TW202142856A - 用於生物樣本之分析的系統及方法 - Google Patents

用於生物樣本之分析的系統及方法 Download PDF

Info

Publication number
TW202142856A
TW202142856A TW109139982A TW109139982A TW202142856A TW 202142856 A TW202142856 A TW 202142856A TW 109139982 A TW109139982 A TW 109139982A TW 109139982 A TW109139982 A TW 109139982A TW 202142856 A TW202142856 A TW 202142856A
Authority
TW
Taiwan
Prior art keywords
data
interest
view
microfluidic device
filter
Prior art date
Application number
TW109139982A
Other languages
English (en)
Inventor
達山 撒克
凱斯 Ｊ 布林格
浩天 白
克里斯多夫 安德烈斯 尼爾
湯瑪士 Ｍ 維特利
海利 M 班尼特
伊莉莎白 瑪莉 渥克塞克
亞歷山德勒 吉列德 歐森
衛斯理 亞瑟 辛克
歐勒克山德 托馬克科夫
尤里 尼奇珀魯克
伊戈爾 法斯納查特
安德理 科瓦爾
克里斯汀 安德烈斯
阿洛納 科斯堅科
約翰 Ａ 坦尼
Original Assignee
美商伯克利之光生命科技公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 美商伯克利之光生命科技公司 filed Critical 美商伯克利之光生命科技公司
Publication of TW202142856A publication Critical patent/TW202142856A/zh

Links

Images

Classifications

    • 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
    • B01L3/502761—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 specially adapted for handling suspended solids or molecules independently from the bulk fluid flow, e.g. for trapping or sorting beads, for physically stretching molecules
    • 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
    • B01L3/502769—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 multiphase flow arrangements
    • B01L3/502784—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 multiphase flow arrangements specially adapted for droplet or plug flow, e.g. digital microfluidics
    • 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
    • B01L3/502769—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 multiphase flow arrangements
    • B01L3/502784—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 multiphase flow arrangements specially adapted for droplet or plug flow, e.g. digital microfluidics
    • B01L3/502792—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 multiphase flow arrangements specially adapted for droplet or plug flow, e.g. digital microfluidics for moving individual droplets on a plate, e.g. by locally altering surface tension
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1484—Optical investigation techniques, e.g. flow cytometry microstructural devices
    • 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
    • G01N21/6458—Fluorescence microscopy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00871—Communications between instruments or with remote terminals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/20—Sequence assembly
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • B01L2200/026—Fluid interfacing between devices or objects, e.g. connectors, inlet details
    • B01L2200/027—Fluid interfacing between devices or objects, e.g. connectors, inlet details for microfluidic devices
    • 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
    • B01L2200/06—Fluid handling related problems
    • B01L2200/0647—Handling flowable solids, e.g. microscopic beads, cells, particles
    • B01L2200/0668—Trapping microscopic beads
    • 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
    • B01L2300/06—Auxiliary integrated devices, integrated components
    • B01L2300/0627—Sensor or part of a sensor is integrated
    • B01L2300/0645—Electrodes
    • 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
    • B01L2300/0883—Serpentine channels
    • 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
    • B01L2300/16—Surface properties and coatings
    • B01L2300/161—Control and use of surface tension forces, e.g. hydrophobic, hydrophilic
    • B01L2300/165—Specific details about hydrophobic, oleophobic surfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L2400/00—Moving or stopping fluids
    • B01L2400/04—Moving fluids with specific forces or mechanical means
    • B01L2400/0403—Moving fluids with specific forces or mechanical means specific forces
    • B01L2400/0415—Moving fluids with specific forces or mechanical means specific forces electrical forces, e.g. electrokinetic
    • B01L2400/0427—Electrowetting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L2400/00—Moving or stopping fluids
    • B01L2400/08—Regulating or influencing the flow resistance
    • B01L2400/084—Passive control of flow resistance
    • B01L2400/086—Passive control of flow resistance using baffles or other fixed flow obstructions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1486—Counting the particles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1493—Particle size
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1497—Particle shape
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G01N2021/6439—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N2035/00891—Displaying information to the operator
    • G01N2035/0091—GUI [graphical user interfaces]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Medical Informatics (AREA)
  • Dispersion Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Clinical Laboratory Science (AREA)
  • Hematology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Bioethics (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Quality & Reliability (AREA)
  • Fluid Mechanics (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本發明揭示用於對生物樣本執行程序之方法、系統及製造物品。可識別微流體裝置中之多個所關注區中之生物樣本之分析及與該分析相關之時間線。可判定該多個所關注區之一或多種所關注區類型；可至少部分基於該一或多種所關注區類型而判定該等生物樣本之多個特性。可至少部分基於該多個識別符及該時間線而在使用者介面中針對該等生物樣本之至少一部分配置及顯現分別對應於該使用者介面中之該多個所關注區之相關聯資料。可使用廻旋神經網路(CNN)至少部分基於資料之類別或類型而判定所關注區中之該等生物樣本之計數。

