KR102072232B1 - 이미지화된 샘플들에 대한 광학적 왜곡 보정 - Google Patents
이미지화된 샘플들에 대한 광학적 왜곡 보정 Download PDFInfo
- Publication number
- KR102072232B1 KR102072232B1 KR1020180026797A KR20180026797A KR102072232B1 KR 102072232 B1 KR102072232 B1 KR 102072232B1 KR 1020180026797 A KR1020180026797 A KR 1020180026797A KR 20180026797 A KR20180026797 A KR 20180026797A KR 102072232 B1 KR102072232 B1 KR 102072232B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- distortion correction
- imaging data
- correction coefficients
- imaging
- Prior art date
Links
- 238000012937 correction Methods 0.000 title claims abstract description 92
- 230000003287 optical effect Effects 0.000 title claims description 44
- 238000003384 imaging method Methods 0.000 claims abstract description 179
- 238000000034 method Methods 0.000 claims abstract description 69
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 34
- 230000009466 transformation Effects 0.000 claims abstract description 32
- 238000012163 sequencing technique Methods 0.000 claims description 19
- 150000007523 nucleic acids Chemical class 0.000 claims description 10
- 102000039446 nucleic acids Human genes 0.000 claims description 9
- 108020004707 nucleic acids Proteins 0.000 claims description 9
- 239000000523 sample Substances 0.000 description 91
- 238000010586 diagram Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 13
- 239000000758 substrate Substances 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 239000012472 biological sample Substances 0.000 description 7
- 238000013461 design Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 7
- 238000010223 real-time analysis Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000007493 shaping process Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000007850 fluorescent dye Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000002773 nucleotide Substances 0.000 description 3
- 125000003729 nucleotide group Chemical group 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000012620 biological material Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- OPTASPLRGRRNAP-UHFFFAOYSA-N cytosine Chemical compound NC=1C=CNC(=O)N=1 OPTASPLRGRRNAP-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- UYTPUPDQBNUYGX-UHFFFAOYSA-N guanine Chemical compound O=C1NC(N)=NC2=C1N=CN2 UYTPUPDQBNUYGX-UHFFFAOYSA-N 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RWQNBRDOKXIBIV-UHFFFAOYSA-N thymine Chemical compound CC1=CNC(=O)NC1=O RWQNBRDOKXIBIV-UHFFFAOYSA-N 0.000 description 2
- 229930024421 Adenine Natural products 0.000 description 1
- GFFGJBXGBJISGV-UHFFFAOYSA-N Adenine Chemical compound NC1=NC=NC2=C1N=CN2 GFFGJBXGBJISGV-UHFFFAOYSA-N 0.000 description 1
- 241000226585 Antennaria plantaginifolia Species 0.000 description 1
- 238000001712 DNA sequencing Methods 0.000 description 1
- 229920002307 Dextran Polymers 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 229960000643 adenine Drugs 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229940104302 cytosine Drugs 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 239000000499 gel Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920000747 poly(lactic acid) Polymers 0.000 description 1
- 229920002401 polyacrylamide Polymers 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- -1 polypropylene Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 229940113082 thymine Drugs 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 235000012431 wafers Nutrition 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G06T5/006—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
- B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
- B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
- B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
- B01L3/502715—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip characterised by interfacing components, e.g. fluidic, electrical, optical or mechanical interfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- 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
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
-
- G06T3/0075—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/147—Transformations for image registration, e.g. adjusting or mapping for alignment of images using affine transformations
-
- G06T5/003—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/387—Composing, repositioning or otherwise geometrically modifying originals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/401—Compensating positionally unequal response of the pick-up or reproducing head
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
- H04N1/409—Edge or detail enhancement; Noise or error suppression
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/61—Noise processing, e.g. detecting, correcting, reducing or removing noise the noise originating only from the lens unit, e.g. flare, shading, vignetting or "cos4"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
- B01L2200/02—Adapting objects or devices to another
- B01L2200/025—Align devices or objects to ensure defined positions relative to each other
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/08—Geometry, shape and general structure
- B01L2300/0809—Geometry, shape and general structure rectangular shaped
- B01L2300/0829—Multi-well plates; Microtitration plates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/08—Geometry, shape and general structure
- B01L2300/0861—Configuration of multiple channels and/or chambers in a single devices
- B01L2300/0877—Flow chambers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
- B01L2300/00—Additional constructional details
- B01L2300/08—Geometry, shape and general structure
- B01L2300/0896—Nanoscaled
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
- G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0025—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for optical correction, e.g. distorsion, aberration
- G02B27/0031—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for optical correction, e.g. distorsion, aberration for scanning purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/247—Aligning, centring, orientation detection or correction of the image by affine transforms, e.g. correction due to perspective effects; Quadrilaterals, e.g. trapezoids
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/26—Electron or ion microscopes
- H01J2237/28—Scanning microscopes
- H01J2237/2813—Scanning microscopes characterised by the application
- H01J2237/2817—Pattern inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Clinical Laboratory Science (AREA)
- Hematology (AREA)
- Dispersion Chemistry (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Geometry (AREA)
- Microscoopes, Condenser (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Optical Communication System (AREA)
Abstract
반복하는 스폿들을 갖는 패턴화된 샘플의 이미화 동안 이미지 왜곡을 동적으로 보정하기 위한 기술들이 설명된다. 이미지 왜곡 보정 계수들의 상이한 세트들이 다중 사이클 이미지화 실행의 제1 이미지화 사이클 동안 샘플의 상이한 영역들에 대해 계산될 수 있고, 후속 사이클들 동안 생성된 이미지 데이터에 실시간으로 순차적으로 적용될 수 있다. 한 구현에서, 반복되는 스폿들을 갖는 패턴화된 샘플의 이미지에 대해, 이미지의 아핀 변환을 추정하고; 이미지를 선명하게 하고; 그리고 선명해진 이미지에 대한 왜곡 보정 계수들의 최적 세트를 반복적으로 검색함으로써, 이미지 왜곡 보정 계수들이 계산될 수 있으며, 선명해진 이미지에 대한 왜곡 보정 계수들의 최적 세트를 반복적으로 검색하는 것은 이미지의 스폿 위치들에 대한 평균 간결성을 계산하는 것을 포함하고, 추정된 아핀 변환은 검색의 각각의 반복 동안 적용된다.
Description
관련 출원들에 대한 상호-참조
본 출원은 그 전체적으로 참조로 본원에 편입되는, 2017 년 3 월 7 일자로 "Optical Distortion Correction for Imaged Samples (이미지화된 샘플들에 대한 광학적 왜곡 보정)" 라는 명칭으로 출원된 미국 특허 가출원 제 62/468,347 호의 이익을 주장한다. 본 출원은 또한, 2017 년 5 월 5 일자로 "Optical Distortion Correction for Imaged Samples" 라는 명칭으로 출원된 네덜란드 특허 출원 제 N2018852 호의 이익을 주장한다.
광학 렌즈로 이미징함에 있어서의 하나의 문제는 렌즈의 기하구조가 이미지에서 상이한 타입들의 왜곡을 유도한다는 것이다. 이러한 왜곡들은 예를 들어, 배율 왜곡(magnification distortion), 스큐 왜곡(skew distortion), 병진 왜곡(translation distortion), 및 배럴 왜곡(barrel distortion) 및 핀쿠션 왜곡(pincushion distortion)과 같은 비선형 왜곡들을 포함할 수도 있다. 이 왜곡들은 이미지의 중심으로부터 더욱 중심에서 벗어난 이미지 포인트들에서 일반적으로 더 현저하다.
하나의 방향에서 샘플의 평면을 주사하는 라인 스캐너들에서는, 왜곡이 주사의 방향에 수직인 주사된 이미지의 에지(edge)들을 따라 하나의 차원에서 가장 현저할 수도 있다. 예를 들어, 광학계의 대물 렌즈 또는 다른 광학적 컴포넌트에 의해 야기된 수차(aberration)는 "스트레칭 왜곡(stretching distortion)"을 도입할 수도 있음으로써, 배율은 하나의 축(예컨대, 그 축을 따라 주사되는 라인의 경우에 x 축)을 따라 변동된다. 이 왜곡은 그것이 주사된 이미지 상의 스폿들의 실제적인 위치를 스폿들의 예상된 위치로부터 멀어지게 시프트시킬 수도 있으므로, 큰 수(예컨대, 수 천, 수 백만, 수 십억 등)의 패턴화된 스폿들을 가지는 기판들의 멀티-사이클 이미징에 대하여 특히 해롭다. 이것은 멀티-사이클 이미징 런(multi-cycle imaging run) 동안의 데이터 스루풋(data throughput)에서의 하락 및 에러 레이트에서의 증가를 야기시킬 수도 있다. 이 문제는 도 1a 내지 도 1b에 의해 예시된다. 도 1a는 형광발산 염료를 갖는 복수의 샘플 영역들을 가지는 패턴화된 타겟의 주사된 이미지의 중심을 도시한다. 이미지의 중심에서는, 스폿들(50)의 검출가능한 왜곡이 없다. 도 1b는 도 1a의 주사된 이미지의 우측을 도시한다. 우측에서는, 스폿들(50)의 광학적 왜곡이 두드러진다.
본원에서 개시된 예들은 이미지화된 샘플들에서 광학적 왜곡을 보정하기 위한 기법들에 관한 것이다.
제 1 예에서, 방법은: 복수의 스폿들을 포함하는 패턴화된 샘플의 제 1 이미징 사이클을 수행하는 단계; 제 1 이미징 사이클 동안에 생성된 이미징 데이터의 제 1 세트를 제 1 복수의 이미징 데이터 서브세트들로 분할하는 단계 - 제 1 복수의 이미징 데이터 서브세트들의 각각은 패턴화된 샘플의 개개의 영역에 대응하고, 패턴화된 샘플의 개개의 영역들의 각각은 복수의 스폿들을 포함함 -; 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 이미지 왜곡 보정 계수들의 세트를 계산하는 단계; 이미징 데이터의 제 2 세트를 생성하기 위하여 패턴화된 샘플의 제 2 이미징 사이클을 수행하는 단계; 제 2 이미징 사이클 동안에 생성된 이미징 데이터의 제 2 세트를 제 2 복수의 이미징 데이터 서브세트들로 분할하는 단계 - 제 2 복수의 이미징 데이터 서브세트들의 각각은 제 1 복수의 이미징 데이터 서브세트들 중의 하나와 패턴화된 샘플의 동일한 개개의 영역에 대응함 -; 및 제 2 복수의 이미징 데이터 서브세트들의 각각에 대하여, 패턴화된 샘플의 동일한 개개의 영역에 대응하는 제 1 복수의 이미징 데이터 서브세트들 중의 하나에 대하여 계산된 왜곡 보정 계수들을 적용하는 단계를 포함한다.
제 1 예의 하나의 구현예에서, 패턴화된 샘플의 스폿들의 각각은 형광성으로 태그된 핵산(nucleic acid)들을 포함하고, 제 1 이미징 사이클은 제 1 시퀀싱 사이클(sequencing cycle)이고, 제 2 이미징 사이클은 제 2 시퀀싱 사이클이다.
제 1 예의 하나의 구현예에서, 이미징 데이터의 제 1 세트 및 이미징 데이터의 제 2 세트 각각은 제 1 컬러 채널의 이미징 데이터 및 제 2 컬러 채널의 이미징 데이터를 각각 포함하고, 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 이미지 왜곡 보정 계수들의 세트를 계산하는 단계는 각각의 이미징 데이터 서브세트의 각각의 컬러 채널에 대한 왜곡 보정 계수들의 세트를 결정하는 단계를 포함한다.
제 1 예의 하나의 구현예에서, 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 이미지 왜곡 보정 계수들의 세트를 계산하는 단계는: 이미징 데이터 서브세트의 아핀 변환(affine transform)을 추정하는 단계; 이미징 데이터 서브세트를 선예화(sharpening)하는 단계; 및 이미징 데이터 서브세트에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계를 포함한다.
제 1 예의 하나의 구현예에서, 이미징 데이터의 제 1 세트 및 이미징 데이터의 제 2 세트는 적어도 샘플 상의 기준점(fiducial)들의 위치를 이용하여 분할되고, 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 아핀 변환은 기준점들을 이용하여 추정된다.
제 2 예에서, 복수의 스폿들을 포함하는 패턴화된 샘플의 이미지에서의 광학적 왜곡에 대하여 보정하기 위한 방법은: 이미지의 아핀 변환을 추정하는 단계; 이미지를 선예화하는 단계; 및 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계 - 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는 이미지에서의 복수의 스폿 로케이션(spot location)들에 대한 평균 순결도(mean chastity)를 계산하는 단계를 포함하고, 추정된 아핀 변환은 검색의 각각의 반복 동안에 적용됨 - 를 포함한다.
제 2 예의 하나의 구현예에서, 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는: 이미지에 대한 광학적 왜곡 보정 계수들의 세트를 생성하는 단계; 추정된 아핀 변환을 이미지에서의 복수의 스폿 로케이션들에 적용하는 단계; 및 추정된 아핀 변환을 적용한 후, 광학적 왜곡 보정 계수들의 세트를 복수의 스폿 로케이션들의 각각에 적용하는 단계를 포함한다. 추가의 구현예에서, 방법은: 광학적 왜곡 보정 계수들의 세트를 복수의 스폿 로케이션들의 각각에 적용한 후, 복수의 스폿 로케이션들의 각각에 대한 신호 세기를 추출하는 단계를 포함한다. 또한 추가의 구현예에서, 방법은: 추출된 신호 세기들을 정규화하는 단계; 및 적어도 정규화된 신호 세기들을 이용하여 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하는 단계를 포함한다.
제 2 예의 특정한 구현예에서, 적어도 정규화된 신호 세기들을 이용하여 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하는 단계는: 복수의 스폿 로케이션들의 각각에 대하여, 적어도 스폿 로케이션의 정규화된 신호 세기에 대응하는 포인트로부터 가우시안 중심(Gaussian centroid)까지의 거리를 이용하여 순결도를 결정하는 단계를 포함한다.
제 2 예의 특정한 구현예에서, 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는 이미지에서의 복수의 스폿들을 서브샘플링(subsampling)하는 단계를 포함하고, 여기서, 선예화된 이미지의 행(row)에서의 스폿이 서브샘플링될 경우, 선예화된 이미지의 행에서의 모든 스폿들이 서브샘플링된다.
개시된 기술의 다른 특징들 및 양태들은 개시된 기술의 예들에 따라 특징들을 예로서 예시하는 동반된 도면들을 참조하여 행해진 다음의 상세한 설명으로부터 명백해질 것이다. 개요는 청구항들 및 등가물들에 의해 정의되는, 본원에서 설명된 임의의 발명들의 범위를 제한하도록 의도된 것이 아니다.
(이러한 개념들이 상호 불일치하지 않는다면) 상기한 개념들의 모든 조합들은 본원에서 개시된 발명적 요지의 일부인 것으로서 고려된다는 것이 인식되어야 한다. 특히, 이 개시물의 종반부에 나타나는 청구된 요지의 모든 조합들은 본원에서 개시된 발명적 요지의 일부인 것으로서 고려된다.
본 개시물은 하나 또는 그 초과하는 다양한 예들에 따라, 다음의 도면들을 참조하여 상세하게 설명된다. 도면들은 오직 예시의 목적들을 위하여 제공되고, 전형적인 또는 일 예의 구현예들을 단지 도시한다.
도 1a는 하나의 예에서, 형광발산 염료를 갖는 복수의 샘플 영역들을 가지는 패턴화된 타겟의 주사된 이미지의 중심을 도시한다.
도 1b는 도 1a의 주사된 이미지의 우측을 도시한다.
도 2a는 하나의 예에서, 본원에서 개시된 시스템들 및 방법들이 그것으로 구현될 수도 있는 일 예의 이미지 주사 시스템의 일반화된 블록도를 예시한다.
도 2b는 특정한 구현예들에서 구현될 수도 있는 일 예의 2-채널 라인-주사 모듈형 광학적 이미징 시스템을 예시하는 블록도이다.
