JPWO2021042063A5 - - Google Patents

Download PDF

Info

Publication number
JPWO2021042063A5
JPWO2021042063A5 JP2022513156A JP2022513156A JPWO2021042063A5 JP WO2021042063 A5 JPWO2021042063 A5 JP WO2021042063A5 JP 2022513156 A JP2022513156 A JP 2022513156A JP 2022513156 A JP2022513156 A JP 2022513156A JP WO2021042063 A5 JPWO2021042063 A5 JP WO2021042063A5
Authority
JP
Japan
Prior art keywords
array
subject
classification
neural network
array spots
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2022513156A
Other languages
English (en)
Other versions
JP2022546698A (ja
Publication date
Application filed filed Critical
Priority claimed from PCT/US2020/048826 external-priority patent/WO2021042063A1/en
Publication of JP2022546698A publication Critical patent/JP2022546698A/ja
Publication of JPWO2021042063A5 publication Critical patent/JPWO2021042063A5/ja
Pending legal-status Critical Current

Links

Description

本明細書に説明されるシステム、デバイス、および/または方法は、ソフトウェア(ハードウェア上で実行される)、ハードウェア、またはそれらの組み合わせによって実施され得る。ハードウェアモジュールは、例えば、汎用プロセッサ(またはマイクロプロセッサもしくはマイクロコントローラ)、フィールドプログラマブルゲートアレイ(FPGA)、および/または特定用途向け集積回路(ASIC)を含み得る。ソフトウェアモジュール(ハードウェア上で実行される)は、C、C++、Java(登録商標)、Ruby、Visual Basic(登録商標)、ならびに/または他のオブジェクト指向、手続き型、もしくは他のプログラミング言語および開発ツールを含む、様々なソフトウェア言語(例えば、コンピュータコード)で表現され得る。コンピュータコードの例としては、限定されるものではないが、マイクロコードまたはマイクロ命令、例えば、コンパイルによって生成されるような機械命令、ウェブサービスを生成するために使用されるコード、およびインタプリタを使用してコンピュータによって実行される高レベルの命令を含むファイルが挙げられる。コンピュータコードの追加的な例としては、限定されるものではないが、制御信号、暗号化されたコード、および圧縮されたコードが挙げられる。
特定の実施形態では、例えば、以下が提供される:
(項目1)
アレイであって、
基材上に配設された複数のポリマーを備え、前記ポリマーが、各々、1つ以上の重合モノマーと、1つ以上の光開始剤またはその1つ以上の光切断生成物と、を含む、アレイ。
(項目2)
前記1つ以上の光開始剤が、2,2-ジメトキシ-2-フェニルアセトフェノン(DMPA)、1-ヒドロキシシクロヘキシルフェニルケトン(HCPK)、または2-ヒドロキシ-2-メチル-1-フェニル-1-プロパノン(HMPP)のうちの少なくとも1つを含む、項目1に記載のアレイ。
(項目3)
前記1つ以上の光開始剤が、複数のモノマーと同時に前記UV光に曝露され、それによって、前記モノマーを、前記開始剤および/または前記開始剤の前記光切断生成物を含むポリマーに重合した、項目1または2に記載のアレイ。
(項目4)
