野の境界に沿って位置するという表示、および屈折ピークが視野の境界に沿って位置するという表示のうちの1つまたは複数から選択される前記画像データのシステム特徴である、本発明1006～1022および1043～1063のいずれかの方法。
[本発明1065]
前記1つまたは複数の入力特徴が、細胞の深さであるか、または細胞の深さを含む、本発明1006～1022および1043～1064のいずれかの方法。
[本発明1066]
前記第1の群および第2の群が、生存、死亡、CD4＋、CD8＋、組換え受容体陽性、または組換え受容体陰性から選択される1つまたは複数の細胞属性によって定義され、前記第1の群および第2の群が少なくとも1つの異なる属性を含む、本発明1001～1022および1050～1065のいずれかの方法。
[本発明1067]
前記第1または第2の群の一方が前記属性生存を含み、他方の群が前記属性死亡を含む、本発明1001～1022および1050～1066のいずれかの方法。
[本発明1068]
前記属性死亡が非生存細胞および破片を含む、本発明1066または本発明1067の方法。
[本発明1069]
前記属性生存が、単一の生存細胞または生存細胞のクラスタを含む、本発明1066または本発明1067の方法。
[本発明1070]
前記1つまたは複数の入力特徴が、前記細胞の位相相関、前記細胞の面積、前記細胞の屈折ピークの数、細胞の位相歪度、ピーク直径、前記細胞の面積によって正規化された屈折ピーク面積、前記細胞の半径の分散、前記細胞の画像の強度均一性、前記細胞の稠密度、前記細胞の位相強度コントラスト、正規化された半径分散、および前記細胞の円形度を含む、本発明1006～1022および1043～1069のいずれかの方法。
[本発明1071]
前記1つまたは複数の入力特徴が、前記細胞の位相相関を含む、本発明1006～1022および1043～1070のいずれかの方法。
[本発明1072]
前記1つまたは複数の入力特徴が前記細胞の面積を含む、本発明1006～1022および1043～1071のいずれかの方法。
[本発明1073]
前記第1または第2の群の一方が前記属性CD4＋を含み、他方の群が前記属性CD8＋を含む、本発明1006～1022および1050～1066のいずれかの方法。
[本発明1074]
前記1つまたは複数の入力特徴が、前記細胞の平均位相均一性、前記ピーク直径、前記細胞の正規化された屈折ピーク高さ、前記細胞の平均位相、前記細胞の面積によって正規化された屈折ピーク面積、ミクロンでの前記細胞の最小光学的高さ、前記細胞の稠密度、前記細胞の円形度、細胞の位相平滑度、前記細胞の画像の強度均質性、前記細胞の前記強度が最大である平面、前記細胞の屈折ピークの面積、前記細胞の位相相関、細胞の深さ、前記細胞の画像の強度コントラスト、前記細胞の画像の強度均一性、正規化された半径分散、前記細胞の画像の強度平滑度、前記細胞の位相強度コントラスト、前記細胞の最大光学的高さ、前記細胞の平均強度コントラスト、前記細胞の平均強度均一性、前記細胞の画像の強度歪度、huモーメント不変量1、前記細胞の画像の強度分散、平均エントロピー、および前記細胞の画像の強度相関を含む、本発明1006～1022、1043～1066、および1073のいずれかの方法。
[本発明1075]
前記1つまたは複数の入力特徴が、細胞の深さ、前記細胞の画像の強度コントラスト、前記細胞の画像の強度均一性、正規化された半径分散、前記細胞の画像の強度平滑度、前記細胞の位相強度コントラスト、ミクロンでの前記細胞の最大光学的高さ、前記細胞の平均強度コントラスト、前記細胞の平均強度均一性、前記細胞の画像の強度歪度、huモーメント不変量1、前記細胞の画像の強度分散、平均エントロピー、および前記細胞の画像の強度相関を含む、本発明1006～1022、1043～1066、1073、および1074のいずれかの方法。
[本発明1076]
前記1つまたは複数の入力特徴が細胞の深さを含む、本発明1006～1022、1043～1066、および1073～1075のいずれかの方法。
[本発明1077]
前記1つまたは複数の入力特徴が、前記細胞の平均位相均一性、ピーク直径、前記細胞の正規化された屈折ピーク高さ、前記細胞の平均位相、前記細胞の面積によって正規化された屈折ピーク面積、ミクロンでの最小光学的高さ、前記細胞の稠密度、前記細胞の円形度、細胞の位相平滑度、前記細胞の画像の強度均質性、前記細胞の前記強度が最大である平面、前記細胞の屈折ピークの面積、および前記細胞の位相相関を含む、本発明1006～1022、1043～1066、1073、および1074のいずれかの方法。
[本発明1078]
前記第1または第2の群の一方が前記属性組換え受容体陽性を含み、他方の群が前記属性組換え受容体陰性を含む、本発明1006～1022および1050～1066のいずれかの方法。
[本発明1079]
T細胞を含む細胞の前記集団が、