도 3은 본원에서 개시된 구현예들에 따라 이미징될 수도 있는 패턴화된 샘플의 일 예의 구성을 예시한다.
도 4는 개시물에 따라 이미징 런(imaging run) 동안에 이미지 왜곡을 동적으로 보정하기 위하여 구현될 수도 있는 일 예의 방법을 예시하는 동작 흐름도이다.
도 5는 하나의 예에서, 스폿들의 어레이를 가지는 샘플을 이미징하는 N-채널 이미징 시스템에 대하여, 이미징 데이터가 어떻게 복수의 이미징 데이터 서브세트들로 분할될 수도 있는지를 시각적으로 예시한다.
도 6은 이미징 시스템에 의해 생성된 이미징 데이터에 대한 왜곡 보정 계수들을 계산하는 일 예의 방법을 예시하는 동작 흐름도이다.
도 7은 6 개의 기준점들을 포함하는 일 예의 타일(tile)을 예시한다.
도 8은 하나의 시퀀싱 사이클 동안에 2-채널 염기 호출(base calling)로부터 유도된 일 예의 클라우드(cloud)들을 예시한다.
도 9a는 하나의 예에서, 흐름 셀(flow cell)들을 이용하는 2-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 왜곡 곡선들의 집합을 예시한다.
도 9b는 하나의 예에서, 흐름 셀들을 이용하는 또 다른 2-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 왜곡 곡선들의 집합을 예시한다.
도 9c는 하나의 예에서, 흐름 셀들을 이용하는 4-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 2 개의 상이한 컬러 채널들에 대응하는 4 개의 왜곡 곡선들을 예시한다.
도 10a는 라인 스캐너를 이용하여 시퀀싱된 흐름 셀의 스폿들의 몇 퍼센트가 X에 대한 타일의 관측 시야(field of view)에 걸쳐 비닝된(binned), 왜곡 보정을 갖지 않는 순결도 필터를 통과하였는지(%PF)를 예시하는 일 예의 실험적 결과들의 박스 및 세선(whiskers) 도표이다.
도 10b는 시퀀싱된 흐름 셀의 스폿들의 몇 퍼센트가 왜곡 보정 후에 순결도 필터를 통과하였는지를 도시하는 일 예의 실험적 결과들의 박스 및 세선 도표이다.
도 11은 이미징 렌즈(예컨대, 대물 렌즈)의 설계를 최적화하기 위하여 이용될 수도 있는 광학적 왜곡 보정 파라미터들을 결정하기 위한 일 예의 방법을 예시하는 동작 흐름도이다.
도 12는 왜곡에 대하여 보정하기 위하여 5 차 다항식을 적용한 후에 렌즈의 관측 시야에 걸쳐 픽셀들에서의 일 예의 잔류 광학적 왜곡을 도시하는 잔류 왜곡 도표이다.
도 13은 본 개시물에서 설명된 구현예들의 다양한 특징들을 구현하기 위하여 이용될 수도 있는 일 예의 컴퓨팅 모듈을 예시한다.
도면들은 철저하지 않고, 본 개시물을 개시된 정밀한 형태로 제한하지는 않는다.
도 1a는 하나의 예에서, 형광발산 염료를 갖는 복수의 샘플 영역들을 가지는 패턴화된 타겟의 주사된 이미지의 중심을 도시한다.
도 1b는 도 1a의 주사된 이미지의 우측을 도시한다.
도 2a는 하나의 예에서, 본원에서 개시된 시스템들 및 방법들이 그것으로 구현될 수도 있는 일 예의 이미지 주사 시스템의 일반화된 블록도를 예시한다.
도 2b는 특정한 구현예들에서 구현될 수도 있는 일 예의 2-채널 라인-주사 모듈형 광학적 이미징 시스템을 예시하는 블록도이다.
도 3은 본원에서 개시된 구현예들에 따라 이미징될 수도 있는 패턴화된 샘플의 일 예의 구성을 예시한다.
도 4는 개시물에 따라 이미징 런(imaging run) 동안에 이미지 왜곡을 동적으로 보정하기 위하여 구현될 수도 있는 일 예의 방법을 예시하는 동작 흐름도이다.
도 5는 하나의 예에서, 스폿들의 어레이를 가지는 샘플을 이미징하는 N-채널 이미징 시스템에 대하여, 이미징 데이터가 어떻게 복수의 이미징 데이터 서브세트들로 분할될 수도 있는지를 시각적으로 예시한다.
도 6은 이미징 시스템에 의해 생성된 이미징 데이터에 대한 왜곡 보정 계수들을 계산하는 일 예의 방법을 예시하는 동작 흐름도이다.
도 7은 6 개의 기준점들을 포함하는 일 예의 타일(tile)을 예시한다.
도 8은 하나의 시퀀싱 사이클 동안에 2-채널 염기 호출(base calling)로부터 유도된 일 예의 클라우드(cloud)들을 예시한다.
도 9a는 하나의 예에서, 흐름 셀(flow cell)들을 이용하는 2-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 왜곡 곡선들의 집합을 예시한다.
도 9b는 하나의 예에서, 흐름 셀들을 이용하는 또 다른 2-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 왜곡 곡선들의 집합을 예시한다.
도 9c는 하나의 예에서, 흐름 셀들을 이용하는 4-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 2 개의 상이한 컬러 채널들에 대응하는 4 개의 왜곡 곡선들을 예시한다.
도 10a는 라인 스캐너를 이용하여 시퀀싱된 흐름 셀의 스폿들의 몇 퍼센트가 X에 대한 타일의 관측 시야(field of view)에 걸쳐 비닝된(binned), 왜곡 보정을 갖지 않는 순결도 필터를 통과하였는지(%PF)를 예시하는 일 예의 실험적 결과들의 박스 및 세선(whiskers) 도표이다.
도 10b는 시퀀싱된 흐름 셀의 스폿들의 몇 퍼센트가 왜곡 보정 후에 순결도 필터를 통과하였는지를 도시하는 일 예의 실험적 결과들의 박스 및 세선 도표이다.
도 11은 이미징 렌즈(예컨대, 대물 렌즈)의 설계를 최적화하기 위하여 이용될 수도 있는 광학적 왜곡 보정 파라미터들을 결정하기 위한 일 예의 방법을 예시하는 동작 흐름도이다.
도 12는 왜곡에 대하여 보정하기 위하여 5 차 다항식을 적용한 후에 렌즈의 관측 시야에 걸쳐 픽셀들에서의 일 예의 잔류 광학적 왜곡을 도시하는 잔류 왜곡 도표이다.
도 13은 본 개시물에서 설명된 구현예들의 다양한 특징들을 구현하기 위하여 이용될 수도 있는 일 예의 컴퓨팅 모듈을 예시한다.
도면들은 철저하지 않고, 본 개시물을 개시된 정밀한 형태로 제한하지는 않는다.
샘플을 지칭하기 위하여 본원에서 이용된 바와 같이, 용어 "스폿(spot)" 또는 "피처(feature)"는 상대적인 로케이션에 따라 다른 포인트들 또는 에어리어(area)들로부터 구별될 수 있는 패턴에서의 포인트 또는 에어리어를 의미하도록 의도된다. 개별적인 스폿은 특정한 타입의 하나 또는 그 초과하는 분자들을 포함할 수 있다. 예를 들어, 스폿은 특정한 시퀀스(sequence)를 가지는 단일 타겟 핵산 분자를 포함할 수 있거나, 스폿은 동일한 시퀀스(및/또는 그 상보적인 시퀀스)를 가지는 몇몇 핵산 분자들을 포함할 수 있다.
본원에서 이용된 바와 같이, 용어 "기준점"은 객체에서 또는 객체 상에서의 구별가능한 기준 포인트를 의미하도록 의도된다. 기준 포인트는 객체의 이미지에서, 또는 객체를 검출하는 것으로부터 유도된 또 다른 데이터 세트에서 존재할 수 있다. 기준 포인트는 객체의 평면에서 x 및/또는 y 좌표에 의해 특정될 수 있다. 대안적으로 또는 추가적으로, 기준 포인트는 예를 들어, 객체 및 검출기의 상대적인 로케이션들에 의해 정의되는 xy 평면에 대해 직교적인 z 좌표에 의해 특정될 수 있다. 기준 포인트에 대한 하나 또는 그 초과하는 좌표들은 객체 또는 이미지의 하나 또는 그 초과하는 다른 피처들, 또는 객체로부터 유도된 다른 데이터 세트에 대하여 특정될 수 있다.
본원에서 이용된 바와 같이, 용어 "타일"은 일반적으로, 샘플의 동일한 영역의 하나 또는 그 초과하는 이미지들을 지칭하고, 여기서, 하나 또는 그 초과의 이미지들의 각각은 개개의 컬러 채널을 나타낸다. 타일은 하나의 이미징 사이클의 이미징 데이터 세트의 이미징 데이터 서브세트를 형성할 수도 있다.
본원에서 이용된 바와 같이, 용어 "순결도(chastity)"는 일반적으로, 타일 상의 스폿 로케이션의 전체적인 "품질"의 척도를 제공하는 점수화 메트릭(scoring metric)을 지칭한다. 순결도는 왜곡 보정 계수들을 스폿 로케이션에 적용하기 전 및 후의 양자에서 결정될 수도 있다. 평균 순결도는 타일 상의 모든 스폿 로케이션들 또는 스폿 로케이션들의 서브세트에 대한 순결도의 평균을 지칭한다.
본원에서 이용된 바와 같이, 용어 "xy 평면"은 데카르트 좌표계(Cartesian coordinate system)에서 직선 라인 축들 x 및 y에 의해 정의된 2 차원 에어리어를 의미하도록 의도된다. 검출기 및 검출기에 의해 관찰된 객체와 관련하여 이용될 때, 에어리어는 검출기와 검출되고 있는 객체 사이의 관찰의 방향에 대해 직교적인 것으로 추가로 특정될 수 있다. 라인 스캐너를 지칭하기 위하여 본원에서 이용될 때, 용어 "y 방향"은 주사의 방향을 지칭한다.
본원에서 이용된 바와 같이, 용어 "z 좌표"는 xy 평면에 대해 직교적인 축들을 따라 포인트, 라인, 또는 에어리어의 로케이션을 특정하는 정보를 의미하도록 의도된다. 특정한 구현예들에서, z 축은 검출기에 의해 관찰되는 객체의 에어리어에 대해 직교적이다. 예를 들어, 광학계에 대한 초점(focus)의 방향은 z 축을 따라 특정될 수도 있다.
본원에서 이용된 바와 같이, 용어 "라인을 주사"는 객체의 xy 평면에서 2-차원 단면 - 단면은 직사각형 또는 편장형(oblong)임 -을 검출하고 단면과 객체 사이의 상대적인 이동을 야기시키는 것을 의미하도록 의도된다. 예를 들어, 형광 이미징(fluorescence imaging)의 경우, 직사각형 또는 편장형 형상을 가지는 객체의 에어리어는 (다른 에어리어들의 제외 시에) 특별히 여기될 수 있고 및/또는 에어리어로부터의 방사는 주사에서의 주어진 시간 포인트에서 (다른 에어리어들의 제외 시에) 특별히 취득될 수 있다.
본원에서 개시된 구현예들은 복수의 반복하는 스폿들을 가지는 패턴화된 샘플의 이미징 동안에 이미지 왜곡을 동적으로 보정하는 것에 관한 것이다. 이미지 왜곡 보정 계수들은 멀티사이클 이미징 런(예컨대, 시퀀싱 런)의 제 1 이미징 사이클 동안에 계산될 수도 있고, 추후에, 후속 사이클들 동안에 생성된 이미지 데이터에 실시간으로 적용될 수도 있다.
제 1 구현예에서, 샘플의 교정(예컨대, 제 1) 이미징 사이클 동안에 생성된 이미징 데이터는 패턴화된 샘플의 개개의 영역에 대응하는 복수의 이미징 데이터 서브세트들(예컨대, 타일들)로 분할될 수도 있다. 각각의 타일은 패턴화된 샘플의 영역에서 개개의 복수의 샘플링된 스폿들에 대응하는 복수의 스폿들을 포함할 수도 있다. 왜곡 보정 계수들의 세트는 각각의 타일에 대하여 계산될 수도 있다. 타일이 다수의 컬러 채널들에 대한 이미징 데이터를 포함하는 경우들에는, 왜곡 보정 계수들의 세트가 타일의 각각의 컬러 채널에 대하여 생성될 수도 있다. 패턴화된 샘플의 후속 이미징 사이클들 동안, 교정 이미징 사이클 동안에 계산된 왜곡 계수들의 각각의 세트는 개개의 타일에 적용될 수도 있다. 이러한 방식으로, 이미지 왜곡은 샘플의 상이한 영역들에 대하여 독립적으로 보정될 수도 있다. 이 영역-특정 왜곡 보정은 전체적인 강체 정합(rigid registration)이 고려하는 것에 실패한 왜곡의 보정을 허용한다. 예를 들어, 비선형 왜곡(선형 아핀 변환에 의해 참작되지 않음)은 렌즈의 형상에 의해 유도될 수 있다. 게다가, 이미지화된 기판은 또한, 제조 프로세스, 예컨대, 기판의 비-강성(non-rigidity)으로 인한 웰(well)들의 접합 또는 이동에 의해 도입된 3D 욕조 효과(bath tub effect)로 인해 패턴에서 왜곡을 도입할 수 있다. 최종적으로, 홀더 내의 기판의 틸트(tilt)는 선형 아핀 변환에 의해 참작되지 않는다.
제 2 구현예에서는, 타일에 대한 왜곡 보정 계수들을 생성하기 위한 특정한 방법이 설명된다. 방법은, 타일에서의 기준점들을 이용하여 타일의 단일 아핀 변환을 추정하고, 타일을 선예화하고, 타일에서의 복수의 스폿들의 평균 순결도를 최대화하는 왜곡 보정 계수들에 대한 검색을 작동시키는 단계들을 포함한다. 이미지의 단일 아핀 변환을 오직 수행함으로써, 개시된 방법은 왜곡 보정 계수들의 최적의 세트를 검색하기 위하여 필요한 시간을 극적으로 감소시킬 수도 있다. 특정한 구현예에서, 왜곡 보정 계수들에 대한 검색은: 왜곡 보정 계수들의 세트를 생성하고, 생성된 왜곡 보정 계수들을 이미지에서의 각각의 스폿 로케이션에 적용하고, 이미지에서의 각각의 스폿 로케이션에 대한 신호 세기를 추출하고, 신호 세기들을 공간적으로 정규화하고, 타일에서의 복수의 스폿 로케이션들의 평균 순결도를 계산하고, 그리고 적어도 계산된 평균 순결도를 이용하여 왜곡 보정 계수들에 대한 검색을 반복할 것인지 여부를 결정하는 단계들을 반복시킬 수도 있다.
특정한 구현예들에서, 왜곡 보정 계수들을 생성하기 위한 개시된 방법은 4 개의 상이한 샘플들(예컨대, 4 개의 상이한 DNA 염기 타입들)의 아이덴티티(identity)를 2 개의 이미지들의 세기들의 조합으로서 부호화하는 2 개의 상이한 컬러 채널 이미지들을 포함하는 이미지 데이터에서의 이미지 왜곡을 보정하기 위하여 이용될 수도 있다.
본원에서 설명된 시스템들 및 방법들의 다양한 구현예들을 설명하기 전에, 본원에서 개시된 기술이 구현될 수 있는 일 예의 환경을 설명하는 것이 유용하다. 하나의 이러한 예의 환경은 도 2a에서 예시된 이미징 시스템(100)의 환경이다. 일 예의 이미징 시스템은 샘플의 이미지를 획득하거나 생성하기 위한 디바이스를 포함할 수도 있다. 도 2a에서 개략화된 예는 백라이트 설계 구현예의 일 예의 이미징 구성을 도시한다. 시스템들 및 방법들은 일 예의 이미징 시스템(100)의 맥락에서 때때로 본원에서 설명될 수도 있지만, 이것들은 오직, 본원에서 개시된 이미지 왜곡 보정 방법들의 구현예들이 구현될 수도 있는 예들이라는 것이 주목되어야 한다.