前記1つ以上の光切断生成物が、ベンゾイルおよびケタール断片のうちの一方または両方を含む、項目1~3のいずれか一項に記載のアレイ。
(項目5)
前記1つ以上の光切断生成物が、ベンジルもしくはベンゾインであるか、または各ポリマーが、前記1つ以上の光切断生成物の反応生成物をさらに含む、項目4に記載のアレイ。
(項目6)
前記モノマーが、紫外線(UV)光の適用を介して重合された、項目1~5のいずれか一項に記載のアレイ。
(項目7)
前記UV光の適用が、約5分間~約60分間であった、項目6に記載のアレイ。
(項目8)
前記UV光の適用が、約20分間であった、項目7に記載のアレイ。
(項目9)
前記UV光が、約250nm~約400nmの波長であった、項目6~8のいずれか一項に記載のアレイ。
(項目10)
ポリマーの前記アレイが、各々、約0.5×(6.25mM)~約4×(50mM)の前記光開始剤の濃度を含む、ポリマースポットを含む、項目1~9のいずれか一項に記載のアレイ。
(項目11)
前記光開始剤の濃度が、約1×(12.5mM)である、項目1~9のいずれか一項に記載のアレイ。
(項目12)
前記モノマーのうちの1つ以上が、アクリルアミド、2-カルボキシエチルアクリレート、アクリル酸、2-シアノエチルアクリレート、N-[トリス(ヒドロキシメチル)メチル]アクリルアミド、ヒドロキシプロピルアクリレート異性体、4-ヒドロキシブチルアクリレート、N-ヒドロキシエチルアクリルアミド、N,N-ジメチルアクリルアミド、N-イソプロピルアクリルアミド、N-(1,1-ジメチル-3-オキソブチル)アクリルアミド、2-メタクリロキシエチルフェニルウレタン、1-アクリロイルオキシ-3-(メタクリロイルオキシ)-2-プロパノール、およびエチレングリコールフェニルエーテルアクリレートからなる群から選択される、項目1~11のいずれか一項に記載のアレイ。
(項目13)
前記モノマーのうちの1つ以上が、2-カルボキシエチルアクリレート、アクリル酸、アクリルアミド、ヒスタミンアクリレート、N-[トリス(ヒドロキシメチル)メチル]アクリルアミド、ヒドロキシプロピルアクリレート異性体、4-ヒドロキシブチルアクリレート、N-ヒドロキシエチルアクリルアミド、N,N,-ジメチルアクリルアミド、N-(1,1-ジメチル-3-オキソブチル)アクリルアミド、N-イソプロピルアクリルアミド、エチレングリコールフェニルエーテルアクリレート、N,N’-メチレンジアクリルアミド、1,1,3,3,3-ヘキサフルオロイソプロピルアクリレート、およびN-tert-オクチルアクリルアミドからなる群から選択される、項目1~11のいずれか一項に記載のアレイ。
(項目14)
前記アレイ上の各ポリマーが、1つのモノマーのみを含むホモポリマーであり、前記アレイ上の各ポリマーが、少なくとも2つのモノマーを含むヘテロポリマーであるか、または前記アレイ上の1つ以上のポリマーが、1つのモノマーのみを含むホモポリマーであり、前記アレイ上の1つ以上のポリマーが、少なくとも2つのモノマーを含むヘテロポリマーである、項目1~13のいずれか一項に記載のアレイ。
(項目15)
少なくとも3つのモノマーを含む1つ以上のヘテロポリマーを含む、項目1~13のいずれか一項に記載のアレイ。
(項目16)
前記アレイ上の各ポリマーが、
a.アクリルアミド、2-カルボキシエチルアクリレート、アクリル酸、2-シアノエチルアクリレート、N-[トリス(ヒドロキシメチル)メチル]アクリルアミド、ヒドロキシプロピルアクリレート異性体、4-ヒドロキシブチルアクリレート、N-ヒドロキシエチルアクリルアミド、N,N-ジメチルアクリルアミド、N-イソプロピルアクリルアミド、N-(1,1-ジメチル-3-オキソブチル)アクリルアミド、2-メタクリロキシエチルフェニルウレタン、1-アクリロイルオキシ-3-(メタクリロイルオキシ)-2-プロパノール、およびエチレングリコールフェニルエーテルアクリレート、または