任意で生物学的試料から濃縮または精製されたT細胞集団を混合することによって得られてもよい、生物学的試料から濃縮もしくは精製されたT細胞の集団または混合されたT細胞サブタイプの集団
を含む、本発明1001～1078のいずれかの方法。
[本発明1080]
前記生物学的試料が、全血試料、バフィーコート試料、末梢血単核球（PBMC）試料、非分画T細胞試料、リンパ球試料、白血球試料、血液浄化療法産物、または白血球除去療法産物を含む、本発明1079の方法。
[本発明1081]
T細胞を含む細胞の前記集団が、対象から得られた初代細胞を含む、本発明1001～1080のいずれかの方法。
[本発明1082]
T細胞を含む細胞の前記集団が、組換え受容体を含むベクターで形質導入されたT細胞の集団を含む、本発明1001～1081のいずれかの方法。
[本発明1083]
1つまたは複数のT細胞が分類されるT細胞の前記集団が、治療用T細胞組成物を生成するための製造を受けているT細胞の集団を含む、本発明1001～1082のいずれかの方法。
[本発明1084]
第1の群に属することが知られている前記T細胞および第2の群に属することが知られているT細胞が、治療用T細胞組成物を生成するための製造を受けているT細胞であるか、またはそれを含む、本発明1001～1083のいずれかの方法。
[本発明1085]
第1の群に属することが知られている前記T細胞および第2の群に属することが知られているT細胞の前記製造が、1つまたは複数のT細胞が分類されるT細胞の前記集団の前記製造と同一またはほぼ同一である、本発明1084の方法。
[本発明1086]
前記製造が、組換え受容体を含むベクターによる前記T細胞集団の形質導入後のインキュベーション工程を含む、本発明1083～1085のいずれかの方法。
[本発明1087]
前記組換え受容体がキメラ抗原受容体（CAR）である、本発明1024～1066および1078～1086のいずれかの方法。
[本発明1088]
T細胞を含む細胞の集団の前記1つまたは複数のT細胞が、前記インキュベーション工程の間の異なる時点で分類される、本発明1086または本発明1087の方法。
[本発明1089]
T細胞を含む細胞の集団の前記1つまたは複数のT細胞が、前記インキュベーション期間の間にわたって継続的に分類される、本発明1086または本発明1087の方法。
[本発明1090]
T細胞を含む細胞の集団の前記1つまたは複数のT細胞を分類することが、閉じた系で行われる、本発明1001～1022および1050～1089のいずれかの方法。
[本発明1091]
前記閉じた系が無菌である、本発明1090の方法。
[本発明1092]
前記閉じた系が自動化されている、本発明1090または本発明1091の方法。

Claims

T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、前記複数のT細胞の各細胞からの位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程；ならびに
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞からの前記画像データをプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データに関して訓練された畳み込みニューラルネットワークを含み、前記畳み込みニューラルネットワークを訓練するための前記画像データは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞の各細胞からの位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程
を含む、T細胞を分類する方法。
前記畳み込みニューラルネットワークは、
(i)前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた前記画像データ、ならびに、
(ii)前記知られているT細胞の各細胞が、前記第1の群または前記第2の群に属するものとする分類
に基づいて訓練される、請求項1記載の方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、前記複数のT細胞の各細胞からの位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程；ならびに
前記複数のT細胞の各細胞からの前記画像データをプロセスへの入力として適用する工程であって、前記プロセスは、前記画像データに基づいて、前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するように構成される、工程