Description

用於生物樣本之分析的系統及方法
本發明係關於可用於例如在圖形使用者介面(GUI)中產生及顯示微物件之分析結果之裝置、系統及程序，且更具體而言係關於與藉由微物件分析產生之資料一起使用之此等方法、系統及GUI。
微流體裝置(亦稱為「實驗室晶片」)上之生物化驗已成為重要的研究工具，此係因為微流體裝置能夠產生高輸送量，繼而可極大地減少運行大量統計相關測試之時間及費用兩者。可理解，此方面之改良可能對療法之評定具有很大影響。
可自Berkeley Lights (加利福尼亞州埃默里維爾)購得之數位細胞生物學技術(包含信標及閃電平臺)包含供研究人員操縱微物件(包含生物化驗中使用之生物細胞、珠及其他物件)之重要的新工具。以下文件(其等全文以引用的方式併入本文中)描述此等技術之一些態樣：
針對具有室(或圈)之微流體裝置：2018年1月2日發佈之美國專利第9,857,333號(亦參見2014年5月8日公佈之WO 2014/070873)；及2018年7月3日發佈之美國專利第10,010,882號(亦參見2015年4月30日公佈之WO 2015/061497)。
針對能夠產生介電泳(DEP)力之微流體裝置及在微流體裝置內移動微物件之其他構件：2014年1月21日發佈之美國專利第RE44,711號；2011年6月7日發佈之美國專利第7,956,339號；2016年1月5日發佈之美國專利第9,227,200號；2018年3月6日發佈之美國專利第9,908,115號(亦參見2016年6月16日公佈之WO 2016/094308)；2016年8月2日發佈之美國專利第9,403,172號及2018年2月20日發佈之美國專利第9,895,699號(亦參見2014年5月15日公佈之WO 2014/074367)；2017年11月14日發佈之美國專利第9,815,056號(亦參見2016年6月9日公佈之WO 2016/090295)；2018年8月28日發佈之美國專利第10,058,865號(亦參見2016年6月16日公佈之WO 2016/094333)；及2018年6月28日公佈之WO 2017/117408。
針對化驗微流體晶片中之生物細胞之方法：2015年4月30日公佈之WO 2015/061497；2018年2月13日發佈之美國專利第9,889,445號及2019年8月13日發佈之美國專利第10,376,886號(亦參見2015年4月30日公佈之WO 2015/061506)；2017年6月15日公佈之WO 2017100347；2017年6月1日公佈之WO 2017091601；2017年10月19日公佈之WO 2017/181135；2017年9月21日公佈之WO 2017/161210；2018年1月25日公佈之WO 2018018017；2018年4月5日公佈之WO 2018064640；2018年7月26日公佈之WO 2018/076024；2019年4月19日公佈之WO 2019075476；2019年10月3日公佈之WO 2019191459；2020年5月7日公佈之WO 2020092975；2020年3月19日公佈之WO 20200056339；2020年4月16日公佈之WO 2020077274；2020年8月25日發佈之US10,751,715；及2020年11月5日公佈之WO 2020223555。
針對適合於操作此等微流體裝置且執行此等方法之全部或部分之儀器及軟體：2014年1月21日發佈之美國專利第RE44,711號；2019年8月20日發佈之美國專利第10,384,204號(亦參見2016年6月16日公佈之WO 2016/094308)；2018年6月7日公佈之WO 2018/102747；2018年6月7日公佈之WO 2018/102748；2018年6月12日發佈之美國專利第9,996,920號(亦參見2016年6月16日公佈之WO 2016/094459)；2016年6月16日公佈之WO 2016/094522；及2019年3月31日申請之PCT/US2019/035046。
其他類型之具有室之微流體裝置、用於化驗生物細胞之方法以及用於操作此等裝置且執行此等方法之儀器包含：美國專利6,294,063 (Becker等人)、6,408,878 (Unger等人)、6,942,776 (Medoro)、10,421,936 (Hansen等人)及10,466,241 (Hansen等人)
在此等技術中，單個裝置上存在兩個或幾個至數十個至數百個室；室可為基板中之微孔，或可大數百倍至數千倍之大室。在某些實施例中，在對室中之微物件(例如，珠、蛋白質及/或生物細胞等)運行化驗之後，此等系統之資料輸出包含非常大的資料集，該資料集包含例如資料節點，包含個別室本身(或大室之諸多離散區)(包含其中所包含之任何微物件)之高解析度影像資料。資料節點亦可包含各影像之時間戳以及在獲取該影像時之其他操作條件，及對微物件執行之化驗之定性及/或定量結果。
因為甚至來自單個系統或單個分析之所得資料集極其大且通常包含影像元素及文數字元素兩者，所以人類研究人員亦難以(若非完全不可能)捕獲或視覺化尤其在其間運行化驗之長時間週期內可在任何一或多個所關注室中發生之程序，且難以同時分析(例如，在視覺上比較)來自多個微物件之資料，更別提自其導出任何有用資訊。
為進一步加劇由來自甚至單個分析之極其大資料集所引起之問題，包含例如分析結果、用於分析之輸入資料、與生物樣本相關且與用於分析之設備相關之後設資料等之資料集通常包含通常未經結構化或彼此不相關之大量資料元素。
篩選具有以此一非結構化方式散佈之各種類型之資料或資訊之此一大資料集以破譯該資料集意欲於傳達之內容為研究人員快速且有效地對生物樣本執行多個分析及提取分析結果之最有影響力且有意義的合成提出無法克服、不切實際的障礙。在一項實例中，治療性抗體發現係在發現程序期間具有高度不確定性之費力、昂貴的程序。在另一非限制性實例中，偵測及高輸送量藥物篩選尤其在諸如Covid-19大流行之大流行情境中需要對潛在線索及候選療法進行快速多因素評定。因此，迫切需要在使各種資料及資訊(例如，分析結果、輸入、後設資料等)相關、分析所關注生物樣本、呈現所關注有關結果以供視覺化及允許研究人員有效且快速地操縱資料集以識別所關注資料以解決習知偵測或藥物篩選方法之至少前述問題及缺點方面進行改良。
在一或多項實施例中揭示對生物樣本執行程序之(若干)方法、(若干)系統及(若干)製造物品。一些實施例係關於一種用於針對生物樣本執行化驗分析或定序分析之方法。在此等實施例中，使用者介面經識別且經耦合至系統之處理器(例如，化驗分析器、通用電腦、專用電腦等)以處理自複數個生物樣本捕獲之輸入之一或多個屬性。一些實施例係關於一種用於對具有複數個室之微流體裝置中之所關注區中之生物樣本執行自動計數之方法。
本文中亦描述一種用於執行該等實施例之任一者中之前述方法之任一者之系統。亦描述一種用於在其上儲存指令序列之非暫時性電腦可讀媒體，該指令序列在由處理器或處理器核執行時引起該處理器或處理器核執行該等實施例之任一者中之前述方法之任一者。
本發明之一些實施例之摘要敘述
1. 一種用於分析生物樣本之方法，其包括：識別微流體裝置中之多個所關注區中之生物樣本之分析及與該分析相關之時間線，其中該時間線包括在時間上與該等生物樣本之該分析之工作流程或管線對準之資訊；判定該多個所關注區之一或多種所關注區類型，其中該一或多種所關注區類型包括與該等生物樣本之至少一個生物樣本相關之基於目標之類型或與該微流體裝置相關之基於結構之類型；至少部分基於該一或多種所關注區類型而判定該等生物樣本之多個特性，其中該多個特性分別對應於該等生物樣本或分析之屬性、性質或可量化度量；及至少部分基於該多個特性及該時間線而在使用者介面中針對該等生物樣本之至少一部分配置及顯現分別對應於該使用者介面中之該多個所關注區之相關聯資料。
2. 如實施例1之方法，其中配置及顯現該相關聯資料包括：至少部分基於該使用者介面中用於顯現該相關聯資料之可分配空間而判定具有用於該相關聯資料之複數個圖庫子結構之圖庫結構。
3. 如實施例1至2中任一實施例之方法，其中該複數個圖庫子結構中之圖庫子結構對應於與該等生物樣本之該分析或與該等生物樣本相關之特性，該圖庫子結構包括一或多個圖庫欄位，且該特性包括至少一個基於目標之特性、至少一個基於結構之特性或該至少一個基於目標之特性及該至少一個基於結構之特性之組合。
4. 如實施例1至3中任一實施例之方法，其中配置及顯現該相關聯資料包括：至少部分基於該特性而將該相關聯資料填入至該圖庫結構中之該複數個圖庫子結構中。
5. 如實施例1至4中任一實施例之方法，其中該圖庫子結構之圖庫欄位對應於針對該等生物樣本之至少一者之基於結構之所關注區或基於目標之所關注區捕獲之影像或影像序列，且該影像或該影像序列係自一或多個基本影像判定。
6. 如實施例1至5中任一實施例之方法，其中該時間線部分中之複數個圖形表示分別對應於該複數個圖庫子結構。
7. 如實施例1至4中任一實施例之方法，判定該圖庫結構包括：自儲存於非暫時性電腦可存取儲存媒體中之可定址空間中之該圖庫結構針對自該多個所關注區之至少第一部分獲得之該等生物樣本之至少第一部分判定與一組時間點或時間週期相關之第一資料序列，其中該第一資料序列對應於該多個特性之至少第一特性。
8. 如實施例1至7中任一實施例之方法，判定該圖庫結構包括：自該圖庫結構針對自該多個所關注區之至少第二部分獲得之該等生物樣本之至少第二部分判定與該組時間點或時間週期相關之第二資料序列，其中該第二資料序列對應於該多個特性之至少第二特性。
9. 如實施例1至8中任一實施例之方法，配置及顯現相關聯資料包括：在該使用者介面之第一視窗部分中且利用圖形處理單元在圖庫視圖中顯現該第一資料序列及該第二資料序列。
10.     如實施例1至9中任一實施例之方法，在該第一視圖中顯現該第一資料序列及該第二資料序列包括：回應於利用該使用者介面中之第一選擇介面工具集自該多個特性選擇至少該第一特性，自用於該等生物樣本之至少該第一部分或用於該分析之複數個值提取該第一特性之第一值；及自用於該等生物樣本之至少該第二部分或用於該分析之該複數個值提取該第二特性之第二值。
11.     如實施例1至10中任一實施例之方法，配置及顯現相關聯資料包括：將分別對應於該第一資料序列及該第二資料序列之第一互動式物件及第二互動式物件顯現至該圖庫視圖中。
12.     如實施例1至11中任一實施例之方法，其中該第一互動式物件代表用於該等生物樣本之至少該第一部分或用於該分析之該第一值，且該第二互動式物件代表用於該等生物樣本之至少該第二部分或用於該分析之該第二值。
13.     如實施例1至12中任一實施例之方法，其中該使用者介面經耦合至處理器以處理輸入之一或多個屬性之資料且包括自該等生物樣本之至少該第一部分及該第二部分捕獲並在該組時間點或時間週期獲得之一組影像。
14.     如實施例1至13中任一實施例之方法，其中該組影像中之影像係自安置於與包括複數個室之該微流體裝置相關之該多個所關注區中之所關注區內之各自生物樣本獲得。
15.     如實施例1至14中任一實施例之方法，配置及顯現相關聯資料包括：顯現該第一選擇介面工具集以選擇該等生物樣本之該第一特性。
16.     如實施例1至15中任一實施例之方法，其中在該圖庫結構之第一圖庫子結構中表示針對該微流體裝置中之該第一所關注區捕獲之第一組影像之第一資料集；且在該圖庫結構之第二圖庫子結構中表示針對該微流體裝置中之該第二所關注區捕獲之第二組影像之第二資料集。
17.     如實施例1至16中任一實施例之方法，其中該第一互動式物件在一組時間點或時間週期之第一時間點或時間週期與第一等級相關聯，該第一等級至少部分基於針對該第一所關注區之該第一特性之該第一值而指示與該微流體裝置中之該複數個室有關之該第一所關注區之第一位置。
18.     如實施例1至17中任一實施例之方法，其中該第二互動式物件在該組時間點或時間週期之該第一時間點或時間週期與第二等級相關聯，該第二等級至少部分基於針對該第二所關注區之該第一特性之該第一值而指示與該微流體裝置中之該複數個室相關之該第二所關注區之第二位置。
19.     如實施例1至18中任一實施例之方法，其中該第一等級及該第二等級分別連同該第一互動式物件及該第二互動式物件一起顯示於該第一視圖中以分別指示在該第一時間點或時間週期在該第一所關注區中之該第一生物樣本之第一狀態及在該第二所關注區中之該第二生物樣本之第二狀態。
20.     如實施例1至19中任一實施例之方法，其中資料之第一圖庫子結構及資料之第二圖庫子結構經配置以包括具有對應於該第一識別符之互動式識別符之第三圖庫子結構。
21.     如實施例1至20中任一實施例之方法，其中該第三圖庫子結構之該互動式識別符在該使用者介面中調用時觸發至少部分基於該第一等級及該第二等級而配置該第一圖庫子結構及該第二圖庫子結構之分級操作。
22.     如實施例1至21中任一實施例之方法，其中該複數個圖庫子結構中之圖庫子結構之高度或寬度可組態成經修改高度或經修改寬度，或第三線性結構中之欄位之寬度可組態成該第一視圖中之經修改寬度。
23.     如實施例1至16中任一實施例之方法，其中該圖庫結構包含：行結構及列結構，該行結構包括多個行，該列結構包括多個列；及生物樣本資料，其特定於對該微流體裝置之單個室中之一或多個生物樣本執行之分析。
24.     如實施例1至23中任一實施例之方法，其中該行結構中之行對應於特定於對該單個室執行之分析之該生物樣本資料，且對應於該行之各列分別對應於在特定時間點或在特定時間週期內針對該單個室捕獲或產生之生物樣本資料。
25.     如實施例1至23中任一實施例之方法，其中該列結構中之列對應於特定於對該微流體裝置中之室執行之分析之生物樣本資料，且對應於該列之各行分別對應於在特定時間點或在特定時間週期內針對該室捕獲或產生之生物樣本資料。
26.     如實施例1至25中任一實施例之方法，其中該多個特性之識別符與對該微流體裝置中之該等生物樣本之至少一個生物樣本執行之化驗分析或化驗分析結果之至少一個態樣有關。
27.     如實施例1至23中任一實施例之方法，其中在捕獲或產生該組影像、該第一資料序列或該第二資料序列時利用唯一時間戳對該組影像、該第一資料序列或該第二資料序列進行時間戳記。
28.     如實施例1至22中任一實施例之方法，其中該多個特性包括以下項之至少一者：該微流體裝置中之室之識別符、該等生物樣本之大小屬性、該等生物樣本之最大亮度屬性、該等生物樣本之最小亮度屬性、生物樣本之質心在第一方向上之第一像素計數屬性、該生物樣本之該質心在第二方向上之第二像素計數屬性、該生物樣本之該質心之大小屬性、時移索引屬性、該微流體裝置之裝置識別符、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性、該複數個室或該多個所關注區之分數屬性、閘路徑索引、區域像素屬性、背景像素屬性或該等生物樣本之中位數亮度屬性。
29.     如實施例1至28中任一實施例之方法，顯現該第一互動式物件及該第二互動式物件包括：藉由該處理器至少部分基於待在該使用者介面中表示之第一等級而判定該使用者介面中之該圖庫結構之第一圖庫子結構之動態寬度或長度。
30.     如實施例1至29中任一實施例之方法，顯現該第一互動式物件及該第二互動式物件進一步包括：至少部分基於該第一圖庫子結構之該動態寬度或長度而將包括第一影像序列之該第一資料序列之至少一部分顯現至該第一圖庫子結構中。
31.     如實施例1至30中任一實施例之方法，其中該第一圖庫子結構之第一複數個圖庫欄位中之圖庫欄位對應於該多個所關注區中之所關注區，其中該所關注區對應於第一唯一識別符。
32.     如實施例1至31中任一實施例之方法，其中該圖庫欄位進一步對應於與該複數個室相關之該所關注區且進一步經配置以對應於複數個圖庫子結構。
33.     如實施例1至32中任一實施例之方法，其中該複數個圖庫子結構之圖庫子結構對應於該多個特性之識別符。
34.     如實施例1至33中任一實施例之方法，其進一步包括：回應於至少部分基於該時間線透過該使用者介面中之時間線視圖啟動互動式介面工具集而調用時間線視圖，在該使用者介面中顯現該時間線視圖及匹配網格部分。
35.     如實施例1至34中任一實施例之方法，其中該時間線視圖包括該等生物樣本之該分析中之多個工作流程任務之各自進度。
36.     如實施例1至35中任一實施例之方法，其中至少部分基於與該分析或與該等生物樣本相關之第一資料序列及第二資料序列而顯現該時間線視圖。
37.     如實施例1至36中任一實施例之方法，其中該各自進度以圖形方式指示該多個工作流程任務之各自時間性持續時間。
38.     如實施例1至37中任一實施例之方法，其中各自進度係利用互動式進度介面工具集來表示，該互動式進度介面工具集在該時間線視圖中互動時引起該處理器至少將該第一資料序列之至少一部分或該第一分析結果之至少一部分填入該匹配網格部分。
39.     如實施例1至37中任一實施例之方法，其進一步包括：回應於該微流體裝置之識別、該使用者介面中表示之該第一資料序列或該第二資料序列，判定是否存在用於該微流體裝置之該圖庫結構，其中該資料包括該使用者介面中表示之與來自該多個所關注區之第一所關注區之該第一生物樣本相關之該第一資料序列或與來自該多個所關注區之該第二所關注區之該第二生物樣本相關之該第二資料序列。
40.     如實施例1至39中任一實施例之方法，其進一步包括：當判定存在用於該微流體裝置之該圖庫結構時，將該第一資料序列之至少一部分或該相關聯資料之至少一部分填入該匹配網格部分；及顯現識別符介面工具集，該識別符介面工具集在自該使用者介面接收識別符變化輸入時觸發改變該第一資料序列之第一識別符之指令。
41.     如實施例1至40中任一實施例之方法，其進一步包括：顯現刪除介面工具集，該刪除介面工具集在該使用者介面中調用時引起至少該處理器自該時間線視圖移除該微流體裝置及與該微流體裝置相關之資料。
42.     如實施例1至41中任一實施例之方法，其中該時間線視圖包括該使用者介面中之第一可調整大小或形狀。
43.     如實施例1至42中任一實施例之方法，其中該匹配網格部分包括該使用者介面中之第二可調整大小或形狀。
44.     如實施例1至43中任一實施例之方法，其中該時間線部分包括分別識別該多個生物實驗之對應實驗類型之多個圖形表示。
45.     如實施例1至44中任一實施例之方法，其進一步包括：使該多個所關注區之第一所關注區與時間線視圖中所繪示之一或多個圖形元素相關聯。
46.     如實施例1至36中任一實施例之方法，其中將該第一所關注區與該一或多個圖形元素相關聯包括在該使用者介面之一部分中之第一行中針對該一或多個圖形元素之第一圖形元素顯現對應於在第一時間點或第一時間週期捕獲之第一資料序列之第一互動式物件。
47.     如實施例1至46中任一實施例之方法，其中將該第一所關注區與該一或多個圖形元素相關聯包括：針對該一或多個圖形元素之第二圖形元素顯現對應於在第二時間點或第二時間週期捕獲之第一資料序列之第二互動式物件，該第二互動式物件對應於該使用者介面之該部分中之第二行。
48.     如實施例1至46中任一實施例之方法，其中該一或多個圖形元素之圖形元素之大小對應於在其間針對該等生物樣本捕獲資料之時間週期之時間性持續時間，且較大圖形元素指示較長時間週期。
49.     如實施例1至36中任一實施例之方法，其中配置及顯現該相關聯資料包括：至少部分基於該等生物樣本之該分析之管線或工作流程而判定該時間線。
50.     如實施例1至49中任一實施例之方法，其中配置及顯現該相關聯資料包括：至少部分基於該時間線而判定用於該分析之複數個階段，其中該複數個階段分別對應於用於該等生物樣本之該分析之複數個時間點或時間週期。
51.     如實施例1至50中任一實施例之方法，其中配置及顯現該相關聯資料包括：至少部分基於該複數個時間點或時間週期而分別判定該複數個階段之複數個圖形表示。
52.     如實施例1至51中任一實施例之方法，其中配置及顯現該相關聯資料包括：根據與該複數個時間點或時間週期相關之時間順序而在該使用者介面中配置及顯現該時間線視圖中之該複數個圖形表示。
53.     如實施例1至52中任一實施例之方法，其進一步包括在該使用者介面中顯現資料控制視圖，顯現該資料控制視圖包括：針對具有複數個室之該微流體裝置產生具有複數個欄位之微流體裝置資料結構。
54.     如實施例1至53中任一實施例之方法，顯現該資料控制視圖包括：將該微流體裝置之第一資料填入該微流體裝置資料結構中之第一欄位中，其中該第一資料包括該微流體裝置之第一識別符。
55.     如實施例1至54中任一實施例之方法，顯現該資料控制視圖包括：針對該微流體裝置資料結構中之該第一欄位顯現第一互動式資料控制介面工具集，其中該第一互動式資料控制介面工具集在互動時取決於在該資料控制視圖中接收之用於組態與至少該第一資料及圖庫視圖相關之室清單之第一輸入而調用與時間線視圖或該圖庫視圖相關之多個第一候選動作之一者。
56.     如實施例1至55中任一實施例之方法，顯現該資料控制視圖進一步包括：將該微流體裝置之第二資料填入該微流體裝置資料結構中之第二欄位中，其中該第二資料包括與對該微流體裝置中之該等生物樣本之第一生物處理相關之標籤。
57.     如實施例1至56中任一實施例之方法，顯現該資料控制視圖進一步包括：針對該第二欄位顯現第二互動式資料控制介面工具集，其中該第二互動式資料控制介面工具集回應於該資料控制視圖中用於組態該相關聯資料之一或多個視覺化選項之第二使用者輸入而調用多個第二候選動作之至少一者。
58.     如實施例1至55中任一實施例之方法，顯現該資料控制視圖進一步包括：將該微流體裝置之第三資料填入該微流體裝置資料結構中之一或多個第三欄位中，其中該第三資料包括用於該微流體裝置之時間戳。
59.     如實施例1至58中任一實施例之方法，顯現該資料控制視圖進一步包括：針對一或多個第三欄位顯現第三互動式資料控制介面工具集，其中該第三互動式資料控制介面工具集在互動時回應於該資料控制視圖中用於組態該分析之降維或叢集化之第三使用者輸入而調用多個第三候選動作之至少一者。
60.     如實施例1至59中任一實施例之方法，其進一步包括顯現過濾器視圖，其中顯現該過濾器視圖包括：至少部分基於由與過濾器產生模組中之第一過濾器選擇器開關之互動觸發之一或多個指令之執行而判定第一過濾器之第一過濾器類型。
61.     如實施例1至60中任一實施例之方法，顯現該過濾器視圖包括：回應於該第一過濾器類型之判定，在該使用者介面中之該過濾器視圖中針對一或多個第一過濾器之該第一過濾器類型顯現該第一過濾器選擇器開關，其中該第一屬性選擇器開關在被調用時觸發該第一過濾器類型之一或多個第一互動式過濾器屬性之清單之第一呈現。
62.     如實施例1至61中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於一或多個第一互動式過濾器屬性之該清單中之第一互動式過濾器屬性之調用，顯現用於根據該第一過濾器對該微流體裝置中之該複數個室或該多個所關注區進行過濾之第一過濾器組態器。
63.     如實施例1至62中任一實施例之方法，其中該第一過濾器組態器回應於該第一互動式過濾器屬性之第一互動式過濾器輸入而對該複數個室或該多個所關注區施加第一動態約束。
64.     如實施例1至63中任一實施例之方法，其中該第一動態約束約束該複數個室或該多個所關注區以自該複數個室或該多個所關注區產生待在該使用者介面中顯示之第一組經過濾所關注區。
65.     如實施例1至64中任一實施例之方法，其中該第一過濾器組態器包括第一組態滑塊介面工具集，該第一組態滑塊介面工具集在該過濾器視圖中用動態操縱進行操縱時限定該微流體裝置中之數個動態受約束所關注區且至少部分基於該動態操縱而進一步觸發該過濾器視圖中之該數個動態受約束所關注區之圖形表示。
66.     如實施例1至64中任一實施例之方法，顯現該過濾器視圖進一步包括：在該過濾器視圖中針對該微流體裝置動態地判定及顯示滿足該第一動態約束之該第一組經過濾所關注區之所關注區之第一總數目。
67.     如實施例1至66中任一實施例之方法，顯現該過濾器視圖進一步包括：顯現回應於該第一過濾器之該第一動態約束之第一動態變化而動態地變動之第一直方圖。
68.     如實施例1至67中任一實施例之方法，其中該第一直方圖包括疊置於回應於該第一動態約束之該第一動態變化而動態地變動之該第一直方圖之頂部上之該複數個室或所關注區之去強調直方圖。
69.     如實施例1至68中任一實施例之方法，其中該過濾器視圖進一步包括關於該第一組經過濾所關注區之經過濾所關注區之資訊，該資訊包括一或多個所關注區識別符、滿足該第一動態約束之所關注區之該第一總數目、繪示該複數個室或該多個所關注區在該第一互動式過濾器屬性上之第一分佈之直方圖、繪示該第一組經過濾所關注區在該第一互動式過濾器屬性上之第二分佈之該直方圖之突顯部分或其等任何組合。
70.     如實施例1至61中任一實施例之方法，顯現該過濾器視圖進一步包括：在該過濾器產生模組處產生至少第二過濾器類型之第二過濾器及第三過濾器類型之第三過濾器之邏輯組合。
71.     如實施例1至70中任一實施例之方法，顯現該過濾器視圖進一步包括針對該第二過濾器類型顯現該第一過濾器選擇器開關。
72.     如實施例1至71中任一實施例之方法，其中該第一過濾器選擇器開關在被調用時用來判定該第二過濾器類型、用於該第二過濾器之第二屬性選擇器或用於該第三過濾器之第三屬性選擇器。
73.     如實施例1至72中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於第二過濾器屬性之判定，顯現用於根據該第二過濾器對該複數個室或該多個所關注區進行過濾之第二過濾器組態器，其中該第二過濾器組態器回應於第二過濾器輸入而施加第二動態約束，該第二動態約束約束來自該多個所關注區之待在該使用者介面中顯示之經過濾所關注區之第二數目。
74.     如實施例1至73中任一實施例之方法，顯現該過濾器視圖進一步包括：在該過濾器視圖中針對該微流裝置動態地判定及顯示滿足該第二動態約束之經過濾所關注區之第二總數目。
75.     如實施例1至74中任一實施例之方法，顯現該過濾器視圖進一步包括：顯現回應於來自該第二過濾器輸入之該第二動態約束之第二動態變化而動態地變動之第二直方圖。
76.     如實施例1至75中任一實施例之方法，顯現該過濾器視圖進一步包括：針對該第二過濾器類型顯現該第一過濾器選擇器開關，其中該第一過濾器選擇器開關在被調用時用來判定該第二過濾器類型及對應於該第二過濾器類型之該第二屬性選擇器。
77.     如實施例1至76中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於該第二過濾器類型之調用，在該使用者介面中之該過濾器視圖中針對一或多個第二過濾器之該第二過濾器類型顯現該第二屬性選擇器開關。
78.     如實施例1至77中任一實施例之方法，其中該第二屬性選擇器在被調用時觸發該第二過濾器類型之一或多個第二互動式過濾器屬性之清單之第二呈現。
79.     如實施例1至78中任一實施例之方法，顯現該過濾器視圖進一步包括：針對該第三過濾器類型顯現該過濾器產生模組中之該第一過濾器選擇器開關，其中該第一過濾器選擇器開關在被調用時用來判定該第三過濾器類型及對應於該第三過濾器類型之該第三屬性選擇器。
80.     如實施例1至79中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於該第三過濾器類型之調用，在該使用者介面中之該過濾器視圖中針對一或多個第三過濾器之該第三過濾器類型顯現該第三屬性選擇器，其中該第三屬性選擇器在被調用時觸發該第三過濾器類型之一或多個第三互動式過濾器屬性之清單之第三呈現。
81.     如實施例1至80中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於第二互動式過濾器屬性之選擇，顯現用於根據該第二過濾器對該微流體裝置中之該複數個室或該多個所關注區進行過濾之該第二過濾器組態器。
82.     如實施例1至81中任一實施例之方法，其中該第二過濾器組態器用來回應於第二互動式過濾器輸入而施加該第二動態約束。
83.     如實施例1至82中任一實施例之方法，其中該第二動態約束將來自該第一過濾器之該複數個室或該多個所關注區約束成待在該使用者介面中顯示之第二組經過濾所關注區。
84.     如實施例1至83中任一實施例之方法，其中該第二過濾器組態器包括第二組態滑塊介面工具集，該第二組態滑塊介面工具集在用第二動態操縱進行操縱時將該複數個室或該多個所關注區限定成該微流體裝置之單獨數目個動態受約束所關注區且進一步觸發至少部分基於該第二動態操縱而在該過濾器視圖中顯現該單獨數目個動態受約束所關注區之圖形表示。
85.     如實施例1至82中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於第三互動式過濾器屬性之選擇或判定，顯現用於根據該第三過濾器對該微流體裝置中之該第二組經過濾所關注區進行過濾之第三過濾器組態器。
86.     如實施例1至85中任一實施例之方法，其中該第三過濾器組態器回應於第三互動式過濾器輸入而施加第三動態約束，且該第三動態約束將來自該第二過濾器之該第二組經過濾所關注區約束成待在該使用者介面中顯示之第三組經過濾所關注區。
87.     如實施例1至86中任一實施例之方法，顯現該過濾器視圖進一步包括：在該過濾器視圖中針對該微流體裝置動態地判定及顯示滿足該第二動態約束之該第二組經過濾所關注區中之所關注區之第二總數目。
88.     如實施例1至87中任一實施例之方法，顯現該過濾器視圖進一步包括：在該過濾器視圖中針對該微流體裝置動態地判定及顯示滿足該第三動態約束之該第三組經過濾所關注區之所關注區之第三總數目。
89.     如實施例1至88中任一實施例之方法，其中該過濾器視圖進一步包括關於該第二組經過濾所關注區或該第三組經過濾所關注區之經過濾所關注區之第二資訊，該第二資訊包括一或多個所關注區識別符、分別滿足該第二動態約束或該第三動態約束之所關注區之該第二總數目或該第三總數目、繪示該複數個所關注區在該第二互動式過濾器屬性及該第三互動式過濾器屬性上之單獨分佈之單獨直方圖、繪示該第二組經過濾所關注區或該第三組經過濾所關注區在該第一互動式過濾器屬性上之第三分佈之該單獨直方圖之單獨突顯部分或其等任何組合。
90.     如實施例1至89中任一實施例之方法，顯現該過濾器視圖進一步包括：顯現回應於來自該第二互動式過濾器輸入之該第二動態約束之該第二動態變化而動態地變動之第三直方圖或散點圖。
91.     如實施例1至90中任一實施例之方法，顯現該過濾器視圖進一步包括：顯現回應於由於該第三互動式過濾器輸入之該第三動態約束之第三動態變化而動態地變動之第四直方圖或散點圖。
92.     如實施例1至91中任一實施例之方法，顯現該過濾器視圖進一步包括：在清單產生模組處產生第一所關注區清單。
93.     如實施例1至92中任一實施例之方法，產生該第一所關注區清單包括以下項之至少一者：自該使用者介面接收用於至少部分基於與該使用者介面之第一互動而產生該第一所關注區清單之第一指令，其中該第一互動對應於在該使用者介面中切換多狀態選擇器以在該過濾器視圖中針對在一組經過濾所關注區中或在該複數個室或該多個所關注區中之選定所關注區設定選定狀態；在該過濾器視圖中顯現清單產生開關，其中該清單產生開關在被調用時用來產生該第一所關注區清單以包含至少由來自該組經過濾所關注區或該複數個室或該多個所關注區之該第一互動選擇之一或多個第一選定所關注區；或回應於與該清單產生開關之互動而針對該一或多個第一選定所關注區產生該第一所關注區清單。
94.     如實施例1至91中任一實施例之方法，顯現該過濾器視圖進一步包括：在該清單產生模組處產生第二所關注區清單；及至少部分基於一或多個過濾器而在該過濾器視圖中之圖表中呈現數個經呈現所關注區，其中該圖表繪示該數個經呈現所關注區之一或多個性質如何相對於該一或多個過濾器分佈。
95.     如實施例1至94中任一實施例之方法，顯現該過濾器視圖進一步包括：至少部分基於來自該使用者介面之第二互動而接收第二指令，其中該第二互動包括自該數個經呈現所關注區選擇具有使用者定義之曲線或直線邊界之所關注區子集，該使用者定義之曲線或直線邊界圍封在該使用者介面中顯示與該相關聯資料相關之資料之一或多個顯示區域。
96.     如實施例1至95中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於該清單產生開關之啟動而針對該一或多個顯示區域產生該第二所關注區清單。
97.     如實施例1至96中任一實施例之方法，其中至少部分基於包括該數個經呈現所關注區中之一或多個所關注區之一或多個特性之一或多個選擇準則而判定該過濾器視圖中之該使用者定義之曲線或直線邊界，且至少部分基於該數個經呈現所關注區之第一性質而在該過濾器視圖中以具有多個色彩或均勻色彩方案之熱圖顯示該數個經呈現所關注區。
98.     如實施例1至97中任一實施例之方法，顯現該過濾器視圖進一步包括：回應於在該過濾器視圖中指標裝置之游標懸停於該所關注區處或周圍，觸發彈出顯示區之產生以顯示關於該所關注區之資訊，其中該資訊可由使用者至少部分基於該所關注區之該一或多個特性之選擇而組態。
99.     如實施例1至98中任一實施例之方法，顯現該過濾器視圖進一步包括：至少藉由將一或多個節點添加至該使用定義之曲線或直線邊界且藉由至少部分基於該一或多個節點而修改該使用定義之曲線或直線邊界來修改該使用定義之曲線或直線邊界。
100.   如實施例1至99中任一實施例之方法，其進一步包括產生生物資訊學管線視圖，產生該生物資訊學管線視圖包括：判定該微流體裝置之該複數個室或該多個所關注區中之該等生物樣本之定序資料集，其中生物樣本包括核苷酸或氨基酸序列。
101.   如實施例1至100中任一實施例之方法，產生該生物資訊學管線視圖進一步包括：在該使用者介面中接收該定序資料集；及在該使用者介面中識別與該核苷酸或氨基酸序列相關之特性。
102.   如實施例1至101中任一實施例之方法，產生該生物資訊學管線視圖進一步包括：回應於與該使用者介面中之第一定序視圖介面工具集之第一互動，在該生物資訊學管線視圖中顯現第一定序視圖，該第一定序視圖繪示包含該微流體裝置之該複數個室或該多個所關注區中之核苷酸序列、氨基酸序列或大分子序列之至少一者之該第一生物樣本序列之屬性之分佈。
103.   如實施例1至102中任一實施例之方法，產生該生物資訊學管線視圖進一步包括：覆疊該第一定序視圖與第一資訊，該第一資訊包括第一生物樣本序列之該特性之該分佈之一或多個統計量度，其中該使用者介面包括多個第一生物樣本序列之總數目、具有該等第一生物樣本序列之所關注區之總數目及所關注區陣列之各自所關注區中之一或多個第一生物樣本序列之各自總數目。
104.   如實施例1至103中任一實施例之方法，產生該生物資訊學管線視圖進一步包括：回應於該第一定序視圖中之該分佈之一部分上之第二互動，覆疊該第一定序視圖與第二資訊，該第二資訊包括相對於該第一定序視圖中之該分佈之該部分與多個第一生物樣本序列之一或多個序列相關之一或多個可量化量度。
105.   如實施例1至104中任一實施例之方法，其進一步包括：接收與該使用者介面之該生物資訊學管線視圖中之第一曲線或直線選擇介面工具集之該第二互動，該第二互動觸發第一指令以至少部分基於該第二互動之程度而消除該生物資訊學管線視圖中之該第一定序視圖之一部分。
106.   如實施例1至105中任一實施例之方法，其進一步包括：回應於與該使用者介面中之第二定序視圖介面工具集之第三互動，在該生物資訊學管線視圖中顯現第二定序視圖，該第二定序視圖繪示該複數個室或該多個所關注區中之該核苷酸或氨基酸序列之該特性之第二分佈。
107.   如實施例1至106中任一實施例之方法，其中該第二分佈包括該複數個室或該多個所關注區中之該複數個生物樣本回應於螢光染料之各自強度，且該等各自強度與使用者可定製之各自色調相關聯。
108.   如實施例1至107中任一實施例之方法，其進一步包括：接收與該生物資訊學管線視圖中之該曲線或直線選擇介面工具集或不同曲線或直線選擇介面工具集之第四互動，該第三互動引起第二指令之執行以至少部分基於該第四互動之程度自該生物資訊學管線視圖中之該第二定序視圖選擇一或多個所關注區。
109.   如實施例1至108中任一實施例之方法，其進一步包括：自該使用者介面接收用於產生第一所關注區清單之第五指令。
110.   如實施例1至109中任一實施例之方法，接收用於產生該第一所關注區清單之該第五指令包括：至少部分基於該生物資訊學管線視圖中之該曲線或直線選擇介面工具集或該不同曲線或直線選擇介面工具集而針對選自該第二定序視圖之該一或多個所關注區產生該第一所關注區清單。
111.   如實施例1至110中任一實施例之方法，接收用於產生該第一所關注區清單之該第五指令包括：回應於包括選自該第二定序視圖之該一或多個所關注區之該第一所關注區清單之產生，觸發調用用於將第二資料序列顯現至該圖庫結構中之多個圖庫欄位或單獨圖庫結構中之操作之第六指令。
112.   如實施例1至111中任一實施例之方法，接收用於產生該第一所關注區清單之該第五指令進一步包括：判定該動態寬度或該多個圖庫欄位之各自圖庫欄位之不同動態寬度以在使用者介面中顯示。
113.   如實施例1至112中任一實施例之方法，接收用於產生該第一所關注區清單之該第五指令進一步包括：以選自該第二定序視圖之該一或多個所關注區之各自所關注區之對應顯示性質顯現各自互動式物件。
114.   如實施例1至113中任一實施例之方法，該組動作進一步包括：在包含至少一個視圖之該使用者介面中顯現多向放置介面工具集；及至少部分基於來自使用者之第一輸入而識別用於將單獨物件添加至該使用者介面中之添加指令。
115.   如實施例1至114中任一實施例之方法，該組動作進一步包括：至少部分基於該第一輸入而自用於該單獨物件之多個候選放置位置判定候選放置位置。
116.   如實施例1至115中任一實施例之方法，該組動作進一步包括：在該使用者介面中之該候選位置處顯現鬼影物件以依圖形方式呈現在將該單獨物件放置於該使用者介面中之前相對於該至少一個視圖待放置該單獨物件之位置。
117.   如實施例1至116中任一實施例之方法，其進一步包括：在來自該使用者輸入裝置之單獨輸入時將該單獨物件按扣至該候選放置位置。
118.   如實施例1至118中任一實施例之方法，其中該多向放置介面工具集在至少兩個正交方向上提供多個候選放置位置以將該單獨物件放置於該使用者介面中，且在將該單獨物件放置於該使用者介面中之後可個別地調整該單獨物件之一或多個邊界。
119.   如實施例1至118中任一實施例之方法，其中該第一輸入包括與該使用者輸入裝置之游標相對於該使用者介面中顯現之該多向放置介面工具集之相對位置相關之資訊，或至少藉由對該至少一個視圖重定大小以適應將該單獨物件放置於該使用者介面中之該候選放置位置處來在該使用者介面中以非重疊方式呈現該至少一個視圖及該單獨物件兩者。
120.   如實施例1至119中任一實施例之方法，其中該微流體裝置中之該複數個室之各室包括唯一識別符。
121.   如實施例1至120中任一實施例之方法，其中該多個特性對應於一或多個屬性，該一或多個屬性進一步包括以下項之至少一者：該微流體裝置中之所關注區之識別符、該複數個生物樣本之大小屬性、該複數個生物樣本之最大亮度屬性、該複數個生物樣本之最小亮度屬性、生物樣本之質心在第一方向上之第一像素計數屬性、該生物樣本之該質心在第二方向上之第二像素計數屬性、該生物樣本之該質心之大小屬性、時移索引屬性、該微流體裝置之裝置識別符、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性、該複數個所關注區之分數屬性、閘路徑索引、區域像素屬性、背景像素屬性或該複數個生物樣本之中位數亮度屬性。
122.   如實施例1至121中任一實施例之方法，其進一步包括在第一時間點判定該微流體裝置中之所關注區中之該等生物樣本之第一計數。
123.   如實施例1至122中任一實施例之方法，在該第一時間點判定該等生物樣本之該第一計數包括：接收在第一時間點針對該微流體裝置中之所關注區捕獲之第一影像資料。
124.   如實施例1至123中任一實施例之方法，其進一步包括：至少藉由將第一影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將該第一影像資料預處理成第一經預處理影像資料。
125.   如實施例1至124中任一實施例之方法，其進一步包括：至少藉由利用具有多個處理塊之廻旋神經網路(CNN)辨識該所關注區中之該等生物樣本來判定該等生物樣本之第一計數。
126.   如實施例1至125中任一實施例之方法，其進一步包括：至少藉由利用至少一機器學習模型將該第一影像資料或該第一經預處理影像資料分類成第一類別或類型來判定該第一影像資料之該第一類別或類型。
127.   如實施例1至126中任一實施例之方法，其進一步包括：使用該廻旋神經網路(CNN)至少部分基於該第一類別或類型而判定該所關注區中之該等生物樣本之該第一計數。
128.   如實施例1至127中任一實施例之方法，其進一步包括：在圖形使用者介面(GUI)之圖庫視圖中顯示與針對該所關注區之該第一計數相關之文字或圖形資訊。
129.   如實施例1至125中任一實施例之方法，其中該多個處理塊包括：第一處理塊、第二處理塊及第三處理塊，該第一處理塊包括將至第二減少取樣塊之第一輸入減少取樣成第一經減少取樣影像資料之第一減少取樣塊。
130.   如實施例1至129中任一實施例之方法，該第一處理塊進一步包括：第一剩餘網路，其中該第一剩餘網路在該第一減少取樣塊之後，其中該第一處理塊中之該第一減少取樣塊及該第一剩餘網路之各者包括至少一個第一廻旋層。
131.   如實施例1至130中任一實施例之方法，其中該第一剩餘網路包括第一平行路徑及第二平行路徑，該第一平行路徑及該第二平行路徑兩者自該第一減少取樣塊接收第一減少取樣塊輸出，該第一平行路徑包括第一過濾器大小，且該第二平行路徑包括小於該第一平行路徑之該第一過濾器大小之第二過濾器大小。
132.   如實施例1至130中任一實施例之方法，其中該多個處理塊進一步包括第四處理塊，該第四處理塊進一步包括：數個轉置廻旋層，該數個轉置廻旋層之各者之後係各自正規化層。
133.   如實施例1至132中任一實施例之方法，其中該數個轉置廻旋層之轉置廻旋層具有相同於該第一處理塊中之該至少一個第一廻旋層或該第二處理塊中之該至少一個第二廻旋層之步幅數目。
134.   如實施例1至125中任一實施例之方法，其中該廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得該廻旋神經網路中之廻旋層不具有一乘一過濾器。
135.   如實施例1至125中任一實施例之方法，其中該廻旋神經網路不包括匯集層。
136.   如實施例1至135中任一實施例之方法，其進一步包括：在差異基因表現模組處，在第一時間點或時間週期接收與該微流體裝置中之該多個所關注區中之該等生物樣本相關之第一資料集。
137.   如實施例1至136中任一實施例之方法，其進一步包括：在該差異基因表現模組處，在第二時間點或時間週期接收與該多個所關注區中之該等生物樣本相關之第二資料集。
138.   如實施例1至137中任一實施例之方法，其進一步包括：針對該等生物樣本之第一資料集判定第一所關注區清單；及針對該等生物樣本之第二資料集判定第二區清單。
139.   如實施例1至137中任一實施例之方法，其進一步包括：在該第一時間點或時間週期與該第二時間點或時間週期之間判定與第一可量化度量之變化相關之至少一個統計量度。
140.   如實施例1至139中任一實施例之方法，其中該至少一個統計量度包括倍性變化，且該變化包括在該第一時間點或時間週期之該第一可量化度量與在該第二時間點或時間週期之該第一可量化度量之間的第一比率。
141.   如實施例1至139中任一實施例之方法，其中該至少一個統計量度包括在該第一時間點或時間週期之該第一可量化度量與在該第二時間點或時間週期之該第一可量化度量之間的第二比率之對數。
142.   如實施例1至139中任一實施例之方法，其進一步包括：自與倍性變化滑塊介面工具集之第一使用者互動接收第一可組態約束值，其中該第一可組態約束值抑制與該等生物樣本相關、展現低於該第一可組態約束值之該第一可量化度量變化之第一資料。
143.   如實施例1至142中任一實施例之方法，其進一步包括：至少部分基於該第一使用者互動而對該第一資料集及該第二資料集之至少一部分動態地過濾。
144.   如實施例1至142中任一實施例之方法，其進一步包括：至少部分基於該第一可組態約束值而自該第一資料集及該第二資料集在差異基因表現視圖中顯示第一差異基因表現資料，其中在該差異基因表現視圖中抑制與該第一資料集及該第二資料集相關、展現低於該第一可組態約束值之變化之第一資料。
145.   如實施例1至144中任一實施例之方法，其進一步包括利用一組組態介面工具集針對與該微流體裝置中之該等生物樣本相關之第一資料集組態生物資訊學管線視圖。
146.   如實施例1至145中任一實施例之方法，其中該複數個組態介面工具集包括以下項之至少一者：降維介面工具集、叢集化介面工具集、座標組態介面工具集、色標組態介面工具集、色標數目組態介面工具集、散點圖組態介面工具集、所關注區清單操縱模組或動態過濾滑塊介面工具集。
147.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與該降維介面工具集之第一互動接收該等生物樣本之該第一資料集之數個主成分分析(PCA)組件。
148.   如實施例1至147中任一實施例之方法，組態該生物資訊學管線視圖包括：至少部分基於該數個主成分分析組件而降低與該等生物樣本相關之該第一資料集之維數。
149.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與該叢集化介面工具集之第二互動接收該等生物樣本之該第一資料集之Louvain叢集化參數值。
150.   如實施例1至149中任一實施例之方法，組態該生物資訊學管線視圖包括：至少藉由至少部分基於該Louvain叢集化參數值而處理該第一資料集來將該等生物樣本之至少一部分叢集化成一或多個叢集。
151.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與該座標組態介面工具集之第三互動判定用於在該生物資訊學管線視圖中呈現該第一資料集之至少一部分之座標系，其中該第三互動自包括均勻流形近似及投影(UMAP)或主成分分析(PCA)之複數個選項選擇該座標系。
152.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與該色標組態介面工具集之第四互動判定用於在該生物資訊學管線視圖中呈現該第一資料集之至少一部分之色標，其中該第四互動自包括線性色標或對數色標之複數個選項選擇該色標。
153.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與色標數目組態介面工具集之第五互動判定用於在該生物資訊學管線視圖中呈現該第一資料集之至少一部分之色標之數目，其中該第五互動自包括單個色條或多個色條之複數個選項選擇色標之數目。
154.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與該散點圖組態介面工具集之第六互動判定用於在該生物資訊學管線視圖中呈現該第一資料集之至少一部分之一或多個散點圖選項，其中該第六互動自複數個散點圖選項選擇該一或多個散點圖選項。
155.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：自與該所關注區清單操縱模組之第七互動判定該第一資料集之一或多個所關注區清單之一或多個選項，其中該第七互動自包括該一或多個所關注區清單之第一清單選擇模式選項、第二清單選擇模式選項或識別符選項之複數個選項選擇一或多個選項。
156.   如實施例1至146中任一實施例之方法，組態該生物資訊學管線視圖包括：在該生物資訊學管線視圖中識別該等生物樣本之該第一資料集之至少一部分之圖形表示。
157.   如實施例1至156中任一實施例之方法，組態該生物資訊學管線視圖包括：動態地產生與該等生物樣本之該第一資料集之該至少一部分之該圖形表示之動態產生範圍相關聯之動態過濾滑塊介面工具集。
158.   如實施例1至157中任一實施例之方法，組態該生物資訊學管線視圖包括：至少部分基於與該動態過濾滑塊介面工具集之該動態產生範圍之第八互動而自與該動態過濾滑塊介面工具集之第八互動判定動態值。
159.   如實施例1至158中任一實施例之方法，組態該生物資訊學管線視圖包括：回應於至少部分基於與該動態產生範圍之該第八互動判定之該動態值，動態地再新該等生物樣本之該第一資料集之該至少一部分之該圖形表示。
160.   一種用於分析生物樣本之影像之方法，其包括：接收在第一時間點或時間週期針對微流體裝置中之所關注區捕獲之第一影像資料；至少藉由將該第一影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將該第一影像資料預處理成第一經預處理影像資料；至少藉由利用至少一機器學習模型將該第一影像資料分類成第一類別或類型來判定該第一影像資料之該第一類別或類型；至少藉由利用具有多個處理塊之廻旋神經網路(CNN)辨識該所關注區中之該等生物樣本來至少部分基於該第一類別或類型而判定該等生物樣本之第一計數；及在圖形使用者介面(GUI)之圖庫視圖中顯示與針對該所關注區之該第一計數相關之文字或圖形資訊。
161.   如實施例160之方法，其中該多個處理塊包括第一處理塊，該第一處理塊進一步包括：第一減少取樣塊，其將至第二減少取樣塊之第一輸入減少取樣成第一經減少取樣影像資料；及第一剩餘網路，其中該第一剩餘網路在該第一減少取樣塊之後，其中該第一處理塊中之該第一減少取樣塊及該第一剩餘網路之各者包括至少一個第一廻旋層。
162.   如實施例160至161中任一實施例之方法，其中該第一減少取樣塊包括具有第一維度及針對第一深度之第一步幅之第一廻旋核心，該第一維度大於一乘一，且該第一步幅大於一。
163.   如實施例160至162中任一實施例之方法，其中該第一廻旋核心之後係第一批次正規化層，該第一批次正規化層進一步之後係該第一減少取樣塊中之第一激發層。
164.   如實施例160至162中任一實施例之方法，其中該第一剩餘網路包括第一平行路徑及第二平行路徑，該第一平行路徑及該第二平行路徑兩者自該第一減少取樣塊接收第一減少取樣塊輸出，該第一平行路徑包括第一過濾器大小，且該第二平行路徑包括小於該第一平行路徑之該第一過濾器大小之第二過濾器大小。
165.   如實施例160至164中任一實施例之方法，其中該第一平行路徑包括具有至少第二維度及針對第二深度之第二步幅之複數個第二廻旋核心，該第二維度低於該第一維度且大於一乘一，且該第二步幅小於該第一步幅。
166.   如實施例160至165中任一實施例之方法，其進一步包括：至少藉由利用沿該第二平行路徑具有第三維度與第三步幅之第三廻旋核心處理第一減少取樣塊輸出來減少處理該第一影像資料時之空間資訊之第一損失，其中該第三維度小於該第一維度及該第二維度，且該第三步幅小於該第一步幅。
167.   如實施例160至166中任一實施例之方法，該第一處理塊進一步包括第一重組層，該第一重組層之後係第二激發層，其中該第一重組層可操作地耦合至該第一平行路徑及該第二平行路徑兩者。
168.   如實施例160至164中任一實施例之方法，其中該多個塊進一步包括第二處理塊，該第二處理塊進一步包括：第二減少取樣塊，其將至該第二減少取樣塊之第二輸入減少取樣成第二經減少取樣影像資料；及第二剩餘網路，其在該第二減少取樣塊之後，其中該第二處理塊中之該第二減少取樣塊及該第二剩餘網路之各者包括至少一個第二廻旋層。
169.   如實施例160至168中任一實施例之方法，其中該第二減少取樣塊包括具有第四維度及針對第三深度之第四步幅之第四廻旋核心，且該第四維度大於一乘一，且該第四步幅大於一。
170.   如實施例160至169中任一實施例之方法，其中該第二廻旋核心之後係第二批次正規化層，該第二批次正規化層進一步之後係該第二減少取樣塊中之第三激發層。
171.   如實施例160至169中任一實施例之方法，其中該第二剩餘網路包括第三平行路徑及第四平行路徑，該第三平行路徑及該第四平行路徑兩者自該第二減少取樣層接收第二減少取樣塊輸出，且該第四平行路徑包括小於該第三平行路徑之第二較大過濾器大小之第二較小過濾器大小。
172.   如實施例160至171中任一實施例之方法，其中該第三平行路徑包括具有至少第五維度及針對第四深度之第五步幅之複數個第三廻旋核心，該第五維度低於該第四維度且大於一乘一，且該第五步幅小於該第四步幅。
173.   如實施例160至172中任一實施例之方法，其進一步包括：至少藉由利用沿該第四平行路徑具有第六維度與第六步幅之第六廻旋核心處理該第二減少取樣塊輸出來減少該空間資訊之第二損失，其中該第六維度小於該第四維度及該第五維度，且該第六步幅小於該第四步幅。
174.   如實施例160至173中任一實施例之方法，該第二處理塊進一步包括第二重組層，該第二重組層之後係第四激發層，其中該第二重組層可操作地耦合至該第三平行路徑及該第四平行路徑兩者。
175.   如實施例160至173中任一實施例之方法，其中該多個塊進一步包括第三處理塊，該第三處理塊進一步包括：第三減少取樣塊，其將至該第三減少取樣塊之第三輸入減少取樣成第三經減少取樣影像資料；及第三剩餘網路，其在該第三減少取樣塊之後，其中該第三處理塊中之該第三減少取樣塊及該第二剩餘網路之各者包括至少一個第三廻旋層。
176.   如實施例160至175中任一實施例之方法，其中該第三減少取樣塊包括具有第七維度及針對第五深度之第七步幅之第七廻旋核心，且該第七維度大於一乘一，且該第七步幅大於一。
177.   如實施例160至176中任一實施例之方法，其中該第七廻旋核心之後係第三批次正規化層，該第三批次正規化層進一步之後係該第三減少取樣塊中之第五激發層。
178.   如實施例160至176中任一實施例之方法，其中該第三剩餘網路包括第五平行路徑及第六平行路徑，該第五平行路徑及該第六平行路徑兩者自該第三減少取樣層接收第三減少取樣塊輸出，且該第六平行路徑包括小於該第五平行路徑之第三較大過濾器大小之第三較小過濾器大小。
179.   如實施例160至178中任一實施例之方法，其中該第五平行路徑包括具有至少第八維度及針對深度值之第八步幅之複數個第四廻旋核心，該第八維度低於該第七維度且大於一乘一，且該第八步幅小於該第七步幅。
180.   如實施例160至179中任一實施例之方法，其進一步包括：至少藉由利用沿該第六平行路徑具有第九維度與第九步幅之第九廻旋核心處理該第三減少取樣塊輸出來減少該空間資訊之第三損失，其中該第九維度小於該第七維度及該第八維度，且該第九步幅小於該第七步幅。
181.   如實施例160至180中任一實施例之方法，該第三處理塊進一步包括第三重組層，該第三重組層之後係第六激發層，其中該第三重組層可操作地耦合至該第五平行路徑及該第六平行路徑兩者。
182.   如實施例160至178中任一實施例之方法，其中該多個塊進一步包括第四處理塊，該第四處理塊進一步包括：數個轉置廻旋層，該數個轉置廻旋層之各者之後係各自正規化層，其中該數個轉置廻旋層之轉置廻旋層具有相同於該第一處理塊中之該至少一個第一廻旋層或該第二處理塊中之該至少一個第二廻旋層之步幅數目。
183.   如實施例160至182中任一實施例之方法，其中轉置廻旋層之數目對應於比該第一處理塊及該第二處理塊中之廻旋層之總數目小至少一個之值。
184.   如實施例160至173中任一實施例之方法，其中該廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得該廻旋神經網路中之廻旋層不具有一乘一過濾器。
185.   如實施例160至184中任一實施例之方法，其中該廻旋神經網路不包括匯集層。
186.   如實施例160至185中任一實施例之方法，其中將該第一影像資料預處理成該第一經預處理影像資料包括至少部分基於該所關注區或該第一影像資料之類型而至少將該第一影像資料縮減成該第一經預處理影像資料，其中該第一影像資料之類型對應於在其間捕獲該第一影像資料以分析該等生物樣本之操作，且該操作包括匯出操作或匯入操作。
187.   如實施例160至186中任一實施例之方法，其進一步包括：至少部分基於該等生物樣本之第一幾何特性及該所關注區之第二幾何特性而判定該第一影像資料之像素大小。
188.   如實施例160至187中任一實施例之方法，其中該等生物樣本之該第一幾何特性包括該等生物樣本之直徑、外徑、內徑或面積，且該所關注區之該第二幾何特性包括該所關注區或其之一部分之寬度或長度。
189.   如實施例160至188中任一實施例之方法，判定該第一影像資料之該第一類別或類型包括：藉由至少使用該廻旋神經網路之該第一處理塊來處理複數個低階特徵。
190.   如實施例160至189中任一實施例之方法，判定該第一影像資料之該第一類別或類型進一步包括：藉由至少使用該廻旋神經網路之該第三處理塊來處理複數個抽象特徵。
191.   如實施例160至190中任一實施例之方法，判定該第一影像資料之該第一類別或類型進一步包括：判定該第一類別或類型或對應於該第一類別或類型之第一統計值，其中該第一統計值包括該第一影像資料中之一或多個像素表示對應生物樣本特性之第一概率。
192.   如實施例1至191中任一實施例之方法，其進一步包括：使用具有該多個處理塊之至少該廻旋神經網路(CNN)自在第二時間點或時間週期針對該所關注區捕獲之第二影像資料判定該等生物樣本之第二計數。
193.   如實施例1至192中任一實施例之方法，其進一步包括：至少藉由在該圖形使用者介面(GUI)之該圖庫視圖中循序地顯現該第一影像資料之一部分及該第二影像資料之一部分來重播該所關注區之視訊或影像序列。
194.   如實施例1至192中任一實施例之方法，判定該等生物樣本之該第二計數包括：接收在該第一時間點針對該微流體裝置中之該所關注區捕獲之該第二影像資料；及至少藉由將該第二影像資料配置成該第一像素資訊乘該第二像素資訊乘該像素深度資訊之該陣列來將該第二影像資料預處理成該第二經預處理影像資料。
195.   如實施例1至194中任一實施例之方法，其中將該第二影像資料預處理成該第二經預處理影像資料包括至少部分基於該所關注區或該第二影像資料之類型而至少將該第二影像資料縮減成該第二經預處理影像資料，其中該第二影像資料之該類型對應於在其間捕獲該第二影像資料以分析該等生物樣本之單獨操作，且該單獨操作包括該匯出操作、該匯入操作、單獨匯出操作或單獨匯入操作。
196.   如實施例1至194中任一實施例之方法，判定該等生物樣本之該第二計數進一步包括：利用至少一機器學習模型將該第二影像資料分類成該第一類別或類型；及至少藉由利用具有該多個處理塊之廻旋神經網路辨識該所關注區中之該等生物樣本來至少部分基於該第一類別或類型而判定在該第二時間點該等生物樣本之該第二計數。
197.   如實施例1至192中任一實施例之方法，其進一步包括：自該第一影像資料判定一或多個第一影像，該一或多個第一影像包括與該第一計數相關且在時間上對應於該第一時間點或時間週期之第一資訊；自該第二影像資料判定一或多個第二影像，該一或多個第二影像包括與該第二計數相關且在時間上對應於該第二時間點或時間週期之第二資訊；及至少藉由在該圖形使用者介面中以時間序列動態地顯現該一或多個第一影像及該一或多個第二影像來呈現該等生物樣本之至少一部分之時間進度。
198.   一種包括在其上儲存指令序列之非暫時性機器可存取儲存媒體之製造物品，該指令序列在由處理器執行時引起該處理器執行如實施例1至197之方法之任一者。
199.   一種系統，其包括：處理器；使用者介面，其經耦合至該處理器以處理複數個分子生物樣本，該複數個分子生物樣本包括第一分子生物裝置中之第一分子生物樣本及第二分子生物樣本；非暫時性電腦可存取儲存媒體，其上儲存指令序列，該指令序列在由處理器執行時引起該處理器執行如實施例1至197之方法之任一者。
相關申請案之交叉參考
本申請案主張2019年11月17日申請且標題為「ASSAY DATA GRAPHICAL USER INTERFACE SYSTEMS AND METHODS」之美國臨時專利申請案第62/936,550號、2020年6月6日申請且標題為「ASSAY DATA GRAPHICAL USER INTERFACE SYSTEMS AND METHODS」之美國臨時專利申請案第63/035,726號、2020年8月3日申請且標題為「ASSAY DATA GRAPHICAL USER INTERFACE SYSTEMS AND METHODS」之美國臨時專利申請案第63/060,647號及2019年12月19日申請且標題為「AUTOMATED COUNTING OF MICRO-OBJECTS IN MICROFLUIDIC DEVICES」之美國臨時專利申請案第62/950,573號之權益。前述美國臨時專利申請案之內容之全文特此出於所有目的而以引用的方式明確地併入本文中。 版權聲明
本專利文件之發明之一部分包含受版權保護之材料。版權所有者不反對任何人以專利及商標局專利檔案或記錄中出現之形式對專利文件或專利發明進行傳真複製，但在其他方面保留所有版權權利。
在以下描述中，闡述某些特定細節以便提供對各項所揭示實施例之透徹理解。然而，一般技術者將認知，可在無一或多個此等特定細節之情況下或利用其他方法、組件、材料等實踐實施例。在其他例項中，未詳細地展示或描述與電腦系統、伺服器電腦及/或通信網路相關聯之熟知結構以避免不必要地混淆實施例之描述。
應注意，除非內容脈絡另有要求，否則貫穿說明書及隨附發明申請專利範圍，字詞「包括(comprise)」及其變動，諸如「包括(comprises)」及「包括(comprising)」應以開放、包含性意義解釋為「包含但不限於」。
進一步應注意，貫穿本說明書對「一項實施例」或「實施例」之引用意謂結合該實施例所描述之特定特徵、結構或特性被包含於至少一項實施例中。因此，貫穿本說明書各處出現片語「在一項實施例中」或「在實施例中」不一定皆指代相同實施例。此外，特定特徵、結構或特性可在一或多項實施例中以任何合適方式組合。此外，如本說明書及隨附發明申請專利範圍中所使用，除非內容脈絡明確地另有指出，否則單數形式「一」、「一個」及「該」包含複數個指涉物。亦應注意，除非內容脈絡明確地另有指出，否則術語「或」通常以包含「及/或」之意義來採用。
在一或多項實施例中揭示對生物樣本執行程序之(若干)方法、(若干)系統及(若干)製造物品。一些實施例旨在一種用於對生物樣本執行化驗分析或定序分析之方法。在此等實施例中，使用者介面經識別且經耦合至系統之處理器(例如，化驗分析器、通用電腦、專用電腦等)以處理自複數個生物樣本捕獲之輸入之一或多個屬性。一些實施例係關於一種用於對具有複數個室之微流體裝置中之所關注區中之生物樣本執行自動計數之方法。本文中亦描述一種用於執行該等實施例之任一者中之前述方法之任一者之系統。亦描述一種用於在其上儲存指令序列之非暫時性電腦可讀媒體，該指令序列在由處理器或處理器核執行時引起該處理器或處理器核執行該等實施例之任一者中之前述方法之任一者。
此等輸入包含針對複數個生物樣本捕獲且在一組時間點或時間週期獲得之一組影像。複數個生物樣本包含第一生物樣本及第二生物樣本，且生物樣本可包含微物件、細胞、組織、蛋白質、基因、病毒或細胞內分子，諸如DNA (脫氧核糖核酸)、RNA (核糖核酸)。應注意，與諸如「排除」、「不包含」等之排他性字詞相反，除非另有具體明確地描述，否則術語「生物樣本」及「微物件」可互換地使用以指代「生物樣本」之(若干)前述實例之任一者。該等輸入係針對定位於微流體裝置、微流體裝置或微流體設備、奈米流體裝置、奈米流體裝置或奈米流體設備(後文中統稱為「微流體裝置」)中之所關注區(例如，室陣列之單個室之至少一部分、在室與流動通道之間的介面處或附近、室及流動通道之一部分(例如，定位於該室正上方及/或定位成緊鄰該室之部分)等)中之樣本而捕獲或以其他方式收集。應注意，術語「微流體裝置」亦可稱為「微流體晶片」或簡稱為「晶片」，且此等術語因此可在本發明中互換地使用。如本文中所使用，生物樣本之分析之輸出可包括一組影像、一或多個影像序列或與其相關之任何資料，包含例如自該組影像或該一或多個影像序列導出之資料。
微流體裝置中之所關注區可包括自微流體裝置之離散區獲取之單個影像或影像序列。所關注區可在一些實施例中以一順序或在其他一些實施例中不以特定順序呈現及顯示。在其中以特定順序呈現所關注區之實施例中，該順序可由該所關注區之一或多個特徵來判定，其中一組所關注區中之所關注區係根據一或多個特性或特徵來分選。在一些實施例中，所關注區可經儲存於所關注區清單或資料結構中。在一些此等實施例中，所關注區清單可包含自例如該清單中之所關注區之至少一部分之使用者檢視產生之一或多個清單。例如，使用者可使用過濾器建構器及應用程式模組來應用一或多個一維或多維過濾器以識別一組所關注區。
作為另一實例，使用者可使用例如圖庫視圖、生物資訊學管線視圖或一或多個圖形來定製選擇包括一或多個所關注區之所關注區清單。前述組所關注區、(若干)定製室清單等亦可經附加至現有所關注區清單或經儲存於新所關注區清單中。前述實例繪示使用者創建的所關注區清單。在一些實施例中，亦可針對在使用者介面中(例如，在圖庫視圖中)顯示或可顯示之一或多個所關注區自動地產生所關注區清單。在一些實施例中，其資訊儲存於所關注區清單中之所關注區可自一或多個源導出，諸如但不限於一或多個微流體裝置、自一或多個影像捕獲裝置或感測器獲得之一或多個視場影像等。
微流體裝置(其亦可稱為實驗室晶片、晶片、基因晶片、DNA晶片等)可包含操縱(例如，藉由使用主動及被動組件及/或微型組件，諸如微型泵、微型閥等)非常少量流體(例如，在任何給定時間，在微流體裝置之迴路內小於1 mL)或若干流體、試劑、可溶解螢光報導子等以在經組態以對一或多個生物樣本(包含超過100個、500個、1,000個、5,000個、7,000個、9,000個、11,000個或更多個生物樣本之生物樣本陣列)執行一或多個小型化程序或測試(例如，多工、自動化、高輸送量篩選、分析、化驗等)之微晶片之所關注區中展現局部可量測效應之儀器。微流體裝置上執行之操作可經組態以回應於對該或該等流體之控制及操縱而觀察一或若干所關注區之一或多個特徵/特性之變化，其中此等流體可出於特性化生物樣本之目的而約束於小標度(例如，亞毫米級、微米級、奈米級等)。流體之操縱可包含停止流動、起始流動、匯入微物件、將微物件裝載至微流體裝置之區中、隔離微物件、在微流體裝置中之特定目標周圍量測微流體裝置之區中之螢光之變化(例如，強度、強度隨時間之累積或耗盡、波長特定強度、在不同波長下之相對強度等)、量測形狀或大小之變化、增加微物件密度等。
所關注區(ROI)包含可自可隨時間監測一或多個變化(例如，螢光之變化、移動之變化、流之變化、指示生物樣本已移入或移出所關注區之變化等)之微流體裝置之區導出之資料集。在一些實施例中，所關注區可基於目標，其中所關注區可由所關注區之一或多個特徵來識別、分類、分選或以其他方式判定。在其他實施例中，所關注區可基於結構(例如，基於微流體迴路結構)。本文中所提及之所關注區可為任一類別(例如，基於目標或基於結構)。此外，與諸如「排除」、「不包含」等之排他性字詞相反，除非另有具體明確地描述，否則術語「所關注區」、「室」及「圈」貫穿整個描述可互換地使用以指代前述基於結構之「所關注區」，以限制圈或室之含義。應注意，所關注區可包含(若干)基於結構之所關注區、基於目標之所關注區或基於結構之所關注區及基於目標之所關注區兩者之組合。
在前者、基於目標之類別中，所關注區可包含至少部分基於目標或目標特徵定義之二維(2D)區(例如2D影像中之區域)或三維(3D)區。目標之一些實例可包含但不限於生物樣本或一或多個微物件，其特徵、屬性、性質及/或特性，與關於所關注區之特性及/或自由例如生物資訊學管線、化驗分析等收集或導出之分析資料監測或導出之可量化度量相關之特徵、屬性、性質及/或特性。此等實施例中所提及之微物件或生物樣本可至少部分基於一或多個準則而判定。例如，此一或多個準則可包含至少部分基於緊接下文更詳細地描述之一或多個屬性(例如，為處理下文所描述之生物樣本而選擇之複數個屬性)而配製之任何關係、約束、要求、限制等。一或多個屬性之一些實例可包含區域(例如，形成區域之像素之數目、區域之微米(例如，平方微米或微米維)、背景區域、背景區域之像素之數目、背景區域之微米(例如，平方微米或微米維)、以微米為單位之質心(例如，x質心、y質心、質心座標、以平方微米為單位之質心面積等)、以像素為單位之質心(例如，x質心或y質心、質心座標、質心面積)、樣本之圓度、以微米為單位之樣本直徑、最大亮度、中位數亮度、最大背景亮度、平均背景亮度、樣本之周長微米或目標索引(例如，與特定目標相關聯之唯一識別符或標記)等。因此，基於目標之所關注區可包括單個微物件(例如，細胞)，且包含針對該微物件評估之資料並跨時間線或選定工作流程與微物件相關聯。此外，可定義複數個基於目標之所關注區，各基於目標之所關注區包括單個微物件且包含如所描述之資料，其中該等所關注區貫穿微流體裝置分佈。
在後者實施例中，基於結構之所關注區(例如，基於微流體迴路結構之所關注區)可包含微流體迴路或裝置或其之一部分之2D或3D區。例如，基於結構之所關注區可包含但不限於一或多個室、圈、隔離區等(其亦可分別稱為分別用於單個指涉物之室、圈、隔離區，用於複數個指涉物之多個室、圈、隔離區)、微流體裝置中之流動通道(及/或其特徵)、微流體迴路或裝置中之室與流動通道之間的介面、室之一部分、流動通道及/或介面、微流體迴路或裝置中或與微流體迴路或裝置相關之任何區、或其等任何組合。在一些實施例中，室可稱為隔離室，此係因為微流體裝置中之室高效地、實體地隔離或選擇性地隔離生物樣本與室外部之流及/或室外部之一或多個其他生物樣本。
在一些實施例中，所關注區(基於目標及/或基於結構)可包含微流體裝置之或與微流體裝置相關之任何部分且可至少部分基於例如微流體裝置或其之一部分之特性而動態地、自動地判定(例如，在下文更詳細地描述之產生圖庫期間之運行時間)。前述特性之一些實例可包含但不限於微流體裝置或其之一部分之形狀或邊界。在一些實施例中，可至少部分基於工作流程或其之一部分(例如，工作流程中之步驟)而動態地、自動地判定所關注區。因此可回應於如此判定之所關注區而自動地產生有關資料。
在其中基本影像捕獲微流體裝置之多個室之實例中，可在匯出程序之一或多個時間點自基本影像針對所關注區產生圖庫視圖。在一些實施例中，可將由單個影像捕獲裝置(例如，單個影像感測器、單個相機等)在一時間點(在適應曝光時間量時)捕獲之包括多個所關注區之基本影像裁剪成在該基本影像中及/或跨微流體裝置之基本影像之多個所關注區之各者之個別影像或影像序列。在進一步實施例中，具有各影像序列之所關注區陣列之經編譯影像序列可自在特定時間點獲取或在特定時間點自影像堆疊選擇之基本影像之陣列導出。可根據基於晶片時間線視圖之時間點判定或顯示影像序列中包含之特定時間點，其中微流體裝置上執行之階段或操作被繪示為時間線上之塊(視情況經色彩編碼)。
例如，用於匯出程序之所關注區可經判定以在一個時間點包含個別室(或其之一部分)之影像。回應於此一判定，該系統可自動地識別基本影像中之室且裁剪基本影像使得個別室保持於針對該室自基本影像裁剪之影像中。作為另一實例，另一所關注區可經判定以在後續時間點包含個別室(或其之一部分)外加個別室與流動通道之間的介面之影像。回應於此一判定，該系統可自動地識別基本影像中之室及流動通道且裁剪基本影像使得個別室(或視情況個別室與流動通道之一部分)保持於針對該室自基本影像裁剪之影像中。在一些實施例中，可跨基本影像執行裁剪使得所有所得所關注區包括可比較之特徵或特性。除非另有明確相反地描述，否則貫穿整個描述，術語「室」、「圈」及「區」可互換地使用。
可基於「特性」及「特徵」而判定所關注區(例如，基於特性及特徵而將基本影像分裂成所關注區)，其中基本影像係自在晶片時間線1304B中以圖形方式表示之塊期間獲取之影像導出。另外，「所關注區」之「特性」及「特徵」可用來對所關注區進行分選(例如，「特性」或「特徵」可在表示所關注區之影像序列中捕獲，及/或出於在例如圖庫視圖1804中顯示所關注區之目的而量化)。
作為另一實例，第三所關注區可經判定以在稍後時間點包含流動通道(視情況包含個別室與流動通道之間的介面)之影像。回應於此一判定，該系統可自動地識別基本影像中之流動通道(及視情況流動通道與室之介面)且裁剪基本影像使得流動通道(及視情況流動通道與室之介面)保持於針對該室自基本影像裁剪之影像中。在此等實例中，個別影像之此等判定及產生之一些或全部可由該系統自動地進行且例如在具有前述個別影像之圖庫視圖中呈現以繪示與該室中之(若干)生物樣本相關之匯出程序之基於時間之發展。
在一些實施例中，本文中所提及之工作流程可包含已、正或待對微流體裝置中或上之一或多個生物樣本執行之步驟及/或操作之集合或系列。在一些實施例中，工作流程之執行可包含例如但不限於用於一或多個生物樣本之一或多個生物資訊學管線、一或多個化驗等。
工作流程可包含例如在微流體裝置上在有關該微流體裝置之所定義時間進程內執行、視情況經執行以產生預期結果及/或濾除、評估或監測ROI (所關注區)或複數個ROI之動作或方法系列。例如，在將與工作流程相關之匯入資料匯入至系統中之前，可能已對微流體裝置中或上之一或多個生物樣本執行工作流程。如本文中所描述，該系統可經組態以接收資料且採用及應用各種技術(例如，過濾、裁剪、顯示、比較、選擇、排序等)，以特性化資料且以可用格式將資料呈現給使用者，其中可用格式可取決於經獲得資料之特徵/特性，包含對自微流體裝置(例如，基於目標或基於結構)獲得之影像之一或多個特徵或特性及/或在微流體裝置上執行特定操作之時間(例如，根據晶片時間線獲得之影像，該晶片時間線表示操作之時間進程)之改變(例如，以下變化：微物件之條件、流動速率、匯入/匯出；將小分子灌入或灌出微流體裝置之特定區；涉及使用(若干)試劑及/或非明場成像之任何操作；化驗或其之一部分；培養時移成像；細胞裝載；珠裝載；細胞卸載等)。
工作流程之輸出可提供時間內容及/或時間快照與可在例如晶片時間線視圖、圖庫視圖等中顯現及/或顯示之輸出之相關性，如下文所描述。在一些實施例中，工作流程之輸出及/或自其導出之任何其他資料或資訊(例如，分析、運算生物結果等)可作為一或多個檔案(例如，逗號分隔值或csv檔案、表、資料庫、關係資料庫表或任何合適資料結構等)儲存於一或多個資料夾或目錄中。在一些實施例中，工作流程執行單元可與本文中所描述之用於執行各種分析函數之一或多個模組或系統分離(例如，在控制與化驗、生物資訊學等相關之各種儀器之單獨化驗執行系統(諸如細胞分析套件或CAS)中)。在一些其他實施例中，工作流程執行單元可與本文中所描述之一或多個模組或系統整合或甚至可形成單個系統(例如，用於既執行工作流程又執行分析之分析器)。
在一些其他實施例中，在系統收集各種資料且對經收集資料執行各種分析或運算函數時可並行地執行工作流程以產生各種資料件。即，本文中所描述之系統可在收集輸出資料時即時地或實質上即時地執行工作流程收集及分析來自工作流程之結果資料兩者。實質上即時地，應注意，一旦產生及收集工作流程階段之經收集輸出，本文中所描述之系統便可對經收集輸出執行分析函數，同時可考量用來收集該輸出(例如，捕獲影像、將影像資料傳輸至揮發性或非揮發性儲存媒體以供儲存)之時間及用於執行分析函數以產生分析輸出(例如，調用分析函數、執行分析函數、產生分析輸出、傳輸分析輸出以供儲存及在顯示器上顯現分析輸出等)之時間以免歸因於現代運算裝置上之此等處理任務之權宜之計而被忽視以滿足(幾乎即時)準則。如本文中所使用，工作流程階段可包括一或多個工作流程任務。
工作流程包括工作流程階段及對應工作流程任務，其中各工作流程任務係出於獲得結果之目的而在微流體裝置上執行之活動。在此內容脈絡中之結果可包括以下一或多者：包含影像之資料集、影像之經分析經量化特徵、產物(例如基因產物或序列)、在微流體裝置中分析之樣本之分數/分級或分級、或將自在微流體裝置上運行之化驗或工作流程合理地預期或自在微流體裝置上運行之樣本之產物(例如，蛋白質或核酸序列等)獲得之任何其他輸出。例示性工作流程任務可包括與化驗、監測、擾動、觀察或以其他方式詢問安置於微流體裝置內之微物件(生物或其他物件)相關之任何活動。例示性工作流程任務包含但不限於：匯入、培養、化驗、灌注、操縱及匯出。匯入可包括流入包括一或多個微物件之溶液。培養可包括出於擴增微物件(例如，細胞)之群體之目的而調整、調變、維持或以其他方式控制或最佳化該裝置之離散流體區中之可溶解組分(例如，氧氣、糖等)或不可溶解組分之流量、溫度、光、濃度之條件。化驗可包括執行包含但不限於曝光(例如，釋放、鬆開、溶解、灌入等)經組態以引起來自微物件(例如，一微物件)之可量測回應之組分(試劑、小分子、大分子等)之操作。灌注可包括例如經由在入口處注入或在出口處抽吸而流入溶液，其中溶液包括液體，例如包括一或多種組分(例如，表面活性劑、離子、試劑、染料等)之介質。操縱可包括在微流體裝置內之移動、重定位(例如，禁錮或取消禁錮)或以其他方式調整一或多個微物件在一或多個位置處之空間放置。匯出可包括將微物件自微流體裝置內部移位至微流體裝置之區中且使溶液流動通過微流體裝置使得經移位微物件流動通過微流體裝置及流出微流體裝置。
如先前所述，可在與時間戳或與對應於工作流程之時間系列相關聯之工作流程之一或多個離散或連續時間片段獲得影像序列。可自在工作流程期間執行之一或多個工作流程任務進一步獲得或選擇影像序列。在本文中所揭示之實施例中，可在時間線視圖中顯示影像序列且本文中所揭示之發明提供用於選擇表示工作流程及/或工作流程任務之時間線部分且產生顯示時間線之對應選定部分之影像序列之替代視圖(例如，圖庫視圖)之可調用構件。此外，該等視圖(例如，圖庫視圖等)可經組態以進一步組織及顯示影像序列同時保留及顯示與工作流程相關之內容資訊(例如，在獲得選定影像序列時執行之工作流程及工作流程任務期間獲取其之時間戳)。
如先前所述，工作流程或工作流程階段可包括跨時間跨度執行之工作流程任務系列。微流體裝置上執行之例示性工作流程任務系列包括以下連續或不連續任務系列：{匯入、培養、化驗、培養、化驗、培養、化驗、匯出等}，其中影像序列跨整個工作流程連續地或不連續地、跨一或多個工作流程任務或作為一或多個工作流程任務之一部分獲取。可以給定影像捕獲速率或以不同影像捕獲速率獲得影像序列中之影像。影像序列可包括代表性影像(例如，經平均化、選定或經減少取樣影像)，其中代表性影像或原始影像序列之子集係在離散時間點或在工作流程之所定義子集處獲取。
可在時間線視圖中呈現跨工作流程、工作流程階段及/或工作流程任務之連續或不連續片段處獲取之影像序列。時間線視圖可顯示工作流程(例如，整個工作流程或工作流程之任何子集，例如工作流程之時間上連續子集或工作流程之時間上不連續子集)，其中工作流程階段及/或工作流程任務在時間線視圖中顯示為例如跨時間繪製之塊、圖形表示或圖形元素。應注意，對術語「塊」之引用可或可不一定意謂工作流程在使用者介面中表示為諸如矩形形狀之固體形狀之有序集合。實情係，工作流程可以任何合適圖形表示來表示。而且，術語「塊」、「圖形表示」及「圖形元素」貫穿此整個描述可互換地用來指代工作流程任務或工作流程階段。塊或圖形表示可對應於各自工作流程任務且且可經色彩編碼。工作流程階段之圖形表示可包括分別對應於例如工作流程階段之一或多個工作流程任務之一或多個片段。在其中工作流程階段之圖形表示包含分別表示其等對應工作流程任務之多個片段之一些實施例中，此多個片段可在時間上對準或相對於彼此配置。而且，各片段可對應於儲存於例如微流體裝置資料結構或圖庫結構中之其自身資料。在一些此等實施例中，片段可互動(例如，藉由使用者放大片段且點選片段)，且此一互動可觸發例如擷取對應資料及對應資料之一部分在使用者介面中(例如，在圖庫視圖中或在圖庫視圖之匹配網格部分中)之表示。在其中工作流程包含分別表示其等對應工作流程階段或工作流程任務之多個圖形表示之一些實施例中，可在使用者介面中在時間上對準或相對於彼此配置此多個圖形片段(例如，藉由沿時間軸定位多個圖形片段)。而且，各圖形表示可對應於儲存於例如單個微流體裝置資料結構或圖庫結構中之列或行中之其自身資料。在一些此等實施例中，圖形表示可互動(例如，藉由使用者點選圖形表示)，且此一互動可觸發例如擷取對應資料及對應資料之一部分在使用者介面中(例如，在圖庫視圖中或在圖庫視圖之匹配網格部分中)之表示。對應於分析之時間線可包含一或多個塊或圖形表示。相同塊中之多個片段亦可經色彩編碼以指示用於在其他視圖(包含但不限於圖庫視圖)中顯示之影像選擇。可在時間線視圖中(參見例如，圖4B至圖4C等)表示在工作流程任務期間收集之影像序列，其中時間線中之塊或圖形表示對應於工作流程任務(參見例如，圖4B中之404B、圖4C中之408C等)。例如，可根據例如對應工作流程任務或工作流程階段隨時間發生之時間順序在使用者介面中顯現分別表示其等在工作流程中之對應工作流程任務或工作流程階段之多個圖形表示。在一些實施例中，可在具有時間軸之時間線視圖中顯現圖形表示，其中該圖形表示之一端或側對應於對應工作流程任務或階段發生時之開始時間點或時間週期，且該圖形表示之另一端或側對應於對應工作流程任務或階段結束時之結束時間點或時間週期。在一些實施例中，可將圖形表示之大小或尺寸顯現為與對應工作流程任務或階段之時間性持續時間成比例。
在一些實施例中，微流體特徵被描述為具有寬度或面積，該尺寸通常相對於x軸及/或y軸尺寸而描述，該x軸尺寸及/或該y軸尺寸兩者位於平行於微流體裝置之基板及/或蓋之平面內。微流體特徵之高度可相對於z軸方向而描述，z軸方向垂直於平行於微流體裝置之基板及/或蓋之平面。在一些例項中，諸如通道或通路之微流體特徵之橫截面積可參考x軸/z軸、y軸/z軸或x軸/y軸面積。
在此等實施例中，可為複數個生物樣本選擇複數個特性以處理複數個生物樣本。可將與一組時間點或時間週期相關之自微流體裝置之第一所關注區(例如，室)獲得之第一生物樣本之第一資料序列填入非暫時性電腦可存取儲存媒體中之可定址空間中之資料結構中，其中第一資料序列對應於複數個特性之至少一或多者。
複數個特性中之「特性」或「特徵」可包含與生物樣本之一或多個化驗分析、生物樣本本身、一或多個化驗分析之結果相關之任何特性。如本文中所使用，術語「特性」及「特徵」可互換地使用。特性或特徵因此可用來約束、組態或控制使用者介面中呈現之視圖或可如何在使用者介面中呈現視圖。特性或特徵亦可與可回應於特性之指定或選擇而自動地調用之一或多個函數相關聯。例如，當使用者選擇細胞計數特性時，可自動地調用分選函數以對各種物件(例如，複數個室之互動式影像物件)進行分選以便在有關視圖中呈現分選結果。不同特性可在一些實施例中與相同組之一或多個函數或在一些其他實施例中與不同組之一或多個函數相關聯。
複數個特性之一特性之一些實例可包含但不限於以下至少一者：微流體裝置中之室之識別符、複數個生物樣本之大小屬性、複數個生物樣本之最大亮度屬性、複數個生物樣本之最小亮度屬性、生物樣本之質心在第一方向上之第一像素計數屬性、生物樣本之質心在第二方向上之第二像素計數屬性、生物樣本之質心之大小屬性、時移索引屬性、微流體裝置之裝置識別符、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性、複數個室之分數屬性、閘路徑索引、區域像素屬性、背景像素屬性、複數個生物樣本之中位數亮度屬性、目標區域像素計數屬性、目標區域大小屬性、目標背景區域大小屬性、目標背景像素計數屬性、目標背景最大亮度屬性、目標圓度屬性、計數演算法識別、成像立方體屬性、目標直徑屬性、匯出脈管識別符、匯出室行識別符、匯出室列識別符、匯入室行識別符、匯入室列識別符、匯入脈管識別符、室陽性驗證屬性、經取消禁錮生物樣本之生物樣本計數屬性或指示捕獲或產生資料之時間或時間週期之時間戳。
亦可將與該組時間點或時間週期相關之自微流體裝置之第二室獲得之第二生物樣本之第二資料序列填入非暫時性電腦可存取儲存媒體中之可定址空間中之資料結構中，其中第二資料序列對應於複數個特性之至少第二部分。
可在使用者介面之第一視窗部分中且利用圖形處理單元而在第一視圖中顯現第一資料序列及第二資料序列，在第一視圖中顯現第一資料序列及第二資料序列包括：回應於自使用者介面中之第一選擇介面工具集選擇第一特性，自第一生物樣本之複數個特性之第一部分提取第一特性之第一特性值；及自第二生物樣本之複數個特性之第二部分提取第一特性之第二特性值。
此等實施例可進一步將分別對應於第一資料序列及第二資料序列之第一互動式物件及第二互動式物件顯現至第一視圖中，其中第一互動式物件代表第一生物樣本之第一特性值且第二互動式物件代表第二生物樣本之第二特性值。互動式物件包括例如使用者可經由例如本文中所描述之使用者介面與其互動之軟體物件。回應於使用者與互動式物件之互動，基礎系統可調用及對互動式物件執行一或多個函數以修改在使用者互動之前在使用者介面中呈現之內容或基於使用者互動而在使用者介面中產生新或經再新視圖。
在一些實施例中，資料結構包含：行結構及列結構，行結構包括多個行，列結構包括多個列；及生物樣本資料，其特定於對微流體裝置之所關注區(例如，單個室)中之一或多個生物樣本執行之化驗分析。在一些此等實施例中，行結構中之行對應於特定於在室上執行之化驗分析之生物樣本資料，且對應於該行之各列對應於在特定時間點或在特定時間週期內針對該室捕獲或產生之生物樣本資料。
在一些其他實施例中，列結構中之列對應於特定於在室上執行之化驗分析之生物樣本資料，且對應於該列之各行對應於在特定時間點或在特定時間週期內針對該室捕獲或產生之生物樣本資料。
微流體裝置包括一種裝置，其包含：一或多個離散微流體或奈米流體迴路，其經組態以保存流體，各微流體或奈米流體迴路包括流體互連迴路元件，包含但不限於(若干)區、(若干)流動路徑、(若干)通道、(若干)室及/或(若干)圈等(針對單數指涉物統稱為「室(chamber)」且針對複數指涉物統稱為「若干室(chambers)」)；及視情況至少一個埠，其經組態以允許流體(及視情況，懸浮於流體中之微物件)流入及/或流出微流體裝置。在一些實施例中，微流體或奈米流體裝置之微流體或奈米流體迴路可包含流動區(其可包含微流體通道)及至少一個室，且將保存小於約1 mL之體積之流體，例如，小於約750、500、250、200、150、100、75、50、25、20、15、10、9、8、7、6、5、4、3或2微升。在某些實施例中，微流體迴路保存約1至2、1至3、1至4、1至5、2至5、2至8、2至10、2至12、2至15、2至20、5至20、5至30、5至40、5至50、10至50、10至75、10至100、20至100、20至150、20至200、50至200、50至250或50至300微升。微流體或奈米流體迴路可經組態以具有與微流體裝置中之第一埠(例如，入口)流體連接之第一端及與微流體裝置中之第二埠(例如，出口)流體連接之第二端。
如本文中所使用，「微流體通道」或「流動通道」指代微流體裝置之流動區，其具有顯著地長於水平尺寸及垂直尺寸兩者之長度。例如，流動通道可為水平尺寸或垂直尺寸之長度之至少5倍，例如該長度之至少10倍、該長度之至少25倍、該長度之至少100倍、該長度之至少200倍、該長度之至少500倍、該長度之至少1,000倍、該長度之至少5,000倍或更長。在一些實施例中，流動通道之長度係約100,000微米至約500,000微米，包含其間之任何值。在一些實施例中，水平尺寸係約100微米至約1000微米(例如，約150微米至約500微米)且垂直尺寸係約25微米至約200微米(例如，自約40微米至約150微米)。應注意，流動通道可在微流體裝置中具有各種不同空間組態，且因此不限於完全線性元件。例如，流動通道可為或包含具有以下組態之一或多個區段：曲線、彎曲、螺旋、傾斜、下降、分叉(例如，多個不同流動路徑)及其等任何組合。另外，流動通道沿其路徑可具有不同橫截面積，加寬及縮小以在其中提供所要流體流。流動通道可包含閥，且閥可為微流體技術中已知之任何類型。在美國專利第6,408,878號及第9,227,200號中揭示包含閥之微流體通道之實例，該等專利之各者之全文以引用的方式併入本文中。
如本文中所使用，術語「微物件」通常指代可根據本發明隔離及/或操縱之任何微觀物件。微物件之非限制性實例包含：無生命微物件，諸如微粒；微珠(例如，聚苯乙烯珠、玻璃珠、非晶固體基板、Luminex™珠或類似物)；磁珠；微桿；微絲；量子點及類似物；微物件，諸如細胞；生物細胞器；囊泡或複合體；合成囊泡；脂質體(例如，合成或衍生自膜配製物)；脂質奈米筏及類似物；或無生命微物件及微物件之組合(例如，附著至細胞之微珠、經脂質體塗佈之微珠、經脂質體塗佈之磁珠或類似物)。珠可包含共價或非共價結合部分/分子，諸如螢光標記、蛋白質(包含受體分子)、碳水化合物、抗原、小分子傳訊部分或能夠用於化驗中之其他化學/生物物種。在一些變動中，包含部分/分子之珠/固體基板可為例如經組態以選擇性地或非選擇性地鍵合存在於附近之分子(包含小分子、肽、蛋白質或核酸)之捕獲珠。在一項非限制性實例中，捕獲珠可包含經組態以鍵合具有特定核酸序列之核酸之核酸序列，或捕獲珠之核酸序列可經組態以鍵合具有相關核酸序列之一組核酸。鍵合之任一類型可被理解為係選擇性的。當執行結構上不同但物理化學上類似之分子之鍵合時，包含部分/分子之捕獲珠可非選擇性地鍵合例如經組態以捕獲選定大小或電荷之分子之大小排阻珠或沸石。例如，已在Ritchie等人(2009)之「Reconstitution of Membrane Proteins in Phospholipid Bilayer Nanodiscs」, Methods Enzymol., 464:211-231中描述脂質奈米筏。
如本文中所使用，術語「細胞」與術語「生物細胞」或「生物樣本」可互換地使用。生物細胞之非限制性實例包含真核細胞、植物細胞、動物細胞(諸如哺乳動物細胞、爬蟲動物細胞、鳥類細胞、魚類細胞或類似物)、原核細胞、細菌細胞、真菌細胞、原生動物細胞或類似物、自組織(諸如肌肉、軟骨、脂肪、皮膚、肝、肺、神經組織及類似物)解離之細胞、免疫細胞(諸如T細胞、B細胞、自然殺手細胞、巨噬細胞及類似物)、胚胎(例如，受精卵)、卵母細胞、卵細胞、精子細胞、融合瘤、經培養細胞、來自細胞株之細胞、癌細胞、受感染細胞、經轉染及/或轉形細胞、報導子細胞及類似物。哺乳動物細胞可來自(例如)人類、小鼠、大鼠、馬、山羊、綿羊、奶牛、靈長類動物或類似物。
若生物細胞之群落中能夠繁殖之全部活細胞係衍生自單個親代細胞之子細胞，則該群落係「純系的」。在某些實施例中，純系群落中之所有子細胞係自單個親代細胞衍生不多於10次分裂。在其他實施例中，純系群落中之所有子細胞係自單個親代細胞衍生不多於14次分裂。在其他實施例中，純系群落中之所有子細胞係自單個親代細胞衍生不多於17次分裂。在其他實施例中，純系群落中之所有子細胞係自單個親代細胞衍生不多於20次分裂。術語「純系細胞」指代相同純系群落之細胞。
如本文中所使用，生物細胞之「群落」指代2個或更多個細胞(例如約2個至約20個、約4個至約40個、約6個至約60個、約8個至約80個、約10個至約100個、約20個至約200個、約40個至約400個、約60個至約600個、約80個至約800個、約100個至約1000個或大於1000個細胞)。
如本文中所使用，術語「維持(一或若干)細胞」指代提供包括流體組分與氣體組分兩者及(視情況)提供使細胞保持存活及/或擴增所必需之條件的表面之環境。如本文中所使用，術語「擴增」在涉及細胞時指代細胞數目之增加。流體介質之「組分」係存在於該介質中之任何化學或生化分子，包含溶劑分子、離子、小分子、抗生素、核苷酸及核苷、核酸、胺基酸、肽、蛋白質、糖、碳水化合物、脂質、脂肪酸、膽固醇、代謝物或類似物。如本文中參考流體介質所使用，「擴散」及「擴散作用」指代流體介質之組分沿濃度梯度向下之熱力學移動。
片語「介質之流動」意謂流體介質主要歸因於除擴散作用外之任何機制之整體移動，且可涵蓋灌注。例如，介質之流動可涉及流體介質歸因於點之間的壓力差而自一個點移動至另一點。此流動可包含液體之連續、脈衝、週期性、隨機、間歇性或往復流動或其任何組合。當一種流體介質流入另一流體介質中時，可導致該介質之湍流及混合。流動可包括將溶液牽拉通過微流體通道及拉出微流體通道(例如，抽吸)或將流體推入及推動通過微流體通道(例如，灌注)。
片語「實質上無流動」指代流體介質經時平均之流動速率係小於材料(例如，所關注分析物)之組分擴散至流體介質內或在流體介質內擴散之速率。此一材料之組分之擴散速率可取決於例如溫度、該等組分之大小及該等組分與流體介質之間的相互作用之強度。
如本文中參考微流體裝置內之不同區所使用，片語「流體連接」意謂：當不同區實質上填充有流體(諸如流體介質)時，該等區之各者中之流體經連接以便形成單個流體。此不意謂不同區中之流體(或流體介質)在組分上必定相同。實情係，微流體裝置之不同流體連接區中之流體可具有處於變化中之不同組合物(例如，不同濃度之溶質，諸如蛋白質、碳水化合物、離子或其他分子)，此係因為溶質沿其等各自濃度梯度向下移動及/或流體流動通過該裝置。
如本文中所使用，「流動路徑」指代一或多個流體連接迴路元件(例如(若干)通道、(若干)區、(若干)室及類似物)，其等界定且經受介質之流動軌跡。因此，流動路徑係微流體裝置之掃及區之實例。其他迴路元件(例如，未掃及區)可與包括流動路徑之迴路元件流體連接但未經受介質在流動路徑中之流動。如本文中所使用，「隔離微物件」將微物件限定於該微流體裝置內之經界定區。
微流體(或奈米流體)裝置可包括「掃及」區及「未掃及」區。如本文中所使用，「掃及」區由微流體迴路之一或多個流體互連迴路元件組成，該一或多個流體互連迴路元件之各者在流體流動通過該微流體迴路時經歷介質之流動。掃及區之迴路元件可包含(例如)區、通道及全部或部分室。如本文中所使用，「未掃及」區由微流體迴路之一或多個流體互連迴路元件組成，該一或多個流體互連迴路元件之各者在流體流動通過該微流體迴路時實質上未經歷流體通量。未掃及區可流體連接至掃及區，但該等流體連接經結構化以實現擴散但在掃及區與未掃及區之間實質上無介質流動。因此，微流體裝置可經結構化以實質上使未掃及區與掃及區中之介質流隔離，同時實質上實現掃及區與未掃及區之間的擴散性流體連通。例如，微流體裝置之流動通道係掃及區之實例，而微流體裝置之隔離區(下文將進一步詳細地描述)係未掃及區之實例。
如本文中所使用，流體介質流之「非掃及」速率意謂足以容許室之隔離區中之第二流體介質之組分擴散至流動區中之第一流體介質中及/或第一流體介質之組分擴散至隔離區中之第二流體介質中之流動速率；且進一步而言其中第一介質實質上未流入隔離區中。
如本文中所使用，「實質上」意謂足以達成預期目的。因此，術語「實質上」允許自絕對或完美狀態、尺寸、量測、結果或類似物進行微小、微不足道變動，諸如將由一般技術者所預期但不會明顯地影響總體效能。當關於數值或可被表達為數值之參數或特性使用時，「實質上」意謂在10%內。術語「若干」意謂一個以上。如本文中所使用，術語「複數個」可為2個、3個、4個、5個、6個、7個、8個、9個、10個或更多個。
如本文中所使用，在一些實施例中，「禁錮(pen)」或「禁錮(penning)」指代在微流體裝置內之室(例如，封存圈)內安置微物件。用來禁錮微物件之力可為如本文中描述之任何合適力，諸如介電泳(DEP)，例如，光學致動介電泳力(OEP)；重力；磁力；局部致動流體流；或傾斜。在一些實施例中，禁錮複數個微物件可重定位實質上所有微物件。在一些其他實施例中，可禁錮複數個微物件之選定數目個微物件，且可不禁錮複數個微物件之剩餘微物件。在一些實施例中，當禁錮選定微物件時，可使用DEP力(例如，光學致動DEP力或磁力)來重定位選定微物件。在一些實施例中，可將微物件引入至微流體裝置之流動區(例如，微流體通道)且藉由禁錮引入至室中。
如本文中所使用，在一些實施例中，「取消禁錮(unpen)」或「取消禁錮(unpenning)」指代將微物件自室(例如，封存圈)內重定位至微流體裝置之流動區(例如，微流體通道)內之新位置。用來取消禁錮微物件之力可為如本文中所描述之任何合適力，諸如介電泳，例如，光學致動介電泳力；重力；磁力；局部致動流體流；或傾斜。在一些實施例中，取消禁錮複數個微物件可重定位實質上所有微物件。在一些其他實施例中，可取消禁錮複數個微物件之選定數目個微物件，且可不取消禁錮複數個微物件之剩餘微物件。在一些實施例中，當取消禁錮選定微物件時，可使用DEP力(例如，光學致動DEP力或磁力)來重定位選定微物件。
一些實施例係關於一種可經調用以執行本文中所揭示之方法、程序或子程序之任一者之硬體系統。該硬體系統可包含至少一個微處理器或至少一個處理器核，其在一些實施例中執行一或多個執行緒以執行本文中所揭示之方法、程序或子程序之任一者。硬體系統可進一步包含一或多種形式之非暫時性機器可讀儲存媒體或裝置以暫時地或持久地儲存各種類型之資料或資訊。硬體系統之一些實例性模組或組件可在下述系統架構概述章節中找到。
一些實施例係關於一種製造物品，該製造物品包含在其上儲存指令序列之非暫時性機器可存取儲存媒體，該指令序列在由至少一個處理器或至少一個處理器核執行時引起至少一個處理器或至少一個處理器核執行本文中所揭示之方法、程序或子程序之任一者。非暫時性機器可讀儲存媒體之一些實例性形式可在下述系統架構概述章節中找到。
根據本發明之第一態樣，一種非暫時性電腦可讀媒體儲存指令，該等指令包括一或多個指令，該一或多個指令在由一或多個處理器執行時引起該一或多個處理器提供自化驗分析導出之資料以供顯示，其中該資料包含實驗室晶片之室之至少一部分之至少一個影像，及與該至少一個室相關聯之文數字資料，其中該顯示係圖庫視圖、時間線視圖、原始資料表或其等組合。
在此一非暫時性電腦可讀媒體中，該一或多個處理器提供包含作為化驗步驟配置之實驗室晶片之部分之影像之圖庫視圖以供顯示。在此一非暫時性電腦可讀媒體中，該一或多個處理器提供包含在捕獲各影像時對應於該影像之文數字資料之圖庫視圖以供顯示。在此一非暫時性電腦可讀媒體中，該一或多個處理器提供包含沿時間線表示化驗步驟之影像序列標記物之時間線視圖以供顯示。在此一非暫時性電腦可讀媒體中，一或多個處理器提供原始資料視圖作為表以供顯示。
根據本發明之另一態樣，一種裝置包括用來基於自化驗分析導出之資料而接收指定圖形場景之資訊之一或多個處理器，其中該資料包含實驗室晶片之室之至少一部分之至少一個影像，及與該至少一個室相關聯之文數字資料，其中該顯示係圖庫視圖、時間線視圖、原始資料表或其等組合。
在此一裝置中，該資訊指定包含作為化驗步驟配置之實驗室晶片之部分之影像之圖庫視圖以供顯示。在此一裝置中，該資訊指定包含在捕獲各影像時對應於該影像之文數字資料之圖庫視圖以供顯示。在此一裝置中，該資訊指定包含沿時間線表示化驗步驟之影像序列標記物之時間線視圖以供顯示。在此一裝置中，該資訊指定原始資料視圖作為表以供顯示。
根據本發明之又一態樣，一種用於顯示自化驗分析導出之資料之方法包括：藉由裝置且為顯示，提供自化驗分析導出之資料，其中該資料包含實驗室晶片之室之至少一部分之至少一個影像，及與該至少一個室相關聯之文數字資料；及藉由裝置且為顯示，提供圖庫視圖、時間線視圖、原始資料表或其等組合。
在此一方法中，該提供包括提供包含作為化驗步驟配置之實驗室晶片之部分之影像之圖庫視圖以供顯示。在此一方法中，該提供包括提供包含在捕獲各影像時對應於該影像之文數字資料之圖庫視圖以供顯示。在此一方法中，該提供包括提供包含沿時間線表示化驗步驟之影像序列標記物之時間線視圖以供顯示。在此一方法中，該提供包括提供原始資料視圖作為表以供顯示。
本發明之又其他態樣、特徵及伴隨優點自根據本發明建構、結合隨附圖式所做之實施例之以下詳細描述之閱讀而對於熟習此項技術者將變得顯而易見。