b.2-カルボキシエチルアクリレート、アクリル酸、アクリルアミド、ヒスタミンアクリレート、N-[トリス(ヒドロキシメチル)メチル]アクリルアミド、ヒドロキシプロピルアクリレート異性体、4-ヒドロキシブチルアクリレート、N-ヒドロキシエチルアクリルアミド、N,N、-ジメチルアクリルアミド、N-(1,1-ジメチル-3-オキソブチル)アクリルアミド、N-イソプロピルアクリルアミド、エチレングリコールフェニルエーテルアクリレート、N,N’-メチレンジアクリルアミド、1,1,3,3,3-ヘキサフルオロイソプロピルアクリレート、およびN-tert-オクチルアクリルアミドからなる群から選択される1つ以上のモノマーを含む、項目1~15のいずれか一項に記載のアレイ。
(項目17)
前記基材が、官能化される表面を含む、項目1~16のいずれか一項に記載のアレイ。
(項目18)
前記表面が、シランまたはシロキサンコーティングで官能化されている、項目17に記載のアレイ。
(項目19)
前記表面が、アクリロシロキサンで官能化されている、項目18に記載のアレイ。
(項目20)
前記アクリロシロキサンが、3-メタクリロキシプロピルトリメトキシシラン、3-アクリロキシプロピルトリメトキシシラン、N-(3-アクリロキシ-2-ヒドロキシプロピル-3-アミノプロピルトリエトキシシラン、3-メタクリロキシプロピルジメチルクロロシラン、およびそれらの組み合わせから選択される、項目19に記載のアレイ。
(項目21)
前記ポリマーが、前記基材に共有結合されている、項目1~20のいずれか一項に記載のアレイ。
(項目22)
前記ポリマーが、前記表面上の前記官能化を用いて前記モノマーを直接重合することによって、前記表面に共有結合されている、項目17~21のいずれか一項に記載のアレイ。
(項目23)
前記重合が、前記光開始剤の存在下で、前記基材の前記表面上で起こる、項目22に記載のアレイ。
(項目24)
前記アレイが、250℃の高温で約5分間加熱した後、検出可能に分解しない、項目1~23のいずれか一項に記載のアレイ。
(項目25)
前記アレイが、400℃の高温で約5分間~約20分間加熱した後、検出可能に分解しない、項目1~24のいずれか一項に記載のアレイ。
(項目26)
前記光開始剤が、約1×(12.5mM)におけるDMPAであり、
前記ポリマーが、アクリルアミド、2-カルボキシエチルアクリレート、アクリル酸、2-シアノエチルアクリレート、N-[トリス(ヒドロキシメチル)メチル]アクリルアミド、ヒドロキシプロピルアクリレート異性体、4-ヒドロキシブチルアクリレート、N-ヒドロキシエチルアクリルアミド、N,N-ジメチルアクリルアミド、N-イソプロピルアクリルアミド、N-(1,1-ジメチル-3-オキソブチル)アクリルアミド、2-メタクリロキシエチルフェニルウレタン、1-アクリロイルオキシ-3-(メタクリロイルオキシ)-2-プロパノール、およびエチレングリコールフェニルエーテルアクリレートからなる群から選択される1つ以上のモノマーを含み、
前記ポリマーおよびDMPAは、前記ポリマーおよびDMPAが前記基材の表面上に堆積された後、約20分間、約250nm~約400nmの波長を有するUV光に曝露された、項目1に記載のアレイ。
(項目27)
ポリマーの前記アレイが、約14~約70のハイドロゲルスポットを含む、項目1~26のいずれか一項に記載のアレイ。
(項目28)
非標識分析物を検出するための方法であって、
1つ以上の非標識分析物を含む1つ以上の試料を、基材上に構成されるポリマーのアレイと接触させることであって、前記ポリマーが、第1の所定の期間の間、紫外線(UV)光に既に曝露された光開始剤を含む、接触させることと、
ポリマーの前記アレイ上に配設された前記1つ以上の試料を、第2の所定の期間の間、インキュベーションすることと、
ポリマーの前記アレイを第3の所定の期間の間、所定の温度で加熱することと、
撮像デバイスを使用して、前記加熱に応答して生成される1つ以上の比色または発光信号の量を測定することと、を含む、方法。
(項目29)
前記光開始剤が、2,2-ジメトキシ-2-フェニルアセトフェノン(DMPA)、1-ヒドロキシシクロヘキシルフェニルケトン(HCPK)、または2-ヒドロキシ-2-メチル-1-フェニル-1-プロパノン(HMPP)のうちの少なくとも1つを含む、項目28に記載の方法。
(項目30)
前記光開始剤が、複数のモノマーと同時に前記UV光に曝露され、それによって、前記モノマーを、前記開始剤および/または前記開始剤の光切断生成物を含むポリマーに重合した、項目28に記載の方法。
(項目31)
