线虫微流控芯片分析装置的制作方法

本发明属于线虫分析领域，尤其涉及一种线虫微流控芯片分析装置。

背景技术：

线虫动物门是世界中最大的门之一，为假体腔动物，有超过28000各已被记录的物种。其中秀丽隐杆线虫体长1mm，通身透明，为雌雄同体，以细菌为食，已经成为科学研究中的模式生物。在线虫研究过程中，因为线虫体积小、难以操作，给实验带来很多不确定性，也影响了线虫研究的大规模应用。

现有的线虫分析装置中，微流控芯片构造不同，对液流的控制方式不同，不具有运动分析功能，不能施加电场并分析线虫在电场下的运动情况。

技术实现要素：

本发明要解决的技术问题是为了克服现有技术不能施加电场并分析线虫在电场下的运动情况的缺陷，提供一种线虫微流控芯片分析装置。

本发明是通过以下技术方案解决上述技术问题的：

一种线虫微流控芯片分析装置，包括：装置本体、蠕动泵、电场施加装置和图像采集与分析模块；

所述装置本体包括摄像装置、基座和微流控芯片，所述微流控芯片设于所述基座上且位于所述摄像装置的拍摄范围内；

所述蠕动泵的出口与所述微流控芯片的进样口连通，用以将线虫泵入所述微流控芯片；

所述电场施加装置用于向所述微流控芯片施加电场；

所述摄像装置用于拍摄图像；

所述图像采集与分析模块用于采集所述摄像装置拍摄的图像，从所述图像中识别线虫并计算所述线虫的参数指标。

较佳地，所述微流控芯片的进样口和出样口具有导电性，所述电场施加装置包括：电源和加电装置，所述电源为所述加电装置供电，所述加电装置分别与所述微流控芯片的进样口和出样口电连接。

较佳地，所述线虫微流控芯片分析装置还包括储液池，所述微流控芯片的出样口与所述储液池的进口连通。

较佳地，所述线虫微流控芯片分析装置还包括以下光源模组中的至少一个；

上顶光源模组，设置于所述摄像装置旁，用于为所述摄像装置提供主照明；

底面光源模组，设置于所述基座与所述微流控芯片之间，用于照亮所述微流控芯片。

较佳地，所述图像包括图片，所述图像采集与分析模块将每一图片作为一个图像，识别所述图像中的一条线虫或同时识别所述图像中的所有线虫；

和/或，所述图像包括视频，所述图像采集与分析模块将所述视频的每一帧或关键帧作为一个图像，识别所述图像中的一条线虫或同时识别所述图像中的所有线虫。

较佳地，从所述图像中识别线虫，包括：

将所述图像灰度化、高斯滤波、二值化、腐蚀和膨胀，然后通过调节阈值、自适应阈值或背景建模中的任意一种对所述图像进行优化处理，提取所述线虫的轮廓。

较佳地，所述参数指标包括以下参数指标中的至少一种：线虫周长、体长、面积、移动速度、移动路程、身体弯曲程度；

和/或，所述图像采集与分析模块还用于计算所述图像中线虫的数目和/或线虫瘫痪率。

较佳地，所述图像采集与分析模块还用于将所述参数指标输出至外部计算机。

在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。

本发明的积极进步效果在于：本发明可以记录并分析线虫在电场的运动，通过选择不同的微流控芯片实现线虫的固定或者芯片内液体培养等操作。

附图说明

图1为本发明实施例的一种线虫微流控芯片分析装置的结构示意图；

图2为利用图1中线虫微流控芯片分析装置试验的结果图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法，按照常规方法和条件，或按照商品说明书选择。

实施例

如图1所示，一种线虫微流控芯片分析装置包括：装置本体10、蠕动泵20、电场施加装置30和图像采集与分析模块40。

所述装置本体10包括摄像装置11、基座12和微流控芯片13，所述微流控芯片13设于所述基座12上且位于所述摄像装置11的拍摄范围内。其中，所述摄像装置11可以包括摄像头111和支架112，所述摄像头111设于所述支架112上，所述支架111设于所述基座12上。