現在將參考圖式詳細地描述各項實施例，該等圖式被提供為本發明之闡釋性實例以便使熟習此項技術者能夠實踐本發明。應注意，以下圖及實例不意欲限制本發明之範疇。在可使用已知組件(或方法或程序)部分地或完全地實施本發明之某些元件之情況下，將描述理解本發明所必需之此等已知組件(或方法或程序)之該等部分，且將省略此等已知組件(或方法或程序)之其他部分之詳細描述以免混淆本發明。
參考附圖，貫穿若干圖，類似元件符號標示相同或對應元件。
實例性實施例可提供用於以若干不同格式之一或多者顯示來自容置於資料庫/資料空間中之化驗分析器之資料且包含基於使用者對經過濾資料之顯示之選擇而對資料進行過濾之技術、基於電腦之媒體、系統及/或裝置。
圖1繪示一或多項實施例中之用於利用增強型使用者介面分析生物樣本或微物件之程序及/或系統150A之方塊圖之簡化實例。除非另有具體地聲明或描述，否則圖1中所繪示且下文所描述之一些或所有元件在此等元件與本文中所描述之實施例之任一者相關之程度上以完全相等效應適用於該等實施例之任一者。在此簡化實例中，可利用一或多個對應工作流程、管線等102對微流體設備中之複數個生物樣本(例如，微物件、細胞、組織、蛋白質、基因、病毒或細胞內分子，諸如DNA (脫氧核糖核酸)、RNA (核糖核酸)等)執行一或多個分析104 (例如，一或多個化驗分析、一或多個定序分析等)。應注意，除非另有具體地區分，否則術語「生物樣本」、「微物件」、「細胞」、「組織」、「蛋白質」、「基因」、「病毒」及「細胞內分子」可貫穿本發明互換地使用。定序分析包含例如判定組成生物樣本(例如，DNA分子)之複數個構建塊或核苷酸鹼基之順序以提供關於生物樣本或複數個構建塊或其鹼基之一或多者之更詳細資訊(例如，特定DNA中所攜帶之基因資訊，哪些DNA延伸段包含基因，哪些延伸段攜帶調節指令等)。
在一些實施例中，生物樣本之分析可包含經由第一導引路徑將第一生物樣本引導至具有複數個基於結構或基於目標之所關注區之第一微流體裝置中之第一基於結構或基於目標之所關注區中，及經由第二導引路徑將第二生物樣本引導至第一微流體裝置中之第二基於結構或基於目標之所關注區中。在一些此等實施例中，單個分析設備可用來執行對生物樣本之分析(例如，化驗、定序等)及運算分析(例如，運算生物學、生物資訊學或任何其他運算分析等)。在一些其他實施例中，多個系統可執行生物樣本之分析。例如，第一系統可對第一生物樣本執行一或多個第一分析，第二系統可對第一生物樣本或第二生物樣本執行一或多個第二分析，一或多個第三系統或第一系統或第二系統之任一者可執行運算分析。在一些實施例中，前述一或多個第三系統可包括例如伺服器、膝上型電腦、桌上型電腦、連接至遠端電腦之終端機及/或虛擬化環境中之一或多個虛擬機。在一些實施例中，本文中所利用之各種軟體模組可經定位於雲端環境中且被提供為經由一或多個各自應用程式設計介面(API)與使用者或用戶端運算節點通信以調用服務之執行之服務，以傳輸輸入資料以供分析及/或傳輸來自佈建於雲端環境上之服務之輸出資料。
在一些實施例中，與對生物樣本執行之分析相關之分析結果可經儲存於單個分析設備之非暫時性電腦可存取儲存媒體中之可定址空間中，其中該結果包括在一時間週期內捕獲之生物物質之一或多個影像序列。術語「分析結果」亦可稱為「相關聯資料」，此係因為分析結果包含用於分析微流體裝置中之生物樣本之各種輸入及輸出資料且因此與分析相關聯。在一些實施例中，分析結果(或相關聯資料)可包含用於分析微流體裝置中之生物樣本之任何輸入及輸出。例如，相關聯資料可包含但不限於供(若干)使用者分析生物樣本之輸入，用於分析之一或多個軟體應用程式及/或一或多個設備之一或多個設定及/或組態，與分析生物樣本中涉及之生物樣本、(若干)設備及/或(若干)軟體應用程式相關之一或多個參數及一或多個參數值。
在一些實施例中，相關聯資料亦可包含分析之中間及/或最終輸出。例如，相關聯資料可包含但不限於經處理影像，來自經處理影像之資料，經聚合、相關及/或經評估資料(例如，細胞計數、細胞之大小及/或形狀等)，定序結果及/或其後設資料。相關聯資料可包含靜態資料、動態資料或靜態資料及動態資料兩者之組合。在一些實施例中，動態資料包含隨時間變動之資料及/或可回應於動態互動之資料(例如，使用者藉由操縱使用者介面中之介面工具集與資料互動等)。在一些實施例中，相關聯資料可以結構化方式配置及儲存於資料結構中，諸如表、資料庫表或任何其他合適資料結構。另外或替代地，相關聯資料之不同部分可分別對應於可採集其相關聯資料之微流體裝置中之多個所關注區(例如，(若干)基於結構及/或基於目標之所關注區)及/或複數個室。例如，相關聯資料可以結構化方式儲存於本文中所描述之微流體裝置資料結構或圖庫結構中，其中不同子結構(例如，行、列等)可分別對應於微流體裝置中之不同所關注區及/或不同室。
單個分析設備接著可調用本文中所描述之各種模組、函數及/或功能性以執行運算分析。在一些其他實施例中，可在一或多個對應設備上單獨地執行對生物樣本之分析(例如，化驗、定序等)及運算分析(例如，運算生物學、生物資訊學或任何其他運算分析等)。
進一步應注意，「單個分析設備」包括一種系統，該系統包括一或多個模組、一或多個機構、一或多個裝置及/或一或多個子系統等之硬體及軟體元件之組合，其完全整合於該系統內以執行一或多個分析、處理前及處理後中間及/或最終分析資料，且以更有效、高效方式在一或多個使用者介面中呈現可組態分析結果以允許使用者操縱分析結果並與分析結果互動以深入了解大量中間及最終分析資料且利用本文中所描述之各種工具、模組、介面工具集及功能性促進此一或多個分析之目標之完成。
微流體設備可包含例如微流體裝置、奈米流體裝置、奈米流體裝置、奈米流體裝置或奈米流體設備且在後文中統稱為「微流體裝置」。微流體裝置(其亦可稱為實驗室晶片、基因晶片、DNA晶片等)可包含操縱(例如，藉由使用主動及被動組件及/或微型組件，諸如微型泵、微型閥等)非常少量流體(例如，在任何給定時間，在微流體裝置之迴路內小於1 mL)或若干流體、試劑、可溶解螢光報導子等以在經組態以對一或多個生物樣本(包含超過100個、500個、1,000個、5,000個、7,000個、9,000個、11,000個或更多個生物樣本之生物樣本陣列)執行一或多個小型化程序或測試(例如，多工、自動化、高輸送量篩選、分析、化驗等)之微流體裝置中之所關注區(例如，基於目標之ROI、基於結構之ROI，其可為室或隔離室之至少一部分)中展現局部可量測效應之儀器。
工作流程或管線包含例如可利用一或多個工具對或針對複數個生物樣本及/或其資料執行之串列及/或並列步驟、程序或變換之序列，該一或多個工具經連結或經鏈結在一起以定性地評估或定量地量測目標分析物(例如，生物樣本、藥物、生化物質等)之一或多個特性(例如，存在、量或功能活性等)。在一些實施例中，工作流程或管線亦可包含或涉及一或多個資料操縱操作或其指令，例如資料擷取/匯入、資料過濾、清理、修剪或正規化等及/或資料匯出。
可產生一或多個資料集或資料結構106。此一或多個資料集或資料結構106可包含在分析104之進程期間或針對分析104 (例如，在一或多個時間點或在一或多個時間週期期間)捕獲之任何資料。此資料之一些實例包含針對微流體裝置中之一或多個所關注區捕獲之一或多個基本影像108。例如，基本影像可在特定時刻捕獲微流體裝置中之複數個室之影像。此資料可進一步包含與生物樣本有關且在分析之進程期間捕獲、感測或以其他方式收集之固有資料150。
例如，此資料可包含生物樣本之或針對生物樣本之任何可量測或可量化特性，諸如親和力(例如，諸如Covid-19病毒之病毒及/或一或多種抗體之間的親和力)；細胞活化程度；目標小分子、肽、蛋白質、傳訊分子等之細胞分泌程度；細胞對特定刺激之回應程度(例如，引入小分子等)，在一些實施例中此等性質可與所關注區之一或多個個基於目標或基於結構之性質相關，包含但不限於：生物樣本之大小、外徑、內徑、圓度、形態、螢光標記等。
此資料亦可包含自與生物樣本相關之其他資料導出或運算之導出或分析資料152。例如，此導出或分析資料152可包含任何經運算特性，諸如利用(若干)演算法、分析、統計量度及/或定製資料(例如，經運算或經導出大小、外徑、內徑、圓度等，藉由應用一或多個過濾器、叢集化演算法、分級演算法等定製之(若干)圈清單、(若干)資料集、(若干)模板等)或任何其他經處理資料自影像估計之(若干)任何直徑或幾何特性。經運算或經導出大小、外徑、內徑、圓度等可自例如影像(例如，基本影像、所關注區之影像等)獲得且可以例如實體尺寸來表達，諸如顯示器上之單位照明區域(例如，像素)之微米或數目。
除非另有具體地描述，否則固有資料150及導出或分析資料152可統稱為或儲存為資料集或簡單地資料。在一些實施例中，固有資料150以及導出及分析資料152可分別儲存於一或多個單獨資料結構中。在一些其他實施例中，固有資料150之至少一部分及導出或分析資料152之至少一部分可儲存於單個資料結構中。
在其中固有資料150及導出或分析資料152單獨地儲存於一或多個各自資料結構中之一些實施例中，固有資料150及導出或分析資料152仍可彼此連結。例如，固有資料150之任何部分及導出或分析資料152之對應部分可藉由使用例如一或多個識別符或任何其他合適鏈接(諸如微流體裝置識別符、室識別符，或自室識別符及微流體裝置識別符判定之經彙總識別符，與生物樣本或與微流體裝置或其之一部分之一或多個結構特徵或特性相關之特徵、特性、性質、屬性等之任一者或任何其他合適鏈接)而彼此相關。而且，可如下文所描述般對前述資料結構之任一者編索引以促進對此等索引資料結構之更有效存取及查詢。
針對該程序捕獲之資料可經儲存於一或多個資料結構中，其中各資料件可與唯一識別符相關聯。歸因於微流體裝置中可展現之大量所關注區(例如，自單個微流體裝置中之個位數之ROI至數萬個ROI)，唯一識別符可與以下至少一者有關：微流體裝置之識別、所關注區(例如，微流體裝置中之特定室)之唯一識別符、時間戳、區識別及/或可用來唯一地定位基本影像或在基本影像中捕獲之任何所關注區之任何其他合適識別(例如，條形碼等)。與基本影像相關之資料可以諸多資料結構或不同形式(例如，結構化資料及/或非結構化資料) 110儲存，諸如一或多個表、一或多個資料庫、一或多個關係資料庫表或在一些實施例中將資料集中捕獲之各資料件與生物樣本、生物樣本之特徵或特性、分析之一部分及/或工作流程或管線之一部分相關之任何其他合適形式或格式。可用一或多個索引鍵對資料集編索引以促進有效且方便的存取、擷取或查詢。
資料集可經載入至可具有對資料集或其之一部分之讀取及/或寫入存取之一或多個模組112中。此一或多個模組112可包含例如：一或多個過濾器建構器及應用程式模組114，其產生一或多個一維或多維過濾器且將一或多個一維或多維過濾器應用於經載入資料集；一或多個繪圖模組116，其產生或顯現各種圖形、圖等(例如，視圖130)；一或多個分析模組118，其可對或針對經載入資料集執行一或多個分析；一或多個視圖模組120，其產生一或多個各自視圖(例如，圖庫視圖、晶片時間線視圖等)；本文中所描述之任何其他模組；或用來促進複數個生物樣本之分析之任何其他合適、所需或所要模組。此一或多個模組112可包含例如可採用例如自動地、以程式化方式判定所關注區中之生物樣本之總計數之廻旋神經網路之基於機器學習之生物樣本計數模組121。在一些實施例中，可獨立地產生或顯現任何視圖(例如，圖庫視圖、晶片時間線視圖、生物資訊學管線視圖、圖形視圖等)。在一些此等實施例中，一或多個視圖可在物件導向程式化之內容脈衝中封裝為一或多個各自物件且經插入至另一視圖中。
在一些實施例中，一或多個模組112可包含一或多個人工智慧(A.I.)模組123，該一或多個人工智慧(A.I.)模組123包含自監督及/或無監督學習技術判定之一或多個模型及一或多個訓練資料集及/或基準資料集。例如，一旦使用者已判定室、圈或所關注區等之清單之相關聯資料滿足或超過一或多個準確度、效能及/或生產(例如，旗標、工作流程、工作流程任務、生物學相關性、實驗相關性)要求，室、圈或所關注區之清單便可由使用者識別且經併入至訓練資料集或基準資料集中(例如，作為經標記訓練資料)。另外或替代地，此一或多個人工智慧模組123及/或計數模組121可對相關聯資料(例如，來自工作流程之影像或影像序列，包含但不限於該等影像之部分，其中該等片段可包含但不限於圈、(若干)所關注區、室)執行各種各自功能性且產生可用來選擇、分選或以其他方式識別相關聯資料之子集以用於編譯訓練資料集或基準資料集之一或多個度量(例如，統計量度，諸如置信度位準、經估計誤差等)。在一些例項中，相關聯資料可包括大於10個、50個、100個、1000個、2000個、5000個、7000個、10000個或更多個個別地特性化之所關注區，且該人工智慧模組經組態以使用本文中所揭示或模型建構領域中以其他方式理解之方法之任一者選擇相關聯資料之一部分。在一些實施例中，該一或多個人工智慧模組123可用超過或下降至低於某個臨限值(例如，超過第一臨限值之置信度位準、低於第二臨限值之經估計誤差)之度量識別相關聯資料之片段作為用於訓練一或多個模型以改良其等對此一或多個模型之預測之準確度之訓練或基準資料集之一部分。在進一步例項中，使用一或多個視圖(例如，本文中所揭示或由本文中所揭示之模組產生之視圖之任一者)向使用者呈現相關聯資料之部分(例如，選定部分或自動產生部分)以呈現或以其他方式視覺化相關聯資料使得使用者出於分類之目的可至少部分基於視覺檢測、由模型判定之度量或分數及/或應用自動步驟、手動程序或後續學習演算法而準備相關聯資料之片段或相關聯資料之部分。替代地或另外，使用者可藉由組合相關聯資料之片段或若干片段與相關聯資料之其他片段來將相關聯資料之片段或若干片段策展及準備至基準資料庫中，包含但不限於經策展清單(例如，圈、室、所關注區等之經編譯清單)。
此一或多個人工智慧模組123可藉由使用諸如神經網路、廻旋神經網路、機器學習及/或深度學習等與輔助或非輔助學習之技術利用訓練資料集及/或基準資料集來判定或構建及/或改良一或多個模型。
此一或多個經訓練或未經訓練模型可用來對新資料集執行各種預測。例如，此一或多個模型可執行以下功能性，諸如但不限於與分析相關之影像序列之影像內容辨識、分析之相關聯資料之分類、自一或多個生物樣本或特徵之或自生物樣本之分析獲得之影像或影像序列內之所關注區之一或多個特性(例如，形成區域之像素之數目、區域之微米(例如，平方微米或微米維)、背景區域、背景區域之像素之數目、背景區域之微米(例如，平方微米或微米維)、以微米為單位之質心(例如，x質心、y質心、質心座標、以平方微米為單位之質心面積等)、以像素為單位之質心(例如，x質心或y質心、質心座標、質心面積)、樣本之圓度、以微米為單位之樣本直徑、最大亮度、中位數亮度、最大背景亮度、平均背景亮度、目標索引(例如，與特定目標相關聯之唯一識別符或標記)、樣本之周長微米或其等任何組合等)等之估計。
例如，人工智慧模組123可接收針對一或多個所關注區捕獲之影像序列。人工智慧模組123可例如執行廻旋神經網路以利用例如圖10A至圖10K-2中所描述之技術辨識影像序列中之內容。辨識影像之內容可出於不同目的以多種不同解析度執行。在一些實施例中，人工智慧模組123可首先對影像序列執行較低解析度內容辨識以區分展示一或多個生物樣本之影像與不展示生物影像之影像。
人工智慧模組123可將影像序列分類為兩種類別(例如，對應於展示(若干)生物樣本之影像之較顯著類別及不展示生物樣本之不太顯著類別)。針對較顯著類別及不太顯著類別之此分類，人工智慧模組123可採用較低解析度辨識程序(例如，具有較大步幅之廻旋網路或諸如5×5、7×7、11×11等過濾器之過濾器)來節省運算資源，此係因為影像序列之內容中之更精細細節對於此分類目的可能不那麼重要。人工智慧模組123可進一步對較顯著類別執行較高解析度內容辨識程序以更精確地區分(例如)生物樣本之邊界與背景使得該人工智慧模組可更準確地捕獲生物樣本之形狀。利用更準確地捕獲之形狀，該人工智慧模組可估計或運算例如生物樣本之圓度且參考其知識庫來判定具有經估計圓度之生物樣本是否可分類成正常樣本類別、異常樣本類別、健康樣本類別、不健康樣本類別、腫瘤類別等。在此等實施例中，該人工智慧模組可因此利用本文中所描述之電腦視覺及A.I.技術將複數個生物樣本分類成多種類別。應注意，計數模組121及一或多個A.I.模組123可彼此獨立地或彼此串聯地起作用以促進其等預期功能性之執行。
在一些實施例中，可與執行分析或執行工作流程或管線並行地產生資料集。在此等實施例中，各種類型之資料(例如，一或多個所關注區之基本影像、可量化度量、性質、特性、屬性及/或其他所要或所需資訊或資料等)可經由一或多個資料採集工具(例如，用於捕獲影像之一或多個相機或影像感測器、用於收集感覺資料之一或多個感測器、用於儲存運算資料之電腦匯流排或資料匯流排等)來採集且儲存於一或多個資料結構中。
在一些實施例中，來自一或多個資料採集工具之原始或經處理資料可暫存(stage)在中間儲存器中，且可進一步採用一或多個資料處理工具或模組來處理此資料以持久地儲存於一或多個資料結構中。例如，可至少部分基於例如微流體裝置之識別符、微流體裝置中之複數個室之各自識別符及/或時間戳等而使來自不同資料採集工具或模組之各種資料件相關。
接著可以結構化及/或非結構化資料之形式將原始及/或經處理資料(例如，110、150及/或152)儲存於一或多個資料結構中。在一些實施例中，一或多個資料結構之至少一者可用一或多個唯一鍵來編索引以促進對至少一個索引資料結構之更有效存取及查詢。例如，室識別符或自室識別符或微流體裝置識別符判定之經彙總識別符、與生物樣本或與微流體裝置或其之一部分之結構相關之特徵、特性、性質、屬性等之任一者或任何其他合適鍵可用作用來對至少一個資料結構編索引之唯一鍵。例如，可藉由例如總基因計數之鍵或總細胞計數之鍵來對儲存與微流體裝置之複數個室中之生物樣本相關之資料之資料結構編索引。當使用者存取資料結構且應用將結果限於返回具有不少於五(5)個細胞之室之一維過濾器時，可回應於過濾準則而更有效地存取資料結構以忽略對應於具有少於總共五個細胞之室之任何條目。以此方式，對經編索引資料結構之讀取或寫入之任何存取係更有效的。
在一些其他實施例中，提前執行分析(例如，生物醫學、生化或藥物分析，諸如化驗、定序等)，且與分析相關之資料在執行任何額外分析之前執行針對資料集之分析期間獲得。即，對生物樣本之分析係在執行分析期間收集之資料之任何後續分析之前執行。在此等實施例中，資料集可經載入至本文中所描述之各種模組或工具中。儘管在對生物醫學、生化或藥物分析之資料進行額外運算分析之前對生物樣本執行生物醫學、生化或藥物分析，但本文中所描述之任何技術(諸如將大量資料配置至一或多個資料結構中、對一或多個資料結構之任一者編索引、叢集化、過濾、分級等)可以完全相等效應應用於生物醫學、生化或藥物分析之資料。
可識別或判定一或多個所關注區122。利用此一或多個所關注區，可自資料集提取、導出或以其他方式自動地判定與一或多個所關注區相關之特定資料。所關注區122可由使用者指定(例如，藉由點選圖1中未展示之所關注區產生介面工具集以選擇所要或定製區作為所關注區)或由本文中所描述之各種技術自動地判定。例如，在一些實施例中，使用者可將微流體裝置中之室指定或標示為所關注區。程序或系統150A可至少部分基於一或多個準則而自動地判定所關注區。例如，程序或系統150A可咨詢工作流程或管線以識別分析涉及細胞培養及匯出程序。
程序或系統150A可進一步參考工作流程或管線以判定在其間該程序或系統可判定所關注區包含室之時間週期內微流體裝置中之複數個生物樣本處於細胞培養階段，且進一步在該時間週期期間之一或多個時間點自動地裁剪室之個別影像部分126。在後續時間週期期間，程序或系統150A可判定匯出程序將在另一時間週期內開始。在此另一時間週期期間，程序或系統150A可自動地判定所關注區係室外加室與微流體裝置中之鄰近流動通道之間的介面。程序或系統150A接著可至少部分基於例如室之識別及介面部分之自動判定等而自包含展示室及介面之個別影像部分126之基本影像自動地提取(例如，藉由裁剪)個別影像部分126。
在另一後續時間週期期間，程序或系統150A可判定匯出即將結束或已結束且接著可自動地判定所關注區包含與細胞自其匯出之室相關之流動通道之一部分。程序或系統150A接著可自基本影像自動地提取展示流動通道之部分之個別影像部分126。利用來自資料庫124之個別ROI影像126，程序或系統150A可進一步識別、提取或擷取與所關注區影像126相關之一或多個特徵、屬性、特性等之有關資料128且藉由使用例如符號鏈接、指標或任何其他合適鏈接使所關注區影像126與此有關資料128相關。
在一些實施例中，可自一或多個基本影像108及與該一或多個基本影像相關之(若干)資料結構110判定多個所關注區以產生多個所關注區(ROI)影像126及有關資料128。至少部分基於例如存取(例如，量化、監測等)之一或多個特徵，所關注區可為基於目標或基於結構。在其中經存取特徵與生物樣本(例如，特定生物樣本、生物樣本之特定類型、與生物樣本或其之一部分相關之性質/屬性/特性等)有關之一些實施例中，如此判定之所關注區可稱為基於目標之所關注區。另一方面，在其中經存取特徵與結構特性(例如，與室相關之特性、或微流體裝置之任何結構特徵等)有關之一些實施例中，如此判定之所關注區可稱為基於結構之所關注區。因此，此多個ROI影像126可包含一或多個基於目標之ROI影像、一或多個基於結構之ROI影像或一或多個基於目標之ROI影像及一或多個基於結構之ROI影像。
可將此等所關注區影像126及有關資料128進一步提供至該組模組112中之一或多個模組以供進一步處理。例如，可將ROI影像126及有關資料128提供至過濾器建構器及應用程式模組114，該過濾器建構器及應用程式模組114可將一或多個一維或多維過濾器應用於ROI影像126及/或有關資料128之至少一部分以濾除不滿足該一或多個過濾器之資料或維持滿足該一或多個過濾器之資料。作為另一實例，可將ROI影像126及有關資料128提供至降維模組(未展示)，該降維模組例如對ROI影像126及/或有關資料128之至少一部分執行主成分分析(PCA)以減小此資料之維數。作為另一實例，可將ROI影像126及有關資料128提供至叢集化模組(未展示)以例如至少部分基於一或多個叢集化準則而叢集化複數個生物樣本。作為另一實例，可將ROI影像126及有關資料128提供至視圖模組120，該視圖模組120產生一或多個視圖130 (諸如圖庫視圖、時間線視圖或本文中所描述之(若干)任何其他視圖)以配置ROI影像126及有關資料128使得促進便利且有效地存取及分析與複數個生物樣本相關之資料。類似地，可將ROI影像126及有關資料128提供至繪圖模組116，該繪圖模組116以一或多個圖形或圖繪製資料或其之一部分。
在一些實施例中，本文中所描述之任何物件可被設計為回應於使用者之互動之互動式物件。此等物件可包含例如介面工具集(選擇介面工具集、互動式介面工具集、滑動調整介面工具集、圖庫細節介面工具集、處理介面工具集、寫入介面工具集、識別符介面工具集、刪除介面工具集、互動式資料夾介面工具集、組態滑塊介面工具集、所關注區產生介面工具集、定序視圖介面工具集、多向放置介面工具集等)、影像、模組(例如，過濾器建構器或過濾器產生模組、清單產生模組等)、使用者介面中之表示塊(例如，資料塊)、圖示、命令等。例如，可利用物件導向程式設計語言(諸如Java、Python或C++等)對此一物件進行編碼，該物件導向程式設計語言經由使用者輸入裝置接收使用者輸入，剖析使用者輸入，調用在其中或別處編碼之一或多個類別及/或函數，且回應於使用者輸入而產生中間輸出(例如，等待來自使用者之進一步輸入)或最終輸出。
圖3O繪示一或多項實施例中之在其上可實施本文中所描述之用於對生物樣本執行化驗分析之各種程序之電腦化系統。電腦系統300O包含用於傳達資訊之匯流排306O或其他通信模組，該匯流排306O或其他通信模組使子系統及裝置(諸如處理器307O、系統記憶體308O (例如，RAM)、靜態儲存裝置309O (例如，ROM)、磁碟機310O (例如，磁性或光學)、通信介面314O (例如，數據機或乙太網路卡)、顯示器(例如，CRT或LCD)、輸入裝置312O (例如，鍵盤)及游標控件(未展示)) 互連。
在一些實施例中，闡釋性運算系統300O可包含基於網際網路之運算平臺，該運算平臺在無所不在的按需基礎上經由網際網路將可組態電腦處理資源(例如，電腦網路、伺服器、儲存器、應用程式、服務等)及資料之共用池提供至其他電腦及裝置。例如，在一些實施例中，運算系統300O可包含雲端運算平臺(例如，公共雲端、混合雲端等)或可為其之一部分，其中電腦系統資源(例如，儲存資源、運算資源等)係在按需基礎上提供，而無需由使用者進行直接主動管理。
根據一項實施例，電腦系統300O藉由執行系統記憶體308O中包含之一或多個指令之一或多個序列之一或多個處理器或處理器核307O來執行特定操作。此等指令可自諸如靜態儲存裝置309O或磁碟機310O之另一電腦可讀/可用儲存媒體讀取至系統記憶體308O中。在替代實施例中，硬連線電路可代替或組合軟體指令使用以實施本發明。因此，本發明之實施例不限於硬體電路及/或軟體之任何特定組合。在一項實施例中，術語「邏輯」應意謂用來實施本發明之全部或部分之軟體或硬體之任何組合。
可藉由使用一或多個處理器、一或多個處理器核或其等組合307O來執行如前述段落中所描述之各種動作或程序，其中一或多個處理器、一或多個處理器核或其等組合執行一或多個執行緒。例如，本文中所描述之判定、提取、模擬、註釋、分析、最佳化及/或識別等之動作可由一或多個處理器、一或多個處理器核或其等組合來執行。
如本文中所使用，術語「電腦可讀儲存媒體」或「電腦可用儲存媒體」指代參與將指令提供至處理器307O以供執行之任何非暫時性媒體。此一媒體可採取諸多形式，包含但不限於非揮發性媒體及揮發性媒體。非揮發性媒體包含例如光碟或磁碟，例如磁碟機310O。揮發性媒體包含動態記憶體，諸如系統記憶體308O。電腦可讀儲存媒體之常見形式包含例如機電磁碟機(諸如軟碟、軟性磁碟或硬碟)、基於快閃記憶體、基於RAM之(諸如SRAM、DRAM、SDRAM、DDR、MRAM等)或任何其他固態硬碟(SSD)、磁帶、任何其他磁性或磁光媒體、CD-ROM、任何其他光學媒體、具有洞圖案之任何其他實體媒體、RAM、PROM、EPROM、FLASH-EPROM、任何其他記憶體晶片或匣或電腦可自其讀取之任何其他媒體。
在一項實施例中，用來實踐本發明之指令序列之執行由單個電腦系統300O來執行。根據本發明之其他實施例，由通信鏈路315O (例如，LAN、PTSN或無線網路)耦合之兩個或更多個電腦系統300O可彼此協作地執行實踐本發明所需之指令序列。
電腦系統300O可透過通信鏈路315O及通信介面314O傳輸及接收訊息、資料及指令，包含程式(例如，應用程式碼)。經接收程式碼在其經接收及/或經儲存於磁碟機310O或其他非揮發性儲存器中以供稍後執行時可由處理器307O來執行。在一實施例中，電腦系統300O結合資料儲存系統331O (例如，包含可容易由電腦系統300O存取之資料庫332O之資料儲存系統331O)操作。電腦系統300O透過資料介面(未展示)與資料儲存系統331O通信。耦合至匯流排306O (例如，記憶體匯流排、系統匯流排、資料匯流排等)之資料介面傳輸及接收包含表示各種類型之信號資訊之資料串流(例如，指令、訊息及資料)之電、電磁或光學信號。在本發明之實施例中，資料介面之功能可由通信介面314O來執行。
在實例性系統中，運算系統300O可為任何電腦裝置及/或系統，諸如桌上型電腦、伺服器、工作站、膝上型電腦、手持型電腦、智慧型手錶或能夠與另一裝置、系統或兩者通信且具有足夠處理器能力及/或記憶體以執行本文中所描述之操作之其他形式之運算或電信裝置。
運算系統300O可實質上運行任何作業系統，諸如Microsoft™ Windows™作業系統、Linux作業系統(包含各種發行版)，Unix作業系統、MacOS™作業系統及類似物之版本。運算系統300O之實施方案可進一步操作即時作業系統、嵌入式作業系統、專屬作業系統、開源作業系統、用於行動運算裝置之作業系統及/或能夠在運算系統300O上運行及/或執行本文中所描述之操作之另一類型之作業系統。
運算系統300O包含記憶體(一組可執行邏輯表達式(例如，「軟體」)可根據至少一項實施例儲存於該記憶體上)、用於執行儲存於該記憶體中之軟體之(若干)處理器及用於控制系統硬體之其他程式或通常與其等通信。
記憶體可尤其包含電腦系統記憶體或隨機存取記憶體(RAM)，諸如動態隨機存取記憶體(DRAM)、靜態隨機存取記憶體(SRAM)、延伸資料輸出隨機存取記憶體(EDO RAM)、磁阻性隨機存取記憶體(MRAM)及類似物。該系統之使用者可透過輸入裝置(例如，鍵盤、指標裝置及/或視覺顯示裝置，諸如電腦監視器)與運算系統300O互動，該輸入裝置可包含圖形使用者介面(GUI)。GUI使使用者能夠透過運算系統300O與本文中所描述之系統互動。使用者可發送輸入以指示該系統使用GUI，該GUI繼而亦可顯示使用者輸入之結果。運算裝置300O亦可包含儲存裝置，該儲存裝置包含化驗資料，即，已自化驗產生之資料，該資料可包含影像資料及文數字資料兩者，此將在下文更詳細地描述。
運算系統300O可進一步包含諸如硬碟機、光碟唯讀記憶體(CD-ROM)或其他電腦可讀媒體之儲存裝置或通常與其電子通信，以儲存作業系統及其他相關軟體且儲存本文中所描述之顯示環境引擎。另外，運算系統300O可進一步包含一或多個網路介面卡及其他經常實施之子組件(諸如硬體加速器)，以增加運算系統300O之處理速率。
一般而言，資料顯示引擎之實例性實施例(參見例如圖2A)使使用者(例如，研究生物學家)能夠對來自大資料集34之資料進行過濾、分選及顯示，包含但不限於本文中別處所描述者。圖2A繪示可為圖2B中所繪示之運算節點之部分之實例性資料顯示引擎50，圖2B繪示在其上可實施本文中所描述之各種運算任務之具有運算裝置12之實例性運算系統10。該運算裝置12可包含一或多個處理器14、記憶體16、網路介面卡18或其他組件或裝置20。在操作系統24上執行之該運算裝置18可被操作地連接至儲存器22、輸入裝置26、指標裝置28、具有圖形使用者介面32之顯示器30等以處理化驗資料34。引擎50在以下一或多個視圖中顯示來自化驗資料集/資料空間34之資料：圖庫視圖52；晶片時間線視圖54；過濾器視圖56；原始資料視圖58；及生物資訊學管線視圖59。資料顯示引擎50中之此等模組(例如，52、54、56、58及/或59)之一或多者不僅顯示資料或資訊，而且單獨地或結合一或多個其他模組(例如，圖1中之一或多個模組112)執行一或多個分析。
再次參考圖3O，資料顯示引擎50可使使用者能夠判定用於其等研究之一或多個微流體裝置中之最佳室及更具體而言最佳生物細胞，找到匹配一或多個特定準則之室(或生物細胞)。資料顯示引擎50可顯示所關注室之視覺歷史，且可對該室中之微物件執行化驗之前、期間及之後的任何所關注時間週期內容易經由GUI視覺化單個室之多個影像。資料顯示引擎50可使使用者能夠基於與室相關聯之資料(包含與室內包含之微物件(或生物細胞)相關聯之資料)對室進行分級及/或分選，及/或對室進行過濾。資料顯示引擎50可使使用者能夠將室影像與在化驗分析期間產生之文數字資料匹配，且可例如以標準化格式(例如，CSV或「逗號分隔值」顯示來自(若干)微流體裝置之全影像之單個室影像、來自多個時間點之影像及/或室影像之切片(其等可視情況包含室井外部之區域，其對於一些化驗可能係重要的)以及來自資料庫之室資料。
圖3A至圖3C繪示實例性微流體裝置。除非另有具體地聲明或描述，否則圖3A至圖3C中所繪示之一些或全部元件在此等元件與本文中所描述之實施例之任一者相關之程度上以完全相等效應適用於該等實施例之任一者。
參考識別符或ID (例如，圖4D中之404D)之各者對應於微流體裝置，其中晶片時間線描繪隨時間在微流體裝置上執行之操作。來自微流體裝置之所關注區基於微流體裝置之基於結構或基於目標之特徵、基於在晶片時間線之時間進程內評估(例如，量化、監測等)之特徵而判定。自微流體裝置導出之影像可用來對微流體裝置內之所關注區之影像序列進行編譯。另外，晶片時間線視圖經組態以表示隨時間在微流體裝置上執行之一或多個步驟或操作。微流體迴路120A被繪示為包括微流體通道122A及室124A、126A、128A、130A。
在一些實施例中，各室包括至通道122A之開口，但以其他方式圍封使得該等室可實質上將室內部之微物件與通道122A之流動路徑106A中或其他室中之流體介質180及/或微物件隔離。室之壁自基座之內表面109延伸至蓋110A之內部表面以提供外殼。室對微流體通道122A之開口經定向而與流體介質180之流106A成角度使得流106A不會被引導至室中。流可與室之開口之平面相切或正交。在一些例項中，室124A、126A、128A、130A經組態以將一或多個微物件實體上圍於微流體迴路120A內。根據本發明之室可包括經最佳化以與DEP (介電泳)、OET (光電子鑷子)、OEW (光電潤濕)、流體流及/或重力一起使用之各種形狀、表面及特徵，如將在下文詳細地論述及展示。
晶片時間線視圖可記錄及描繪在微流體迴路120A上執行之操作，與在各個時間點或貫穿晶片時間線時間進程獲取之影像。各微流體迴路可包括具有在貫穿晶片時間線之各個時間點獲取之影像中可區分之特徵或特性之任何數目個微流體室。儘管在圖3A中繪示五個室，但微流體迴路120A可具有更少或更多室。如所展示，微流體迴路120A之微流體室124A、126A、128A及130A各包括不同特徵及形狀，此可提供對維持、隔離、化驗或培養微物件(包含生物細胞及諸如珠之其他微物件)有用之一或多個益處。在一些實施例中，微流體迴路120A包括複數個相同微流體室。
在圖3A中所繪示之實施例中，微流體裝置之基於結構之特性包括如所展示之單個通道122A及流動路徑106A。然而，其他實施例可包含多個通道122A之基於結構之特性，各通道122A經組態以包括流動路徑106A之基於結構之特性。微流體迴路120A進一步包括與流動路徑106A及流體介質180流體連通之入口閥或埠107之基於結構之特性，藉此流體介質180可經由入口埠107進入通道122A且可隨時間可量測或可監測為微流體裝置之所獲取影像之特徵或特性。在一些例項中，流動路徑106A包括單個路徑。在一些例項中，單個路徑例如以Z字形圖案配置藉此流動路徑106A在交替方向上跨微流體裝置100A行進兩次或更多次。
在一些例項中，微流體迴路120A包括基於結構之特性，該特性包括複數個平行通道122A及流動路徑106A，其中各流動路徑106A內之流體介質180在相同方向上流動。在一些例項中，各流動路徑106A內之流體介質在向前方向或相反方向之至少一者上流動，其中該方向在微流體裝置之所獲取影像中可量測。在一些例項中，複數個室經組態以(例如，相對於通道122A)使得該等室可並行地裝載有目標微物件，其中此裝載可量測為在晶片時間線之時間進程內及在對應影像序列中監測之特徵。
在一些實施例中，微流體迴路120A進一步包括一或多個微物件阱132A，其中該等微物件阱包括微流體裝置之可量測特徵或特性。阱132A通常可經形成於形成通道122A之邊界之壁中，且可與微流體室124A、126A、128A、130A之一或多者之開口相對地定位。在一些實施例中，阱132A經組態以自流動路徑106A接收或捕獲單個微物件，其中此等操作被記錄為在晶片時間線中表示且在針對晶片時間線中執行之操作獲得之對應影像序列中記錄之操作之部分。在一些實施例中，阱132A經組態以自流動路徑106A接收或捕獲複數個微物件，其中此等操作被記錄為在晶片時間線中表示且在針對晶片時間線中執行之操作獲得之對應影像序列中記錄之操作之部分。
在一些例項中，阱132A包括近似等於單個目標微物件之體積之體積。阱132A可進一步包括經組態以輔助目標微物件流入阱132A中之開口，其中目標微物件之此流動被記錄為在晶片時間線中表示且在針對晶片時間線中執行之操作獲得之對應影像序列中記錄之操作之部分。在一些例項中，阱132A包括具有近似等於單個目標微物件之尺寸之高度及寬度之開口，藉此防止較大微物件進入微物件阱，其中該開口操作為微流體裝置之基於結構之特徵且微物件之選擇性過濾之操作基於指示為在晶片時間線中表示且在針對晶片時間線中執行之操作獲得之對應影像序列中記錄之操作之部分之大小。
阱132A可進一步包括經組態以輔助將目標微物件留存於阱132A內之其他特徵。在一些例項中，阱132A相對於微流體室之開口與通道122A之相對側對準且位於通道122A之相對側上，使得在微流體裝置100經由傾斜裝置190繞平行於微流體通道122A之軸傾斜時，經捕集微物件以引起該微物件落入至該室之開口中之軌跡離開阱132A，其中此等操作被表示為在晶片時間線中表示且在針對晶片時間線中執行之操作獲得之對應影像序列中記錄之操作之部分。在一些例項中，阱132A包括側通路134A，其小於目標微物件以便促進流動通過阱132A且由此增加在阱132A中捕獲微物件之可能性，其中此等操作被表示為在晶片時間線中表示且在針對晶片時間線中執行之操作獲得之對應影像序列中記錄之操作之部分。
在一些實施例中，在晶片時間線期間獲取之影像可表示或呈現經由一或多個電極(未展示)而跨流體介質180 (例如，在流動路徑中及/或在室中)施加以操縱、運輸、分離及分選位於其中之微物件之介電泳(DEP)力，其中此等操作被記錄為晶片時間線中之步驟或步驟系列。例如，在一些實施例中，將DEP力施加至微流體迴路120之一或多個部分以便將單個微物件自流動路徑106轉移至所要微流體室中。在一些實施例中，可使用DEP力來防止室(例如，室124A、126A、128A或130A)內之微物件自該室移位。此外，在一些實施例中，可使用DEP力來自先前根據本發明之實施例收集之室選擇性地移除微物件。在一些實施例中，DEP力包括光電子鑷子(OET)力。
圖3B至圖3C中繪示包括DEP組態之微流體裝置200之一個實例。雖然為簡單起見，圖3B至圖3C分別展示具有區/室202之微流體裝置200之外殼102A之一部分之側視橫截面視圖及俯視橫截面視圖，但應理解，區/室202可為具有更詳細結構(諸如生長室、室、流動區或流動通道)之流體迴路元件之部分。此外，微流體裝置200可包含其他流體迴路元件，其中此等元件表示基於結構之特徵。例如，微流體裝置200可包含複數個生長室或室及/或一或多個流動區或流動通道，諸如本文中關於微流體裝置100A所描述者。
可將DEP組態併入至微流體裝置200之任何此等流體迴路元件或其選擇部分中。應進一步明白，上文或下文所描述之微流體裝置組件及系統組件之任一者可併入於微流體裝置200中及/或組合微流體裝置200使用。例如，包含上文所描述之控制及監測設備152A之系統150A可與微流體裝置200一起使用，包含介質模組160 (包含介質源178)、動力模組162、成像模組164、傾斜模組166及其他模組168之一或多者。控制及監測設備152A可包含主控制器154，該主控制器154可進一步包括控制模組156及數位記憶體158。監測設備152A可進一步包含顯示裝置170及輸入/輸出裝置172。
如圖3B中所見，微流體裝置200包含：支撐結構104A，其具有底部電極204及上覆於底部電極204之電極啟動基板206；及蓋110A，其具有頂部電極210，其中頂部電極210與底部電極204隔開。此等電極之形狀可經記錄於微流體裝置之所獲取影像序列中且此等電極之一或多個特性可用於判定基於結構之所關注區。在此實例中，頂部電極210及電極啟動基板206界定區/室202之相對表面。區/室202中包含之介質180因此提供頂部電極210與電極啟動基板206之間的電阻連接。亦展示電源212，其經組態以連接至底部電極204及頂部電極210且在該等電極之間產生偏壓電壓，如產生區/室202中之DEP力所需。電源212可為例如交流(AC)電源。
在某些實施例中，圖3B至圖3C中所繪示之微流體裝置200可具有光學致動式DEP組態，其中光學致動式DEP組態產生在晶片時間線視圖中及在晶片時間線之時間進程期間獲取之影像(例如，一或多個所關注區之所獲取影像序列)中表示之特徵或特性。另外，可在晶片時間線中之操作(例如，晶片時間線中之塊)之操作繪示表示1304B中表示用於裝載或卸載微物件之目的之DEP啟動。據此，來自光源216之光圖案218變化(其可由動力模組162控制)可選擇性地啟動及撤銷啟動DEP電極在電極啟動基板206之內表面208之區214處之變化圖案。(在後文中將具有DEP組態之微流體裝置之區214稱為「DEP電極區」)。
如圖3B中所繪示，引導至電極啟動基板206之內表面208上之光圖案218可以諸如正方形之圖案照明選定DEP電極區214a (以白色展示)。可在包含基本影像之影像或影像序列及所關注區之影像序列或影像中捕獲照明。未經照明之DEP電極區214 (交叉影線)在後文中稱為「暗」DEP電極區214。通過DEP電極啟動基板206之相對電阻抗(例如，自底部電極204直至與流動路徑或區106A中之介質180介接之電極啟動基板206之內表面208)大於在各暗DEP電極區214處通過區/室202中之介質180之相對電阻抗(例如，自電極啟動基板206之內表面208至蓋110A之頂部電極210)。然而，經照明之DEP電極區214a展現通過電極啟動基板206之減小相對阻抗，其小於在各經照明之DEP電極區214a處通過區/室202中之介質180之相對阻抗。
在啟動電源212之情況下，前述DEP組態在經照明之DEP電極區214a與相鄰暗DEP電極區214之間的流體介質180中產生電場梯度，其繼而產生吸引或排斥流體介質180中之鄰近微物件(未展示)之局部DEP力。因而，微流體裝置之所獲取影像中記錄之照明提供關於在給定時間點微流體裝置中之區之電狀態之資訊。因此，可藉由改變自光源216投射至微流體裝置200中之光圖案218來在區/室202之內表面208處諸多不同此等DEP電極區214處選擇性地啟動及撤銷啟動吸引或排斥流體介質180中之微物件之DEP電極。此啟動及撤銷啟動可移動微物件且因此可被分類為晶片時間線中所繪示之操作之部分(例如，細胞之裝載或卸載)。DEP力是否吸引或排斥鄰近微物件可取決於諸如電源212之頻率及介質180及/或微物件(未展示)之介電性質之參數。
圖3C中所繪示之經照明DEP電極區214a之正方形圖案220僅係實例。可由投射至微流體裝置200中之光圖案218照明(且由此啟動) DEP電極區214之任何圖案，且可藉由改變或移動光圖案218來重複地改變經照明/經啟動之DEP電極區214之圖案。正方形圖案或任何其他圖案、形狀或其他視覺上可區分的特徵或特性可用來判定、識別或建立所關注區。另外或替代地，包含但不限於由經照明之DEP電極區之個別者或組合形成之形狀之形狀可為可區分特徵或特性。用來啟動一或若干影像中之DEP記錄之照明圖案亦對應於晶片時間線(例如，圖4B中之404B)中所繪示之操作，且可在圖庫視圖中具有對應於晶片時間線之相關塊之標示符之行下方呈現針對所關注區導出之影像序列。
圖3D至圖3J繪示可用來特性化所關注區之微流體裝置之實例性結構特徵。通用室224、226及228之非限制性實例經展示處於圖3D至圖3J中所描繪之微流體裝置200內。各室224、226及228可包括隔離結構232，該隔離結構232界定隔離區240及將隔離區240流體連接至通道122A之連接區236。連接區236可包括至微流體通道122A之近端開口234及至隔離區240之遠端開口238。連接區236可經組態使得流體介質(未展示)之流自微流體通道122A流入室224、226及228中之最大穿透深度不延伸至隔離區240中。因此，歸因於連接區236，安置於室224、226及228之隔離區240中之微物件(未展示)或其他材料(未展示)可因此與微流體通道122A中之介質180之流隔離且實質上不受該流影響。
微流體裝置可包括封存室及基板(例如，電極啟動基板)，其等可包括例如可用於判定所關注區之特徵及/或在可量化或以其他方式特性化之所關注區中出現或與其有關之特徵。圖3D至圖3F之封存室224、226及228各具有直接通向微流體通道122A之單個開口。封存室之開口自微流體通道122A橫向敞開。電極啟動基板206下伏於微流體通道122A及室224、226與228兩者。電極啟動基板206在室外殼內之上表面(形成室之底板)經安置於與電極啟動基板206在微流體通道122A (或若不存在通道，則為流動區)內之上表面(形成該微流體裝置之流動通道(或分別流動區)之底板)相同之水平或實質上相同之水平。電極啟動基板206可無特徵或可具有自其最高高度至其最低凹部變化達小於約3微米、2.5微米、2微米、1.5微米、1微米、0.9微米、0.5微米、0.4微米、0.2微米、0.1微米或更小之不規則或圖案化表面。此等特徵可用來識別基於結構之所關注區。基板之上表面中跨微流體通道122A (或流動區)及室兩者之高度變動可小於室之壁或微流體裝置之壁之高度之約3%、2%、1%、0.9%、0.8%、0.5%、0.3%或0.1%。此等高度變動可用作用於判定所關注區之指示符(特徵/特性)。
可自其導出影像(基本影像、影像序列、單個影像等)之實例性微流體裝置可包括一或多個微流體迴路或在微流體迴路內之組件或區。在一些實施例中，微流體迴路之基於結構之所關注區可包括靠近流動區之區、其中防止直接流動之區及/或藉由單個開口而與流分離之區。在進一步實施例中，微流體迴路可包括離散結構特徵，包含室(例如，封存圈、圈、阱等)，其中微物件可與直接流隔離。
在本文中所揭示之實例性微流體裝置中，微流體通道122A可為掃及區之實例，且室224、226、228之隔離區240可為未掃及區之實例。如所提及，微流體通道122A及室224、226、228可經組態以包含一或多個流體介質180。在圖3D至圖3E中所展示之實例中，埠222連接至微流體通道122A且允許將流體介質180引入至微流體裝置230中或自微流體裝置230移除流體介質180。在引入流體介質180之前，微流體裝置可用諸如二氧化碳氣體之氣體底塗。一旦微流體裝置230包含流體介質180，便可選擇性地產生且停止微流體通道122A中之流體介質180之流242。例如，如所展示，可將埠222安置於微流體通道122A之不同位置(例如相對端)處，且可產生自用作入口之一個埠222至用作出口之另一埠222之介質流242。
圖3F繪示根據本發明之基於結構之所關注區(在此情況中為封存室224)之實例之詳細視圖。亦展示微物件246之實例。室224之結構態樣可用來判定自微流體裝置導出之基本影像中之所關注區。可基於微流體裝置之任何所獲取影像中記錄之特徵(包含基於目標或基於結構之特徵)而判定所關注區。
所關注區可與晶片時間線視圖中所繪示之特定操作相關聯。此一操作可包括停止、起始、增加或減少微流體裝置內之流。在本文中所揭示之實例性微流體裝置中，微流體通道122A中之流體介質180之流242經過封存室224之近端開口234可引起該介質180之副流244流入及/或流出封存室224。可獲取微流體裝置之一或若干影像(例如，基本影像或若干基本影像)且此後將其(等)分段成所關注區之庫，其中所關注區基於其中將微物件與副流隔離之區而判定。為使室224之隔離區240中之微物件246與副流244隔離，室224之連接區236之長度Lcon (例如，自近端開口234至遠端開口238)應大於副流244至連接區236中之穿透深度Dp 。此等性質提供可為其等指派所關注區之離散參數及局部區。副流244之穿透深度Dp 取決於在微流體通道122A中流動之流體介質180之速度及與微流體通道122A之組態及至微流體通道122A之連接區236之近端開口234相關之各種參數。因此，基於操作(例如，流之存在/不存在等)，可選擇基本影像或可判定基本影像內之所關注區，其中該等操作係針對晶片時間線中之給定微流體裝置而表示。
針對給定實例性微流體裝置，微流體通道122A及開口234之組態將係固定的，而微流體通道122A中之流體介質180之流242之速率將係可變的。據此，針對各室224，可識別通道122中之流體介質180之流242之最大速度Vmax ，其確保副流244之穿透深度Dp 不超過連接區236之長度Lcon 。只要微流體通道122A中之流體介質180之流242之速率不超過最大速度Vmax ，則所得副流244可限於微流體通道122A及連接區236且保持在隔離區240外。微流體通道122A中之介質180之流242因此不會將微物件246拉出隔離區240。實情係，無關於微流體通道122A中之流體介質180之流242，定位於隔離區240中之微物件246將留在隔離區240中。此等流對此等微物件之影響直接地或間接地記錄於時間線視圖之塊中。據此，使用者可自動地或手動地選擇對應於副流或流速之性質、與將在選定條件下基於所關注區之特徵/特性而在圖庫視圖中顯示或分選之所關注區相關之影像(例如，基本影像、影像序列、個別影像等)。
而且，只要微流體通道122A中之介質180之流242之速率不超過Vmax ，則微流體通道122A中之流體介質180之流242不會將混雜粒子(例如，微粒及/或奈米粒子)自微流體通道122A移動至室224之隔離區240中。因此，使連接區236之長度Lcon 大於副流244之最大穿透深度Dp 可防止一個室224受來自微流體通道122A或另一室(例如，圖3G中之室226、228)之混雜粒子污染。
因為微流體通道122A及室224、226、228之連接區236可受微流體通道122A中之介質180之流242影響，所以微流體通道122A及連接區236可被視作微流體裝置230之掃及(或流動)區。另一方面，室224、226、228之隔離區240可被視作未掃及(或非流動)區。例如，微流體通道122A中之第一流體介質180中之組分(未展示)可實質上藉由第一介質180之組分自微流體通道122A擴散通過連接區236且進入隔離區240中之第二流體介質248中而與隔離區240中之第二流體介質248混合。類似地，隔離區240中之第二介質248之組分(未展示)可實質上藉由第二介質248之組分自隔離區240擴散通過連接區236且進入微流體通道122A中之第一介質180中而與微流體通道122A中之第一介質180混合。在一些實施例中，在室之隔離區與流動區之間藉由擴散之流體介質交換之程度大於流體交換之約90%、91%、92%、93%、94%、95%、96%、97%、98%或大於約99%。第一介質180可為相同於或不同於第二介質248之介質。而且，第一介質180及第二介質248起初可相同，接著變為不同(例如，透過由隔離區240中之一或多個細胞調節第二介質248，或藉由改變流動通過微流體通道122A之介質180)。
由微流體通道122A中之流體介質180之流242引起之副流244之最大穿透深度Dp 可取決於如上文所提及之數個參數。此等參數之實例包含：微流體通道122A之形狀(例如，微流體通道可將介質引導至連接區236中，使介質轉向遠離連接區236，或在實質上垂直於至微流體通道122A之連接區236之近端開口234之方向上引導介質)；微流體通道122A在近端開口234處之寬度Wch (或橫截面積)；連接區236在近端開口234處之寬度Wcon (或橫截面積)；微流體通道122A中之流體介質180之流242之速度V；第一介質180及/或第二介質248之黏度或類似物。
在一些實施例中，微流體通道122A及室224、226、228之尺寸可如下般相對於微流體通道122A中之流體介質180之流242之向量而定向：微流體通道寬度Wch (或微流體通道122A之橫截面積)可實質上垂直於介質180之流242；連接區236在開口234處之寬度Wcon (或橫截面積)可實質上平行於微流體通道122A中之介質180之流242；及/或連接區之長度Lcon 可實質上垂直於微流體通道122A中之介質180之流242。前述係實例，且微流體通道122A及室224、226、228之相對位置可相對於彼此呈其他定向。
如圖3F中所繪示，連接區236之寬度Wcon 自近端開口234至遠端開口238可為均勻的。連接區236在遠端開口238處之寬度Wcon 因此可為本文中針對連接區236在近端開口234處之寬度Wcon 所識別之值之任一者。替代地，連接區236在遠端開口238處之寬度Wcon 可大於連接區236在近端開口234處之寬度Wcon 。
如圖3F中所繪示，隔離區240在遠端開口238處之寬度可實質上相同於連接區236在近端開口234處之寬度Wcon 。隔離區240在遠端開口238處之寬度因此可為本文中針對連接區236在近端開口234處之寬度Wcon 所識別之值之任一者。替代地，隔離區240在遠端開口238處之寬度可大於或小於連接區236在近端開口234處之寬度Wcon 。而且，遠端開口238可小於近端開口234且連接區236之寬度Wcon 可在近端開口234與遠端開口238之間變窄。例如，連接區236可使用各種不同幾何形狀(例如，使連接區倒角，斜切連接區)而在近端開口與遠端開口之間變窄。此外，連接區236之任何部分或子部分可變窄(例如連接區相鄰於近端開口234之一部分)。
圖3G至圖3I描繪包含微流體迴路250及流動通道264之微流體裝置350之另一實例性實施例，其等係圖3A之各自微流體裝置100A、阱132A及側通路134A之變動。微流體裝置350亦具有複數個室266，其等係上述室124A、126A、128A、130A、224、226或228之額外變動。特定而言，應明白，圖3G中所展示之裝置350之室266可替代裝置100A、200、230、280、290、300中之上述室124A、126A、128A、130A、224、226或228之任一者。同樣地，微流體裝置350係微流體裝置100A之另一變體且亦可具有相同於或不同於上述微流體裝置100A、200、230、280、290、300之DEP組態以及本文中所描述之其他微流體系統組件之任一者。
圖3G至圖3I之微流體裝置350包括：支撐結構(圖3G至圖3I中不可見，但可相同於或大體上類似於圖3A中所描繪之微流體裝置100A之支撐結構104A)、具有殼體結構元件(如252、262)之微流體迴路結構(例如，圖3A中之108A、圖3H中之256、圖3J中之308等)及蓋(圖3G至圖3I中不可見，但可相同於或大體上類似於圖3A中所描繪之微流體裝置100A之蓋110A)。微流體迴路結構(例如，圖3A中之108A、圖3H中之256、圖3J中之308等)包含框架352及微流體迴路材料316，其等可相同於或大體上類似於圖3A中所展示之微流體裝置100A之框架114A及微流體迴路材料。如圖3G中所展示，由微流體迴路材料316界定之微流體迴路250可包括多個室266流體連接至之多個通道264 (展示兩個，但可存在更多個)。
各室266可包括隔離結構272、具有一或多個牆260之隔離結構272內之隔離區270、及連接區268。自微流體通道264處之近端開口274至隔離結構272處之遠端開口276，連接區268將微流體通道264流體連接至隔離區270。一般而言，根據圖3E至圖3F之以上論述，通道264中之第一流體介質254之流278可產生自微流體通道264流入及/或流出室266之各自連接區268之第一介質254之副流282。
如圖3H中所繪示，各室266之連接區268大體上包含在至通道264之近端開口274與至隔離結構272之遠端開口276之間延伸之區域。連接區268之長度Lcon 可大於副流282之最大穿透深度Dp ，在該情況中副流282將延伸至連接區268中而未經重導引朝向隔離區270 (如圖3G中所展示)。替代地，如圖3I中所繪示，連接區268可具有小於最大穿透深度Dp 之長度Lcon ，在該情況中副流282將延伸通過連接區268且經重導引朝向隔離區270。
在此後一情況中，連接區268之長度Lc1 及Lc2 之總和大於最大穿透深度Dp 使得副流282不會延伸至隔離區270中。無論連接區268之長度Lcon 是否大於穿透深度Dp 或連接區268之長度Lc1 及Lc2 之總和是否大於穿透深度Dp ，通道264中之第一介質254之流278 (其不超過最大速度Vmax )將產生具有穿透深度Dp 之副流，且室266之隔離區270中之微物件(未展示，但可相同於或大體上類似於圖3F中所展示之微物件246)不會被通道264中之第一介質254之流278拉出隔離區270。通道264中之流278亦不會將混雜材料(未展示)自通道264拉入至室266之隔離區270中。
因而，擴散可為使微流體通道264中之第一介質254中之組分可自微流體通道264移動至室266之隔離區270中之第二介質258中之機制。同樣地，擴散係使室266之隔離區270中之第二介質258中之組分可自隔離區270移動至微流體通道264中之第一介質254之機制。第一介質254可為相同於第二介質258之介質，或第一介質254可為不同於第二介質258之介質。替代地，第一介質254及第二介質258可起初相同，接著變為不同，例如，透過由隔離區270中之一或多個細胞調節第二介質，或藉由改變流動通過微流體通道264之介質。
如圖3F中所繪示，微流體通道264中之微流體通道264之寬度Wch (例如，橫向於流動通過微流體通道之流體介質之方向(由圖3G中之箭頭278指示)截取)可實質上垂直於近端開口274之寬度Wcon1 且因此實質上平行於遠端開口276之寬度Wcon2 。然而，近端開口274之寬度Wcon1 及遠端開口276之寬度Wcon2 無需實質上彼此垂直。例如，在近端開口274之寬度Wcon1 定向之軸(未展示)與遠端開口276之寬度Wcon2 定向之另一軸之間的角度可除垂直外且因此除90°外。替代定向角度之實例包含以下角度：約30°至約90°、約45°至約90°、約60°至約90°或類似物。
如本文中所描述，室及室向其敞開之微流體通道之各種尺寸及/或特徵可在晶片時間線中以微流體裝置之特徵(例如，基於結構之所關注區)表示，其中該選擇旨在執行可在微流體裝置之所獲取影像中量測之特定操作。此操作包含但不限於限制將污染物或非所要微物件自流動區/微流體通道引入至室之隔離區中；將流體介質中之組分自該通道或隔離區之交換限制為實質上擴散性交換；促進微物件轉移至室中及/或轉移出室；及/或促進安置於隔離區內之任何生物細胞之生長或擴增。針對本文中所描述之實施例之任一者，微流體通道及室可具有任何合適尺寸組合，可由熟習此項技術者如下般自本發明之教示選擇，且此等尺寸可用於識別所關注區或特性化所關注區中出現之現象之目的。據此，本文中所揭示之結構特徵可在晶片時間線中表示之基本影像中偵測到，且經選擇以供分析以產生可在圖庫視圖中顯示之所關注區之影像序列。可使用本文中所揭示之過濾器建構器及應用程式模組或圖形工具評估(例如，配置、叢集化、過濾或以其他方式操縱)所關注區之可量化特徵。
針對本文中所描述之實施例之任一者，微流體通道及室可具有任何合適尺寸組合(例如，室(例如124A、126A、128A、130A、224、226、228或266)、隔離區(例如240或270)之尺寸等)。可用作單獨地或組合地用於判定所關注區之微流體裝置之特徵或特性之實例性尺寸包含但不限於：微流體通道(例如，122A)之寬度Wch 、微流體通道之高度Hch 、微流體通道(例如，122A)之橫截面積、連接區(例如，236)之長度Lcon 、連接區(例如，236)之寬度Wcon 、近端開口之Wpr 、連接區之近端開口之Wpr 、連接區(例如，236)之長度Lcon 與連接區(例如，236)之寬度Wcon 之比率、流速(例如，Vmax )及微流體裝置內之區之長度(例如，判定為Ls －Lcon )。微流體裝置之特徵或特性可由熟習此項技術者如下般自本發明之教示選擇，且此等尺寸可用於識別所關注區或特性化所關注區中出現之現象之目的。據此，本文中所揭示之結構特徵可在晶片時間線中表示之基本影像中偵測到，且經選擇以供分析以產生可在圖庫視圖中顯示之所關注區之影像序列。可使用本文中所揭示之過濾器建構器及應用程式模組或圖形工具評估(例如，配置、叢集化、過濾或以其他方式操縱)所關注區之可量化特徵。與微流體裝置之結構相關之實例性特徵及/或特性之清單在本文中被揭示為在對其等執行操作(例如，如晶片時間線中所記錄及繪示)之實例性微流體裝置中及/或在影像(例如，圖庫視圖中之影像序列繪示區)中之實例性室之各項實施例及/或揭示為使用本文中所揭示之過濾器建構器及應用程式模組及/或繪圖工具評估之所關注區之經量化表示。
在室(例如124A、126A、128A、130A、224、226、228或266)之各項實施例中，隔離區(例如240或270)經組態以包含複數個微物件。在其他實施例中，隔離區可經組態以包含1個、2個、3個、4個、5個或類似相對較小數目個微物件。據此，隔離區之體積可為(例如)至少1×106 立方微米、2×106 立方微米、4×106 立方微米、6×106 立方微米或更大。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括微流體通道(例如，122A)在近端開口(例如234)處之寬度Wch ，該寬度Wch 可為約50微米至1000微米、50微米至500微米、50微米至400微米、50微米至300微米、50微米至250微米、50微米至200微米、50微米至150微米、50微米至100微米、70微米至500微米、70微米至400微米、70微米至300微米、70微米至250微米、70微米至200微米、70微米至150微米、90微米至400微米、90微米至300微米、90微米至250微米、90微米至200微米、90微米至150微米、100微米至300微米、100微米至250微米、100微米至200微米、100微米至150微米或100微米至120微米。在一些其他實施例中，微流體通道(例如，122A)在近端開口(例如234)處之寬度Wch 可為約200微米至800微米、200微米至700微米或200微米至600微米。前述僅係實例，且微流體通道122A之寬度Wch 可為上文所列之端點之任一者內之任何寬度。而且，微流體通道122A之Wch 可經選擇以在該微流體通道除室之近端開口處外之區中之此等寬度之任一者內。在一些實施例中，室具有約30微米至約200微米或約50微米至約150微米之高度。在一些實施例中，室具有約1×104 平方微米至3×106 平方微米、2×104 平方微米至2×106 平方微米、4×104 平方微米至1×106 平方微米、2×104 平方微米至5×105 平方微米、2×104 平方微米至1×105 平方微米或2×105 平方微米至2×106 平方微米之橫截面積。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括微流體通道(例如，122A)在近端開口(例如，234)處之高度Hch ，該高度Hch 可為以下高度之任一者內之高度：20微米至100微米、20微米至90微米、20微米至80微米、20微米至70微米、20微米至60微米、20微米至50微米、30微米至100微米、30微米至90微米、30微米至80微米、30微米至70微米、30微米至60微米、30微米至50微米、40微米至100微米、40微米至90微米、40微米至80微米、40微米至70微米、40微米至60微米或40微米至50微米。前述僅係實例，且微流體通道(例如，122A)之高度Hch 可為上文所列之端點之任一者內之高度。微流體通道122A之高度Hch 可經選擇以落於該微流體通道除於室之近端開口處外之區中之此等高度之任一者內。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括微流體通道(例如，122A)在近端開口(例如，234)處之橫截面積，該橫截面積可為約500平方微米至50,000平方微米、500平方微米至40,000平方微米、500平方微米至30,000平方微米、500平方微米至25,000平方微米、500平方微米至20,000平方微米、500平方微米至15,000平方微米、500平方微米至10,000平方微米、500平方微米至7,500平方微米、500平方微米至5,000平方微米、1,000平方微米至25,000平方微米、1,000平方微米至20,000平方微米、1,000平方微米至15,000平方微米、1,000平方微米至10,000平方微米、1,000平方微米至7,500平方微米、1,000平方微米至5,000平方微米、2,000平方微米至20,000平方微米、2,000平方微米至15,000平方微米、2,000平方微米至10,000平方微米、2,000平方微米至7,500平方微米、2,000平方微米至6,000平方微米、3,000平方微米至20,000平方微米、3,000平方微米至15,000平方微米、3,000平方微米至10,000平方微米、3,000平方微米至7,500平方微米或3,000平方微米至6,000平方微米。前述僅係實例，且微流體通道(例如，122A)在近端開口(例如，234)處之橫截面積可為上文所列之端點之任一者內之任何面積。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括連接區(例如236)之長度Lcon ，該長度Lcon 可為約1微米至600微米、5微米至550微米、10微米至500微米、15微米至400微米、20微米至300微米、20微米至500微米、40微米至400微米、60微米至300微米、80微米至200微米或約100微米至150微米。前述僅係實例，且連接區(例如，236)之長度Lcon 可為上文所列之端點之任一者內之任何長度。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括連接區(例如236)在近端開口(例如234)處之寬度Wcon ，該寬度Wcon 可為約20微米至500微米、20微米至400微米、20微米至300微米、20微米至200微米、20微米至150微米、20微米至100微米、20微米至80微米、20微米至60微米、30微米至400微米、30微米至300微米、30微米至200微米、30微米至150微米、30微米至100微米、30微米至80微米、30微米至60微米、40微米至300微米、40微米至200微米、40微米至150微米、40微米至100微米、40微米至80微米、40微米至60微米、50微米至250微米、50微米至200微米、50微米至150微米、50微米至100微米、50微米至80微米、60微米至200微米、60微米至150微米、60微米至100微米、60微米至80微米、70微米至150微米、70微米至100微米或80微米至100微米。前述僅係實例，且連接區(例如，236)在近端開口(例如，234)處之寬度Wcon 可不同於前述實例(例如，上文所列之端點之任一者內之任何值)。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括連接區(例如，236)在近端開口(例如，234)處之寬度Wcon ，該寬度Wcon 可至少如室旨在用於之微物件(例如，生物細胞，其可為B細胞、漿細胞、雜交瘤、重組抗體分泌細胞(ASC)，諸如CHO細胞或酵母細胞或類似物)之最大尺寸般大。前述僅係實例，且連接區(例如，236)在近端開口(例如，234)處之寬度Wcon 可不同於前述實例(例如，上文所列之端點之任一者內之寬度)。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括連接區之近端開口之寬度Wpr ，該寬度Wpr 可至少如室旨在用於之微物件(例如，諸如細胞之微物件)之最大尺寸般大。例如，寬度Wpr 可為約50微米、約60微米、約100微米、約200微米、約300微米或可為約50微米至300微米、約50微米至200微米、約50微米至100微米、約75微米至150微米、約75微米至100微米或約200微米至300微米。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括連接區(例如，236)之長度Lcon 與連接區(例如，236)在近端開口234處之寬度Wcon 之比率，且該比率可大於或等於以下比率之任一者：0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5、5.0、6.0、7.0、8.0、9.0、10.0或更大。前述僅係實例，且連接區236之長度Lcon 與連接區236在近端開口234處之寬度Wcon 之比率可不同於前述實例。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可包括室之隔離區，該隔離區具有約40微米至600微米、約40微米至500微米、約40微米至400微米、約40微米至300微米、約40微米至200微米、約40微米至100微米或約40微米至80微米之長度(判定為Ls －Lcon )。在一些實施例中，室之隔離區具約30微米至550微米、約30微米至450微米、約30微米至350微米、約30微米至250微米、約30微米至170微米、約30微米至80微米或約30微米至70微米之長度。前述僅係實例，且室可具有選擇為上文所列之值之任一者之間的長度Ls 。
在各項實施例中，微流體裝置之影像、室之所獲取影像之特徵或特性可與晶片時間線中記錄之一或多個操作相關。此等操作可包括流動速率或以特定流動速率執行之動作。在此等實施例中，可在對應於最大流速Vmax 之時間點獲取影像，該Vmax 可經設定為大約0.2、0.5、0.7、1.0、1.3、1.5、2.0、2.5、3.0、3.5、4.0、4.5、5.0、5.5、6.0、6.7、7.0、7.5、8.0、8.5、9.0、10、11、12、13、14、15、16、17、18、19或20微升/秒。另外或替代地，晶片時間線中所繪示之給定操作之流動速率可為0微升/秒，且在其中捕獲影像(例如，基本影像)之時間點未出現流。
微流體裝置之影像可包括一或多個室。基本影像或視場影像可包括微流體裝置中之室之全部或子集。在各項實施例中，微流體裝置具有如本文中所論述之實施例之任一者中所組態般之室，其中微流體裝置具有約5個至約10個室、約10個至約50個室、約25個至約200個室、約100個至約500個室、約200個至約1000個室、約500個至約1500個室、約1000個至約2500個室、約2000個至約5000個室、約3500個至約7000個室、約5000個至約10,000個室、約7,500個至約15,000個室、約12,500個至約20,000室、約15,000個至約25,000室、約20,000個至約30,000室、約25,000個至約35,000室、約30,000個至約40,000室、約35,000個至約45,000室或約40,000個至約50,000室。該等室無需全部具有相同大小且可包含多種組態(例如，室內之不同寬度、不同特徵)。
圖3J描繪包含微流體迴路結構308之基於微流體結構之特徵之微流體裝置300之另一實例性實施例，其包含通道322及室324，具有類似於本文中針對微流體裝置100A、200、230、250、280、300及本文中所描述之任何其他微流體裝置所描述之室之任一者之特徵及性質。
圖3J之實例性微流體裝置可包含微流體通道322，其具有如本文中所描述之寬度Wch ，且包含第一流體介質302之流310及一或多個室324 (在圖3J中僅繪示一個)。此等流操作可在晶片時間線中所繪示之特定步驟或操作期間獲取之影像序列中捕獲。室324之基於結構之特徵亦可具有影像序列中表示且用來界定圖庫視圖中之所關注區之所定義特徵，其中圖庫視圖對應於晶片時間線中所繪示之操作。在此實例中，室304各具有長度Ls 、連接區336及隔離區340，其中隔離區340包含第二流體介質304。連接區336具有：近端開口334，其具有寬度Wcon1 ，通向微流體通道322；及遠端開口338，其具有寬度Wcon2 ，通向隔離區340。寬度Wcon1 可或可不相同於Wcon2 ，如本文中所描述。各室324之壁可由微流體迴路材料316形成，該微流體迴路材料316可進一步形成連接區壁330。連接區壁330可對應於相對於近端開口334橫向地定位且至少部分延伸至室324之經圍封部分中之結構。在一些實施例中，連接區336之長度Lcon 至少部分地由連接區壁330之長度Lwall 界定。連接區壁330可具有選擇為大於副流344之穿透深度Dp 之長度Lwall 。因此，副流344可完全包含於連接區內而不延伸至隔離區340中。
連接區壁330可界定鉤形區352之基於結構之特徵，該鉤形區352係室324之隔離區340之子區。由於連接區壁330延伸至該室之內腔中，因此連接區壁330可充當實體阻障以將鉤形區352與副流344隔絕，其中選擇長度Lwall 以有助於該鉤形區之範圍。在一些實施例中，連接區壁330之長度Lwall 愈長，鉤形區352愈被遮擋。此等基於結構之特徵可在微流體晶片之所獲取影像序列中監測，且被描繪為晶片時間線中之離散步驟。在如同圖3D至圖3J之室般組態之室中，隔離區可具有任何類型之形狀及大小，且可與晶片時間線中之操作相關聯。操作之實例包含裝載、灌注、監測及/或匯出微物件及/或監測螢光。此監測可經組態使得影像序列之特徵對應於生物學相關操作，包含調節營養物、試劑及/或介質至室中以到達室之遠壁之擴散，例如，與連接區通向流動區(或微流體通道)之近端開口相對。隔離區之大小及形狀可對應於微流體裝置之基於結構之特徵，其中該等基於結構之特徵基於生物樣本與涉及調節微物件之廢棄產物及/或分泌產物經由室之連接區之近端開口自隔離區向外擴散至流動區之化驗或化驗步驟之相關性而選擇。
在室之一些其他實施例中，隔離區可具有將微流體裝置之隔離區與流動區流體連接之一個以上開口。然而，針對具有將流體隔離區流體連接至流動區(或兩個或更多個流動區)之n個開口之隔離區，可對n-1個開口進行閥控。當n-1個帶閥開口關閉時，隔離區具有一個高效開口，且藉由擴散發生材料進入/離開隔離區之交換。例如在美國專利第9,857,333號(Chapman等人)、美國專利第10,010,882號(White等人)及美國專利第9,889,445號(Chapman等人)中已描述具有其中可放置、培養及監測微物件之圈之微流體裝置之實例，該等專利之各者之全文出於所有目的而以引用的方式併入本文中。
圖3K繪示根據本發明之實施例之微流體裝置。更具體而言，圖3K繪示根據一項實施例之微流體裝置280。圖3K中所繪示之微流體裝置280包含具有基於結構之特徵之微流體裝置(例如，圖3A中之100)之風格化圖，該等基於結構之特徵可用來在晶片時間線視圖中所描繪之一或多個操作期間將所關注區指派給微流體裝置之所獲取影像或影像序列。
實際上，微流體裝置280及其構成迴路元件(例如圖3A中之通道122A及室128A)將具有本文中所論述之尺寸。圖3A中所繪示之微流體迴路120A具有兩個埠107、四個相異通道122A及四個相異流動路徑106A。圖3K中之微流體裝置280進一步包括朝向各通道(例如，圖3A中之122A)敞開之複數個室。在圖3K所繪示之微流體裝置中，室具有類似於圖3F中所繪示之圈之幾何形狀且因此具有連接區及隔離區兩者。據此，微流體迴路(例如，圖3A中之122A)包含掃及區(例如通道122A及圖3E中之連接區236在圖3F中之副流244之最大穿透深度Dp 內之部分)及未掃及區(例如隔離區240及連接區236不在圖3F中之副流244之最大穿透深度Dp 內之部分)兩者。
圖3L繪示根據本發明之實施例之微流體裝置之經塗佈表面。更具體而言，圖3L描繪具有提供經調節表面之實例性共價連接塗佈材料之微流體裝置290之橫截面視圖。如所繪示，塗佈材料298 (示意性地展示)可包括共價鍵合至微流體裝置290之基座286 (其可為DEP基板)之內表面294及蓋288之內表面292兩者之密集分子之單層。塗佈材料298可安置於實質上所有內表面294、292上，該等內表面接近微流體裝置290之外殼284並向內面向微流體裝置290之外殼284，包含在一些實施例中且如上文所論述用來界定微流體裝置290內之迴路元件及/或結構之微流體迴路材料(如圖3J之316)之表面。在替代實施例中，塗佈材料298可安置於微流體裝置290之內表面之僅一者或一些者上。
在圖3L中所展示之實施例中，塗佈材料298可包含有機矽氧烷分子之單層，各分子經由甲矽烷氧基連接子296共價鍵合至微流體裝置290之內表面292、294。可使用上述塗佈材料298之任一者(例如，烷基封端、氟烷基封端之部分、PEG封端之部分、聚葡萄糖封端之部分或針對有機矽烷氧基部分含有正電荷或負電荷之末端部分)，其中末端部分經安置於其面向外殼之末端(即，塗佈材料298之單層之未鍵合至內表面292、294且接近外殼284之部分)處。
在其他實施例中，用來塗佈微流體裝置290之(若干)內表面292、294之塗佈材料298可包含陰離子、陽離子或兩性離子部分或其等任何組合。非意欲受理論束縛，藉由在微流體迴路120A之外殼284之內表面處呈現陽離子部分、陰離子部分及/或兩性離子部分，塗佈材料298可與水分子形成強氫鍵使得所得水合水充當將微物件與和非生物分子(例如，基板之矽及/或氧化矽)之相互作用分離之層(或「擋板」)。另外，在其中塗佈材料298結合塗佈劑使用之實施例中，塗佈材料298之陰離子、陽離子及/或兩性離子可與存在於外殼284中之介質180 (例如塗佈溶液)中之非共價塗佈劑(例如溶液中之蛋白質)之帶電部分形成離子鍵。
在又其他實施例中，塗佈材料可包括或經化學改質以在其面向外殼之末端處呈現親水性塗佈劑。在一些實施例中，塗佈材料可包含含有伸烷基醚之聚合物，諸如PEG。在一些實施例中，塗佈材料可包含聚糖，諸如聚葡萄糖。如同上文所論述之帶電部分(例如，陰離子、陽離子及兩性離子部分)，親水性塗佈劑可與水分子形成強氫鍵使得所得水合水充當將微物件與和非生物分子(例如，基板之矽及/或氧化矽)之相互作用分離之層(或「擋板」)。可在2016年4月22日申請且其全文以引用的方式併入本文中之美國申請案第15/135,707號中找到適當塗佈處理及改質之進一步細節。
用於維持微流體裝置之封存圈內之細胞之存活率之額外系統組件。為促進細胞群體之生長及/或擴增，可藉由該系統之額外組件提供有利於維持功能細胞之環境條件。例如，此等額外組件可提供營養物、細胞生長傳訊物種、pH調變、氣體交換、溫度控制及廢棄產物自細胞之移除。
圖3M繪示根據本發明之一些實施例之與微流體裝置及相關聯控制設備一起使用之系統之特定實例。圖3N繪示根據本發明之一些實施例之成像裝置。更具體而言，圖3M至圖3N展示根據本發明之可用來操作及觀察一或多個微流體裝置之系統之各項實施例。如圖3M中所繪示，該系統可包含經組態以固持微流體裝置320或本文中所描述之任何其他微流體裝置之結構(「巢套」) 300。巢套300可包含能夠與微流體裝置320 (例如，光學致動之電動裝置)介接且提供自電源至微流體裝置320之電連接之插座302。巢套300可進一步包含整合式電信號產生子系統304。電信號產生子系統304可經組態以將偏壓電壓供應至插座302使得當由插座302固持微流體裝置320時，跨微流體裝置320中之一對電極施加偏壓電壓。因此，電信號產生子系統304可為電源192之部分。將偏壓電壓施加至微流體裝置320之能力可或可不意謂在由插座302固持微流體裝置320時將隨時施加偏壓電壓。實情係，在一些情況中，可間歇地施加偏壓電壓，例如，僅在需要在微流體裝置320中促進電動力(諸如介電泳(DEP)或電潤濕)產生時施加偏壓電壓。
如圖3M中所繪示，巢套300可包含印刷電路板總成(PCBA) 322。電信號產生子系統304可安裝於PCBA 322上且電整合至PCBA 322中。實例性支撐件亦包含安裝於PCBA 322上之插座302。在一些實施例中，電信號產生子系統304將包含波形產生器(未展示)。電信號產生子系統304可進一步包含經組態以放大自該波形產生器接收之波形之示波器(未展示)及/或波形放大電路(未展示)。示波器(若存在)可經組態以量測供應至由插座302固持之微流體裝置320之波形。在某些實施例中，示波器量測接近微流體裝置320 (且遠離波形產生器)之位置處之波形以因此確保量測實際上施加至裝置之波形之較大準確度。例如，可將自示波器量測獲得之資料作為回饋提供至波形產生器，且波形產生器可經組態以基於此回饋而調整其輸出。適當組合的波形產生器及示波器之實例係Red Pitaya™。
在某些實施例中，巢套300進一步包括控制器308，諸如用來感測及/或控制電信號產生子系統304之微處理器。合適微處理器之實例包含Arduino™微處理器，諸如Arduino Nano™。控制器308可用來執行功能及分析或可與外部主控制器154 (如圖3A中所展示)通信以執行功能及分析。在圖3M所繪示之實施例中，控制器308透過介面310 (例如，插頭或連接器)而與主控制器154通信。
在一些實施例中，巢套300可包括電信號產生子系統304，其包括Red Pitaya™波形產生器/示波器單元(「Red Pitaya單元」)及放大由Red Pitaya單元產生之波形且將經放大電壓傳遞至微流體裝置100之波形放大電路。在一些實施例中，Red Pitaya單元經組態以量測微流體裝置320處之經放大電壓且接著根據需要而調整其自身輸出電壓使得微流體裝置320處之經量測電壓係所要值。在一些實施例中，波形放大電路可具有由安裝於PCBA 322上之一對DC-DC轉換器產生之+6.5 V至-6.5 V電源供應器，從而導致微流體裝置320處之高達13 Vpp之信號。
如圖3M中所繪示，支撐結構300 (例如，巢套)可進一步包含熱控制子系統306。熱控制子系統306可經組態以調節由支撐結構300固持之微流體裝置320之溫度。例如，熱控制子系統306可包含帕耳帖(Peltier)熱電裝置(未展示)及冷卻單元(未展示)。帕耳帖熱電裝置可具有經組態以與微流體裝置320之至少一個表面介接之第一表面。冷卻單元可為(例如)冷卻塊(未展示)，諸如經液體冷卻之鋁塊。帕耳帖熱電裝置之第二表面(例如，與第一表面相對之表面)可經組態以與此一冷卻塊之表面介接。冷卻塊可連接至經組態以使經冷卻流體循環通過冷卻塊之流體路徑314。在圖3M中所繪示之實施例中，支撐結構300包括入口316及出口318以自外部儲集器(未展示)接收經冷卻流體，將經冷卻流體引入至流體路徑314中且通過冷卻塊，且接著使經冷卻流體返回至外部儲集器。在一些實施例中，帕耳帖熱電裝置、冷卻單元及/或流體路徑314可安裝於支撐結構300之殼體312上。在一些實施例中，熱控制子系統306經組態以調節帕耳帖熱電裝置之溫度以便達成微流體裝置320之目標溫度。例如，可藉由熱電電源供應器(諸如Pololu™熱電電源供應器(Pololu Robotics and Electronics公司))而達成帕耳帖熱電裝置之溫度調節。熱控制子系統306可包含回饋電路，諸如由類比電路提供之溫度值。替代地，回饋電路可由數位電路提供。
在一些實施例中，巢套300可包含具有回饋電路之熱控制子系統306，該回饋電路係包含電阻器(例如，具有電阻1千歐姆+/-0.1%，溫度係數+/-0.02 ppm/C0)及NTC熱阻器(例如，具有標稱電阻1千歐姆+/-0.01%)之類比分壓器電路(未展示)。在一些例項中，熱控制子系統306量測來自回饋電路之電壓且接著使用經計算溫度值作為至板上PID控制迴路演算法之輸入。來自PID控制迴路演算法之輸出可驅動(例如) Pololu™馬達驅動(未展示)上之方向性及經脈寬調變之信號接針兩者以致動熱電電源供應器，由此控制帕耳帖熱電裝置。
巢套300可包含允許控制器308之微處理器經由介面310 (未展示)與外部主控制器154通信之串列埠324。另外，控制器308之微處理器可與電信號產生子系統304及熱控制子系統306通信(例如，經由Plink工具(未展示))。因此，經由控制器308、介面310及串列埠324之組合，電信號產生子系統304及熱控制子系統306可與外部主控制器154通信。依此方式，主控制器154可尤其藉由針對輸出電壓調整執行按比例調整計算來輔助電信號產生子系統304。經由耦合至外部主控制器154之顯示裝置170提供之圖形使用者介面(GUI) (未展示)可經組態以繪製分別自熱控制子系統306及電信號產生子系統304獲得之溫度及波形資料。替代地或另外，該GUI可允許控制器308、熱控制子系統306及電信號產生子系統304之更新。
如上文所論述，系統150A可包含成像裝置194。在一些實施例中，成像裝置194包括光調變子系統330 (參見圖3N)。光調變子系統330可包含數位鏡裝置(DMD)或微快門陣列系統(MSA)，其等之任一者可經組態以自光源332接收光且使經接收光之子集透射至顯微鏡350之光學元件串中。替代地，光調變子系統330可包含產生其自身光(且因此無需光源332)之裝置，諸如有機發光二極體顯示器(OLED)、矽上液晶(LCOS)裝置、矽上鐵電液晶裝置(FLCOS)或透射式液晶顯示器(LCD)。光調變子系統330可為(例如)投影機。因此，光調變子系統330能夠發射結構化光及非結構化光兩者。在某些實施例中，系統150A之成像模組164及/或動力模組162可控制光調變子系統330。
在某些實施例中，成像裝置194進一步包括顯微鏡350。在此等實施例中，巢套300及光調變子系統330可個別地經組態以安裝於顯微鏡350上。顯微鏡350可為(例如)標準研究級光顯微鏡或螢光顯微鏡。因此，巢套300可經組態以安裝於顯微鏡350之置物台344上及/或光調變子系統330可經組態以安裝於顯微鏡350之埠上。在其他實施例中，本文中所描述之巢套300及光調變子系統330可為顯微鏡350之整合組件。
在某些實施例中，顯微鏡350可進一步包含一或多個偵測器348。在一些實施例中，偵測器348由成像模組164控制。偵測器348可包含目鏡、電荷耦合裝置(CCD)、相機(例如，數位相機)或其等任何組合。若存在至少兩個偵測器348，則一個偵測器可為(例如)快圖框速率相機且另一偵測器可為高靈敏度相機。此外，顯微鏡350可包含光學元件串，其經組態以自微流體裝置320接收反射光及/或發射光且將反射光及/或發射光之至少一部分聚焦於一或多個偵測器348上。顯微鏡之光學元件串亦可包含用於不同偵測器之不同管透鏡(未展示)使得各偵測器上之最終放大率可不同。
在某些實施例中，成像裝置194經組態以使用至少兩個光源。例如，第一光源332可用來產生結構化光(例如，經由光調變子系統330)且第二光源334可用來提供非結構化光。第一光源332可產生用於經光學致動之電動及/或螢光激發之結構化光，且第二光源334可用來提供明場照明。在此等實施例中，動力模組164可用來控制第一光源332且成像模組164可用來控制第二光源334。顯微鏡350之光學元件串可經組態以：(1)自光調變子系統330接收結構化光且在微流體裝置(諸如光學致動之電動裝置)由巢套300固持時將結構化光聚焦於該裝置中之至少第一區上；及(2)自微流體裝置接收反射光及/或發射光且將此反射光及/或發射光之至少一部分聚焦至偵測器348上。光學元件串可進一步經組態以自第二光源接收非結構化光且在微流體裝置由巢套300固持時將非結構化光聚焦於該裝置之至少第二區上。在某些實施例中，微流體裝置之第一區及第二區可為重疊區。例如，第一區可為第二區之子集。在其他實施例中，第二光源334可另外或替代地包含雷射，該雷射可具有任何合適波長之光。圖3N中所展示之光學系統之表示僅係示意性表示，且光學系統可包含額外過濾器、陷波過濾器、透鏡及類似物。當第二光源334包含用於明場及/或螢光激發以及雷射照明之一或多個光源時，該(等)光源之實體配置可自圖3N中所展示之實體配置變動，且雷射照明可經引入於光學系統內之任何合適實體位置處。光源334及光源332/光調變子系統330之示意性位置亦可互換。
在圖3N中，展示將光供應至光調變子系統330之第一光源332，光調變子系統330將結構化光提供至系統(未展示)之顯微鏡350之光學元件串。展示經由光束分裂器336將非結構化光提供至光學元件串之第二光源334。來自光調變子系統330之結構化光及來自第二光源334之非結構化光一起自光束分裂器336行進穿過光學元件串而到達第二光束分裂器(或二向色過濾器338，取決於由光調變子系統330提供之光)，其中光經向下反射穿過物鏡340而至樣本平面342。接著，來自樣本平面342之反射光及/或發射光向上往回行進穿過物鏡340，穿過光束分裂器及/或二向色過濾器338且到達二向色過濾器346。到達二向色過濾器346之光之僅一部分穿過且到達偵測器348。
在一些實施例中，第二光源334發射藍光。利用適當二向色過濾器346，自樣本平面342反射之藍光能夠穿過二向色過濾器346且到達偵測器348。相比而言，來自光調變子系統330之結構化光自樣本平面342反射，但不穿過二向色過濾器346。在此實例中，二向色過濾器346濾除具有長於495 nm之波長之可見光。來自光調變子系統330之光之此濾除將僅在自光調變子系統發射之光不包含短於495 nm之任何波長之情況下完成(如所展示)。實際上，若來自光調變子系統330之光包含短於495 nm之波長(例如，藍光波長)，則來自光調變子系統之一些光將穿過過濾器346而到達偵測器348。在此一實施例中，過濾器346用來改變自第一光源332及第二光源334到達偵測器348之光量之間的平衡。若第一光源332明顯強於第二光源334，則此可為有益的。在其他實施例中，第二光源334可發射紅光，且二向色過濾器346可濾除除紅光之外的可見光(例如，具有短於650 nm之波長之可見光)。
塗佈溶液及塗佈劑。非意欲受理論束縛，當微流體裝置(例如，DEP組態及/或EW組態之微流體裝置)之至少一或多個內表面已經調節或塗佈以便呈現在該微流體裝置與維持於其中之(若干)微物件之間提供主要界面之有機及/或親水性分子之層時，可促進微物件(例如，生物細胞)在微流體裝置內之維持(即，微物件在微流體裝置內展現增加的存活率、較大擴增及/或較大可攜性)。在一些實施例中，微流體裝置之內表面之一或多者(例如，DEP組態之微流體裝置之電極啟動基板之內表面、微流體裝置之蓋及/或電路材料之表面)可藉由塗佈溶液及/或塗佈劑來處理或改質以產生所要有機及/或親水性分子層。
塗佈可在引入(若干)微物件之前或之後施加，或可與(若干)微物件同時引入。在一些實施例中，(若干)微物件可匯入至包含一或多個塗佈劑之流體介質中之微流體裝置中。在其他實施例中，微流體裝置(例如，DEP組態之微流體裝置)之(若干)內表面係在將該(等)微物件引入至微流體裝置中之前使用包括塗佈劑之塗佈溶液處理或「底塗」。
在一些實施例中，微流體裝置之至少一個表面包含提供適合於(若干)微物件之維持及/或擴增之有機及/或親水性分子層(例如，提供如下文所描述之經調節表面)之塗佈材料。在一些實施例中，微流體裝置之實質上所有內表面包含塗佈材料。(若干)塗佈內表面可包含流動區(例如，通道)、室或封存圈或其等組合之表面。在一些實施例中，複數個封存圈之各者具有塗佈有塗佈材料之至少一個內表面。在其他實施例中，複數個流動區或通道之各者具有塗佈有塗佈材料之至少一個內表面。在一些實施例中，複數個封存圈之各者及複數個通道之各者之至少一個內表面塗佈有塗佈材料。
塗佈劑/溶液。可使用任何習知塗佈劑/塗佈溶液，包含但不限於：血清或血清因子、牛血清白蛋白(BSA)、聚合物、清潔劑、酶及其任何組合。
基於聚合物之塗佈材料。至少一個內表面可包含包括聚合物之塗佈材料。聚合物可共價或非共價鍵合(或可非特異性黏著)至至少一個表面。聚合物可具有各種結構模體，諸如嵌段聚合物(及共聚物)、星形聚合物(星形共聚物)及接枝或梳形聚合物(接枝共聚物)中發現之模體，其等全部可適合於本文中所揭示之方法。
聚合物可包含具有伸烷基醚部分之聚合物。廣泛多種包含伸烷基醚之聚合物可適合用於本文中所描述之微流體裝置中。包含伸烷基醚之聚合物之一種非限制性實例類別係兩親性非離子嵌段共聚物，其等包含在聚合物鏈內呈不同比率且位於不同位置中之聚環氧乙烷(PEO)及聚環氧丙烷(PPO)子單元之嵌段。Pluronic®聚合物(BASF)係此類型之嵌段共聚物且在此項技術中已知在與活細胞接觸時適用。聚合物之平均分子量Mw 可在自約2000 Da至約20 KDa之範圍內。在一些實施例中，PEO-PPO嵌段共聚物可具有大於約10 (例如12至18)之親水性-親脂性平衡(HLB)。可用於產生經塗佈表面之特定Pluronic®聚合物包含Pluronic® L44、L64、P85及F127 (包含F127NF)。包含伸烷基醚之聚合物之另一類別係聚乙二醇(PEG Mw ＜100,000 Da)或替代地聚環氧乙烷(PEO, Mw ＞100,000)。在一些實施例中，PEG可具有約1000 Da、約5000 Da、約10,000 Da或約20,000 Da之Mw 。
在其他實施例中，塗佈材料可包含含有羧酸部分之聚合物。羧酸子單元可為包含烷基、烯基或芳族部分之子單元。一個非限制性實例係聚乳酸(PLA)。在其他實施例中，塗佈材料可包含在聚合物主鏈之末端或聚合物主鏈之側鏈處含有磷酸部分之聚合物。在又其他實施例中，塗佈材料可包含含有磺酸部分之聚合物。磺酸子單元可為包含烷基、烯基或芳族部分之子單元。一個非限制性實例係聚苯乙烯磺酸(PSSA)或聚茴香腦磺酸。在進一步實施例中，塗佈材料可包含含有胺部分之聚合物。聚胺基聚合物可包含天然聚胺聚合物或合成聚胺聚合物。天然聚胺之實例包含精胺、精三胺及腐胺。
在其他實施例中，塗佈材料可包含含有糖部分之聚合物。在非限制性實例中，聚糖(諸如黃原膠或聚葡萄糖)可適合於形成可減少或防止細胞黏附於微流體裝置中之材料。例如，具有約3 kDa之大小之聚葡萄糖可用來對微流體裝置內之表面提供塗佈材料。
在其他實施例中，塗佈材料可包含含有核苷酸部分(即，核酸)之聚合物，其可具有核糖核苷酸部分或去氧核糖核苷酸部分，從而提供聚電解質表面。核酸可僅包含天然核苷酸部分或可包含非天然核苷酸部分，其等包括核鹼基、核糖或磷酸部分類似物，諸如(但不限於) 7-去氮腺嘌呤、戊糖、膦酸甲酯或硫代磷酸甲酯部分。
在又其他實施例中，塗佈材料可包含含有胺基酸部分之聚合物。包含胺基酸部分之聚合物可包含含有天然胺基酸之聚合物或含有非天然胺基酸之聚合物，其等任一者可包含肽、多肽或蛋白質。在一個限制性實例中，蛋白質可為牛血清白蛋白(BSA)及/或血清(或多個不同血清之組合)，其包括作為塗佈劑之白蛋白及/或一或多種其他類似蛋白質。血清可來自任何習知源，包含但不限於胎牛血清、綿羊血清、山羊血清、馬血清及類似物。
在某些實施例中，塗佈溶液中之BSA係以自約1 mg/mL至約100 mg/mL(包含5 mg/mL、10 mg/mL、20 mg/mL、30 mg/mL、40 mg/mL、50 mg/mL、60 mg/mL、70 mg/mL、80 mg/mL、90 mg/mL或更大或其間之任何值)之濃度存在。在某些實施例中，塗佈溶液中之血清可以約20% (v/v)至約50% v/v (包含25%、30%、35%、40%、45%或更大或其間之任何值)之濃度存在。在一些實施例中，BSA可作為塗佈劑以約5 mg/mL存在於塗佈溶液中，而在其他實施例中，BSA可作為塗佈劑以約70 mg/mL存在於塗佈溶液中。在某些實施例中，血清作為塗佈劑以30%存在於塗佈溶液中。在一些實施例中，細胞外間質(ECM)蛋白質可提供於塗佈材料內以用於最佳化細胞黏著以培育細胞生長。可包含於塗佈材料中之細胞基質蛋白質可包含但不限於膠原、彈性蛋白、含RGD之鈦(例如纖連蛋白)或層黏連蛋白。在又其他實施例中，生長因子、細胞介素、激素或其他細胞傳訊物種可提供於微流體裝置之塗佈材料內。
在一些實施例中，塗佈材料可包含含有環氧烷部分、羧酸部分、磺酸部分、磷酸部分、糖部分、核苷酸部分或胺基酸部分之一者以上之聚合物。在其他實施例中，經聚合物調節之表面可包含各具有以下者之一種以上聚合物之混合物：環氧烷部分、羧酸部分、磺酸部分、磷酸部分、糖部分、核苷酸部分及/或胺基酸部分，該等聚合物可獨立或同時併入至塗佈材料中。
共價連接之塗佈材料。在一些實施例中，至少一個內表面包含共價連接分子，其等在微流體裝置內提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層，從而針對此等細胞提供經調節表面。
共價連接分子包含連接基團，其中連接基團共價連接至微流體裝置之一或多個表面，如下文所描述。連接基團亦共價連接至經組態以提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之一部分。
在一些實施例中，經組態以提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之共價連接分子可包含烷基或氟烷基(其包含全氟烷基)部分；單糖或聚糖(其可包含但不限於聚葡萄糖)；醇(包含但不限於丙炔醇)；多元醇，其等包含但不限於聚乙烯醇；伸烷基醚，其等包含但不限於聚乙二醇；聚電解質(其等包含但不限於聚丙烯酸或聚乙烯基膦酸)；胺基(包含其衍生物，諸如但不限於烷基化胺、羥基烷基化胺基、胍及包含未芳族化氮環原子之雜環基，諸如但不限於嗎啉基或哌嗪基)；羧酸，其等包含但不限於丙炔酸(其可提供羧酸陰離子表面)；膦酸，其等包含但不限於乙炔基膦酸(其可提供膦酸陰離子表面)；磺酸鹽陰離子；羧基甜菜鹼；磺基甜菜鹼；胺磺酸；或胺基酸。
在各項實施例中，經組態以在微流體裝置中提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之共價連接部分可包含非聚合部分(諸如烷基部分、取代烷基部分(諸如氟烷基部分(其包含(但不限於)全氟烷基部分))、胺基酸部分、醇部分、胺基部分、羧酸部分、膦酸部分、磺酸部分、胺磺酸部分或糖部分。替代地，共價連接之部分可包含聚合部分，其等可為上文所描述之部分之任一者。
在一些實施例中，共價連接之烷基部分可包括形成直鏈之碳原子(例如，至少10個碳或至少14個、16個、18個、20個、22個或更多個碳之直鏈)且可為無分支烷基部分。在一些實施例中，烷基可包含經取代之烷基(例如，烷基中之一些碳可經氟化或經全氟化)。在一些實施例中，烷基可包含接合至第二片段(其可包含未經取代烷基)之第一片段(其可包含全氟烷基)，其中第一片段及第二片段可直接或間接地(例如，藉由醚鍵)接合。烷基之第一片段可定位於連接基團之遠端，且烷基之第二片段可定位於連接基團之近端。
在其他實施例中，共價連接之部分可包含至少一個胺基酸，其可包含一種類型以上胺基酸。因此，共價連接之部分可包含肽或蛋白質。在一些實施例中，共價連接之部分可包含胺基酸，其可提供用於支援細胞生長、存活率、可攜性或其等任何組合之兩性離子表面。
在其他實施例中，共價連接之部分可包含至少一個環氧烷部分，且可包含如上文所描述之任何環氧烷聚合物。包含伸烷基醚聚合物之一種有用種類係聚乙二醇(PEG Mw ＜100,000 Da)或替代地聚環氧乙烷(PEO, Mw ＞100,000)。在一些實施例中，PEG可具有約1000 Da、5000 Da、10,000 Da或20,000 Da之Mw 。
共價連接之部分可包含一或多個糖。共價連接之糖可為單糖、雙糖或聚糖。共價連接之糖可經改質以引入反應性配對部分，其容許偶合或修飾以結合至表面。實例性反應配對部分可包含醛基、炔烴或鹵基部分。多糖可以隨機方式改質，其中糖單體之各者可經改質或多糖內之糖單體之僅一部分經改質以提供可直接地或間接地偶合至表面之反應配對部分。一個範例可包含可經由無分支連接子而間接地偶合至表面之聚葡萄糖聚糖。
該共價連接之部分可包括一或更多個胺基。該胺基可為經取代之胺部分、胍部分、含有氮之雜環部分或雜芳基部分。含有胺基之部分可具有允許微流體裝置內及視需要封存圈及/或流動區(例如，通道)內之環境之pH改質之結構。
提供經調節表面之塗佈材料可包含僅一種類型之共價連接之部分或可包含一種以上不同類型之共價連接之部分。例如，經氟烷基(包括全氟烷基)調節之表面可具有複數個完全相同之共價連接之部分，例如，其等具有相同連接基團及至表面之共價連接；相同整體長度及相同數目個包括氟烷基部分之氟亞甲基單元。替代地，塗佈材料可具有結合至表面之一種以上類型之共價連接之部分。例如，塗佈材料可包括具有共價連接之具有指定數目個亞甲基或氟亞甲基單元之烷基或氟烷基部分之分子，及可進一步包含具有共價結合至具有較大數目個亞甲基或氟亞甲基單元之烷基或氟烷基鏈之帶電部分之其他組分子，其等可提供在經塗佈表面呈現大型部分之能力。在此例項中，具有不同、更少空間需求末端及較少主鏈原子之第一組分子可有助於官能化整個基板表面及由此防止與組成基板本身之矽/氧化矽、氧化鉿或氧化鋁之非所要黏著或接觸。在另一實例中，該等共價連接之部分可提供在該表面上以隨機方式呈現交替電荷之兩性離子表面。