前記光切断生成物が、ベンゾイルおよびケタール断片のうちの一方または両方を含む、項目30に記載の方法。
(項目32)
前記光切断生成物が、ベンジルもしくはベンゾインであるか、または前記ポリマーが、前記光切断生成物の反応生成物をさらに含む、項目31に記載の方法。
(項目33)
前記第1の所定の期間が、約5分~約60分である、項目28に記載の方法。
(項目34)
前記第1の所定の期間が、約20分である、項目33に記載の方法。
(項目35)
前記UV光が、約250nm~約400nmの波長を有する、項目28に記載の方法。
(項目36)
ポリマーの前記アレイが、各々、約0.5×(6.25mM)~約4×(50mM)の前記光開始剤の濃度を含む、ポリマースポットを含む、項目28に記載の方法。
(項目37)
前記光開始剤の濃度が、約1×(12.5mM)である、項目36に記載の方法。
(項目38)
前記第3の所定の期間が、約5分である、項目28に記載の方法。
(項目39)
前記所定の温度が、約100℃~約400℃である、項目28に記載の方法。
(項目40)
前記所定の温度が、約250℃である、項目39に記載の方法。
(項目41)
前記第2の所定の期間が、約10~約15分である、項目28に記載の方法。
(項目42)
前記光開始剤が、DMPAであり、
ポリマーの前記アレイが、約20分間、約250nm~約400nmの波長を有するUV光に既に曝露されたDMPAを含み、
ポリマーの前記アレイを前記加熱することが、約5分間、約250℃でポリマーの前記アレイを加熱することを含む、項目28に記載の方法。
(項目43)
前記1つ以上の試料が、1つ以上の尿試料を含む、項目42に記載の方法。
(項目44)
ポリマーの前記アレイが、約14~約70のハイドロゲルスポットを含む、項目28に記載の方法。
(項目45)
方法であって、
光開始剤を含む光開始剤溶液を調製することと、
各々がモノマーを含む複数のモノマー原液を調製することと、
ある体積の前記光開始剤溶液を、ある体積の前記複数のモノマー原液の各々および前記複数のモノマー原液の複数の組み合わせに加えて、複数のスポッティング溶液を生成することと、
所定体積の前記複数のスポッティング溶液の各々を表面上にスポッティングすることと、
前記スポッティング溶液を含む前記アレイを、所定の期間の間、紫外線(UV)光に曝露することと、
それによって、前記表面上にスポットされた前記所定体積の前記複数のスポッティング溶液の各々を重合して、ポリマーのアレイを生成することと、を含む、方法。
(項目46)
前記溶液を前記調製することが、
ある量の前記光開始剤を、第1の体積のジメチルスルホキシド(DMSO)中に溶解して、原液を生成することと、
前記原液に、ある体積の鉱油、ある体積の水、ある体積のグリセロール、または第2の体積のDMSOのうちの少なくとも1つを加えることと、を含む、項目45に記載の方法。
(項目47)
前記所定の期間が、約60分である、項目45に記載の方法。
(項目48)
前記UV光が、約250nm~約400nmの波長を有する、項目45に記載の方法。
(項目49)
前記表面上にスポットされた前記所定体積の前記複数のスポッティング溶液の各々を重合することが、前記表面上にスポットされた前記所定体積の前記複数のスポッティング溶液の各々を、所定の期間、UV光に曝露し、それにより、前記UV光が、前記スポッティング溶液中の1つ以上のモノマーの硬化、および前記表面への前記1つ以上のモノマーの共有結合を触媒することを含む、項目45に記載の方法。
(項目50)
前記光開始剤が、2,2-ジメトキシ-2-フェニルアセトフェノン(DMPA)、1-ヒドロキシシクロヘキシルフェニルケトン(HCPK)、または2-ヒドロキシ-2-メチル-1-フェニル-1-プロパノン(HMPP)のうちの少なくとも1つを含む、項目45に記載の方法。
(項目51)
方法であって、
プロセッサにおいて、かつ複数の被験体に対して、(1)その被験体と関連付けられた1つ以上の試料と接触し、かつ(2)所定の温度で所定の期間加熱された、複数のアレイスポットの比色または発光信号プロファイルと関連付けられた画像データを受信することであって、前記複数のアレイスポットの各々が、紫外線(UV)光に既に曝露された光開始剤を有する異なるハイドロゲル組成物を含む、受信することと、