试管50与所述蠕动泵20的进口连通，所述试管50内有m9缓冲液或者其他液体中的线虫，所述蠕动泵20的出口与所述微流控芯片13的进样口131连通，用以将线虫泵入所述微流控芯片13。控制所述蠕动泵20的流速，可以控制吸取线虫的速度和所述微流控芯片13内的液体流速。所述线虫微流控芯片分析装置还包括储液池60，所述微流控芯片13的出样口132与所述储液池60的进口连通。所述储液池60可以为废液收集池或分离池。

所述电场施加装置30用于向所述微流控芯片13施加电场。具体地，所述微流控芯片13的进样口131和出样口132可以具有导电性，所述电场施加装置30可以包括：电源31和加电装置32，所述电源31为所述加电装置32供电，所述加电装置32可采用鳄鱼夹结构，其夹持于所述微流控芯片13的进样口131和出样口132上，进样口131和出样口132采用导电金属材质，所述加电装置32分别与所述微流控芯片13的进样口131和出样口132电连接，以在所述微流控芯片13内形成电场。其中，所述电源31优选稳压电源。

线虫在所述线虫微流控芯片分析装置中的流动过程为：线虫先经所述蠕动泵20由进样口131进入所述微流控芯片13，在电场的作用下运动，然后经出样口132流入所述储液池60。

所述摄像装置11用于拍摄图像。由于所述微流控芯片13位于所述摄像装置11的拍摄范围内，所以，所述图像能够记录所述线虫在电场下的运动情况。

为了保证所述摄像装置11拍摄图像时的光线充足，所述线虫微流控芯片分析装置还可以包括：

上顶光源模组71，设置于所述摄像装置11旁，用于为所述摄像装置11提供主照明；

底面光源模组72，设置于所述基座12与所述微流控芯片13之间，用于照亮所述微流控芯片13。

当然，为了简化装置结构，或者节约装置成本，所述线虫微流控芯片分析装置可以选择性地只包括上述光源模组中的任意一个，具体包括哪个光源模组可依实际需求而定。

所述图像采集与分析模块40用于采集所述摄像装置11拍摄的图像，从所述图像中识别线虫并计算所述线虫的参数指标。

所述摄像装置11拍摄的图像可以为图片和/或视频。

在所述图像为图片时，所述图像采集与分析模块40将每一图片作为一个图像，识别所述图像中的一条线虫或同时识别所述图像中的所有线虫。具体的识别过程可以为：将所述图像灰度化、高斯滤波、二值化、腐蚀和膨胀。具体地，可通过调用opencv库(一个基于bsd许可(开源)发行的跨平台计算机视觉库)中cv2.cvtcolor实现图像灰度化，cv2.gaussianblur实现高斯滤波，cv2.threshold实现二值化，cv2.erode实现腐蚀，cv2.dilate实现膨胀。然后通过调节阈值(也可以选择自适应阈值或背景建模)可以对所述图像进行优化处理。具体地，可通过调整opencv库中threshold参数实现调节阈值，调用cv2.adaptivethreshold实现自适应阈值，调用cv2.createbackgroundsubtractormog2实现背景建模。完成图像处理后，可以通过cv2.findcontours提取所有线虫轮廓。

在所述图像为视频时，所述图像采集与分析模块40将所述视频的每一帧或关键帧作为一个图像，识别所述图像中的一条线虫或同时识别所述图像中的所有线虫。具体的识别过程可以为：将所述视频中的每一帧或关键帧灰度化、高斯滤波、二值化、腐蚀和膨胀。具体地，可通过调用opencv库(一个基于bsd许可(开源)发行的跨平台计算机视觉库)中cv2.cvtcolor实现图像灰度化，cv2.gaussianblur实现高斯滤波，cv2.threshold实现二值化，cv2.erode实现腐蚀，cv2.dilate实现膨胀。然后通过调节阈值(也可以选择自适应阈值或背景建模)可以对所述图像进行优化处理。具体地，可通过调整opencv库中threshold参数实现调节阈值，调用cv2.adaptivethreshold实现自适应阈值，调用cv2.createbackgroundsubtractormog2实现背景建模。完成图像处理后，可以通过cv2.findcontours提取所有线虫轮廓。