도 2a의 예에서 알 수 있는 바와 같이, 대상 샘플들은 대물 렌즈(142) 아래의 샘플 스테이지(170) 상에 위치되는 샘플 용기(110)(예컨대, 본원에서 설명된 바와 같은 흐름 셀) 상에서 위치된다. 광원(160) 및 연관된 광학기기는 레이저 광과 같은 광의 빔을 샘플 용기(110) 상의 선택된 샘플 로케이션으로 지향시킨다. 샘플은 형광발산하고, 결과적인 광은 대물 렌즈(142)에 의해 수집되고, 형광을 검출하기 위하여 카메라 시스템(140)의 이미지 센서로 지향된다. 샘플 스테이지(170)는 대물 렌즈(142)의 초점 포인트에서 샘플 용기(110) 상의 다음 샘플 로케이션을 위치시키기 위하여 대물 렌즈(142)에 대하여 이동된다. 대물 렌즈(142)에 대한 샘플 스테이지(110)의 이동은 샘플 스테이지 자체, 대물 렌즈, 이미징 시스템의 일부 다른 컴포넌트, 또는 상기한 것의 임의의 조합을 이동시킴으로써 달성될 수 있다. 추가의 구현예들은 또한, 정지된 샘플 상에서 전체 이미징 시스템을 이동시키는 것을 포함할 수도 있다.
유체 전달 모듈 또는 디바이스(100)는 시약들(예컨대, 형광성으로 라벨링된 뉴클레오티드(nucleotide)들, 버퍼(buffer)들, 효소(enzyme)들, 난할 시약(cleavage reagent)들 등)의 흐름을 샘플 용기(110) 및 폐기 밸브(120)로(그리고 이를 통해) 지향시킨다. 샘플 용기(110)는 샘플들이 그 상에 제공되는 하나 또는 그 초과하는 기판들을 포함할 수 있다. 예를 들어, 큰 수의 상이한 핵산 시퀀스들을 분석하기 위한 시스템의 경우, 샘플 용기(110)는 시퀀싱되어야 할 핵산들이 그 상에서 접합되거나, 부착되거나, 또는 연관되는 하나 또는 그 초과하는 기판들을 포함할 수 있다. 다양한 구현예들에서, 기판은 예를 들어, 유리 표면들, 플라스틱 표면들, 라텍스(latex), 덱스트란(dextran), 폴리스티렌 표면들, 폴리프로필렌 표면들, 폴리아크릴아미드 겔들, 금 표면들, 및 실리콘 웨이퍼들과 같은, 핵산들이 부착될 수 있는 임의의 비활성 기판 또는 매트릭스를 포함할 수 있다. 일부 애플리케이션들에서, 기판은 샘플 용기(110)에 걸쳐 매트릭스(matrix) 또는 어레이(array)로 형성된 복수의 로케이션들에서의 채널 또는 다른 에어리어 내에 있다.
일부 구현예들에서, 샘플 용기(110)는 하나 또는 그 초과하는 형광성 염료들을 이용하여 이미징되는 생물학적 샘플을 포함할 수도 있다. 예를 들어, 특정한 구현예에서, 샘플 용기(110)는 아투명 커버 판(translucent cover plate), 기판, 및 그 사이에 끼워진 액체를 포함하는 패턴화된 흐름 셀로서 구현될 수도 있고, 생물학적 샘플은 아투명 커버 판의 내부 표면 또는 기판의 내부 표면에서 위치될 수도 있다. 흐름 셀은 기판으로의 정의된 어레이(예컨대, 6 각형 어레이, 직사각형 어레이 등)로 패턴화되는 큰 수(예컨대, 수 천, 수 백만, 또는 수 십억)의 웰들 또는 영역들을 포함할 수도 있다. 각각의 영역은 예를 들어, 합성에 의한 시퀀싱을 이용하여 시퀀싱될 수도 있는 DNA, RNA, 또는 또 다른 게놈 물질들과 같은 생물학적 샘플의 클러스터(예컨대, 단클론 클러스터(monoclonal cluster))를 형성할 수도 있다. 흐름 셀은 다수의 이격된 레인(lane)들(예를 들어, 8 개의 레인들)로 추가로 분할될 수도 있고, 각각의 레인은 클러스터들의 6 각형 어레이를 포함할 수도 있다. 본원에서 개시된 구현예들에서 이용될 수도 있는 일 예의 흐름 셀들은 미국 특허 제 8,778,848 호에서 설명되어 있다.
시스템은 또한, 샘플 용기(110) 내에서의 유체들의 조건들의 온도를 임의적으로 조절할 수 있는 온도 스테이션 액츄에이터(temperature station actuator)(130) 및 히터/쿨러(135)를 포함한다. 카메라 시스템(140)은 샘플 용기(110)의 시퀀싱을 모니터링하고 추적하도록 포함될 수 있다. 카메라 시스템(140)은 예를 들어, 필터 스위칭 어셈블리(145) 내의 다양한 필터들, 대물 렌즈(142), 및 포커싱 레이저/포커싱 레이저 어셈블리(150)과 상호작용할 수 있는 전하-결합 소자(charge-coupled device; CCD) 카메라(예컨대, 시간 지연 적분(time delay integration; TDI) CCD 카메라)로서 구현될 수 있다. 카메라 시스템(140)은 CCD 카메라로 제한되지는 않고, 다른 카메라들 및 이미지 센서 기술들이 이용될 수 있다. 특정한 구현예들에서, 카메라 센서는 약 5 내지 약 15 ㎛ 사이의 픽셀 크기를 가질 수도 있다.
카메라 시스템(140)의 센서들로부터의 출력 데이터는, 이미지 데이터(예컨대, 이미지 품질 점수화)를 분석하고, 레이저 빔의 특성들(예컨대, 초점, 형상, 세기, 파워, 밝기, 위치)을 그래픽 사용자 인터페이스(graphical user interface; GUI)로 보고하거나 디스플레이하고, 이하에서 추가로 설명된 바와 같이, 이미지 데이터에서의 왜곡을 동적으로 보정하는 소프트웨어 애플리케이션으로서 구현될 수도 있는 실시간 분석 모듈(도시되지 않음)로 통신될 수도 있다.
광원(160)(예컨대, 다수의 레이저들을 임의적으로 포함하는 어셈블리 내의 여기 레이저) 또는 다른 광원은 (하나 또는 그 초과하는 재이미징 렌즈들, 광섬유 마운팅 등을 임의적으로 포함할 수 있는) 광섬유 인터페이스를 통한 조명을 통해 샘플들 내에서 형광성 시퀀싱 반응들을 조명하도록 포함될 수 있다. 저 와트 램프(low watt lamp)(165), 포커싱 레이저(150), 및 역 다이크로익(reverse dichroic)(185)이 또한 도시된 예에서 제시된다. 일부 구현예들에서, 포커싱 레이저(150)는 이미징 동안에 턴 오프 될 수도 있다. 다른 구현예들에서, 대안적인 초점 구성은, 사분면 검출기(quadrant detector), 위치 감지 검출기(Position Sensitive Detector; PSD), 또는 데이터 수집과 동시에 표면으로부터 반사된 산란된 빔의 로케이션을 측정하기 위한 유사한 검출기일 수 있는 제 2 포커싱 카메라(도시되지 않음)를 포함할 수 있다.
백라이트 디바이스로서 예시되었지만, 다른 예들은 대물 렌즈(142)를 통해 샘플 용기(110) 상의 샘플들 상으로 지향되는 레이저 또는 다른 광원으로부터의 광을 포함할 수도 있다. 샘플 용기(110)는 대물 렌즈(142)에 대한 샘플 용기(110)의 이동 밀 정렬을 제공하기 위하여 샘플 스테이지(170) 상에서 궁극적으로 장착될 수 있다. 샘플 스테이지는 그것이 3 개의 차원들 중의 임의의 것으로 이동하는 것을 허용하기 위한 하나 또는 그 초과하는 액츄에이터들을 가질 수 있다. 예를 들어, 데카르트 좌표계의 측면에서, 액츄에이터들은 스테이지가 대물 렌즈에 대한 X, Y, 및 Z 방향들에서 이동하는 것을 허용하도록 제공될 수 있다. 이것은 샘플 용기(110) 상의 하나 또는 그 초과하는 샘플 로케이션들이 대물 렌즈(142)와 광학적 정렬되게 위치되는 것을 허용할 수 있다.
초점(z-축) 컴포넌트(175)는 초점 방향(전형적으로, z 축 또는 z 방향으로 지칭됨)에서 샘플 용기(110)에 대한 광학적 컴포넌트의 위치결정을 제어하도록 포함되는 것으로서 이 예에서 도시되어 있다. 초점 컴포넌트(175)는 광학적 컴포넌트들(예컨대, 대물 렌즈(142))에 대하여 샘플 스테이지(170) 상에서 샘플 용기(110)를 이동시켜서 이미징 동작을 위한 적당한 포커싱을 제공하기 위하여, 광학적 스테이지 또는 샘플 스테이지, 또는 양자에 물리적으로 결합된 하나 또는 그 초과하는 액츄에이터들을 포함할 수 있다. 예를 들어, 액츄에이터는 예를 들어, 스테이지에 대한, 또는 스테이지와의 직접적인 또는 간접적인 기계적, 자기적, 유체적, 또는 다른 부착 또는 접촉에 의한 것과 같이, 개개의 스테이지에 물리적으로 결합될 수도 있다. 하나 또는 그 초과하는 액츄에이터들은 동일한 평면에서 샘플 스테이지를 유지하면서(예컨대, 광학 축에 대해 수직인 레벨 또는 수평 자세를 유지함) z-방향에서 스테이지를 이동시키도록 구성될 수 있다. 하나 또는 그 초과하는 액츄에이터들은 또한, 스테이지를 틸트(tilt)하도록 구성될 수 있다. 이것은 예를 들어, 샘플 용기(110)가 그 표면들에서의 임의의 경사를 참작하기 위하여 동적으로 평탄화(level)될 수 있도록 행해질 수 있다.
시스템의 포커싱은 일반적으로, 대물 렌즈의 초점 평면을 선택된 샘플 로케이션에서 이미징되어야 할 샘플과 정렬하는 것을 지칭한다. 그러나, 포커싱은 또한, 예를 들어, 테스트 샘플의 이미지에 대한 희망하는 레벨의 선예도(sharpness) 또는 콘트라스트(contrast)와 같은, 샘플의 표현에 대한 희망하는 특성을 획득하기 위한 시스템에 대한 조절들을 지칭할 수 있다. 대물 렌즈의 초점 평면의 필드의 이용가능한 깊이는 작을 수도 있으므로(때때로, 대략 1 ㎛ 이하), 초점 컴포넌트(175)는 이미징되는 표면을 근접하게 따른다. 샘플 용기는 도구에서 체결된 바와 같이 완벽하게 평탄하지는 않으므로, 초점 컴포넌트(175)는 주사 방향(본원에서는, y-축으로서 지칭됨)을 따라 이동하면서 이 프로파일을 따르도록 설정될 수도 있다.
이미징되는 샘플 로케이션에서의 테스트 샘플로부터 발산되는 광은 카메라 시스템(140)의 하나 또는 그 초과하는 검출기들로 지향될 수 있다. 개구부(aperture)는 초점 에어리어로부터 발산되는 광만이 검출기로 통과하는 것을 허용하도록 포함되고 위치될 수 있다. 개구부는 초점 에어리어의 외부에 있는 에어리어들로부터 발산되는 광의 컴포넌트들을 필터링함으로써 이미지 품질을 개선시키도록 포함될 수 있다. 방사 필터(emission filter)들은, 결정된 방사 파장을 레코딩하고 임의의 표류 레이저 광을 절단하도록 선택될 수 있는 필터 스위칭 어셈블리(145)에서 포함될 수 있다.
예시되지 않았지만, 제어기는 주사 시스템의 동작을 제어하도록 제공될 수 있다. 제어기는 예를 들어, 포커싱, 스테이지 이동, 및 이미징 동작들과 같은 시스템 동작의 양태들을 제어하도록 구현될 수 있다. 다양한 구현예들에서, 제어기는 하드웨어, 알고리즘들(예컨대, 머신 실행가능한 명령들), 또는 상기한 것의 조합을 이용하여 구현될 수 있다. 예를 들어, 일부 구현예들에서, 제어기는 연관된 메모리를 갖는 하나 또는 그 초과하는 CPU들 또는 프로세서들을 포함할 수 있다. 또 다른 예로서, 제어기는 컴퓨터 프로세서 및 그 상에 저장된 머신-판독가능한 명령들을 갖는 비-일시적 컴퓨터 판독가능한 매체와 같은, 동작을 제어하기 위한 하드웨어 또는 다른 회로부를 포함할 수 있다. 예를 들어, 이 회로부는 다음 중의 하나 또는 그 초과하는 것을 포함할 수 있다: 필드 프로그래밍가능한 게이트 어레이(field programmable gate array; FPGA), 애플리케이션 특정 집적 회로(application specific integrated circuit; ASIC), 프로그래밍가능한 로직 디바이스(programmable logic device; PLD), 복합 프로그래밍가능한 로직 디바이스(complex programmable logic device; CPLD), 프로그래밍가능한 로직 어레이(programmable logic array; PLA), 프로그래밍가능한 어레이 로직(programmable array logic; PAL), 또는 다른 유사한 프로세싱 디바이스 또는 회로부. 또 다른 예로서, 제어기는 하나 또는 그 초과하는 프로세서들을 갖는 이 회로부의 조합을 포함할 수 있다.
도 2b는 특정한 구현예들에서 구현될 수도 있는 일 예의 2-채널 라인-주사 모듈형 광학적 이미징 시스템(200)을 예시하는 블록도이다. 시스템들 및 방법들은 일 예의 이미징 시스템(200)의 맥락에서 때때로 본원에서 설명될 수도 있지만, 이것들은 오직, 본원에서 개시된 기술의 구현예들이 구현될 수도 있는 예들이라는 것이 주목되어야 한다.
일부 구현예들에서, 시스템(200)은 핵산들의 시퀀싱을 위하여 이용될 수도 있다. 적용가능한 기법들은 핵산들이 어레이에서의 고정된 로케이션들(예컨대, 흐름 셀의 웰들)에서 부착되고 어레이가 반복적으로 이미징되는 것들을 포함한다. 이러한 구현예들에서, 시스템(200)은 특정한 뉴클레오티드 염기 타입을 또 다른 것으로부터 구별하기 위하여 이용될 수도 있는 2 개의 상이한 컬러 채널들에서의 이미지들을 획득할 수도 있다. 더 상세하게, 시스템(200)은 이미징 사이클에서 이미지의 주어진 스폿 로케이션에 대한 염기 호출(예컨대, 아데닌(adenine; A), 시토신(cytosine; C), 구아닌(guanine; G), 또는 티민(thymine; T))을 결정하는 프로세스를 일반적으로 지칭하는 "염기 호출"로서 지칭된 프로세스를 구현할 수도 있다. 2-채널 염기 호출 동안, 2 개의 이미지들로부터 추출된 이미지 데이터는 염기 아이덴티티를 2 개의 이미지들의 세기들의 조합으로서 부호화함으로써 4 개의 염기 타입들 중의 하나의 존재를 결정하기 위하여 이용될 수도 있다. 2 개의 이미지들의 각각에서의 주어진 스폿 또는 로케이션에 대하여, 염기 아이덴티티는 신호 아이덴티티들의 조합이 [on, on], [on, off], [off, on], 또는 [off, off]인지 여부에 기초하여 결정될 수도 있다.