前記複数の被験体の各々に対して、その被験体と関連付けられた前記画像データを処理して、前記複数のアレイスポットの各々に対して色強度値を生成することと、
前記複数の被験体の各々に対して、ニューラルネットワークを訓練して、その被験体以外のおよび前記複数の被験体の各被験体と関連付けられた前記色強度値を使用して、前記ニューラルネットワークを較正することによってその被験体を分類することと、
前記複数の被験体の各々に対して、その被験体に対して訓練された前記ニューラルネットワークを使用して、その被験体の診断分類を予測することと、を含む、方法。
(項目52)
前記画像データを処理して、前記複数のアレイスポットの各々に対する前記色強度値を生成することが、前記複数のアレイスポットの各々に対する赤、緑、および青の画素強度を合計することを含む、項目51に記載の方法。
(項目53)
前記ニューラルネットワークが、多層パーセプトロンである、項目51に記載の方法。
(項目54)
前記多層パーセプトロンが、約210ノードを有する入力層と、約30ノード~250ノードを有する隠れ層と、を含む、項目53に記載の方法。
(項目55)
前記ニューラルネットワークが、活性化関数として整流器を使用し、制限付きメモリBroyden-Fletcher-Goldfarb-Shanno(L-BFGS)アルゴリズムを使用してロジスティック回帰を実施する、項目51に記載の方法。
(項目56)
前記診断分類が、健康な分類および少なくとも1つの癌分類を含む複数の診断分類から選択される、項目51に記載の方法。
(項目57)
前記診断分類が、健康な分類、複数の癌分類、およびB型肝炎ウイルス感染分類を含む、複数の診断分類から選択される、項目51に記載の方法。
(項目58)
被験体における疾患、障害、または病態の状態を判定する方法であって、
項目1~27のいずれかに記載のアレイを前記被験体からの1つ以上の分析物と接触させることと、
第1の期間の間、前記アレイ上の前記1つ以上の分析物をインキュベーションし、それによって、前記1つ以上の分析物の一部分が前記アレイ上で捕捉されることを可能にすることと、
第2の期間の間、所定の温度で前記アレイを加熱することと、
撮像デバイスを使用して、前記加熱に応答して生成される1つ以上の比色または発光信号の量を測定することと、を含む、方法。
(項目59)
接触工程が、(a)前記アレイを前記被験体の1つ以上の身体試料と接触させること、(b)前記アレイを、前記被験体の血液、血清、血漿、尿、便、唾液、胆汁、髄液、間質液、胃液、涙液、溶媒、および乳、インビトロ試料、もしくは環境試料のうちの少なくとも1つと接触させること、(c)前記アレイを、前記被験体の血漿および尿のうちの1つ以上と接触させること、または(d)(a)~(c)のうちの2つ以上の組み合わせを含む、項目58に記載の方法。
(項目60)
前記被験体から、または前記被験体から取得された試料から、前記1つ以上の分析物を取得することをさらに含む、項目58または59に記載の方法。
(項目61)
前記測定に基づいて、前記アレイの1つ以上の画像またはその1つ以上の表現を取得することをさらに含む、項目58~60のいずれか一項に記載の方法。
(項目62)
前記第2の期間が、約5分である、項目58~61のいずれか一項に記載の方法。
(項目63)
前記所定の温度が、約100℃~約400℃である、項目58~62のいずれか一項に記載の方法。
(項目64)
前記所定の温度が、約250℃である、項目58~62のいずれか一項に記載の方法。
(項目65)
前記1つ以上の試料が、1つ以上の尿試料を含む、項目58~64のいずれか一項に記載の方法。
(項目66)
前記判定が、項目51~57のいずれか一項に記載の方法を介したものである、項目58~65のいずれか一項に記載の方法。
(項目67)
前記疾患が、癌である、項目58~66のいずれか一項に記載の方法。
(項目68)
前記疾患が、ウイルスである、項目58~66のいずれか一項に記載の方法。
(項目69)
前記被験体が疾患を有すると判定された場合に、前記被験体を療法を用いて治療することをさらに含む、項目58~67のいずれか一項に記載の方法。
(項目70)
前記療法が、手術、化学療法、免疫療法、またはそれらの組み合わせを含む、項目69に記載の方法。