を含む、T細胞を分類する方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程であって、前記画像データは、前記複数のT細胞の各細胞からの位相画像データ、強度画像データ、および重ね合わせ画像データのうちの1つまたは複数を含む、工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；ならびに
前記画像データおよび前記決定された前記複数のT細胞の各細胞の分類に基づいて畳み込みニューラルネットワークを訓練する工程
を含む、方法。
前記畳み込みニューラルネットワークが、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データであって、前記画像データを拡大表示、傾斜、および/または回転することによって操作されている前記画像データに関してさらに訓練される、請求項1記載の方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程、
前記複数のT細胞の各細胞の、第1の群または第2の群に属するものとしての分類を、決定する工程、
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程、ならびに、
前記1つまたは複数の入力特徴、および前記複数のT細胞の各細胞の前記決定された分類に基づいて、機械学習モデルを訓練する工程
を含む、方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；ならびに
前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴を、前記1つまたは複数の入力特徴に基づいて前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するように構成されたプロセスに入力として適用する工程
を含む、T細胞を分類する方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程、
1つまたは複数の次元を有する特徴マップを生成する工程であって、前記1つまたは複数の次元の各次元は、前記形態的特徴、前記光学的特徴、前記強度特徴、前記位相特徴、前記システム特徴、またはこれらの任意の組み合わせに関連付けられている、工程；ならびに
前記特徴マップおよび前記決定された前記複数のT細胞の各細胞の分類に基づいて畳み込みニューラルネットワークを訓練する工程
を含む、方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；ならびに
前記複数のT細胞の各々を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関して訓練された畳み込みニューラルネットワークを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
前記畳み込みニューラルネットワークは、
(i)1つまたは複数の次元を有する特徴マップであって、前記1つまたは複数の次元の各次元は、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された、前記形態的特徴、前記光学的特徴、前記強度特徴、前記位相特徴、前記システム特徴、またはこれらの任意の組み合わせに関連付けられる、前記特徴マップ、ならびに、
(ii)前記知られているT細胞の各細胞が、前記第1の群または前記第2の群に属するものとする分類
に基づいて訓練される、請求項9記載の方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；ならびに
前記1つまたは複数の入力特徴、および前記決定された前記複数のT細胞の各細胞の分類に基づいてニューラルネットワークを訓練する工程
を含む、方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；ならびに
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関して訓練されたニューラルネットワークを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
前記ニューラルネットワークは、
(i)前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された、前記1つまたは複数の入力特徴、ならびに、
(ii)前記知られているT細胞の各細胞が、前記第1の群または前記第2の群に属するものとする分類
に基づいて訓練される、請求項12記載の方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；
サポートベクターマシンのための超平面を決定する工程であって、前記超平面は前記第1の群と前記第2の群との間の決定境界を示す、工程
を含み、