이미징 시스템(200)을 다시 참조하면, 시스템은 본원에서 개시된 2 개의 광원들(211 및 212)을 갖는 라인 생성 모듈(line generation module; LGM)(210)을 포함한다. 광원들(211 및 212)은 레이저 빔들을 출력하는 레이저 다이오드들과 같은 코히어런트 광원(coherent light source)들일 수도 있다. 광원(211)은 제 1 파장(예컨대, 적색 컬러 파장)에서 광을 방출할 수도 있고, 광원(212)은 제 2 파장(예컨대, 녹색 컬러 파장)에서 광을 방출할 수도 있다. 레이저 소스들(211 및 212)로부터 출력된 광 빔들은 빔 성형 렌즈 또는 렌즈들(213)을 통해 지향될 수도 있다. 일부 구현예들에서, 단일 광 성형 렌즈는 양자의 광원들로부터 출력된 광 빔들을 성형하기 위하여 이용될 수도 있다. 다른 구현예들에서, 별도의 빔 성형 렌즈는 각각의 광 빔에 대하여 이용될 수도 있다. 일부 예들에서, 빔 성형 렌즈는 포웰 렌즈(Powell lens)이어서, 광 빔들은 라인 패턴들로 성형된다. LGM(210) 또는 다른 광학적 컴포넌트들 이미징 시스템의 빔 성형 렌즈들은 (예컨대, 하나 또는 그 초과하는 포웰 렌즈들, 또는 다른 빔 성형 렌즈들, 회절 또는 산란 컴포넌트들을 이용함으로써) 광원들(211 및 212)에 의해 방출된 광을 라인 패턴들로 성형하도록 구성된다.
LGM(210)은 광 빔들을 방사 광학기기 모듈(emission optics module; EOM)(230) 이전의 단일 계면 포트를 통해 지향하도록 구성된 미러(214) 및 반-반사성(semi-reflective) 미러(215)를 더 포함할 수도 있다. 광 빔들은 셔터 엘리먼트(216)를 통과할 수도 있다. EOM(230)은 대물부(235), 및 대물부(235)를 타겟(250)에 종방향으로 더 근접하게, 또는 타겟(250)으로부터 더욱 멀어지게 이동시키는 z-스테이지(236)를 포함할 수도 있다. 예를 들어, 타겟(250)은 액체 층(252) 및 아투명 커버 판(251)을 포함할 수도 있고, 생물학적 샘플은 아투명 커버 판의 내부 표면뿐만 아니라, 액체 층 아래에 위치된 기판 층의 내부 표면에서 위치될 수도 있다. 그 다음으로, z-스테이지는 광 빔들을 (예컨대, 생물학적 샘플 상에서 포커싱된) 흐름 셀의 내부 표면의 어느 하나 상으로 포커싱할 정도로 대물부를 이동시킬 수도 있다. 생물학적 샘플은 DNA, RNA, 단백질들, 또는 당해 분야에서 알려진 바와 같은 광학적 시퀀싱에 응답하는 다른 생물학적 물질들일 수도 있다.
EOM(230)은, 초점 추적 모듈(focus tracking module; FTM)(240)로부터 방출된 초점 추적 광 빔을 타겟(250) 상으로 반사하고, 그 다음으로, 타겟(250)으로부터 복귀된 광을 다시 FTM(240)으로 반사하기 위한 반-반사성 미러(233)를 포함할 수도 있다. FTM(240)은, 복귀된 초점 추적 광 빔의 특성들을 검출하고 타겟(250) 상의 대물부(235)의 초점을 최적화하기 위한 피드백 신호를 생성하기 위한 초점 추적 광학 센서를 포함할 수도 있다.
EOM(230)은 또한, 타겟(250)으로부터 복귀된 광이 통과하는 것을 허용하면서, 대물부(235)를 통해 광을 지향하기 위한 반-반사성 미러(234)를 포함할 수도 있다. 일부 구현예들에서, EOM(230)은 튜브 렌즈(tube lens)(232)를 포함할 수도 있다. 튜브 렌즈(232)를 통해 투과된 광은 필터 엘리먼트(231)를 통해, 그리고 카메라 모듈(CAM)(220)로 통과할 수도 있다. CAM(220)은 입사 광 빔들에 응답하여 생물학적 샘플로부터 방출된 광(예컨대, 광원들(211 및 212)로부터 수신된 적색 및 녹색 광에 응답한 형광)을 검출하기 위한 하나 또는 그 초과하는 광학 센서들(221)을 포함할 수도 있다.
CAM(220)의 센서들로부터의 출력 데이터는 실시간 분석 모듈(225)로 통신될 수도 있다. 실시간 분석 모듈은 다양한 구현예들에서, 이미지 데이터(예컨대, 이미지 품질 점수화, 염기 호출 등)를 분석하고, 빔의 특성들(예컨대, 초점, 형상, 세기, 파워, 밝기, 위치)을 그래픽 사용자 인터페이스(GUI) 등으로 보고하거나 디스플레이하기 위한 컴퓨터 판독가능한 명령들을 실행한다. 이 동작들은 다운스트림 분석 시간을 최소화하고 이미징 런 동안에 실시간 피드백 및 트러블슈팅(troubleshooting)을 제공하기 위하여, 이미징 사이클들 동안에 실시간으로 수행될 수도 있다. 구현예들에서, 실시간 분석 모듈은, 이미징 시스템(200)에 통신가능하게 결합되고 이미징 시스템(200)을 제어하는 컴퓨팅 디바이스(예컨대, 컴퓨팅 디바이스(1000))일 수도 있다. 이하에서 추가로 설명된 구현예들에서, 실시간 분석 모듈(225)은 CAM(220)으로부터 수신된 출력 이미지 데이터에서의 왜곡을 보정하기 위한 컴퓨터 판독가능한 명령들을 추가적으로 실행할 수도 있다.
도 3은 본원에서 개시된 구현예들에 따라 이미징될 수도 있는 패턴화된 샘플(300)의 일 예의 구성을 예시한다. 이 예에서, 샘플(300)은 이미징 런 동안에 동시에 이미징될 수도 있는 순서화된 스폿들 또는 피처들(310)의 6 각형 어레이로 패턴화된다. 6 각형 어레이가 이 예에서 예시되어 있지만, 다른 구현예들에서는, 샘플이 직선형 어레이, 원형 어레이, 8 각형 어레이, 또는 일부 다른 어레이 패턴을 이용하여 패턴화될 수도 있다. 예시의 용이함을 위하여, 샘플(300)은 수 십 내지 수 백개의 스폿들(310)을 가지는 것으로서 예시되어 있다. 그러나, 당해 분야의 당업자에 의해 인식되는 바와 같이, 샘플(300)은 이미징되는 수 천, 수 백만, 또는 수 십억 개의 스폿들(310)을 가질 수도 있다. 또한, 일부 사례들에서, 샘플(300)은 이미징 런 동안에 샘플링되는 스폿들(310)의 (포커싱 방향에 대해 수직인) 다수의 평면들을 포함하는 멀티-평면 샘플일 수도 있다.
특정한 구현예에서, 샘플(300)은 렌즈로 분할되는 수 백만 또는 수 십억 개의 웰들로 패턴화된 흐름 셀일 수도 있다. 이 특정한 구현예에서, 흐름 셀의 각각의 웰은 합성에 의한 시퀀싱을 이용하여 시퀀싱되는 생물학적 물질을 포함할 수도 있다.
위에서 논의된 바와 같이, 광학적 왜곡은 주사된 이미지의 스폿들의 실제적인 위치를 스폿들의 예상된 위치로부터 멀어지게 시프트시킬 수도 있으므로, 광학적 왜곡은 큰 수의 스폿들을 가지는 패턴화된 샘플(300)의 멀티-사이클 이미징에 대해 특히 해로울 수도 있다. 이 왜곡 효과는 관측 시야의 에지들을 따라 특히 현저해질 수도 있어서, 이 스폿들로부터의 이미지화된 데이터를 잠재적으로 이용불가능하게 할 수도 있다. 이것은 멀티-사이클 이미징 런 동안의 데이터 스루풋에서의 하락 및 에러 레이트에서의 증가를 야기시킬 수도 있다. 이하에서 설명된 구현예들은 이미징 런(예컨대, 시퀀싱 런) 동안에 이미지 왜곡을 동적으로 보정함으로써, 이미징 런 동안에 데이터 스루풋을 개선시키고 에러 레이트를 감소시키는 것에 관한 것이다.
도 4는 개시물에 따라 이미징 런 동안에 이미지 왜곡을 동적으로 보정하기 위하여 구현될 수도 있는 일 예의 방법(400)을 예시하는 동작 흐름도이다. 방법(400)은 2 채널 이미징 시스템(예컨대, 이미징 시스템(200))의 맥락에서 때때로 설명될 것이지만, 방법(400)은 임의의 수의 채널들(예컨대, 1 개의 채널, 3 개의 채널들, 4 개의 채널들 등)을 가지는 이미징 시스템에 적용될 수도 있다.
동작(410)에서, 패턴화된 샘플의 교정 이미징 사이클이 수행된다. 교정 이미징 사이클 동안, 이미지 데이터는 하나 또는 그 초과하는 코히어런트 광원들로 (예컨대, 라인 스캐너를 이용하여) 샘플 에어리어를 주사함으로써 전체 샘플에 대하여 수집될 수도 있다. 예로서, 이미징 시스템(200)은 적색 컬러 스펙트럼 내의 파장들을 가지는 광으로 샘플을 라인 주사하고 녹색 컬러 스펙트럼 내의 파장들을 가지는 광으로 샘플을 라인 주사하기 위하여, 시스템의 광학기기와 함께 LGM(210)을 이용할 수도 있다. 라인 주사에 응답하여, 샘플의 상이한 스폿들에서 위치된 형광성 염료들은 형광발산할 수도 있고, 결과적인 광은 대물 렌즈(235)에 의해 수집될 수도 있고, 형광을 검출하기 위하여 CAM(220)의 이미지 센서로 지향될 수도 있다. 예를 들어, 각각의 스폿의 형광은 CAM(220)의 몇몇 픽셀들에 의해 검출될 수도 있다. 그 다음으로, CAM(220)으로부터 출력된 이미지 데이터는 이미지 왜곡 보정(예컨대, 대물 렌즈(235)의 기하구조로부터 기인하는 이미지 왜곡의 보정)을 위한 실시간 분석 모듈(225)로 통신될 수도 있다.
다양한 구현예들에서, 교정 이미징 사이클은 멀티-사이클 이미징 런(예컨대, DNA 시퀀싱 런)의 바로 제 1 이미징 사이클일 수도 있다. 특히, 이미징 시스템은 매 이미징 런의 초반부 동안에 왜곡 보정 계수들을 자동으로 결정할 수도 있음으로써, 시간 경과에 따른 이미징 시스템의 왜곡 드리프트를 방지할 수도 있다.
동작(430)에서, 교정 이미징 사이클에 의해 생성된 이미징 데이터는 패턴화된 샘플의 개개의 영역에 대응하는 복수의 이미징 데이터 서브세트들(예컨대, 타일들)로 분할된다. 다시 말해서, 이미징 데이터 서브세트는 하나의 이미징 사이클의 이미징 데이터 세트의 픽셀들의 서브세트를 포함한다. 도 5는 스폿들의 어레이를 가지는 샘플(예컨대, 샘플(300))을 이미징하는 N-채널 이미징 시스템에 대하여, 이미징 데이터가 어떻게 복수의 이미징 데이터 서브세트들로 분할될 수도 있는지를 시각적으로 예시한다. 간략함을 위하여, 이미지 왜곡은 도 5에 의해 예시되지 않는다. 도시된 바와 같이, 각각의 채널에 대하여, 이미지 데이터는 샘플의 영역에 대응하는 복수의 타일들(445) 또는 이미징 데이터 서브세트들로 세분할될 수도 있다. 각각의 이미징 데이터 서브세트 자체는 (특히, 타일의 에지들을 따라) 샘플 상의 그 예상된 위치들로부터 왜곡될 수도 있는 복수의 이미지 스폿들(443)을 포함한다. 예로서, 2-채널 이미저(imager)의 이미징 데이터 서브세트는 각각의 채널에 대하여 샘플의 개개의 영역(예컨대, 채널 1의 상부 우측 타일 및 채널 2의 상부 우측 타일)에 대한 이미지 데이터를 포함할 수도 있다. 도 5에 의해 예시된 바와 같이, 이미징 데이터는 각각의 컬러 채널에 대하여 28 개의 타일들로 분할된다. 이미지 데이터를 복수의 타일들(445)로 분할하는 것은 이미지 프로세싱 동작들의 병렬화를 허용한다. 추가적으로, 이하에서 추가로 설명된 바와 같이, 이것은 샘플 상에서 국지화되는 추가적인 왜곡들(즉, 광학기기로 인한 것이 아닌 왜곡)을 보정할 수도 있는, 샘플의 각각의 영역에 대한 독립적인 왜곡 보정을 허용할 수도 있다. 이러한 왜곡들은 흐름 셀의 틸트, 또는 욕조 형상과 같은 흐름 셀의 3D 곡률에 의해 유도된 틸트에 의해 도입될 수도 있다.
다양한 구현예들에서, 이미징 데이터 서브세트들의 크기는 샘플에서의 또는 샘플 상에서의, 이미징 시스템의 관측 시야에서의 기준점 마커들 또는 기준점들의 배치를 이용하여 결정될 수도 있다. 이미징 데이터 서브세트들은, 각각의 이미징 데이터 서브세트 또는 타일의 픽셀들이 미리 결정된 수의 기준점들(예컨대, 적어도 3 개의 기준점들, 4 개의 기준점들, 6 개의 기준점들, 8 개의 기준점들 등)을 가지도록 분할될 수도 있다. 예를 들어, 이미징 데이터 서브세트의 픽셀들의 총 수는 이미징 데이터 서브세트의 경계들과 기준점들 사이의 미리 결정된 픽셀 거리들에 기초하여 미리 결정될 수도 있다. 도 7은 6 개의 기주점들(510)을 포함하는 타일(500)의 하나의 이러한 예를 예시한다. 이하에서 추가로 설명된 바와 같이, 이 기준점들은 이미지를 정렬하고 왜곡 계수들을 결정하기 위한 기준 포인트들로서 이용될 수도 있다.
그 특정한 구현예가 이하에서 추가로 설명되는 동작(450)에서, 이미지 왜곡 보정 계수들의 세트는 각각의 이미징 데이터 서브세트에 대하여 독립적으로 계산된다. 이미징 데이터 서브세트가 다수의 컬러 채널들을 포함할 경우에는, 왜곡 보정 계수들의 별도의 세트가 각각의 컬러 채널에 대하여 계산될 수도 있다. 이 이미지 왜곡 보정 계수들은 교정 이미징 사이클에서 이미지 데이터의 왜곡을 보정하기 위하여 적용될 수도 있다.
동작(470)에서는, 패턴화된 샘플의 다음 이미징 사이클이 수행되고, 새로운 이미지 데이터가 생성된다. 동작(490)에서, 교정 이미징 사이클 동안에 계산된 왜곡 보정 계수들은 왜곡에 대하여 보정하기 위하여 현재의 이미징 사이클의 이미징 데이터에 적용된다. 계산된 왜곡 계수들의 각각의 세트는 현재의 사이클의 이미징 데이터에서의 대응하는 타일에 적용될 수도 있다. 그 후에, 동작들(470 및 490)이 반복될 수도 있다. 이와 같이, 초기 이미징 사이클 동안에 계산된 왜곡 보정 계수들은 이미징 데이터의 상이한 타일들에서의 왜곡에 대하여 독립적으로 보정하기 위하여 후속 이미징 사이클들에 적용될 수도 있다.
도 6은 이미징 시스템에 의해 생성된 이미징 데이터에 대한 왜곡 보정 계수들을 계산하는 일 예의 방법(450)을 예시하는 동작 흐름도이다. 일 예의 방법(450)은 이미징 데이터 서브세트(445)에 적용되는 것으로서 예시되지만, 실제로는, 그것은 완전한 이미징 데이터 세트(예컨대, 전체 샘플의 이미지 데이터)에 적용될 수도 있다는 것이 주목되어야 한다.