經調節表面性質。除經調節表面之組合物之外，其他因素(諸如疏水性材料之實體厚度)亦可影響DEP力。各種因素可更改經調節表面之實體厚度，諸如經調節表面形成於基板上之方式(例如氣相沈積、液相沈積、旋轉塗佈、溢流塗佈及靜電塗佈)。在一些實施例中，經調節表面具有約1 nm至10 nm；約1 nm至7 nm；約1 nm至5 nm或其間之任何個別值之厚度。在其他實施例中，由共價連接之部分形成之經調節表面可具有約10 nm至約50 nm之厚度。在各項實施例中，如本文中所描述般製備之經調節表面具有小於10 nm之厚度。在一些實施例中，經調節表面之共價連接之部分可在共價連接至微流體裝置之表面(例如DEP組態之基板表面)時形成單層且可具有小於10 nm (例如，小於5 nm或約1.5 nm至3.0 nm)之厚度。此等值與藉由旋轉塗佈製備之表面之厚度(例如，該表面通常可具有約30 nm之厚度)形成對比。在一些實施例中，經調節表面無需完全形成之單層以適用於DEP組態之微流體裝置內之操作。
在各項實施例中，提供微流體裝置之經調節表面之塗佈材料可提供所期望電性質。非意欲受理論束縛，影響塗佈有特定塗佈材料之表面之穩健性的一個因素係固有電荷捕集。不同塗佈材料可捕集電子，此可導致塗佈材料之分解。塗佈材料中之缺陷可增加電荷捕集且導致塗佈材料之進一步分解。類似地，不同塗佈材料具有可影響電荷捕集之不同介電強度(即，導致介電質分解之最小施加電場)。在某些實施例中，塗佈材料可具有減小或限制電荷捕集量之總體結構(例如，密集單層結構)。
除經調節表面之電性質之外，經調節表面亦可具有有益於與生物分子一起使用之性質。例如，包含氟化(或全氟化)碳鏈之經調節表面可相對於烷基封端之鏈提供減少表面污垢之量之益處。如本文中所使用，表面污垢指代微流體裝置之表面上之無差別材料沈積之量，其可包含諸如蛋白質及其降解產物、核酸及各自降解產物及類似物之生物材料之永久或半永久沈積。
經單一或多部分調節之表面。如下文所描述，共價連接之塗佈材料可藉由已包含經組態以在微流體裝置中提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之部分之分子之反應來形成。替代地，共價連接之塗佈材料可藉由將經組態以提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之部分偶合至本身已共價連接至表面之表面改質配體而以兩部分順序形成。
製備共價連接之塗佈材料之方法。在一些實施例中，共價連接至微流體裝置之表面(例如，包含封存圈及/或流動區之至少一個表面)之塗佈材料具有式1或式2之結構。當該塗佈材料係以一個步驟引入至該表面時，其具有式1之結構，而當該塗佈材料係以多個步驟程序引入時，其具有式2之結構。
Figure 02_image001
Figure 02_image003
塗佈材料可共價連接至DEP組態或EW組態基板之表面之氧化物。DEP組態或EW組態基板可包括矽、氧化矽、氧化鋁或氧化鉿。氧化物可作為該基板之天然化學結構之部分存在或可如下文論述般引入。
塗佈材料可經由連接基團(「LG」)結合至氧化物，其可為自矽氧烷或膦酸基團與該等氧化物之反應形成之矽烷氧基或膦酸酯基。經組態以在微流體裝置中提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之部分可為本文中所描述之部分之任一者。連接基團LG可直接或間接地連接至經組態以在微流體裝置中提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之部分。當連接基團LG直接連接至該部分時，選用連接子(「L」)不存在且n為0。當連接基團LG間接連接至該部分時，連接子L存在且n為1。連接子L可具有直鏈部分，其中直鏈部分之主鏈可包括選自矽、碳、氮、硫及磷原子之任何組合之1至200個非氫原子，受限於如此項技術中已知之化學鍵合限制。其可間插可選自醚、胺基、羰基、醯胺基及/或膦酸酯基、伸芳基、伸雜芳基或雜環基之一或多個部分之任何組合。在一些實施例中，連接子L之主鏈可包括10個至20個原子。在其他實施例中，連接子L之主鏈可包括約5個原子至約200個原子；約10個原子至約80個原子；約10個原子至約50個原子；或約10個原子至約40個原子。在一些實施例中，主鏈原子全部係碳原子。
在一些實施例中，經組態以提供適合於(若干)微物件之維持及/或擴增之有機及/或親水性分子層之部分可以多步驟程序添加至基板之表面且具有式2之結構，如上文所展示。部分可為上文所描述之部分之任一者。
偶合基團CG表示反應性部分Rx 與反應性配對部分Rpx (即，經組態以與反應性部分Rx 反應之部分)反應所得之基團。例如，一個典型偶合基團CG可包括甲醯胺基，其係胺基與羧酸衍生物(諸如活性酯、酸氯化物或類似物)反應之結果。其他CG可包括伸三唑基、甲醯胺基、硫醯胺基、肟、烷硫基、二硫化物、醚或烯基或可在反應性部分與其各自反應性配對部分反應之後形成之任何其他合適基團。該偶合基團CG可定位於連接子L之第二端處(即，接近經組態以在微流體裝置中提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之部分之端)，其可包括如上文所描述之元素之任何組合。在一些其他實施例中，偶合基團CG可間插連接子L之主鏈。當偶合基團CG係伸三唑基時，其可為源自點選偶合反應之產物且可經進一步取代(例如，二苯并環辛烯基稠合伸三唑基)。
在一些實施例中，塗佈材料(或表面改質配體)係使用化學氣相沈積沈積於微流體裝置之內表面上。氣相沈積程序可視情況例如藉由預清潔蓋110A、微流體迴路材料116A及/或基板(例如，DEP組態基板之電極啟動基板206之內表面208或EW組態基板之支持結構104A之介電層)；藉由曝露於溶劑浴、聲波降解法或其組合來改良。替代地或另外，此預清潔可包含在氧電漿清潔劑中處理蓋110A、微流體迴路材料116A及/或基板，此可移除各種雜質，而同時引入經氧化表面(例如，該表面處之氧化物，其可如本文中所描述般共價改質)。替代地，可使用液相處理諸如鹽酸及過氧化氫之混合物或硫酸及過氧化氫之混合物(例如，食人魚溶液，其可具有硫酸與過氧化氫在約3:1至約7:1之範圍內之比率)來替代氧電漿清潔劑。
在一些實施例中，使用氣相沈積以在微流體裝置200已經組裝以形成界定微流體迴路120A之外殼102A之後塗佈微流體裝置200之內表面。非意欲受理論束縛，將此塗佈材料沈積於經完全組裝之微流體迴路120A上可有利於防止由在微流體迴路材料116A與電極啟動基板206介電層及/或蓋110A之間的弱化鍵引起之分層。在其中採用兩步驟程序之實施例中，表面改質配體可經由如上文所描述之氣相沈積引入，且隨後引入經組態以提供適合於(若干)微物件之維持/擴增之有機及/或親水性分子層之部分。後續反應可藉由將經表面改質之微流體裝置曝露於溶液中之合適偶合試劑進行。
圖4A繪示一或多項實施例中之展示晶片時間線視圖之一部分之實例性簡化使用者介面之一部分。在此實例中，晶片時間線視圖400A包含在時間上針對一或多個微流體裝置404A配置之資料表示或匹配網格部分402A，各微流體裝置404A具有各自複數個室，該各自複數個室可選自左欄中之選單。一或多個微流體裝置404A可被實施為互動式進度介面工具集，該互動式進度介面工具集在互動時引起處理器至少用第一資料序列之至少一部分或分析結果之至少一部分填入匹配網格部分。晶片時間線視圖包含提供例如一或多個工作流程之內容之資訊。例如，晶片時間線視圖可提供在微流體裝置上執行(executed)或執行(performed)之一或多個操作之時間資訊。如本文中所描述，工作流程可包括在微流體裝置上及/或對其中或其上之一或多個生物樣本執行之一組操作。晶片時間線視圖可經由例如時間線視圖啟動互動式介面工具集(例如，選單命令、內容選單中之命令、螢幕上介面工具集或晶片時間線視圖之標誌識別符(403A))或(若干)任何其他合適介面工具集等而產生。
操作之一些實例可包含但不限於：裝載微物件；基於一或多種特徵/特性而選擇特定微物件；將一或多種試劑灌入微流體裝置中；灌注試劑及/基於一或多個特徵/特性而選擇微物件之反覆程序；及自微流體裝置匯出微物件。在一些實施例中，可對該組操作或其之一部分進行預先判定及編碼。在一些其他實施例中，可在一或多個所關注區中偵測、觀察、記錄或以其他方式表示該組操作或其之至少一部分。晶片時間線可與該組操作中之操作之至少一部分相關聯，且該組中之操作之此等至少一部分可在晶片時間線視圖中在時間上對準以指示例如該組中之操作之此等至少一部分當中之絕對時間關係(例如，(若干)確切時間點或(若干)時間週期)或相對時間關係。
可在晶片時間線視圖中呈現之操作可包括捕獲影像或多個影像序列之任何操作。該組操作中之一些例示性操作可包含但不限於：裝載或匯出微物件，該等微物件可包括捕獲珠，其中捕獲珠可用來偵測由生物細胞分泌之生物產物或可用來捕獲生物細胞產物，包含但不限於待識別(例如，藉由定序、質譜法或其他任何識別方法)之核酸或蛋白質；裝載或匯出生物樣本；裝載或匯出記憶B細胞；裝載或匯出血漿B細胞(B淋巴細胞)；裝載或匯出植物、細菌、真菌、其他非哺乳動物細胞或病毒粒子及類似物；匯入或匯出操作，包含引入試劑、營養物、化驗組分及類似物；光學密度之(若干)量測；小體積匯入或匯出操作；最佳化禁錮或取消禁錮分析，其中禁錮或取消禁錮可能涉及將微物件自微流體裝置之流動區移動至微流體裝置之隔離區及/或其相反物，且進一步而言其中禁錮或取消禁錮可視情況涉及介電泳(DEP)；培養任何種類之生物細胞；監測微流體裝置之室(例如，圈)；監測圈目標數目，其中該目標數目可包含室內(例如，圈)內之細胞之所要或選定數目；自包括多個微物件或生物樣本之所關注區取消禁錮微物件；使微物件或生物樣本成像且對微物件或生物樣本之數目進行計數；多光譜時延成像；TPS (目標圈選擇)成像(例如，其中TPS包括識別室/圈、選擇室/圈及/或將微物件移動至室/圈或自室/圈移動微物件之一或多者)；出於監測生物樣本之培養之目的而在調整微流體晶片條件(例如，溫度、介質等)之後進行TPS成像；捕獲化驗(例如，監測例如螢光或熒光標記分子之視覺化分子之動力學或熱力學性質，其中動力學或熱力學性質包含但不限於擴散速率及鍵合動力學)；在具有或無(若干)模板之情況下捕獲化驗(例如，其中模板包括用於指派一或多個所關注區、產生分數或對生物樣本執行一或多個其他特性化之經建立準則)；具有卸載清單產生之捕獲化驗(例如，其中卸載清單包括包含滿足一或多個預設準則之一或多個生物序列之所關注區清單，其中該準則係根據與自所關注區導出之影像序列或資料序列相關聯之一或多個特性建立)；擴散化驗，包含以下非限制性實例，諸如DiGr (聚光擴散梯度或「digger」)化驗(例如，其中在所關注區中監測螢光分子之擴散)、DiGr聚光化驗(例如，其中螢光分子包含但不僅限於在所關注區中監測由螢光分子所致之螢光之累積)、DiGr聚光參考影像(例如，比較在起始DiGr化驗之前獲取之影像及/或在起始DiGr分析之前獲取之影像與在稍後時間獲取之影像)；偵測來自微物件之可偵測信號，該微物件可為珠(例如，捕獲珠)或可為細胞；偵測來自可溶解報導子分子之可偵測信號：經分泌之生物產物複合物；偵測來自包圍微物件之所關注區之可偵測信號；卸載(例如，取消禁錮) CLD (細胞株發育)，例如自諸如圈之室卸載微物件或生物樣本；卸載OptoSeq B細胞受體(BCR) (例如，卸載包含但不限於包括一或多個DNA或RNA序列之珠之微物件)；卸載細胞(例如，B細胞、真核細胞、原核細胞、酵母細胞、哺乳動物細胞、t細胞或任何其他類型之生物細胞)；或卸載安置於所關注區內之微物件或其他物件；或捕獲一或若干影像之任何其他操作。
圖4A中所展示之多向放置介面工具集408A可藉由螢幕上介面工具集410A而被啟動且可包含五個可致動開關(例如，上、下、右、左及中心)，但應注意，亦可考量相同或不同數目個可致動開關之其他組合或配置。使用者可致動此等可致動開關之一或多者以控制軟體物件(例如，視圖視窗)在使用者介面中之放置。例如，使用者可點選「上」及「中心」可致動開關以向該系統指示使用者意欲於將單獨物件放置於顯示器上之頂部中心部分附近。在接收到使用者對此一或多個可致動開關之致動之後，該系統自動地掃描顯示器上之面積以判定基板面之哪一(些)部分不被語義資訊或其他物件佔據且回應於使用者之請求而自動地判定一或多個候選放置位置及/或大小。
在一些實施例中，使用者介面可提供多個標誌，其中各標誌可由管理員或使用者組態以顯示一或多個視圖及其等相關聯資料或資訊。在圖4A中所繪示之實例中，當前視圖標誌在當前現用標誌中展示晶片時間線視圖400A。另外，使用者可致動多向放置介面工具集408A之中心可致動開關(例如，中心正方形提供與由多向放置介面工具集408A中之其他四個正方形分別提供之功能不同之單獨功能)。回應於使用者對多向放置介面工具集408A之中心可致動開關之致動，該系統自動地判定可由待插入物件412A主張之候選空間406A，該候選空間406A在此實例中被表示為圖庫視圖或其之一部分之小型化視圖。應注意，候選空間(例如，406A)表示可由待插入物件主張之空間，儘管待插入物件可或可不一定佔據整個候選空間。
圖4B繪示一些實施例中之在圖4A中之資料區402A之放大視圖。圖4C繪示一或多項實施例中之關於晶片時間線視圖之更多細節。更具體而言，圖4B繪示在圖4A中之資料區402A之放大視圖，其中晶片時間線視圖可包含一或多個微流體裝置(例如，與微流體裝置識別符402B相關聯之微流體裝置)之各者之晶片時間線。在圖4B中所繪示之實例中，晶片時間線視圖可包含一或多個表示或塊(404B)，該一或多個表示或塊之各者分別指示工作流程中之對應操作以及(若干)對應時間點及/或(若干)時間週期，諸如時間週期406B。在一些實施例中，一或多個表示可經色彩編碼以指示對應於該組操作之操作之至少一部分之各自、不同影像序列類型(例如，TPS (目標圈選擇)、培養及裝載、化驗、選擇/映射等)。
因此，此一或多個圖形表示之各者可以圖形方式指示在(若干)時間點或在時間週期(406B)期間完成之對應操作。應注意，圖4B中所繪示之時間標記係「小時」，儘管可使用其他時間單位(例如，「日」、「分鐘」等)。在一些實施例中，可藉由例如選單項目或命令、使用者介面動作(例如，藉由在指標裝置上滾動滾輪)等來更改時間標記。圖4C繪示一或多項實施例中之關於晶片時間線視圖之更多細節。更具體而言，圖4C繪示其中圖形表示(例如，圖4B中之404B)可為互動式之實例。在此實例中，圖形表示402C可互動以調出與圖形表示402C相關聯之額外資訊。
例如，使用者可將指標裝置之游標懸停於圖形表示402C上方(或點選圖形表示402C或其他合適類型之使用者介面動作)，且該系統自動地展示包含與圖形表示402C相關之額外資訊或細節404C之彈出視窗。在圖4C中所繪示之實例中，額外資訊或細節404C包括影像序列之名稱、工作流程(化驗)之類型、對應於圖形表示402C之操作之確切起始時間點及確切結束時間點。應注意，額外資訊或細節404C亦可包括靜態及/或互動式資訊或亦可呈現除圖4C中所繪示之資訊或細節之外或替代圖4C中所繪示之資訊或細節之細節。
圖4C進一步繪示對應於關於時間維度(在此實例中「日期」)繪製之一或多個圖形表示之晶片時間線之概要406C。概要406C表示整個晶片時間線之小型化或壓縮視圖且包含一或多個小型化圖形表示408C。在一些實施例中，小型化圖形表示在被致動(例如，被點選)時引起對應圖形表示(例如，圖4B中之404B)突顯或以其他方式強調。在一些實施例中，圖形表示(例如，圖4B中之404B)之啟動或致動(例如，藉由點選圖形表示或藉由將指標裝置之游標懸停於圖形表示上方)亦引起對應小型化圖形表示408C以圖形方式、以文字方式或兩者強調。
圖4D繪示一或多項實施例中之晶片時間線視圖之另一實例。更具體而言，圖4D繪示一或多項實施例中之晶片時間線視圖之另一實例，其中晶片時間線視圖包含四個微流體裝置操作404D，其中水平條或圖形表示(其等可以諸如紅色之色彩表示)指示正執行成像，其中針對使用者介面中識別之各自四個微流體裝置402D之各者在晶片時間線中所繪示之時間進程內之離散時間點獲取影像。在此實例中，四個微流體裝置402D之各者具有針對相同時間長度(例如，水平條或圖形表示之長度)進行之操作404D。操作404D可為相同操作，例如，針對四個微流體裝置之各者培養，或在一些其他實施例中，該等操作可為不同操作404D，各操作404D針對相同時間週期(例如，開始及結束於相同日期)執行，儘管不同操作可包含可能歸因於例如不同操作之不同控制變數而在(若干)完全相同的時間點或在不同時間點發生(例如，開始及/或結束)之相同或不同工作流程任務及/或工作流程階段。在此實例中識別之微流體裝置具有微流體裝置識別符(ID)、與特定微流體裝置相關聯之唯一識別符(例如，D48208、D52213、D57829、D58203)。此等微流體裝置ID允許目前揭示之系統使微流體裝置與時間線及可自在晶片時間線中之不同時間點獲取之一或多個基本影像提取之所關注區相關聯。可對基本影像進行分段(例如，基於目標或基於結構之特徵)以產生微流體裝置上或跨多個微流體裝置(例如，跨四個微流體裝置，如所展示)之各所關注區之個別影像或影像序列。可在圖庫視圖中、在圖形或圖中量化或以其他方式特性化該等影像，可對該等影像進行過濾及分選，接著顯示該等影像等。
圖4D之此實例進一步繪示晶片時間線視圖中之圖形表示之各者之額外資訊或細節406D。如上文所描述，晶片時間線視圖中之圖形表示可對應於在微流體裝置或其之一部分上執行之操作。微流體裝置視圖之圖形表示可對應於一或多個微流體裝置，其中晶片時間線視圖中所描繪之各塊對應於微流體裝置內發生之可量測變化(例如，在所關注區處或對應於所關注區之特徵)。圖形表示之改變對於使用者可係重要的否則難以自跨微流體裝置安置之數百個或數千個生物樣本之陣列識別，其中樣本在一或若干所關注區內或附近，其中影像序列自超過一小時(例如，數小時、數日、數周等)之晶片時間線獲取。在一些實施例中，各圖形表示可對應於額外資訊或細節406D之對應塊。額外資訊或細節406D之此一塊可為可擴展的(且可折疊的)以揭露(或隱藏)關於對應圖形表示之額外資訊或細節。圖4D中所繪示之實例進一步展示過濾器選擇器開關408D，該過濾器選擇器開關在藉由使用者動作(例如，藉由點選使用者介面中之過濾器選擇器開關介面工具集等)互動時調用一或多個動作以判定一或多種過濾器類型之一或多個過濾器。過濾器選擇器開關可進一步對應於屬性選擇器開關，該屬性選擇器開關在互動時觸發一或多種過濾器類型及各過濾器類型之一或多個過濾器屬性之一或多個對應清單之呈現。在下文所描述之圖6I中繪示該呈現(例如，602I)之實例。
可基於「特性」及「特徵」而判定所關注區(例如，基於特性及特徵而將基本影像分成所關注區)，其中基本影像係在晶片時間線404B中以圖形方式表示之塊期間獲取之影像導出。另外，「所關注區」之「特性」及「特徵」可用來對所關注區進行分選(例如，「特性」或「特徵」可在表示所關注區之影像序列中捕獲及/或出於在例如圖庫視圖(例如，圖5E中之504E)中顯示所關注區之目的而量化)。
圖4E繪示一或多項實施例中之晶片時間線視圖之實例。更具體而言，圖4E繪示引擎(例如，圖2A中之資料顯示引擎50)可顯示來自資料集之經過濾資料。例如，資料顯示引擎50亦可在例如晶片時間線視圖中顯示來自資料集之經過濾資料，該晶片時間線視圖之實例例如在圖4E中展示。晶片時間線視圖尤其可允許使用者經由GUI查看一或多個微流體裝置上或來自一或多個微流體裝置之影像序列之歷史。使用者可選擇影像序列、CSV檔案中之相關聯資料，且產生在其中儲存該選擇之檔案。
而且，引擎50可對歷史檔案進行操作以產生微流體裝置模型，且可使用晶片時間線視圖來創建歷史檔案；然而，若歷史檔案已存在，則使用者可使用晶片時間線視圖對其進行更新。回顧影像係自(若干)微流體裝置捕獲，在(若干)影像序列中相關聯在一起，且經儲存於資料集中。使用已知影像處理對影像序列進行數位分析，且自該分析產生資料。影像分析可在捕獲影像時或在例如使用者選擇之時間很久以後發生。使用者亦可選擇對相同影像序列執行多次分析。因此，為創建微流體裝置模型，必須將影像序列匹配於正確資料。以此方式，可使用時間線視圖來創建影像序列及資料(408E)之映射，輸出係歷史檔案，使用歷史檔案來產生微流體裝置模型，且接著由過濾器建構器及應用程式模組、圖庫視圖及原始資料視圖使用微流體裝置模型。
引擎50可顯示可包含一或多個微流體裝置、視情況多達最大數目個(例如，4個、6個、8個、10個、12個、14個、16個或類似物)微流體裝置之時間線之晶片時間線視圖。各時間線可展示何時捕獲各影像序列，且視情況可展示何時執行分析。給定微流體裝置之所有影像序列，引擎50允許使用者將影像序列與包含該影像序列之資料之CSV檔案匹配。引擎50亦可允許使用者改變影像序列之其他特性，例如其名稱。
憑藉非限制性實例，且參考圖4E，使用者可在時間線視圖中載入一個微流體裝置，且想要創建該微流體裝置之資料之新歷史檔案；該歷史檔案彼時可能存在或可能不存在。由引擎50產生及顯示之在時間線視圖中之窗格之上半部分可基於影像序列類型而展示微流體裝置之時間線，且最初時間線窗格之下半部分可為空。當使用者選擇該時間線中之影像序列(在圖4E之實例中顯示為小垂直線或塊)時，其將填入底部匹配網格中，接著由引擎50顯示該底部匹配網格。在該匹配網格中，使用者可例如改變「名稱」(402E)，且使用者自資料集中或資料集之選定子集(諸如特定資料夾(404E)，其可包含相同於影像序列檔案之資料夾中存在之所有CSV檔案)中存在之所有可用資料檔案之下拉清單選擇資料類型及路徑(406E)，例如，該影像序列之CSV檔案。若引擎50未選擇所有選定影像序列之至少一個資料CSV檔案，則引擎50可視情況不容許使用者繼續。引擎50可容許使用者根據期望自時間線視圖選擇儘可能多的影像序列。引擎50接著可顯示按鈕或類似物(點選該按鈕或類似物會產生歷史檔案或歷史資料結構或更新先前創建之歷史檔案或歷史資料結構)，且可視情況顯示另一按鈕或類似物(點選該另一按鈕或類似物會產生微流體裝置模型)。
引擎50可顯示之另一實例性視圖係原始資料視圖，其實例在圖5I中展示。實例性原始資料視圖可為具有以行呈現之各室之文數字資料而無對應影像資料之2D (二維)網格或陣列；可呈現整個資料集或如由使用者在過濾器建構器及應用程式模組中規定之過濾之後的該資料之子集之原始資料視圖，如本文別處所描述。原始資料視圖可更類似於傳統電子表格資料視圖，且可包含：供使用者輸入式以對室進行分組、分選、過濾及選擇之欄位；及/或創建室之新特性之欄位；及/或改變/更新資料之特定值之欄位；及/或配合單個動作選擇/拒絕大組室之欄位；或使用使用者使用此視圖創建之資料子集來指示引擎50產生結果之圖庫視圖之欄位。
本文中所描述之由引擎50顯示之視圖之各者可經整合至單個引擎50中，或其等可各為經由GUI (圖形使用者介面)回應於來自使用者之呼叫之獨立引擎/應用程式、模組、指令檔、插件或程式。
雖然本發明已參考其實例性實施例詳細地描述，但對於熟習此項技術者將顯而易見的是，在不脫離本發明之範疇之情況下可進行各種改變且採用等效物。出於闡釋及描述之目的，已呈現本發明之較佳實施例之前文描述。其並非意欲於詳盡性或將本發明限於所揭示之精確形式，且修改及變動鑑於上文教示係可能的或可自本發明之實踐採集。選擇及描述該等實施例以便解釋本發明之原理及其實際應用以使熟習此項技術者能夠在適於預期特定用途之各項實施例中利用本發明。本發明之範疇意欲由隨附發明申請專利範圍及其等效物界定。前述文件之各者之全文以引用的方式併入本文中。
圖5A繪示一些實施例中之致動放置介面工具集以將另一物件插入至晶片時間線視圖中之另一實例。更具體而言，圖5A繪示致動另一放置介面工具集502A以將另一物件504A插入至晶片時間線視圖中之另一實例。一旦被啟動，此放置介面工具集502A便自動地掃描晶片時間線視窗或顯示區域之上部分以判定如何將物件504A插入至當前視圖或視窗中。在此實例中，單獨物件504A可包括展示其中具有對應生物樣本之複數個室之圖庫視圖。放置介面工具集可依據預設自動地判定用於插入新物件之當前視窗或視圖之頂部部分。放置介面工具集可經組態或經定製以自動地判定用於插入新物件之當前視窗或視圖之另一部分(例如，右、左、底部等)。在此情況中，待插入物件504A係圖庫視圖。圖庫視圖顯示所關注區506A之陣列，其中所關注區對應於晶片時間線。在一些實施例中，使用者介面可包含處理介面工具集514A，該處理介面工具集514A在被調用時可至少部分基於資料結構、一或多個其他指令、一或多個呼叫(例如，程序間呼叫或IPC)或來自另一模組或介面之任何其他資料(例如，圈清單等)之識別而產生或識別資料結構(例如，儲存微流體裝置中之生物樣本之分析資料之資料結構)。
例如，晶片時間線中之第一圖形表示508A對應於待放置之圖庫視圖中之第一行512A。應注意，儘管在圖5A中尚未最終化圖庫視圖之放置，但小型化圖庫視圖(例如，對應圖庫視圖或待插入物件504A之快照)可動態地反映時間線(例如，對應於晶片時間線之各自塊之複數個標示符510A之特定標示符508A)與圖庫視圖之對應部分(例如，512A)之間的對應關係。在一些實施例中，圖庫視圖中所繪示之所關注區(例如，506A)之影像係自在晶片時間線期間針對微流體裝置或其之一部分捕獲之基本影像剪輯。圖庫視圖中之行上方之符號對應於晶片時間線之塊。使用者可取決於正在執行之工作流程或使用者之其他需要或興趣而定製此等符號。
所關注區可基於目標或基於結構，如本文中參考例如圖1所描述。至少部分基於所關注區是否基於結構或基於目標，可識別與有關所關注區之一或多個對應屬性、特性或性質等相關之資料且使該資料與所關注區相關聯。例如，可識別與生物樣本相關之一或多個屬性、特性或性質等且使該一或多個屬性、特性或性質與基於目標之所關注區相關。類似地，可識別與微流體裝置或其之一部分之結構相關之一或多個屬性、特性或性質等且使該一或多個屬性、特性或性質與基於結構之所關注區相關。而且，圖庫視圖可包含或繪示與僅基於目標之所關注區、僅基於結構之所關注區或基於目標之所關注區及基於結構之所關注區兩者相關之資料。圖庫視圖中之多個所關注區可至少部分基於與此等所關注區相關之前述屬性、特性或性質等之一或多者藉由使用本文中所描述之各種功能性、程序及/或技術來進一步處理或操縱(例如，過濾、叢集化、分級、分析等)。
在一些實施例中，可至少部分基於與所關注區相關之一或多個特性而編譯圖庫視圖。在一些實施例中，可在所關注區之影像序列上存取特性。在一些此等實施例中，對應於所關注區之特性可與工作流程之一或多個時間點相關聯。在一些實施例中，可至少部分基於微流體裝置之一或多個結構特徵及/或安置於微流體裝置中或上之目標(例如，生物樣本、其特性等)之一或多個特徵而存取與所關注區相關之特性。
具有目標之特性之一些實例可包含但不限於微流體裝置或所關注區中之複數個生物樣本之大小屬性、複數個生物樣本之最大亮度屬性、複數個生物樣本之最小亮度屬性、生物樣本之質心在第一方向上之第一像素計數屬性、生物樣本之質心在第二方向上之第二像素計數屬性、生物樣本之質心之大小屬性、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性或任何其他合適、所需或所要之屬性，或其等任何組合。如上文所描述，亮度屬性可藉由明場(例如，可見波長)、螢光、紅外線、紫外線或發光照明偵測來判定。
與基於結構之特徵或特性相關聯之特性之一些實例(例如，室或其之一部分、流動通道、定位於室正上方及/或緊鄰室之微流體迴路之一部分，例如在室與流動通道之間(諸如如本文中所描述之封存圈之連接區)等)可包含但不限於以下一或多者：生物樣本之總計數、與結構特徵或特性相關之分數、一或多個過濾器屬性、與分析(例如，化驗、定序等)及/或其結果之至少一個態樣相關之一或多個特性、時移索引特性、微流體裝置之裝置識別符、複數個室之分數特性、閘路徑索引、區域像素特性、背景像素特性或複數個生物樣本之中位數亮度特性或任何其他合適、所需或所要特性，或其等任何組合。
微流體裝置之結構特徵可負責在所關注區處可偵測且在所關注區之影像序列中捕獲之功能效應。結構特徵可包括與安置於微流體裝置上之室(例如，圈)相關聯之特徵。如同微流體裝置之其他迴路元件，室可包括限制流或隔離一或多個生物樣本(例如，將一或多個生物樣本與直接流隔離)之結構特性使得包括生物樣本之所關注區之所獲取影像表達可量測、動態及/或導致在表示一或多個所關注區之影像或影像序列中可偵測之變化之特徵。可量測特徵可與生物學相關性質相關且可與分數或其他可量化度量相關聯。
兩個態樣對於評估或分析安置於微流體裝置內之生物樣本(尤其微流體裝置之區(例如，基於結構之所關注區)及特定物件(例如，生物樣本、微物件等)曝露於微流體裝置(例如，基於目標之所關注區)內之現象)可係重要的。在上述微流體裝置中及在具有基於目標及基於結構之所關注區之其他此等微流體裝置中，使用者有興趣瞭解在所關注區處(例如，安置例如單個生物樣本之生物樣本之位置或在接近安置生物樣本之位置之區中)發生之現象，因此使基本影像與特定操作相關聯對於判定與使用者最感興趣之所關注區相關之基本影像至關重要。在一些情況中，可根據晶片時間線使用過濾器選擇工具或繪圖工具(例如，過濾器建構器及應用程式模組)來產生與使用者之興趣或需要最相關之所關注區之圖庫視圖。若無此工具，則在無經裝配以執行此一操作且提供及顯示供使用者解釋之自動評估結果之工具之情況下，跨一或多個視場及/或一或多個微流體裝置等對數百個、數千個或甚至數萬個生物樣本執行此類型之評估可能係禁止的。
可自其等導出影像(基本影像、影像序列、單個影像等)之實例性微流體裝置可包括一或多個微流體迴路或在微流體迴路內之組件或區。在一些實施例中，微流體迴路之基於結構之所關注區可包括接近流動區之區、其中削弱直接流之區及/或藉由單個開口與流分離之區。在進一步實施例中，微流體迴路可包括離散結構特徵，包含室(例如，封存圈、圈、阱等)，其中微物件可與直接流隔離。
圖5A進一步繪示在使用者啟始藉由使用在使用者介面中表示為選單命令或可點選圖示之視圖啟動互動式介面工具集(未展示)添加物件(例如，504A)，調用放置介面工具集及藉由使用例如一或多個使用者介面命令(例如，將經插入物件504A下放於使用者介面中之特定位置處或藉由操縱多向放置介面工具集來選擇位置等)來確認單獨物件之放置位置之後，將單獨物件504A (例如，圖庫視圖物件)插入至晶片時間線視圖(例如，圖4A中之400A)中。可在將單獨物件放置於顯示器上之前或之後調整顯示器上之分離物件之大小。該系統可視情況調整顯示器上之另一物件之位置、縱橫比及/或大小以容納經插入之單獨物件。
圖5B繪示一些實施例中之在原始晶片時間線視圖之頂部處具有經插入圖庫視圖504B之晶片時間線視窗。更具體而言，圖5B繪示在原始晶片時間線視圖502B之頂部處具有含有圖庫結構之經插入圖庫視圖504B之晶片時間線視窗。在一些實施例中，此經插入物件之大小、縱橫比及/或位置可在插入此物件之前或之後進行調整。而且，指示晶片時間線502B中之活動之發生之第一圖形表示506B對應於圖庫視圖之第一子集(例如，圖庫視圖504B中之第一行508B)；且指示晶片時間線502B中之另一活動之發生之第二圖形表示510B對應於圖庫視圖之第二子集(例如，圖庫視圖504B中之第二行512B)。
圖庫結構包含靜態及/或動態資訊或資料(諸如文字、圖形及/或影像分析結果，輸入資料，與分析中之生物樣本相關之資訊，後設資料等)之結構化配置。圖庫結構可以諸多不同方式配置，且圖5B僅繪示一個特定配置。而且，圖庫結構可基於一或多個特性而結構化：諸如一或多個識別符(例如，微流體裝置之裝置識別符、室識別符)、與分析相關聯之一或多個特性(例如，螢光標記分子，諸如FITC或異硫氰酸螢光素、Cy3染料、Cy5染料、磷脂酰乙醇胺或PE等)、分析及/或生物樣本之一或多個性質、與分析及/或與生物樣本相關之一或多個可量化度量、時間標記及/或工作流程中之工作流程項目之識別符等。
可用唯一鍵(例如，來自前述識別符之唯一識別符)或鍵之組合(例如，來自前述識別符之多個識別符之組合)對圖庫結構編索引，其中該等鍵之各者唯一地識別圖庫結構中之特定圖庫子結構(例如，行或列)。例如，圖庫結構可包含可在對圖庫結構編索引中使用之一或多個鍵之一或多個行或列。各圖庫子結構包括一或多個圖庫欄位，且各圖庫欄位可儲存包括例如本文中所描述之各種資料或資訊之物件。作為另一實例，可用儲存微流體裝置中之複數個室之各自唯一室識別符之第一鍵行對圖庫結構編索引。作為另一實例，可用儲存微流體裝置中之複數個室之各自唯一室識別符之第一鍵行及儲存微流體裝置之裝置識別符之第二鍵行對圖庫結構編索引。又作為另一實例，可用儲存複數個室之各自唯一室識別符及微流體裝置之微流體裝置識別符之組合之第一鍵行對圖庫結構編索引。應注意，儘管具有圖5B中之圖庫結構之圖庫視圖可看似具有對應於在多個時間點之複數個室之特定識別符之各行之二維表結構，但圖庫結構不僅限於二維資料結構(例如，(若干)資料庫表)且在一些實施例中可具有兩個以上維度。在諸如電腦監視器之二維顯示裝置上，可僅顯示二維表示。因此，本文中所描述之技術自圖庫結構擷取相關資料以恰當地顯示於此等二維顯示裝置上。
而且，圖5B中所繪示之圖庫結構包含其等之各者對應於特定識別符之多個行。各行具有分別表示在複數個時間點或時間週期中之相同時間點或時間週期針對一或多個對應室運算、蒐集、產生及/或捕獲之資料。不同行對應於與所關注分析(或若干分析)及/或其生物樣本相關之不同屬性、特性、性質等。因為圖庫結構可係結構化或甚至經編索引(例如，基於一或多個鍵而編索引)。
利用晶片時間線視圖與圖庫視圖之間的此對應關係，一個對應項目(例如，第一子集508B)之致動或啟動可經組態以自動地觸發另一對應項目(例如，對應第一圖形表示506B)之致動或啟動使得可強調(例如，以圖形方式強調)顯示器上之此兩個實體之一者或兩者。應注意，晶片時間線視圖與圖庫視圖之間的對應關係可為選用的。在一些實施例中，此對應關係可在本文中所描述之一或多個使用者介面視圖中組態。
圖5B進一步繪示在使用者介面中調用時引起至少處理器自第二視圖移除微流體裝置及與微流體裝置相關之資料之刪除介面工具集(514B)。圖5B進一步繪示包括具有室陣列之微流體裝置之複數個晶片欄位之晶片資料夾結構之表示(516B)。微流體裝置之晶片資料可經填入晶片資料夾結構中之第一晶片欄位中。晶片資料夾結構中之第一晶片欄位可例如藉由點選互動式資料夾介面工具集(未展示)而顯現為使用者介面中之表示(516B)，該互動式資料夾介面工具集在互動時調用與使用者介面中之視圖相關且可對資料夾(例如，儲存與微流體裝置中之生物樣本之資料相關之資料之資料夾)執行之一或多個候選動作。
圖5C繪示在調整經插入物件之高度之後的在原始晶片時間線視圖之頂部處具有經插入圖庫視圖之晶片時間線視窗。更具體而言，圖5C繪示在調整經插入物件之高度之後的在原始晶片時間線視圖之頂部處具有經插入圖庫視圖(或任何其他經插入物件) 504之晶片時間線視窗。如本文中所描述，經插入圖庫視圖504可包含可僅基於目標、僅基於結構、或既基於目標又基於結構之複數個所關注區之對應影像。各所關注區之影像對應於至少部分基於所關注區之類型(例如，基於目標或基於結構)而判定之相關資料，諸如一或多個屬性、特性或性質。
而且，圖5C進一步繪示圖庫視圖之實例性結構。應注意，儘管圖5C繪示具有經插入圖庫視圖物件之晶片時間線視窗，但在一些實施例中圖5C中所繪示之圖庫視圖之實例性結構亦可適用於一或多個其他視圖中之其他任何圖庫視圖。在此等實施例中，圖庫視圖504C可包含複數個圖庫子結構，諸如行502C、510C及512C。應注意，儘管圖庫子結構以各自行配置，但在一些其他實施例中圖庫子結構亦可以列或以任何其他方式配置。
圖庫子結構(例如，510C)可包含一或多個圖庫欄位508C。即，在其中僅一個列顯示於使用者介面中(例如，時間線視圖中)之一些實施例中，圖庫子結構包含僅一個圖庫欄位。在其中顯示多個列之一些其他實施例中，圖庫子結構包含多個圖庫欄位。在一些實施例中，圖庫子結構可經組態以包含容納微流體裝置中之至少總數目個基於目標及/或基於結構之所關注區之足夠數目個圖庫欄位使得各所關注區之對應資料(所關注區之影像或影像序列)可顯示於各自圖庫欄位中。在其中子結構以線性方式配置之一些實施例中，無關於子結構是否以行、列或任何其他形式配置，子結構亦可互換地稱為線性資料結構。在一些其他實施例中，亦可實施不同於線性配置之其他資料配置，諸如圓形配置、圓形配置之一部分或使用者介面中之任何其他合適配置。
在一些實施例中，圖庫子結構中之圖庫欄位對應於基於目標或基於結構之所關注區之影像。如本文中所描述，此影像可被顯示為靜態影像或被顯示為使用者可藉由例如點選影像物件及/或右擊影像物件或點選一或多個介面工具集、圖示、選單項目等來與其進行互動之動態互動式物件。另外或替代地，可例如至少部分基於例如分析類型、捕獲基本影像之特定工作流程階段或工作流程任務、所關注區之類型(例如，基於目標或基於結構)或任何其他合適、所要及/或所需屬性、特性、性質或度量，自例如基本影像動態地判定所關注區之影像之大小、形狀及/或內容。
圖庫子結構亦可對應於與所關注區相關之識別符或屬性514C，該識別符或屬性514C可進一步對應於基於目標或基於結構之屬性、特性、性質或可量化度量等，在此情況下被識別為指示對圈1151內之生物微物件執行之化驗中之點之「Assay_2_OEP」。在一些實施例中，識別符或屬性514C可對應於與利用微流體裝置之複數個室分析之生物樣本相關之特定基於目標之屬性、特性、性質或可量化度量(例如，異硫氰酸螢光素或FITC，例如抗體之外徑、內徑、質心、圓度、親和力等)。作為另一實例，與微流體裝置或其之一部分之任何態樣相關之特定基於結構之屬性、特性、性質或度量可包含所關注區、微流體裝置或其之一部分之任何幾何、實體或其他特性。即，本文中所描述之各項實施例包含所關注區，該所關注區可包含僅一或多個基於目標之所關注區、僅一或多個基於結構之所關注區或至少一個基於目標之所關注區及至少一個基於結構之所關注區兩者。各項實施例亦可包含一或多個屬性、特性、性質或度量，其可進一步包含與生物樣本相關之僅一或多個基於目標之屬性、特性、性質或度量，與微流體裝置或其之一部分相關之僅一或多個基於結構之屬性、特性、性質或度量，或至少一個基於目標之屬性、特性、性質或度量及至少一個基於結構之屬性、特性、性質或度量兩者。
在一些實施例中，圖庫子結構因此可相對於其識別符而分選、分級、排序、過濾、叢集化或以其他方式處理。在其中圖庫子結構中顯現之複數個所關注區相對於圖庫子結構之識別符而分級、分選或排序之一些實施例中，對應所關注區之各自順序或等級(520C)可相對於對應所關注區而顯示。在圖5C中所繪示之此實例中，在複數個所關注區之各自附近顯示複數個所關注區之各自順序或等級。在如圖5C中所繪示之一些實施例中，可針對其中一行對應於多個列之列顯現多狀態選擇器506C。多狀態選擇器506C允許使用者為多狀態選擇器所對應之特定列選擇狀態。例如，使用者可在「選擇」、「取消選擇」、「未決定」或(若干)任何其他合適狀態等當中選擇狀態。識別符或屬性514C可被創建為諸如識別符介面工具集之介面工具集，其在自使用者介面接收識別符改變輸入時觸發改變第一資料序列之第一識別符之指令。
圖5C進一步演示複數個圖庫子結構與晶片時間線視圖(522C)中之複數個圖形表示之間的各自對應關係之實例，該晶片時間線視圖具有指示微流體裝置中之複數個室中之生物樣本之分析中之複數個工作流程任務及/或工作流程階段之時間關係之互動式、匹配網格部分(524C)。例如，第一圖庫子結構510C對應於晶片時間線視圖中之第一圖形表示516C；且第二圖庫子結構512C對應於晶片時間線視圖中之第二圖形表示518C。應注意，圖庫視圖與晶片時間線視圖之間之該對應關係可為選用的。而且，圖庫視圖與晶片時間線視圖之間的對應關係可至少藉由使與微流體裝置之複數個所關注區中之生物樣本之分析有關之各種資料件相關或連結來建立或啟用。此相關性或連結例如在上文參考圖1進行描述。
而且，圖5C繪示調整顯示器上之一或多個物件之大小及/或縱橫比。相較於圖5B，圖5C繪示在已增加物件(圖5B中之504B及圖5C中之504C)之高度之後的螢幕上顯示。該工具自動地調整顯示器上之其他物件之大小及/或縱橫比以變為經重定大小及/或經重定位之晶片時間線視圖(例如，圖5B中之502B及圖5C中之522C)以便容納經調整物件。
在一些實施例中，當前現用標誌中展示晶片時間線視圖522C之當前視圖標誌可經組態以容納一或多個額外物件(例如，圖庫視圖物件、圖形視圖物件等)。使用者可致動多向放置介面工具集(例如，圖4A中之多向放置介面工具集408A)之中心可致動開關。回應於使用者對多向放置介面工具集之中心可致動開關之致動，該系統自動地判定可由待插入物件(例如，504B)主張之候選空間，在此實例中該候選空間被表示為圖庫視圖或其之一部分之小型化視圖。應注意，候選空間(例如，圖4A中之406A)表示可由待插入物件主張之空間，儘管待插入物件可或可不一定佔據整個候選空間。
圖5D繪示一或多項實施例中之可在使用者介面或其之一部分中顯示之圖庫視圖物件之另一實例。更具體而言，圖5D繪示至少部分基於例如工作流程或管線、工作流程或管線階段等而動態地產生對應所關注區之一或多個影像序列之實例。在圖5D中所繪示之此實例中，可針對例如其中所關注區可不僅包含室或其之一部分504D而且包含鄰近流動通道506D之至少一部分之匯出程序(用於匯出微流體裝置之室中培養之細胞)產生第一影像序列502D。
該系統可剖析工作流程或一或多個工作流程階段或工作流程任務且自動地判定針對匯出程序，所關注區包含前述室或室部分以及流動通道之一部分且因此裁剪或提取一或多個基本影像以創建第一影像序列502D，如圖5D中所展示。另外，該系統可判定針對在其間培養生物樣本之另一工作流程、工作流程階段或工作流程任務，用於此工作流程、工作流程階段或工作流程任務之所關注區可能需要僅包含室及視情況室與鄰近流動通道部分之間的介面。該系統接著可裁剪或提取一或多個基本影像以創建第二影像序列508D，如圖5D中所繪示。
圖5E繪示一些實施例中之將圖庫視圖1804添加至圖4A中之原始晶片時間線視窗或視圖之右側之實例。更具體而言，圖5E繪示將圖庫視圖504E添加至圖4A中之原始晶片時間線視窗或視圖之右側之實例。圖庫視圖物件504E之此放置可藉由使用例如前述多向放置介面工具集或上文參考圖5A所描述之放置介面工具集來完成。圖4A中之原始晶片時間線視圖或視窗自動地重定大小為502E以容納經插入物件504E。
圖5F繪示在調整經插入圖庫視圖之高度之後的在原始晶片時間線視圖之右側具有經插入圖庫視圖之晶片時間線視窗。更具體而言，圖5F繪示在調整經插入圖庫視圖之高度之後的在原始晶片時間線視圖之右側具有晶片時間線視圖(圖5E中之504E)之晶片時間線視窗(圖5E中之502E)。例如，圖5E至圖5G中之晶片時間線視圖對包含例如圖庫視圖(例如，圖5E中之504E)之其他視圖提供補充內容，因為晶片時間線視圖包含在時間上與對生物樣本執行之分析(例如，一或多個操作)之進度對準之重要資訊。例如，晶片時間線視圖可將分析中之多種狀態表示為對應圖形表示502F。在圖5F中所繪示之此實例中，使用經色彩編碼矩形來表示分析中之對應階段。而且，經色彩編碼矩形之跨度或寬度亦可在視覺上指示分析中之對應階段之時間跨度。經色彩編碼矩形之不同色彩表示不同階段(例如，裝載、培養、匯出等)。而且，圖形表示502F可對應於對應圖庫視圖中之特定行504F。
在一些實施例中，如晶片時間線視圖中所呈現之時間線因此相關聯於與在其間(例如，自微流體裝置中之室)收集或產生(例如，藉由運算生物學模組或任何運算模組)資料之分析相關之任何資料。可收集或產生各種類型之資料以供分析。例如，可捕獲複數個基於目標及/或基於結構之所關注區之基本影像。此等基本影像(儘管未在晶片時間線視圖中顯示)亦與晶片時間線視圖相關聯以使使用者能夠利用本文中所描述之所有功能性、工具、介面工具集等操縱晶片時間線視圖。例如，與基於結構或基於目標之所關注區相關之屬性、特性、性質等之任一者將可用於使用者使得使用者可甚至自晶片時間線視圖內調用例如過濾器建構器及應用程式模組以構建一或多個一維或多維過濾器且將一或多個一維或多維過濾器應用於結果資料集。
另外或替代地，在一些實施例中，晶片時間線視圖、圖庫視圖或任何其他視圖或經插入物件之大小及/或形狀可為可調整的，且基礎系統可調用例如顯現引擎以重新顯現經調整視圖內之內容。例如，圖5F中之晶片時間線視圖或部分之寬度(及/或高度)或圖庫視圖之寬度(及/或高度)可例如藉由拖曳該部分或視圖之邊界或指定確切大小(例如，以像素為單位、以英寸為單位等)至所要位置或值以更改該視圖或部分之大小及/或形狀來調整。
在其中使用者介面容納多個視圖且調整此多個視圖之一者之大小及/或形狀之一些此等實施例中，該系統可回應於該視圖之大小或形狀之調整而自動地調整至少一個剩餘視窗之內容。例如，使用者可將晶片時間線視窗之大小及/或形狀(例如，展示502F之部分)調整為新大小及/或形狀。回應於此新大小及/或形狀，該系統可修改圖庫視圖中之內容(例如，圖5F中展示504F之部分)。對圖庫視圖之此一修改可包含例如回應於圖庫視圖之左側之晶片時間線視圖之新大小及/或形狀而按比例縮放圖庫視圖之大小及/或形狀，將一或多個額外行及/或一或多個額外列添加至現有行，將一或多個額外行及/或一或多個額外列移除至現有行等。亦可對除上文所描述之晶片時間線視圖實例外之另一視圖或其之一部分執行對另一視圖或對視圖之部分之類似調整。例如，亦可調整使用者介面中用於微流體裝置建構器模組之顯示區域之部分，且該系統可回應於對顯示區域之部分之調整而自動地或基於使用者組態或確認調整使用者介面之(若干)剩餘部分。
圖5G繪示一或多項實施例中之儲存晶片時間線視圖之原始資料之實例性資料結構之實例性顯示。更具體而言，圖5G繪示一或多項實施例中之儲存晶片時間線視圖之原始資料之實例性資料結構。更具體而言，圖5G繪示可由使用者選擇以在晶片時間線視圖中顯示之晶片時間線之原始資料視圖。例如，使用者可藉由點選使用者介面中之互動式元件500G來選擇查看與晶片時間線相關聯之原始資料。回應於互動式元件500G之調用，該系統可讀取將與晶片時間線相關之原始資料儲存於其中以在原始資料顯示區502G中顯示之一或多個資料結構之全部或一部分。
在一些此等實施例中，一或多個資料結構可包含如本文中所描述之多個行子結構，且對應於此多個行之各自資訊(例如，行標頭或識別符)亦視情況顯示於使用者介面中(例如，在行顯示區506G中)。對應於此多個行之各自資訊可在一些實施例中被顯示為靜態、非互動式資訊或在一些其他實施例中被顯示為動態、互動式資訊以使使用者能夠與各個各自資訊件互動。例如，使用者可點選行顯示區506G中之各自資訊件，該系統可自動地滾動至或顯示原始資料顯示區502G中之對應行之資料。
原始資料顯示區502G可顯示資料或資訊，諸如但不限於微流體裝置之識別符、微流體裝置中之對應資料之各自識別符、資料相關之一或多個化驗之各自識別符或描述、一或多個屬性及/或特性(例如抗體之產物生產速率(例如，QP)、與生物性質相關之分數，諸如但不限於細胞表面標記物等)、時間戳或其他任何合適所要或所需資料或資訊。原始資料顯示區502G可由使用者例如藉由使用本文中所描述之分組介面工具集504G來組態。
另外或替代地，使用者可進一步組態哪個或哪些行用於原始資料顯示。例如，使用者可在行顯示區506G中選擇一或多個行使得分別對應於一或多個選定行之資料顯示於原始資料顯示區中。作為另一實例，使用者可在行顯示區506G中取消選擇一或多個行使得分別對應於一或多個經取消選擇行之資料將被抑制、隱藏或以其他方式不顯示於原始資料顯示區中。行顯示區506G可由使用者組態以添加、移除、啟用及/或停用一或多個行至行顯示區506G中。例如，使用者可添加、移除、啟用(例如，啟動)及/或停用(例如，撤銷啟動)用於化驗之裝置識別符列、用於化驗之分數行、用於化驗之室識別符列、用於化驗之rQP行、用於化驗之細胞計數行、用於化驗之經驗證細胞計數行、用於化驗之時間戳行、用於一或多個對應化驗之一或多個各自行或任何其他合適或所要行等。
實例性晶片時間線視圖可進一步視情況包含展示已或可應用於本文中所描述之資料或行子結構之任一者之功能、運算子等之清單之功能顯示區域508G。亦可由使用者組態功能顯示區域508G以在其中顯示所要資料或資訊。例如，除(若干)功能及/或(若干)運算子之外，使用者亦可將一或多個欄位、參數、特性、輸入變數、輸出變數等添加至功能顯示區域508G中。晶片時間線視圖亦視情況包含分組介面工具集504G，使用者藉由使用分組介面工具集504G對各種資料件快速地分組。例如，使用者可自502G或506G拖曳行標頭且將行標頭下放至分組介面工具集504G，該分組介面工具集504G基於該行標頭而自動地觸發對一些或所有原始資料(例如，僅顯示器上之原始資料或與微流體裝置之時間線相關之所有原始資料)之分組動作。如上文所描述，行標頭可經編碼為互動式物件以對應於基於目標或基於結構之屬性、特性、性質或度量。因此，下放行之行標頭可高效地指示該系統根據對應基於目標或基於結構之屬性、特性、性質或度量對一些或全部原始資料進行分選。
圖5H繪示一或多項實施例中之關於圖5G中所繪示之實例性資料結構之實例性顯示之一部分之更多細節。更具體而言，圖5H繪示關於圖5G中之原始資料顯示區502G之更多細節。在一些實施例中，原始資料顯示區502G可包含以下一或多者：微流體裝置識別符502H、室識別符504H、第一化驗裝置識別符506H、第一化驗室識別符508H、第一化驗rQP (dr、dq、dp分子) 510H、第一化驗分數512H、第一化驗時間戳514H、第二化驗裝置識別符516H、第二化驗室識別符518H、第二化驗rQP (dr、dq、dp分子) 520H、第二化驗分數522H及/或第二化驗時間戳524H等。
圖5I繪示一或多項實施例中之關於圖5G中所繪示之實例性資料結構之實例性顯示之一部分之更多細節。更具體而言，圖5I繪示關於原始資料顯示區502G之更多細節。在圖5I中所繪示之此實例中，原始資料顯示區502G可包含切換顯示或抑制顯示所有行之行啟用/停用螢幕上介面工具集502I。原始資料顯示區502G亦可呈現用於在原始資料顯示區502G中顯示之可組態行清單。可組態行清單可以一或多種不同方式來組態。例如，可利用添加新行介面工具集504I添加新行。
可利用移除行介面工具集508I自可組態清單移除現有行。可組態清單中之行可藉由例如勾選核取方塊或(若干)其他螢幕上介面工具集、(若干)選單命令、(若干)內容命令(例如，藉由右擊行或其識別符調用之命令)等而個別地啟用(例如，顯示於原始資料顯示區502G中)或停用(例如，不顯示於原始資料顯示區502G中)。原始資料顯示區502G中顯示之行亦可以多種不同方式分組。例如，使用者可將行識別符拖曳至欄位506I中以藉由該行識別符配置、分選或組織原始資料顯示區502G中顯示之資料。此分選、配置或組織亦可藉由其他合適命令(例如，由原始資料顯示區502G中之指標裝置游標之右擊調用之內容命令、選單命令等)來達成。
圖5J繪示一或多項實施例中之儲存原始資料之實例性資料結構之實例性分組。如圖5J中之實例中所繪示，資料可藉由一或多個特性(例如，將行識別符拖曳至圖5I中之欄位506I中)來分組。在此等實施例中，分組502J可針對所有資料(在原始資料顯示區502G中啟用或停用)、原始資料顯示區502G中之所有經啟用資料或所有資料之較小子集完成。圖5J進一步繪示可對原始資料顯示區(例如，502G)中顯示之資料執行之一組複合、巢狀或階層式配置動作(如504J)。例如，使用者可藉由點選多個特性(例如，圖5I之欄位506I中之特性)來選擇多個特性使得經顯示資料可首先藉由第一選定特性進行分組，接著藉由第二選定特性進行分選等。
圖5K繪示一或多項實施例中之藉由使用多向放置介面工具集將物件插入至晶片時間線視圖或視窗中之另一實例。更具體而言，圖5K繪示藉由使用多向放置介面工具集504K將物件506K插入至晶片時間線視圖或視窗(例如，圖4A)中之另一實例。在此實例中，使用者選擇多向放置介面工具集504K中之中心可致動開關。回應於使用者致動多向放置介面工具集504K中之中心可致動開關，該系統自動地判定用來容納物件506K之候選空間且視情況展示可將物件506K放置於其內之半透明鬼影定界框502K。
圖6A繪示一或多項實施例中之致動擴展介面工具集而以物件之形式顯示與各室相關聯之額外內容之實例。圖6A繪示致動或擴展擴展/折疊介面工具集602A而以物件之形式顯示與各室相關聯之額外內容(例如，604A、606A等)之實例。擴展/折疊介面工具集602A基於使用者之操縱而自動地改變其圖形表示。例如，擴展/折疊介面工具集602A可繪示可擴展特徵之擴展表示(例如，諸如608A之加號)及特徵僅可折疊時之折疊表示(例如，諸如602A之減號)。該系統自動地判定子視窗或子區域之大小及位置以顯示室之額外內容，而不會造成對顯示器上之其他內容之任何障礙或減少對顯示器上之其他內容之障礙。在其中額外內容無法被完全容納或顯示於經判定子視窗或子區域(例如，604A)中之一些實施例中，該系統可進一步在一或多個各自維度(例如，上及下以及左及右)中顯現一或多個滑塊以供使用者滾動瀏覽該等內容。
圖6A進一步繪示在被致動時可改變其外觀且可引起額外資訊或內容被顯示之擴展/折疊介面工具集或圖庫細節介面工具集608A。擴展介面工具集可在需要時擴展或在一些實施例中在不需要時折疊以避免額外資訊、功能性等使使用者介面混亂。圖6A中所繪示之實例性使用者介面展示處於經折疊狀態之此等擴展介面工具集。
而且，圖6A中之使用者介面可包含圖庫視圖或其之一部分。填入圖庫視圖中之各種類型之資料包含例如可自一或多個基本影像導出或提取之對應所關注區之個別影像。此等對應所關注區可由使用者判定或由該系統至少部分基於例如對應晶片時間線及/或工作流程或管線而自動地判定。此等所關注區可僅基於目標、僅基於結構或既基於目標又基於結構。取決於所關注區是否基於目標或基於結構，一或多個屬性、特性、性質及/或可量化度量等亦可被捕獲並與其他資料(例如，(若干)基本影像、所關注區之個別影像等)相關聯且可用來操縱(例如，過濾、分級、叢集化等)彼此相關聯之資料。
在一些實施例中，對應區之此等個別影像可根據追蹤微流體裝置中之生物樣本之基礎分析之流程之晶片時間線配置於圖庫視圖中。例如，圖庫視圖可在各自行中呈現分析之特定階段，其中各行對應於特定階段，且圖庫視圖中之此等特定行亦對應於資訊呈現晶片時間線(例如，圖5F中之圖形、經色彩編碼表示502F)。在其中圖庫視圖中之行根據前述一或多個屬性、特性、性質或可量化度量之一者呈現多個所關注區之資料之一些實施例中，該系統可進一步判定此行與更多或最多關於晶片時間線中之屬性、特性、性質或可量化度量之階段之間的對應關係。以此方式，本文中所描述之各種不同視圖可有效地利用或採用本文中所描述之功能性之任一者使得使用者可容易地在不同視圖當中切換以執行所要或所需功能性之任一者以促進推導運算分析及/或與生物樣本分析相關之資料分析。
圖6A繪示其中(例如，由使用者或由該系統)確認待插入物件將佔據整個候選空間，該系統可判定待插入物件可能阻礙顯示器上之一些語義或有意義內容之實例。作為回應，該系統可添加新標誌612A以容納待插入物件同時原始晶片時間線視圖仍保持於原始標誌(例如，當前現用標誌)中。在此實例中，待插入物件包含圖庫視圖物件。圖6A進一步繪示使用者介面可包含多個標誌，諸如晶片時間線視圖610A及添加至使用者介面之圖庫視圖。在一些實施例中，可將任何其他視圖添加至當前顯示特定視圖之使用者介面。例如，亦可藉由添加晶片時間線視圖來擴增顯示圖庫視圖之使用者介面。
而且，圖6A進一步繪示互動式介面工具集(例如，614A、616A及618A)之一些實例。互動式介面工具集在互動時觸發一或多個功能之執行。在圖6A中所繪示之實例中，用於對應圖庫子結構(例如，該實例中之行)之互動式介面工具集618A可觸發可與該互動式介面工具集相關聯或針對該互動式介面工具集定製之一或多個功能之執行。例如，當使用者選擇用於在圖庫視圖中顯現之基於目標或基於結構之屬性、特性、性質或度量時，該系統可使用基於目標或基於結構之屬性、特性、性質或度量之描述或與其相關聯之記號作為圖庫子結構之標頭或標題。
此標頭或標題塊可經產生為等待描述或記號作為待顯示為其標頭或標題之輸入之參數化碼塊。另外，與選定基於目標或基於結構之屬性、特性、性質或度量相關之一或多個功能可與標頭或標題塊相關聯使得當標頭或標題塊互動(例如，被點選)時，可執行一或多個功能或向使用者呈現一或多個功能以選擇執行。另外或替代地，標頭或標題塊(例如，612A)亦可經組態以用作識別符介面工具集或具有構建至前述參數化碼塊中之識別符之功能性。識別符介面工具集在被調用時改變識別符。例如，使用者可調用識別符介面工具集功能以改變標頭或標題塊之識別符。
圖6B繪示一些實施例中之生物資訊學管線使用者介面及本文中所描述之一或多個其他使用者介面或視圖之整合之實例。圖6B繪示一些實施例中之生物資訊學管線使用者介面(例如，下文在圖7A中所描述之702A)及本文中所描述之一或多個其他使用者介面或視圖之整合之實例。更具體而言，圖6B繪示生物資訊學管線使用者介面602B、圖庫視圖或使用者介面606B及晶片時間線視圖604B或使用者介面等之整合。此等視圖或使用者介面之各者可經呈現於其各自標誌中。另外，一個視圖(或使用者介面)可作為物件添加至另一視圖或使用者介面中，如上文參考例如圖5A所描述。在一些實施例中，例如，圖庫視圖或使用者介面606B可經設計用於執行一或多個化驗以判定例如物質(例如，前述生物樣本)之存在、該物質之量、或藥物之生物或藥理效力等之化驗分析器。
生物資訊學管線使用者介面(602B)可單獨地經設計用於採用生物資訊學或運算生物學來判定例如生物樣本之序列、域及/或結構之定序器。利用由定序器產生之大量定序資料，習知工具可在無任何有用工具或功能性之情況下僅向使用者呈現大量資料。因此，使用者必須依靠其對細節之密切觀察及關注有希望地解密大量資料以識別有用資訊。
本文中所描述之各種技術藉由向使用者提供快速地識別及判定有關資訊或所關注資料之各種功能性且甚至向使用者提供在視覺上驗證結果之功能性而以完全相等效應適用於化驗分析及生物資訊學管線分析。例如，利用整合式生物資訊學管線使用者介面及圖庫視圖，使用者可在操縱、分析及/或進一步處理化驗分析資料及生物資訊學管線資料兩者中採用為此所描述之所有或幾乎所有功能性。而且，圖庫視圖608B包含多個流。例如，圖庫視圖606B包含：螢光DAPI (4',6-二脒基-2-苯基吲哚)流610B，其使用在鍵合至dsDNA之AT區後展現約20倍之螢光增強之藍色螢光DNA染色劑；FITC (異硫氰酸螢光素)流612B；及一或多個其他流614B (例如，TRITC或異硫氰酸四甲基羅丹明、OEP或光電定位等)。而且，展示此多個流(610B、612B、614B等)之圖庫視圖608B可自一或多個微流體裝置之單個時間線或單個時間線塊產生。
例如，如圖6B中所繪示，使用者可藉由使用上文針對圖庫視圖所描述之功能性而載入生物資訊學管線資料集，選擇生物資訊學管線資料之子集且將該子集儲存為室清單(例如，藉由經由子選單項目或介面工具集選擇所關注室清單616A)。基礎系統接著可藉由使用例如室所處之微流體裝置之識別符及/或室之識別符來使生物資訊學管線資料及有關資料關聯而自動地識別及連結有關資料(例如，在一時間點序列捕獲之室影像序列)。
以此方式，圖庫視圖在該時間點序列之各時間點提供室之視覺表示使得使用者可藉由例如在視覺上觀察室之影像序列來在視覺上識別且甚至在視覺上驗證結果。而且，使用者亦可採用過濾器組態及定義功能性且將一或多個一維或多維過濾器應用於化驗分析資料及生物資訊學管線資料兩者。
圖6B進一步繪示提供現有室清單之清單的可擴展及可折疊室清單選單(616B)，該等室清單之各者在被啟動(例如，藉由點選或右擊)時提供內容選單(618B)以供使用者判定待對選定室清單執行哪個進一步操作。一些實例性動作可包含在圖庫視圖中打開選定室清單，打開選定室清單之原始資料及/或刪除選定室清單，或與操縱及/或操作室清單相關之任何其他合適、所要或所需動作等。
圖6C繪示一些實施例中之針對經載入生物資訊學管線資料集所繪示之圖庫視圖之更多細節。圖6C繪示一些實施例中之在圖6B中針對經載入生物資訊學管線資料集所繪示之圖庫視圖之更多細節。在此等實施例中，除圖庫視圖之一或多個先前所描述之特徵及功能性之外，圖6C進一步繪示在一時間點序列針對室捕獲之影像之配置(在圖6C中以三個列配置三個室)。各室可與提供數值或統計資訊(例如，圖6C中之細胞計數)之快速表示之資料區608C中之迷你圖606C相關聯。圖6C中所繪示之迷你圖606C具有無軸圖形之形式，儘管在一些其他實施例中亦可用一或多個軸來表示迷你圖。而且，在一些實施例中，室可與一個以上迷你圖相關聯。應注意，儘管圖6C中之迷你圖看似建構於三個資料點上，但迷你圖可隨時間而構建有任何數目個資料點。
圖6C進一步繪示一些實施例中之在複數個時間點動態地重播針對室捕獲之影像序列之實例。使用者介面(例如，如圖6C中所繪示之圖庫視圖)可包含在被啟動(例如，經由點選)時引起針對所關注室捕獲之影像序列之介面工具集602C。例如，使用者可點選被實施為行選單602C之一部分之重播介面工具集。在接收到對重播介面工具集之點選後，基礎系統可在經分配用於顯示室影像之使用者介面之部分604C處重播特定室之影像序列。例如，影像序列之重播可繪示室內之生物微物件之純系群體隨時間之擴增、生物微物件標記實驗之進度、生物微物件之裂解隨時間之進度、生物產物隨時間至捕獲珠之捕獲、可溶解報導子分子之擴散、隨時間之生物產物複合物及類似物。
圖6D繪示一或多項實施例中之用於組態實例性圖庫視圖之設定之實例性圖庫視圖上方之實例性彈出視窗。更具體而言，圖6D繪示在使用者已在GUI中選擇設定按鈕或類似物之後如由引擎(例如，資料顯示引擎50)產生之圖庫視圖之實例，該GUI可包含可被引擎接著用來產生經過濾資料之圖庫視圖之一或多個設定之彈出視窗或窗格。雖然不限於此等特定參數，但設定可針對化驗之各步驟(由「行名稱」表示)包含該行是否可見，該行之等級是否可見及待在各影像之註腳(在此，稱為「行註腳」)處顯示之文字。此外，引擎50可呈現諸如列高度、逗號後位數及類似物之設定，並且容許使用者要求室拒絕核准；引擎50可呈現用來將此等設定應用於圖庫視圖或取消對圖庫視圖之改變之選項。
在圖6D中所繪示之實例中，使用者可組態圖庫視圖之各種態樣、屬性、特性等。在一些實施例中，使用者可針對各行(例如，對應於圖6B中之610B、612B等之行)組態此等各種態樣、屬性、特性等。例如，使用者可藉由分別勾選可見性介面工具集602D來組態行(例如，對應於在複數個時間點與微流體裝置中之室相關之分析資料(諸如影像、分析結果及/或其他相關資料)之行)在圖庫視圖中是否可見或不可見。使用者亦可藉由勾選分級介面工具集604D來開啟或關閉各自行之分級。
使用者可藉由例如發佈關於各自行識別符606D之命令(例如，透過選單、內容選單、點選、雙擊等)來組態或修正預設行識別符606D。使用者亦可組態行註腳608D，該行註腳608D對應於有關藉由自下拉選單選擇所要特性來顯示圖庫視圖中之對應行之複數個可選擇特性(例如，室之總細胞計數、室之經驗證總細胞計數、最大亮度、最小亮度等)。另外或替代地，使用者可透過行大小調整介面工具集610D組態圖庫視圖中之行之大小(例如，行之高度及/或寬度)。在一些實施例中，使用者可透過精度調整介面工具集612D組態圖庫視圖中之行之(若干)數目之經顯示精度(例如，小數位數)。
圖6E繪示一些實施例中之實例性圖庫視圖中之假著色之實例性結果。更具體而言，圖6E繪示實現對室之行之假著色(例如，藉由選擇Assay_2_CV5行標題602E)以利用具有近似螢光標記細胞606E之大小之經判定大小之螢光標記細胞606E將此等室之背景604E著色為綠色之實例結果。可利用假著色來恢復以禁止或降低影像在顯示裝置上之恰當可見性之某些特性(例如，不足對比度、低亮度等)捕獲之室604E之影像。
圖6E進一步繪示向使用者提供調整特定視圖或整個使用者介面之各種特性或其他態樣之能力之組態介面工具集608E之實例。可透過組態介面工具集608E組態之特性之一些實例包含但不限於亮度、對比度、假著色啟用或停用、飽和度、灰度、光度、色彩因子或任何其他合適、所要或所需特性。
圖6F繪示一些實施例中之更改實例性圖庫視圖中之室之行之色彩因子及一或多個個別室之放大特徵之實例性結果。更具體而言，圖6F繪示更改室之行之色彩因子(例如，藉由選擇圖6E中之Assay_2_CV5行標頭602E)以利用具有近似圖6E中之螢光標記細胞606E之大小之經判定大小之螢光標記細胞606E (在圖6E中)將此等室之背景602F著色為藍色之實例性結果。圖6F進一步繪示使用者可選擇室602E以放大圖6E中之細胞606E。以被判定為近似或按比例調整對應室中之細胞之實際大小之大小產生螢光標記細胞606E之經放大影像(例如，經放大影像604F)以提供更佳可見性，尤其對於該影像中之(若干)精細特徵。
圖6G繪示一些實施例中之用於組態視圖之組態介面工具集之另一實例。更具體而言，圖6G繪示用於組態視圖(例如，圖庫視圖、晶片時間線視圖等)之組態介面工具集之另一實例。在此實例中，組態介面工具集602G根據其等各自標題(例如，作為標題之化驗類型)列出視圖中之行且提供下拉選單以供使用者選擇以控制視圖。例如，使用者可針對行點選下拉選單(例如，在此實例中為Assay_2_CY5)以改變化驗之特性，包含但不限於：行之高度、逗號後位數(例如，1、2、3、...)、室之各自識別符、最大亮度、最大背景亮度、長軸大小(例如，以微米為單位)、短軸大小、圓度、直徑大小、室識別符及/或中等亮度等。
組態視窗可包含一或多個欄位，該一或多個欄位之各者對應於用於組態例如圖庫視圖中之對應行之下拉或彈出視窗。各欄位可進一步經組態為例如可見或不可見，是否顯示等級等。使用者可進一步組態各選定特性之各者是否可見，是否顯示行中之室之分級(相較於微流體裝置中之其他室)，或使用者可能期望查看或隱藏之任何其他資訊。例如，使用者可點選圖庫視圖中之組態介面工具集604G以組態或調整組態、設定、屬性及/或特性等。在一些實施例中，此組態選單602G亦可提供調整顯示器上之列之高度及/或逗號後位數之能力。
例如，使用者可透過行大小調整介面工具集(例如，圖6D中之610D)組態圖庫視圖中之行之大小(例如，行之高度及/或寬度)。在一些實施例中，使用者可透過精度調整介面工具集(例如，圖6D中之612D)組態圖庫視圖中之行之(若干)數目之經顯示精度(例如，小數位數)。使用者可藉由勾選可見性圖示(例如，圖6D中之602D)來判定一或多個行是否可見或不可見。使用者亦可藉由勾選分級介面工具集(例如，圖6D中之604D)來開啟或關閉各自行之分級。使用者亦可組態行註腳608D，該行註腳608D對應於有關藉由自下拉選單選擇所要特性來顯示圖庫視圖中之對應行之複數個可選擇特性(例如，室之總細胞計數、室之經驗證總細胞計數、最大亮度、最小亮度等)。
圖6H繪示一些實施例中之其中使用者將圖6G中之室之狀態自「選定」狀態改變為「未決定」狀態之實例。圖6H繪示其中使用者將圖6G中之室之狀態自「選定」(例如，在多狀態選擇器中填充上氣泡，如由圖6G中之606G或608G所展示)改變為未決定(例如，在多狀態選擇器中具有減號圖示「-」且在602H中未填充氣泡)之實例。圖6H進一步繪示在被調用時用來判定如下文在圖6I中所描述之一或多種過濾器類型及/或一或多個屬性選擇器之過濾器選擇器開關604H。
圖6H進一步繪示在調整上文參考圖6G所描述之一或多個特性之後的圖庫視圖物件之經再新顯示。圖6H進一步繪示供使用者選擇室、拒絕室或將室標記為「未決定」(例如，未決定是否選擇或拒絕室)之多狀態開關或多狀態選擇器606H。在圖6H中所繪示之此實例中，610H中圍封之室當前展示為「選定」，如使用者介面中以圖形方式強調。應注意，儘管圖6H僅將一個室展示為選定，但在一些實施例中可選擇一個以上室，且本文中所描述之技術可自動地、以程式化方式配置使用者介面以適應與多個選定室相關聯之額外操作(例如，經放大視圖)。圖6H亦繪示在被致動時調用用於產生包含一或多個所關注區之清單(例如，「圈清單」或「室清單」)之指令之清單產生開關608H。例如，使用者可應用一或多個過濾器以將微流體裝置中之複數個所關注區過濾至經過濾所關注區清單且接著點選清單產生開關608H以創建包含滿足一或多個過濾器之經過濾所關注區清單之圈清單。與此經過濾區清單相關之分析資料及/或運算分析資料可用來產生圖庫視圖，同時利用一些或所有其功能性。
圖6I繪示一些實施例中之用於添加一或多種過濾器類型之一或多個過濾器之過濾器建構器及應用程式模組之實例。更具體而言，圖6I繪示用於添加一或多種過濾器類型之一或多個過濾器(例如，控制一個特性之一維過濾器、控制兩個特性之二維過濾器等)之過濾器建構器及應用程式模組602I之實例。在一些實施例中，本文中所描述之特性或過濾器屬性(例如，604I)可為互動式的。特性或過濾器屬性可包含或關於基於目標或基於結構之特性、屬性、性質或可量化度量。基於目標之特性、屬性、性質或可量化度量之一些實例可包含但不限於生物樣本之特性或與生物樣本相關之特性，諸如可針對生物樣本實際上量測或導出或運算之大小、圓度、親和力、外徑及/或內徑、螢光強度或計數等。基於結構之特性、屬性、性質或可量化度量之實例可包含但不限於與微流體裝置之態樣或任何室或任何部分相關之任何資訊。在一些實施例中，過濾器屬性可選自過濾器屬性清單且可對應於一或多個圖庫子結構(例如，圖庫視圖中之一或多個行)。
過濾器建構器及應用程式模組602I允許使用者藉由選擇一或多個特性且進一步藉由改變或定義特性之值或值範圍來定製建構一或多個過濾器且將一或多個過濾器應用於視圖使得該過濾器在應用於視圖時識別滿足值或值範圍(其可稱為過濾準則(或若干準則)之一或多個物件。本文中所描述之各種模組(例如，過濾器建構器及應用程式模組)經組態或經設計以對多個所關注區進行過濾、分選及/或分級等且可與一或多個圖形處理及/或顯現模組協力或結合而起作用以顯示此過濾、分選及/或分級等之結果。
而且，過濾器建構器及應用程式模組或過濾器產生模組602I可包含允許使用者判定一或多個所需或所要過濾器準則之一或多個過濾準則組態器或一或多個組態滑塊介面工具集610I或618I (其亦可稱為滑動調整介面工具集)。在圖6I中所繪示之實例中，過濾準則組態器包含允許使用者調整或定義過濾準則之一組過濾器組態器(例如，一或多個滑塊610I或618I及/或一組一或多個對應調整介面工具集614I)。應注意，亦可使用且因此考量其他類型之過濾準則組態器。例如，另一過濾準則組態器可允許使用者藉由鍵入值或值範圍來指定諸如此一值或值範圍之動態約束。作為另一實例，過濾器準則可允許使用者藉由操縱滑塊610I或618I及/或對應調整介面工具集614I或616I來選擇具有最少三個樣本及最多16個樣本之任何室。作為另一實例，過濾器準則可允許使用者藉由操縱滑塊(610I或618I)及/或對應調整介面工具集(614I或616I)來選擇具有5.90微米之最小直徑及25.80微米之最大直徑之室。一旦應用過濾器，在一些實施例中滿足一或多個過濾準則(且因此顯現於使用者介面中)之所關注區可稱為經過濾所關注區。
在一些實施例中，過濾器建構器及應用程式模組602I在過濾器之應用之後自動地判定樣本之數目。例如，回應於該組一或多個滑塊(610I或618I)及/或該組一或多個對應調整介面工具集(614I或616I)之調整，過濾器建構器及應用程式模組602I自動地判定896個樣本(608I)滿足第一過濾器，且此896個樣本(612I)中之399個樣本在針對第二過濾器準則/若干第二過濾器準則調整第二組一或多個滑塊(610I或618I)及/或第二組各自調整介面工具集(614I或616I)之後進一步滿足第二過濾器。
而且，憑藉調整過濾器準則或若干過濾器準則，自動地更新圖6I之右手側部分上之圖庫視圖(例如，包含606I之圖庫視圖)以反映過濾器之應用。應注意，過濾器準則可基於目標或基於結構。而且，過濾器建構器及應用程式模組602I允許使用者建構及應用多個以上一維或多維過濾器。在其中應用多個過濾器之一些實施例中，此多個過濾器可包含一或多個基於目標之過濾器、一或多個基於結構之過濾器或一或多個基於目標之過濾器及一或多個基於結構之過濾器兩者。在其中應用多維過濾器之一些實施例中，多維過濾器可包含第一維基於目標之過濾器及第二維基於結構之過濾器。
圖7A繪示一或多項實施例中之用於資料控制視圖703A (例如，生物資訊學管線引擎、化驗分析控件等)之實例性生物資訊學管線使用者介面。更具體而言，圖7A繪示一或多項實施例中之用於組態或設定生物資訊學管線引擎或顯示引擎(例如，圖2A中之顯示引擎50)之生物資訊學管線使用者介面之實例性部分(例如，資料控制視圖703A)。在此實例中，生物資訊學管線使用者介面702A可接收定序運行名稱(704A)及參考基因組(706A)，例如小鼠(GRCm38/mm10)基因組、人類基因組(GRCh37/hg19)等。使用者可起始分析運行(例如，藉由點選起始分析710A)。在一些實施例中，生物資訊學管線使用者介面702A可進一步允許使用者指定輸入檔案類型或格式(708A)，諸如二進位基本呼叫(BCL)檔案類型或格式、FASTQ檔案類型或格式等。
在一些其他實施例中，輸入模組之內建式智慧自動地判定輸入檔案之輸入檔案類型。BCL或二進位基本呼叫檔案包含由基因組定序工具(例如，Illumina定序器)產生之原始資料。FASTQ檔案係基於文字之定序資料檔案格式，其儲存例如原始序列資料、品質分數及/或其他有關資料且可用作生物資訊學分析之輸入。另外，圖7A進一步繪示在被調用時觸發某些經標示資料之刪除之刪除介面工具集712A之佈建。在圖7A中所繪示之此實例中，刪除介面工具集712A在被調用時引起(例如，由與資料匯流排連接之處理器)執行指令以刪除經標示定序運行。刪除介面工具集亦可在任何其他使用者介面或其等部分中實施以實現經標示資料之刪除。
元件符號704A、706A、708A、710A及/或712A之任一者可被實施為在藉由使用者輸入進行互動時調用如本文中所描述之一或多個各自候選動作之互動式資料控制介面工具集。
生物資訊學使用者介面可提供將在下文描述之替代或額外功能性。生物資訊學管線使用者介面與上文所描述之一或多個其他模組、引擎及使用者介面無縫地整合。例如，生物資訊學管線使用者介面可與上文所描述之一或多個其他視圖(例如，圖庫視圖、晶片時間線視圖等)整合使得使用者可利用此等各種其他視圖以及由上文參考圖4A至圖4E、圖5A至圖5K及圖6A至圖6I所描述之基礎引擎及模組提供之功能性。在圖7A至圖7O中繪示用於整合生物資訊學使用者介面、基礎生物資訊學管線引擎等之一些實例。
而且，定序分析之結果經呈現於例如圖7A至圖7O中，在一些實施例中可在與本文中所描述之所有其他視圖無縫地整合之單獨定序模組上執行定序。更具體而言，填入圖7C或圖7J中所繪示之視圖中之各種類型之資料可包含例如對應所關注區中之基因之表示。至少部分基於例如對應晶片時間線及/或工作流程或生物資訊學管線，可由使用者判定或由該系統自動地判定此等對應所關注區。此等所關注區可僅基於目標，僅基於結構，或既基於目標又基於結構。取決於所關注區是否基於目標或基於結構，一或多個屬性、特性、性質及/或可量化度量等亦可被捕獲並與其他資料相關聯且可用來操縱(例如，過濾、分級、叢集化、產生(若干)定製室清單等)彼此相關聯之資料。
而且，例如圖7C或圖7I中所繪示之圖形亦可與任何其他視圖(例如，圖庫視圖、晶片時間線視圖等)相關聯。例如，圖庫視圖可在各自行中呈現分析之特定階段，其中各行對應於特定階段，且圖庫視圖中之此等特定行亦對應於資訊呈現晶片時間線(例如，圖5F中之圖形、經色彩編碼表示502F)。在其中圖庫視圖中之行根據前述一或多個屬性、特性、性質或可量化度量之一者呈現多個所關注區之資料之一些實施例中，該系統可進一步判定此行與更多或最多關於晶片時間線中之屬性、特性、性質或可量化度量之階段之間的對應關係。以此方式，圖7A至圖7O中針對定序所繪示之圖形亦可與本文中所描述之各種不同視圖相關聯以有效地利用或採用本文中所描述之功能性之任一者使得使用者可容易地在不同視圖當中切換以執行所要或所需功能性之任一者以促進推導運算分析及/或與生物樣本分析相關之資料分析。
圖7B繪示一或多項實施例中之其中向使用者提供組態用於生物資訊學管線資料集之降維之一或多個降維參數以及實例性生物資訊學管線使用者介面之一些額外特徵之能力之實例。更具體而言，圖7B繪示一或多項實施例中之在圖7A中所繪示之實例性生物資訊學管線使用者介面之額外特徵。更具體而言，圖7B繪示用於降維及/或叢集化(例如，生物樣本之叢集化)之使用者介面。如自圖7B可見，在此等實施例中，降維功能性經整合至用於載入資料集之介面中。自微流體裝置中或上之生物樣本獲得之典型的全資料集之大小通常為大，此實質上減慢運算。因此，在保存任何資訊、進行降維或執行叢集化之前應用該介面中之一或多個過濾器以載入資料集以縮小進一步處理之範疇可進一步節省運算資源。
如下文在圖7D中所繪示，生物資訊學管線資料集係包括15994個基因及552個細胞之大資料結構。此資料結構可包括其中各基因經儲存於各自行中且各細胞經儲存於各自列中之表狀結構。降維及/或叢集化功能性可藉由例如點選生物資訊學管線使用者介面中之「降維」702B來調用，儘管亦考量調用降維功能性之其他方式(例如，藉由自選單選擇，點選圖示等)。實例性生物資訊學管線使用者介面對使用者進一步提供調用降維及/或叢集化(704B)之組態及/或執行並且觀看降維及/或叢集化結果(718B)。
例如，使用者可點選生物資訊學管線使用者介面中之「降維及叢集化」704B。作為回應，生物資訊學管線使用者介面自動地擴展且展示用於組態及/或執行降維並且組態及/或執行叢集化之一或多個選單項目。在圖7B中所繪示之實例中，在一或多項實施例中，向使用者提供組態一或多個降維參數706B以用於生物資訊學管線資料集之降維之能力。此一或多個叢集化參數706B可包含例如減少至之PCA (主成分分析)組件(708B)之數目，或用於降維之(若干)任何其他合適參數。例如，一些實施例可首先執行PCA (主成分分析)以產生較小數目個維度且接著利用該較小數目個維度執行UMAP (均勻流形近似及投影)。而且，向使用者提供組態一或多個叢集化參數716B之能力。此一或多個叢集化參數716B可包含例如用於叢集化演算法(例如，Louvin叢集化演算法)之解析度參數710B (例如，Louvin參數)，或用於叢集化之(若干)任何其他合適參數。在一些實施例中，此一或多個叢集化參數包含Louvin解析度參數，其進一步包含例如但不限於其中較大值導致更多叢集之叢集數目。
圖7B繪示一或多項實施例中之組態前述叢集化結果之視覺化選項之實例。更具體而言，使用者可點選「視覺化叢集」718B。作為回應，生物資訊學管線使用者介面自動地擴展且展示用於組態生物樣本之叢集化分析之一或多個視覺化特性之一或多個選單項目。在此實例中，可向使用者提供選擇座標系之選項(例如，UMAP或均勻流形近似及投影、PCA或主成分分析等)、色標(例如，線性標度、對數標度等)、色標之數目(例如，單個色條、多個色條等)及/或任何其他視覺化屬性或特性。
使用者可利用生物資訊學管線使用者介面中之佈建714B進一步組態(例如，指定下拉選單或自下拉選單選擇)一或多種類型之圖，該等圖之各者特性化與經載入資料集相關之特定特性或統計量度。714B之下拉清單包含過濾之後可用的所有基因(若先前已應用)。在其中已執行叢集化之一些實施例中，714B之下拉清單可進一步包含與叢集化相關之選項。例如，使用者可按叢集等選擇總HVSR (高度可變信號區)、每細胞之總基因之一或多者，以組態叢集化之視覺化(其在使用者選擇且組態降維之情況下經受降維)。在視覺化組態完成之情況下，使用者可藉由例如點選生物資訊學管線使用者介面中之「視覺化」(例如，「定序視圖介面工具集」) 712B來產生圖形表示。
圖7C繪示一或多項實施例中之生物資訊學管線資料集之實例性表示。更具體而言，圖7C繪示一或多項實施例中之上文參考圖7M所描述之生物資訊學管線資料集之實例性表示。應注意，儘管在圖7C中繪示三種特定類型之圖，但一些實施例亦可提供生物資訊學管線資料集之一或多種其他類型或數目之圖形表示作為生物資訊學管線使用者介面(例如，圖7A中之702A)之一部分。圖7C中所繪示之此實例呈現每細胞704C之HVSR (高度可變信號區)計數之第一圖與藉由最小HVSR約束第一圖之過濾滑塊702C。例如，使用者可能期望藉由調整滑塊702C來觀看具有最小或最大HVSR之細胞之結果。圖7C進一步包含每細胞708C之總基因數目之第二圖與藉由每細胞之最小或最大基因總數目約束第二圖之過濾滑塊。例如，使用者可能期望藉由調整滑塊706C來觀看具有每細胞最小或最大基因數目之結果。
圖7C進一步包含每細胞712C之線粒體之百分比之第三圖與藉由每細胞之線粒體基因之最小或最大百分比約束第三圖之過濾滑塊710C。例如，使用者可能期望藉由調整滑塊710C來觀看具有每細胞之線粒體基因之最小或最大百分比之結果。應注意，儘管圖7C繪示滑塊之佈建，但代替此等所繪示滑塊或除此等所繪示滑塊之外，亦可使用約束或限制(例如，在704C、708C及/或712C中)待以圖形方式表示之資料集之其他方式。例如，實例性生物資訊學管線使用者介面可向使用者提供用來鍵入確切值或表達式(例如，邏輯表達式)以對用於圖形表示之資料集進行過濾或約束之欄位。
例如，使用者可使用過濾滑塊702C來濾除未能滿足如由使用者控制之HVSR之最小數目(例如，1000個)之任何細胞。回應於過濾滑塊702C之操縱而自動地更新圖形704C。作為另一實例，使用者可使用過濾滑塊706C來濾除未能滿足如由使用者控制之基因之最小數目(例如，200個)之任何細胞。回應於過濾滑塊706C之操縱而自動地更新圖形708C。作為另一實例，使用者可使用過濾滑塊710C來濾除未能滿足如使用者控制之線粒體基因之最大百分比(例如，15%)之細胞。回應於過濾滑塊710C之操縱而自動地更新圖形712C。
圖7D繪示一或多項實施例中之關於圖7A至圖7C中所繪示之實例性生物資訊學管線使用者介面之更多細節。更具體而言，如圖7D中所繪示，回應於使用者調整一或多個滑塊，該系統自動地更新概要714C及716C以反映調整此一或多個滑塊之效應。例如，生物資訊學管線使用者介面展示經載入資料集對應於15994個基因及552個細胞。生物資訊學管線使用者介面進一步展示針對該等滑塊之各者保留之各自細胞數目及保留之各自細胞百分比以及在實際上放置之所有過濾器之組合之情況下保留之細胞之總數目及保留之細胞之總百分比。
例如，圖7D繪示在應用HVSR過濾器之後保留之微物件之數目係366；在應用基因過濾器之後保留之微物件之數目係526；在應用%線粒體過濾器之後保留之微物件之數目係476；及在應用所有過濾器之後保留之微物件之總數目係308。在一些實施例中，生物資訊學管線使用者介面可進一步展示針對各過濾器之應用及所有過濾器之應用保留之微物件之各自百分比。
生物資訊學管線使用者介面可在概要716C中進一步顯示額外資訊。在一些實施例中，額外資訊可包含以下至少一者：每微流體裝置恢復之室之數目(例如，圖7D中之552)、每微流體裝置之平均PF百分比(例如，圖7D中之79.01%)、每匯出之平均Q30百分比(例如，圖7D中之85.05%)、每匯出之平均去條碼化百分比(例如，圖7D中之97.22%)、每匯出之平均原始讀數(例如，圖7D中之9,853,928)、每匯出之平均輸入讀數(例如，圖7D中之9,367,940)、每珠映射之平均百分比(例如，圖7D中之62.12%)、每珠捕獲之中位數HVSR (例如，圖7D中之6,848)、每珠捕獲之中位數基因(例如，圖7D中之2,152)、每珠之平均線粒體百分比(例如，圖7D中之2.95%)及/或任何其他所要或相關資訊或資料。
圖7E繪示一或多項實施例中之在本文中所描述之實例性使用者介面之一些實例性動態態樣。更具體而言，圖7E繪示圖7E中所繪示之使用者介面之動態態樣之實例。更具體而言，當使用者使指標裝置游標在視圖之經標示區域附近(例如，在頂部、底部等附近)移動時，內容選單可在視圖中彈出以向使用者提供(若干)選項或(若干)命令以例如進一步組態視圖或分析生物資訊學管線資料集。在一些實施例中，內容選單亦可藉由其他使用者互動(例如，藉由利用視圖中之指標裝置右擊)而出現於顯示器上。另外，生物資訊學管線資料集包括應用本文中所描述之各種技術及功能性之核苷酸序列資料，諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等。
圖7E繪示可顯示於使用者介面中且可利用本文中所描述之其他模組、介面工具集及功能性來觀看及分析包括核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之生物資訊學管線資料集之生物資訊學視圖。圖7E中所繪示之實例性資料集包含約500個室，該等室具有跨越約30,000個行與約1,000個列之資料結構之超過31,000個基因。三個字幕702E (例如，在圖7E中表示其等對應特性之「n_counts」、「n_genes」及「percent mito」)指代各自散點圖中之基因名稱。在一些實施例中，此等標記在互動時以降序或升序對對應所關注室或區進行分選或分級。在一些實施例中，此等圖或圖形之一者可利用對應於複數個生物樣本之屬性、特性、性質或度量之值範圍之色彩方案或範圍產生且可稱為熱圖。
圖7E進一步繪示一些實施例中之用於載入生物資訊學管線資料集之使用者介面之實例。更具體而言，生物資訊學管線資料集包括應用本文中所描述之各種技術及功能性之核苷酸序列資料，諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等。
圖7E亦繪示生物資訊學管線資料集之分佈之螢幕上顯示。該等視圖之各者相對於使用者互動可為靜態或動態。再者，在其上產生圖7E中所繪示之視圖之實例性資料可包含包括應用本文中所描述之各種技術及功能性之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之生物資訊學管線資料集。而且，圖7E繪示過濾控件(704E、706E及708E)之佈建。例如，第一過濾控件704E向使用者提供至少部分基於展現特定類型之基因之所關注區(例如，室)之數目而對生物樣本(例如，此圖7E中之基因)進行過濾之能力。
例如，將藉由調整過濾控件704E來濾除在少於(或等於)臨限數目個所關注區(例如，20或二十個ROI)中偵測到之基因。第二過濾控件706E向使用者提供至少部分基於所關注區中之基因之最小數目而對生物樣本進行過濾之能力。例如，過濾控件706E可濾除未能滿足如由過濾控件706E控制之基因之最小數目(例如，200個)之所關注區。第三過濾控件708E向使用者提供至少部分基於所關注區中之線粒體基因之最大百分比而對生物樣本進行過濾之能力。例如，過濾控件708E可濾除未能滿足如由過濾控件708E控制之線粒體基因之最大百分比(例如，15%)之所關注區。
圖7E進一步繪示在被調用時觸發將資料或資訊(例如，經處理資料)儲存至揮發性或非揮發性儲存媒體中之寫入介面工具集710E之實例性實施方案。例如，使用者可點選寫入介面工具集710E以觸發將與圖7E中之顯示相關之任何資料(例如，(若干)經應用過濾器及過濾準則(或若干過濾器準則)、經過濾結果或其之一部分、圖或任何所要、所需資料等)儲存至揮發性或非揮發性儲存媒體中。寫入介面工具集701E可進一步視情況呈現用於將資料保存至使用者使得使用者可選擇待保存之內容之一或多個選項。在一些實施例中，可在使用者介面或其之一部分之任一者中顯現刪除介面工具集(未展示)以向使用者提供刪除資料之功能性。定序視圖介面工具集712E可用來在使用者介面中產生定序視圖。
圖7E繪示使用者介面之動態態樣之另一實例。更具體而言，當使用者使指標裝置游標在視圖中之經分佈資料附近移動時，與最接近游標之點相關聯之資料(例如，最大值、上圍欄、中位數、下圍欄、最小值等)可顯示於該視圖中。當使用者將游標移開時，將自動地抑制或隱藏該資料。在一些實施例中，圖7E繪示使用者介面之動態態樣之另一實例。更具體而言，當使用者使指標裝置游標在視圖中之經分佈資料附近移動時，與最接近游標之點相關聯之資料(例如，最大值、上圍欄、中位數、下圍欄、最小值等)可顯示於該視圖中。當使用者將游標移開時，將自動地抑制或隱藏該資料。
圖7F繪示一或多項實施例中之用於選擇生物資訊學管線資料集之一部分之另一選擇工具之實例。更具體而言，圖7F繪示用於選擇生物資訊學管線資料集之一部分之另一選擇工具之實例。例如，使用者可在視圖706F中繪製多邊形形狀(例如，708F或710F)以選擇感興趣資料。如上文所描述，在其上產生圖7F中所繪示之視圖之實例性資料可包含包括應用各種技術及功能性(諸如選擇工具)之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之生物資訊學管線資料集。
圖7F進一步繪示使用者介面之動態態樣之另一實例。更具體而言，當使用者使指標裝置游標在視圖中之經分佈資料附近移動時，與最接近游標之點相關聯之資料(例如，最大值、上圍欄、中位數、下圍欄、最小值等)可顯示於該視圖中。當使用者將游標移開時，將自動地抑制或隱藏該資料。
圖7F亦繪示用於選擇生物資訊學管線資料集之一部分之另一選擇工具之實例。例如，使用者可在視圖中繪製多邊形形狀710F以選擇感興趣資料。如上文所描述，在其上產生圖7F中所繪示之視圖之實例性資料可包含包括應用各種技術及功能性(諸如選擇工具)之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之生物資訊學管線資料集。
圖7F進一步繪示用於選擇生物資訊學管線資料集之一部分之另一選擇工具之實例。例如，使用者可在視圖704F中繪製多邊形形狀702F以選擇在圖7F中所繪示之此實例中包含應用各種技術及功能性(諸如選擇工具)之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之感興趣資料。
圖7G繪示一或多項實施例中之在本文中所描述之實例性使用者介面中之圖7F選擇之實例性結果。更具體而言，圖7G繪示自圖7F選擇之結果。視圖706G係根據圖7F中之選擇形狀708F自圖7F中之原始視圖706F選擇之結果。如上文所描述，在其上產生圖7F中所繪示之視圖之實例性資料可包含包括應用各種技術及功能性之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之生物資訊學管線資料集。
圖7G進一步繪示用於選擇生物資訊學管線資料集之一部分之另一選擇工具之實例。例如，使用者可在視圖704G中繪製多邊形形狀702G以選擇在圖7G中所繪示之此實例中包含應用各種技術及功能性(諸如選擇工具)之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之感興趣資料。
圖7H繪示一或多項實施例中之在本文中所描述之實例性使用者介面中之自圖7F選擇之結果。更具體而言，圖7H繪示自圖7G選擇之結果。視圖702H係根據選擇形狀702G自圖7G中之原始視圖704G選擇之結果。如上文所描述，圖7H中所繪示之視圖係使用本文中所描述之各種技術而產生且基於可包括應用各種技術及功能性(諸如選擇工具)之核苷酸序列資料(諸如基因序列資料、DNA序列資料、RNA序列資料及/或病毒序列資料等)之生物資訊學管線資料集而利用在此所描述之各種功能性。
圖7I繪示一或多項實施例中之在本文中所描述之實例性生物資訊學管線使用者介面。更具體而言，圖7I繪示自生物資訊學管線資料集之一或多個散點圖(例如，圖7I中具有對應於其等各自特性之「Rb1cc1」、「Rbbp5」及「Pcmtd1」之各自識別符或標記之散點圖)選擇樣本之實例。在此實例中，使用者介面可向使用者提供繪製例如一或多個多邊形形狀、套索或其他適當形狀702I以圍封所關注樣本之能力。在一些實施例中，使用者介面亦可向使用者提供藉由例如點選樣本或其附近來選擇個別樣本之能力。一旦選擇樣本或所關注點，該系統便可將與此等選定樣本或點相關聯之資料傳輸至一或多個其他視圖使得使用者可調用此一或多個其他視圖中提供之各種功能及能力。
而且，圖7I繪示用於組態生物資訊學管線資料集之表示及分析之實例性使用者介面。例如，使用者可組態最小平均值或範圍、最大平均值或範圍、中間色散等。為了分析，使用者亦可選擇或指定求解器以分析資料集、收斂準則等。該介面亦可允許使用者自該介面內調用PCA (主成分分析)、UMAP (均勻流形近似及投影)或任何其他分析。
圖7I進一步繪示資料集之一些實例性散點圖。在一些實施例中，視圖可組態有各種顯示屬性、著色方案(例如，熱圖之最大及最小色彩)使得可在視覺上區分散點圖中之樣本或點(每一者表示例如室中之一個生物樣本)。該介面亦允許使用者自散點圖之任一者選擇點且將選定點發送至例如圖庫視圖以供進一步分析、觀看等，如上文所描述。此外，可將來自一個化驗之結果(例如對細胞表面標記物之染色)與來自另一化驗之結果(例如相同樣本之基因表現圖)連結，且獲得具更高差別性之熱圖。在一項實例中，表型資料702P、周邊血單核(PBMC)細胞之CD3細胞表面標記物在CY5中之染色強度在圖7P中被展示為覆疊於此樣本之總體基因表現叢集上，其中染色在表型上將該樣本識別為T細胞。可藉由針對如圖7Q中所展示之特定基因標記物檢查來自此等細胞之基因表現結果而進一步詢問此資料。面板702Q展示CD3D基因表現；面板704Q展示CD8A基因表現；面板706Q展示CD4基因表現，且面板708Q展示CD8B基因表現。檢查此等特定基因表現標記物之分佈允許識別T細胞之特定亞型。因此，在一些實施例中可將在沿晶片時間線之不同時間點執行之不同化驗結果連結在一起。
圖7J繪示一或多項實施例中之在經載入生物資訊學管線資料集中之生物樣本之叢集化結果之一些實例性散點圖、互動式圖或圖形表示以及其中使用者組態使用者介面中呈現之互動式圖之實例。更具體而言，圖7J繪示一或多項實施例中之在使用者例如已組態且執行叢集化模組及視覺化模組以觀看結果之後的經載入生物資訊學管線資料集中之生物樣本之叢集化結果之一些實例性散點圖。
可至少部分基於使用者如何組態散點圖(例如，圖7B中之714B)而產生生物資訊學管線使用者介面中呈現之圖。在其中已在降維期間執行PCA或UMAP之一些實施例中，可使用至少PCA或UMAP資料產生圖。在圖7A至圖7B中所繪示之實例中，使用者識別各對應於生物資訊學管線資料集中之生物樣本之特性或統計量度之四個散點圖。回應使用者之選擇，基礎系統產生分別對應於四個選定特性及/或統計量度之四個散點圖。使用者亦可針對繪製引擎組態色彩或色彩方案之數目以產生圖。散點圖中之各點表示所關注區(例如，室)，且點之色彩可取決於例如標題。例如，若標題係基因id、叢集或表型資訊之一者，則色彩分別表示該基因在該所關注區中之表達、該所關注區所屬之叢集或該所關注區之表型量度之值。
圖7J中所繪示之圖或圖形表示之各者在一些實施例中可為靜態圖或在其他一些實施例中可為互動式圖。圖7J繪示一或多項實施例中之互動式圖或圖形表示716J之實例。生物資訊學管線使用者介面可自動地揭露一或多個圖示、選單項目、介面工具集等，從而在互動式圖或圖形表示(例如，716J)互動時(例如，藉由將指標裝置游標移動於互動式圖716J上方，藉由點選互動式圖716J等)提供具有複數個介面工具集(710J)之各自介面工具集選單。例如，使用者可自各自介面工具集選單710J調用曲線或直線選擇介面工具集712J。可在前述圖示、選單項目、介面工具集等中提供與顯示互動式圖相關(例如，改變著色方案、對比度、色彩等，放大，縮小等)或與互動式圖中之資料點相關(例如，用於互動式圖中表示之資料之一或多個選擇工具等)之任何合適功能性、命令、介面工具集或選單項目。
使用者可利用生物資訊學管線使用者介面中之經佈建圖或圖形組態介面708J進一步組態(例如，指定下拉選單或自下拉選單選擇)一或多種類型之圖，該等圖之各者特性化與經載入資料集相關之特定特性或統計量度。該圖或圖形組態介面可包含下拉清單，該下拉清單可進一步包含例如可用於選擇之一或多個基因或生物微物件。在其中已執行叢集化之一些實施例中，圖或圖形組態介面708J之下拉清單可進一步包含與叢集化相關之選項、組態設定或(若干)參數值等。例如，圖7J繪示一些實施例中之其中使用者組態使用者介面中呈現之互動式圖以進一步放大互動式圖中之一些資料點之實例。在此實例中，使用者可定義具有前述一或多個圖示、選單項目、介面工具集等(710J)之放大視窗704J以繪製圍封一些所關注資料點之定製視窗。作為回應，基礎系統可顯示由如圖7J中所展示之放大視窗704J圍封之所關注資料點。圖7J進一步繪示一或多項實施例中之供使用者自互動式圖選擇一或多個所關注資料點之選擇工具706J之佈建。在圖7J中所繪示之此實例中，向使用者提供套索選擇工具以選擇一或多個所關注資料點。
在一些實施例中，生物資訊學管線使用者介面可與本文中所描述之一或多個其他使用者介面組件無縫地整合，儘管在一些其他實施例中包含生物資訊學管線使用者介面之使用者介面組件之各者可為獨立軟體構造。圖7J繪示一或多項實施例中之無縫地介接生物資訊學管線使用者介面與本文中所描述之一或多個其他使用者介面組件之實例。如上文參考例如下文所描述之圖7K描述，使用者可經由由本文中所描述之各種技術提供之工具選擇一或多個室或生物樣本。一旦選擇此一或多個室或生物樣本，使用者便可創建具有識別符702J之定製室清單或室清單(例如，藉由點選「保存圈清單」714J)且儲存圈清單或室清單以供後續參考。
圖7K繪示一些實施例中之可與任何圖形或視圖(若適用)合併以供使用者選擇物件之內建式選擇介面工具集。更具體而言，圖7K繪示允許使用者例如定義待用於軸之內容(例如，X軸係經載入細胞、Y軸係特定化驗或諸如最大亮度之特性等)之實例。圖形建構模組704K亦可容許使用者藉由一或多個分組準則(例如，藉由室之狀態等)對經顯示項目進行分組。圖7K進一步繪示定序結果之實例使得顯示器上之各點(資料註解或資料點) 706K表示例如基於結構之所關注區(例如，微流體裝置中之室)中之基因。此等點706K可藉由例如在微流體裝置之室中裂解生物樣本使得DNA或RNA被吸引至珠(例如，磁珠)且藉由匯出珠進行叢集化而獲得。圖7K進一步繪示在被調用時觸發將資料或資訊(例如，經處理資料)儲存至揮發性或非揮發性儲存媒體中之寫入介面工具集702K之實例性實施方案。
針對例如圖7A至圖7O中所呈現之定序分析之圖形，在一些實施例中可在與本文中所描述之所有其他視圖無縫地整合之單獨定序模組上執行定序。更具體而言，填入圖7K中所繪示之視圖中之各種類型之資料可包含例如對應所關注區中之基因之表示。至少部分基於例如對應晶片時間線及/或工作流程或生物資訊學管線，可由使用者判定或由該系統自動地判定此等對應所關注區。此等所關注區可僅基於目標，僅基於結構，或既基於目標又基於結構。取決於所關注區是否基於目標或基於結構，一或多個屬性、特性、性質及/或可量化度量等亦可被捕獲並與其他資料相關聯且可用來操縱彼此相關聯之資料(例如，過濾、分級、叢集化、產生(若干)定製室清單等)。
而且，圖7K中所繪示之圖形亦與任何其他視圖(例如，圖庫視圖、晶片時間線視圖等)相關。例如，圖庫視圖可在各自行中呈現分析之特定階段，其中各行對應於特定階段，且圖庫視圖中之此等特定行亦對應於資訊呈現晶片時間線(例如，圖5F中之圖形、經色彩編碼表示502F)。在其中圖庫視圖中之行根據前述一或多個屬性、特性、性質或可量化度量之一者呈現多個所關注區之資料之一些實施例中，該系統可進一步判定此行與更多或最多關於晶片時間線中之屬性、特性、性質或可量化度量之階段之間的對應關係。以此方式，圖7K中針對定序所繪示之圖形亦可與本文中所描述之各種不同視圖相關以有效地利用或採用本文中所描述之功能性之任一者使得使用者可容易地在不同視圖當中切換以執行所要或所需功能性之任一者以促進推導運算分析及/或與生物樣本分析相關之資料分析。
圖7K亦繪示藉由沿圖7K中之方向716K將多邊形形狀712K之頂點708K拖曳至新位置718K以便將原始多邊形形狀712K更改成新多邊形形狀來更改該形狀712K之結果。在一些實施例中，圖7K繪示允許使用者更改現有選擇形狀712K之選擇介面工具集之另一實例。例如，若使用者希望將頂點或節點添加至現有形狀之底部邊緣，則使用者可點選底部邊緣以啟動底部邊緣且可使用例如內容選單(未展示)來添加節點。選擇介面工具集可回應於使用者調用添加節點或頂點之指令而展示可在其內添加節點或頂點之區710K。在一些實施例中，選擇介面工具集可將節點或頂點大致添加至其中使用者點選底部邊緣之位置。
另外或替代地，使用者介面亦可對使用者提供諸多其他可調整設定以定製散點圖，諸如圖7K。例如，使用者介面可允許使用者指定散點圖之形狀(例如，圓形、橢圓形等)、散點圖之形狀是否經填充或未經填充、散點圖之高度及/或寬度(其在選擇圓形之情況下將係相同的)、衝程、衝程之厚度、調色板、選擇之色彩等，且當使用者改變該等設定之任一者時可提供實時預覽。使用者介面亦可允許使用者選擇顯示哪一(些)工具提示、熱圖之最小色彩、熱圖之最大色彩等。