前記超平面は、前記複数のT細胞の各細胞に対して前記画像データから決定された1つまたは複数の入力特徴に基づいて決定され、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、
方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関して訓練されたサポートベクターマシンを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
前記サポートベクターマシンは、
(i)前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された、前記1つまたは複数の入力特徴、ならびに、
(ii)前記知られているT細胞の各細胞が、前記第1の群または前記第2の群に属するものとする分類
に基づいて訓練される、請求項15記載の方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記複数のT細胞の各細胞の分類を、第1の群または第2の群に属するものとして決定する工程；および
分類プロセスのためのランダムフォレストを決定する工程であって、前記ランダムフォレストは1つまたは複数の決定木を含み、前記分類プロセスは、前記複数のT細胞の各細胞に関連付けられた前記画像データから決定された1つまたは複数の入力特徴を、前記第1の群に属するまたは前記第2の群に属するものとしての前記複数のT細胞の各細胞の前記分類に関連付ける、工程
を含み、
前記1つまたは複数の決定木の決定木は、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴に基づいて決定され、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、
方法。
T細胞を含む細胞の集団の複数のT細胞の各細胞に関連付けられた画像データを受け取る工程；
前記画像データから、前記複数のT細胞の各細胞に対する1つまたは複数の入力特徴を決定する工程であって、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程；ならびに
前記複数のT細胞の各細胞を第1の群または第2の群に属するものとして分類するために、前記複数のT細胞の各細胞に対する前記1つまたは複数の入力特徴をプロセスへの入力として適用する工程であって、前記プロセスは、前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された1つまたは複数の入力特徴に関するランダムフォレスト分類プロセスを含み、前記1つまたは複数の入力特徴は、前記画像データの形態的特徴、前記画像データの光学的特徴、前記画像データの強度特徴、前記画像データの位相特徴、前記画像データのシステム特徴、またはこれらの任意の組み合わせを含む、工程
を含む、T細胞を分類する方法。
前記ランダムフォレスト分類プロセスは、
(i)前記第1の群に属することが知られているT細胞および前記第2の群に属することが知られているT細胞に関連付けられた画像データから決定された、前記1つまたは複数の入力特徴、ならびに、
(ii)前記知られているT細胞の各細胞が、前記第1の群または前記第2の群に属するものとする分類
に基づいて訓練される、請求項18記載の方法。
前記画像データが、前記複数のT細胞の各細胞の位相画像データおよび強度画像データを含む、請求項1～19のいずれか一項記載の方法。
前記複数のT細胞が、T細胞を含む細胞の前記集団中のT細胞の約70、75、80、85、90、91、92、93、94、95、96、97、98、99、もしくは100％、または少なくとも70、75、80、85、90、91、92、93、94、95、96、97、98、99、もしくは100％を含む、請求項1～20のいずれか一項記載の方法。
（a）少なくとも第1および第2の異なる細胞型を含む細胞の混合集団を提供する工程であって、少なくとも前記第1の細胞型は、細胞の前記混合集団中の他の細胞型によって発現されない少なくとも1つの表面分子を発現する、工程；
（b）細胞の前記混合集団を、複数の第1の結合剤に可逆的に結合した第1の多量体化試薬と接触させる工程であって、前記第1の結合剤の各々は、前記第1の細胞型によって発現された前記表面分子を結合することができる一価結合部位を含む、工程；および
（c）免疫親和性に基づくクロマトグラフィーによって、前記第1の結合剤に結合している前記第1の細胞型の1つまたは複数の細胞を単離する工程であって、それによって第1の細胞のデータセットが得られる、工程
を含み、
前記単離する工程は、前記第1の多量体化試薬を前記第1の結合剤から可逆的に解離させるための条件下で行われ、かつ、
前記第1の細胞のデータセットは、前記第1の多量体化試薬および前記第1の結合剤を実質的に含まない、
機械学習モデルを訓練するための細胞のデータセットを生成する方法。