방법(450)은 이미징 사이클 동안에 생성되었던 샘플의 영역에 대응하는 이미징 데이터 서브세트(445)를 입력으로서 취하고, i) 이미징 데이터 서브세트; 및 ii) 후속 이미징 사이클들 동안에 취해진 샘플의 동일한 영역의 이미징 데이터의 왜곡을 보정하기 위하여 적용될 수도 있는 다항식에 대한 왜곡 보정 계수들(468)의 세트를 출력한다. 이미징 데이터 서브세트가 제 1 컬러 채널에 대한 이미징 데이터 및 제 2 컬러 채널에 대한 이미징 데이터를 포함하는 사례들에서, 왜곡 보정 계수들의 세트는 이미징 데이터 서브세트의 각각의 채널에 대하여 생성될 수도 있다. 방법(450)의 구현예들은 2-채널 이미징 데이터에 대한 왜곡 보정 계수들을 결정하는 것을 참조하여 주로 설명될 것이지만, 방법(450)은 임의의 수의 채널들에 대응하는 이미징 데이터에 대한 왜곡 보정 계수들을 결정하기 위하여 적용될 수도 있다는 것이 주목되어야 한다. 또한, 멀티-채널 이미징 시스템들에서, 동작들(451 내지 452, 및 461 내지 465)은 각각의 채널에 대응하는 이미징 데이터에 대하여 독립적으로 수행될 수도 있다는 것이 주목되어야 한다. 이와 같이, 간략함을 위하여, 이 동작들은 그것들이 단일 채널에 대하여 수행된 것처럼 주로 설명될 것이다. 추가적인 간략함을 위하여, 방법(450)의 설명은 이미징 데이터 서브세트(445)를 이미지로서 지칭할 것이다.
동작(451)에서, 아핀 변환은 이미지 기준점들을 이용하여 이미지에 대하여 추정된다. 예를 들어, 도 7에서 예시된 바와 같이, 불스아이 고리(bullseye ring) 기준점들(510)(콘트라스트를 증대시키기 위하여 어두운 경계에 의해 둘러싸인 광 고리들)은 이미지에서의 그 실제적인 로케이션들을 결정하기 위하여 이미지에서 구해질 수도 있다. 구현예들에서, 이미지에서의 기준점들의 로케이션들은 기준 가상적 기준점의 로케이션과의 교차-상관을 수행함으로써, 그리고 교차-상관 점수가 최대화되는 로케이션을 취함으로써 구해질 수도 있다. 교차-상관은 개별 기능들에 대한 교차-상관 식, 식(1)을 이용하여 수행될 수도 있고,
여기서, 이미지에서의 기준점과 가상적 기준점 사이의 맞춤 양호도의 척도는 점수화 식 (2)를 이용하여 계산될 수도 있고:
Score = 1 - (RunnerUp_CC - Minimum_CC) / (Maximum_CC - MInimum_CC), (2)
여기서, Minimum_CC는 교차-상관의 최소 값이고, Maximum_CC는 교차-상관의 최대 값이고, RunnerUp_CC는 Maximum_CC의 로케이션으로부터 4 개의 픽셀들의 반경 외부의 가장 큰 교차 상관 값이다. 기준점들의 로케이션들을 결정하기 위한 특정한 방법들은 미국 특허 출원 제 14/530,299 호에서 더 상세하게 설명되어 있다.
(예컨대, 얼마나 많은 동일하게 이격된 스폿들이 기준점들 사이에 있어야 하는지에 기초하여) 기준점들의 이론적인 로케이션의 이전의 지식이 주어지면, 기준점들의 이론적인 로케이션들을 이미지 상의 그 실제적인 로케이션들로 맵핑하는 아핀 변환이 결정될 수도 있다. 추정된 아핀 변환은 기준점들의 예상된 위치로부터의 병진, 회전, 및 배율을 맵핑할 수도 있다.
이미지의 이론적인 로케이션들 x_i, y_i(즉, 기준점들의 픽셀들이 실제적인 샘플 구성을 이용하여 어디에 있어야 하는지) 및 실제적인 이미지 로케이션들 x_w, y_w(기준점들의 픽셀들이 이미지 상의 어디에서 실제적으로 나타나는지)이 주어지면, 아핀 변환은 식 (3)에 의해 수학적으로 표현될 수도 있고:
여기서, 제 1 행렬은 병진 행렬이고, 제 2 행렬은 x 방향에서 스케일링 인자 sx 및 y 방향에서의 스케일링 인자 sy 에 의해 이미지 포인트를 스케일링하는 스케일링 행렬이고, 제 3 행렬은 (즉, 이미지에 대해 수직인 포커싱 방향에서) z 축 주위로 각도 θ 만큼 이미지 포인트를 회전시키는 회전 행렬이다. 대안적으로, 아핀 변환은 식 (4)에 의해 표현될 수도 있고:
여기서, a11 및 a23 계수들은 x 및 y 방향을 따르는 이미지 포인트의 병진을 제공하고, 다른 4 개의 계수들은 이미지 포인트의 스케일링 및 배율의 조합을 제공한다. 이미지 상의 3 개의 기준점들의 실제적인 로케이션들 (u1, v1), (u2, v2), (u3, v3), 및 3 개의 기준점들의 이론적인 로케이션들 (x1, y1), (x2, y2), (x3, y3) 이 주어지면, 아핀 변환은 식 (5)를 구함으로써 추정될 수도 있다:
식 (5)는 최소 제곱 식 (6)을 구함으로써 구해질 수도 있다:
6 개의 변수들의 각각에 대한 에러 함수의 6 개의 편도함수들을 취하고 이 표현을 제로로 설정하는 것은 식 (7)에 의해 행렬 행태인 6 개의 식들의 표현을 제공한다:
동작(452)에서, 이미지는 선예화된다. 예를 들어, 이미지는 라플라시안 콘볼루션(Laplacian convolution) 또는 당해 분야에서 알려진 다른 이미지 선예화 기법들을 이용하여 선예화될 수도 있다.
동작(460)에서는, 이미지에서의 복수의 스폿들의 평균 순결도를 최대화하는 왜곡 보정 계수들에 대한 반복적인 검색이 작동된다. 다양한 구현예들에서, 검색은 패턴화된 검색일 수도 있다. 대안적으로, 당해 분야에서 알려진 다른 적당한 검색 알고리즘들이 적용될 수도 있다. 검색 동작(460)의 단계들은 이하에서 추가로 설명된다.
어떤 구현예들에서, 검색 알고리즘은 이미지 내의 스폿들을 서브샘플링함으로써 가속화될 수 있다. 이 구현예들의 특정한 2-채널 구현예들에서는, 서브샘플링이 일부 수의 행(row)들에서 매 스폿을 포함해야 한다. 그렇게 행하는 것은 [off, off] 신호 세기들(예컨대, 염기 호출들)을 가지는 신호들의 2-채널(2-컬러) 부호화에 고유한 문제를 해결할 수도 있다. 염기 호출들의 경우, "off"(라벨링되지 않음) 클러스터들로서 지정되는 G-염기 클러스터들은 "on"으로서 부정확하게 등록될 수도 있다. 대안적으로, 신호는 클러스터들 사이의 공간(즉, 웰들 사이의 에어리어)으로부터 추출될 수도 있고, "off" 신호로서 등록될 수도 있다. 이 문제는 G-염기 클러스터들이 순결도 비용 함수(chastity cost function)를 압박하지 않도록, 행에서의 매 웰 및 충분한 수의 행들을 샘플링함으로써 극복된다.
동작(461)에서는, 왜곡 보정 계수들의 세트가 생성된다. 왜곡 보정 계수들은 이미지의 왜곡 보정 함수의 다항식 표현을 제공할 수도 있다. 구현예들에서, 왜곡 보정 계수들은 2 차 다항식, 3 차 다항식, 4 차 다항식, 또는 5 차 다항식, 또는 훨씬 더 높은 차수의 다항식에 대응할 수도 있다. 이미징 시스템이 라인 스캐너인 구현예들에서, 왜곡 보정은 식 (8)에 의해 수학적으로 표현될 수도 있고:
여기서, 
은 이미지 좌표들 (x, y)의 이미지 내의 왜곡 보정된 위치이고, 
은 n 차 다항식을 묘사하는 왜곡 보정 계수들이고, cx는 x 에 대한 이미지에서의 중심 포인트이고, 여기서, y는 라인 스캐너에 대한 주사의 방향이다. 이 구현예에서, y에서의 왜곡은 x에 대하여 측정될 수 있는데, 이는 그것이 가장 큰 왜곡을 갖는 차원이기 때문이다. y에서의 왜곡이 (예컨대, 이미징 요건들에 의해 결정된 바와 같이) 무시가능한 일부 사례들에서는, dy=0이고 이미지 내의 왜곡 보정 위치가 식 (9)로 단순화한다는 것이 가정될 수도 있다:
구현예들에서, 검색 동작(460)은 검색의 제 1 단계 동안에 왜곡 보정 계수들에 대하여 0 값들로 오프(off)로 시작할 수도 있다(즉, 이미지에서 왜곡이 없는 것으로 가정함). 대안적으로, 계수들 값들의 이전에 학습된 세트는 검색을 시작하기 위하여 이용될 수도 있다.
동작(462)에서, 동작(451)에서 추정된 아핀 변환은 이미지에서의 스폿 로케이션들에 적용된다. 예를 들어, 아핀 변환은 위에서 설명된 식 (4)에 따라 적용될 수도 있다.
동작(463)에서는, 추정된 아핀 변환을 스폿 로케이션들에 적용한 후, 생성된 왜곡 보정 계수들이 이미지에서의 스폿 로케이션들에 적용된다. 예를 들어, 왜곡이 라인 스캐너에 대한 2 개의 차원들에서 보정될 경우, 식 (8)이 적용될 수도 있다. 대안적으로, y에서의 왜곡이 무시가능할 경우, 식 (9)가 적용될 수도 있다.
동작(464)에서, 신호 세기들은 이미지에서의 각각의 스폿 로케이션에 대하여 추출된다. 예를 들어, 주어진 스폿 로케이션에 대하여, 신호 세기는 스폿 로케이션에서의 픽셀들의 세기의 가중화된 평균을 결정함으로써 추출될 수도 있다. 예를 들어, 중심 픽셀 및 이웃하는 픽셀들의 가중화된 평균은 이중선형 보간(bilinear interpolation)과 같이 수행될 수도 있다. 구현예들에서, 이미지에서의 각각의 스폿 로케이션은 몇몇 픽셀들(예컨대, 1 내지 5 개의 픽셀들)을 포함할 수도 있다.
임의적인 동작(465)에서, 추출된 신호 세기들은 그 이미지화된 샘플에 걸쳐 조명에 있어서의 변동을 참작하기 위하여 공간적으로 정규화된다. 예를 들어, 세기 값들은 5 번째 및 95 번째 퍼센타일(percentile)들이 각각 0 및 1의 값들을 가지도록 정규화될 수도 있다.
동작(466)에서, 이미지에 대한 정규화된 신호 세기들(예컨대, 각각의 채널에 대한 정규화된 세기들)은 이미지에서의 복수의 스폿들에 대한 평균 순결도를 계산하기 위하여 이용될 수도 있다. 평균 순결도를 계산하기 위한 일 예의 방법들이 이하에서 추가로 설명된다.
하나의 구현예에서, 평균 순결도는 위에서 설명된 바와 같이, 이미징 사이클 동안에 이미지의 주어진 스폿 로케이션에 대한 염기 호출(예컨대, A, C, G, 또는 T)을 결정하는 프로세스를 일반적으로 지칭하는 염기 호출을 구현하는 2-채널 시스템에 대하여 계산될 수도 있다. 염기 호출은 수학적 모델을 세기 데이터에 맞춤으로써 수행될 수도 있다. 이용될 수 있는 적당한 수학적 모델들은 예를 들어, k-평균 클러스터링 알고리즘(k-means clustering algorithm), k-평균-유사 클러스터링 알고리즘(k-means-like clustering algorithm), 예상 최대화 클러스터링 알고리즘(expectation maximization clustering algorithm), 히스토그램 기반 방법(histogram based method) 등을 포함한다. 4 개의 가우시안 분포들은, 하나의 분포가 데이터 세트에서 표현된 4 개의 뉴클레오티드들의 각각에 대하여 적용되도록, 2-채널 세기 데이터의 세트에 맞추어질 수도 있다.
하나의 특정한 구현예에서는, 예상 최대화(expectation maximization; EM) 알고리즘이 적용될 수도 있다. EM 알고리즘의 결과로서, (2 개의 채널 세기들의 각각을 각각 지칭하는) 각각의 X, Y 값에 대하여, 어떤 X, Y 세기 값이 데이터가 맞추어지는 4 개의 가우시안 분포들 중의 하나에 속할 가능성을 표현하는 값이 생성될 수도 있다. 4 개의 염기들이 4 개의 별도의 분포들을 제공할 경우, 각각의 X, Y 세기 값은 또한, 4 개의 연관된 가능성 값들, 4 개의 염기들의 각각에 대하여 하나씩을 가질 것이다. 4 개의 가능성 값들의 최대치는 염기 호출을 표시한다. 이것은 도 8에 의해 예시되고, 도 8은 클러스터가 양자의 채널들에서 "off"일 경우, 염기호출이 G인 것을 도시한다. 클러스터가 하나의 채널에서 "off"이고 또 다른 채널에서 "on"일 경우, 염기 호출은 (채널이 온(on)인지에 따라) C 또는 T의 어느 하나이고, 클러스터 양자의 채널들에서 "on"일 경우, 염기호출은 A이다.
더 일반적으로, 임의의 수의 채널들을 수반하는 염기 호출 구현예들에 대하여, 주어진 이미지 스폿에 대한 순결도는 적어도 그 개개의 가우시안 분포의 중심까지의 채널의 세기 포인트의 거리를 이용하여 결정될 수도 있다. 이미지 스폿의 세기 포인트가 호출된 염기에 대한 분포의 중심에서 더 근접하게 놓여 있을수록, 호출된 염기가 정확할 가능성이 더 크고 그 순결도 값이 더 높다. 4-채널 구현예들에서, 주어진 스폿에 대한 염기 호출의 품질(즉, 순결도 값)은 가장 높은 것과 그 다음으로 높은 것에 의해 분할된 가장 높은 세기 값으로서 표현될 수도 있다. 2-채널 구현예들에서, 주어진 데이터 포인트에 대한 염기 호출의 품질 또는 순도는 두 번째로 근접한 중심까지의 거리에 의해 분할된 가장 근접한 중심까지의 거리의 함수로서 표현될 수 있다. 수학적으로, 2-채널 구현예들에 대한 주어진 포인트에 대한 순결도는 식 (10)에 의해 표현될 수도 있고:
C = 1.0 - D1/(D1+D2), (10)
여기서, D1은 가장 근접한 가우시안 평균까지의 거리이고, D2는 가우시안 평균까지의 다음으로 근접한 거리이다. 거리는 (고려 중인 각각의 가우시안 중심 및 포인트에 의해 정의된 라인을 따라 분포의 폭을 참작하는) 마할라노비스(Mahalanobis) 방법을 이용하여 측정될 수도 있다.
판단(468)에서는, 검색(460)이 반복되어야 하는지 여부가 결정된다. 이 결정은 다양한 구현에들에서, 평균 순결도 결정이 왜곡 보정 계수들의 최적의 세트에 수렴하였는지, 검색(460)이 미리 결정된 수의 횟수를 반복하였는지, 미리 결정된 평균 순결도 값이 계산되었는지, 또는 그 일부 조합의 여부에 종속될 수도 있다. 예를 들어, 계수들의 세트가 전체적인 평균 순결도를 개선시킬 경우, 그 계수들은 계수들의 새로운 세트의 검색 및 샘플링의 다음 반복에 대한 시작 포인트가 될 수도 있다. 특정한 구현예들에서, 검색(460)은 (예컨대, 패턴화된 검색을 이용하여) 수 십, 수 백, 또는 심지어 수 천의 횟수들을 반복할 수도 있다.