圖7K進一步繪示一些實施例中之使用可與任何圖形或視圖(若適用)合併以供使用者選擇物件(例如，所關注區、所關注樣本等)之內建式選擇介面工具集之實例。使用者可調用內建式選擇介面工具集以藉由例如繪製形狀712K (例如，多邊形、套索、圓形等)以圍封使用者希望選擇之物件來選擇物件。選擇介面工具集亦可允許使用者在繪製形狀712K之後改變形狀。例如，使用者可拖曳多邊形形狀之頂點708K以更改形狀。使用者亦可將一或多個頂點添加至現有形狀以更改形狀以供選擇。可在介面工具集條714K中或在彈出選單(例如，具有一或多個游標相關聯命令之視圖(諸如在視圖中右擊)時出現之選單)、內建式選單或內容選單(例如，啟動可經受選擇之視圖時出現之彈出選單)等中實施一或多個選擇介面工具集(例如，用來界定包含待選擇之所關注物件之直線區域之直線選擇介面工具集、用來界定包含待選擇之所關注物件之直線區域之曲線選擇介面工具集等)。
另外或替代地，在一些實施例中，與自生物資訊學管線介面中之視圖或視窗至另一視圖或視窗(例如，上文所描述之圖庫視圖)之選定樣本或點相關聯之資料。例如，可將與例如在生物資訊學管線使用者介面中選擇之所關注樣本或點相關聯之資料(例如，經由多邊形選擇形狀712K之選擇)傳輸至上文所描述之圖庫視圖且在圖庫視圖中顯現以供使用者調用由上文所描述之圖庫視圖提供之各種功能。
本文中描述本發明之各項實例性實施例。在非限制性意義上參考此等實例。提供實例以繪示本發明之更廣泛適用態樣。在不脫離本發明之真實精神及範疇之情況下，可對本文中所描述之各項實施例進行各種改變且可替換等效物。另外，可進行諸多修改以使特定情境、材料、物質組合物、程序、(若干)程序動作或(若干)步驟適應本發明之(若干)目的、精神或範疇。此外，如熟習此項技術者將明白，在不脫離本發明之範疇或精神之情況下，本文中所描述及所繪示之個別變動之各者具有可容易地與其他若干實施例之任一者之特徵分離或組合之離散組件及特徵。所有此等修改意欲於在與本發明相關聯之發明申請專利範圍之範疇內。
圖7L繪示一些實施例中之組態基因表現或差異基因表現之另一實例。更具體而言，圖7L進一步繪示一些實施例中之組態差異基因表現之另一實例。例如，使用者可將logb 滑塊介面工具集702L及/或倍性變化滑塊介面工具集704L調整至其等各自所要值且點選「視覺化」介面工具集706L以呈現下文所描述之圖7O中進一步繪示之差異基因表現結果。應注意，本文中所描述之各種技術不僅適用於基因表現資料之分析，而且適用於其他實驗及/或分析(諸如RNA-seq (核糖核酸定序)、DNA-seq (核糖核酸定序)、基因組定序)或揭露生物樣本之存在及數量之任何其他分析及/或實驗。亦應注意，對數之底數可包括2、10、歐拉數e (〜2.71828)等之值。
圖7M繪示一或多項實施例中之實例性生物資訊學管線使用者介面之額外特徵。更具體而言，圖7M繪示一或多項實施例中之在圖7A中所繪示之實例性生物資訊學管線使用者介面之額外特徵。更具體而言，使用者可經由實例性生物資訊學使用者介面藉由例如選擇或鍵入資料集之識別符或在欄位712M處與先前執行之生物資訊學管線相關之任何識別符來載入先前執行之生物資訊學管線(或工作流程)之資料集，欄位712M可呈現先前執行之生物資訊學管線之清單或可允許使用者鍵入與先前執行之生物資訊學管線相關之識別符。一旦載入先前執行之生物資訊學管線之資料集，該系統便可呈現該資料集之一或多個特性、針對其產生資料集之生物樣本、經執行分析及/或(若干)統計量度等之概要。而且，圖7M進一步繪示在被調用時觸發指令之執行以顯現定序視圖之實例性定序視圖介面工具集714M。
例如，實例性生物資訊學管線使用者介面可提供第一概要706M，包含例如但不限於分析中之基因之總數目、供分析之細胞之總數目等。在其中一或多個過濾器應用於資料集之一些實施例中，第一概要706M亦可包含在應用一或多個過濾器之後濾除之細胞之數目及/或保持之細胞之數目。實例性生物資訊學管線使用者介面亦可提供第二概要708M，包含例如但不限於在分析中針對微流體裝置恢復之室之總數目、一或多個統計量度。例如，此一或多個統計量度可包含經匯出細胞之平均百分比、HVSR (高度可變信號區)之一或多個統計量度、基因捕獲之一或多個統計量度、線粒體或若干線粒體之一或多個統計量度及/或任何其他特性、量度、屬性等。第二概要708M可表示包含例如微流體裝置中恢復之室之總數目、經匯出之細胞平均百分比、經捕獲之中位數HVS、經捕獲之中位數基因及/或平均線粒體百分比等之生物資訊學資料之快照。
圖7M進一步繪示在使用者調整滑塊(例如，圖7E中之704E、706E、708E)之後系統的概要回應。如圖7M中所繪示，回應於使用者調整一或多個滑塊，該系統可自動地更新概要(706M及/或708M)以反映調整此一或多個滑塊之效應。例如，生物資訊學管線使用者介面展示經載入資料集對應於15994個基因及552個細胞，如第一概要706M中所展示。生物資訊學管線使用者介面進一步展示針對該等滑塊之各者保留之細胞之各自數目及保留之細胞之各自百分比以及在組合實際上放置之所有過濾器之情況下保留之數目之總細胞及保留之數目之總百分比。
圖7M亦繪示一或多項實施例中之用於載入生物資訊學管線資料集之實例性生物資訊學管線使用者介面。例如，使用者可點選欄位712M以自下拉清單選擇生物資訊學管線資料集或可鍵入所要生物資訊學管線資料集之識別符(例如，名稱)或識別符之前一或多個字元以載入生物資訊學管線資料集。在圖7M中之生物資訊學管線使用者介面可與一或多個其他使用者介面或其部分整合。
例如，圖7M中所繪示之生物資訊學管線使用者介面可經構建為看似為整合式使用者介面之標誌(例如，具有「PrimeSeq」標記之705M)之軟體構造，該整合使用者介面可進一步包含一或多個其他使用者介面或視圖，諸如晶片時間線使用者介面或視圖、圖庫使用者介面或視圖或本文中所描述之任何其他使用者介面或視圖等使得此等使用者介面或視圖之各者可利用另一使用者介面或視圖之功能性。在一些實施例中，使用者介面可包含除生物資訊學管線視圖之標誌705M之外的一或多個標誌。例如，使用者介面可包含圖庫視圖標誌702M、晶片時間視圖標誌704M等。
另外，圖7M繪示一或多項實施例中之關於用於載入生物資訊學管線資料集之生物資訊學管線使用者介面之更多細節。更具體而言，圖7M繪示一旦將資料集載入至系統中，生物資訊學管線使用者介面便可在706M及/或708M中提供經載入生物資訊學管線資料集之概要。在一些實施例中，該概要可包含諸如基因之總數目、細胞之總數目及/或與微流體裝置、特定室或生物樣本等相關之任何其他資訊之資訊。概要(706M及/或708M)可進一步包含當使用者定義或組態一或多個過濾器且在將整個生物資訊學管線資料集載入至系統中以供進一步處理(例如，顯現、分析等)之前或之後將一或多個過濾器應用於該資料集時之過濾結果。生物資訊學管線使用者介面可進一步呈現額外細節708M (例如，具有多個室之微流體裝置、室及/或生物樣本之一或多個特性、與具有多個室之微流體裝置及/或多個生物樣本等相關之統計量度)。
生物資訊學管線使用者介面進一步向使用者提供顯示經載入生物資訊學管線資料集(714M)、載入或定義一或多個過濾器以約束或限制待經由過濾器子選單(716M)顯示及/或處理之資料及/或保存經載入資料集(710M)之定製模板之選項。例如，使用者可經由過濾器子選單716M定義用於特定生物資訊學管線資料集之一或多個一維或多維過濾器。一維過濾器包含將單個規則或過濾準則應用於資料之過濾器。多維過濾器包含連續地應用一組巢狀或階層式配置之多個過濾器或過濾準則之過濾器。例如，二維過濾器可將第一規則或過濾準則應用於某些資料以將資料縮減成第一經過濾資料且接著將第二規則或過濾準則應用於第一經過濾資料以產生第二經過濾資料。
圖7N繪示一或多項實施例中之用於生物資訊學管線使用者介面之差異基因表現之額外功能性之實例。在此實例中，使用者可選擇或識別室清單(例如，自具有一或多個室清單之下拉清單選擇或指定室清單之識別符或識別符之一部分)作為第一基因表現702N。
使用者可進一步選擇或識別另一室清單或室清單群組(例如，除選定室清單以外之「所有其他室清單」)作為第二基因表現704N且藉由例如點選「運行差異基因表現」706N來啟始差異基因表現。在一些實施例中，可識別(例如，自諸如圖庫視圖之另一視圖匯入)或創建多組所關注區以用於差異基因表現分析。在一些其他實施例中，差異基因表現分析需要僅一組所關注區。例如，使用者可識別或創建第一基因表現702N之室清單且選擇「所有其他」作為第二基因表現704N以用於差異基因表現分析。
圖7O繪示一些實施例中之來自圖7N之實例性差異基因表現結果。更特定而言，圖7O中所繪示之實例性結果包含各種合適、所要或所需差異分析結果702O、火山圖704O及MA (Bland-Altman)圖706O，該MA圖706O藉由將資料變換為M (對數比率)及A (平均值)標度且進一步藉由繪製此等值來以圖形方式呈現兩個樣本(例如，上文參考圖7N所描述之兩個選定室清單)中獲取之量測之間的差異。火山圖704O以圖形方式表示統計測試之p值與群組中之樣本之表達值之差異之量值之間的關係。
圖8A繪示一些實施例中之針對微流體裝置中之複數個室捕獲之實例性影像。在此實例中，具有視場之影像捕獲裝置(例如，相機)在一時間點捕獲複數個室之單個影像802A。儘管圖8A繪示在單個影像中捕獲多個室之實例，但在一些其他實施例中可在一或多個時間點針對單個室而非複數個室捕獲個別單個影像。在一些實施例中，微流體裝置及微流體裝置中之多個室之各者可分別利用例如各自唯一識別符而條碼化。
針對複數個室捕獲之影像可不僅經時間戳記，而且可與對應微流體裝置識別符及/或影像中之複數個室之室識別符相關聯。當請求室之個別影像804A (例如，待在圖庫視圖中呈現)時，可在參考室之各自識別符時即時截割、裁剪及/或處理圖8A中所繪示之影像。接著可至少部分基於室之各自識別符而在使用者介面(例如，圖庫視圖)中呈現室之此個別影像。
可至少部分基於一或多個要求而執行自圖8A中所繪示之影像截割或裁剪個別影像。此一或多個要求之實例可包含一種分析類型、流動通道(室或圈806A上方之區域808A)是否待包含於個別影像中，或任何其他合適、所要及/或所需要求等。例如，流動通道區域808A可包含於用於匯出生物樣本之個別影像804A之動態、即時截割中。圖8A中所繪示之實例性個別影像804展示在捕獲影像之時間點在通道區域808A中不存在生物樣本。
如上文所描述，執行本文中所描述之各種分析、顯現及顯示功能之分析器在一些實施例中可為與用於利用一或多個微流體裝置執行針對一或多個生物樣本之一或多個工作流程之系統分離之獨立系統或在一些其他實施例中可與用於執行一或多個工作流程之系統整合。在兩種情況中，可捕獲微流體裝置(或甚至多個微流體裝置)之全部或部分影像。在一些實施例中，可至少部分基於視場(FOV)或視場外加影像捕獲裝置(例如，成像感測器、相機等)之邊限而捕獲諸如基本影像之影像(全部或部分)。
在其中針對一個以上所關注區捕獲影像序列中之影像(例如，個別室影像、個別目標影像或其等任何組合等)之一些實施例中，個別所關注區之一或多個個別影像(例如，個別目標或個別室之個別影像)可自影像導出。例如，個別目標影像或個別室影像可自多個所關注區之影像提取。
用於導出個別所關注區之個別影像之程序可包含例如識別與個別所關注區相關之一或多個特徵及至少部分基於一或多個特徵而將影像裁剪成個別所關注區之個別影像。例如，可針對基於目標之所關注區識別一或多個特徵，諸如與個別所關注區之目標相關之特徵，且可至少部分基於一或多個經識別特徵而裁剪包括多個所關注區之資訊之影像。作為另一實例，可針對基於結構之所關注區識別一或多個特徵，諸如與個別所關注區之結構相關之特徵，且可至少部分基於經識別特徵而將包括多個所關注區之資訊之影像裁剪成基於結構之所關注區之個別影像。
影像可以各種格式儲存，諸如一或多種原始格式、一或多種光柵圖形格式(例如，TIFF或標籤影像檔案格式、雙級格式、灰度格式、調色板色彩格式、RGB (紅綠藍)或全彩格式等)、一或多種無損格式、一或多種有損格式等。在其中一個影像僅捕獲微流體裝置之較小部分之一些實施例中，該影像可包括一或多個所關注區之影像資料。
經捕獲影像可與可用來使該影像與其他資料相關之一或多個識別符相關聯。例如，影像可與指示捕獲影像之時間點之時間碼或時間戳、指示在微流體裝置中針對其捕獲影像之室之室識別符、針對其捕獲影像之微流體裝置之微流體裝置識別符及/或針對其捕獲影像之微流體裝置之流動通道識別符或其等任何組合相關聯。在一些實施例中，與影像之任何態樣相關之資訊(例如，與影像捕獲程序相關之資訊)亦可經儲存(例如，於XML檔案中)且與經捕獲影像相關聯。影像及甚至與影像之任何態樣相關之(若干)前述識別符及/或資訊可統稱為影像序列或可彼此相關並且與其他資料及捕獲(若干)影像之(若干)時間點相關之影像序列。在執行工作流程之內容脈絡中，可產生一或多個影像序列或相同類型或兩種或更多種不同類型之影像序列。
在一些實施例中，可由一或多個影像捕獲裝置或感測器在多個時間點或一或多個時間週期內捕獲影像序列中之影像以產生時移影像序列。影像序列可包含一或多個明場影像、螢光影像或任何其他所需或所要影像，或其等任何組合。在其中影像序列包括自一或多個過濾器立方體(例如，異硫氰酸螢光素(FITC)、德克薩斯紅或TxRed、合成染料(花青素)等)捕獲之影像之實施例中，所得影像序列可稱為多光譜影像序列。
在一些實施例中，工作流程可對應於用於運算生物學或分析目的之一或多個模板。模板可包含一組指令，該組指令在由微處理器或處理器核執行時引起微處理器或處理器核藉由使用例如正則表達式(REGEX)將影像序列映射至其他資料使得影像序列與此其他資料(例如，可量化度量、目標、室、微流體裝置、生物室，或生物室之特性、屬性、性質或度量，或其等任何組合)相關，以例如減少或甚至最小化關於使(若干)影像序列與其他資料相關之任務之量。
正則表達式包含可用來定義資料(例如，文字資料)中之特定型樣且可用來定義影像序列與工作流程輸出(例如，CSV檔案、表、資料庫或其他任何合適資料結構)之間的映射之字元或符號群組。在一些實施例中，可藉由使用例如後設字元來構建正則表達式。後設字元可或可不代表本身但在一些實施例中可以某種特殊方式來解釋。例如，一些後設字元可具有特殊含義且可在方括號內部表達。
在一些實施例中，後設字元之一些實例包含但不限於：「.」，其匹配除分行符號以外之任何單個字元；「[]」，其指示匹配包含於方括號之間的任何字元之字元類別；「[^]」，其指示匹配未包含於方括號之間的任何字元之否定字元類別；「*」，其匹配與前一符號之零(0)或多個重複；「+」，其匹配前一符號之一或多個重複；「？」，其使前一符號選用；「(xyz)」，其指示以該確切順序匹配字元「xyz」之字元群組；「|」，其指示匹配符號「|」之前或之後的字元之交替；「\」，其轉義下一字元以匹配經保留字元，諸如「[「，」]」、「(「，」)」等)；「^」，其匹配輸入之開頭；及/或「$」，其匹配輸入之末端。
模板之一些實例包含但不限於用於發現細胞株之一或多個細胞株發現模板、用於匯入及/或匯出與作為免疫系統之必不可少部分之T細胞(其亦可稱為T淋巴細胞)類型之白細胞(白血細胞)相關之資料或資訊之T細胞模板、B細胞模板(其可用於匯入及/或匯出淋巴細胞，判定對體內抗原之免疫回應之特異性之B細胞)、用於匯入及/或匯出與抗體發現相關之資訊或資料之AbD (抗體發現)模板、多重細胞因子化驗模板。在一些實施例中，可添加、編輯(例如，經修改以適應經更新工作流程等)、複製(例如，可複製現有模板以提供例如不同工作流程之起點)、移除、匯入(例如，在來自不同系統或版本之使用者當中共用)及/或匯出模板。
在一些實施例中，可針對微流體裝置中或上之(若干)生物樣本創建一或多個工作簿。在此等實施例中，工作簿可包含關於微流體裝置或其之一部分之任何屬性、特性、性質及/或度量之資訊。在一些此等實施例中，工作簿可包含待或已應用於一或多個所關注區(例如，經繪製或經顯示所關注區)之一或多個過濾器。另外或替代地，工作簿可包含一或多個佈局視圖及/或任何現有或新特性(例如，在會話期間創建之特性或特定於特定工作流程或其之一部分之特性)。
工作簿可促進資訊或資料(例如，文字資料、影像資料等)之有效匯入以及顯現或顯示各種其他資料。例如，可至少部分基於針對微流體裝置中或上之一或多個生物樣本執行之工作流程而產生晶片時間線視圖。工作流程亦可至少部分經組態至或對應於晶片時間線視圖。
圖8B繪示一些實施例中之相同於圖8A中所繪示之在先前時間點捕獲之影像802B之在下一時間點針對多個室捕獲之另一實例性影像。更具體而言，圖8B繪示相同於圖8A中所繪示之在先前時間點捕獲之影像之在下一時間點由相同影像捕獲裝置針對多個室捕獲之另一實例性影像802B。在此實例中，在取消禁錮及匯出生物樣本之程序期間獲得相同室804A之下一個別影像。如圖8B中所繪示，圖8B中之生物樣本808B之一部分已經取消禁錮且因此存在於流動通道區(圖8A中之808A)中使得較少生物樣本806B保持於室804A中。圖8B中所繪示之此實例進一步繪示在即時構建個別影像時之動態截割或裁剪以展示流動通道以便適應生物樣本806B之存在。
圖8C繪示一些實施例中之相同於圖8A至圖8B中所繪示之在先前時間點捕獲之影像之在下一時間點針對多個室捕獲之另一實例性影像。更具體而言，圖8C繪示一些實施例中之相同於圖8A至圖8B中所繪示之在先前時間點捕獲之影像之由相同影像捕獲裝置針對多個室捕獲之另一實例性影像802C。在此實例中，展示用於匯出生物樣本之相同室804C之下一個別影像。如圖8C中所繪示，已如圖8B中之808B中所展示般匯出之生物樣本在捕獲影像802C時之此下一時間點已移出或沖洗出流動通道區(圖8A中之808A)，而更少生物樣本806B (例如，相同於圖8B中之生物樣本806B之生物樣本)保持於室804C中(其係相同於圖8A至圖8B中之804A之室)。圖8C中所繪示之此實例亦繪示在即時構建個別影像時之動態截割或裁剪以展示流動通道以用作自圖8A至圖8B中之室804A匯出生物樣本808B之視覺驗證。
圖8D繪示一或多項實施例中之緊接在識別微物件之一部分及將經識別微物件之部分指派給室之後的微流體迴路之通道內之微物件。識別可根據任何所要準則進行且可為在禁錮之前對細胞執行之化驗或標記操作之結果。圖8E繪示一或多項實施例中之在其中光籠已沿其等選定軌跡移動之稍後時間點的圖8D中之相同微物件。圖8F繪示一或多項實施例中之在其中光籠已沿其等選定軌跡幾乎完全移動以將該等細胞定位於封存室中之第三時間點之相同細胞。
更具體而言，圖8D至圖8F繪示使用亮方框之微物件禁錮。在圖8D中，展示緊接在識別細胞及將細胞指派給圈之後的微流體迴路之通道內之生物細胞。包圍生物樣本之黑色方框繪示生物樣本識別演算法之輸出，即，在一些實施例中由(若干)生物樣本周圍之方框所指示之(若干)生物樣本之識別。在此等實施例中，至少部分基於例如使用者介面之一或多個組態或設定(例如，背景色彩、對比度設定等)及/或輸入資料(例如，輸入影像之色彩深度或位元深度等)，表示生物樣本識別演算法之輸出之前述黑色方框可在使用者介面中之放大視圖中可見。包圍黑色方框之白色方框係用來重定位細胞之OET力之光籠。最後，將包圍細胞之方框連接至封存圈之黑線繪示在將細胞指派給封存圈時運算之最佳軌跡。圖8E展示在其中光籠已沿其等選定軌跡移動之稍後時間點之相同細胞。圖8F展示在其中光籠已沿其等選定軌跡幾乎完全移動以將該等細胞定位於封存圈中之第三時間點之相同細胞。
在移動微物件時，用來移動細胞之OET及/或DEP之速度可逐步加速以便「斜升」微物件之運動且確保微物件不會自其等光籠丟失。例如，在特定實施例中，微物件之初始速度可自低初始速度逐步加速至更高行進速度。可在其中自動地重定位(例如，禁錮、重新禁錮及匯出)微物件之例項及其中手動地重定位微物件(例如手動地選擇且移動細胞)之例項兩者中應用此逐步加速。類似地，當微物件到達其等軌跡之末端且處於其等最終位置時，高行進速度可「斜降」至零之最終速度。
本發明之方法可用於所有類型之微流體裝置中之微物件之自動偵測及/或計數。在某些實施例中，微流體裝置可包含流動區(或流動通道)及一或多個室(或封存圈)。替代地或另外，微流體裝置可為電動裝置(諸如光學致動電動裝置)或可包含針對電動學組態之區。電動裝置(尤其具有電晶體(例如，光電晶體)陣列之電動裝置)在陣列中之電晶體具有類似於所偵測微物件之橫截面積之面積之情況下可提供特別複雜背景。本文中所描述之方法可在偵測安置於此一裝置中之微物件時尤其高效。
圖9A繪示一或多項實施例中之用於使用具有多個室之微流體裝置分析生物樣本之方法及/或系統之高階流程圖。更具體而言，圖9A繪示一或多項實施例中之用於使用具有多個室之微流體裝置分析生物樣本之方法或系統之高階流程圖。在此一或多項實施例中，在902A處可識別與微流體裝置中之複數個室相關之一或多個所關注區中之一或多個生物樣本。微流體裝置中之室之總數目可在每微流體裝置個位數個室至數萬個室之範圍內。另外，可構成所關注程序之目標(或「經量測」)之生物樣本可包含例如但不限於微物件、細胞、組織、蛋白質、基因、病毒或細胞內分子，諸如DNA (脫氧核糖核酸)、RNA (核糖核酸)等。
在將一或多個生物樣本裝載至一或多個室中之情況下，在904A處可識別欲對或已對一或多個生物樣本執行(performed或executed)之程序或工作流程。本文中所提及之程序可包含化驗、定序程序等。化驗包含用於定性地評估或定量地量測前述類型之生物樣本之任一者之目標之存在、量及/或功能活性之實驗室醫學、藥理學、生物學(例如，環境生物學、分子生物學等)中之分析或研究程序。定序程序可包含用於判定例如核酸序列(例如，DNA中之核苷酸之順序)之程序且可包含可用來判定一或多個鹼基(諸如腺嘌呤、鳥嘌呤、胞嘧啶及/或胸腺嘧啶)之順序以加速生物學及/或醫學研究及發現之任何方法或技術。
一些實例性工作流程包含但不限於CLD (細胞株發育)工作流程、T細胞工作流程、AbD (抗體發現)工作流程、多重細胞因子工作流程等。CLD工作流程可使用定量擴散化驗作為工作流程之一部分以至少部分基於例如如藉由分數(其量測微流體裝置之室中之抗體之濃度)量測之分泌而對微流體裝置上之殖株進行分級。CLD工作流程亦可用來至少部分基於例如QP (產物生產)分數或藉由細胞計數正規化QP分數之相對QP分數而評估或分析細胞生產力。
實例性CLD工作流程可包含將化驗試劑匯入至微流體裝置上。化驗試劑自一或多個流動通道平衡至多個室中，其中化驗試劑可與殖株產生之免疫球蛋白G(IgG)鍵合。接著可沖洗一或多個流動通道以移除化驗試劑。未鍵合試劑及保持於(若干)室中之試劑/IgG複合物可開始擴散至流動通道中。因此，具有產生高抗體滴度之殖株之室將具有緩慢擴散試劑/IgG複合物之大部分，因此在螢光影像中顯得明亮。另外，具有產生很少或不產生抗體之殖株之室可具有快速地擴散至流動通道中且因此在螢光影像中顯得暗之大部分自由試劑分子。該程序或工作流程接著在沖洗流動通道之後記錄及分析螢光影像且對來自微流體裝置上之殖株之相對滴度進行分級，從而允許選擇最高產量之殖株。
在一些實施例中，可在培養階段期間執行多個重複化驗，生物樣本在該培養階段期間分泌及生物生長。接著可匯出經生長生物樣本。在週期性或連續監測微流體裝置且在一時間點序列或時間週期記錄資料之情況下，可至少部分基於例如一或多個室之結構特徵而自動地觸發匯出。例如，當生物樣本開始接近室之頸部(例如，室通向流動區之近端開口附近)時，純系污染之風險可能增加。在一些實施例中，可在生物樣本開始在一或多個室之頸部區附近生長或生長超過頸部區之前自動地觸發工作流程中之匯出階段。
另一實例性工作流程係多重細胞因子化驗工作流程分析，其提供亞選殖T細胞、將各T細胞與抗原呈遞細胞(APC)或腫瘤細胞共培養及藉由偵測在一時間週期內之複數個經分泌細胞因子(例如，三個經分泌細胞因子)及多個細胞表面標記物(例如，兩個細胞表面標記物)來篩選T細胞活化之能力。在多重細胞因子化驗工作流程中，可將細胞裝載至微流體裝置上。可呈現晶片時間線視圖，且可執行(若干)影像序列之分析。在一些實施例中，本文中所描述之技術可將對APC之對照(例如，藉由自動地產生或定製產生一或多個室清單)提供至一或多個使用者指定或自動判定視場中以用作陰性對照，其中來自陰性對照群體之資料可用來判定用於選擇化驗陽性之臨限值。
此等經裝載細胞可在所要或所需時間週期內培養，且經成像以篩選一或多個表型及功能特性(例如，活化標記物之存在、細胞因子之釋放等)。在培養階段期間或之後，可自動地判定一或多個經篩選所關注區(例如，室)。經篩選所關注區包含包括一或多個T細胞、至少一個抗原呈遞細胞(APC)及一或多個細胞因子捕獲珠之區。
在其中經篩選室包含單個T細胞之一些實施例中，該系統可將單個T細胞過濾器自動地應用於微流體裝置中之複數個室。在此等實施例中，該系統可將基於目標之一維過濾器進一步應用於單個T細胞過濾器之所得室以將該等室進一步縮減為滿足單個T細胞要求及至少一個APC要求兩者之室。而且，可將一維基於目標之細胞因子捕獲珠過濾器自至少一個APC過濾器應用於所得室以判定進一步滿足細胞因子捕獲珠要求之經篩選室。在一些其他實施例中，可將多維、巢狀或階層式配置過濾器應用於微流體裝置中之室，其中多維過濾器以巢狀或階層式配置方式應用單個T細胞過濾器、至少一個APC過濾器及細胞因子捕獲珠過濾器。在一些其他實施例中，亦可應用諸如應用一維過濾器及二維過濾器之其他變動。多維、巢狀或階層式配置過濾器可包括經邏輯組合(例如，透過邏輯AND、OR、XOR等)且根據邏輯組合應用之複數個低維過濾器。
為識別陽性，可使用一或多個基於目標之過濾器(例如，中位數亮度過濾器等)來至少部分基於可至少部分基於例如上文所描述之陰性對照群體判定之一或多個臨限值而判定物件或所關注區對於特定細胞因子或表面標記物是陽性還是陰性。高於此一或多個臨限值之事件對於經指定細胞因子或細胞表面標記物可被視為陽性。例如，可自細胞因子分泌之選擇排除一些或所有陰性對照群體(例如，(若干)陰性對照所關注區)。接著可自上文所描述之經篩選所關注區識別一或多個所關注區。
在906A處可在一時間點序列收集一或多個生物樣本之程序或工作流程之結果。在一些實施例中，程序結果可包含在時間點序列之各時間點之一或多個所關注區中之一或多個生物樣本之至少一個生物樣本之影像。在一些此等實施例中，在特定時間點針對多個所關注區捕獲影像。在一些其他實施例中，可針對微流體裝置中之複數個所關注區之各個別所關注區捕獲影像，而不展示另一所關注區(例如，鄰近室)。在一些實施例中，程序結果可包含在程序結束時之最終結果。在一些此等實施例中，程序結果可進一步包含在程序完成之前在時間點序列中之一或多個時間點捕獲以演示程序之時間進度之中間結果。
在908A處可識別或判定與一或多個生物樣本、任何所關注區、微流體裝置及/或程序相關之一或多個度量或一或多個特性。此一或多個度量或特性可包含一或多個生物樣本對程序或程序之一部分之任何回應或其之不存在、程序或其之一部分、程序或在其上裝載微流體裝置以執行程序之系統之任何效能度量、與在其上執行程序之一或多個生物樣本相關之任何統計量度，或任何其他合適、所要或所需度量或特性等。
接著在910A處可至少部分基於時間點序列或一組對應時間碼及一或多個度量或特性而在使用者介面中呈現程序結果。如上文所描述，各種功能性、模組、使用者介面、使用者介面之元件、介面工具集、邏輯碼等無縫地整合在一起以使使用者能夠藉由使用本文中所描述之各種技術、模組及/或功能性而自大量資料或結果有效地及高效地識別極其精細之分析結果件(例如，與生物樣本相關之特定特性、具有數千個所關注區之微流體裝置中之特定所關注區、特定生物樣本及/或其等任何其他所要或所需特性)。
例如，簡單生物資訊學管線資料之大小可容易地超過數百兆位元組。即使利用當前最先進的運算系統及最佳化軟體應用程式，此大量資料亦可容易地將有用資訊深深地埋藏於資料中且難倒任何資深科學家。本文中所描述之各項實施例經由例如本文中所描述之各種一維或多維過濾器、室清單之定製創建、查明特定特性之靈活組態等提供靈活性、可定製性、便捷速度及非凡準確度以使任何使用者能夠高效地及有效地導覽單個微流體裝置(例如，微流體裝置)中之數千個或甚至數萬個所關注區(例如，室)中之生物樣本之大量資料且提供準確及便捷的運算分析。比較通常處理生物樣本之數十個室且嚴重依賴人力以希望藉由在大多數情況下手動地使用具有受限功能性之限制性工具自數十個室之資料找到一些有用資訊之當前最先進方法，本文中所描述之各種技術解決習知方法之問題及缺點且極大地改良運算生物學之準確度及運行時間。
圖10A繪示一或多項實施例中之用於利用增強型使用者介面分析生物樣本之程序及/或系統之方塊圖之簡化實例。更具體而言，圖10A繪示一或多項實施例中之用於使用具有多個室之微流體裝置分析生物樣本之方法或系統之另一高階流程圖。在一些實施例中，一種用於分析生物樣本之方法可包含在1002A處識別微流體裝置中之多個所關注區中之生物樣本之分析及與分析相關之時間線。在一些實施例中，分析可包含使用微流體裝置針對複數個生物樣本之化驗分析、定序分析等。在1002A處識別之分析可能已在一些實施例中對或針對所關注生物樣本執行或在一些其他實施例中可正在等待執行或完成。在其中分析已對所關注生物樣本執行及完成或當前正在執行但尚未完成之一些實施例中，識別生物樣本之分析可包含例如自一或多個資料或資訊源(例如，(若干)影像或視訊捕獲裝置、資料收集模組、資料儲存庫、(若干)表、(若干)資料庫或任何其他合適資料源等)蒐集及儲存資料，擷取與分析相關之資料或一或多個檔案，與分析相關之(若干)設備，自前述一或多個資料源之任一者分析或正在分析之生物樣本等。在一些實施例中，在1002A處識別生物樣本之分析可包含(例如，經由使用者選擇)識別一或多個基於目標之所關注區、一或多個基於結構之所關注區及/或可在其內分析生物樣本之微流體裝置之一或多個室。
時間線可包括在時間上與生物樣本之分析之工作流程或管線對準之資訊。在一些實施例中，各所關注區或室包括唯一識別符。另外或替代地，多個識別符對應於一或多個特性，該一或多個特性進一步包括以下至少一者：微流體裝置中之所關注區之識別符、複數個生物樣本之大小屬性、複數個生物樣本之最大亮度屬性、複數個生物樣本之最小亮度屬性、生物樣本之質心在第一方向上之第一像素計數屬性、生物樣本之質心在第二方向上之第二像素計數屬性、生物樣本之質心之大小屬性、時移索引屬性、微流體裝置之裝置識別符、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性、複數個所關注區之分數屬性、閘路徑索引、區域像素屬性、背景像素屬性、複數個生物樣本之中位數亮度屬性。
在1004A處可判定多個所關注區之一或多種所關注區類型，其中一或多種所關注區類型包括與該等生物樣本之至少一個生物樣本相關之基於目標之類型或與微流體裝置相關之基於結構之類型。
如本文中所描述，在一些實施例中，所關注區可包含與所關注生物樣本之一或多個屬性、特性、性質及/或可量化度量等(例如，與所關注區中之細胞之直徑相關之經量測或經導出直徑或統計量度、所關注區中之基因之計數、針對所關注區培養之細胞之數目、自所關注區匯出之細胞之數目或百分比等)有關之基於目標之區。在一些實施例中，所關注區亦可包含與微流體裝置或其任何部分之一或多個屬性、特性、性質及/或可量化度量等(例如，微流體裝置或其之一部分之結構態樣之特性)有關之基於結構之所關注區。
在判定一或多種所關注區類型之情況下，在1006A處可至少部分基於一或多種所關注區類型而判定屬性、特性、性質或可量化度量。在前述實施例中，可針對基於目標之所關注區判定基於目標之特性、其他類型的特性、性質或可量化度量。另外或替代地，可針對基於結構之所關注區判定基於結構之特性、特性、性質或可量化度量。
在1008A處至少部分基於時間線及屬性、特性、性質或可量化度量而在使用者介面中針對生物樣本之至少一部分配置及顯現分別對應於多個所關注區之相關聯資料。相關聯資料之此一配置及顯示之實例可包含例如圖6C中之圖庫視圖、例如圖5A中之小型化圖庫視圖、例如圖4A中之晶片時間線圖、例如圖7H中之定序圖形或任何其他視圖或圖形。在使用者介面中顯現所關注區之相關聯資料可包括例如根據所關注區(例如，將展示多個所關注區之基本影像裁剪為對應於特定所關注區之較小資料子集)將相關聯資料(例如，由影像或視訊捕獲裝置或感測器捕獲及/或儲存於檔案或資料結構中之二進位資料等)裁剪成經裁剪資料，將相關聯資料或經裁剪資料傳輸至將二進位資料變換成表示所關注區之擬真或非擬真2D或3D影像(例如，光柵圖形表示)之電腦圖形程式及/或圖形處理單元(GPU)。
在一些實施例中，相關聯資料與生物樣本之分析有關並相關聯且可包括：例如生物樣本之分析之及/或生物樣本之一或多個屬性、性質或特性等、與分析相關之一或多個系統、與分析及/或生物樣本相關之一或多個工作流程及/或一或多個定序管線、分析之一或多個設定及/或組態/輸入資料/中間輸出資料/最終輸出資料、與相關於分析之一或多個系統相關之一或多個設定及/或組態、描述任何相關聯資料之後設資料及/或其等任何組合等。在一些實施例中，相關聯資料可包含靜態資訊或資料(例如，經處理資訊)、動態資訊或資料(例如，可隨時間變動之資訊或資料)、互動式資訊或資料(例如，使用者可藉由例如透過選單或使用者介面操縱等發佈指令或命令來與其進行互動之資訊或資料)或其等任何組合。另外或替代地，與生物樣本之分析相關之相關聯資料可包含例如二進位、文字、ASCII、圖形、影像、視訊及/或視訊序列資料。在一些實施例中，相關聯資料可包含微流體裝置中之一個、一些或所有所關注區或所有室之前述資料或資訊、其等效物或其變體之任一者且可自各種資料源(例如，透過使用者介面自使用者之輸入、分析引擎之中間及最終輸出、來自一或多個影像捕獲裝置之影像、由與分析相關之一或多個軟體應用程式產生之資料、生物樣本及/或與分析相關聯之一或多個系統等)收集並以結構化方式儲存於資料結構(例如，微流體裝置資料結構、圖庫結構等)中，如例如本文中參考圖5B、圖5G至圖5J、圖7D、圖10F等更詳細地描述。而且，此一資料結構可用一或多個鍵來編索引以促進相關聯資料之更有效存取、查詢及操縱，如例如本文中參考圖5B、圖5G至圖5J、圖7D、圖10F等更詳細地描述。
圖10B至圖10C繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此一或多項實施例中，配置及顯現相關聯資料包括在1002B處至少部分基於使用者介面中用於顯現相關聯資料之可分配空間而針對相關聯資料判定具有複數個圖庫子結構之圖庫結構。在一些此一或多項實施例中，複數個圖庫子結構中之圖庫子結構對應於與生物樣本之分析或生物樣本相關之特性，圖庫子結構包括一或多個圖庫欄位，且該特性包括至少一個基於目標之特性、至少一個基於結構之特性或至少一個基於目標之特性及至少一個基於結構之特性之組合。
在此一或多項實施例中，配置及顯現相關聯資料包括在1004B處至少部分基於該特性而將相關聯資料填入圖庫結構中之複數個圖庫子結構中。在一些此等實施例中，圖庫子結構之圖庫欄位對應於針對該等生物樣本之至少一者之基於結構之所關注區或基於目標之所關注區捕獲之影像或影像序列，且自一或多個基本影像判定影像或影像序列。另外或替代地，時間線部分中之複數個圖形表示分別對應於複數個圖庫子結構。
在一些實施例中，判定圖庫結構可包括在1008B處自儲存於非暫時性電腦可存取儲存媒體中之可定址空間中之圖庫結構針對自多個所關注區之第一所關注區獲得之第一生物樣本判定與一組時間點或時間週期相關之第一資料序列，其中第一資料序列對應於多個識別符之至少第一識別符。視情況，判定圖庫結構可包括在1006B處至少部分基於一或多種所關注區類型而判定屬性、特性、性質或可量化度量。
在一些此等實施例中，判定圖庫結構可進一步包括在1010B處自圖庫結構針對自多個所關注區之第二所關注區獲得之第二生物樣本判定與該組時間點或時間週期相關之第二資料序列，其中第二資料序列對應於多個識別符之至少第二識別符。在一些此等實施例中，配置及顯現相關聯資料可包括在1012B處在使用者介面之第一視窗部分中且利用圖形處理單元在圖庫視圖中顯現第一資料序列及第二資料序列。
在一些實施例中，在第一視圖中顯現第一資料序列及第二資料序列可進一步包括在1014B處回應於利用使用者介面中之第一選擇介面工具集自多個特性選擇第一特性，自用於第一生物樣本或用於分析之複數個值提取第一特性之第一值；自用於第二生物樣本或用於分析之複數個值提取第一特性之第二值。
參考圖10C，在一些實施例中，配置及顯現相關聯資料可包括在1016B處將分別對應於第一資料序列及第二資料序列之第一互動式物件及第二互動式物件顯現至圖庫視圖中。在一些此等實施例中，第一互動式物件代表用於第一生物樣本或用於分析之第一值，且第二互動式物件代表用於第二生物樣本或用於分析之第二值。而且，使用者介面經耦合至處理器以處理輸入之一或多個特性之資料且包括自生物樣本捕獲且在該組時間點或時間週期獲得之一組影像。另外，自安置於包括複數個室之微流體裝置中之所關注區內之各自生物樣本獲得該組影像中之影像。
在一些實施例中，配置及顯現相關聯資料可包括在1018B處顯現第一選擇介面工具集以選擇生物樣本之第一特性；在圖庫結構之第一圖庫子結構中表示針對微流體裝置中之第一所關注區捕獲之第一組影像之第一資料集；及在圖庫結構之第二圖庫子結構中表示針對微流體裝置中之第二所關注區捕獲之第二組影像之第二資料集。
在一些此等實施例中，第一互動式物件在一組時間點或時間週期之第一時間點或時間週期與第一等級相關聯，第一等級至少部分基於第一所關注區之第一特性之第一值而指示與微流體裝置中之複數個室相關之第一所關注區之第一位置。另外或替代地，第二互動式物件在該組時間點或時間週期之第一時間點或時間週期與第二等級相關聯，第二等級至少部分基於第二所關注區之第一特性之第一值而指示與微流體裝置中之複數個室相關之第二所關注區之第二位置。
而且，在一些實施例中，第一等級及第二等級分別連同第一視圖中之第一互動式物件及第二互動式物件一起顯示以分別指示在第一時間點或時間週期第一所關注區中之第一生物樣本之第一狀態及第二所關注區中之第二生物樣本之第二狀態。另外或替代地，第一圖庫資料子結構及第二圖庫資料子結構經配置以包括具有對應於第一識別符之互動式識別符之第三圖庫子結構。
在一些此等實施例中，第三圖庫子結構之互動式識別符在使用者介面中調用時觸發至少部分基於第一等級及第二等級而配置第一圖庫子結構及第二圖庫子結構之分級操作；且複數個圖庫子結構中之圖庫子結構之高度或寬度可組態成經修改高度或經修改寬度，或第三線性結構中之欄位之寬度可組態成第一視圖中之經修改寬度。
另外或替代地，圖庫結構包含：行結構及列結構，行結構包括多個行，列結構包括多個列；及生物樣本資料，其特定於對微流體裝置之單個室中之一或多個生物樣本執行之分析。在實例性行結構中，行結構中之行對應於特定於對單個室執行之分析之生物樣本資料，且對應於該行之各列分別對應於在特定時間點或在特定時間週期內針對單個室捕獲或產生之生物樣本資料。在一些此等實施例中，列結構中之列對應於特定於對微流體裝置中之室執行之分析之生物樣本資料，且對應於該列之各行分別對應於在特定時間點或在特定時間週期內針對該室捕獲或產生之生物樣本資料。
在一些實施例中，多個識別符中之識別符與對微流體裝置中之該等生物樣本之至少一個生物樣本執行之化驗分析或化驗分析結果之至少一個態樣有關。另外或替代地，在捕獲或產生該組影像、第一資料序列或第二資料序列時利用唯一時間戳對該組影像、第一資料序列或第二資料序列進行時間戳記。
在一些實施例中，多個識別符包括以下至少一者：微流體裝置中之室之識別符、生物樣本之大小屬性、生物樣本之最大亮度屬性、生物樣本之最小亮度屬性、生物樣本之質心在第一方向上之第一像素計數屬性、生物樣本之質心在第二方向上之第二像素計數屬性、生物樣本之質心之大小屬性、時移索引屬性、微流體裝置之裝置識別符、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性、複數個室或多個所關注區之分數屬性、閘路徑索引、區域像素屬性、背景像素屬性或生物樣本之中位數亮度屬性。
在一些實施例中，顯現第一互動式物件及第二互動式物件包括在1020B處藉由處理器至少部分基於待在使用者介面中表示之第一等級而判定使用者介面中之圖庫結構中之第一圖庫子結構之動態寬度或長度。在一些此等實施例中，在1022B處顯現第一互動式物件及第二互動式物件可進一步包括至少部分基於第一圖庫子結構之動態寬度或長度而將包括第一影像序列之第一資料序列之至少一部分顯現至第一圖庫子結構中。
在一些緊接在前的實施例中，第一圖庫子結構之第一複數個圖庫欄位中之圖庫欄位對應於多個所關注區中之所關注區，其中該所關注區對應於第一唯一識別符。另外或替代地，該圖庫欄位進一步對應於與複數個室相關之所關注區且進一步經配置以對應於複數個圖庫子結構。在一些此等實施例中，複數個圖庫子結構中之一圖庫子結構對應於多個識別符之一識別符。
圖10D至圖10E繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。參考繪示一或多項實施例中之關於在1008A處配置及顯現相關聯資料之更多細節之圖10D，配置及顯現相關聯資料可包括在1002D處回應於至少部分基於時間線透過使用者介面中之時間線視圖啟動互動式介面工具集而調用時間線視圖，在使用者介面中顯現時間線視圖及匹配網格部分。在一些此等實施例中，時間線視圖包括生物樣本之分析中之多個工作流程任務或工作流程階段之各自進度。多個工作流程任務之一些實例可包含例如裝載、匯入、培養、灌注、化驗、匯出及/或沖洗等。工作流程階段可包括一或多個工作流程任務。例如，化驗分析工作流程階段可包含進一步包含一或多個工作流程任務之細胞培養工作流程任務。更具體而言，細胞培養任務可在其間本文中所描述之系統可量測、捕獲或以其他方式採集各種資料或資訊(例如，在複數個時間點或時間週期之(若干)影像、(若干)細胞計數等；時間定序資料，諸如對應於捕獲前述資料或資訊之複數個時間點之時間戳等)之時間週期內執行。細胞培養任務可花費長於一或多個其他任務之時間週期。在一些實施例中，本文中所描述之系統可以程式化方式將工作流程階段分段成多個均勻及/或非均勻工作流程任務(例如，藉由在時間上分隔工作流程階段)，且亦可根據多個工作流程任務分隔針對工作流程階段採集之資料或資訊使得使用者可選擇工作流程階段以存取針對其採集之所有資訊或資料(例如，在圖庫視圖中呈現特定工作流程階段之所有工作流程任務之各自互動式影像資料)或選擇工作流程階段之一或多個工作流程任務以存取針對其採集之資訊或資料之對應一或多個較小部分(例如，在圖庫視圖中呈現特定工作流程階段之工作流程任務之各自互動式影像資料)。例如，使用者或研究人員可在一時間點或在一時間週期中例如自晶片時間線視圖識別工作流程階段及/或對應工作流程任務(例如，藉由點選對應於時間線視圖中之時間點或時間週期之圖形表示)，且本文中所描述之技術可識別對應相關聯資料且將輸出引導至圖庫視圖以檢查在該時間點或在該時間週期內實際上發生之內容。
另外或替代地，至少部分基於與分析或與生物樣本相關之第一資料序列及第二資料序列而顯現時間線視圖。在一些緊接在前的實施例中，各自進度以圖形方式指示多個工作流程任務之各自時間性持續時間，然而本文中應注意，可類似地描繪一或若干工作流程階段，但附加條件係可選擇工作流程階段以揭露對應工作流程任務。而且，在一些實施例中，各自進度可視情況利用互動式進度介面工具集來表示，該互動式進度介面工具集在時間線視圖中互動時引起處理器至少將第一資料序列之至少一部分或第一分析結果之至少一部分填入匹配網格部分。
在一些實施例中，配置及顯現相關聯資料可包括回應於微流體裝置之識別、使用者介面中表示之第一資料序列或第二資料序列，在1004D處判定是否存在用於微流體裝置之圖庫結構。在一些實施例中，當判定存在用於微流體裝置之圖庫結構時，配置及顯現相關聯資料可包括在1006D處將第一資料序列之至少一部分或相關聯資料之至少一部分填入匹配網格部分；且在1006D處，顯現識別符介面工具集，該識別符介面工具集在自使用者介面接收識別符變化輸入時觸發改變第一資料序列之第一識別符之指令。
在一些此等實施例中，在1008D處，顯現刪除介面工具集，該刪除介面工具集在使用者介面中調用時引起至少處理器自時間線視圖移除微流體裝置及與微流體裝置相關之資料。在一些此等實施例中，時間線視圖包括使用者介面中之第一可調整大小或形狀；匹配網格部分包括使用者介面中之第二可調整大小或形狀；且時間線部分包括分別識別多個生物實驗之對應實驗類型之多個圖形表示或圖形元素。
在一些實施例中，配置及顯現相關聯資料可包括在1010D處使多個所關注區之第一所關注區與時間線視圖中所繪示之一或多個圖形元素相關聯。在一些此等實施例中，使第一所關注區與一或多個圖形元素相關聯包括在使用者介面之一部分中之第一行中針對一或多個圖形元素之第一圖形元素顯現對應於在第一時間點或第一時間週期捕獲之第一資料序列之第一互動式物件。
另外或替代地，使第一所關注區與一或多個圖形元素相關聯包括在1012D處針對一或多個圖形元素之第二圖形元素顯現對應於在第二時間點或第二時間週期捕獲之第一資料序列之第二互動式物件，該第二互動式物件對應於使用者介面之部分中之第二行。在一些此等實施例中，一或多個圖形元素中之一圖形元素之大小對應於在其間針對生物樣本捕獲資料之時間週期之時間性持續時間，且較大圖形元素指示較長時間週期。
參考圖10E，在一些實施例中，配置及顯現相關聯資料包括在1014D處至少部分基於用於生物樣本之分析之管線或工作流程而判定時間線；在1016D處至少部分基於時間線而判定分析之複數個階段，其中複數個階段分別對應於生物樣本之分析之複數個時間點或時間週期；及在1018D處至少部分基於複數個時間點或時間週期而分別判定複數個階段之複數個圖形表示。在一些此等實施例中，配置及顯現相關聯資料可進一步包括在1020D處根據與複數個時間點或時間週期相關之時間順序而在使用者介面中配置及顯現時間線視圖中之複數個圖形表示。
圖10F繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此等實施例中，配置及顯示相關聯資料可包含在1002F處在使用者介面中顯現資料控制視圖。在一些此等實施例中，顯現資料控制視圖包括在1004F處針對具有複數個室之微流體裝置產生具有複數個欄位之微流體裝置資料結構。另外或替代地，顯現資料控制視圖可包括：在1006F處將微流體裝置之第一資料填入微流體裝置資料結構中之第一欄位中，其中第一資料包括微流體裝置之第一識別符；及在1008F處針對微流體裝置資料結構中之第一欄位顯現第一互動式資料控制介面工具集，其中第一互動式資料控制介面工具集在互動時取決於在資料控制視圖中接收之用於組態與至少第一資料及圖庫視圖相關之室清單之第一輸入而調用與時間線視圖或圖庫視圖相關之多個第一候選動作之一者。
在一些實施例中，顯現資料控制視圖可進一步包括在1010F處將微流體裝置之第二資料填入微流體裝置資料結構中之第二欄位中，其中第二資料包括與對微流體裝置中之生物樣本之第一生物處理(例如，螢光標記、磁性標記、放射性標記、酶標記或在化驗或定序中對生物樣本執行之任何其他生物處理等)相關之標籤；及在1012F處針對第二欄位顯現第二互動式資料控制介面工具集，其中第二互動式資料控制介面工具集回應於資料控制視圖中用於組態相關聯資料之一或多個視覺化選項之第二使用者輸入而調用多個第二候選動作之至少一者。標籤可包括用於例如生物樣本之標記程序(例如，螢光標記程序)中之一或多個標記(例如，一或多個螢光標記)。可針對例如微流體裝置資料結構、圖庫結構等中之標籤儲存數位物件以表示對應標記。在一些此等實施例中，顯現資料控制視圖可進一步包括在1014F處將微流體裝置之第三資料填入微流體裝置資料結構中之一或多個第三欄位中，其中第三資料包括用於微流體裝置之時間戳；及在1016F處針對一或多個第三欄位顯現第三互動式資料控制介面工具集，其中第三互動式資料控制介面工具集在互動時回應於資料控制視圖中用於組態分析之降維或叢集化之第三使用者輸入而調用多個第三候選動作之至少一者。
如本文中所提及之生物處理可包含用於對一或多個微物件(例如，生物細胞)進行操作之工作流程階段(例如，一或多個工作流程任務)之任一者，如此項技術通常已知且特別如本文中所描述。生物處理可在包含微物件之裝置之環境內執行或可包含在該裝置外部執行之處理之某個部分，例如預處理或後處理，分別包含自微物件捕獲之整體選擇及定序大分子。生物處理可包含但不限於：培養；擴增微物件之群體(例如，在足以容許微物件繁殖之時間週期內培養微物件，其中在一些實施例中，經擴增群體係子細胞之純系群體)；針對特定屬性、特徵或功能性(例如，生物微物件之生物學或生物物理學活性)化驗(若干)微物件；針對特定屬性、特徵或功能性(例如，與目標分子之鍵合或阻斷兩個或更多個分子(諸如受體-配體對)之間的鍵合，否則將形成複合物)化驗微物件之分泌物；針對特定屬性、特徵或功能性(例如，營養物、反應性物質或類似物之濃度)化驗包圍(若干)微物件或鄰近其中安置(若干)微物件之區之介質。化驗(若干)生物微物件、(若干)生物微物件之分泌物或包圍或鄰近(若干)生物微物件之介質可包含提供產生可偵測信號(諸如比色、螢光、發光、紫外線、紅外線信號)或以其他方式能夠藉由如本文中所描述之成像系統在視覺上偵測到之標記或標籤。一或多個微物件之操縱可進一步包含在針對特定屬性、特徵或功能性化驗一或多個微物件之後，選擇一或多個微物件之全部或一部分以取消禁錮。未經取消禁錮之微物件可經重新禁錮於微流體裝置之另一區中以供保留、分組或儲存，或以供額外處理，諸如培養或裂解(例如，隨後捕獲經釋放大分子，諸如蛋白質、核酸或生物微物件之產物，包含基因表現產物)。微物件之經釋放大分子或產物可經原位偵測或可經匯出以在微流體裝置外部進行分析。此等分析之結果可經匯入回至該系統(例如，在管線或其他資料模組中)，與一或多個微物件之源相關，且可視情況在圖庫視圖中選擇及觀看以供分析，例如，以判定哪些微物件表達所要生物產物同時亦滿足其他生物活性準則。
如本文中所提及之標籤可為固有性質(例如，螢光)或報導子分子或分泌物，或可包含可辨識微物件之一部分、微物件之產物(經分泌或未經分泌)或與微物件相關聯之分析物或待在包圍或鄰近微物件之介質內量測之分析物之任何種類之可偵測標記及/或類型之配體。如上文所提及，可偵測標記可為比色、螢光、發光、紫外線、紅外線信號或其他視覺上可成像之部分。可偵測標記本身可經組態以相關聯(例如，嵌入染料)或可連接至經組態以(共價地或非共價地)鍵合至微物件之配體、微物件之產物(經分泌或未經分泌)或與微物件相關聯之分析物或待在包圍或鄰近微物件之介質內量測之分析物。此等配體之實例包含可雜交多核苷酸、His旗標、抗體或其等片段。在一些其他實施例中，標籤可為在微物件、微物件之產物(經分泌或未經分泌)或與微物件相關聯之分析物或待在包圍或鄰近微物件之介質內量測之分析物之作用下自生物分子釋放之可偵測標記。例如，蛋白酶之底物在由微物件分泌或包含於微物件內之蛋白酶蛋白水解時可釋放螢光標籤。此等實例係非限制性的，如此項技術中已知。
圖10G-1、圖10G-2、圖10G-3及圖10G-4繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此等實施例中，在1008A處配置及顯示相關聯資料可包括在1002G處顯現過濾器視圖。在1002G處顯現過濾器視圖可包括在1004G處至少部分基於由與過濾器產生模組中之第一過濾器選擇器開關之互動觸發之一或多個指令之執行而判定第一過濾器之第一過濾器類型。在一些此等實施例中，顯現過濾器視圖可進一步包括回應於第一過濾器類型之判定，在1006G處在使用者介面中之過濾器視圖中針對一或多個第一過濾器之第一過濾器類型顯現第一過濾器選擇器開關，其中第一屬性選擇器開關在被調用時觸發第一過濾器類型之一或多個第一互動式過濾器屬性之清單之第一呈現。
在一些緊接在前的實施例中，顯現過濾器視圖可進一步包括回應於一或多個第一互動式過濾器屬性之清單中之第一互動式過濾器屬性之調用，在1008G處顯現用於根據第一過濾器對微流體裝置中之複數個室或多個所關注區進行過濾之第一過濾器組態器。在一些此等實施例中，第一過濾器組態器回應於第一互動式過濾器屬性之第一互動式過濾器輸入而對複數個室或多個所關注區施加第一動態約束。
而且，在一些實施例中，第一動態約束可約束複數個室或多個所關注區以自複數個室或多個所關注區產生待在使用者介面中顯示之第一組經過濾所關注區。在一些實施例中，第一過濾器組態器可進一步包括第一組態滑塊介面工具集，該第一組態滑塊介面工具集在過濾器視圖中用動態操縱進行操縱時限定微流體裝置中之數個動態受約束所關注區且至少部分基於動態操縱而進一步觸發過濾器視圖中之數個動態受約束所關注區之圖形表示。
在一些實施例中，顯現過濾器視圖可進一步包括在1010G處在過濾器視圖中針對微流體裝置動態地判定及顯示滿足第一動態約束之第一組經過濾所關注區之所關注區之第一總數目。在一些此等實施例中，顯現過濾器視圖可進一步包括在1012G處顯現回應於第一過濾器之第一動態約束之第一動態變化而動態地變動之第一直方圖，其中第一直方圖包括複數個室或所關注區之弱化直方圖，其覆疊於回應於第一動態約束之第一動態變化而動態地變動之第一直方圖之頂部上。在一些此等緊接在前的實施例中，過濾器視圖進一步包括關於第一組經過濾所關注區中之一經過濾所關注區之資訊，該資訊包括一或多個所關注區識別符、滿足第一動態約束之所關注區之第一總數目、繪示複數個室或多個所關注區在第一互動式過濾器屬性上之第一分佈之直方圖、繪示第一組經過濾所關注區在第一互動式過濾器屬性上之第二分佈之直方圖之突顯部分或其等任何組合。
在一些實施例中，顯現過濾器視圖可進一步包括在1014G處在過濾器產生模組處產生至少第二過濾器類型之第二過濾器及第三過濾器類型之第三過濾器之邏輯組合；在1016G處針對第二過濾器類型顯現第一過濾器選擇器開關，其中第一過濾器選擇器開關在被調用時用來判定第二過濾器類型、用於第二過濾器之第二屬性選擇器或用於第三過濾器之第三屬性選擇器。
另外或替代地，顯現過濾器視圖可進一步包括回應於第二過濾器屬性之判定，在1018G處顯現用於根據第二過濾器對複數個室或多個所關注區進行過濾之第二過濾器組態器，其中第二過濾器組態器回應於第二過濾器輸入而施加第二動態約束，該第二動態約束約束來自多個所關注區之待在使用者介面中顯示之經過濾所關注區之第二數目。
在一些此等實施例中，顯現過濾器視圖可進一步包括在1020G處，在過濾器視圖中針對微流裝置動態地判定及顯示滿足第二動態約束之經過濾所關注區之第二總數目；在1022G處，顯現回應於來自第二過濾器輸入之第二動態約束之第二動態變化而動態地變動之第二直方圖；及在1024G處，針對第二過濾器類型顯現第一過濾器選擇器開關，其中第一過濾器選擇器開關在被調用時用來判定第二過濾器類型及對應於第二過濾器類型之第二屬性選擇器。
另外或替代地，顯現過濾器視圖可進一步包括回應於第二過濾器類型之調用，在1026G處，在使用者介面中之過濾器視圖中針對一或多個第二過濾器之第二過濾器類型顯現第二屬性選擇器開關，其中該第二屬性選擇器在被調用時觸發第二過濾器類型之一或多個第二互動式過濾器屬性之清單之第二呈現。在一些此等實施例中，顯現過濾器視圖可進一步包括在1028G處，在過濾器產生模組中針對第三過濾器類型顯現第一過濾器選擇器開關，其中第一過濾器選擇器開關在被調用時用來判定第三過濾器類型及對應於第三過濾器類型之第三屬性選擇器。
而且，顯現過濾器視圖可進一步包括回應於第三過濾器類型之調用，在1030G處，在使用者介面中之過濾器視圖中針對一或多個第三過濾器之第三過濾器類型顯現第三屬性選擇器，其中第三屬性選擇器在被調用時觸發第三過濾器類型之一或多個第三互動式過濾器屬性之清單之第三呈現；及回應於第二互動式過濾器屬性之選擇，在1032G處，顯現用於根據第二過濾器對微流體裝置中之複數個室或多個所關注區進行過濾之第二過濾器組態器，其中第二過濾器組態器用來回應於第二互動式過濾器輸入而施加第二動態約束。
在一些此等實施例中，第二動態約束將來自第一過濾器之複數個室或多個所關注區約束成待在使用者介面中顯示之第二組經過濾所關注區；且第二過濾器組態器包括第二組態滑塊介面工具集，該第二組態滑塊介面工具集在用第二動態操縱進行操縱時將複數個室或多個所關注區限定成微流體裝置之單獨數目個動態受約束所關注區且進一步觸發至少部分基於第二動態操作而在過濾器視圖中顯現單獨數目個動態受約束所關注區之圖形表示。
在一些實施例中，顯現過濾器視圖可進一步包括回應於第三互動式過濾器屬性之選擇或判定，在1034G處，顯現用於根據第三過濾器對微流體裝置中之第二組經過濾所關注區進行過濾之第三過濾器組態器，其中第三過濾器組態器回應於第三互動式過濾器輸入而施加第三動態約束，且第三動態約束將來自第二過濾器之第二組經過濾所關注區約束成待在使用者介面中顯示之第三組經過濾所關注區。
在一些此等實施例中，顯現過濾器視圖可進一步包括在1036G處在過濾器視圖中針對微流體裝置動態地判定及顯示滿足第二動態約束之第二組經過濾所關注區之所關注區之第二總數目。在一些此等緊接在前的實施例中，顯現過濾器視圖可進一步包括在1038G處在過濾器視圖中針對微流體裝置動態地判定及顯示滿足第三動態約束之第三組經過濾所關注區之所關注區之第三總數目，其中過濾器視圖進一步包括關於第二組經過濾所關注區或第三組經過濾所關注區中之一經過濾所關注區之第二資訊，第二資訊包括一或多個所關注區識別符、分別滿足第二動態約束或第三動態約束之所關注區之第二總數目或第三總數目、繪示複數個所關注區在第二互動式過濾器屬性及第三互動式過濾器屬性上之單獨分佈之單獨直方圖、繪示第二組經過濾所關注區或第三組經過濾所關注區在第一互動式過濾器屬性上之第三分佈之單獨直方圖之單獨突顯部分或其等任何組合。
在一些實施例中，顯現過濾器視圖可進一步包括：在1040G處，顯現回應於來自第二互動式過濾器輸入之第二動態約束之第二動態變化而動態地變動之第三直方圖或散點圖；在1042G處，顯現回應於來自第三互動式過濾器輸入之第三動態約束之第三動態變化而動態地變動之第四直方圖或散點圖；在清單產生模組處產生第一所關注區清單。在一些實施例中，產生第一所關注區清單可包括以下至少一者：在1044G處，自使用者介面接收用於至少部分基於與使用者介面之第一互動而產生第一所關注區清單之第一指令，其中第一互動對應於在使用者介面中切換多狀態選擇器以在過濾器視圖中針對在一組經過濾所關注區中或在複數個室或多個所關注區中之選定所關注區設定選定狀態；在1046G處，在過濾器視圖中顯現清單產生開關，其中清單產生開關在被調用時用來產生第一所關注區清單以包含至少由來自該組經過濾所關注區或複數個室或多個所關注區之第一互動選擇之一或多個第一選定所關注區；或在1048G處，回應於與清單產生開關之互動而針對一或多個第一選定所關注區產生第一所關注區清單。
在一些實施例中，顯現過濾器視圖可進一步包括：在1050G處，在清單產生模組處產生第二所關注區清單；且在1050G處，至少部分基於一或多個過濾器而在過濾器視圖中以圖表呈現數個經呈現所關注區，其中該圖表繪示數個經呈現所關注區之一或多個性質如何相對於一或多個過濾器分佈。在一些此等實施例中，顯現過濾器視圖可進一步包括在1052G處，至少部分基於來自使用者介面之第二互動而接收第二指令，其中第二互動包括自數個經呈現所關注區選擇具有經使用者定義之曲線或直線邊界之所關注區子集，該使用者定義之曲線或直線邊界圍封在使用者介面中顯示與相關聯資料相關之資料之一或多個顯示區域。在一些此等緊接在前的實施例中，顯現過濾器視圖可進一步包括在1054G處，回應於清單產生開關之啟動而針對一或多個顯示區域產生第二所關注區清單，其中至少部分基於包括數個經呈現所關注區中之一或多個所關注區之一或多個特性之一或多個選擇準則而判定過濾器視圖中之使用者定義之曲線或直線邊界，且至少部分基於數個經呈現所關注區之第一性質而在過濾器視圖中以具有多個色彩或均勻色彩方案之熱圖顯示數個經呈現所關注區。
在一些實施例中，顯現過濾器視圖可進一步包括回應於指標裝置之游標懸停於過濾器視圖中之所關注區處或周圍，在1056G處，觸發彈出顯示區之產生以顯示關於所關注區之資訊，其中該資訊可由使用者至少部分基於所關注區之一或多個特性之選擇而組態。在一些此等實施例中，顯現過濾器視圖可進一步包括在1058G處，至少藉由將一或多個節點添加至使用者定義之曲線或直線邊界且藉由至少部分基於一或多個節點而修改使用者定義之曲線或直線邊界來修改該使用者定義之曲線或直線邊界。
圖10H-1及圖10H-2繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此一或多項實施例中，配置及顯示相關聯資料可包括產生生物資訊學管線視圖，其中產生生物資訊學管線視圖包括在1002H處，判定微流體裝置之複數個室或多個所關注區中之生物樣本之定序資料集，其中生物樣本包括核苷酸或氨基酸序列。在一些此等實施例中，產生生物資訊學管線視圖可進一步包括在1004H處，在使用者介面中接收定序資料集；且在1004H處，在使用者介面中識別與核苷酸或氨基酸序列相關之特性。
在一些實施例中，產生生物資訊學管線視圖可進一步包括回應於與使用者介面中之第一定序視圖介面工具集之第一互動，在1006H處，在生物資訊學管線視圖中顯現第一定序視圖，該第一定序視圖繪示複數個室或多個所關注區中之核苷酸序列或氨基酸序列之特性之分佈。在一些此等實施例中，產生生物資訊學管線視圖可進一步包括在1008H處，使第一定序視圖與第一資訊覆疊，該第一資訊包括核苷酸序列或氨基酸序列之特性之分佈之一或多個統計量度，其中使用者介面包括多個核苷酸序列或氨基酸序列之總數目、具有核苷酸序列或氨基酸序列之所關注區之總數目及所關注區陣列之各自所關注區中之一或多個核苷酸序列或氨基酸序列之各自總數目。
另外或替代地，產生生物資訊學管線視圖可進一步包括回應於第一定序視圖中之分佈之一部分上之第二互動，在1010H處使第一定序視圖與第二資訊覆疊，該第二資訊包括相對於第一定序視圖中之分佈之該部分與多個核苷酸序列或氨基酸序列之一或多個序列相關之一或多個可量化量度；及在1012H處，在使用者介面之生物資訊學管線視圖中接收與第一曲線或直線選擇介面工具集之第二互動，該第二互動觸發第一指令以至少部分基於第二互動之程度而消除生物資訊學管線視圖中之第一定序視圖之一部分。
在一些此等實施例中，產生生物資訊學管線視圖可進一步包括回應於與使用者介面中之第二定序視圖介面工具集之第三互動，在1014H處，在生物資訊學管線視圖中顯現第二定序視圖，該第二定序視圖繪示複數個室或多個所關注區中之核苷酸或氨基酸序列之特性之第二分佈，其中第二分佈包括回應於螢光染料之在複數個室或多個所關注區中之複數個生物樣本之各自強度，且各自強度與使用者可定製的各自色調相關聯。
在一些此等實施例中，產生生物資訊學管線視圖可進一步包括在1016H處，在生物資訊學管線視圖中接收與曲線或直線選擇介面工具集或不同曲線或直線選擇介面工具集之第四互動，該第四互動引起第二指令以至少部分基於第四互動之程度而自生物資訊學管線視圖中之第二定序視圖選擇一或多個所關注區；且在1016H處，自使用者介面接收用於產生第一所關注區清單之第五指令。
在一些實施例中，接收用於產生第一所關注區清單之第五指令可包括在1018處，至少部分基於生物資訊學管線視圖中之曲線或直線選擇介面工具集或不同曲線或直線選擇介面工具集而針對選自第二定序視圖之一或多個所關注區產生第一所關注區清單；及回應於包括選自第二定序視圖之一或多個所關注區之第一所關注區清單之產生，在1020H處，觸發調用用於將第二資料序列顯現至圖庫結構中之多個圖庫欄位或單獨圖庫結構中之操作之第六指令。
在一些此等實施例中，接收用於產生第一所關注區清單之第五指令可包括在1022H處，判定該動態寬度或多個圖庫欄位之各自圖庫欄位之不同動態寬度以在使用者介面中顯示；及在1024H處，以選自第二定序視圖之一或多個所關注區之各自所關注區之對應顯示性質顯現各自互動式物件。多向放置介面工具集被顯示於使用者介面中，讓使用者識別用於將單獨物件在1026H處添加至使用者介面中之添加指令，將被放置於使用者介面中之單獨物件可在1028H處判定候選放置位置，鬼影可在將單獨物件放置於使用者介面中之前於1030H處顯現，在1032H處可將單獨物件按扣至候選放置位置。
圖10H-3繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此一或多項實施例中，配置及顯示相關聯資料可包括在1034H處，在包含至少一個視圖之使用者介面中顯現多向放置介面工具集；及在1034H處，至少部分基於來自使用者之第一輸入而識別用於將單獨物件添加至使用者介面中之添加指令。
在一些此等實施例中，配置及顯示相關聯資料可包括在1036H處，至少部分基於第一輸入而自用於單獨物件之多個候選放置位置判定候選放置位置。在一些實施例中，在1038H處可在使用者介面中之候選位置處顯現鬼影物件以依圖形方式呈現在將單獨物件放置於使用者介面中之前相對於至少一個視圖待放置單獨物件之位置。在1040H處可在來自使用者輸入裝置之單獨輸入時將單獨物件按扣至候選放置位置，其中多向放置介面工具集在至少兩個正交方向上提供多個候選放置位置以將單獨物件放置於使用者介面中，且在將單獨物件放置於使用者介面中之後可個別地調整單獨物件之一或多個邊界。
在一些實施例中，第一輸入包括與使用者輸入裝置之游標相對於使用者介面中顯現之多向放置介面工具集之相對位置相關之資訊，或至少藉由對至少一個視圖重定大小以適應將單獨物件放置於使用者介面中之候選放置位置處來在使用者介面中以非重疊方式呈現至少一個視圖及單獨物件兩者。
圖10I繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此一或多項實施例中，配置及顯示相關聯資料可包括在第一時間點判定微流體裝置中之所關注區中之生物樣本之第一計數，判定第一計數包括在1002I處接收在第一時間點針對微流體裝置中之所關注區捕獲之第一影像資料。在1004I處可至少藉由將第一影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將第一影像資料預處理成第一經預處理影像資料。
在一些此等實施例中，判定第一計數可進一步包括在1006I處，至少藉由利用具有多個處理塊之廻旋神經網路(CNN)辨識所關注區中之生物樣本來判定生物樣本之第一計數；及在1008I處，至少藉由利用至少一機器學習模型將第一影像資料或第一經預處理影像資料分類成第一影像資料之第一類別或類型來判定第一類別或類型。在一些此等緊接在前的實施例中，在1008I處可至少藉由利用至少一機器學習模型將第一影像資料或第一經預處理影像資料分類成第一影像資料之第一類別或類型來判定第一類別或類型。
在1010I處可使用廻旋神經網路(CNN)至少部分基於第一類別或類型來判定所關注區中之生物樣本之第一計數。在1012I處可在圖形使用者介面(GUI)之圖庫視圖中顯示與所關注區之第一計數相關之文字或圖形資訊。
在一些實施例中，廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得廻旋神經網路中之廻旋層不具有一乘一過濾器。另外或替代地，廻旋神經網路不包括匯集層。
在一些實施例中，CNN中之多個處理塊可包括第一處理塊、第二處理塊及第三處理塊，第一處理塊包括將至第二減少取樣塊之第一輸入減少取樣成第一經減少取樣影像資料之第一減少取樣塊。在一些此等實施例中，第一處理塊可包括第一剩餘網路，其中第一剩餘網路在第一減少取樣塊之後，其中第一處理塊中之第一減少取樣塊及第一剩餘網路之各者包括至少一個第一廻旋層。
另外或替代地，第一剩餘網路包括第一平行路徑及第二平行路徑，第一平行路徑及第二平行路徑兩者自第一減少取樣塊接收第一減少取樣塊輸出，第一平行路徑包括第一過濾器大小，且第二平行路徑包括小於第一平行路徑之第一過濾器大小之第二過濾器大小。
在一些實施例中，多個處理塊進一步包括第四處理塊，該第四處理塊進一步包括：數個轉置廻旋層，該數個轉置廻旋層之各者之後係各自正規化層。在一些此等實施例中，數個轉置廻旋層中之一轉置廻旋層具有相同於第一處理塊中之至少一個第一廻旋層或第二處理塊中之至少一個第二廻旋層之步幅數目。
圖10J繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此一或多項實施例中，配置及顯示相關聯資料可包括產生差異基因表現視圖，其可包括在1002J處在差異基因表現模組處在第一時間點或時間週期接收與微流體裝置中之多個所關注區中之生物樣本相關之第一資料集；且在1002J處在差異基因表現模組處在第二時間點或時間週期接收與多個所關注區中之生物樣本相關之第二資料集。
而且，產生差異基因表現視圖可進一步包括：在1004J處針對生物樣本之第一資料集判定第一所關注區清單；及在1004J處針對生物樣本之第二資料集判定第二區清單。在一些此等實施例中，產生差異基因表現視圖可進一步包括在1006J處判定與第一時間點或時間週期與第二時間點或時間週期之間的第一可量化度量之變化相關之至少一個統計量度。在一些此等實施例中，至少一個統計量度包括倍性變化，且該變化包括在第一時間點或時間週期之第一可量化度量與在第二時間點或時間週期之第一可量化度量之間的第一比率。而且，至少一個統計量度包括在第一時間點或時間週期之第一可量化度量與在第二時間點或時間週期之第一可量化度量之間的第二比率之對數。
在一些實施例中，產生差異基因表現視圖可進一步包括在1008J處自與倍性變化滑塊介面工具集之第一使用者互動接收第一可組態約束值，其中第一可組態約束值抑制與生物樣本相關、展現低於第一可組態約束值之第一可量化度量之變化之第一資料。在一些此等實施例中，在1010J處可至少部分基於第一使用者互動而對第一資料集及第二資料集之至少一部分動態地過濾。另外或替代地，在1012J處可至少部分基於第一可組態約束值而在差異基因表現視圖中自第一資料集及第二資料集顯示第一差異基因表現資料，其中在差異基因表現視圖中抑制與第一資料集及第二資料集相關、展現低於第一可組態約束值之變化之第一資料。
圖10K-1及圖10K-2繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。在此一或多項實施例中，配置及顯示相關聯資料可包括在1002K處利用一組組態介面工具集針對與微流體裝置中之生物樣本相關之第一資料集組態生物資訊學管線視圖，其中複數個組態介面工具集包括以下至少一者：降維介面工具集、叢集化介面工具集、座標組態介面工具集、色標組態介面工具集、色標數目組態介面工具集、散點圖組態介面工具集、所關注區清單操縱模組或動態過濾滑塊介面工具集。
在一些此等實施例中，組態生物資訊學管線視圖可包括在1004K處自與降維介面工具集之第一互動接收生物樣本之第一資料集之數個主成分分析(PCA)組件。在一些此等緊接在前的實施例中，在1006K處可至少部分基於數個主成分分析組件而降低與生物樣本相關之第一資料集之維數。
另外或替代地，組態生物資訊學管線視圖可包括在1008K處自與叢集化介面工具集之第二互動接收生物樣本之第一資料集之Louvain叢集化參數值。在一些實施例中，在1010K處可至少藉由至少部分基於Louvain叢集化參數值而處理第一資料集來將生物樣本之至少一部分叢集化成一或多個叢集。
在一些實施例中，組態生物資訊學管線視圖可包括在1012K處自與座標組態介面工具集之第三互動判定用於在生物資訊學管線視圖中呈現第一資料集之至少一部分之座標系，其中第三互動自包括均勻流形近似及投影(UMAP)或主成分分析(PCA)之複數個選項選擇座標系。
在一些實施例中，組態生物資訊學管線視圖可包括在1014K處自與色標組態介面工具集之第四互動判定用於在生物資訊學管線視圖中呈現第一資料集之至少一部分之色標，其中第四互動自包括線性色標或對數色標之複數個選項選擇色標。
在一些實施例中，組態生物資訊學管線視圖可包括在1016K處自與色標數目組態介面工具集之第五互動判定用於在生物資訊學管線視圖中呈現第一資料集之至少一部分之色標數目，其中第五互動自包括單個色條或多個色條之複數個選項選擇色標數目。
在一些實施例中，組態生物資訊學管線視圖可包括在1018K處自與散點圖組態介面工具集之第六互動判定用於在生物資訊學管線視圖中呈現第一資料集之至少一部分之一或多個散點圖選項，其中第六互動自複數個散點圖選項選擇一或多個散點圖選項。
在一些實施例中，組態生物資訊學管線視圖可包括在1020K處自與所關注區清單操縱模組之第七互動判定第一資料集之一或多個所關注區清單之一或多個選項，其中第七互動自包括一或多個所關注區清單之第一清單選擇模式選項、第二清單選擇模式選項或識別符選項之複數個選項選擇一或多個選項。
在一些實施例中，組態生物資訊學管線視圖可包括在1022K處在生物資訊學管線視圖中識別生物樣本之第一資料集之至少一部分之圖形表示；及在1024K處動態地產生與生物樣本之第一資料集之至少一部分之圖形表示之動態產生範圍相關聯之動態過濾滑塊介面工具集。在一些此等實施例中，組態生物資訊學管線視圖可包括在1026K處至少部分基於與動態過濾滑塊介面工具集之動態產生範圍之第八互動而自與動態過濾滑塊介面工具集之第八互動判定動態值。在此等實施例中，回應於至少部分基於與動態產生範圍之第八互動判定之動態值，在1028K處可動態地再新生物樣本之第一資料集之至少一部分之圖形表示。
圖11A-1繪示一或多項實施例中之用於使用具有多個室之微流體裝置分析生物樣本之方法及/或系統之另一高階流程圖。在此一或多項實施例中，配置及顯示相關聯資料可包括在第一時間點判定微流體裝置中之所關注區中之生物樣本之第一計數，判定第一計數包括在1102A處接收在第一時間點針對微流體裝置中之所關注區捕獲之第一影像資料。在1104A處可至少藉由將第一影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將第一影像資料預處理成第一經預處理影像資料。
在一些此等實施例中，判定第一計數可進一步包括在1106A處至少藉由利用至少一機器學習模型將第一影像資料或第一經預處理影像資料分類成第一影像資料之第一類別或類型來判定第一類別或類型。在一些此等緊接在前的實施例中，在1106A處可至少藉由利用至少一機器學習模型將第一影像資料或第一經預處理影像資料分類成第一影像資料之第一類別或類型來判定第一類別或類型。
在一些實施例中，判定第一類別或類型可包括藉由使用廻旋神經網路之至少第一處理塊來處理複數個低階特徵。在一些此等實施例中，判定第一類別或類型可進一步包括判定第一類別或類型或對應於第一類別或類型之第一統計值，其中該第一統計值包括第一影像資料中之一或多個像素表示對應生物樣本特性之第一概率。
在1108A處可使用廻旋神經網路(CNN)至少部分基於第一類別或類型來判定所關注區中之生物樣本之第一計數。在1110A處可在圖形使用者介面(GUI)之圖庫視圖中顯示與所關注區之第一計數相關之文字或圖形資訊。
在一些實施例中，廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得廻旋神經網路中之廻旋層不具有一乘一過濾器。另外或替代地，廻旋神經網路不包括匯集層。
在一些實施例中，CNN中之多個處理塊可包括第一處理塊、第二處理塊及第三處理塊，第一處理塊包括將至第二減少取樣塊之第一輸入減少取樣成第一經減少取樣影像資料之第一減少取樣塊。在一些此等實施例中，第一處理塊可包括第一剩餘網路，其中第一剩餘網路在第一減少取樣塊之後，其中第一處理塊中之第一減少取樣塊及第一剩餘網路之各者包括至少一個第一廻旋層。
另外或替代地，第一剩餘網路包括第一平行路徑及第二平行路徑，第一平行路徑及第二平行路徑兩者自第一減少取樣塊接收第一減少取樣塊輸出，第一平行路徑包括第一過濾器大小，且第二平行路徑包括小於第一平行路徑之第一過濾器大小之第二過濾器大小。
在一些實施例中，多個處理塊進一步包括第四處理塊，該第四處理塊進一步包括：數個轉置廻旋層，該數個轉置廻旋層之各者之後係各自正規化層。在一些此等實施例中，數個轉置廻旋層中之一轉置廻旋層具有相同於第一處理塊中之至少一個第一廻旋層或第二處理塊中之至少一個第二廻旋層之步幅數目。
在一些實施例中，一種用於分析生物樣本之方法可首先識別微流體裝置中之多個所關注區中之生物樣本之分析。另外，可識別與分析相關之時間線。在一些實施例中，分析之一些實例可包含但不限於使用微流體裝置針對複數個生物樣本之化驗分析、定序分析等。
時間線可包括在時間上與生物樣本之分析之工作流程或管線對準之資訊。可判定多個所關注區之一或多種所關注區類型，其中一或多種所關注區類型包括與該等生物樣本之至少一個生物樣本相關之基於目標之類型或與微流體裝置相關之基於結構之類型。
如本文中所描述，在一些實施例中，所關注區可包含與所關注生物樣本之一或多個屬性、特性、性質及/或可量化度量等(例如，與所關注區中之細胞之直徑相關之經量測或經導出直徑或統計量度、所關注區中之基因之計數、針對所關注區培養之細胞之數目、自所關注區匯出之細胞之數目或百分比等)有關之基於目標之區。在一些實施例中，所關注區亦可包含與微流體裝置或其任何部分之一或多個屬性、特性、性質及/或可量化度量等(例如，微流體裝置或其之一部分之特性或結構態樣)有關之基於結構之所關注區。
在判定一或多種所關注區類型之情況下，在1108A處可至少部分基於一或多種所關注區類型而判定屬性、特性、性質或可量化度量。在前述實施例中，可針對基於目標之所關注區判定基於目標之屬性、特性、性質或可量化度量。另外或替代地，可針對基於結構之所關注區判定基於結構之屬性、特性、性質或可量化度量。
在1110A處可至少部分基於時間線及屬性、特性、性質或可量化度量而在使用者介面中針對生物樣本之至少一部分配置及顯示分別對應於多個所關注區之相關聯資料。相關聯資料之此一配置及顯示之實例可包含例如圖6C中之圖庫視圖、圖5A中之小型化圖庫視圖5A、例如圖4A中之晶片時間線圖、例如圖7H中之定序圖形或任何其他視圖或圖形。
圖11A-2及圖11A-3繪示一或多項實施例中之關於圖11A-1中所繪示之高階流程圖之一部分之更多細節。更具體而言，圖11A-2及圖11A-3繪示關於在圖11A-1之1108A處判定第一計數之更多細節。在此一或多項實施例中，判定第一計數可包括在1112A處至少藉由利用沿第二平行路徑具有第三維度與第三步幅之第三廻旋核心處理第一減少取樣塊輸出來減少處理第一影像資料時之空間資訊之第一損失，其中第三維度小於第一維度及第二維度，且第三步幅小於第一步幅。
在一些此等實施例中，第一處理塊可進一步包括第一重組層，該第一重組層之後係第二激發層，其中該第一重組層可操作地耦合至第一平行路徑及第二平行路徑兩者。在一些實施例中，多個塊進一步包括第二處理塊，該第二處理塊進一步包括：第二減少取樣塊，其將至第二減少取樣塊之第二輸入減少取樣成第二經減少取樣影像資料；及第二剩餘網路，其在第二減少取樣塊之後，其中第二處理塊中之第二減少取樣塊及第二剩餘網路之各者包括至少一個第二廻旋層。
在一些此等實施例中，第二減少取樣塊包括具有第四維度及針對第四深度之第四步幅之第四廻旋核心，且第四維度大於一乘一，且第四步幅大於一。在一些緊接在前的實施例中，第二廻旋核心之後係第二批次正規化層，該第二批次正規化層進一步之後係第二減少取樣塊中之第三激發層。另外或替代地，第二剩餘網路包括第三平行路徑及第四平行路徑，第三平行路徑及第四平行路徑兩者自第二減少取樣層接收第二減少取樣塊輸出，且第四平行路徑包括小於第三平行路徑之第二較大過濾器大小之第二較小過濾器大小。而且，第三平行路徑包括具有至少第五維度及針對第五深度之第五步幅之複數個第三廻旋核心，第五維度低於第四維度且大於一乘一，且第五步幅小於第四步幅。
在一些實施例中，判定第一計數可進一步包括在1114A處至少藉由利用沿第四平行路徑具有第六維度與第六步幅之第六廻旋核心處理第二減少取樣塊輸出來減少空間資訊之第二損失，其中第六維度小於第四維度及第五維度，且第六步幅小於第四步幅。在此等實施例中，第二處理塊進一步包括第二重組層，該第二重組層之後係第四激發層，其中該第二重組層可操作地耦合至第三平行路徑及第四平行路徑兩者。
在一些此等實施例中，多個塊進一步包括第三處理塊，該第三處理塊進一步包括：第三減少取樣塊，其將至第三減少取樣塊之第三輸入減少取樣成第三經減少取樣影像資料；及第三剩餘網路，其在第三減少取樣塊之後，其中第三處理塊中之第三減少取樣塊及第三剩餘網路之各者包括至少一個第三廻旋層。
在一些緊接在前的實施例中，第三減少取樣塊包括具有第七維度及針對第七深度之第七步幅之第七廻旋核心，且第七維度大於一乘一，且第七步幅大於一。另外或替代地，第七廻旋核心之後係第三批次正規化層，該第三批次正規化層進一步之後係第三減少取樣塊中之第五激發層。
而且，第三剩餘網路可包括第五平行路徑及第六平行路徑，第五平行路徑及第六平行路徑兩者自第三減少取樣層接收第三減少取樣塊輸出，且在一些實施例中第六平行路徑包括小於第五平行路徑之第三較大過濾器大小之第三較小過濾器大小，且第五平行路徑包括具有至少第八維度及針對深度值之第八步幅之複數個第八廻旋核心，第八維度低於第七維度且大於一乘一，且第八步幅小於第七步幅。
在一些實施例中，判定第一計數可進一步包括在1116A處至少藉由利用沿第六平行路徑具有第九維度與第九步幅之第九廻旋核心處理第三減少取樣塊輸出來減少空間資訊之第三損失，其中第九維度小於第七維度及第八維度，且第九步幅小於第七步幅，其中第三處理塊進一步包括第三重組層，該第三重組層之後係第六激發層，其中該第三重組層可操作地耦合至第五平行路徑及第六平行路徑兩者。
在一些此等實施例中，多個塊進一步包括第四處理塊，該第四處理塊進一步包括：數個轉置廻旋層，該數個轉置廻旋層之各者之後係各自正規化層，其中數個轉置廻旋層中之一轉置廻旋層具有相同於第一處理塊中之至少一個第一廻旋層或第二處理塊中之至少一個第二廻旋層之步幅數目。在一些此等緊接在前的實施例中，轉置廻旋層之數目對應於比第一處理塊及第二處理塊中之廻旋層之總數目小至少一個之值。
在一些實施例中，廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得廻旋神經網路中之廻旋層不具有一乘一過濾器。另外或替代地，廻旋神經網路不包括匯集層；且將第一影像資料預處理成第一經預處理影像資料包括至少部分基於所關注區或第一影像資料之類型而至少將第一影像資料縮減成第一經預處理影像資料，其中第一影像資料之類型對應於在其間捕獲第一影像資料以分析生物樣本之操作，且該操作包括匯出操作或匯入操作。
在一些實施例中，判定第一計數可進一步包括在1118A處至少部分基於生物樣本之第一幾何特性及所關注區之第二幾何特性而判定第一影像資料之像素大小，其中生物樣本之第一幾何特性包括生物樣本之直徑、外徑、內徑或面積，且所關注區之第二幾何特性包括所關注區或其之一部分之寬度或長度。
在一些此等實施例中，判定第一計數判定可進一步包括至少藉由在1120A處使用廻旋神經網路之至少第一處理塊來處理複數個低階特徵以判定該第一類別或類型；在1122A處，藉由至少使用廻旋神經網路之第三處理塊來處理複數個抽象特徵；及在1124A處，判定第一類別或類型或對應於第一類別或類型之第一統計值，其中第一統計值包括第一影像資料中之一或多個像素表示對應生物樣本特性之第一概率。
圖11B-1及圖11B-2繪示一或多項實施例中之關於圖11A-1中所繪示之高階流程圖之一部分之更多細節。更具體而言，圖11B-1及11B-2繪示關於判定圖11A-1中所繪示之生物樣本之第一計數(1108A)之更多細節。在此一或多項實施例中，判定第一計數可包括在步驟1102B處至少使用具有多個處理塊之廻旋神經網路(CNN)自在第二時間點或時間週期針對所關注區捕獲之第二影像資料判定生物樣本之第二計數。在1104B處可至少藉由在圖形使用者介面(GUI)之圖庫視圖中循序地顯現第一影像資料之一部分及第二影像資料之一部分來重播所關注區之視訊或影像序列。
另外或替代地，判定生物樣本之第二計數可包括在1106B處接收在第一時間點針對微流體裝置中之所關注區捕獲之第二影像資料；及在1108B處至少藉由將第二影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將第二影像資料預處理成第二經預處理影像資料。在此等實施例中，將第二影像資料預處理成第二經預處理影像資料包括至少部分基於所關注區或第二影像資料之類型而至少將第二影像資料縮減成第二經預處理影像資料，其中第二影像資料之類型對應於在其間捕獲第二影像資料以分析生物樣本之單獨操作，且該單獨操作包括該匯出操作、該匯入操作、單獨匯出操作或單獨匯入操作。
在一些實施例中，判定第二計數可進一步包括在1110B處利用至少一機器學習模型將第二影像資料分類成第一類別或類型；在1112B處，至少藉由利用具有多個處理塊之廻旋神經網路辨識所關注區中之生物樣本來至少部分基於第一類別或類型而在第二時間點判定生物樣本之第二計數。在一些此等實施例中，判定第二計數可進一步包含在1114B處自第一影像資料判定一或多個第一影像，該一或多個第一影像包括與第一計數相關且在時間上對應於第一時間點或時間週期之第一資訊。另外，在1116B處可自第二影像資料判定一或多個第二影像，該一或多個第二影像包括與第二計數相關且在時間上對應於第二時間點或時間週期之第二資訊；及在1118B處可至少藉由在圖形使用者介面中以時間序列動態地顯現一或多個第一影像及一或多個第二影像來呈現生物樣本之至少一部分之時間進度。
圖12A至圖12F繪示根據一或多項實施例之一些實例性微物件分離實例。更具體而言，一旦一組頂點已經運算，該組頂點可與OET及/或DEP力組合使用以移動微物件。圖12A至圖12F繪示根據本發明之各項實施例之微物件分離。圖12A繪示經指定空間區內之一組微物件之Delaunay三角量測及對應Voronoi圖。圖12B繪示無Delaunay三角量測之對應Voronoi圖。圖12C繪示通常用來移動覆疊於Voronoi圖上之微物件之光籠。圖12D繪示藉由運算圖12C之典型光籠與Voronoi圖之間的交叉而產生之經修改光籠。圖12E繪示使用經修改光籠分離彼此緊密接近之微物件。圖12F繪示經分離微物件。
在一項實施例中，藉由產生連結該組頂點之頂點子集之複數個光條而產生一或多個光籠，其中該頂點子集包括最接近且包圍待移動之各微物件之頂點(或由該等頂點組成)。例如，可使用圖12B中所展示之多邊形形狀之任一者以界定包圍微物件之光籠。在某些實施例中，以此方式形成之光籠可經收縮以由此分離光籠內之微物件與經指定空間區中之其他微物件及/或光籠。在其他實施例中，光籠可藉由將「標準」光籠設計(例如正方形或圓形)疊加於多邊形形狀上(參見圖12C)且產生起因於標準光籠設計與多邊形形狀之交叉之光籠(如圖12D中所繪示)而定義。在此實例中，頂點與光籠之交叉被定義為其中光籠不交叉或重疊之區域，從而允許重新繪製「標準」光籠使得其不干擾其他微物件。無論形成方法為何，一旦形成，便可使用光籠以藉由憑藉使微物件遠離彼此移動而重定位微物件來分離微物件。在一些例項中，可在重定位微物件時重新繪製經修改光籠使得在微物件處於最終位置中時繪製原始光籠。
在各項實施例中，可使用非標準(或「經修改」)光籠以重定位微物件。取決於實施例，使用兩個接近微物件之經修改光籠以在針對各微物件運算且選擇軌跡及至封存圈之指派之前或之後重定位微物件。在一些實施例中，使用經修改光籠以反覆地或循序地重定位微物件。另外，可使用經修改光籠以將微物件禁錮於其等經指派封存圈中。在一些實施例中，可在重定位或禁錮其他微物件之前重定位或禁錮最靠近空間區之周邊或在空間上最靠近之微物件。
圖13A繪示根據一或多項實施例之廻旋神經網路之簡化示意圖。圖14A至圖14C繪示根據一或多項實施例之剩餘網路、減少取樣塊及增加取樣塊之示意圖。圖14D至圖14G繪示一或多項實施例中之關於廻旋神經網路之更多細節。在各項實施例中，如所繪示，例如由圖13A之神經網路1300A提供廻旋神經網路(或CNN)。與實例性神經網路有關之額外細節在圖14A至圖14G中繪示且在描述此實施例時僅用於參考目的，因為由圖14A至圖14G捕獲之CNN特徵可結合圖13A之所繪示網路或本文中之各項其他實施例使用。
當對CNN進行程式化時，輸入係具有形狀(影像數目)×(影像高度)×(影像寬度)×(影像深度)之張量。接著在傳遞通過廻旋層之後，影像被抽象化為具有形狀(影像數目)×(特徵圖高度)×(特徵圖寬度)×(特徵圖通道)之特徵圖。廻旋層對輸入進行廻旋且將其結果以類似於視覺皮層中之神經元對特定刺激之回應之方式傳遞至下一層。儘管可使用完全連接的前饋神經網路來學習特徵並且對資料進行分類，但將此完全連接的前饋神經網路架構應用於影像係不切實際且昂貴的。
更具體而言，歸因於與影像相關聯之非常大輸入大小，即使在淺(與深相對)網路架構中，亦可能必需非常大量之神經元，其中各像素係相關變數。例如，大小100 (像素)×100 (像素)之(小)影像之完全連接層針對第二層之各神經元具有10,000個權重。廻旋操作帶來解決此麻煩問題之解決方案，因為廻旋減少自由參數之數目且因此允許網路在具有較少參數之情況下更深。例如，無論影像大小為何，各具有相同共用權重之大小5×5之拼接區僅需要25個可學習參數。藉由對較少參數使用正規化權重，可避免在傳統神經網路中反向傳播期間出現之消失梯度及爆炸梯度問題。
而且，在廻旋層中，神經元僅自先前層之受限子區域接收輸入。習知地，該子區域具有正方形形狀(例如，大小5×5)。在一些實施例中，該子區域具有矩形形狀，而非習知廻旋之正方形形狀。神經元之輸入區域可稱為神經元之感受域。因此，在完全連接層中，感受域係整個先前層。在本文中所描述之廻旋層中，感受區域小於整個先前層。在如本文在一些實施例中所描述之較深廻旋神經網路中，由於重複應用考量特定像素之值以及一些周圍像素之廻旋，因此隨著在廻旋神經網路架構中變得更深，感受域中之原始輸入影像之子區域不斷增長。
在一些實施例中，將神經元連接至先前體積中之所有神經元可係不切實際的，因為在處理諸如影像之高維輸入時，此一網路架構未考量資料之空間結構。在此等實施例中，廻旋神經網路可藉由在相鄰層之神經元之間執行稀疏局部連接能力型樣來利用空間局部相關性：各神經元僅經連接至輸入體積之小區。此連接能力之程度對應於神經元之超參數(例如，感受域)。該等連接在空間上係局部的(沿寬度及高度)且沿輸入體積之整個深度延伸。在此等實施例中，此一廻旋神經網路架構確保學習過濾器產生對空間局部輸入型樣之最強回應。
廻旋層之參數包含一組可學習過濾器(或核心)，該組可學習過濾器具有小感受域，但延伸通過輸入體積之全深度。在正向傳遞期間，各過濾器可跨輸入體積之寬度及高度廻旋，從而運算過濾器之條目與輸入之間的點積且產生該過濾器之二維激發圖。在此等實施例中，廻旋神經網路學習在其於輸入中之某個空間位置處偵測到某種特定類型之特徵時激發之該組可學習過濾器。
而且，堆疊用於沿深度維度之所有過濾器之激發圖形成廻旋層之全輸出體積。輸出體積中之每一條目因此亦可被解釋為查看輸入中之小區且與相同激發圖中之神經元共用參數之神經元之輸出。
在圖13A，神經網路1300A包含第一減少取樣塊1310A、第二減少取樣塊1330A及第三減少取樣塊1350A與相關聯第一處理塊(或剩餘網路塊) 1320A、第二處理塊1340A及第三處理塊1360A。第一減少取樣塊1310A接收輸入影像1301A。如所繪示，各減少取樣塊之後可為其相關聯處理(或剩餘)塊。處理(或剩餘)塊可為單分支或多分支，如下文詳細地論述。
CNN可包括複數個減少取樣塊(舉例而言，諸如如圖13A中之三個)，其中各減少取樣塊可包括減少取樣廻旋層(Conv)、批次正規化(norm)層及包括閘控功能之激發層。
圖14B繪示減少取樣塊1470B之實例，其接受輸入1471B並提供輸出1479B，且包含具有核心大小D×D之Conv 1474B、批次norm層1476B及激發層1478B。激發層可為例如ELU (指數線性單元)層或ReLU (整流線性單元)層。在各項實施例中，激發層直接自批次norm層接收影像資料，該批次norm層直接自減少取樣廻旋層接收影像資料。減少取樣廻旋層可用來減小其接收之影像資料之空間解析度。此將參考圖14D至圖14G更詳細地論述。
處理塊(或剩餘網路塊)可為單分支處理塊或多分支處理塊，其中各分支處理來自前一減少取樣塊之輸出，且接著組合兩個分支之輸出以產生經減少取樣激發圖以供對最終輸出進行進一步減少取樣或增加取樣。
圖14A繪示多分支處理塊1400A (或剩餘網路塊)之實例，其經組態以自上遊減少取樣塊(未描繪，參見與圖19相關之論述)接受輸入1405A (例如，呈激發圖之形式)。塊1400A包含第一分支1410A及第二分支1440A。第一分支1410A包含：第一廻旋層1415A (Conv)，其具有N×N之核心；第一批次正規化(norm)層1420A，其自第一Conv 1415A接收資料；第一激發層1425A (其可包含或充當閘控功能)，其自第一批次norm層1420a接收資料；第二Conv 1430A，其具有M×M之核心，接收傳遞通過第一激發層1425A之資料；及第二批次norm層1435A，其自第二Conv 1430A接收資料。應注意，Conv 1415A之核心(N×N)及Conv 1430A之核心(M×M)可具有相同大小或可不同。如圖14D至圖14F中所繪示(下文所論述)，來自所繪示剩餘網路中之串列Conv (廻旋)之核心係相同(3×3)。無論如何，Conv 1415A/1430A通常較佳具有大於1×1之核心。
第二分支1440A包含：第三Conv 1445A；第三批次norm層1450A，其自第三Conv 1445A接收資料；及第二激發層1455A (其可包含或充當閘控功能)，其自第三批次norm層1450A接收資料。塊1400A進一步包含重組層1460A，該重組層1460A接收來自第二批次norm層1435A之資料及傳遞通過第二激發層1455A之資料。最後，塊1400A包含塊激發層1462A，該塊激發層1462A可針對在自塊1400A產生輸出1464A以供進一步處理之前自重組層1460A接收之資料充當閘控功能。如上文所提及，激發層可為例如ELU或ReLU。在各項實施例中，(若干)激發層係ELU。
在圖14A至圖14C中，第二分支1440A處理自前一減少取樣塊接收之影像資料達小於第一分支1410A之程度。特定而言，第二分支1440A之第三Conv 1445A使用1×1之過濾器視窗(或維度或核心)，而第一分支1410A之第一及第二Conv 1415A/1430A分別使用如上文所論述通常將大於1×1之過濾器視窗(或維度或核心) N×N及M×M。可取決於需要、考量舉例而言諸如影像類型、影像品質、物件類型、物件大小、物件形狀、輸出要求、時間約束、步幅長度(下文所論述)及功率/處理資源之因素而視需要調整此等過濾器視窗。例如，第一及第二Conv 1415A/1430A可使用3×3之過濾器視窗(或維度) (參見下文繪示此過濾器視窗大小之圖14D至圖14F)。
雖然圖14A至圖14C中之兩個分支具有具步幅一之Conv，但步幅亦可不同。然而，為允許重組層1460A高效，使第一分支1410A上之Conv 1415A/1430A之步幅相乘之乘積必須等於第二分支1440A之Conv 1445A之步幅。
在激發步驟之前插入批次正規化層提供有助於最小化內部共變量偏移之優點。因而，藉由在Conv之後插入批次norm層且藉由延伸，批次norm可正規化Conv之輸出，因此將經正規化資料提供至激發步驟，從而允許激發之更穩定分佈。藉由在反向傳播程序期間最小化內部共變量偏移，可經由更高學習速率(權重更新之程度)更積極地完成訓練神經網路，從而導致更快CNN學習而不損失效率及準確度，因為CNN朝著網路中之給定過濾器之最佳參數而努力。
此外，將經最低限度處理之資訊之分支(例如，1×1 Conv分支)添加於剩餘網路允許在訓練期間更容易地學習。此經最低限度處理之分支提供用來追蹤先前參數對最終結果之影響之更直接途徑。實際上，此分支在給定剩餘網路內用於幾乎相同於跳躍連接(下文更詳細地論述)之目的，從而允許某個資訊傳遞通過網路而不變以免損失可在減少取樣期間丟失之空間資訊。
總而言之，因此，相對於此項技術中已知之神經網路，單獨及結合批次正規化層使用剩餘網路允許在訓練期間更容易地及更有效地學習。此優點係藉由例如在減少取樣期間保留更多空間資訊及最小化內部共變量偏移來完成。亦使用跨步(下文更詳細地論述) (其相對於已知方法(諸如匯集)在減少取樣期間允許更多重疊)以及跳躍連接(其允許在神經網路程序期間正向饋送經更少處理之資訊(在如上文所論述之減少取樣步驟內且在如下文將論述之增加取樣步驟之前))來完成最小化空間資訊之損失。匯集層藉由將一個層處之神經元叢集之輸出組合至下一層中之單個神經元中來減少資料之維度。局部匯集組合小叢集(例如，2×2)。全域匯集作用於廻旋層之所有神經元。匯集可運算最大值或平均值。最大匯集使用來自先前層處之神經元叢集之各者之最大值。平均匯集使用來自先前層處之神經元叢集之各者之平均值。各項實施例可採用一或多個局部匯集層、一或多個全域匯集層、一或多個平均匯集層、一或多個最大匯集層或其等任何組合。
藉由使用多分支剩餘網路(尤其具有使用1×1過濾器視窗(即，未經減少取樣)之分支之一者)，允許神經網路對來自前一Conv之輸出資料進一步廻旋同時維持相同解析度以確保在重組層860處組合作為單個視窗之每一像素之分析與來自另一分支(其可以更大核心或過濾器大小經歷多次廻旋)之資料以輸出為進一步減少取樣準備之品質影像資料(未自前一Conv減少取樣)。
返回至圖13A，神經網路1300A進一步包含第一增加取樣塊1370A、第二增加取樣塊1380A及第三增加取樣塊1390A，其中輸出1399A在第三增加取樣塊1390A之後。各增加取樣塊可包括轉置廻旋(或解廻旋)層、增加取樣批次norm層及包括閘控功能之增加取樣激發層。
圖14C繪示增加取樣塊1480C之實例，其接受輸入1481C並提供輸出1489C，且包含具有核心大小Z×Z之轉置Conv 1484C、批次正規化(批次norm)層1486C及激發層1488C。將關於圖14D至圖14G更詳細地論述此等子組件。各增加取樣塊之轉置廻旋層可經組態以增加其接收之影像資料之空間解析度，且由此重建經減少取樣輸出。另外，增加取樣塊之一或多者亦可包含重組層，藉此(經由跳躍連接，下文所論述)合併來自增加取樣批次正規化層之影像資料與來自前一剩餘網路塊之影像資料。
關於神經網路之架構，增加取樣塊之數目可經組態以等於減少取樣塊之數目。在各項實施例中，神經網路具有n個減少取樣塊、n個剩餘網路(或處理)塊、n個增加取樣塊及包含重組層之n-1個增加取樣塊(參見圖14G之論述)。如下文將更詳細地論述，當空間解析度在減少取樣程序期間以分數減小時，吾人可期望以相同分數率增加空間解析度。例如，若空間解析度每次透過減少取樣塊(或經組合減少取樣塊及剩餘網路塊)減半(1/2)，則繼而最有效的可為使空間解析度加倍(2倍)回至原始影像尺寸。此可能導致相等數目個減少取樣塊及增加取樣塊。
例如，在圖13A中，各Conv使影像資料之空間解析度減小2倍且各轉置Conv使影像資料之空間解析度增加2倍。空間解析度減小可例如藉由每次使廻旋過濾器(或核心)滑動兩個像素來完成。此兩像素滑動稱為步幅長度。在每次滑動兩個像素之情況中，步幅將係二。藉由使用步幅長度2，Conv可藉由使自Conv輸出之激發圖之尺寸減半而減少取樣。
然而，藉由跨步而非如上文所教示之匯集，可避免損失可在匯集中固有的空間資訊。過濾器大小判定被拉入單像素分析中以影響網路中之下一層之各像素之局部資訊量。一般而言，過濾器大小係奇數以便集中於所關注像素。例如，5×5過濾器將檢驗周圍24個像素以分析給定區域之一個中心像素。利用匯集，檢驗第一區域以高效地判定對應於該第一區域中之像素之單個值。一旦過濾器移動至第二區域上，在該過濾器掃及期間不再分析第一區域中之像素。取決於所進行之影像分析之類型(例如所偵測之物件類型)，此可導致極具誤導性、粗略或不準確的結果。
另一方面，使用步幅理論，一旦檢驗第一區域(例如5×5區域)且第二區域(亦係5×5)出現兩像素步幅，便將存在明顯重疊使得像素點將被查看一次以上且針對多個像素納入考量，但仍始終允許減少取樣，因為兩像素步幅取樣之最終結果將導致先前大小之一半之影像輸出(激發圖輸出)。因此，利用跨步，將發生減少取樣且與匯集相較具有小得多的空間資訊損失。用於判定適當步幅長度之因素包含例如影像類型、影像品質、物件類型、物件大小、物件形狀、輸出要求、時間約束及功率/處理資源。
如所繪示，若輸入影像1301A之空間解析度係X，則減少取樣塊1310A可將空間解析度減小一半至X/2，接著藉由減少取樣塊1330A減小至X/4，接著藉由減少取樣塊1350A減小至X/8。增加取樣塊1370A接著可使X/8輸入加倍至X/4，塊1380A使X/4輸入加倍至X/2且塊1390A使X/2輸入加倍至X，或在輸出1399A處加倍至原始大小。圖13A在視覺上用各減少取樣塊之遞減高度及各增加取樣塊之遞增高度表示此。