前記画像データが、微分デジタルホログラフィック顕微鏡法（DDHM）を使用して得られる、請求項1～21のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、前記細胞のアスペクト比、細胞の深さ、細胞の面積、細胞記述子、細胞識別子、画像識別子、オブジェクト識別子、X軸に沿った重心、Y軸に沿った重心、前記細胞の円形度、前記細胞の稠密度、正規化されたアスペクト比、前記細胞の伸長、前記細胞の直径、ピーク直径、huモーメント不変量1、huモーメント不変量2、huモーメント不変量3、huモーメント不変量4、huモーメント不変量5、huモーメント不変量6、huモーメント不変量7、平均強度コントラスト、平均エントロピー、平均強度、平均強度均一性、前記細胞の画像の強度コントラスト、前記細胞の画像の強度相関、前記細胞の画像の強度エントロピー、前記細胞の画像の強度均質性、前記細胞の最大強度、前記細胞の平均強度、前記細胞の最小強度、前記細胞の画像の強度歪度、前記細胞の画像の強度平滑度、前記細胞の画像の強度分散、前記細胞の画像の強度均一性、前記細胞の前記強度が最大である平面、細胞が視野の境界に沿って位置するという表示、屈折ピークが視野の境界に沿って位置するという表示、前記細胞の質量偏心度、ラジアンでの前記細胞の最大光学的高さ、ミクロンでの前記細胞の最大光学的高さ、ラジアンでの前記細胞の平均光学的高さ、ミクロンでの前記細胞の平均光学的高さ、前記細胞の正規化された光学的高さ、ラジアンでの前記細胞の最小光学的高さ、ミクロンでの前記細胞の最小光学的高さ、ラジアンでの前記細胞の画像の位相の光学的高さの分散、ミクロンでの前記細胞の画像の位相の光学的高さの分散、前記細胞の光学的体積、前記細胞の屈折ピークの面積、前記細胞の面積によって正規化された屈折ピーク面積、前記細胞の屈折ピークの数、前記細胞の屈折ピークの強度、前記細胞の正規化された屈折ピーク高さ、周囲長、前記細胞の位相画像の平均強度コントラスト、前記細胞の位相画像の平均エントロピー、前記細胞の平均位相、前記細胞の平均位相均一性、前記細胞の位相強度コントラスト、前記細胞の位相相関、前記細胞の位相エントロピー特徴、前記細胞の位相均質性、前記細胞の位相歪度、前記細胞の位相平滑度、前記細胞の位相均一性、前記細胞の半径の平均、前記細胞の半径の分散、および前記細胞の正規化された半径分散の1つまたは複数を含む、請求項6～21および23のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、前記細胞のアスペクト比、前記細胞の面積、前記細胞の円形度、前記細胞の稠密度、正規化されたアスペクト比、前記細胞の伸長、前記細胞の直径、huモーメント不変量1、huモーメント不変量2、huモーメント不変量3、huモーメント不変量4、huモーメント不変量5、huモーメント不変量6、huモーメント不変量7、周囲長、前記細胞の半径の平均、前記細胞の半径の分散、および正規化された半径分散のうちの1つまたは複数から選択される前記画像データの形態的特徴を含む、請求項6～21、23、および24のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、前記細胞の直径、前記細胞の最大強度、前記細胞の平均強度、前記細胞の最小強度、前記細胞の質量偏心度、ラジアンでの前記細胞の最大光学的高さ、ミクロンでの前記細胞の最大光学的高さ、ラジアンでの前記細胞の平均光学的高さ、ミクロンでの前記細胞の平均光学的高さ、前記細胞の正規化された光学的高さ、ラジアンでの前記細胞の最小光学的高さ、ミクロンでの前記細胞の最小光学的高さ、前記細胞の光学的体積、前記細胞の屈折ピークの面積、前記細胞の面積によって正規化された屈折ピーク面積、前記細胞の屈折ピークの数、細胞の屈折ピークの強度、および前記細胞の正規化された屈折ピーク高さのうちの1つまたは複数から選択される前記画像データの光学的特徴を含む、請求項6～21および23～25のいずれか一項記載の方法。
前記入力特徴のうちの前記1つまたは複数が、平均強度コントラスト、平均エントロピー、平均強度、平均強度均一性、前記細胞の画像の強度コントラスト、前記細胞の画像の強度相関、前記細胞の画像の強度エントロピー、前記細胞の画像の強度均質性、前記細胞の画像の強度歪度、前記細胞の画像の強度平滑度、前記細胞の画像の強度分散、前記細胞の前記強度が最大である平面、および前記細胞の画像の強度均一性のうちの1つまたは複数から選択される前記画像データの強度特徴を含む、請求項6～21および23～26のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、ラジアンでの前記細胞の画像の位相の光学的高さの分散、ミクロンでの前記細胞の画像の位相の光学的高さの分散、前記細胞の位相画像の平均強度コントラスト、前記細胞の位相画像の平均エントロピー、前記細胞の平均位相、前記細胞の平均位相均一性、前記細胞の位相強度コントラスト、前記細胞の位相相関、前記細胞の位相エントロピー特徴、前記細胞の位相均質性、細胞の位相歪度、細胞の位相平滑度、および前記細胞の位相均一性のうちの1つまたは複数から選択される前記画像データの位相特徴を含む、請求項6～21および23～27のいずれか一項記載の方法。
前記1つまたは複数の入力が、細胞の深さ、識別された細胞、画像識別子、細胞記述子、X軸に沿った重心、Y軸に沿った重心、オブジェクト識別子、細胞が視野の境界に沿って位置するという表示、および屈折ピークが視野の境界に沿って位置するという表示のうちの1つまたは複数から選択される前記画像データのシステム特徴を含む、請求項6～21および23～28のいずれか一項記載の方法。
前記第1および第2の群の一方が前記細胞属性生存を含み、他方の群が前記細胞属性死亡を含む、請求項1～21および23～29のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、前記細胞の位相相関、前記細胞の面積、前記細胞の屈折ピークの数、細胞の位相歪度、ピーク直径、前記細胞の面積によって正規化された屈折ピーク面積、前記細胞の半径の分散、前記細胞の画像の強度均一性、前記細胞の稠密度、前記細胞の位相強度コントラスト、正規化された半径分散、および前記細胞の円形度を含む、請求項30記載の方法。
前記1つまたは複数の入力特徴が、前記細胞の位相相関および／または前記細胞の面積を含む、請求項30または31記載の方法。
前記第1および第2の群の一方が前記細胞属性CD4＋を含み、他方の群が前記細胞属性CD8＋を含む、請求項6～21および23～29のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、前記細胞の平均位相均一性、前記ピーク直径、前記細胞の正規化された屈折ピーク高さ、前記細胞の平均位相、前記細胞の面積によって正規化された屈折ピーク面積、ミクロンでの前記細胞の最小光学的高さ、前記細胞の稠密度、前記細胞の円形度、細胞の位相平滑度、前記細胞の画像の強度均質性、前記細胞の前記強度が最大である平面、前記細胞の屈折ピークの面積、前記細胞の位相相関、細胞の深さ、前記細胞の画像の強度コントラスト、前記細胞の画像の強度均一性、正規化された半径分散、前記細胞の画像の強度平滑度、前記細胞の位相強度コントラスト、前記細胞の最大光学的高さ、前記細胞の平均強度コントラスト、前記細胞の平均強度均一性、前記細胞の画像の強度歪度、huモーメント不変量1、前記細胞の画像の強度分散、平均エントロピー、および前記細胞の画像の強度相関を含む、請求項33記載の方法。
前記1つまたは複数の入力特徴が、細胞の深さ、前記細胞の画像の強度コントラスト、前記細胞の画像の強度均一性、正規化された半径分散、前記細胞の画像の強度平滑度、前記細胞の位相強度コントラスト、ミクロンでの前記細胞の最大光学的高さ、前記細胞の平均強度コントラスト、前記細胞の平均強度均一性、前記細胞の画像の強度歪度、huモーメント不変量1、前記細胞の画像の強度分散、平均エントロピー、および前記細胞の画像の強度相関を含む、請求項33または34記載の方法。
前記1つまたは複数の入力特徴が細胞の深さを含む、請求項33～35のいずれか一項記載の方法。
前記1つまたは複数の入力特徴が、前記細胞の平均位相均一性、ピーク直径、前記細胞の正規化された屈折ピーク高さ、前記細胞の平均位相、前記細胞の面積によって正規化された屈折ピーク面積、ミクロンでの最小光学的高さ、前記細胞の稠密度、前記細胞の円形度、細胞の位相平滑度、前記細胞の画像の強度均質性、前記細胞の前記強度が最大である平面、前記細胞の屈折ピークの面積、および前記細胞の位相相関を含む、請求項33または34記載の方法。
前記第1および第2の群の一方が前記細胞属性組換え受容体陽性を含み、他方の群が前記細胞属性組換え受容体陰性を含む、請求項6～21および23～29のいずれか一項記載の方法。
T細胞を含む細胞の前記集団が、組換え受容体を含むベクターで形質導入されたT細胞の集団を含む、請求項1～21および23～38のいずれか一項記載の方法。
T細胞を含む細胞の前記集団が、治療用T細胞組成物を生成するための製造を受けているT細胞の集団を含む、請求項1～21および23～39のいずれか一項記載の方法。
前記製造が、組換え受容体をコードする核酸を含むベクターによるT細胞の前記集団の形質導入後のインキュベーション工程を含み、T細胞を含む細胞の前記集団のT細胞が、前記インキュベーション工程の間の異なる時点で分類される、請求項40記載の方法。
前記組換え受容体がキメラ抗原受容体（CAR）である、請求項39～41のいずれか一項記載の方法。
T細胞を含む細胞の前記集団のT細胞を分類することが、無菌である、および／または自動化されている閉じた系で行われる、請求項1～21および23～42のいずれか一項記載の方法。