为了对线虫进行全面的分析研究，所述参数指标可以涵盖线虫整个生命周期的各项参数指标，具体可以包括以下参数指标中的至少一种：线虫周长、体长、面积、移动速度、移动路程、身体弯曲程度。

具体地，可通过调用opencv库、scikit-image库(一个图像处理和计算机视觉的算法集合)和numpy库(一个用python实现的科学计算包)函数计算上述参数指标。其中，所述线虫周长、体长、面积属于静态参数，使用一个图像(可以为一张图片或视频中的一帧)即可在识别线虫后计算。计算线虫的周长可以通过调用cv2.arclength函数实现；计算线虫的体长可以通过调用骨架函数morphology.skeletonize实现；计算线虫的面积可以通过调用cv2.contourarea实现。所述移动速度、移动路径、身体弯曲程度属于动态参数，需要使用视频中的连续帧或多个连续的图片等一系列图像分别识别线虫后计算。计算线虫的移动速度可以通过以下方式实现，将线虫视为一个质点，利用质点函数cv2.moments，cx＝int(m["m10"]/m["m00"])，cy＝int(m["m01"]/m["m00"])计算质点的坐标，然后计算质点的移动距离/时间等于线虫的移动速度；计算线虫的移动路程可以通过质点拟合曲线长度实现，计算线虫的身体弯曲程度可以通过计算骨架曲线弯曲程度及特征点角度实现。

所述图像采集与分析模块40还可以用于计算所述图像中线虫的数目和线虫瘫痪率。其中，可以针对一个图像(一张图片或视频的一帧)计算线虫的数目可以通过调用cv2.findcontours实现；可以针对一系列图像(视频中的连续帧或多个连续的图片)计算线虫瘫痪率可以通过以下方式实现，先在线虫的头、尾、中心取3个特征点，然后通过调用特征点函数cv2.goodfeaturestotrack追踪10分钟或几分钟内上述3个特征点的移动情况，若各特征点均不移动则判定线虫为瘫痪，通过统计瘫痪的线虫的总数，计算线虫瘫痪率(＝瘫痪的线虫的总数/线虫的数目)。

为了存储或进一步研究上述的参数指标，所述图像采集与分析模块40还可以与外部计算机80连接，用于将所述参数指标输出至外部计算机80。

所述图像采集与分析模块40可以包括：用于实现所述图像采集与分析模块40的功能的处理器、用于存储所述图像的存储器、用于与外部计算机80连接的数据传输接口、连接不同系统组件(包括存储器和处理器)的总线等。

总线包括数据总线、地址总线和控制总线。

存储器可以包括易失性存储器，例如随机存取存储器(ram)和/或高速缓存存储器，还可以进一步包括只读存储器(rom)。

存储器还可以包括具有一组(至少一个)程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器通过运行存储在存储器中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例所提供的图像采集与分析模块。

数据传输接口可以通过输入/输出(i/o)接口进行。

应当注意，尽管在上文详细描述中提及了装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

下面提供一个利用本实施例的线虫微流控芯片分析装置实现的试验例子：

通过对比野生型n2线虫和肌萎缩运动缺陷型线虫ls587的运动状态，检验了线虫微流控芯片分析装置在施加电场后对线虫运动能力的采集分析。分别收集秀丽隐杆线虫n2和ls587生长良好的平板，用m9缓冲液将虫体洗下，加入线虫裂解液，涡旋震荡1min，离心，洗涤，弃上清，即从妊娠的成体线虫中分离得到虫卵，将其置于ngm平板的e.coliop50菌苔上，20℃生化培养箱中培养，72h后用m9缓冲液洗下线虫，通过蠕动泵20泵入微流控芯片13，通过摄像装置11观察各组线虫在电场和液流中的运动能力，结果见图2。图中，wt是野生型线虫n2，ls587是运动缺陷型线虫，**代表两组相比较t检验的p<0.01，最终结果以平均值±sem表示(n＝15)。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。