隨著減少取樣進行，CNN可經設計以增加其處理之特徵複雜度，自較低階特徵分析至較高階特徵分析。如前文所論述，為進一步使CNN能夠偵測更複雜特徵，可添加額外Conv以分析來自先前Conv (即，激發圖)之輸出。例如，若第一Conv查找基本特徵(諸如曲線或邊緣)，則第二Conv可查找更複雜特徵(諸如形狀)，其可為在先前Conv層中偵測到之個別特徵之組合。藉由提供一系列Conv，CNN可偵測愈來愈高階之特徵以最終達到特定所要物件偵測。而且，因為Conv彼此上下堆疊以分析先前激發圖輸出，所以堆疊中之各Conv自然地憑藉在各Conv層級處發生之按比例縮小來分析愈來愈大的感受域，由此允許CNN在偵測所關注物件時回應於像素空間之生長區。
在圖13A中，各Conv及處理塊將通道深度增加2倍且各增加取樣塊將通道深度減小2倍直至第三增加取樣塊1390A。如所繪示，在減少取樣塊1310A及處理塊1320A處，使用32個通道或過濾器。在減少取樣塊1330A及處理塊1340A處，通道數目係64。最後，減少取樣塊1350A及處理塊1360A使用128個通道。相反地，增加取樣塊1370A使通道減半回至64，增加取樣塊1380A使通道減半至32且增加取樣塊1390A使通道減半至3 (其重要性將在下文更詳細地論述)。圖13A在視覺上用各減少取樣塊之遞增寬度及各增加取樣塊之遞減寬度(除最終塊1390A以外)表示此通道使用增加及減小。
雖然空間解析度之改變速率(原始、X/2、X/4、X/8、X/4、X/2、原始)與通道深度之改變速率幾乎相反(0、32、64、128、64、32、3、0)，但此對CNN架構而言係非必需的。然而，空間解析度對通道數目之一致改變有利地允許CNN藉由使過濾器深度之循序增加與輸入資料(激發圖尺寸)之循序減小抵消而最大化輸出1399A之時間、處理功率及品質。實際上，當CNN上之處理需求透過各連續減少取樣塊而隨過濾器之深度增加時，CNN藉由減小通過各連續減少取樣塊之影像陣列輸入(激發圖尺寸)而抵消此以允許CNN跨更大深度分析更小輸入。對應地，發生相反情況以使增加取樣塊恢復至輸出1399A。
影像體積之重建亦可由跳躍架構形式輔助。例如，插入於神經網路內之跳躍連接可將資訊自先前減少取樣層投射至隨後增加取樣層使得此先前、經最低限度處理之資訊變為重建程序之部分。在不使用跳躍架構之情況下，將在減少取樣程序期間丟失在初始Conv層中捕獲、可在增加取樣期間極力輔助重建之某個資訊。換言之，此有價值資訊將已經減少取樣至其對待進一步使用之資訊而言過於抽象之點。使用跳躍架構將此資訊自原生層饋送至稍後減少取樣層允許先前資訊經保留且用於有效增加取樣。
在各項實施例中，神經網路可包含：第一增加取樣塊，其具有(例如，經由跳躍連接)自第二剩餘網路塊接收影像資料之重組層；第二增加取樣塊，其具有(例如，經由跳躍連接)自第一剩餘網路塊接收影像資料之重組層；及第三增加取樣塊，其不包含重組層。
在圖13A，例如，提供第一跳躍連接1392A及第二跳躍連接1394A。第一跳躍連接1392A以X/2解析度將輸出資訊自處理塊1320A正向饋送至增加取樣塊1380A之重組層，亦以X/2解析度用於批次後norm處理(下文所論述)。經由此跳躍連接，神經網路以相同於對應增加取樣塊之解析度提供先前且經最低限度處理之資訊，以允許更準確及有效的增加取樣。第二跳躍連接1394A藉由以X/4解析度將輸出資訊自處理塊1340A正向饋送至增加取樣塊1370A之重組層，亦以X/4解析度用於批次後norm處理(下文所論述)而類似地起作用。
如上文所提及，CNN可用於諸多目的，包含影像分類及影像偵測(亦係影像內之物件偵測)。因而，取決於CNN之目標，輸出必須應答向CNN提出之主要問題。在本文中之各項實施例中，CNN用於影像偵測。在各項實施例中，影像偵測可用於偵測所關注物件。在各項實施例中，所關注物件可為微物件。在各項實施例中，影像偵測可用於將微物件分類成複數種微物件類型之至少一者。在各項實施例中，微物件係生物細胞。在各項實施例中，生物細胞係免疫細胞，舉例而言，諸如T細胞、B細胞、NK細胞、巨噬細胞或其等組合。在各項實施例中，生物細胞係來自細胞株之細胞(例如，CHO細胞)或癌細胞。在各項實施例中，生物細胞係卵母細胞、精子或胚胎。
關於三個通道在圖13A之增加取樣塊1390A中之所繪示使用，在各項實施例中，利用CNN之系統自影像輸入獲得微物件計數。該系統可藉由標註輸入影像之複數個像素而如此做，該組之各像素標註表示影像中之對應像素表示對應微物件特性之概率。自此分析，可獲得微物件計數。在各項實施例中，複數個微物件特性包括至少三個微物件特性。在各項實施例中，複數個微物件特性包括至少微物件中心、微物件邊緣及非微物件(或細胞中心、細胞邊緣及非細胞)。圖13A之增加取樣塊1390A藉由其三個通道深度而繪示此三個微物件特性化。因而，圖13A之最後一個增加取樣塊1390A提供神經網路1300A判定準確微物件(例如細胞)計數所必需之物件特性化。
圖14D至圖14G繪示根據各項實施例之更詳細廻旋神經網路(CNN) 1400D之示意圖。該示意圖併入上文所論述之諸多神經網路原理且出於該原因，此等原理將不再詳細地重複。然而，應注意，雖然該等原理可類似，但在本文中之各項實施例中使用之參數皆可基於如上文所論述之特定原因(其包含例如影像類型、影像品質、物件類型、物件大小、物件形狀、輸出要求、時間約束及功率/處理資源)而變動。因而，圖14D至圖14G之示意圖中使用之參數僅係實例。
出於定向目的，圖14D自左至右繪示根據各項實施例之第一減少取樣塊1410D，接著繪示第一剩餘網路塊1420D。圖14E自左至右展示根據各項實施例之自(圖14D之)第一剩餘網路塊1420D接收資料之第二減少取樣塊1430E，接著展示第二剩餘網路塊1440E。圖14F自左至右展示根據各項實施例之自(圖14E之)第二剩餘網路塊1440E接收資料之第三減少取樣塊1450F，接著展示第三剩餘網路塊1460F。圖14G自左至右展示第一增加取樣塊1470G、第二增加取樣塊1480G及第三增加取樣塊1490G。第一增加取樣塊1470G自第三剩餘網路塊960(圖14F)接收資料，且包含第一增加取樣重組層1476G，藉此重組來自第一增加取樣塊1470G之批次正規化層之資料與經由第二跳躍連接1494E自第二剩餘網路塊1440E之最終ELU層1448E正向饋送之資料。類似地，第二增加取樣塊1480G包含第二增加取樣重組層1486G，藉此重組來自第二增加取樣塊1480G之批次正規化層之資料與經由第一跳躍連接1492D自第一剩餘網路塊1420D之最終ELU層1428D正向饋送之資料。
再次參考圖14D，CNN 1400D包含經組態以接收影像輸入1401D之第一減少取樣塊1410D。第一減少取樣塊1410D包含第一Conv 1412D、第一批次norm層1414D及第一激發層1416D (例如，圖14D中之ELU)。第一Conv 1412D可具有針對核心大小及步幅之不同參數。在此，核心係5×5且步幅係兩個像素。來自層1416D之輸出饋送給第一剩餘網路塊1420D，其包含第一分支1422D及第二分支1424D。剩餘網路之佈局之一般論述可參見圖14A至圖14C。在第一分支1422A中，兩個Conv具有3×3之核心大小。圖14D亦繪示正向饋送輸出第一重組層1426D及第一ELU 1428D之後的資料之第一跳躍連接1492D之起點，如上文所論述。亦應注意，針對CNN 1400D之此級按比例縮小2倍(減少取樣至½空間解析度)且在此級處使用32個特徵通道。
參考圖14E，CNN 1400E進一步包含第二減少取樣塊1430E，其包含第二Conv 1432E、第二批次norm層1434E及第二激發層1436E (例如，圖14E中之ELU)。第二減少取樣塊1430E經組態以自第一ELU 1428E接收輸出。第二Conv 1432E可具有針對核心大小及步幅之不同參數。在此，核心亦係5×5且步幅亦係兩個像素。來自層1436E之輸出饋送給第二剩餘網路塊1440E，其包含第三分支1442E及第四分支1444E。剩餘網路之佈局之一般論述可參見圖14A至圖14C。在該第三分支1442E中，兩個Conv具有3×3之核心大小。圖14E亦繪示正向饋送輸出第二重組層1446E及第二ELU 1448E之後的資料之第二跳躍連接1494E之起點，如上文所論述。亦應注意，相對於圖14D之前一級，CNN 1400E之此級按比例縮小2倍(相對於原始減少取樣至¼空間解析度)且在此級處使用64個特徵通道。
參考圖14F，CNN 1400F包含第三減少取樣塊1450F，其包含第三Conv 1452F、第三批次norm層1454F及第三激發層1456F (例如，圖14F中之ELU)。第三減少取樣塊1450F經組態以自第二ELU 1448E接收輸出。第三Conv 1452F可具有針對核心大小及步幅之不同參數。在此，核心亦係5×5且步幅亦係兩個像素。來自層1456F之輸出饋送給第三剩餘網路塊1440F，其包含第五分支1462F及第六分支1464F。剩餘網路之佈局之一般論述可參見圖14A至圖14C。在第五分支1462F中，兩個Conv具有3×3之核心大小。亦應注意，CNN 1400F之此級按比例縮小2倍(減少取樣至1/8空間解析度)且在此級處使用128個特徵通道。第五分支1462F及第六分支1464F之輸出可在將經組合輸出傳輸至線性單元1468F (例如，指數線性單元、整流線性單元(ReLU)等)之前在組合層1466F中組合。
參考圖14G，CNN 1400G之此部分包含第一增加取樣塊1470G、第二增加取樣塊1480G及第三增加取樣塊1490G。第一增加取樣塊1470G包含第一增加取樣Conv 1472G、第一增加取樣批次norm層1474G、第一增加取樣重組層1476G及第一增加取樣激發層1478G (例如ELU)。第一增加取樣重組層1476G經組態以自第一跳躍連接1492D接收輸入，組合該輸入與來自第一增加取樣批次norm層1474G之輸出，且將該經組合輸出饋送至第一增加取樣激發層1478G。如上文參考減少取樣Conv 1412D/1432E/1452F所論述，增加取樣Conv層可具有針對核心大小及步幅之不同參數。在此，第一增加取樣Conv 1472G之核心係5×5且步幅係兩個像素。亦應注意，相對於來自第三剩餘網路1460F之輸出，CNN 1400G之此級按比例放大2倍(增加取樣至¼空間解析度)且在此級處使用64個特徵通道。
第二增加取樣塊1480G包含第二增加取樣Conv 1482G、第二增加取樣批次norm層1484G、第二增加取樣重組層1486G及第二增加取樣激發層1488G (例如，ELU)。第二增加取樣重組層1486G經組態以自第二跳躍連接1494E接收輸入，組合該輸入與來自第二增加取樣批次norm層1484G之輸出，且將該經組合輸出饋送至第二增加取樣激發層1488G。如上文參考減少取樣Conv 1412D/1432E/1452F所論述，增加取樣Conv層可具有針對核心大小及步幅之不同參數。在此，第二增加取樣Conv 1482G之核心係5×5且步幅係兩個像素。亦應注意，相對於來自第一增加取樣塊1470G之輸出，CNN 1400G之此級按比例放大2倍(增加取樣至½空間解析度)且在此級處使用32個特徵通道。
第三增加取樣塊1490G包含第三增加取樣Conv 1492G、第三增加取樣批次norm層1494G及第三增加取樣激發層1496G (例如，ELU)。層1496G產生用於CNN 1400G之輸出1499G。如上文參考減少取樣Conv 1412D/1432E/1452F所論述，增加取樣Conv層可具有針對核心大小及步幅之不同參數。在此，第三增加取樣Conv 1492G之核心係5×5且步幅係兩個像素。亦應注意，相對於來自第二增加取樣塊1480G之輸出，CNN 1400G之此級按比例放大2倍(增加取樣至原始空間解析度)且在此級處使用3個特徵通道。
如上文關於圖13A所論述，在各項實施例中，利用CNN之系統自影像輸入獲得微物件計數。該系統可藉由標註輸入影像之複數個像素而如此做，該組之各像素標註表示影像中之對應像素表示對應微物件特性之概率。自此分析，可獲得微物件計數。在各項實施例中，複數個微物件特性包括至少三個微物件特性。在各項實施例中，複數個微物件特性包括至少微物件中心、微物件邊緣及非微物件(或細胞中心、細胞邊緣及非細胞)。圖14G之增加取樣塊1490G藉由其三個通道深度而繪示此三個微物件特性化。因而，圖14G之最後一個增加取樣塊1490G提供神經網路1400G判定準確微物件(例如細胞)計數所必需之物件特性化。
根據各項實施例，揭示用於自動地偵測影像中之微物件之系統及方法。在各項實施例中，微物件係生物細胞。在各項實施例中，生物細胞係免疫細胞，舉例而言，諸如T細胞、B細胞、NK細胞、巨噬細胞或其組合。在各項實施例中，生物細胞係來自細胞株之細胞(例如，CHO細胞)或癌細胞。在各項實施例中，生物細胞係卵母細胞、精子或胚胎。
圖15繪示根據一或多項實施例之用於自動地偵測影像中之微物件之方法之簡化實例性流程圖。更具體而言，圖15係繪示根據各項實施例之用於自動地偵測影像中之微物件之方法之實例性流程圖。實例性流程圖可在例如圖16之系統1600上實行，如下文將詳細地描述。如本文中所描繪，可由系統1600之影像採集單元1602之成像元件1606實行之步驟1510包含接收微流體裝置之成像資料。
如本文中所描繪，步驟1520詳述可由系統1600之影像採集單元1602之影像預處理引擎1608實施之實例性工作流程步驟。在步驟1520處，該方法包含預處理影像資料以減少影像資料中之異常。
如本文中所描繪，步驟1530詳述可由系統1600之微物件偵測單元1604之神經網路1610實施之實例性工作流程步驟。在步驟1530處，該方法使用神經網路處理成像資料中之像素資料以根據複數個微物件特性標註像素資料且輸出像素資料中之各像素之概率值。輸出概率值可呈複數個像素遮罩之形式，各遮罩對應於來自複數個微物件特性之微物件特性。各遮罩可包括關於與該遮罩相關聯之特定微物件特性之影像之一組像素標註(或一組概率值)。
如本文中所描繪，步驟1540至1550詳述可由系統1600之微物件偵測單元1604之臨限值引擎1612實施之實例性工作流程步驟。在步驟1540處，該方法包含應用臨限值以判定哪些像素概率至少滿足經定義臨限值。
如本文中所描繪，步驟1540詳述可由系統1600之微物件偵測單元1604之偵測引擎1614實施之實例性工作流程步驟。在步驟1550處，該方法包含基於在臨限值應用之後可識別之微物件之數目而判定微物件計數。
圖16繪示根據一或多項實施例之用於自動地偵測影像中之微物件之簡化實例性系統。更具體而言，圖16繪示根據各項實施例之用於自動地偵測影像中之微物件之系統之實例性示意圖。如本文中所描繪，系統1600可包含影像採集單元1602、影像預處理引擎1608、微物件偵測單元1604及用於輸出最終微影像之輸入/輸出裝置(I/O裝置) 1616。
I/O裝置1616可經組態以包含例如圖5O中所繪示之系統之相關聯顯示裝置及/或輸入裝置512O，其可呈可傳送至例如影像採集單元1602、影像預處理引擎1608、微物件偵測單元1604或其等組合之資料之形式(例如，參數、使用者要求等)。I/O裝置1616亦可經組態以經由例如圖5O中所繪示之系統之相關聯顯示裝置及/或輸入裝置512O接收使用者輸入，其可呈可傳送至例如影像採集單元1602、影像預處理引擎1608、微物件偵測單元1604或其等組合之資料之形式(例如，參數、使用者要求等)。替代地或組合地，電腦系統之輸入裝置512O (例如，圖5O)亦可用來將使用者輸入、參數及/或類似物直接傳送至例如影像採集單元1602、影像預處理引擎1608、微物件偵測單元1604或其等組合。而且，I/O裝置1616可經組態以在嵌入式顯示裝置上顯示自例如偵測引擎1614接收之資料或影像。裝置1616亦可經組態以將資料或影像傳送至用於資料或影像顯示之單獨顯示器。
影像採集單元1602可包含成像元件1606 (諸如但不限於一或多個相機、一或多個影像感測器等)。替代地，單元1602亦可經組態以包含(或容置)影像預處理引擎1608。
成像元件1606可經組態以捕獲一或多個影像(或影像資料)。該等影像可為例如微流體裝置之複數個室(例如，封存圈)及/或周圍結構(例如，通道)。微流體裝置可包含本文中所描述之各種實例之任一者(諸如但不限於，上文在圖3A至圖3E中所描繪之微流體裝置100、200、230等)。微流體裝置可包含流動區及可流體連接至流動區之一或複數個室，其中該等室之各者可保存一或多個微物件。如先前所提及，該等室可為例如封存圈。應明白，該等室可具有如其等所用於之特定應用所需之任何形狀、大小或定向。流動區可為單個微流體通道或複數個微流體流動通道(諸如但不限於，上文如圖3A中所繪示之通道122A及圖3G中所繪示之流動通道264)，其等提供單個流動路徑或複數個流動路徑(諸如但不限於上文在圖3A中所描繪之流動路徑106A)。流動區可與單個或複數個室流體連通。替代地，流動區可經由可逆封閉物(諸如舉例而言閥)與單個室或複數個室流體連通。流動區可經組態以經由入口接收材料流，如先前所描述。材料流可包含例如微物件之流、黏結劑或試劑，或包含該材料之介質流。
在各項實施例中，成像元件1606亦可經組態以在正向發送以供進一步處理之前對經捕獲影像重定大小。重定大小可例如藉由併像(binning) (例如，四個像素至一個像素)來完成。根據各項實施例，影像預處理引擎1608可經組態以準備影像以用於進一步分析。例如，若捕獲影像在由引擎1608接收之前併像，則引擎1608可將影像重定大小為全大小以補償併像。引擎1608可使用例如像素值之間的線性內插來重定大小。引擎1608可視需要將影像翻轉及/或旋轉至一所要定向。引擎1608可使用例如藉由檢驗在點之間具有已知間隔之點陣列而運算之查找表來將失真校正步驟應用於影像。
在各項實施例中，引擎1608可跨影像執行調平亮度程序。例如，引擎1608可使用多項式最佳擬合校正，諸如二次或更高次多項式最佳擬合校正。視情況，可使用正弦波或指數函數代替多項式函數。可藉由將影像亮度乘以縮放影像來達成調平，且在系統校準期間判定最佳擬合函數之所要乘數。引擎1608亦可執行輻射校正，以減去源於例如自發螢光之背景亮度。
在各項實施例中，影像預處理引擎1608可經組態以獲得包括微流體裝置之複數個特徵(例如，(若干)通道、(若干)圈、(若干)阱、框架、流動區、光電晶體陣列等)之視場影像，其中影像預處理引擎1608可將視場影像裁剪成至少兩個經裁剪影像。該影像預處理引擎可經組態以裁剪該影像。可根據自經校準影像獲得之資訊執行裁剪。在一些例項中，影像之校準可包括識別微流體裝置之一或多個特徵且將該等特徵建立為可自其參考影像之基準或基線。亦可基於本文中所揭示之方法之任一者執行裁剪以識別各視場影像之特徵。可基於微流體裝置之一或多個特徵(例如，(若干)通道、(若干)圈、(若干)阱、(若干)微物件位置、亮度等)而產生經裁剪影像。在一些實施例中，該預處理引擎可一次對單個視場執行裁剪。在替代實施例中，該預處理引擎可對多個視場並行地執行裁剪。
影像預處理引擎1608可經組態以將一或多個視場影像裁剪成具有特徵或特性之經裁剪影像。例如，預處理引擎1608可接收包括多個室、圈、阱或微物件之視場影像。影像預處理引擎1608可接收視場影像且接著將視場影像轉換成一系列經裁剪影像。在一些例項中，影像預處理引擎1608可經組態以將視場影像裁剪成複數個經裁剪影像，其中各經裁剪影像包括單個特徵(例如，單個室、圈、阱，或該複數個室、圈、阱之微物件，或若干微物件)。在進一步例項中，該預處理引擎可產生複數個經裁剪影像，其中該複數個經裁剪影像之至少一者包括微物件。
由預處理引擎產生之經裁剪影像可具有不同像素大小。可藉由將影像寬度中之像素數目乘以影像高度中之像素數目來計算像素大小。經裁剪影像之像素大小之差異可能起因於由預處理引擎執行之裁剪程序。在額外或替代實施例中，經裁切影像之像素大小之差異可能起因於視場之差異，例如，視場放大率之差異及/或利用不同所關注區(例如，利用根據微流體裝置之特徵、在第一視場與第二視場之間有所不同之所關注區)獲取之視場影像。
在各項實施例中，可將不同像素大小之經裁剪影像輸入至神經網路中，例如廻旋神經網路(CNN)。如先前所提及，CNN架構通常可由處理塊群組組成，包含用於對輸入體積(影像)進行廻旋之至少一個處理塊。在應用於微物件計數之實施例中，CNN可省略用於解廻旋(或轉置廻旋)之任何先前揭示步驟。本文中所揭示用於在無解廻旋之情況下對裝置及系統執行微物件計數之神經網路。本文中所揭示之系統之挑戰之一者係在執行計數之前進行影像之裁剪以將區與視場隔離。影像之裁剪可產生不同大小之影像，因此CNN需要能夠容納不同大小之經裁剪影像。
CNN可獲取可包括視場影像及/或視場影像之經裁剪片段之輸入影像。輸入影像可為彩色的或其可為黑色/白色。在一些例項中，輸入影像可具有複數個重複特徵，包含但不限於電晶體陣列網格、圈、井、通道、壁、室等。該影像可包括紋理特徵、陰影、聚焦差異及放大率差異。
圖17繪示用於執行全域平均化匯集之實例性程序，及微流體裝置之實例性區，針對該等區之計數可藉由本文中所揭示之方法之任一者來判定。圖18繪示微流體裝置之一些實例性區，針對該等區之計數可藉由本文中所揭示之程序之任一者來判定。將一起描述此兩個圖17至圖18。
更具體而言，所關注微物件之自動偵測及/或計數。在一個態樣中，提供用於自動地偵測影像尤其數位影像(或已數位化之影像)中之所關注微物件之方法。所關注微物件可安置於微流體裝置內。所關注微物件可為細胞，諸如哺乳動物細胞(例如，血細胞、融合瘤細胞、癌細胞、經轉形之細胞、生殖細胞、胚胎或類似物)。替代地，所關注微物件可為諸如可用於化驗中之珠(例如，微珠、磁珠或類似物)。該等方法可涉及使用機器學習演算法以處理影像資料(即，與影像中之像素有關之資料)。機器學習演算法可包含神經網路，諸如廻旋神經網路。
影像分類需要接受輸入影像且輸出最佳地描述該影像之類別或類別概率。此可使用裝配有處理引擎之電腦系統來完成，該處理引擎利用演算法以處理輸入影像且輸出結果。影像偵測亦可利用類似處理引擎，藉此該系統接受輸入影像且使用預程式化至處理引擎中之演算法以高準確度位準識別該影像內之所關注物件。
關於輸入影像，該系統通常將輸入影像定向為像素值陣列。取決於影像解析度及大小，此等像素值將係對應於(長度)×(寬度)×(通道之#)之數字之陣列。通道數目亦可稱為深度。例如，陣列可為L×W×紅綠藍色彩模型(RBG值)。RGB將被視為三個通道，各通道表示RGB色彩模型中之三個色彩之一者。例如，該系統通常可特性化具有(RGB之)代表性陣列20×20×3之20×20影像，其中陣列中之各點被指派表示像素強度之值(例如，0至255)。給定此值陣列，處理引擎可使用其演算法處理此等值以輸出影像中之微物件之數目。在替代實施例中，可基於強度描繪影像而無需考量像素色彩。例如，代替以3表示RGB之20×20×3，該陣列可被表示為20×30×1，其中位數1表示亮度(例如，黑色或白色)。RGB或黑色/白色亮度之使用可貫穿此申請案被解釋為可互換概念且可基於偏好或明確客觀效能度量進行選擇。可影響是否將RGB或黑色/白色方法併入至分析中之效能度量之實例可包括：運算強度、在該方法之其他態樣期間(例如，在執行化驗期間)之影像組態及/或執行分析所花費之時間量。
所關注微物件之計數可包括獲得安置於用於執行細胞計數之微流體裝置中(例如，在通道、井、室、前述流動區、隔離區、連接區之任一者之子區中)之該微物件之影像(例如，經裁剪影像、視場影像等)可包括接收影像或影像之一部分(例如，圖17至圖18之1305)，及對該影像執行一系列操作以運算表示微流體裝置之特定區中之細胞1308之量之數字，例如，在圖17至圖18中所描繪之表示中，可根據本文中所揭示之方法運算細胞之數目以產生對應於微流體裝置之特定界定區域(1355)之區域中之細胞1308之數字，在此情況中圖17中之所繪示裝置之圈號「957」及圈號「958」以及圖18之圈號820至圈號824。在一些實施例中，儘管圖17之1312中所繪示之實例展示室957中之三十一(31)個細胞及室958中之一(1)個細胞，該方法可經組態以對微流體裝置(例如可包括複數個經界定區(例如，數千個圈、井、通道等)之微流體裝置)之數百個、數千個、數萬個經界定區(例如，通道、圈、室、井等)執行計數。
微流體裝置之各經界定區之數目或計數可經顯示於GUI上，經整合至額外運算中以供進一步資料分析，及/或根據自其導出之影像或微流體裝置之一或多個特徵展示於表中。在進一步例項中，針對微物件獲得之計數可經整合至工作流程中，其中在用於對微物件執行分析之方法中在離散時間點獲取計數。
廻旋神經網路(CNN)通常藉由首先查找低階特徵(舉例而言，諸如邊緣及曲線)且接著透過一系列廻旋層前進至更抽象(例如，經分類影像之類型獨有)概念來完成影像處理及分類/偵測之進階形式。CNN可藉由透過一系列廻旋、非線性、匯集(或減少取樣，如下文將更詳細地論述)及完全連接層傳遞影像而如此做，且獲得輸出。再者，輸出可為單個類別或最佳地描述影像或偵測影像上之物件之類別之概率。
關於CNN中之層，第一層一般係廻旋層(Conv)。此第一層將使用一系列參數處理影像之代表性陣列。CNN將使用過濾器(或神經元或核心)分析影像子集之集合，而非處理整個影像。子集將包含陣列中之焦點以及周圍點。例如，過濾器可檢查32×32影像中之一系列5×5區域(或區)。此等區可稱為感受域。由於過濾器通常將擁有相同於輸入之深度，故具有32×32×3之尺寸之影像將具有相同深度(例如，5×5×3)之過濾器。使用上述實例性尺寸進行廻旋之實際步驟將涉及：沿輸入影像滑動過濾器；將過濾器值乘以影像之原始像素值以運算逐元素乘積；及加總此等值以針對影像之該經檢查區達到單個數字。
在使用5×5×3過濾器完成此廻旋步驟之後，將得到具有28×28×1之尺寸之激發圖(或過濾圖)。針對各所使用之額外層，更佳地保留空間維度使得使用兩個過濾器將導致28×28×2之激發圖。各過濾器通常將具有共同表示最終影像輸出所需之特徵識別符之唯一特徵(例如，色彩、邊緣及/或曲線等)。此等過濾器在組合使用時允許CNN處理影像輸入以偵測存在於各像素處之該等特徵。因此，若過濾器用作曲線偵測器，則過濾器沿影像輸入之廻旋將產生激發圖中對應於曲線之高可能性(高加總逐元素乘積)、曲線之低可能性(低加總逐元素乘積)或零值(其中某些點處之輸入體積不提供將激發曲線偵測器過濾器之功能)之數字陣列。因而，Conv中之過濾器(亦稱為通道)之數目愈大，激發圖上提供之深度(或資料)愈深，且因此關於輸入之資訊愈多，從而將導致更準確輸出。
NN之準確度與產生結果所需之處理時間及功率平衡。換言之，所使用之過濾器(或通道)愈多，執行Conv所需之時間及處理功率愈多。因此，滿足CNN方法之需要的過濾器(或通道)之選擇及數目應經特定選擇以在考量可用時間及功率的同時儘可能準確地產生輸出。
為進一步使CNN能夠偵測更複雜特徵，可添加額外Conv以分析來自先前Conv (即，激發圖)之輸出。例如，若第一Conv查找基本特徵(諸如曲線或邊緣)，則第二Conv可查找更複雜特徵(諸如形狀)，其可為在先前Conv層中偵測到之個別特徵之組合。藉由提供一系列Conv，CNN可偵測愈來愈高階的特徵以最終達到偵測特定所要物件之概率。此外，因為Conv堆疊於彼此頂部上以分析先前激發圖輸出，所以堆疊中之各Conv自然地進入憑藉在各Conv層級處發生之按比例縮小而分析愈來愈大的感受域，由此允許CNN在偵測所關注物件時回應於像素空間之生長區。
CNN架構通常由處理塊群組組成，包含用於對輸入體積(影像)廻旋之至少一個處理塊及用於解廻旋(或轉置廻旋)之至少一個處理塊。另外，處理塊可包含至少一個匯集塊及非匯集塊。匯集塊可用來按比例縮小影像之解析度以產生可用於Conv之輸出。此可提供運算效率(有效時間及功率)，其繼而可改良CNN之實際效能。該等匯集或子取樣塊使過濾器保持為小且使運算要求合理，此等塊可粗略化輸出(可導致丟失感受域內之空間資訊)，從而將其自輸入之大小減小達特定倍數。
非匯集塊可用來重建此等粗略輸出以產生具有相同於輸入體積之尺寸之輸出體積。非匯集塊可被視為用來使激發輸出返回至原始輸入體積尺寸之廻旋塊之逆運算。然而，非匯集程序通常僅簡單地將粗略輸出放大成稀疏激發圖。為避免此結果，解廻旋塊密緻化此稀疏激發圖以產生經放大激發圖及密緻激發圖兩者，最終在任何進一步必需處理之後，得到具有更接近輸入體積之大小及密度之最終輸出體積。作為廻旋塊之逆運算，解廻旋塊使單個激發輸出點與一或多個輸出相關聯以放大且緻密化所得激發輸出，而非將感受域中之多個陣列點縮減為單個數字。
應注意，雖然匯集塊可用來按比例縮小影像且非匯集塊可用以放大此等經按比例縮小激發圖，但廻旋塊及解廻旋塊可經結構化以既廻旋/解廻旋又按比例縮小/放大而無需單獨匯集塊及非匯集塊。取決於在影像輸入中偵測到所關注物件，匯集程序及非匯集程序可具有缺點。由於匯集通常藉由查看無視窗重疊之子影像視窗而按比例縮小，因此在發生按比例縮小時存在明顯空間資訊損失。
在一些實施例中，用於匯集之方法可包括整合全域平均匯集層，如圖17中所繪示。在全域平均匯集層中，輸入可包括一組影像(例如，N個影像，1320)。全域平均匯集層可運算每一影像之平均值(1322)且匯集該等平均值以產生包括各輸入影像之平均值(1322)之大小M之一維向量(1324)。另外或替代地，匯集方法可包括全域最大匯集及/或全域平均匯集。全域匯集包括跨全影像或張量執行之匯集。全域匯集方法不同於減少取樣匯集方法。可跨影像之部分使用減少取樣(例如最大匯集或平均匯集)。在廻旋層已處理張量以準備額外廻旋層之後，減少取樣可係有用的。在微物件計數之所揭示實施例中，全域匯集方法可包括用於編譯起因於廻旋層之張量以準備自不同大小之經裁剪影像或視場影像導出之資料使得其等可藉由完全連接層及對應激發層進一步分析之方法，在無此改良之情況下，自本文中所揭示之系統及方法導出之資料無法藉由所揭示之完全連接層處理且無法產生與微物件計數相關之正整數。
處理塊可包含與廻旋或解廻旋層封裝在一起之其他層。此等層可包含例如整流線性單元層(ReLU)或指數線性單元層(ELU)，其等係在其處理塊中檢查來自Conv之輸出之激發功能。ReLU或ELU層充當閘控功能以僅推進對應於Conv獨有之所關注特徵之肯定偵測之該等值。
給定基本架構，接著針對訓練程序準備CNN以在(所關注物件之)影像分類/偵測中提高其準確度。此涉及稱為反向傳播(backprop)之程序，該程序使用用來訓練CNN之訓練資料集或樣本影像使得其在達到最佳或臨限準確度時更新其參數。反向傳播涉及將取決於反向傳播之參數緩慢或快速地訓練CNN之一系列重複步驟(訓練反覆)。反向傳播步驟通常包含根據給定學習速率之正向傳遞、損失函數、反向傳遞及參數(權重)更新。正向傳遞涉及透過CNN傳遞訓練影像。損失函數係輸出中之誤差之量度。反向傳遞判定損失函數之促成因數。權重更新涉及更新過濾器之參數以使CNN移動朝向最佳。學習速率判定每次反覆權重更新之程度以到達最佳。若學習速率過低，則訓練可花費過長時間且涉及過多處理能力。若學習速率過快，則各權重更新可過大以致不允許精確地達成給定最佳值或臨限值。
反向傳播程序可引起訓練複雜化，因此導致在開始訓練之後需要更低學習速率及更特定且小心判定的初始參數。此複雜化係當在各反覆結束時發生權重更新時，Conv之參數改變使網路之行進距離更深。例如，若CNN具有如上文所論述允許更高階特徵分析之複數個Conv，則第一Conv之參數更新在各後續Conv處相乘。凈效應係取決於給定CNN之深度，最小參數改變可具有大影響。此現象稱為內部共變量偏移。
相對於已知CNN，本文中所揭示之實施例具有若干優點。此等優點包含例如提供一種避免丟失匯集層中固有之空間資訊、減小/最小化反向傳播程序中固有之內部共變量偏移且減小深神經網路中通常所需之處理時間及速度以達成更複雜特徵偵測之CNN。
如上文所描述，CNN包含感受域之多個層。此等係處理輸入影像之部分之「神經元」(或核心)集合。此等集合之輸出接著經拼接使得其等輸入區重疊，以獲得原始影像之更佳表示；針對每一此層重複此步驟。拼接允許CNN容忍輸入影像之平移。已例如在Long等人之CVPR 2015「Fully Convolutional Networks for Semantic Segmentation」及Noh等人之ICCV 2015「Learning Deconvolutional Networks for Semantic Segmentation」中描述CNN，其等之各者之內容以引用的方式併入本文中。
CNN可包括廻旋層及完全連接層之組合，其中在各層之末端或各層之後施加逐點非線性。引入對小輸入區之廻旋運算以減少自由參數之數目且改良一般化。廻旋網路之一個主要優點係在廻旋層中使用共用權重，此意謂相同過濾器(權重庫)用於層中之各像素；此既減小記憶體使用量又改良效能。在一項實施例中，CNN係由相異層之堆疊形成，該等層透過可微分函數將輸入體積變換成輸出體積(例如，保持類別分數)。
在此實施例中，廻旋層針對此實施例定義為空、單株及多株。層之參數可包含一組可學習過濾器，該組可學習過濾器具有小感受域，但延伸通過輸入體積之全深度。在正向傳遞期間，各過濾器跨輸入體積之寬度及高度廻旋，從而運算過濾器之條目與輸入之間的點積且產生該過濾器之2維激發圖。因此，網路學習在其等於輸入中之某個空間位置處看見某種特定類型之特徵時激發之過濾器。
堆疊用於沿深度維度之所有過濾器之激發圖會形成廻旋層之全輸出體積。輸出體積中之每一條目因此亦可被解釋為查看輸入中之小區且與相同激發圖中之神經元共用參數之神經元之輸出。在一項實施例中，空間配置係基於控制廻旋層之輸出體積之大小之超參數：諸如深度、步幅及填補零。
在一項實施例中，輸出體積之深度控制層中連接至輸入體積之相同區之神經元之數目。所有此等神經元將學習針對輸入中之不同特徵激發。例如，若第一廻旋層將原始影像視為輸入，則沿深度維度之不同神經元可在存在色彩之各種定向邊緣或斑點時激發。
在一項實施例中，步幅控制如何分配圍繞空間維度(寬度及高度)之深度行。在步幅係1時，將僅隔1個空間單位將新神經元深度行分配至空間位置。此導致行之間的感受域嚴重重疊，且亦導致大輸出體積。相反地，若使用更高步幅，則感受域將更少重疊且所得輸出體積將具有更小空間尺寸。在一些實施例中，在輸入體積邊界上用零填補輸入可係方便的。此填補零之大小係第三參數。填補零提供輸出體積空間大小之控制。特定而言，有時可期望確切地保留輸入體積之空間大小。
在此實施例中，可在廻旋層中使用參數共用方案來控制自由參數之數目。其依賴於一個合理假設：若一個圖塊特徵可用來在某個空間位置處運算，則其亦可用來在不同位置處運算。換言之，將單個2維深度切片表示為深度切片，各深度切片中之神經元可限於使用相同權重及偏壓。因為單個深度切片中之所有神經元共用相同參數化，所以在一些實施例中CONV層之各深度切片中之正向傳遞可被運算為用輸入體積廻旋神經元權重(因此名稱係：廻旋層)。在此等實施例中，因此，可容許將權重集合稱為過濾器，其係用輸入廻旋。此廻旋之結果係一激發圖，且各不同過濾器之激發圖集合沿深度維度堆疊在一起以產生輸出體積。參數共用促成CNN架構之平移不變性。
圖19繪示根據一或多項實施例之神經網路之示意圖。更具體而言，在圖19中，神經網路1900獲取包括像素大小之輸入影像1905。該神經網路包含第一處理塊1910、第一減少取樣塊1915、第二處理塊1920、第二減少取樣塊1925及最終處理塊1930。第一處理塊1910可接收影像。在圖中已展示過濾器之實例性數目(例如，第一處理塊1910及第一減少取樣塊1915具有64之過濾器大小，第二處理塊1920及第二減少取樣塊1925具有128之過濾器大小(或深度)，且最終處理塊具有256之過濾器大小(或深度)。
在一些實施例中，可在廻旋處理塊之前執行填補。在此實施例中，除最終處理塊以外，各處理塊之後係減少取樣塊；然而，替代實施例可具有無減少取樣塊之處理塊。其他替代實施例可使用不同數目個處理塊、不同減少取樣塊功能(例如平均匯集)。此外，圖19繪示兩組處理塊及減少取樣塊，然而單個處理塊、兩個或更多個處理塊或複數個處理塊可經併入至神經網路中。另外或替代地，圖19繪示兩個減少取樣塊，然而單個減少取樣塊、兩個或更多個減少取樣塊或複數個減少取樣塊可經併入至神經網路中。
亦在圖19中展示，將起因於最終處理塊1930之經廻旋資料進行平均化1935以產生大小(1,最後一個處理塊之過濾器數目)之矩陣且接著饋送至完全連接層1940中，從而產生完全連接層，其產生大小[1,該完全連接層之單元數目]之矩陣。大小[1,完全連接層之單元數目]之矩陣可經饋送至第一激發層1945中。該第一激發層可為例如ELU或ReLU。
在各項實施例中，第一激發層接收影像資料且對大小[1，完全連接層之單元數目]之矩陣執行回歸分析。接著，可將第一激發層之結果饋送至第二完全連接層1950以產生大小[1,完全連接層之單元數目]之矩陣，可將該矩陣饋送至第二激發層(ELU、ReLU或其他模型)以執行回歸。在其中回歸模型係ReLU之例項中，回歸具有1個單位且僅導致正數。所得正數可包括輸入影像1905中之微物件之線性輸出或計數1960。在其他實施例中，可改變各完全連接層之單元數目及完全連接層之激發功能。
圖20繪示根據一或多項實施例之處理塊之示意圖。更具體而言，圖20表示處理塊2002 (例如圖19中所揭示之處理塊)之實例性圖解。在此處理塊實例中，將輸入張量2005 (例如，大於或等於經定義[高度,寬度,過濾器大小]之3維矩陣)饋送至第一對廻旋及激發層(2010、2015)中，且接著饋送至第二對廻旋及激發層(2020、2025)中。與習知廻旋正方形層不同，在此模型中兩個廻旋層係[M×N]，且處理層之輸出係可饋送至神經網路之後續層中(例如，如圖19中所繪示)中之輸出張量2030。
圖21繪示根據一或多項實施例之最終處理塊之示意圖。更具體而言，圖21表示最終處理塊之實例性圖解。在一些例項中，最終處理塊之後可並非減少取樣塊，如圖19中所展示。在其他例項中，最終處理塊可具有不同數目個廻旋層，可改變廻旋核心之大小或可修改廻旋層之激發功能。在此處理塊實例中，將輸入張量2105 (例如，大於或等於經定義[高度,寬度,過濾器大小]之3維矩陣)饋送至第一對廻旋及激發層(2110、2115)中，且接著饋送至第二對廻旋及激發層(2120、2125)中。在此模型中此兩個廻旋層係[M×N]，且組成處理塊2102，然而在該處理塊之後係接收輸入張量且產生輸出張量2140之另一第三對廻旋及激發層(2130、2135)。處理層之輸出係可饋送至神經網路之後續層(例如，如圖19中所展示)中之輸出張量21430。
可使用平均化功能對輸出張量進行平均化，包含例如執行全域平均化匯集之層。全域平均匯集對於克服將如本文中所揭示之經廻旋神經網路應用於影像(例如，像素大小不同之經裁剪影像或視場影像)之技術挑戰且更具體而言克服使用完全連接層處理經變動像素大小資料之挑戰而言係必需的。例如，可如本文所揭示般對包括廻旋層(例如，圖19或圖20)之所揭示處理層之任一者之輸出張量進行平均化。在其他實施例中，可使用其他全域匯集功能，例如全域最大匯集。
最終處理塊(例如圖21中所繪示之最終處理塊)之輸出張量(2140)可經饋送至平均化過濾器中，例如全域平均匯集過濾器。另外或替代地，如圖19之平均化層(1935)中所展示之一些其他平均化方式可用來對最終處理塊進行平均化。在其中應用全域平均匯集之例項中，結果係大小[1,N]之矩陣，其中N係最後處理塊中之過濾器之數目。例如，在圖19中所繪示之特定實施例中，將[1×N]矩陣饋送至產生例如[1, 256]矩陣之完全連接塊(1940)中，其中該完全連接層具有256個單元，接著將該矩陣饋送至產生另一[1,N]矩陣之後續完全連接層(1950)中，該另一[1,N]矩陣可為其中完全連接層具有256個單元之[1, 256]矩陣。在此實例中，所得[1,N]矩陣或[1, 256]矩陣可經輸入至最終完全連接(線性輸出或計數，1960)層中，該最終完全連接層將[1×N]或此實例[1, 256]矩陣壓縮為包括單個整數之[1]之回歸輸出。儘管在圖19中僅繪示兩個完全連接層，但可存在單個完全連接層、兩個或更多個完全連接層或複數個完全連接層。圖14之圖解並非意在指示對可用來產生線性輸出之完全連接或激發層之數目之限制。
在各項實施例中，有時需要螢光影像以視覺化可以其他方式呈現半透明之細胞(例如，作為更佳地偵測/計數特定細胞之方式，可使用DAPI來污染細胞核)。在該等情況中，引擎1208可按比例縮放、偏移及/或旋轉螢光影像以對準明場影像，其中使用點陣列完成校準。
在各項實施例中，可使用傅立葉變換以減少來自微流體裝置上之導電矽基板之干擾。傅立葉變換允許影像之頻率表示，其促進識別與導電矽基板(諸如光電晶體陣列)相關聯之假影及干擾。時間函數本身之傅立葉變換係複值頻率函數，其絕對值表示存在於原函數中之該頻率之量，且其複自變數係該頻率中之基本正弦波之相位偏移。傅立葉變換稱為原始信號之頻域表示。術語傅立葉變換指代頻域表示及使頻域表示與時間函數相關聯之數學運算兩者。傅立葉變換不限於時間函數，但為具有統一語言，原函數之域通常稱為時域。
如上文更詳細地描述，與微流體裝置之特徵(舉例而言，諸如光電晶體陣列)相比，所關注微物件可具有類似、混雜形態。另外，與微流體裝置之各種特徵相比，微物件(諸如細胞)可相對半透明。據此，在識別所關注微物件之前識別且移除微流體裝置之非所要特徵(例如，微流體裝置之光電晶體陣列、壁或迴路元件)可係有幫助的。可使用傅立葉分析以在微物件偵測之前移除例如電晶體圖案。此步驟可在預處理引擎1608內或替代地在微物件偵測單元1604之偵測引擎1614中以後處理步驟發生(下文更詳細地描述)。
在各項實施例中，預處理影像可包含利用亮度正規化或對比度增強以減少來自微流體裝置上之導電矽基板之干擾。在各項實施例中，影像預處理引擎1608可製成如上文所描述般預處理之影像之複本且傳送至各種「用戶端」1620 (例如，GUI、影像處理、電影製作、影像捕獲、記憶體/儲存裝置/伺服器等)。在各項實施例中，微物件偵測單元1604可被實施為具有影像採集單元1602之整合式儀器系統總成。即，微物件計數或偵測單元1604及影像採集單元1602可容置於相同外殼總成中且經由習知裝置/組件連接構件(例如串列匯流排、光纜、電纜等)通信。
在各項實施例中，微物件計數單元1604可實施為經由光學、串列埠、網路或數據機連接通信地連接至影像採集單元1602之獨立運算裝置(如圖16中所展示)。例如，影像處理單元可經由允許將由影像採集單元1602採集之成像資料傳輸至微物件偵測單元1604以供分析之LAN或WAN連接而連接。在各項實施例中，可在經由WAN (或等效)連接通信地連接至影像採集單元1602之共用電腦處理資源之分佈式網路(諸如雲端運算網路)上實施微物件計數單元1604之功能。例如，微物件計數單元1604之功能可經劃分以在雲端處理服務(諸如AMAZON WEB SERVICES™)上之一或多個運算節點中實施。
使用如下般提供之一些實例性預期眾多後處理技術。偵測引擎1614可經組態以將(在微流體裝置中)封存圈之CAD (電腦輔助設計)模型對準於實際影像輸出以精確地尋找圈位置。在螢光影像之情況中(取決於所偵測之細胞類型)，偵測引擎1614可經組態以藉由減法(例如，藉由減去自模糊(影像)常式獲得之對應影像)而移除背景。偵測引擎1614亦可經組態以針對微物件計數將影像輸出切成個別圈。來自偵測引擎1614之該計數及輸出影像可經傳送至I/O裝置1616，其中該計數及輸出影像可例如經儲存、經傳送至記憶體儲存裝置，經進一步分析及/或經傳送至用戶端1620。
根據各項實施例，影像採集單元1602及微物件偵測單元1604可經整合至單個實體單元中。替代地，影像採集單元1602及微物件偵測單元1604可單獨地定向、設置於獨立單元中使得單元仍通信地連接以交換資訊。上文所描述之微物件偵測單元1604之各組件可為硬體或可部分或全部為軟體模組。
微物件之自動偵測及/或計數。提供用於自動地偵測影像中之所關注微物件之方法。與影像中之一或多個其他特徵相比，所關注微物件可具有類似、混雜形態。例如，在一些例項中，安置於微流體裝置內之微物件之偵測可藉由具有類似於所關注微物件之形態之微流體裝置之特徵而複雜化。例如，在其中細胞具有10微米之直徑之例項中，可難以區分該等細胞與在兩個維度上具有10微米節距之光電晶體(即，各光電晶體具有10微米×10微米大小)。另外，與微流體裝置之各種特徵相比，微物件(諸如細胞)可相對半透明。據此，在識別所關注微物件之前識別且移除微流體裝置之非所要特徵(例如，微流體裝置之光電晶體陣列、壁或迴路元件)可係有幫助的。
在各項實施例中，可期望自影像預處理引擎1608獲得之影像包括與微流體裝置之結構及/或微流體裝置之一或多個特徵之性質相關聯之計數。在更特定實施例中，相關聯計數可用來使針對微流體裝置之區(例如，針對微流體裝置之特定區中之微物件之數目)獲得之計數相關聯。在一些實施例中，微物件係細胞且微流體裝置可用於來對細胞執行化驗。在進一步例項中，如本文中所描述之微流體裝置可經組態以使微物件流入微流體裝置之室或圈中以便執行化驗步驟。微物件計數可為用於執行化驗之關鍵資訊件，且在一些例項中必須以最小運算量快速地且以自動方式執行微物件計數以便以巨大並行方式執行化驗。
在一些實施例中，單個像素可對應於微流體裝置中實質上小於所關注微物件之橫截面積之面積。例如，微物件可具有約80微米²之橫截面積，而像素可對應於約2微米²之面積。在此等實施例中，將需要一或多個像素叢集以覆蓋微物件之橫截面積(例如，在前述實例中，將需要實質上40個像素以覆蓋微物件之橫截面積，或需要24個像素以覆蓋微物件之周邊之橫截面積)。針對給定影像，可將像素大小計算為給定影像之像素寬度及像素高度之數學乘積。
產生微流體裝置之微物件計數可包括接收影像資料，該影像資料包括影像、一系列經獲得影像(例如，隨時間獲取之一系列影像)及/或一組影像(例如，自系統之不同「巢狀」或結構300獲取之一組影像)。影像資料可包括視場影像，其中視場影像包括微流體裝置之複數個特徵(例如，(若干)通道、(若干)圈、(若干)阱、框架、流動區、光電晶體陣列等)。影像資料可由影像預處理引擎1208接收，該影像預處理引擎1208可將影像資料(例如，視場影像)裁剪成至少兩個經裁剪影像。該影像預處理引擎可經組態以裁剪影像(例如，影像之特徵、影像中表示之微流體裝置之組件等)。可根據自校準程序獲得之資訊執行裁剪。校準可包括在捕獲視場影像及/或影像資料之前執行之全系統校準步驟。可根據自經校準影像獲得之資訊執行裁剪。在一些例項中，影像之校準可包括識別微流體裝置之一或多個特徵且將該等特徵建立為可自其參考影像之基準或基線。亦可基於本文中所揭示之方法之任一者執行裁剪以識別各視場影像之特徵。可基於微流體裝置之一或多個特徵(例如，(若干)通道、(若干)室、(若干)圈、(若干)阱、(若干)微物件位置、亮度等)而產生經裁剪影像。在一些實施例中，該預處理引擎可一次對單個視場執行裁剪。在替代實施例中，該預處理引擎可對多個視場並行地執行裁剪。
影像預處理引擎1608可經組態以將一或多個視場影像裁剪成具有特徵或特性之經裁剪影像。例如，預處理引擎1608可接收包括多個室、圈、阱或微物件之視場影像。影像預處理引擎1608可接收視場影像且接著將視場影像轉換成一系列經裁剪影像。在一些例項中，影像預處理引擎1608可經組態以將視場影像裁剪成複數個經裁剪影像，其中各經裁剪影像包括單個特徵(例如，單個室、圈、阱，或該複數個室、圈、阱之微物件，或若干微物件)。在進一步例項中，該預處理引擎可產生複數個經裁剪影像，其中該複數個經裁剪影像之至少一者包括微物件。
由預處理引擎產生之經裁剪影像可具有不同像素大小。可藉由將影像寬度中之像素數目乘以影像高度中之像素數目來計算像素大小。經裁剪影像之像素大小之差異可能起因於由預處理引擎執行之裁剪程序。在額外或替代實施例中，經裁切影像之像素大小之差異可能起因於視場之差異，例如，視場放大率之差異及/或利用不同所關注區(例如，利用根據微流體裝置之特徵、在第一視場與第二視場之間有所不同之所關注區)獲取之視場影像。
亦可結合使用力(諸如OET或DEP力)操縱或重定位微物件而使用微物件識別(下文更詳細地論述)或計數。在一些實施例中，在微流體迴路之特定迴路元件(例如通道或封存圈)或位置中識別之微物件可移動至微流體迴路之另一類型之迴路元件或位置(即，重定位於微流體迴路之另一類型之迴路元件或位置中)。例如，可在微流體迴路中之通道中識別且在微流體迴路中之封存圈中重定位微物件(本文中稱為「禁錮」微物件)。相反地，微流體迴路中之封存圈中識別之微物件可移動至微流體迴路中之通道。替代地，可在一個封存圈中識別且在空封存圈中重定位一或多個微物件(本文中稱為「重新禁錮」微物件)。根據實施例，可使用各種機制重定位微物件，包含OET及DEP力。類似地，微物件可循序地重定位(即，一次一個微物件)、並行地重定位或其等任何組合(例如，循序地並行重定位多個細胞群組)。
在其中微物件自通道重定位至個別封存圈(或自個別封存圈重新禁錮至另一封存圈)之例項中，可使用不同演算法來將微物件指派至空封存圈及/或判定特定封存圈中之微物件之數目。在一些實施例中，將使用演算法以將微物件指派至空封存圈使得最小化微物件與圈之間的距離(即，微物件在重定位期間必須行進之軌跡或路徑)，且可使用計數來確認圈中之微物件之數目。在此等實施例中，亦最小化用以移動微物件之力(例如OET或DEP力)之使用，因為微物件僅需要行進最小距離以重定位於空封存圈中。
在此等實施例中，可使用通道中之局部微物件密度(即，通道之特定空間區域內之微物件之數目)以判定適合於將通道中之特定微物件指派至空封存圈之演算法。可以若干方式運算局部微物件密度。在一些實施例中，可基於固定大小面積(例如，200微米²或通道係100微米長且在通道寬度內延伸之面積)或使用利用各種面積大小之方法運算局部微物件密度。在其他實施例中，可基於經識別微物件之叢集或經識別微物件之間的距離計算局部微物件密度。亦可藉由將通道細分成網格或使用「滑動視窗」方法以運算通道之重疊區之密度來運算局部微物件密度。
若局部微物件密度高於臨限值T1density ，則可將微物件指派至最近空封存圈使得最小化微物件與封存圈之間的距離。若局部微物件密度低於臨限值T1density ，則可將空封存圈指派至最接近空封存圈之微物件使得最小化微物件與封存圈之間的距離。在一些例項中，可基於空圈之數目以及通道內之預定義臨近區中之微物件之密度而運算局部T1density 。
運算微物件與空封存圈之間的距離(即，微物件或路徑需要在禁錮期間移動之軌跡)之不同方法可用來將特定微物件指派至空封存圈。在一些實施例中，可僅基於最佳軌跡使用OET及/或DEP力而運算微物件與潛在封存圈之間的距離。在一些例項中，使用OET或DEP力之最佳軌跡涉及用來移動微物件之正交運動路徑之組合(例如，僅沿y軸及x軸之相異移動之組合)。在其他例項中，距離可基於微物件與封存圈之間的最短可行路徑而無約束(即，微物件可沿任何路徑行進以到達封存圈)。在大多數實施例中，將使用如由用來計算距離(軌跡)之演算法判定之相同軌跡重定位(即，「禁錮」或「重新禁錮」)微物件。
類似地，在其中將較大數目個微物件指派至封存圈(或反之亦然)之例項中，可使用不同演算法來運算微物件至圈之最佳指派(或反之亦然)。此等演算法可使用判定微物件至封存圈指派(其最小化微物件需要移動以將微物件重定位至封存圈中之總距離(即，軌跡之長度))之不同運算方法。例如，演算法可使用所有軌跡之長度之總和作為試探法以最小化微物件需要行進之距離。在一些實施例中，約束(諸如微物件可在重定位期間移動之最大距離)可經引入至最佳指派之運算中。可使用各種組合演算法來運算微物件與封存圈之間的最佳指派。合適演算法包含：貪心演算法、非線性演算法、基於試探之演算法及約束搜尋。此項技術中已知其他類似演算法。
一旦已針對微物件運算最佳指派及軌跡，則可使用力(諸如OET及/或DEP)來將微物件移動至其等指派圈。可使用包圍微物件且使微物件經受OET及/或DEP力之光圖案(諸如「光籠」)或藉由使用條或類似結構來將OET及/或DEP力施加於微物件而重定位微物件。通常，光籠將係實質上圍封微物件之結構(例如，正方形、圓形或多邊形)。然而，在一些例項中，光籠可包含裂口或開口使得微物件不被完全圍封。
如上文所論述，在大多數實施例中，微物件將根據用來運算微物件至圈之最佳指派之距離(軌跡)而移動。根據實施例，微物件可循序地移動或並行地移動或其等任何組合(例如，循序地並行移動細胞群組)。在其中微物件並行地移動之實施例中，用來運算最佳指派或軌跡之演算法可比較軌跡且藉由修改軌跡及微物件至圈之指派而確保微物件在其等並行地移動時不碰撞。在特定實施例中，當識別潛在碰撞時，演算法可「掃及」至圈之微物件指派。在此實施例中，當第一微物件之最佳軌跡與第二微物件之最佳軌跡交叉時，將第一微物件之最佳軌跡指派至第二微物件且將第二微物件之最佳軌跡指派至第一微物件。在另一特定實施例中，演算法延遲第一微物件之重定位直至使得第一微物件及第二微物件可沿其等各自軌跡移動而不碰撞之時間。
在一些例項中，微物件密度可如此高以至在將微物件指派至封存圈及重定位(即，「禁錮」或「重新禁錮」)微物件之前微物件需要彼此分離。例如，微物件密度可如此高以至無法使用OET及/或DEP力禁錮微物件，因為無法在單個微物件上使用用來使用OET及/或DEP力重定位物件之光籠而不干擾其他微物件。在其中重要的是最小化施加至微物件的OET及/或DEP力之量之例項中，此干擾尤其令人擔憂。例如，其中微物件可被OET及/或DEP力或被OET力之副產物(例如，與OET及/或DEP力相關聯之電解作用)損害之例項。在此等例項中，可使用在微物件識別期間產生之資訊(例如，微物件之半徑、質心、周邊及位置)以移動微物件使得可禁錮或重新禁錮微物件而不干擾其他細胞(本文中稱為「分離」微物件)。
為識別其中微物件需要在禁錮之前分離之例項，可基於經界定空間區而運算局部微物件密度且與第二臨限值T2density 進行比較。替代地，可運算微物件之間的距離(例如，微物件之質心之間的距離、微物件之周邊之間的距離)且使用該距離來判定微物件是否需要分離。然而，如可明白，在一些例項中，微物件之間的距離可過小以致無法將微物件識別為單獨微物件。在此等例項中，可在重定位(即，「禁錮」)微物件以確保各封存圈包含單個微物件之後重識別微物件。
在一些實施例中，使用亮方框以在禁錮(或重新禁錮)之前或期間分離微物件。當形成亮方框(或光籠)時，可使用除法演算法來運算一組頂點，該組頂點分隔微流體裝置之空間區(例如通道或封存圈之部分)中之各經識別微物件與相同空間區中之其他微物件。然而，如熟習此項技術者可明白，該組頂點可經繪製使得僅微流體裝置之空間區中之微物件之子集與其他微物件分離。例如，該組頂點可僅分離空間區中歸因於其等非常接近其他微物件而需要重定位之微物件之子集。
在特定實施例中，使用各微物件之質心運算Delaunay三角量測。Delaunay三角量測產生連接微物件之質心之一組三角形。接著基於使用量測三角量測運算之三角形之圓周運算Voronoi圖。Voronoi圖係一組頂點，該組頂點將空間區域劃分成一組子區域使得最大化該組頂點與微物件質心之間的距離。此項技術中已知運算分隔空間區中之各細胞與其他細胞之一組頂點之其他方法。一旦該組頂點已經運算，便可將該組頂點與OET及/或DEP力組合使用以移動微物件，諸如上文在圖12A至圖12F中所繪示之實例。
圖22A繪示一或多項實施例中之用於以程式化方式分析微流體裝置中之生物樣本之程序或系統之簡化高階方塊圖。在此一或多項實施例中，該程序或系統可在2102A處接收在第一時間點針對微流體裝置中之所關注區捕獲之第一影像資料。例如，可在2102A處針對圖22A中所繪示之程序或系統接收針對微流體裝置中之一或多個室之所關注區捕獲之影像或其資料以辨識及判定所關注區中之生物樣本之總計數。
在2104A處，可至少藉由將在2102A處接收之第一影像資料配置成具有第一像素資訊乘第二像素資訊乘像素深度資訊之維度之陣列來將第一影像資料預處理成第一經預處理影像資料。例如，第一影像資料可經配置成具有長度乘寬度乘深度之維度之陣列，其中長度維度可包含但不限於第一數目個像素；寬度維度可包含第二數目個像素；且深度維度可包含各表示第一影像資料中之資料之一個色彩(例如，紅色、藍色及綠色之色彩深度係三(3))、亮度(例如，黑色或白色之深度係一(1))、強度之數個通道。
在一些實施例中，影像感測器(例如，光二極體、光電晶體等)之大小、兩個緊鄰光電晶體之間的節距、所關注生物樣本之大小、室之大小、室附近之周圍區域之尺寸等之一或多個特性可至少部分基於上文所提及之一或多個其他特徵而判定或組態。例如，可難以利用具有約10微米之大小或節距之光感測器二極體或電晶體處理(例如，辨識、分類、計數等)生物樣本，其中生物樣本之大小亦約例如10微米。類似地，具有約10微米之寬度之室可用於具有約2微米之大小之生物樣本，但不一定適合於更大生物樣本。
在2106A處可至少藉由利用至少一機器學習模型將第一影像資料分類成第一影像資料之第一類別或類型來針對第一影像資料或第一預處理資料判定第一類型或類別。在一些實施例中，可藉由使用與微流體裝置中之生物樣本之目標分析相關之額外資料或後設資料來執行2106B處之判定或分類。類別或類型可包含例如生物樣本之類別或類型(例如，諸如T細胞、B細胞、NK細胞、巨噬細胞等之免疫細胞、其他類型之細胞、蛋白質、病毒等)。
在2108A處可至少藉由利用包括具有多個處理塊之廻旋神經網路之機器學習模型辨識所關注區中之生物樣本來判定生物樣本之第一計數。在一些此等實施例中，可至少部分基於2106A處判定之第一類別或類型而判定第一計數。應注意，在2108A處辨識生物樣本可或可不辨別關於生物樣本之很多細節。例如，出於判定微流體裝置之室中之生物樣本之總計數之目的，該程序或系統可辨識生物樣本之邊界、形態(例如，大小、形狀等)、核、核大小、核質比等使得該程序或系統可估計生物樣本之大小，而無需進一步辨別關於生物樣本之額外細節(若2108A處之處理之主要目的係判定生物樣本之總計數)。
在2110A處可顯示與針對所關注區之第一計數相關之資訊之文字或圖形表示。例如，在2110A處可在圖形使用者介面之圖庫視圖中顯示文字描述或圖形表示。
圖22B至圖22E繪示一或多項實施例中之關於圖22A中所繪示之高階方塊圖之更多細節。更具體而言，圖22B至圖22E繪示關於在圖22A中所繪示之程序或系統中使用之機器學習模型之更多細節。在此一或多項實施例中，廻旋神經網路之多個處理塊2102B可包含第一處理塊2104B、第二處理塊2106B、第三處理塊2108B及第四處理塊2110B。
在如圖22C中所繪示之一些實施例中，第一處理塊2104B可包含第一減少取樣塊2102C及自第一減少取樣塊2102C接收輸入之第一剩餘塊2106C。第一減少取樣塊2102C可包含第一廻旋核心2104C。在一些此等實施例中，該第一廻旋核心具有第一維度及針對第一深度之第一步幅，第一維度大於一個一，且第一步幅大於一。在一項實施例中，第一廻旋核心2104C具有三乘三(3×3)之維度及二(2)之第一步幅。
第一剩餘塊2106C包括第一平行路徑2108C及第二平行路徑2110C，第一平行路徑2108C及第二平行路徑2110C兩者自第一減少取樣塊2102C接收第一減少取樣塊輸出。第一平行路徑2108C包括具有第二維度或過濾器大小之多個第二廻旋核心2112C，且第二平行路徑2110C具有含有小於第二維度或過濾器大小之第三維度或過濾器大小之第三廻旋核心2114C。在一項實施例中，第二維度或過濾器大小係三乘三(3×3)，且第三維度或過濾器大小係一乘一(1×1)。
在如圖22D中所繪示之一些實施例中，第二處理塊2106B可包含第二減少取樣塊2102D及自第二減少取樣塊2102D接收輸入之第二剩餘塊2106D。第二減少取樣塊2102D可包含第四廻旋核心2104D。在一些此等實施例中，該第四廻旋核心具有第四維度及針對第四深度之第四步幅，第四維度大於一乘一，且第四步幅大於一。在一項實施例中，第四廻旋核心2104D具有三乘三(3×3)之維度及二(2)之第四步幅。
第二剩餘塊2106D包括第三平行路徑2108D及第四平行路徑2110D，第三平行路徑2108D及第四平行路徑2110D兩者自第二減少取樣塊2102D接收第二減少取樣塊輸出。第三平行路徑2108D包括具有第五維度或過濾器大小之多個第五廻旋核心2112D，且第四平行路徑2110D具有含有小於第五廻旋核心2112D之第五維度或過濾器大小之第六維度或過濾器大小之第六廻旋核心2114D。在一項實施例中，第五維度或過濾器大小係三乘三(3×3)，且第六維度或過濾器大小係一乘一(1×1)。
在如圖22E中所繪示之一些實施例中，第三處理塊2106E可包括第三減少取樣塊2102E及自第三減少取樣塊2102E接收輸入之第三剩餘塊2106E。第三減少取樣塊2102E可包含第七廻旋核心2104E。在一些此等實施例中，第七廻旋核心2104E具有第七維度及針對第七深度之第七步幅，第七維度大於一乘一，且第七步幅大於一。在一項實施例中，第七廻旋核心2104E具有三乘三(3×3)之維度及二(2)之第七步幅。
第三剩餘塊2106E包括第五平行路徑2108E及第六平行路徑2110E，第五平行路徑2108E及第六平行路徑2110E兩者自第三減少取樣塊2102E接收第三減少取樣塊輸出。第五平行路徑2108E包括具有第八維度或過濾器大小之多個第八廻旋核心2112E，且第六平行路徑2110E具有含有小於多個第八廻旋核心2112E之第八維度或過濾器大小之第九維度或過濾器大小之第九廻旋核心2114E。在一項實施例中，第八維度或過濾器大小係三乘三(3×3)，且第九維度或過濾器大小係一乘一(1×1)。
第四處理塊2110B包括第一轉置廻旋層2102F，其後係第一正規化層2104F (例如，第一批次正規化層)。第四處理塊2110B可進一步包括第二轉置廻旋層2106F，其後係第二正規化層2108F (例如，批次正規化層)。第一轉置廻旋層2102F及第一正規化層2104F之執行在第二轉置廻旋層2106F及第二正規化層2184F之執行之前。第四處理塊2110B產生廻旋神經網路(CNN)輸出2110F。上文參考圖14D至圖14G描述關於第一至第四處理塊當中之資料流之更多細節。
在一些實施例中，第四處理塊中之轉置廻旋層之總數目對應於比第一處理塊及第二處理塊中之廻旋層之總數目小至少一個之值。在一些實施例中，廻旋神經網路不包括匯集層。另外或替代地，廻旋神經網路中之所有廻旋層具有大於一乘一之過濾器大小使得廻旋神經網路中之廻旋層不具有一乘一過濾器。
在一些實施例中，將第一影像資料預處理成第一經預處理影像資料包括至少部分基於所關注區或第一影像資料之類型而至少將第一影像資料縮減成第一經預處理影像資料，其中第一影像資料之類型對應於在其間捕獲第一影像資料以分析生物樣本之操作，且該操作包括匯出操作或匯入操作。另外或可替代地，在一些實施例中，可至少部分基於生物樣本之第一幾何特性及所關注區之第二幾何特性而判定第一影像資料之像素大小。在一些此等緊接在前的實施例中，生物樣本之第一幾何特性包括生物樣本之直徑、外徑、內徑或面積，且所關注區之第二幾何特性包括所關注區或其之一部分之寬度或長度。
在一些實施例中，判定第一影像資料之第一類別或類型包括至少藉由使用廻旋神經網路之第一處理塊來處理複數個低階特徵及至少藉由使用廻旋神經網路之第三處理塊來處理複數個抽象特徵。在一些此等實施例中，判定第一類別或類型可進一步包括判定第一類別或類型或對應於第一類別或類型之第一統計值，其中第一統計值包括第一影像資料中之一或多個像素表示對應生物樣本特性之第一概率。
在一些實施例中，可利用具有多個處理塊之廻旋神經網路(CNN)自在第二時間點針對所關注區捕獲之第二影像資料判定生物樣本之第二計數，且可至少藉由循序地顯現第一影像資料之一部分及第二影像資料之一部分而在圖形使用者介面之圖庫視圖中重播所關注區之視訊序列。
在一些此等實施例中，判定第二計數可包含接收在第一時間點針對微流體裝置中之所關注區捕獲之第二影像資料；至少藉由將第二影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將第二影像資料預處理成第二經預處理影像資料；利用至少一機器學習模型將第二影像資料分類成第一類別或類型；及至少部分藉由利用具有多個處理塊之廻旋神經網路辨識所關注區中之生物樣本來至少部分基於第一類別或類型而判定在第二時間點生物樣本之第二計數。
在一些實施例中，將第二影像資料預處理成第二經預處理影像資料包括至少部分基於所關注區或第二影像資料之類型而至少將第二影像資料縮減成第二經預處理影像資料，其中第二影像資料之類型對應於在其間捕獲第二影像資料以分析生物樣本之單獨操作，且該單獨操作包括該匯出操作、該匯入操作、單獨匯出操作或單獨匯入操作。
雖然本發明已參考其實例性實施例詳細地描述，但對於熟習此項技術者而言將顯而易見，在不脫離本發明之範疇之情況下可進行各種改變及採用等效物。已出於圖解及描述之目的而呈現本發明之較佳實施例之前文描述。本發明不旨在詳盡性或將本發明限於所揭示之精確形式，且修改及變動鑑於上文教示係可能的或可自本發明之實踐採集。選擇及描述實施例係為解釋本發明之原理及其實際應用以使熟習此項技術者能夠在適於所考量之特定用途之各項實施例中利用本發明。希望本發明之範疇由隨附發明申請專利範圍及其等效物界定。前述文件之各者之全文以引用的方式併入本文中。
本文中描述本發明之各項實例性實施例。在非限制性意義上參考此等實例。提供實例以繪示本發明之更廣泛適用態樣。在不脫離本發明之真實精神及範疇之情況下，可對本文中所描述之各項實施例進行各種改變且可用等效物替換。另外，可進行諸多修改以使特定情境、材料、物質組合物、程序、(若干)程序動作或(若干)步驟適應本發明之(若干)目的、精神或範疇。而且，如熟習此項技術者將明白，本文中所描述及所闡釋之個別變動之各者具有在不脫離本發明之範疇或精神之情況下可容易地與其他若干實施例之任一者之特徵分離或組合之離散組件及特徵。所有此等修改意欲於在與本發明相關聯之發明申請專利範圍之範疇內。
本發明包含可使用標的裝置執行之方法。該等方法可包括提供此一合適裝置之動作。此提供可由終端使用者來執行。換言之，「提供」動作僅要求終端使用者獲得、存取、接近、定位、設定、啟動、電力開啟或以其他方式用以提供標的方法中之必要裝置。可以邏輯上可能之所敘述事件之任何順序以及以所敘述事件順序實行本文中所敘述之方法。
上文已闡述本發明之實例性態樣連同有關材料選擇及製造之細節。至於本發明之其他細節，此等可結合上述專利及公開案而明白並且熟習此項技術者通常已知或明白。就通常或邏輯上採用之額外動作而言，本發明之基於方法之態樣同樣適用。
而且，儘管已參考視情況併入各種特徵之若干實例描述本發明，但本發明不限於關於本發明之各變動所考量般描述或指示之內容。在不脫離本發明之真實精神及範疇之情況下，可對所描述發明進行各種改變且可用等效物替換(無論是否為本文中所敘述或為簡潔起見，未被包含)。另外，在提供值範圍之情況下，應理解，在該範圍之上限與下限之間的每一中間值或該所述範圍內之任何其他所述值或中間值涵蓋於本發明內。
再者，經考量，可獨立地或組合本文中所描述之特徵之任何一或多者闡述及主張所描述發明變動之任何選用特徵。對單個項目之引用包含存在複數個相同項目之可能性。更具體而言，如本文及其相關聯發明申請專利範圍中所使用，單數形式「一」、「一個」、「該(said)」及「該(the)」包含複數指涉物，除非另有具體地陳述。換言之，冠詞之使用允許上文描述以及與本發明相關聯之發明申請專利範圍中之標的項目之「至少一個」。進一步應注意，可將此發明申請專利範圍草擬成排除任何選用元件。因而，此陳述意欲於用作結合主張元件之敘述使用諸如「僅僅」、「僅」及類似物之排他性術語或使用「否定」限制之前置基礎。
在不使用此排他性術語之情況下，與本發明相關聯之發明申請專利範圍中之術語「包括」應允許包含任何額外元件(不論此發明申請專利範圍中是否已列舉給定數目個元件)，或新增一特徵可被視為變換此發明申請專利範圍中所闡述之元件之性質。除非本文中明確界定，否則本文中所使用之所有科技術語應儘可能被給予通常所理解之廣義含義，同時維持發明申請專利範圍有效性。。
本發明之廣度不限於所提供之實例及/或本說明書，而是僅受限於與本發明相關聯之發明申請專利範圍語言之範疇。所繪示實施例之上文描述並非意欲於詳盡性或將該等實施例限於所揭示之精確形式。儘管本文中出於闡釋性目的而描述特定實施例及實例，但在不脫離本發明之精神及範疇之情況下可進行各種等效修改，如一般相關技術者將認知。本文中所提供之各項實施例之教示可應用於實施虛擬或AR或混合系統及/或採用使用者介面之其他裝置，不一定係上文通常所描述之實例性AR系統。
例如，前文詳細描述已經由方塊圖、示意圖及實例之使用闡述裝置及/或程序之各項實施例。只要此等方塊圖、示意圖及實例包含一或多個功能及/或操作，熟習此項技術者將理解，可藉由廣泛範圍之硬體、軟體、韌體或實際上其等任何組合個別地及/或共同地實施此等方塊圖、流程圖或實例內之各功能及/或操作。
在一項實施例中，本發明標的物可經由特定應用積體電路(ASIC)、場可程式化閘陣列(FPGA)等來實施。然而，熟習此項技術者將認知，本文中所揭示之實施例整體上或部分地可等效地在標準積體電路中實施為由一或多個電腦執行之一或多個電腦程式(例如，實施為在一或多個電腦系統上運行之一或多個程式)、實施為由一或多個控制器(例如，微控制器)執行之一或多個程式、實施為由一或多個處理器(例如，微處理器)執行之一或多個程式、實施為韌體或實施為實際上其等任何組合，且鑑於本發明之教示設計電路及/或撰寫軟體及/或韌體之程式碼將完全在一般技術者之技能範圍內。
當邏輯經實施為軟體且經儲存於記憶體中時，邏輯或資訊可儲存於任何非暫時性電腦可讀媒體上以供或結合任何處理器相關系統或方法使用。在本發明之內容脈絡中，記憶體係電腦可讀媒體，其係包含或儲存電腦及/或處理器程式之電子、磁性、光學或其他實體裝置或構件。邏輯及/或資訊可體現於任何電腦可讀媒體中以供或結合指令執行系統、設備或裝置(諸如基於電腦之系統，包含處理器之系統或可自指令執行系統、設備或裝置提取指令且執行與邏輯及/或資訊相關之指令之其他系統)使用。
在本說明書之內容脈絡中，「非暫時性電腦可讀媒體」可為可儲存與邏輯及/或資訊相關聯之程式以供或結合指令執行系統、設備或裝置使用之任何元件。電腦可讀媒體可為例如但不限於電子、磁性、光學、電磁、紅外線或半導體系統、設備或裝置。電腦可讀媒體之更特定實例(非詳盡性清單)將包含以下項：可攜式電腦磁片(磁性、CF卡、安全數位或類似物)、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可擦除可程式化唯讀記憶體(EPROM、EEPROM或快閃記憶體)、可攜式光碟唯讀記憶體(CDROM)、數位磁帶及其他非暫時性媒體。
本文中所描述之諸多方法可變動地執行。例如，諸多方法可包含額外動作，省略一些動作及/或以不同於所繪示或所描述之順序執行動作。可組合上文所描述之各項實施例以提供進一步實施例。本說明書所提及及/或應用資料表中所列之所有美國專利、美國專利申請公開案、美國專利申請案、外國專利、外國專利申請案及非專利公開案不與本文中之特定教示及定義相抵觸。若需要，則可修改實施例之態樣以採用各項專利、申請案及公開案之系統、電路及概念以提供又進一步實施例。
可鑑於上文詳細描述對實施例進行此等及其他改變。一般而言，在以下發明申請專利範圍中，所使用術語不應被解釋為將發明申請專利範圍限於說明書及發明申請專利範圍中所揭示之特定實施例，而是應被解釋為包含所有可能實施例連同此發明申請專利範圍所授權之等效物之全範疇。據此，發明申請專利範圍不受本發明限制。而且，可組合上文所描述之各項專利、申請案及公開案之系統、電路及概念以提供又進一步實施例。
可鑑於上文詳細描述對實施例進行此等及其他改變。一般而言，在以下發明申請專利範圍中，所使用術語不應被解釋為將發明申請專利範圍限於說明書及發明申請專利範圍中所揭示之特定實施例，而是應被解釋為包含所有可能實施例連同此發明申請專利範圍所授權之等效物之全範疇。據此，發明申請專利範圍不受本發明限制。
在前述說明書中，本發明已參考其特定實施例進行描述。然而，將顯而易見的是，在不脫離本發明之廣泛精神及範疇之情況下，可對其進行各種修改及改變。例如，上述程序流程係參考程序動作之特定排序進行描述。然而，在不影響本發明之範疇或操作之情況下，可改變諸多所描述程序動作之排序。據此，說明書及圖式應被認為係闡釋性而非限制性的。
本文中描述本發明之各項實例實施例。在非限制性意義上參考此等實例。提供本文中所描述之實施例以闡釋本發明之更廣泛適用態樣。可對本文中所描述之實例或實施例之任一者進行各種改變，且可在不脫離本文中所描述之此等實例或實施例之真實精神及範疇之情況下用其等效物替換。
另外，可進行諸多修改以使特定情況、材料、物質組合物、系統、模組、程序及/或(若干)程序動作或(若干)步驟適應本發明之(若干)目的、精神或範疇。此外，如熟習此項技術者將明白，在不脫離本文中所描述之各種變動、實例及/或實施例等之範疇或精神之情況下，本文中所描述及所闡釋之個別變動、實例及/或實施例等之各者具有可容易地與其他若干變動、實例及/或實施例等之任一者之特徵或若干特徵分離或組合之離散組件及特徵。所有此等修改意欲於在與本發明相關聯之發明申請專利範圍之範疇內。而且，可組合本文中所描述之各項實施例或(若干)其部分以提供進一步實施例。若必需，則可修改實施例之任何態樣以採用本文中所描述之各種變動、實例及/或實施例等之概念以提供又進一步實施例。
34:大資料集/化驗資料集/資料空間 50:資料顯示引擎 52:圖庫視圖 54:晶片時間線視圖 56:過濾器視圖 58:原始資料視圖 59:生物資訊學管線視圖 100:微流體裝置 100A:微流體裝置 102:工作流程、管線等 102A:外殼 104:分析 104A:支撐結構 106:資料集或資料結構 106A:流動路徑/流 107:入口閥或埠 108:基本影像 108A:微流體迴路結構 109:內表面 110:資料結構 110A:蓋 112:模組 114:過濾器建構器及應用程式模組 114A:框架 116:繪圖模組 116A:微流體迴路材料 118:分析模組 120:視圖模組 120A:微流體迴路 121:基於機器學習之生物樣本計數模組 122:所關注區 122A:微流體通道 123:人工智慧(A.I.)模組 124A:微流體室 126:個別影像部分/個別所關注區(ROI)影像 126A:微流體室 128:有關資料 128A:微流體室 130:視圖 130A:微流體室 132A:微物件阱 134A:側通路 150:固有資料 150A:系統 152:導出或分析資料/導出及分析資料 152A:控制及監測設備 154:主控制器/外部主控制器 156:控制模組 158:數位記憶體 160:介質模組 162:動力模組 164:成像模組 166:傾斜模組 168:其他模組 170:顯示裝置 172:輸入/輸出裝置 178:介質源 180:流體介質/第一流體介質/第一介質 190:傾斜裝置 192:電源 194:成像裝置 200:微流體裝置 202:區/室 204:底部電極 206:電極啟動基板/DEP電極啟動基板 208:內表面 210:頂部電極 212:電源 214:區 214a:介電泳(DEP)電極區 216:光源 218:光圖案 220:正方形圖案 222:埠 224:室/封存室 226:室/封存室 228:室/封存室 232:隔離結構 234:近端開口 236:連接區 238:遠端開口 240:隔離區 242:流 244:副流 246:微物件 248:第二流體介質/第二介質 250: 微流體裝置 254:第一流體介質/第一介質 256:微流體迴路結構 258:第二介質 264:流動通道 266:室 268:連接區 270:隔離區 272:隔離結構 274:近端開口 276:遠端開口 278:流 280:微流體裝置 282:副流 284:外殼 286:基座 288:蓋 290:微流體裝置 292:內表面 294:內表面 296:甲矽烷氧基連接子 298:塗佈材料 300:微流體裝置/巢狀/支撐結構 300O:電腦系統/運算系統 302:第一流體介質/插座 304:第二流體介質/整合式電信號產生子系統 306:熱控制子系統 306O:匯流排 307O:處理器/處理器或處理器核 308:微流體迴路結構/控制器 308O:系統記憶體 309O:靜態儲存裝置 310:流/介面 310O:磁碟機 312:殼體 312O:輸入裝置 314:流體路徑 314O:通信介面 315O:通信鏈路 316:微流體迴路材料/入口 318:出口 320:微流體裝置 322:通道/微流體通道/印刷電路板總成(PCBA) 324:室/串列埠 330:連接區壁/光調變子系統 331O:資料儲存系統 332:第一光源 332O:資料庫 334:近端開口/第二光源 336:連接區/光束分裂器 338:遠端開口/二向色過濾器 340:隔離區/物鏡 342:樣本平面 344:副流/置物台 346:二向色過濾器 348:偵測器 350:微流體裝置/顯微鏡 352:框架/鉤形區 400A:晶片時間線視圖 402A:資料表示或匹配網格部分/資料區 402B:微流體裝置識別符 402C:圖形表示 402D:微流體裝置 403A:標誌識別符 404A:微流體裝置 404B:表示或塊/圖形表示 404C:額外資訊或細節 404D:微流體裝置操作 406A:候選空間 406B:時間週期 406C:概要 406D:額外資訊或細節 408A:多向放置介面工具集 408C:小型化圖形表示 412A:待插入物件 500G:互動式元件 502A:另一放置介面工具集 502B:原始晶片時間線視圖/晶片時間線 502C:行 502D:第一影像序列 502E:晶片時間線視窗 502F:對應圖形表示/經色彩編碼表示 502G:原始資料顯示區 502H:微流體裝置識別符 502I:行啟用/停用螢幕上介面工具集 502J:分組 502K:半透明鬼影定界框 504A:另一物件 504B:經插入圖庫視圖 504C:圖庫視圖 504D:室或其之一部分 504E:圖庫視圖 504F:特定行 504G:分組介面工具集 504H:室識別符 504I:添加新行介面工具集 504J:分組 504K:多向放置介面工具集 506A:所關注區 506B:第一圖形表示 506C:多狀態選擇器 506D:鄰近流動通道 506G:行顯示區 506H:第一化驗裝置識別符 506I:欄位 506K:物件 508A:第一圖形表示/特定標示符 508B:第一行/第一子集 508C:圖庫欄位 508D:第二影像序列 508G:功能顯示區域 508H:第一化驗室識別符 508I:移除行介面工具集 510A:標示符 510B:第二圖形表示 510C:行/第一圖庫子結構 510H:第一化驗rQP (dr、dq、dp分子) 512A:第一行 512B:第二行 512C:行/第二圖庫子結構 512H:第一化驗分數 514A:處理介面工具集 514B:刪除介面工具集 514C:識別符或屬性 514H:第一化驗時間戳 516B:表示 516C:第一圖形表示 516H:第二化驗裝置識別符 518C:第二圖形表示 518H:第二化驗室識別符 520C:順序或等級 520H:第二化驗rQP 522C:晶片時間線視圖 522H:第二化驗分數 524C:匹配網格部分 524H:第二化驗時間戳 602A:擴展/折疊介面工具集 602B:生物資訊學管線使用者介面 602C:介面工具集/行選單 602D:可見性介面工具集 602E:Assay_2_CV5行標題/室 602F:背景 602G:組態介面工具集 602H:多狀態選擇器 602I:呈現/過濾器建構器及應用程式模組 604A:額外內容 604B:晶片時間線視圖 604C:部分 604D:分級介面工具集 604E: 室之背景/室 604F:經放大影像 604G:組態介面工具集 604H:過濾器選擇器開關 604I:特性或過濾器屬性 606A:額外內容 606B:圖庫視圖或使用者介面 606C:迷你圖 606D:行識別符 606E:螢光標記細胞 606G:多狀態選擇器 606H:多狀態開關或多狀態選擇器 608A:擴展表示/擴展/折疊介面工具集或圖庫細節介面工具集 608B:圖庫視圖 608C:資料區 608D:行註腳 608E:組態介面工具集 608G:「選定」 608H:清單產生開關 608I:樣本 610A:晶片時間線視圖 610B:流 610D:行大小調整介面工具集 610I:過濾器準則組態器或組態滑塊介面工具集/滑塊 612A:新標誌 612B:流 612D:精度調整介面工具集 614A:互動式介面工具集 614B:流 614I:調整介面工具集 616A:互動式介面工具集/所關注室清單 616B:可擴展及可折疊室清單選單 616I:調整介面工具集 618A:互動式介面工具集 618B:內容選單 618I:過濾器準則組態器或組態滑塊介面工具集/滑塊 702A:生物資訊學管線使用者介面 702B:「降維」 702C:過濾滑塊 702E:字幕 702F:多邊形形狀 702G:多邊形形狀/選擇形狀 702H:視圖 702I:多邊形形狀、套索或其他適當形狀 702J:識別符 702K:寫入介面工具集 702L:logb滑塊介面工具集 702M:圖庫視圖標誌 702N:第一基因表現 702O:差異分析結果 702P:表型資料 702Q:面板 703A:資料控制視圖 704A:定序運行名稱 704B:「降維及叢集化」 704C:細胞/圖形 704E:過濾控件/第一過濾控件 704F:視圖 704G:視圖 704J:放大視窗 704K:圖形建構模組 704L:倍性變化滑塊介面工具集 704M:晶片時間視圖標誌 704N:第二基因表現 704O:火山圖 704Q:面板 705M:標誌 706A:參考基因組 706B:降維參數 706C:過濾滑塊 706E:過濾控件/第二過濾控件 706F:視圖 706G:視圖 706J:選擇工具 706K:點 706L:「視覺化」介面工具集 706M:第一概要 706N:「運行差異基因表現」 706O:MA (Bland-Altman)圖 706Q:面板 708A:輸入檔案類型或格式 708B:PCA (主成分分析)組件 708C:細胞/圖形 708E:過濾控件/第三過濾控件 708F:多邊形形狀/選擇形狀 708J:經佈建圖或圖形組態介面 708K:頂點 708M:第二概要/額外細節 708Q:面板 710A:起始分析 710B:解析度參數 710C:過濾滑塊 710E:寫入介面工具集 710F:多邊形形狀 710J:介面工具集/介面工具集選單 710K:區 710M:經載入資料集 712A:刪除介面工具集 712B:「定序視圖介面工具集」 712C:細胞/圖形 712E:定序視圖介面工具集 712J:曲線或直線選擇介面工具集 712K:多邊形形狀/現有選擇形狀/多邊形選擇形狀 712M:欄位 714B:佈建 714C:概要 714J:「保存圈清單」 714K:介面工具集欄 714M:定序視圖介面工具集/經載入生物資訊學管線資料集 716B:叢集化參數 716C:概要 716J:互動式圖或圖形表示 716K:方向 716M:過濾器子選單 718B:降維及/或叢集化結果/「視覺化叢集化」 718K:新位置 802A:影像 802B:影像 802C:另一實例性影像 804A:影像/室 804C:室 806A:室或圈/流動通道區域 806B:生物樣本 808A:區域 808B:生物樣本 902A:步驟 904A:步驟 906A:步驟 908A:步驟 910A:步驟 957:室 958:室 1002A:步驟 1004A:步驟 1006A:步驟 1008A:步驟 1002B:步驟 1004B:步驟 1006B:步驟 1008B:步驟 1010B:步驟 1012B:步驟 1014B:步驟 1016B:步驟 1018B:步驟 1020B:步驟 1022B:步驟 1002D:步驟 1004D:步驟 1006D:步驟 1008D:步驟 1010D:步驟 1012D:步驟 1014D:步驟 1016D:步驟 1018D:步驟 1020D:步驟 1002F:步驟 1004F:步驟 1006F:步驟 1008F:步驟 1010F:步驟 1012F:步驟 1014F:步驟 1016F:步驟 1002G:步驟 1004G:步驟 1006G:步驟 1008G:步驟 1010G:步驟 1012G:步驟 1014G:步驟 1016G:步驟 1018G:步驟 1020G:步驟 1022G:步驟 1024G:步驟 1026G:步驟 1028G:步驟 1030G:步驟 1032G:步驟 1034G:步驟 1036G:步驟 1038G:步驟 1040G:步驟 1042G:步驟 1044G:步驟 1046G:步驟 1048G:步驟 1050G:步驟 1052G:步驟 1054G:步驟 1056G:步驟 1058G:步驟 1002H:步驟 1004H:步驟 1006H:步驟 1008H:步驟 1010H:步驟 1012H:步驟 1014H:步驟 1016H:步驟 1018H:步驟 1020H:步驟 1022H:步驟 1024H:步驟 1034H:步驟 1036H:步驟 1038H:步驟 1040H:步驟 1002I:步驟 1004I:步驟 1006I:步驟 1008I:步驟 1010I:步驟 1012I:步驟 1002J:步驟 1004J:步驟 1006J:步驟 1008J:步驟 1010J:步驟 1012J:步驟 1002K:步驟 1004K:步驟 1006K:步驟 1008K:步驟 1010K:步驟 1012K:步驟 1014K:步驟 1016K:步驟 1018K:步驟 1020K:步驟 1022K:步驟 1024K:步驟 1026K:步驟 1028K:步驟 1102A:步驟 1104A:步驟 1106A:步驟 1108A:步驟 1110A:步驟 1112A:步驟 1114A:步驟 1116A:步驟 1118A:步驟 1120A:步驟 1122A:步驟 1124A:步驟 1102B:步驟 1104B:步驟 1106B:步驟 1108B:步驟 1110B:步驟 1112B:步驟 1114B:步驟 1116B:步驟 1118B:步驟 1151:圈 1208:引擎 1300A:神經網路 1301A:輸入影像 1304B:晶片時間線/晶片時間線中之操作繪示表示 1305:影像或影像之一部分 1308:細胞 1310A:第一減少取樣塊 1320:影像 1320A:第一處理塊(或剩餘網路塊) 1322:平均值 1324:一維向量 1330A:第二減少取樣塊 1340A:第二處理塊 1350A:第三減少取樣塊 1355:特定界定區域 1360A:第三處理塊 1370A:第一增加取樣塊 1380A:第二增加取樣塊 1390A:第三增加取樣塊 1392A:第一跳躍連接 1394A:第二跳躍連接 1399A:輸出 1400A:多分支處理塊 1400D:廻旋神經網路(CNN) 1400E:CNN 1400F:CNN 1400G:CNN 1401D:影像輸入 1405A:輸入 1410A:第一分支 1410D:第一減少取樣塊 1412D:第一Conv 1414D:第一批次norm層 1415A:第一廻旋層 1416D:第一激發層 1420A:第一批次正規化(norm)層 1420D:第一剩餘網路塊 1422D:第一分支 1424D:第二分支 1425A:第一激發層 1426D:第一重組層 1428D:第一ELU/最終ELU層 1430A:第二Conv 1430E:第二減少取樣塊 1432E:第二Conv 1435A:第二批次norm層 1436E:第二激發層 1440A:第二分支 1440E:第二剩餘網路塊 1442E:第三分支 1444E:第四分支 1445A:第三Conv 1448E:第二ELU 1448F:第二ELU 1450A:第三批次norm層 1450F:第三減少取樣塊 1452F:第三Conv 1454F:第三批次norm層 1455A:第二激發層 1456F:第三激發層 1460A:重組層 1460F:第三剩餘網路塊 1462A:塊激發層 1462F:第五分支 1464A:輸出 1464F:第六分支 1466F:組合層 1468F:線性單元 1470B:取樣塊 1470G:第一增加取樣塊 1471B:輸入 1472G:第一增加取樣Conv 1474B:廻旋層(Conv) 1474G:第一增加取樣批次norm層 1476B:批次正規化(norm)層 1476G:第一增加取樣重組層 1478B:激發層 1478G:第一增加取樣激發層 1479B:輸出 1480C:取樣塊 1480G:第二增加取樣塊 1481C:輸入 1482G:第二增加取樣Conv 1484C:轉置Conv 1484G:第二增加取樣批次norm層 1486C:批次norm層 1486G:第二增加取樣重組層 1488C:激發層 1488G:第二增加取樣激發層 1489C:輸出 1490G:第三增加取樣塊 1492D:第一跳躍連接 1494E:第二跳躍連接 1496G:第三增加取樣激發層 1510:步驟 1520:步驟 1530:步驟 1540:步驟 1550:步驟 1600:系統 1602:影像採集單元 1604:經插入圖庫視圖/微物件偵測單元/微物件計數單元 1606:成像元件 1608:影像預處理引擎 1610:神經網路 1612:臨限值引擎 1614:偵測引擎 1616:輸入/輸出裝置(I/O裝置) 1620:用戶端 1900:神經網路 1905:輸入影像 1910:第一處理塊 1915:第一減少取樣塊 1920:第二處理塊 1925:第二減少取樣塊 1930:最終處理塊 1935:平均化 1940:完全連接層 1945:第一激發層 1950:第二完全連接層 1960:線性輸出或計數 2002:處理塊 2005:輸入張量 2010:廻旋層 2015:激發層 2020:廻旋層 2025:激發層 2030:輸出張量 2102:處理塊 2102A:步驟 2102B:處理塊 2102C:第一減少取樣塊 2102D:第二減少取樣塊 2102E:第三減少取樣塊 2102F:第一轉置廻旋層 2104A:步驟 2104B:第一處理塊 2104C:第一廻旋核心 2104D:第四廻旋核心 2104E:第七廻旋核心 2104F:第一正規化層 2105:輸入張量 2106A:步驟 2106B:第二處理塊 2106C:第一剩餘塊 2106D:第二剩餘塊 2106E:第三剩餘塊 2106F:第二轉置廻旋層 2108A:步驟 2108B:第三處理塊 2108C:第一平行路徑 2108D:第三平行路徑 2108E:第五平行路徑 2108F:第二正規化層 2110:廻旋層 2110A:步驟 2110B:第四處理塊 2110C:第二平行路徑 2110D:第四平行路徑 2110E:第六平行路徑 2110F:廻旋神經網路(CNN)輸出 2112C:第二廻旋核心 2112D:第五廻旋核心 2112E:第八廻旋核心 2114C:第三廻旋核心 2114D:第六廻旋核心 2114E:第九廻旋核心 2115:激發層 2120:廻旋層 2125:激發層 2130:廻旋層 2135:激發層 2140:輸出張量 Dp :穿透深度 Lc1 :長度 Lc2 :長度 Lcon :長度 Ls :長度 Lwall :長度 Wch :寬度 Wcon :寬度 Wcon1 :寬度 Wcon2 :寬度
現在將參考僅以實例方式給出之設備及方法之實例實施例且參考隨附圖式更詳細地描述本申請案之發明，其中：
圖1繪示一或多項實施例中之用於利用增強型使用者介面分析生物樣本之程序及/或系統之方塊圖之簡化實例。
圖2A繪示一或多項實施例中之實例性化驗資料顯示引擎。
圖2B繪示一或多項實施例中之在其上可實施本文中所描述之各種運算任務之實例性運算系統上之實例運算節點。
圖3A至圖3C繪示一或多項實施例中之可在本文中針對複數個生物樣本所描述之一或多個分析中使用之實例性微流體裝置。
圖3D至圖3J繪示可用來特性化所關注區之微流體裝置之實例性結構特徵。
圖3K繪示根據本發明之實施例之微流體裝置。
圖3L繪示根據本發明之實施例之微流體裝置之經塗佈表面。
圖3M繪示根據本發明之一些實施例之與微流體裝置及相關聯控制設備一起使用之系統之特定實例。
圖3N繪示根據本發明之一些實施例之成像裝置。
圖3O繪示一或多項實施例中之在其上可實施本文中所描述之用於對生物樣本執行化驗分析之各種程序之電腦化系統。
圖4A繪示一或多項實施例中之展示晶片時間線視圖之一部分之實例性簡化使用者介面之一部分。
圖4B繪示一些實施例中之在圖13A中之資料區402A之放大視圖。
圖4C繪示一或多項實施例中之關於晶片時間線視圖之更多細節。
圖4D繪示一或多項實施例中之晶片時間線視圖之另一實例。
圖4E繪示一或多項實施例中之晶片時間線視圖之實例。
圖5A繪示一些實施例中之致動放置介面工具集以將另一物件插入至晶片時間線視圖中之另一實例。
圖5B繪示一些實施例中之在原始晶片時間線視圖之頂部處具有經插入圖庫視圖1604之晶片時間線視窗。
圖5C繪示在調整經插入物件之高度之後的在原始晶片時間線視圖之頂部處具有經插入圖庫視圖之晶片時間線視窗。
圖5D繪示一或多項實施例中之可在使用者介面或其之一部分中顯示之圖庫視圖物件之另一實例。
圖5E繪示一些實施例中之將圖庫視圖添加至圖4A中之原始晶片時間線視窗或視圖之右側之實例。
圖5F繪示在調整經插入圖庫視圖之高度之後的在原始晶片時間線視圖之右側具有經插入圖庫視圖之晶片時間線視窗。
圖5G繪示一或多項實施例中之儲存晶片時間線視圖之原始資料之實例性資料結構之實例性顯示。
圖5H繪示一或多項實施例中之關於圖5G中所繪示之實例性資料結構之實例性顯示之一部分之更多細節。
圖5I繪示一或多項實施例中之關於圖5G中所繪示之實例性資料結構之實例性顯示之一部分之更多細節。
圖5J繪示一或多項實施例中之儲存原始資料之實例性資料結構之實例性分組。
圖5K繪示一或多項實施例中之藉由使用多向放置介面工具集來將物件插入至晶片時間線視圖或視窗中之另一實例。
圖6A繪示一或多項實施例中之致動擴展介面工具集以依物件之形式顯示與各室相關聯之額外內容之實例。
圖6B繪示一些實施例中之在本文中所描述之生物資訊學管線使用者介面及一或多個其他使用者介面或視圖之整合之實例。
圖6C繪示一些實施例中之針對經載入生物資訊學管線資料集所繪示之圖庫視圖之更多細節。
圖6D繪示一或多項實施例中之在實例性圖庫視圖上用於組態實例性圖庫視圖之設定之實例性彈出視窗。
圖6E繪示一些實施例中之實例性圖庫視圖中之假著色之實例性結果。
圖6F繪示一些實例實施例中之更改實例性圖庫視圖中之室之行之色彩因子及一或多個個別室之放大特徵之實例性結果。
圖6G繪示一些實施例中之用於組態視圖之組態介面工具集之另一實例。
圖6H繪示一些實施例中之其中使用者將圖6G中之室之狀態自「選定」狀態改變為「未決定」狀態之實例。
圖6I繪示一些實施例中之用於添加一或多種過濾器類型之一或多個過濾器之過濾器建構器及應用程式模組之實例。
圖7A繪示一或多項實施例中之用於生物資訊學管線引擎之實例性生物資訊學管線使用者介面。
圖7B繪示一或多項實施例中之其中使用者具備組態用於生物資訊學管線資料集之降維之一或多個降維參數以及實例性生物資訊學管線使用者介面之一些額外特徵之能力之實例。
圖7C繪示一或多項實施例中之生物資訊學管線資料集之實例性表示。
圖7D繪示一或多項實施例中之關於圖7A至圖7C中所繪示之實例性生物資訊學管線使用者介面之更多細節。
圖7E繪示一或多項實施例中之在本文中所描述之實例性使用者介面之一些實例性動態態樣。
圖7F繪示一或多項實施例中之用於選擇生物資訊學管線資料集之一部分之另一選擇工具之實例。
圖7G繪示一或多項實施例中之在本文所描述之實例性使用者介面中之在圖7F中選擇之實例性結果。
圖7I繪示一或多項實施例中之在本文所描述之實例性使用者介面中之自圖7G選擇之結果。
圖7J繪示一或多項實施例中之經載入生物資訊學管線資料集中之生物樣本之叢集化結果之一些實例性散點圖、互動式圖或圖形表示以及其中使用者組態使用者介面中呈現之互動式圖之實例。
圖7K繪示一些實施例中之可與任何圖形或視圖(若適用)合併以供使用者選擇物件之內建式選擇介面工具集。
圖7L繪示一些實施例中之組態差異基因表現之另一實例。
圖7M繪示一或多項實施例中之實例性生物資訊學管線使用者介面之額外特徵。
圖7N繪示一或多項實施例中之生物資訊學管線使用者介面之差異基因表現之額外功能性之實例。
圖7O繪示一些實施例中之來自圖7L之實例性差異基因表現結果。
圖7P繪示實例性表型資料結果。
圖7Q繪示與圖7P之表型資料結果連結之實例性差異基因表現結果。
圖8A繪示一些實施例中之針對微流體裝置中之複數個室捕獲之實例性影像。
圖8B繪示一些實施例中之相同於圖8A中所繪示之在先前時間點捕獲之影像之在下一時間點針對多個室捕獲之另一實例性影像。
圖8C繪示一些實施例中之相同於圖8A至圖8B中所繪示之在先前時間點捕獲之影像之在下一時間點針對多個室捕獲之另一實例性影像。
圖8D繪示一或多項實施例中之緊接在識別微物件及將微物件指派給室之後的微流體迴路之通道內之微物件。
圖8E繪示一或多項實施例中之在其中光籠已沿其等選定軌跡移動之稍後時間點的圖8D中之相同微物件。
圖8F繪示一或多項實施例中之在第三時間點之相同細胞，其中光籠已沿其等選定軌跡幾乎完全移動以將該等細胞定位於封存室中。
圖9A繪示一或多項實施例中之用於使用具有多個室之微流體裝置分析生物樣本之方法及/或系統之高階流程圖。
圖10A繪示一或多項實施例中之用於利用增強型使用者介面分析生物樣本之程序及/或系統之方塊圖之簡化實例。
圖10B至圖10C繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10D至圖10E繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10F繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10G-1、圖10G-2、圖10G-3及圖10G-4繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10H-1及圖10H-2繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10H-3繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10I繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10J繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖10K-1及圖10K-2繪示一或多項實施例中之關於圖10A中所繪示之方塊圖之簡化實例之一部分之更多細節。
圖11A-1繪示一或多項實施例中之用於使用具有多個室之微流體裝置分析生物樣本之方法及/或系統之另一高階流程圖。
圖11A-2及圖11A-3繪示一或多項實施例中之關於圖11A-1中所繪示之高階流程圖之一部分之更多細節。
圖11B-1及圖11B-2繪示一或多項實施例中之關於圖11A-1中所繪示之高階流程圖之一部分之更多細節。
圖12A至圖12F繪示根據一或多項實施例之一些實例性微物件分離實例。
圖13A繪示根據一或多項實施例之廻旋神經網路之簡化示意圖。
圖14A至圖14C繪示根據一或多項實施例之剩餘網路、減少取樣塊及增加取樣塊之示意圖。
圖14D至圖14G繪示一或多項實施例中之關於廻旋神經網路之更多細節。
圖15繪示根據一或多項實施例之用於自動地偵測影像中之微物件之方法之簡化實例性流程圖。
圖16繪示根據一或多項實施例之用於自動地偵測影像中之微物件之簡化實例性系統。
圖17繪示用於執行全域平均化匯集之實例性程序，及微流體裝置之實例性區，可藉由本文中所揭示之方法之任一者針對該等區判定計數。
圖18繪示微流體裝置之一些實例性區，可藉由本文中所揭示之程序之任一者針對該等區判定計數。
圖19繪示根據一或多項實施例之神經網路之示意圖。
圖20繪示根據一或多項實施例之處理塊之示意圖。
圖21繪示根據一或多項實施例之最終處理塊之示意圖。
圖22A繪示一或多項實施例中之用於以程式化方式分析微流體裝置中之生物樣本之程序或系統之簡化高階方塊圖。
圖22B至圖22E繪示一或多項實施例中之關於圖22A中所繪示之高階方塊圖之更多細節。
100:微流體裝置
102:工作流程、管線等
104:分析
106:資料集或資料結構
108:基本影像
110:資料結構
112:模組
114:過濾器建構器及應用程式模組
116:繪圖模組
118:分析模組
120:視圖模組
121:基於機器學習之生物樣本計數模組
122:所關注區
123:人工智慧(A.I.)模組
126:個別影像部分/個別所關注區(ROI)影像
128:有關資料
130:視圖
150:固有資料
152:導出或分析資料

Claims (50)

  1. 一種用於分析生物樣本之方法，其包括： 識別微流體裝置中之多個所關注區中之生物樣本之分析及與該分析相關之時間線，其中該時間線包括在時間上與該等生物樣本之該分析之工作流程或管線之至少一者對準之資訊； 判定該多個所關注區之一或多種所關注區類型，其中該一或多種所關注區類型包括與該等生物樣本之至少一個生物樣本相關之基於目標之類型或與該微流體裝置相關之基於結構之類型； 至少部分基於該一或多種所關注區類型而判定該等生物樣本之多個特性，其中該多個特性分別對應於該等生物樣本或該等分析之屬性、性質或可量化度量；及 至少部分基於該多個特性及該時間線而在使用者介面中針對該等生物樣本之至少一部分配置及顯現來自該分析之分別對應於該多個所關注區之相關聯資料。
  2. 如請求項1之方法，其中配置及顯現該相關聯資料包括： 至少部分基於該使用者介面中用於顯現分析結果之可分配空間而判定具有用於該等分析結果之複數個圖庫子結構之圖庫結構。
  3. 如請求項2之方法，其中配置及顯現該等分析結果包括： 至少部分基於該多個特性中之一特性而將該等分析結果填入圖庫結構中之該複數個圖庫子結構中。
  4. 如請求項3之方法，判定該圖庫結構包括： 自儲存於非暫時性電腦可存取儲存媒體中之可定址空間中之該圖庫結構針對自該多個所關注區之第一所關注區獲得之第一生物樣本判定與一組時間點或時間週期相關之第一資料序列，其中該第一資料序列對應於該多個特性之至少第一特性；及 自該圖庫結構針對自該多個所關注區之第二所關注區獲得之第二生物樣本判定與該組時間點或時間週期相關之第二資料序列，其中該第二資料序列對應於該多個特性之至少第二特性；及 回應於利用該使用者介面中之第一選擇介面工具集自該多個特性選擇該至少該第一特性， 自複數個值提取至少該第一特性之第一值以用於該第一生物樣本或用於該分析；且 自該複數個值提取至少該第一特性之第二值以用於該第二生物樣本或用於該分析。
  5. 如請求項4之方法，配置及顯現分析結果包括： 將分別對應於該第一資料序列及該第二資料序列之第一互動式物件及第二互動式物件顯現至圖庫視圖中，其中 該第一互動式物件代表用於該第一生物樣本或該分析之該第一值，且 該第二互動式物件代表用於該第二生物樣本或該分析之該第二值。
  6. 如請求項1之方法，其進一步包括： 回應於至少部分基於該時間線透過該使用者介面中之時間線視圖啟動互動式介面工具集而調用時間線視圖，在該使用者介面中顯現該時間線視圖及匹配網格部分。
  7. 如請求項6之方法，其中 該時間線視圖包括該等生物樣本之該分析中之多個工作流程任務之各自進度，且 該各自進度以圖形方式指示該多個工作流程任務之各自時間性持續時間。
  8. 如請求項7之方法，其進一步包括： 回應於該微流體裝置之識別、該使用者介面中表示之與來自該第一所關注區之該多個所關注區之第一生物樣本相關之第一資料序列或與來自第二所關注區之該多個所關注區之第二生物樣本相關之第二資料序列，判定是否存在用於儲存與該微流體裝置中之該等生物樣本相關之資料之圖庫結構，其中 該資料包括該使用者介面中表示之與來自該多個所關注區之該第一所關注區之該第一生物樣本相關之該第一資料序列或與來自該多個所關注區之該第二所關注區之該第二生物樣本相關之該第二資料序列。
  9. 如請求項8之方法，其進一步包括： 當判定存在用於該微流體裝置之該圖庫結構時， 將該第一資料序列之至少一部分或該相關聯資料之至少一部分填入該匹配網格部分；及 顯現識別符介面工具集，該識別符介面工具集在自該使用者介面接收識別符變化輸入時觸發改變該多個特性之第一特性且與該第一資料序列相關之指令。
  10. 如請求項9之方法，其進一步包括： 顯現刪除介面工具集，該刪除介面工具集在該使用者介面中調用時引起至少一處理器自該時間線視圖移除該微流體裝置及與該微流體裝置相關之資料。
  11. 如請求項1之方法，其進一步包括： 使該多個所關注區之第一所關注區與時間線視圖中所繪示之一或多個圖形元素相關聯。
  12. 如請求項11之方法，其中使該第一所關注區與該一或多個圖形元素相關聯包括： 在該使用者介面之一部分中之第一行中針對該一或多個圖形元素之第一圖形元素顯現對應於在第一時間點或第一時間週期捕獲之第一資料序列之第一互動式物件；或 在該使用者介面之一部分中之第一行中針對該一或多個圖形元素之第一圖形元素顯現對應於在第一時間點或第一時間週期捕獲之第一資料序列之第一互動式物件且針對該一或多個圖形元素之第二圖形元素顯現對應於在第二時間點或第二時間週期捕獲之第二資料序列之第二互動式物件，該第二互動式物件對應於該使用者介面之該部分中之第二行。
  13. 如請求項1之方法，其中配置及顯現該等分析結果包括： 至少部分基於用於該等生物樣本之該分析之該管線或該工作流程而判定該時間線。
  14. 如請求項13之方法，其中配置及顯現該等分析結果包括： 至少部分基於該時間線而判定該分析之複數個階段，其中該複數個階段分別對應於用於該等生物樣本之該分析之複數個時間點或時間週期。
  15. 如請求項14之方法，其中配置及顯現該相關聯資料包括： 至少部分基於該複數個時間點或時間週期而分別判定該複數個階段之複數個圖形表示。
  16. 如請求項1之方法，其進一步包括在該使用者介面中顯現資料控制視圖，顯現該資料控制視圖包括： 針對具有複數個室之該微流體裝置產生具有複數個欄位之微流體裝置資料結構。
  17. 如請求項16之方法，顯現該資料控制視圖包括： 將與該微流體裝置相關之第一資料填入該微流體裝置資料結構中之第一欄位中，其中該第一資料包括該微流體裝置之第一識別符。
  18. 如請求項17之方法，顯現該資料控制視圖包括： 針對該微流體裝置資料結構之該第一欄位顯現第一互動式資料控制介面工具集，其中該第一互動式資料控制介面工具集在互動時至少部分基於在該資料控制視圖中接收之用於組態與至少該第一資料及該圖庫視圖相關之室清單之第一輸入而調用與時間線視圖或圖庫視圖相關之多個第一候選動作之一者。
  19. 如請求項17之方法，顯現該資料控制視圖進一步包括： 將與該微流體裝置相關之第二資料填入該微流體裝置資料結構中之第二欄位中，其中該第二資料包括與對該微流體裝置中之該等生物樣本之第一生物處理相關之標籤。
  20. 如請求項19之方法，顯現該資料控制視圖進一步包括： 針對該第二欄位顯現第二互動式資料控制介面工具集，其中該第二互動式資料控制介面工具集回應於該資料控制視圖中用於組態該相關聯資料之一或多個視覺化選項之第二使用者輸入而調用多個第二候選動作之至少一者。
  21. 如請求項1之方法，其進一步包括顯現過濾器視圖，其中顯現該過濾器視圖包括： 至少部分基於由與過濾器產生模組中之第一過濾器選擇器開關之互動觸發之一或多個指令之執行而判定第一過濾器之第一過濾器類型。
  22. 如請求項21之方法，顯現該過濾器視圖進一步包括： 在該過濾器視圖中針對該微流體裝置動態地判定及顯示滿足應用於該多個所關注區之該第一過濾器之第一動態約束之第一組經過濾所關注區中之所關注區之第一總數目。
  23. 如請求項21之方法，顯現該過濾器視圖進一步包括： 在過濾器產生模組處產生至少第二過濾器類型之第二過濾器及該第一過濾器類型之該第一過濾器之邏輯組合。
  24. 如請求項23之方法，顯現該過濾器視圖進一步包括： 回應於第二過濾器屬性之判定，顯現用於根據該第二過濾器對該微流體裝置之複數個室或該多個所關注區進行過濾之第二過濾器組態器，其中 該第二過濾器組態器回應於第二過濾器輸入而施加第二動態約束，且該第二動態約束約束來自該多個所關注區之待在該使用者介面中顯示之經過濾所關注區之第二數目。
  25. 如請求項24之方法，顯現該過濾器視圖進一步包括： 在該過濾器視圖中針對該微流體裝置動態地判定及顯示滿足該第二動態約束之經過濾所關注區之第二總數目；及 顯現回應於來自該第二過濾器輸入之該第二動態約束之第二動態變化而動態地變動之第二直方圖。
  26. 如請求項1之方法，其進一步包括產生生物資訊學管線視圖，產生該生物資訊學管線視圖包括： 判定該微流體裝置之複數個室或該多個所關注區中之該等生物樣本之定序資料集，其中生物樣本包括核苷酸或氨基酸序列。
  27. 如請求項26之方法，產生該生物資訊學管線視圖進一步包括： 回應於與該使用者介面中之第一定序視圖介面工具集之第一互動，在該生物資訊學管線視圖中顯現第一定序視圖，該第一定序視圖繪示包含該微流體裝置之該複數個室或該多個所關注區中之核苷酸序列、氨基酸序列或大分子序列之至少一者之第一生物樣本序列之屬性之分佈。
  28. 如請求項27之方法，產生該生物資訊學管線視圖進一步包括： 使該第一定序視圖與第一資訊覆疊，該第一資訊包括包含該第一生物樣本序列之多個第一生物樣本序列之該屬性之該分佈之一或多個統計量度，其中 該使用者介面包括該多個第一生物樣本序列之總數目、具有該第一生物樣本序列之所關注區之總數目及所關注區陣列之各自所關注區中之一或多個第一生物樣本序列之各自總數目。
  29. 如請求項1之方法，其進一步包括： 在包含至少一個視圖之該使用者介面中顯現多向放置介面工具集，其中該至少一個視圖包括圖庫視圖、時間線視圖、過濾器視圖、生物資訊學管線視圖或差異基因表現視圖之一或多者；及 至少部分基於來自使用者之第一輸入而識別用於將單獨物件添加至該使用者介面中之添加指令。
  30. 如請求項29之方法，其進一步包括： 至少部分基於該第一輸入而自該單獨物件之多個候選放置位置判定候選放置位置。
  31. 如請求項30之方法，該組動作進一步包括： 在該使用者介面中之該候選位置處顯現鬼影物件以依圖形方式呈現在將該單獨物件放置於該使用者介面中之前相對於該至少一個視圖待放置該單獨物件之位置。
  32. 如請求項1之方法，其中該多個特性對應於一或多個屬性，該一或多個屬性進一步包括以下至少一者：該微流體裝置中之所關注區之識別符、該等生物樣本之大小屬性、該等生物樣本之最大亮度屬性、該等生物樣本之最小亮度屬性、第一生物樣本之質心在第一方向上之第一像素計數屬性、該生物樣本之該質心在第二方向上之第二像素計數屬性、該生物樣本之該質心之大小屬性、時移索引屬性、該微流體裝置之裝置識別符、生物樣本計數屬性、經驗證生物樣本計數屬性、生物樣本類型屬性、該複數個所關注區之分數屬性、閘路徑索引、區域像素屬性、背景像素屬性或該複數個生物樣本之中位數亮度屬性。
  33. 如請求項1之方法，其進一步包括在第一時間點判定該微流體裝置中之所關注區中之該等生物樣本之第一計數。
  34. 如請求項33之方法，其進一步包括： 至少藉由將在第一時間點針對該微流體裝置中之所關注區捕獲之第一影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將該第一影像資料預處理成第一經預處理影像資料。
  35. 如請求項34之方法，其進一步包括： 至少藉由利用具有多個處理塊之廻旋神經網路(CNN)辨識判定該所關注區中之總體生物樣本來判定該等總體生物樣本之第一計數。
  36. 如請求項35之方法，其進一步包括： 使用該廻旋神經網路(CNN)之該多個處理塊至少部分基於該第一影像資料之第一類別或第一類型而判定該所關注區中之該等生物樣本之該第一計數。
  37. 如請求項35之方法，其中該多個處理塊包括： 第一處理塊、第二處理塊及第三處理塊，該第一處理塊包括將至第二減少取樣塊之第一輸入減少取樣成第一經減少取樣影像資料之第一減少取樣塊。
  38. 如請求項37之方法，該第一處理塊進一步包括： 第一剩餘網路，其中該第一剩餘網路在該第一減少取樣塊之後，其中該第一處理塊中之該第一減少取樣塊及該第一剩餘網路之各者包括至少一個第一廻旋層，其中 該第一剩餘網路包括第一平行路徑及第二平行路徑，該第一平行路徑及該第二平行路徑兩者自該第一減少取樣塊接收第一減少取樣塊輸出， 該第一平行路徑包括第一過濾器大小，且 該第二平行路徑包括小於該第一平行路徑之該第一過濾器大小之第二過濾器大小。
  39. 如請求項35之方法，其中該廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得該廻旋神經網路中之廻旋層不具有一乘一過濾器，且該廻旋神經網路不包括匯集層。
  40. 一種用於分析生物樣本之影像之方法，其包括： 接收在第一時間點或時間週期針對微流體裝置中之所關注區捕獲之第一影像資料； 至少藉由將該第一影像資料配置成第一像素資訊乘第二像素資訊乘像素深度資訊之陣列來將該第一影像資料預處理成第一經預處理影像資料； 至少藉由利用至少一機器學習模型將該第一影像資料分類成該第一影像資料之第一類別或類型來判定該第一類別或類型； 至少藉由利用具有多個處理塊之廻旋神經網路(CNN)辨識該所關注區中之該等生物樣本來至少部分基於該第一類別或類型而判定該等生物樣本之第一計數；及 在圖形使用者介面(GUI)之圖庫視圖中顯示與該所關注區之該第一計數相關之文字或圖形資訊。
  41. 如請求項40之方法，其中該多個處理塊包括第一處理塊，該第一處理塊進一步包括： 第一減少取樣塊，其將至第二減少取樣塊之第一輸入減少取樣成第一經減少取樣影像資料；及 第一剩餘網路，其中該第一剩餘網路在該第一減少取樣塊之後，其中該第一處理塊中之該第一減少取樣塊及該第一剩餘網路之各者包括至少一個第一廻旋層，其中 該第一減少取樣塊包括具有第一維度及針對第一深度之第一步幅之第一廻旋核心，該第一維度大於一乘一，且該第一步幅大於一， 該第一廻旋核心之後係第一批次正規化層，該第一批次正規化層進一步之後係該第一減少取樣塊中之第一激發層， 該第一剩餘網路包括第一平行路徑及第二平行路徑，該第一平行路徑及該第二平行路徑兩者自該第一減少取樣塊接收第一減少取樣塊輸出，該第一平行路徑包括第一過濾器大小，且該第二平行路徑包括小於該第一平行路徑之該第一過濾器大小之第二過濾器大小，且 該第一平行路徑包括具有至少一第二維度及針對第二深度之第二步幅之複數個第二廻旋核心，該第二維度小於該第一維度且大於一乘一，且該第二步幅小於該第一步幅。
  42. 如請求項41之方法，其進一步包括： 至少藉由利用沿該第二平行路徑具有第三維度與第三步幅之第三廻旋核心處理第一減少取樣塊輸出來減少處理該第一影像資料時之空間資訊之第一損失，其中該第三維度小於該第一維度及該第二維度，且該第三步幅小於該第一步幅。
  43. 如請求項41之方法，其中該多個塊進一步包括第二處理塊，該第二處理塊進一步包括： 第二減少取樣塊，其將至該第二減少取樣塊之第二輸入減少取樣成第二經減少取樣影像資料；及 第二剩餘網路，其在該第二減少取樣塊之後，其中該第二處理塊中之該第二減少取樣塊及該第二剩餘網路之各者包括至少一個第二廻旋層。
  44. 如請求項43之方法，其中該多個塊進一步包括第三處理塊，該第三處理塊進一步包括： 第三減少取樣塊，其將至該第三減少取樣塊之第三輸入減少取樣成第三經減少取樣影像資料；及 第三剩餘網路，其在該第三減少取樣塊之後，其中該第三處理塊中之該第三減少取樣塊及該第三剩餘網路之各者包括至少一個第三廻旋層。
  45. 如請求項44之方法，其進一步包括以下至少一者： 至少藉由利用沿該第四平行路徑具有第六維度與第六步幅之第六廻旋核心處理第二減少取樣塊輸出來減少該空間資訊之第二損失，其中該第六維度小於該第四維度及該第五維度，且該第六步幅小於該第四步幅；或 至少藉由利用沿該第六平行路徑具有第九維度與第九步幅之第九廻旋核心處理第三減少取樣塊輸出來減少該空間資訊之第三損失，其中該第九維度小於該第七維度及該第八維度，且該第九步幅小於該第七步幅。
  46. 如請求項45之方法，其中該多個塊進一步包括第四處理塊，該第四處理塊進一步包括： 數個轉置廻旋層，該數個轉置廻旋層之各者之後係各自正規化層，其中 該數個轉置廻旋層中之一轉置廻旋層具有相同於該第一處理塊中之該至少一個第一廻旋層或該第二處理塊中之該至少一個第二廻旋層之步幅數目。
  47. 如請求項45之方法，其進一步包括： 自該第一影像資料判定一或多個第一影像，該一或多個第一影像包括與該第一計數相關且在時間上對應於該第一時間點或時間週期之第一資訊； 自該第二影像資料判定一或多個第二影像，該一或多個第二影像包括與該第二計數相關且在時間上對應於該第二時間點或時間週期之第二資訊；及 至少藉由在該圖形使用者介面中以時間序列動態地顯現該一或多個第一影像及該一或多個第二影像來顯現該等生物樣本之至少一部分之時間進度。
  48. 如請求項40之方法，其中該廻旋神經網路中之廻旋層具有大於一乘一之過濾器大小使得該廻旋神經網路中之廻旋層不具有一乘一過濾器，且該廻旋神經網路不包括匯集層。
  49. 一種包括在其上儲存指令序列之非暫時性機器可存取儲存媒體之製造物品，該指令序列在由處理器執行時引起該處理器執行如請求項1至48之方法之任一者。
  50. 一種系統，其包括： 處理器； 使用者介面，其經耦合至該處理器以處理複數個分子生物樣本，該複數個分子生物樣本包括第一分子生物裝置中之第一分子生物樣本及第二分子生物樣本； 在其上儲存指令序列之非暫時性電腦可存取儲存媒體，該指令序列在由處理器執行時引起該處理器執行如請求項1至48之方法之任一者。
TW109139982A 2019-11-17 2020-11-16 用於生物樣本之分析的系統及方法 TW202142856A (zh)

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
US201962936550P 2019-11-17 2019-11-17
US62/936,550 2019-11-17
US201962950573P 2019-12-19 2019-12-19
US62/950,573 2019-12-19
US202063035726P 2020-06-06 2020-06-06
US63/035,726 2020-06-06
US202063060647P 2020-08-03 2020-08-03
US63/060,647 2020-08-03

Publications (1)

Publication Number Publication Date
TW202142856A true TW202142856A (zh) 2021-11-16

Family

ID=75912816

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109139982A TW202142856A (zh) 2019-11-17 2020-11-16 用於生物樣本之分析的系統及方法

Country Status (10)

Country Link
US (3) US11521709B2 (zh)
EP (1) EP3894834A4 (zh)
JP (1) JP2023503253A (zh)
KR (1) KR20220113683A (zh)
CN (1) CN115298534A (zh)
AU (1) AU2020385015A1 (zh)
CA (1) CA3157616A1 (zh)
IL (1) IL292993A (zh)
TW (1) TW202142856A (zh)
WO (1) WO2021097449A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI813145B (zh) * 2022-01-25 2023-08-21 佛教慈濟醫療財團法人 多重螢光組織影像分析方法及其系統
US20240095150A1 (en) * 2021-12-23 2024-03-21 Virtualitics, Inc. Systems with software engines configured for detection of high impact scenarios with machine learning-based simulation and methods of use thereof

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10675625B2 (en) 2016-04-15 2020-06-09 Berkeley Lights, Inc Light sequencing and patterns for dielectrophoretic transport
CN110719956A (zh) 2017-06-06 2020-01-21 齐默尔根公司 用于改良真菌菌株的高通量基因组工程改造平台
BR112020024839A2 (pt) 2018-06-06 2021-05-18 Zymergen Inc. manipulação de genes envolvidos em transdução de sinal para controlar a morfologia fúngica durante a fermentação e produção
CN115298534A (zh) * 2019-11-17 2022-11-04 伯克利之光生命科技公司 用于生物样本的分析的系统和方法
US11479779B2 (en) 2020-07-31 2022-10-25 Zymergen Inc. Systems and methods for high-throughput automated strain generation for non-sporulating fungi
US11602132B2 (en) 2020-10-06 2023-03-14 Sixgill, LLC System and method of counting livestock
US20220351055A1 (en) * 2021-04-28 2022-11-03 GE Precision Healthcare LLC Data diversity visualization and quantification for machine learning models
EP4089401A1 (de) * 2021-05-10 2022-11-16 Siemens Aktiengesellschaft Messeinrichtung und verfahren zur messung von mindestens zwei verschiedenen komponenten eines fluids mittels ramanstreuung und chemilumineszenz
CN113220748B (zh) * 2021-05-21 2023-10-27 国网江苏省电力有限公司镇江供电分公司 一种构建配电网设备负荷热力图及数据分析的方法和系统
US20230073786A1 (en) * 2021-09-03 2023-03-09 Hewlett-Packard Development Company, L.P. Particle separation
EP4416680A1 (en) * 2021-10-16 2024-08-21 The Regents Of The University Of Colorado, A Body Corporate System and methods for analyzing multicomponent cell and microbe solutions and methods of diagnosing bacteremia using the same
US20230129946A1 (en) * 2021-10-25 2023-04-27 Principia Life, LLC Smart material sample analysis
EP4193918A1 (en) * 2021-12-07 2023-06-14 Nokia Technologies Oy Apparatus, methods and computer programs for identifying characteristics of biological samples
WO2024072330A1 (en) * 2022-09-30 2024-04-04 Chiang Mai University System and process of automated ocular inflammatory region assessment
US20240161364A1 (en) * 2022-11-08 2024-05-16 Adobe Inc. Generating image mattes without trimap segmenetations via a multi-branch neural network
AU2022279500B1 (en) * 2022-12-01 2023-11-23 Provectus IP Pty Ltd Automated cell analyser and method
CN116168765B (zh) * 2023-04-25 2023-08-18 山东大学 基于改进strobemer的基因序列生成方法及系统
CN116721777B (zh) * 2023-08-10 2023-10-27 中国医学科学院药用植物研究所 基于神经网络的药物药效评价方法、装置、设备及介质
CN117453417B (zh) * 2023-11-17 2024-08-20 广东美格基因科技有限公司 一种基于云服务的生信分析加速方法、系统、介质及设备
CN118243652B (zh) * 2024-05-27 2024-09-20 上海英盛分析仪器有限公司 一种基于红外原理的混合气体组分含量分析方法和系统

Family Cites Families (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6294063B1 (en) 1999-02-12 2001-09-25 Board Of Regents, The University Of Texas System Method and apparatus for programmable fluidic processing
US6942776B2 (en) 1999-05-18 2005-09-13 Silicon Biosystems S.R.L. Method and apparatus for the manipulation of particles by means of dielectrophoresis
EP2309130B1 (en) 1999-06-28 2016-08-10 California Institute of Technology Microfabricated elastomeric valve and pump systems
US6995841B2 (en) * 2001-08-28 2006-02-07 Rice University Pulsed-multiline excitation for color-blind fluorescence detection
EP1735428A4 (en) 2004-04-12 2010-11-10 Univ California OPTOELECTRONIC TWEEZERS FOR MANIPULATING MICROPARTICLES AND CELLS
WO2008119066A1 (en) 2007-03-28 2008-10-02 The Regents Of The University Of California Single-sided lateral-field and phototransistor-based optoelectronic tweezers
EP2212437A4 (en) 2007-11-07 2011-09-28 Univ British Columbia MICROFLUIDIC DEVICE AND METHOD OF USING THE DEVICE
US20130115606A1 (en) 2010-07-07 2013-05-09 The University Of British Columbia System and method for microfluidic cell culture
US10087408B2 (en) 2010-07-07 2018-10-02 The University Of British Columbia System and method for microfluidic cell culture
US9188593B2 (en) 2010-07-16 2015-11-17 The University Of British Columbia Methods for assaying cellular binding interactions
US9227200B2 (en) 2011-06-03 2016-01-05 The Regents Of The University Of California Microfluidic devices with flexible optically transparent electrodes
US10196681B2 (en) * 2011-10-06 2019-02-05 Sequenom, Inc. Methods and processes for non-invasive assessment of genetic variations
US9857333B2 (en) 2012-10-31 2018-01-02 Berkeley Lights, Inc. Pens for biological micro-objects
US9403172B2 (en) 2012-11-08 2016-08-02 Berkeley Lights, Inc. Circuit based optoelectronic tweezers
US9889445B2 (en) 2013-10-22 2018-02-13 Berkeley Lights, Inc. Micro-fluidic devices for assaying biological activity
KR102514162B1 (ko) 2013-10-22 2023-03-24 버클리 라잇츠, 인크. 격리 펜을 갖는 미세유체 소자 및 이를 사용한 생물학적 미세 물체를 시험하는 방법
SG11201602336UA (en) 2013-10-22 2016-05-30 Berkeley Lights Inc Micro-fluidic devices for assaying biological activity
CN204727866U (zh) * 2014-03-31 2015-10-28 博奥生物集团有限公司 一种集核酸扩增和微阵列检测于一体的微流控装置
CN107257711B (zh) 2014-12-05 2019-11-22 加利福尼亚大学董事会 具有集成网状地线的单面光致动微流体器件
CN107223074B (zh) 2014-12-08 2019-10-18 伯克利之光生命科技公司 包含横向/纵向晶体管结构的微流体装置及其制造和使用方法
WO2016094333A1 (en) 2014-12-08 2016-06-16 Berkeley Lights, Inc. Actuated microfluidic structures for directed flow in a microfluidic device and methods of use thereof
CN107206377B (zh) 2014-12-09 2020-02-11 伯克利之光生命科技公司 微流体装置中测定阳性的区域的自动检测
EP3230717B1 (en) 2014-12-09 2021-08-18 Berkeley Lights, Inc. Automated detection and identification of micro-objects in microfluidic devices
SG10202102009QA (en) 2014-12-10 2021-04-29 Berkeley Lights Inc Systems for operating electrokinetic devices
US10751715B1 (en) 2015-04-22 2020-08-25 Berkeley Lights, Inc. Microfluidic reporter cell assay methods and kits thereof
KR20180085783A (ko) 2015-11-23 2018-07-27 버클리 라잇츠, 인크. 인 시츄-생성된 미세유체 격리 구조체들, 키트들, 및 그 이용 방법들
WO2017100347A1 (en) 2015-12-08 2017-06-15 Berkeley Lights, Inc. Microfluidic devices and kits and methods for use thereof
JP6964590B2 (ja) 2015-12-30 2021-11-10 バークレー ライツ，インコーポレイテッド 光学的に駆動される対流及び変位のマイクロ流体デバイス、そのキット及び方法
KR102526147B1 (ko) * 2016-01-19 2023-04-26 엘에스일렉트릭(주) 전력시스템에서의 감시장치
EP3922716A1 (en) 2016-03-17 2021-12-15 Berkeley Lights, Inc. Selection and cloning of t lymphocytes in a microfluidic device
EP3446102A4 (en) 2016-04-15 2020-01-15 Berkeley Lights, Inc. METHODS, SYSTEMS AND KITS FOR IN PEN ASSAYS
US10653342B2 (en) * 2016-06-17 2020-05-19 The Board Of Trustees Of The University Of Illinois Soft, wearable microfluidic systems capable of capture, storage, and sensing of biofluids
KR102456488B1 (ko) 2016-07-21 2022-10-19 버클리 라잇츠, 인크. 미세유체 디바이스에서의 t 림프구들의 분류
WO2018055559A1 (en) * 2016-09-21 2018-03-29 Analytics For Life Method and system for visualization of heart tissue at risk
KR102650753B1 (ko) 2016-10-01 2024-03-26 버클리 라잇츠, 인크. 미세유체 장치에서 인 시츄 식별을 위한 dna 바코드 조성물 및 방법
CN114755412A (zh) 2016-10-23 2022-07-15 伯克利之光生命科技公司 筛选b细胞淋巴细胞的方法
CA3045333A1 (en) 2016-12-01 2018-06-07 Berkeley Lights, Inc. Automated detection and repositioning of micro-objects in microfluidic devices
WO2018102747A1 (en) 2016-12-01 2018-06-07 Berkeley Lights, Inc. Apparatuses, systems and methods for imaging micro-objects
US20180211380A1 (en) * 2017-01-25 2018-07-26 Athelas Inc. Classifying biological samples using automated image analysis
US10780436B2 (en) * 2017-09-26 2020-09-22 Advanced NanoBio Technologies Limited Multi-channel microfluidic device and method for using the same
WO2019075476A2 (en) * 2017-10-15 2019-04-18 Berkeley Lights, Inc. METHODS, SYSTEMS AND KITS FOR ENCLOSED TESTS
WO2019191459A1 (en) 2018-03-28 2019-10-03 Berkeley Lights, Inc. Methods for preparation of nucleic acid sequencing libraries
KR20210015947A (ko) * 2018-05-31 2021-02-10 버클리 라잇츠, 인크. 미세유체 디바이스에서의 마이크로-객체의 자동 검출 및 특성화
EP3849705A4 (en) 2018-09-14 2022-06-01 Berkeley Lights, Inc. PROCEDURE FOR TESTING BINDING AFFINITY
CN113195085B (zh) 2018-10-11 2024-04-19 伯克利之光生命科技公司 用于识别优化蛋白产生的系统和方法以及其试剂盒
US20200139362A1 (en) 2018-10-18 2020-05-07 Berkeley Lights, Inc. Proto-Antigen-Presenting Synthetic Surfaces, Activated T Cells, and Uses Thereof
CA3118957A1 (en) 2018-11-01 2020-05-07 Berkeley Lights, Inc. Methods for assaying biological cells in a microfluidic environment
CN114126762B (zh) 2019-04-30 2023-01-03 伯克利之光生命科技公司 用于包封和测定细胞的方法
CA3140389A1 (en) 2019-05-24 2020-12-03 Berkeley Lights, Inc. Systems and methods for optimizing an instrument system workflow
CN115298534A (zh) * 2019-11-17 2022-11-04 伯克利之光生命科技公司 用于生物样本的分析的系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240095150A1 (en) * 2021-12-23 2024-03-21 Virtualitics, Inc. Systems with software engines configured for detection of high impact scenarios with machine learning-based simulation and methods of use thereof
TWI813145B (zh) * 2022-01-25 2023-08-21 佛教慈濟醫療財團法人 多重螢光組織影像分析方法及其系統

Also Published As

Publication number Publication date
IL292993A (en) 2022-07-01
EP3894834A4 (en) 2022-08-31
KR20220113683A (ko) 2022-08-16
JP2023503253A (ja) 2023-01-27
US20210272654A1 (en) 2021-09-02
US20230105220A1 (en) 2023-04-06
CN115298534A (zh) 2022-11-04
US20230282313A1 (en) 2023-09-07
CA3157616A1 (en) 2021-05-20
WO2021097449A1 (en) 2021-05-20
US11521709B2 (en) 2022-12-06
EP3894834A1 (en) 2021-10-20
AU2020385015A1 (en) 2022-06-09

Similar Documents

Publication Publication Date Title
TW202142856A (zh) 用於生物樣本之分析的系統及方法
JP7221444B2 (ja) マイクロ流体デバイスによる微小物体の自動検出及び再配置
US20210209752A1 (en) Automated detection and characterization of micro-objects in microfluidic devices
US7546210B2 (en) Visual-servoing optical microscopy
US8548745B2 (en) Visual-servoing optical microscopy
JP5752093B2 (ja) 視覚的サーボ制御光学顕微鏡
JP2014222500A (ja) 位置特有のマルチパラメータデータセットを分析し比較するグラフィックユーザインターフェイス
EP3874265A2 (en) Methods for assaying biological cells in a microfluidic device
AU2001266748A1 (en) Visual-servoing optical microscopy
Candia et al. Understanding health and disease with multidimensional single-cell methods
AU2007201501B2 (en) Visual-servoing optical microscopy