Claims (34)

  1. 方法であって、
    プロセッサにおいて、かつ複数の被験体に対して、(1)その被験体と関連付けられた1つ以上の試料と接触し、かつ(2)所定の温度で所定の期間加熱された、複数のアレイスポットの比色または発光信号プロファイルと関連付けられた画像データを受信することであって、前記複数のアレイスポットの各々が、紫外線(UV)光に既に曝露された光開始剤を有する異なるハイドロゲル組成物を含む、受信することと、
    前記複数の被験体の各々について、その被験体と関連付けられた前記画像データを処理して、前記複数のアレイスポットの各々に対して色強度値を生成することと、
    前記複数の被験体の各々について、ニューラルネットワークを訓練して、その被験体以外のおよび前記複数の被験体の各被験体と関連付けられた前記色強度値を使用して、前記ニューラルネットワークを較正することによってその被験体を分類することと、
    を含み、
    その被験体について訓練された前記ニューラルネットワークは、前記複数の被験体の各々に対して、その被験体の診断分類を予測する、方法。
  2. 前記画像データを処理して、前記複数のアレイスポットの各々に対する前記色強度値を生成することが、前記複数のアレイスポットの各々に対する赤、緑、および青の画素強度を合計することを含む、請求項1に記載の方法。
  3. 前記プロセッサにより、複数のベクターのスポット強度を取得することであって、前記複数のベクターの各々が、前記複数のアレイスポットのそれぞれのアレイスポットから取得されることをさらに含み、
    前記複数のベクターは、前記ニューラルネットワークを訓練することにおいて使用される、請求項2に記載の方法。
  4. 前記複数のベクターの各々を正規化することをさらに含む、請求項3に記載の方法。
  5. 前記ニューラルネットワークが、多層パーセプトロンである、請求項1に記載の方法。
  6. 前記多層パーセプトロンが、約210ノードを有する入力層と、約30ノード~250ノードを有する隠れ層と、を含む、請求項5に記載の方法。
  7. 前記ニューラルネットワークが、活性化関数として整流器を使用し、制限付きメモリBroyden-Fletcher-Goldfarb-Shanno(L-BFGS)アルゴリズムを使用してロジスティック回帰を実施する、請求項1に記載の方法。
  8. 前記診断分類が、健康な分類および少なくとも1つの癌分類を含む複数の診断分類から選択される、請求項1に記載の方法。
  9. 前記診断分類が、健康な分類、複数の癌分類、およびB型肝炎ウイルス感染分類を含む、複数の診断分類から選択される、請求項1に記載の方法。
  10. 前記プロセッサがさらに、前記複数の被験体の各々について予測された前記診断分類を、前記複数の被験体の各々の既知の分類と比較する、請求項1に記載の方法。
  11. 方法であって、
    プロセッサにおいて、既に(1)被験体と関連付けられた1つ以上の分析物と接触し、かつ(2)所定の温度で所定の期間加熱された、アレイの比色または発光信号プロファイルと関連付けられた画像データを受信することであって、前記アレイが、各々が、紫外線(UV)光に既に曝露された光開始剤を有する異なるハイドロゲル組成物を含む複数のアレイスポットを含む、受信することと、
    前記画像データから、前記複数のアレイスポットの各々について色強度データを抽出することと、
    前記色強度データを、各々が前記複数のアレイスポットの各々について色強度値を有する複数の色チャネルに分割することと、
    訓練された前記ニューラルネットワークを、前記複数の色チャネルに分割された前記色強度データに適用することと、
    を含み、
    訓練されたニューラルネットワークは、前記被験体を複数の診断分類のうちのある診断分類に分類する、方法。
  12. 前記ニューラルネットワークが、多層パーセプトロンである、請求項11に記載の方法。
  13. 前記多層パーセプトロンが、約210ノードを有する入力層と、約30ノード~250ノードを有する隠れ層と、を含む、請求項12に記載の方法。
  14. 前記ニューラルネットワークが、活性化関数として整流器を使用し、制限付きメモリBroyden-Fletcher-Goldfarb-Shanno(L-BFGS)アルゴリズムを使用してロジスティック回帰を実施する、請求項11に記載の方法。
  15. 前記色強度データを複数の色チャネルに分割することが、前記色強度データを、前記複数のアレイスポットの赤画素強度を含む赤チャネル、前記複数のアレイスポットの緑画素強度を含む緑チャネル、および前記複数のアレイスポットの青画素強度を含む青チャネルに分割することを含む、請求項11に記載の方法。
  16. 前記複数の診断分類が、健康な分類および少なくとも1つの癌分類を含む、請求項11に記載の方法。
  17. 前記色強度データを抽出する前に、前記画像データをトリミングするかまたは前記画像データを反転することにより、前記画像データを処理することをさらに含む、請求項11に記載の方法。
  18. 装置であって、
    プロセッサと、
    複数の被験体について、(1)その被験体と関連付けられた1つ以上の試料と接触し、かつ(2)所定の温度で所定の期間加熱された、複数のアレイスポットの比色または発光信号プロファイルと関連付けられた画像データを受信するように構成された入力デバイスであって、前記複数のアレイスポットの各々が、紫外線(UV)光に既に曝露された光開始剤を有する異なるハイドロゲル組成物を含む、入力デバイスと、
    前記プロセッサに動作可能に連結されたメモリであって、前記メモリは、前記プロセッサにより実行された場合に、前記プロセッサに、
    その被験体と関連付けられた前記画像データを処理して、前記複数のアレイスポットの各々に対して色強度値を生成することと、
    前記複数の被験体の各々に対して、ニューラルネットワークを訓練して、その被験体以外のおよび前記複数の被験体の各被験体と関連付けられた前記色強度値を使用して、前記ニューラルネットワークを較正することによってその被験体を分類することと、
    前記複数の被験体の各々に対して、その被験体に対して訓練された前記ニューラルネットワークを使用して、その被験体の診断分類を予測することと、
    を含む、動作を実行させる実行可能な命令を記憶する、メモリと、
    を備える、装置。
  19. 前記画像データを処理して、前記複数のアレイスポットの各々に対する前記色強度値を生成することが、前記複数のアレイスポットの各々に対する赤、緑、および青の画素強度を合計することを含む、請求項18に記載の装置。
  20. 前記動作が、複数のベクターのスポット強度を取得することであって、前記複数のベクターの各々が、前記複数のアレイスポットのそれぞれのアレイスポットから取得されることをさらに含み、
    前記複数のベクターは、前記ニューラルネットワークを訓練することにおいて使用される、請求項18に記載の装置。
  21. 前記動作が、前記複数のベクターの各々を正規化することをさらに含む、請求項20に記載の装置。
  22. 前記ニューラルネットワークが、多層パーセプトロンである、請求項18に記載の装置。
  23. 前記多層パーセプトロンが、約210ノードを有する入力層と、約30ノード~250ノードを有する隠れ層と、を含む、請求項22に記載の装置。
  24. 前記ニューラルネットワークが、活性化関数として整流器を使用し、制限付きメモリBroyden-Fletcher-Goldfarb-Shanno(L-BFGS)アルゴリズムを使用してロジスティック回帰を実施する、請求項18に記載の装置。
  25. 前記診断分類が、健康な分類および少なくとも1つの癌分類を含む複数の診断分類から選択される、請求項18に記載の装置。
  26. 前記診断分類が、健康な分類、複数の癌分類、およびB型肝炎ウイルス感染分類を含む、複数の診断分類から選択される、請求項18に記載の装置。
  27. 前記動作がさらに、前記複数の被験体の各々について予測された前記診断分類を、前記複数の被験体の各々の既知の分類と比較することを含む、請求項18に記載の装置。
  28. 被験体における疾患、障害、または病態の状態を判定するための装置であって、
    プロセッサと、
    既に(1)被験体と関連付けられた1つ以上の分析物と接触し、かつ(2)所定の温度で所定の期間加熱された、アレイの比色または発光信号プロファイルと関連付けられた画像データを受信するように構成された入力デバイスであって、前記アレイが、各々が、紫外線(UV)光に既に曝露された光開始剤を有する異なるハイドロゲル組成物を含む複数のアレイスポットを含む、入力デバイスと、
    前記プロセッサに動作可能に連結されたメモリであって、前記メモリは、前記プロセッサにより実行された場合に、前記プロセッサに、
    前記画像データから、前記複数のアレイスポットの各々について色強度データを抽出することと、
    前記色強度データを、各々が前記複数のアレイスポットの各々について色強度値を有する複数の色チャネルに分割することと、
    訓練されたニューラルネットワークを、前記複数の色チャネルに分割された前記色強度データに適用して、被験体を複数の診断分類のうちのある診断分類に分類することと、
    を含む動作を実行させる実行可能な命令を記憶する、メモリと、
    を備える、装置。
  29. 前記ニューラルネットワークが、多層パーセプトロンである、請求項28に記載の装置。
  30. 前記多層パーセプトロンが、約210ノードを有する入力層と、約30ノード~250ノードを有する隠れ層と、を含む、請求項29に記載の装置。
  31. 前記ニューラルネットワークが、活性化関数として整流器を使用し、制限付きメモリBroyden-Fletcher-Goldfarb-Shanno(L-BFGS)アルゴリズムを使用してロジスティック回帰を実施する、請求項28に記載の装置。
  32. 前記色強度データを複数の色チャネルに分割することが、前記色強度データを、前記複数のアレイスポットの赤画素強度を含む赤チャネル、前記複数のアレイスポットの緑画素強度を含む緑チャネル、および前記複数のアレイスポットの青画素強度を含む青チャネルに分割することを含む、請求項28に記載の装置。
  33. 前記複数の診断分類が、健康な分類および少なくとも1つの癌分類を含む、請求項28に記載の装置。
  34. 前記動作が、前記色強度データを抽出する前に、前記画像データをトリミングするかまたは前記画像データを反転することにより、前記画像データを処理することをさらに含む、請求項28に記載の装置。
JP2022513156A 2019-08-29 2020-08-31 分析物の区別および診断のための検出可能なアレイ、ならびにそれに関連する方法およびシステム Pending JP2022546698A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201962893703P 2019-08-29 2019-08-29
US62/893,703 2019-08-29
PCT/US2020/048826 WO2021042063A1 (en) 2019-08-29 2020-08-31 Detectable arrays for distinguishing analytes and diagnosis, and methods and systems related thereto

Publications (2)

Publication Number Publication Date
JP2022546698A JP2022546698A (ja) 2022-11-07
JPWO2021042063A5 true JPWO2021042063A5 (ja) 2023-10-27

Family

ID=74683680

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022513156A Pending JP2022546698A (ja) 2019-08-29 2020-08-31 分析物の区別および診断のための検出可能なアレイ、ならびにそれに関連する方法およびシステム

Country Status (7)

Country Link
US (1) US20220398733A1 (ja)
EP (1) EP4022284A4 (ja)
JP (1) JP2022546698A (ja)
CN (1) CN115298535A (ja)
AU (1) AU2020340445A1 (ja)
CA (1) CA3152524A1 (ja)
WO (1) WO2021042063A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115375954B (zh) * 2022-10-25 2023-03-24 成都西交智汇大数据科技有限公司 一种化学实验溶液识别方法、装置、设备及可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4749647A (en) * 1984-06-22 1988-06-07 Genetic Systems Corporation Polymerization-induced separation assay using recognition pairs
AU2003265769A1 (en) * 2002-05-02 2003-11-17 Ciphergen Biosystems, Inc. Biochips with surfaces coated with polysaccharide based hydrogels
US7354706B2 (en) * 2003-09-09 2008-04-08 The Regents Of The University Of Colorado, A Body Corporate Use of photopolymerization for amplification and detection of a molecular recognition event
US20090163375A1 (en) * 2003-09-09 2009-06-25 Bowman Christopher N Use of Photopolymerization for Amplification and Detection of a Molecular Recognition Event
CA2646410A1 (en) * 2006-02-15 2007-08-23 Indevr, Inc. Signal amplification of biorecognition events using photopolymerization in the presence of air
US20160274103A1 (en) * 2013-09-24 2016-09-22 Entopsis Detectable arrays, systems for diagnosis, and methods of making and using the same
US20170175169A1 (en) * 2015-12-18 2017-06-22 Min Lee Clinical decision support system utilizing deep neural networks for diagnosis of chronic diseases

Similar Documents

Publication Publication Date Title
Riedel et al. Hepatitis B plasmonic biosensor for the analysis of clinical serum samples
CN102713620B (zh) 结合内外校准法的分析物定量多重微阵列
US20080081769A1 (en) Integrated Semiconductor Bioarray
CN105556007B (zh) 可检测阵列、诊断系统以及其制作和使用方法
JP2013531787A5 (ja) 粒子の運動度および/または細胞の分散を求めるためのホログラフィック変動顕微鏡装置、方法並びにプログラム
US9719855B2 (en) Evaluation of focusing performance in an assay analysis system
Kim et al. Label-free CRP detection using optical biosensor with one-step immobilization of antibody on nitrocellulose membrane
JP2016532126A5 (ja)
Masson et al. Preparation of analyte-sensitive polymeric supports for biochemical sensors
Malinick et al. Surface plasmon resonance imaging (SPRi) in combination with machine learning for microarray analysis of multiple sclerosis biomarkers in whole serum
JPWO2021042063A5 (ja)
EP1444504A1 (en) Classification of samples
US20220398733A1 (en) Detectable arrays for distinguishing analytes and diagnosis, and methods and systems related thereto
Sengar et al. Deep learning aided small-sized portable fluorescence biochip reader
JP6489986B2 (ja) 油検出用素子、油検出装置及び油検出方法
Macotpet et al. Attenuated total reflection Fourier transform infrared as a primary screening method for cancer in canine serum
EP2088429B1 (en) Reagent and method for immunological analysis
US11913064B2 (en) Molecular beacon-based optical gene biosensor employing retro-reflection and quantitative analysis method of nucleic acid molecule
JP2023510365A (ja) ホログラフィックセンサー
Resende et al. Detection of serum calprotectin based on molecularly imprinted photonic hydrogels: A novel approach for IBD diagnosis
Lee et al. Development of a CCD-based fluorimeter for real-time PCR machine
Boecker et al. Comparison of different automatic threshold algorithms for image segmentation in microscope images
JP7524064B2 (ja) バイオマーカー解析のための方法およびシステム
COHEN et al. ELEMENTS OF ARTIFICIAL INTELLECT BASED ON NEURON ANALYSIS THROUGH CLINICAL TRIALS STATISTICS AND VARIOUS MODELS OF MACHINE LEARNING
WO2023043397A1 (en) An identification-detection system and method