도 9a 내지 도 9b 각각은 흐름 셀들을 이용하는 2-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 타일들의 세트에 대한 왜곡 곡선들의 집합을 각각 예시한다. 도 9a는 하나의 도구로부터의 것이고, 도 9b는 또 다른 도구로부터의 것이어서, 도구마다의 가변성을 도시한다. 곡선들은 표면에 의해(제 1 수) 그리고 레인에 의해(제 2 수) 양자로 행해진다. 도표들이 예시하는 바와 같이, 왜곡은 레인에 의해, 그리고 흐름 셀의 표면에 의해 양자로 변동될 수도 있다. 도 9c는 흐름 셀들을 이용하는 4-채널 시퀀싱 도구 상에서 생기는 광학기기에 대한 단일 타일에 대한 2 개의 상이한 컬러 채널들에 대응하는 4 개의 왜곡 곡선들을 예시한다. 이와 같이, 본원에서 개시된 구현예들에 따라 (영역 및 컬러 채널의 양자에 의해) 흐름 셀의 상이한 영역들에서의 이미지 왜곡의 독립적인 보정은 이미지 품질을 추가로 개선시킬 수도 있다.
도 10a는 라인 스캐너를 이용하여 시퀀싱된 흐름 셀의 스폿들의 몇 퍼센트가 X에 대한 타일의 관측 시야에 걸쳐 비닝된, 왜곡 보정을 갖지 않는 순결도 필터를 통과하였는지(%PF)를 예시하는 실험적 결과들의 박스 및 세선 도표이다. 순결도 필터링은 "열악한 이미지 품질" 스폿들로부터 데이터를 필터링하기 위하여 이미징 사이클들 동안에 적용될 수도 있다. 예를 들어, 스폿은 그것이 어떤 수의 시퀀싱 사이클들 후에 미리 결정된 순결도 값을 초과하지 않을 경우에는 데이터 포인트로서 무시될 수도 있다. 도 10a에서, 서브타일 빈 수(subtile bin number)는 타일 이미지의 중심에 대한 스폿들의 x 방향에서의 거리를 표시한다. 주어진 x 방향에 대하여, 결과들은 타일의 모든 ys(여기서, y는 주사 방향이었음)에 대하여 평균화되었다. 도시된 바와 같이, 왜곡 보정 없이, 타일들의 에지들에서의 스폿들의 작은 백분율이 순결도 필터를 통과하였고, 그 스폿들에 대한 데이터는 이용불가능하게 된다. 도 10b는 본 개시물에 따라, 시퀀싱된 흐름 셀의 스폿들의 몇 퍼센트가 왜곡 보정을 갖는 순결도 필터를 통과하였는지를 도시하는 실험적 결과들의 박스 도표이다. 예시된 바와 같이, 순결도 필터를 통과하는 스폿들의 수는 타일들의 에지들을 향해 극적으로 상당히 개선되었다.
추가의 구현예들에서는, 이미징 시스템에서 이미징 렌즈(예컨대, 대물 렌즈)의 광학적 설계를 최적화함으로써, 광학적 왜곡이 이미징 시스템에서 감소될 수도 있다. 광학 렌즈의 설계는 렌즈에 위해 취해진 이미지들에 대해 적용된 미리 결정된 이미지 왜곡 보정 알고리즘(예컨대, 본원에서 설명된 이미지 왜곡 보정 알고리즘)을 적용하여 이용하여 그것을 재단함으로써 최적화될 수도 있다. 예를 들어, 이미지 왜곡 보정 알고리즘이 렌즈에서의 왜곡의 0.2 내지 0.4 픽셀들을 예상할 경우, 왜곡이 없는 것과 반대로, 예상된 왜곡의 레벨을 갖는 렌즈를 설계하는 것이 유리할 수도 있다.
도 11은 이미징 렌즈(예컨대, 대물 렌즈)의 설계를 최적화하기 위하여 이용될 수도 있는 광학적 왜곡 보정 파라미터들을 결정하기 위한 일 예의 방법(600)을 예시하는 동작 흐름도이다. 방법(600)은 렌즈의 관측 시야 및 이미지 센서의 픽셀 크기를 입력들로서 수신하고, 5 차 다항식의 맞추어진 위치로부터의 최대 절대적인 광학적 왜곡 및 최대 에러를 출력한다.
동작(610)에서, 점 확산 함수(point spread function) 중심들의 벡터가 계산된다. 점 확산 함수들의 벡터는 최대 왜곡 (DistMax) 변수를 제로로 초기화함으로써, 그리고 Dist > DistMax인 동안에 다음의 단계들을 반복함으로써 계산될 수도 있다:
● 필드 높이 F에서의 근축 Y 높이를 계산함(Yref);
● 호이겐스(Huygens) 점 확산 함수의 중심을 계산함(Yreal);
● 왜곡을 계산함: Dist = 100 * ABSO(Yreal-Yref) / Yref; 및
● Yreal을 벡터 (Vyreal)에서 저장하고, F를 벡터 (VF)에서 저장함
동작(620)에서, 점 확산 함수들의 다항식 맞춤이 계산된다. 이 다항식 맞춤은 특정한 구현예들에서, VF 및 하기 형태의 Vyreal의 5 차 다항식 맞춤을 계산함으로써 계산될 수도 있고: Vyreal = a1*F + a3*F^3 + a5*F^5, 여기서, a1은 배율을 나타내고, a3은 3 차 계수이고, a5는 5 차 계수이다.
동작(630)에서, 각각의 중심은 맞추어진 위치와 비교될 수도 있다. 이 비교는 맞추어진 위치로부터의 에러 (ErrMax) 변수를 제로로 초기화함으로써, 그리고 Err>ErrMax 동안에 다음의 단계들을 반복함으로써 행해질 수도 있다
● 필드 높이 F의 근축 Y 높이를 계산함(Yref);
● 호이겐스 점 확산 함수의 중심을 계산함(Yreal);
● a1, a3, 및 a5로부터의 예상된 중심 로케이션을 계산함(Yexp); 및
● 에러 Err = abs(Yexp-Yreal)/Spix를 계산하고, 여기서, Spix는 이미지 센서의 픽셀 크기임.
이 예에서, 동작(640)에서, 렌즈의 설계는 적어도 맞추어진 위치로부터의 결정된 최대 에러 및 결정된 최대 절대적인 왜곡을 이용하여 최적화된다. 구현예들에서, 이 최적화는 결정된 최대 에러 및 파면 에러를 갖는 결정된 최대 절대적 왜곡을 제곱근합 제곱(root sum square; rss)하는 최소 제곱 최소화(least squares minimization) 기법에 적어도 기초할 수도 있다.
도 12는 왜곡에 대하여 보정하기 위하여 5 차 다항식을 적용한 후에 렌즈의 관측 시야에 걸쳐 픽셀들에서의 잔류 광학적 왜곡을 도시하는 잔류 왜곡 도표이다.
도 13은 방법들(400 및 450)의 하나 또는 그 초과하는 양태들의 전술된 특징들 및 기능성과 같은, 본원에서 개시된 시스템 및 방법들의 다양한 특징들을 구현하기 위하여 이용될 수도 있는 일 예의 컴퓨팅 컴포넌트를 예시한다. 예를 들어, 컴퓨팅 컴포넌트는 실시간 분석 모듈(225)로서 구현될 수도 있다.
본원에서 이용된 바와 같이, 용어 모듈은 본 출원의 하나 또는 그 초과하는 구현예들에 따라 수행될 수 있는 주어진 기능성의 유닛을 설명할 수도 있다. 본원에서 이용된 바와 같이, 모듈은 하드웨어, 소프트웨어, 또는 그 조합 중의 임의의 형태를 사용하여 구현될 수도 있다. 예를 들어, 하나 또는 그 초과하는 프로세서들, 제어기들, ASIC들, PLA들, PAL들, CPLD들, FPGA들, 논리적 컴포넌트들, 소프트웨어 루틴들, 또는 다른 메커니즘들은 모듈을 구성하도록 구현될 수도 있다. 구현예에서, 본원에서 설명된 다양한 모듈들은 개별 모듈들로서 구현될 수도 있거나, 설명된 기능들 및 특징들은 하나 또는 그 초과하는 모듈들 사이에서 부분적으로 또는 전체적으로 공유될 수 있다. 다시 말해서, 이 설명을 판독한 후에 당해 분야의 당업자에게 명백한 바와 같이, 본원에서 설명된 다양한 특징들 및 기능성은 임의의 주어진 애플리케이션에서 구현될 수도 있고, 다양한 조합들 및 치환들로 하나 또는 그 초과하는 별도의 또는 공유된 모듈들에서 구현될 수 있다. 다양한 특징들 또는 기능성의 엘리먼트들은 별도의 모듈들로서 개별적으로 설명되거나 청구될 수도 있지만, 당해 분야의 당업자는 이 특징들 및 기능성이 하나 또는 그 초과하는 공통적인 소프트웨어 및 하드웨어 엘리먼트들 사이에서 공유될 수 있고 이러한 설명은 별도의 하드웨어 또는 소프트웨어 컴포넌트들이 이러한 특징들 또는 기능성을 구현하기 위하여 이용된다는 것을 요구하거나 암시하지 않을 것이라는 것을 이해할 것이다.
애플리케이션의 컴포넌트들 또는 모듈들이 소프트웨어를 이용하여 전체적으로 또는 부분적으로 구현될 경우, 하나의 구현예에서, 이 소프트웨어 엘리먼트들은 그것에 대하여 설명된 기능성을 수행할 수 있는 컴퓨팅 또는 프로세싱 모듈과 함께 동작하도록 구현될 수 있다. 하나의 이러한 예의 컴퓨팅 모듈은 도 13에서 도시되어 있다. 다양한 구현예들은 이 예의 컴퓨팅 모듈(1000)의 측면에서 설명된다. 이 설명을 판독한 후, 다른 컴퓨팅 모듈들 또는 아키텍처들을 이용하여 애플리케이션을 어떻게 구현할 것인지는 관련 기술의 당업자에게 명백해질 것이다.
도 13을 지금부터 참조하면, 컴퓨팅 모듈(1000)은 예를 들어, 데스크톱, 랩톱, 노트북, 및 태블릿 컴퓨터들; 핸드-헬드 컴퓨팅 디바이스들(태블릿, PDA들, 스마트폰들, 셀 전화들, 팜톱들 등); 메인프레임들, 슈퍼컴퓨터들, 워크스테이션들, 또는 서버들; 또는 주어진 애플리케이션 또는 환경을 위하여 바람직하거나 적절할 수도 있는 바와 같은 임의의 다른 타입의 특수-목적 또는 범용 컴퓨팅 디바이스들 내에서 발견된 컴퓨팅 또는 프로세싱 능력들을 나타낼 수도 있다. 컴퓨팅 모듈(1000)은 또한, 주어진 디바이스 내에서 내장되거나, 그렇지 않을 경우에 주어진 디바이스에 의해 이용가능한 컴퓨팅 능력들을 나타낼 수도 있다. 예를 들어, 컴퓨팅 모듈은 예를 들어, 프로세싱 능력의 일부 형태를 포함할 수도 있는, 디지털 카메라들, 내비게이션 시스템들, 셀룰러 전화들, 휴대용 컴퓨팅 디바이스들, 모뎀들, 라우터들, WAP들, 단말들, 및 다른 전자 디바이스들과 같은 다른 전자 디바이스들에서 발견될 수도 있다.
컴퓨팅 모듈(1000)은 예를 들어, 프로세서(1004)와 같은, 하나 또는 그 초과하는 프로세서들, 제어기들, 제어 모듈들, 또는 다른 프로세싱 디바이스들을 포함할 수도 있다. 프로세서(1004)는 예를 들어, 마이크로프로세서, 제어기, 또는 다른 제어 로직과 같은 범용 또는 특수-목적 프로세싱 엔진을 이용하여 구현될 수도 있다. 예시된 예에서, 프로세서(1004)는 버스(1002)에 접속되지만, 임의의 통신 매체는 컴퓨팅 모듈(1000)의 다른 컴포넌트들과의 상호작용을 용이하게 하기 위하여, 또는 외부적으로 통신하기 위하여 이용될 수 있다.
컴퓨팅 모듈(1000)은 또한, 주 메모리(1008)로서 본원에서 간단하게 지칭된 하나 또는 그 초과하는 메모리 모듈들을 포함할 수도 있다. 예를 들어, 바람직하게는, 랜덤 액세스 메모리(random access memory; RAM) 또는 다른 동적 메모리는 프로세서(1004)에 의해 실행되어야 할 정보 및 명령들을 저장하기 위하여 이용될 수도 있다. 주 메모리(1008)는 또한, 프로세서(1004)에 의해 실행되어야 할 명령들의 실행 동안에 일시적인 변수들 또는 다른 중간 정보를 저장하기 위하여 이용될 수도 있다. 컴퓨팅 모듈(1000)은 프로세서(1004)를 위한 정적 정보 및 명령들을 저장하기 위하여 버스(1002)에 결합된 판독 전용 메모리(read only memory)("ROM") 또는 다른 정적 저장 디바이스를 마찬가지로 포함할 수도 있다.
컴퓨팅 모듈(1000)은 또한, 예를 들어, 매체들 드라이브(1012) 및 저장 유닛 인터페이스(1020)를 포함할 수도 있는 정보 저장 기구(1010)의 하나 또는 그 초과하는 다양한 형태들을 포함할 수도 있다. 매체들 드라이브(1012)는 고정된 또는 분리가능한 저장 매체들(1014)을 지원하기 위한 드라이브 또는 다른 메커니즘을 포함할 수도 있다. 예를 들어, 하드 디스크 드라이브, 솔리드 스테이트 드라이브, 자기 테이프 드라이브, 광학 디스크 드라이브, CD 또는 DVD 드라이브(R 또는 RW), 또는 다른 분리가능한 또는 고정된 매체들 드라이브가 제공될 수도 있다. 따라서, 저장 매체들(1014)은 예를 들어, 매체들 드라이브(1012)에 의해 판독되거나, 이에 기입되거나, 이에 의해 액세스되는, 하드 디스크, 솔리드 스테이트 드라이브, 자기 테이프, 카트리지, 광학 디스크, CD, DVD, 또는 블루-레이(Blu-ray), 또는 다른 고정된 또는 분리가능한 매체를 포함할 수도 있다. 이 예들이 예시하는 바와 같이, 저장 매체들(1014)은 컴퓨터 소프트웨어 또는 데이터를 그 내에 저장한 컴퓨터 이용가능한 저장 매체를 포함할 수 있다.
대안적인 구현예들에서, 정보 저장 기구(1010)는 컴퓨터 프로그램들 또는 다른 명령들 또는 데이터가 컴퓨팅 모듈(1000)로 로딩되는 것을 허용하기 위한 다른 유사한 수단들을 포함할 수도 있다. 이러한 수단들은 예를 들어, 고정된 또는 분리가능한 저장 유닛(1022) 및 인터페이스(1020)를 포함할 수도 있다. 이러한 저장 유닛들(1022) 및 인터페이스들(1020)의 예들은 소프트웨어 및 데이터가 저장 유닛(1022)으로부터 컴퓨팅 모듈(1000)로 전송되는 것을 허용하는, 프로그램 카트리지 및 카트리지 인터페이스, 분리가능한 메모리(예를 들어, 플래시 메모리 또는 다른 분리가능한 메모리 모듈) 및 메모리 슬롯, PCMCIA 슬롯 및 카드, 및 다른 고정된 또는 분리가능한 저장 유닛들(1022) 및 인터페이스들(1020)을 포함할 수 있다.
컴퓨팅 모듈(1000)은 또한, 통신 인터페이스(1024)를 포함할 수도 있다. 통신 인터페이스(1024)는 소프트웨어 및 데이터가 컴퓨팅 모듈(1000)과 외부 디바이스들 사이에서 전달되는 것을 허용하기 위하여 이용될 수도 있다. 통신 인터페이스(1024)의 예들은 모뎀 또는 소프트모뎀(softmodem), (이더넷(Ethernet), 네트워크 인터페이스 카드, WiMedia, IEEE 802.XX, 또는 다른 인터페이스와 같은) 네트워크 인터페이스, (예를 들어, USB 포트, IR 포트, RS232 포트, Bluetooth® 인터페이스, 또는 다른 포트와 같은) 통신 포트, 또는 다른 통신 인터페이스를 포함할 수도 있다. 통신 인터페이스(1024)를 통해 전송된 소프트웨어 및 데이터는 전형적으로, 주어진 통신 인터페이스(1024)에 의해 교환될 수 있는 전자, (광학을 포함하는) 전자기, 또는 다른 신호들일 수 있는 신호들 상에서 반송될 수도 있다. 이 신호들은 채널(1028)을 통해 통신 인터페이스(1024)에 제공될 수도 있다. 채널(1028)은 신호들을 반송할 수도 있고, 유선 또는 무선 통신 매체를 이용하여 구현될 수도 있다. 채널의 일부 예들은 전화 라인, 셀룰러 링크, RF 링크, 광학 링크, 네트워크 인터페이스, 로컬 또는 광역 네트워크, 및 다른 유선 또는 무선 통신 채널들을 포함할 수도 있다.
이 문서에서, 용어들 "컴퓨터 판독가능한 매체", "컴퓨터 이용가능한 매체", 및 "컴퓨터 프로그램 매체"는 예를 들어, 메모리(1008), 저장 유닛(1022), 및 매체들(1014)과 같은 휘발성 또는 비휘발성인 비-일시적 매체들을 일반적으로 지칭하기 위하여 이용된다. 컴퓨터 프로그램 매체들 또는 컴퓨터 이용가능한 매체들의 이러한 그리고 다른 다양한 형태들은 하나 또는 그 초과하는 명령들의 하나 또는 그 초과하는 시퀀스들을 실행을 위하여 프로세싱 디바이스로 운반함에 있어서 관여될 수도 있다. 매체 상에서 구체화된 이러한 명령들은 일반적으로, (컴퓨터 프로그램들 또는 다른 그룹들의 형태로 그룹화될 수도 있는) "컴퓨터 프로그램 코드" 또는 "컴퓨터 프로그램 제품"으로서 지칭된다. 실행될 경우, 이러한 명령들은 컴퓨팅 모듈(1000)이 본원에서 논의된 바와 같은 본 출원의 특징들 또는 기능들을 수행하는 것을 가능하게 할 수도 있다.
다양한 예시적인 구현예들 및 구현예들의 측면에서 위에서 설명되었지만, 개별적인 구현예들 중의 하나 또는 그 초과하는 것에서 설명된 다양한 특징들, 양태들, 및 기능성은 그것들이 설명되는 특정한 구현예로 그 적용가능성에 있어서 제한되지 않지만, 그 대신에, 이러한 구현예들이 설명되는지 아닌지, 그리고 이러한 특징들이 설명된 구현예의 일부인 것으로서 제시되는지 아닌지에 관계 없이, 출원의 다른 구현예들 중의 하나 또는 그 초과하는 것에 단독으로 또는 다양한 조합들로 적용될 수 있다는 것이 이해되어야 한다. 이에 따라, 본 출원의 폭 및 범위는 전술된 예시적인 구현예들 중의 임의의 것에 의해 제한되지 않아야 한다.
(이러한 개념들이 상호 불일치하지 않는다면) 상기한 개념들의 모든 조합들은 본원에서 개시된 발명적 요지의 일부인 것으로서 고려된다는 것이 인식되어야 한다. 특히, 이 개시물의 종반부에 나타나는 청구된 요지의 모든 조합들은 본원에서 개시된 발명적 요지의 일부인 것으로서 고려된다.
청구항들을 포함하는 이 개시물의 전반에 걸쳐 이용된 용어들 "실질적으로" 및 "약"은 프로세싱에 있어서의 변동들로 인한 것과 같이, 작은 등락들을 설명하고 참작하기 위하여 이용된다. 예를 들어, 그것들은 ±2 % 이하와 같이, ±1 % 이하와 같이, ±0.5 % 이하와 ?아, ±0.2 % 이하와 같이, ±0.1 % 이하와 같이, ±0.05 % 이하와 같이, ±5 % 이하를 지칭할 수 있다.
적용가능한 한도까지, 본원에서의 용어들 "제 1", "제 2", "제 3" 등은 별도의 엔티티들로서 이 용어들에 의해 설명된 개개의 객체들을 도시하기 위하여 단지 채용되고, 본원에서 이와 다르게 명시적으로 기재되지 않으면, 연대 순서의 의미를 함축하도록 의도된 것은 아니다.
이 문서에서 이용된 용어들 및 어구들, 그리고 그 변형들은 이와 다르게 명백히 기재되지 않으면, 제한적인 것과 반대인 개방 종결형으로서 해석되어야 한다. 상기한 것의 예들로서, 용어 "포함하는"은 "제한 없이 포함하는" 등을 의미하는 것으로 판독되어야 하고; 용어 "예"는 그 철저한 또는 제한적인 리스트가 아니라, 논의 중인 항목의 예시적인 사례들을 제공하기 위하여 이용되고; 용어들 "a" 또는 "an"은 "적어도 하나", "하나 또는 그 초과" 등을 의미하는 것으로서 판독되어야 하고; "기존의", "전통적인", "정상적인", "표준", "알려진"과 같은 형용사 및 유사한 의미의 용어들은 설명된 항목을 주어진 시간 주기 또는 주어진 시간 당시에 이용가능한 항목으로 제한하는 것으로서 해석되어야 하는 것이 아니라, 그 대신에, 지금 또는 미래의 임의의 시간에 이용가능할 수도 있거나 알려질 수도 있는 기존의, 전통적인, 정상적인, 또는 표준 기술들을 망라하도록 판독되어야 한다. 마찬가지로, 이 문서가 당해 분야의 당업자에게 명백하거나 알려질 기술들을 지칭할 경우, 이러한 기술들은 지금 또는 미래의 임의의 시간에 숙련자에게 명백하거나 알려진 것들을 망라한다.
일부 사례들에서의 "하나 또는 그 초과", "적어도", "그러나, 제한되지 않음" 등의 어구들과 같은 범위확장 단어들 및 어구들의 존재는 이러한 범위확장 어구들이 부재할 수도 있는 사례들에서 더 좁은 경우가 의도되거나 요구된다는 것을 의미하도록 판독되지 않을 것이다. 용어 "모듈"의 이용은 모듈의 일부로서 설명되거나 청구된 컴포넌트들 또는 기능성이 공통적인 패키지에서 모두 구성된다는 것을 암시하지는 않는다. 실제로, 모듈의 다양한 컴포넌트들 중의 임의의 것 또는 전부는, 제어 로직 또는 다른 컴포넌트들인지 간에, 단일 패키지에서 조합될 수 있거나 별도로 유지될 수 있고, 다수의 그룹들 또는 패키지들에서, 또는 다수의 로케이션들에 걸쳐 추가로 분산될 수 있다.
추가적으로, 본원에서 기재된 다양한 구현예들은 예시적인 블록도들, 플로우차트들, 및 다른 예시들의 측면에서 설명된다. 이 문서를 판독한 후에 당해 분야의 당업자에게 명백해지는 바와 같이, 예시된 구현예들 및 그 다양한 대안들은 예시된 예들로의 구속 없이 구현될 수 있다. 예를 들어, 블록도들 및 그 동반되는 설명은 특정한 아키텍처 또는 구성을 위임하는 것으로서 해석되지 않아야 한다.
본 개시물의 다양한 구현예들이 위에서 설명되었지만, 그것들은 제한이 아니라, 오직 예로서 제시되었다는 것이 이해되어야 한다. 마찬가지로, 다양한 도면들은 개시물에 대한 예시적인 구조적 또는 다른 구성을 도시할 수도 있고, 이것은 개시물에서 포함될 수 있는 특징들 및 기능성을 이해함에 있어서 보조하도록 행해진다. 개시물은 예시된 일 예의 아키텍처들 또는 구성들로 한정되지 않지만, 희망하는 특징들은 다양한 대안적인 아키텍처들 및 구성들을 이용하여 구현될 수 있다. 실제로, 본 개시물의 희망하는 특징들을 구현하기 위하여 대안적인 기능적, 논리적, 또는 물리적 파티셔닝 및 구성들이 어떻게 구현될 수 있는지는 당해 분야의 당업자에게 명백할 것이다. 또한, 본원에서 도시된 것 이외의 다수의 상이한 구성요소 모듈 명칭들은 다양한 파티션들에 적용될 수 있다. 추가적으로, 흐름도들, 동작 설명들, 및 방법 청구항들에 대하여, 단계들이 본원에서 제시되는 순서는, 문맥이 이와 다르게 기술하지 않으면, 다양한 구현예들이 동일한 순서로 인용된 기능성을 수행하도록 구현된다는 것을 위임하지 않을 것이다.
Claims (20)
- 방법으로서,
복수의 스폿들을 포함하는 패턴화된 샘플의 제 1 이미징 사이클을 수행하는 단계;
상기 제 1 이미징 사이클 동안에 생성된 이미징 데이터의 제 1 세트를 제 1 복수의 이미징 데이터 서브세트들로 분할하는 단계 ― 상기 제 1 복수의 이미징 데이터 서브세트들의 각각은 상기 패턴화된 샘플의 개개의 영역에 대응하고, 상기 패턴화된 샘플의 상기 개개의 영역들의 각각은 복수의 스폿들을 포함함 ―;
상기 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 이미지 왜곡 보정 계수들의 세트를 계산하는 단계;
이미징 데이터의 제 2 세트를 생성하기 위하여 상기 패턴화된 샘플의 제 2 이미징 사이클을 수행하는 단계; 및
상기 제 2 이미징 사이클 동안에 생성된 이미징 데이터의 상기 제 2 세트를 제 2 복수의 이미징 데이터 서브세트들로 분할하는 단계 ― 상기 제 2 복수의 이미징 데이터 서브세트들의 각각은 상기 제 1 복수의 이미징 데이터 서브세트들 중의 하나와 상기 패턴화된 샘플의 동일한 개개의 영역에 대응함 ―; 및
상기 제 2 복수의 이미징 데이터 서브세트들의 각각에 대하여, 상기 패턴화된 샘플의 상기 동일한 개개의 영역에 대응하는 상기 제 1 복수의 이미징 데이터 서브세트들 중의 상기 하나에 대하여 계산된 상기 왜곡 보정 계수들을 적용하는 단계를 포함하는, 방법. - 제 1 항에 있어서,
상기 패턴화된 샘플의 상기 복수의 스폿들의 각각은 형광성으로 태그된 핵산(nucleic acid)들을 포함하고, 상기 제 1 이미징 사이클은 제 1 시퀀싱 사이클(sequencing cycle)이고, 상기 제 2 이미징 사이클은 제 2 시퀀싱 사이클인, 방법. - 제 1 항에 있어서,
상기 이미징 데이터의 제 1 세트 및 상기 이미징 데이터의 제 2 세트 각각은 제 1 컬러 채널의 이미징 데이터 및 제 2 컬러 채널의 이미징 데이터를 각각 포함하고, 상기 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 이미지 왜곡 보정 계수들의 세트를 계산하는 단계는 각각의 이미징 데이터 서브세트의 각각의 컬러 채널에 대한 왜곡 보정 계수들의 세트를 결정하는 단계를 포함하는, 방법. - 제 1 항에 있어서,
상기 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 이미지 왜곡 보정 계수들의 세트를 계산하는 단계는,
상기 이미징 데이터 서브세트의 아핀 변환(affine transform)을 추정하는 단계;
상기 이미징 데이터 서브세트를 선예화(sharpening)하는 단계; 및
상기 이미징 데이터 서브세트에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계를 포함하는, 방법. - 제 4 항에 있어서,
상기 이미징 데이터 서브세트에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는 상기 검색의 각각의 반복 동안에 상기 추정된 아핀 변환을 적용하는 단계를 포함하는, 방법. - 제 4 항에 있어서,
상기 이미징 데이터의 제 1 세트 및 상기 이미징 데이터의 제 2 세트는 적어도 상기 샘플 상의 기준점(fiducial)들의 위치를 이용하여 분할되고, 상기 제 1 복수의 이미징 데이터 서브세트들의 각각에 대한 상기 아핀 변환은 기준점들을 이용하여 추정되는, 방법. - 복수의 스폿들을 포함하는 패턴화된 샘플의 이미지에서의 광학적 왜곡에 대하여 보정하기 위한 방법으로서,
상기 이미지의 아핀 변환을 추정하는 단계;
상기 이미지를 선예화하는 단계; 및
상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계 ― 상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는 적어도 복수의 스폿 로케이션들의 각각으로부터 추출된 신호 세기들을 이용하여 상기 이미지에서의 상기 복수의 스폿 로케이션들에 대한 평균 순결도(mean chastity)를 계산하는 단계를 포함하고, 상기 추정된 아핀 변환은 상기 검색의 각각의 반복 동안에 적용됨 ― 를 포함하는, 광학적 왜곡에 대하여 보정하기 위한 방법. - 제 7 항에 있어서,
상기 이미지는 제 1 컬러 채널에 대응하는 제 1 이미지 데이터세트 및 제 2 컬러 채널에 대응하는 제 2 이미지 데이터세트를 포함하고, 상기 아핀 변환을 추정하고 상기 이미지를 선예화하는 동작들은 상기 제 1 이미지 데이터세트 및 상기 제 2 이미지 데이터세트의 각각에 적용되는, 광학적 왜곡에 대하여 보정하기 위한 방법. - 제 7 항에 있어서,
상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는,
상기 이미지에 대한 광학적 왜곡 보정 계수들의 세트를 생성하는 단계;
상기 추정된 아핀 변환을 상기 이미지에서의 상기 복수의 스폿 로케이션들에 적용하는 단계; 및
상기 추정된 아핀 변환을 적용한 후, 상기 광학적 왜곡 보정 계수들의 세트를 상기 복수의 스폿 로케이션들의 각각에 적용하는 단계를 포함하는, 광학적 왜곡에 대하여 보정하기 위한 방법. - 제 9 항에 있어서,
상기 광학적 왜곡 보정 계수들의 세트를 복수의 스폿 로케이션들의 각각에 적용한 후, 상기 복수의 스폿 로케이션들의 각각에 대한 신호 세기를 추출하는 단계를 더 포함하는, 방법. - 제 7 항에 있어서,
상기 추출된 신호 세기들을 정규화하는 단계; 및
적어도 상기 정규화된 신호 세기들을 이용하여 상기 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하는 단계를 더 포함하는, 광학적 왜곡에 대하여 보정하기 위한 방법. - 제 11 항에 있어서,
적어도 상기 정규화된 신호 세기들을 이용하여 상기 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하는 단계는, 상기 복수의 스폿 로케이션들의 각각에 대하여, 적어도 상기 스폿 로케이션의 정규화된 신호 세기에 대응하는 포인트로부터 가우시안 중심(Gaussian centroid)까지의 거리를 이용하여 순결도를 결정하는 단계를 포함하는, 광학적 왜곡에 대하여 보정하기 위한 방법. - 제 7 항에 있어서,
상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 단계는 상기 이미지에서의 복수의 스폿들을 서브샘플링(subsampling)하는 단계를 포함하고, 상기 선예화된 이미지의 행(row)에서의 스폿이 서브샘플링될 경우, 상기 선예화된 이미지의 상기 행에서의 모든 스폿들이 서브샘플링되는, 광학적 왜곡에 대하여 보정하기 위한 방법. - 명령들을 저장한 비-일시적 컴퓨터 판독가능한 매체로서,
상기 명령들은, 하나 이상의 프로세서들에 의해 실행될 경우, 시스템으로 하여금,
이미지의 아핀 변환을 추정하게 하고 ― 상기 이미지는 복수의 스폿들을 포함하는 패턴화된 샘플의 이미지임 ― ;
상기 이미지를 선예화하게 하고; 그리고
상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하게 하고,
상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 것은 적어도 복수의 스폿 로케이션들의 각각으로부터 추출된 신호 세기들을 이용하여 상기 이미지에서의 상기 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하는 것을 포함하고, 상기 추정된 아핀 변환은 상기 검색의 각각의 반복 동안에 적용되는, 비-일시적 컴퓨터 판독가능한 매체. - 제 14 항에 있어서,
상기 이미지는 제 1 컬러 채널에 대응하는 제 1 이미지 데이터세트 및 제 2 컬러 채널에 대응하는 제 2 이미지 데이터세트를 포함하고, 상기 아핀 변환을 추정하고 상기 이미지를 선예화하는 동작들은 상기 제 1 이미지 데이터세트 및 상기 제 2 이미지 데이터세트의 각각에 적용되는, 비-일시적 컴퓨터 판독가능한 매체. - 제 14 항에 있어서,
상기 선예화된 이미지에 대한 왜곡 보정 계수들의 최적의 세트를 반복적으로 검색하는 것은,
상기 이미지에 대한 광학적 왜곡 보정 계수들의 세트를 생성하는 것;
상기 추정된 아핀 변환을 상기 이미지에서의 상기 복수의 스폿 로케이션들에 적용하는 것; 및
상기 추정된 아핀 변환을 적용한 후, 상기 광학적 왜곡 보정 계수들의 세트를 상기 복수의 스폿 로케이션들의 각각에 적용하는 것을 포함하는, 비-일시적 컴퓨터 판독가능한 매체. - 제 16 항에 있어서,
상기 명령들은, 상기 하나 이상의 프로세서들에 의해 실행될 경우, 상기 시스템으로 하여금 추가로,
상기 광학적 왜곡 보정 계수들의 세트를 상기 복수의 스폿 로케이션들의 각각에 적용하게 하고; 그리고
상기 복수의 스폿 로케이션들의 각각에 대한 신호 세기를 추출하게 하는, 비-일시적 컴퓨터 판독가능한 매체. - 제 17 항에 있어서,
상기 명령들은, 상기 하나 이상의 프로세서들에 의해 실행될 경우, 상기 시스템으로 하여금 추가로,
상기 추출된 신호 세기들을 정규화하게 하고; 그리고
적어도 상기 정규화된 신호 세기들을 이용하여 상기 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하게 하는, 비-일시적 컴퓨터 판독가능한 매체. - 제 18 항에 있어서,
적어도 상기 정규화된 신호 세기들을 이용하여 상기 복수의 스폿 로케이션들에 대한 평균 순결도를 계산하는 것은, 상기 복수의 스폿 로케이션들의 각각에 대하여, 적어도 상기 스폿 로케이션의 정규화된 신호 세기에 대응하는 포인트로부터 가우시안 중심까지의 거리를 이용하여 순결도를 결정하는 것을 포함하는, 비-일시적 컴퓨터 판독가능한 매체. - 제 18 항에 있어서,
상기 패턴화된 샘플의 복수의 스폿들의 각각은 형광성으로 태그된 핵산들을 포함하는, 비-일시적 컴퓨터 판독가능한 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200008865A KR102455926B1 (ko) | 2017-03-07 | 2020-01-22 | 이미지화된 샘플들에 대한 광학적 왜곡 보정 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762468347P | 2017-03-07 | 2017-03-07 | |
| US62/468,347 | 2017-03-07 | ||
| NLN2018852 | 2017-05-05 | ||
| NL2018852A NL2018852B1 (en) | 2017-05-05 | 2017-05-05 | Optical distortion correction for imaged samples |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200008865A Division KR102455926B1 (ko) | 2017-03-07 | 2020-01-22 | 이미지화된 샘플들에 대한 광학적 왜곡 보정 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180102509A KR20180102509A (ko) | 2018-09-17 |
| KR102072232B1 true KR102072232B1 (ko) | 2020-01-31 |
Family
ID=59521607
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180026797A KR102072232B1 (ko) | 2017-03-07 | 2018-03-07 | 이미지화된 샘플들에 대한 광학적 왜곡 보정 |
| KR1020200008865A KR102455926B1 (ko) | 2017-03-07 | 2020-01-22 | 이미지화된 샘플들에 대한 광학적 왜곡 보정 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200008865A KR102455926B1 (ko) | 2017-03-07 | 2020-01-22 | 이미지화된 샘플들에 대한 광학적 왜곡 보정 |
Country Status (15)
| Country | Link |
|---|---|
| US (5) | US10152776B2 (ko) |
| EP (2) | EP4187234A1 (ko) |
| JP (2) | JP6563539B2 (ko) |
| KR (2) | KR102072232B1 (ko) |
| CN (2) | CN111652797A (ko) |
| AU (1) | AU2018201352B2 (ko) |
| BR (1) | BR102018004557A2 (ko) |
| CA (2) | CA2996541C (ko) |
| ES (1) | ES2948760T3 (ko) |
| IL (1) | IL257826B (ko) |
| NL (1) | NL2018852B1 (ko) |
| NZ (1) | NZ740201A (ko) |
| SA (1) | SA118390405B1 (ko) |
| SG (2) | SG10202002144PA (ko) |
| TW (2) | TWI728645B (ko) |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111062400B (zh) * | 2018-10-16 | 2024-04-30 | 浙江宇视科技有限公司 | 目标匹配方法及装置 |
| CN111351794B (zh) * | 2018-12-20 | 2021-12-10 | 上海微电子装备（集团）股份有限公司 | 一种物体表面检测装置及检测方法 |
| EP3918411B1 (en) * | 2019-01-28 | 2024-01-03 | The General Hospital Corporation | Speckle-based image distortion correction for laser scanning microscopy |
| US11783917B2 (en) | 2019-03-21 | 2023-10-10 | Illumina, Inc. | Artificial intelligence-based base calling |
| WO2020191387A1 (en) * | 2019-03-21 | 2020-09-24 | Illumina, Inc. | Artificial intelligence-based base calling |
| NL2023314B1 (en) * | 2019-03-21 | 2020-09-28 | Illumina Inc | Artificial intelligence-based quality scoring |
| US11210554B2 (en) | 2019-03-21 | 2021-12-28 | Illumina, Inc. | Artificial intelligence-based generation of sequencing metadata |
| NL2023316B1 (en) * | 2019-03-21 | 2020-09-28 | Illumina Inc | Artificial intelligence-based sequencing |
| US11593649B2 (en) | 2019-05-16 | 2023-02-28 | Illumina, Inc. | Base calling using convolutions |
| EP4062372B1 (en) * | 2019-11-22 | 2024-05-08 | 10X Genomics, Inc. | Systems and methods for spatial analysis of analytes using fiducial alignment |
| AU2021224871A1 (en) | 2020-02-20 | 2022-09-08 | Illumina, Inc. | Artificial intelligence-based many-to-many base calling |
| US11188778B1 (en) * | 2020-05-05 | 2021-11-30 | Illumina, Inc. | Equalization-based image processing and spatial crosstalk attenuator |
| US11443411B2 (en) | 2020-07-08 | 2022-09-13 | Nxp Usa, Inc. | Method and system for image distortion correction using quarter and tangential lookup tables |
| US11200446B1 (en) | 2020-08-31 | 2021-12-14 | Element Biosciences, Inc. | Single-pass primary analysis |
| US11361194B2 (en) | 2020-10-27 | 2022-06-14 | Illumina, Inc. | Systems and methods for per-cluster intensity correction and base calling |
| CN112489115B (zh) * | 2020-11-27 | 2023-09-08 | 杭州海康威视数字技术股份有限公司 | 发光模块定位方法、装置、电子设备、存储介质及系统 |
| JP2024502424A (ja) * | 2021-01-25 | 2024-01-19 | ナノエンテク インク | 多チャネル試料チップを用いた微細粒子計数方法，及びこれを実現した微細粒子計数装置 |
| WO2022197754A1 (en) * | 2021-03-16 | 2022-09-22 | Illumina Software, Inc. | Neural network parameter quantization for base calling |
| US20220336054A1 (en) | 2021-04-15 | 2022-10-20 | Illumina, Inc. | Deep Convolutional Neural Networks to Predict Variant Pathogenicity using Three-Dimensional (3D) Protein Structures |
| EP4359129A1 (en) * | 2021-06-25 | 2024-05-01 | Illumina, Inc. | Linear fourier fiducial |
| US11455487B1 (en) | 2021-10-26 | 2022-09-27 | Illumina Software, Inc. | Intensity extraction and crosstalk attenuation using interpolation and adaptation for base calling |
| US20230260096A1 (en) | 2022-02-17 | 2023-08-17 | Illumina, Inc. | Ai-driven enhancement of motion blurred sequencing images |
| US20230296516A1 (en) | 2022-02-17 | 2023-09-21 | Illumina, Inc. | Ai-driven signal enhancement of sequencing images |
| WO2023239917A1 (en) * | 2022-06-09 | 2023-12-14 | Illumina, Inc. | Dependence of base calling on flow cell tilt |
| CN115242985B (zh) * | 2022-07-08 | 2024-05-03 | 苏州华星光电技术有限公司 | 摄像装置校正方法和摄像装置校正装置 |
| CN118067682A (zh) * | 2024-04-16 | 2024-05-24 | 中国人民解放军总医院 | 一种检测生长分化因子15基因表达的方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001124517A (ja) | 1999-10-27 | 2001-05-11 | Mitsutoyo Corp | 撮像空間の幾何学的歪み解消方法 |
| WO2013051147A1 (ja) * | 2011-10-07 | 2013-04-11 | キヤノン株式会社 | 画像取得装置の調整方法、画像取得装置および画像取得装置の製造方法 |
| JP2014164004A (ja) * | 2013-02-22 | 2014-09-08 | Hitachi High-Technologies Corp | 蛍光顕微鏡 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6671623B1 (en) | 1999-10-15 | 2003-12-30 | Schlumberger Technology Corporation | Methods and system for characterizing the response of subsurface measurements to determine wellbore and formation characteristics |
| US20040146917A1 (en) * | 2001-08-03 | 2004-07-29 | Nanosphere, Inc. | Nanoparticle imaging system and method |
| JP4280720B2 (ja) * | 2002-02-14 | 2009-06-17 | 日本碍子株式会社 | 試料解析装置および試料解析方法 |
| AU2003263109A1 (en) * | 2002-09-30 | 2004-04-23 | Applied Materials Israel, Ltd. | Dark field inspection system |
| WO2008067552A2 (en) * | 2006-11-30 | 2008-06-05 | Fluidigm Corporation | Method and apparatus for biological sample analysis |
| US8289430B2 (en) | 2007-02-09 | 2012-10-16 | Gentex Corporation | High dynamic range imaging device |
| CN100582657C (zh) * | 2008-01-31 | 2010-01-20 | 武汉理工大学 | 三维微观形貌斜扫描方法及装置 |
| US8186909B2 (en) | 2008-02-26 | 2012-05-29 | Artificial Sea-Mount Institute Corporation | Artificial sea mount |
| US20100157086A1 (en) * | 2008-12-15 | 2010-06-24 | Illumina, Inc | Dynamic autofocus method and system for assay imager |
| EP2438554B1 (en) * | 2009-06-01 | 2020-04-01 | Bio-Rad Laboratories, Inc. | Calibration of imaging device for biological/chemical samples |
| JP5415176B2 (ja) | 2009-08-06 | 2014-02-12 | 株式会社マキタ | スイッチ |
| KR101569835B1 (ko) * | 2009-10-06 | 2015-11-17 | 삼성전자주식회사 | 스캐닝 이미지의 왜곡 보정 방법 |
| US8965076B2 (en) * | 2010-01-13 | 2015-02-24 | Illumina, Inc. | Data processing system and methods |
| JP2011182705A (ja) * | 2010-03-09 | 2011-09-22 | Toray Ind Inc | Ｄｎａチップ解析方法および解析装置 |
| JP5817378B2 (ja) | 2011-01-28 | 2015-11-18 | 東レ株式会社 | マイクロアレイの解析方法および読取り装置 |
| US8778848B2 (en) | 2011-06-09 | 2014-07-15 | Illumina, Inc. | Patterned flow-cells useful for nucleic acid analysis |
| KR102019534B1 (ko) * | 2013-02-01 | 2019-09-09 | 케이엘에이 코포레이션 | 결함 특유의, 다중 채널 정보를 이용한 웨이퍼 상의 결함 검출 |
| CN103116889A (zh) * | 2013-02-05 | 2013-05-22 | 海信集团有限公司 | 一种定位方法及电子设备 |
| US20160003375A1 (en) | 2014-07-01 | 2016-01-07 | Roy Lee Robertson, Jr. | Versatile hanging system for roof support systems |
| JP2016033620A (ja) | 2014-07-31 | 2016-03-10 | キヤノン株式会社 | 画像取得装置 |
| WO2016033207A1 (en) * | 2014-08-27 | 2016-03-03 | Pacific Biosciences Of California, Inc. | Arrays of integrated analyitcal devices |
| US9897791B2 (en) * | 2014-10-16 | 2018-02-20 | Illumina, Inc. | Optical scanning systems for in situ genetic analysis |
-
2017
- 2017-05-05 NL NL2018852A patent/NL2018852B1/en active
-
2018
- 2018-02-23 NZ NZ74020118A patent/NZ740201A/en unknown
- 2018-02-23 AU AU2018201352A patent/AU2018201352B2/en active Active
- 2018-02-26 CA CA2996541A patent/CA2996541C/en active Active
- 2018-02-26 CA CA3139142A patent/CA3139142C/en active Active
- 2018-02-26 JP JP2018032025A patent/JP6563539B2/ja active Active
- 2018-02-27 TW TW109100583A patent/TWI728645B/zh active
- 2018-02-27 TW TW107106625A patent/TWI685653B/zh active
- 2018-02-28 SG SG10202002144PA patent/SG10202002144PA/en unknown
- 2018-02-28 SG SG10201801648VA patent/SG10201801648VA/en unknown
- 2018-03-01 US US15/909,437 patent/US10152776B2/en active Active
- 2018-03-02 IL IL257826A patent/IL257826B/en active IP Right Grant
- 2018-03-05 SA SA118390405A patent/SA118390405B1/ar unknown
- 2018-03-06 EP EP23151672.5A patent/EP4187234A1/en active Pending
- 2018-03-06 EP EP18160337.4A patent/EP3373238B1/en active Active
- 2018-03-06 ES ES18160337T patent/ES2948760T3/es active Active
- 2018-03-07 BR BR102018004557A patent/BR102018004557A2/pt not_active Application Discontinuation
- 2018-03-07 CN CN202010425476.5A patent/CN111652797A/zh active Pending
- 2018-03-07 CN CN201810185711.9A patent/CN108573468B/zh active Active
- 2018-03-07 KR KR1020180026797A patent/KR102072232B1/ko active Application Filing
- 2018-11-15 US US16/192,608 patent/US10909666B2/en active Active
-
2019
- 2019-05-21 JP JP2019095280A patent/JP6871970B2/ja active Active
-
2020
- 2020-01-22 KR KR1020200008865A patent/KR102455926B1/ko active IP Right Grant
-
2021
- 2021-01-29 US US17/162,928 patent/US11568522B2/en active Active
-
2022
- 2022-12-23 US US18/088,132 patent/US11816816B2/en active Active
-
2023
- 2023-10-05 US US18/481,442 patent/US20240029217A1/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001124517A (ja) | 1999-10-27 | 2001-05-11 | Mitsutoyo Corp | 撮像空間の幾何学的歪み解消方法 |
| WO2013051147A1 (ja) * | 2011-10-07 | 2013-04-11 | キヤノン株式会社 | 画像取得装置の調整方法、画像取得装置および画像取得装置の製造方法 |
| JP2014164004A (ja) * | 2013-02-22 | 2014-09-08 | Hitachi High-Technologies Corp | 蛍光顕微鏡 |
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102072232B1 (ko) | 이미지화된 샘플들에 대한 광학적 왜곡 보정 | |
| KR102478948B1 (ko) | 패턴화된 어레이의 나노웰을 가진 감소한 차수의 구조화 조명 현미경법 | |
| KR102306769B1 (ko) | 라인 스캐닝을 이용한 구조화 조명 현미경법 | |
| US20230018469A1 (en) | Specialist signal profilers for base calling | |
| NZ752391B2 (en) | Optical distortion correction for imaged samples | |
| EP4374378A1 (en) | Specialist signal profilers for base calling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent |