用于分析生物样品的方法和设备的制造方法
【专利说明】用于分析生物样品的方法和设备 发明领域
[0001] 本发明涉及可包含多种不同微生物的生物样品的分析，尤其涉及基于生成代表被 分析的生物样品的多维数字信号的测量技术来进行微生物混合物的检测和鉴定。
【背景技术】
[0002] 使用光谱测定或光谱学来鉴定微生物，尤其是细菌，这是已知的。为了这个目的， 制备未知微生物的样品，在这之后，获取和预处理样品的质量光谱、振动光谱或荧光光谱， 尤其为了消除基线和消除噪声。然后，通过分类工具将预处理的光谱与参考基准进行"比 较"，所述参考基准根据一组与鉴定的微生物的分类单元例如物种相关的光谱通过参考方 法构成。
[0003] 更具体地，通过分类进行微生物鉴定通常包括，通过监督式学习根据其物种先前 已知的微生物的所谓"训练"光谱确定分类模型的第一步，该分类模型限定了一组在训练光 谱中区分这些不同物种的规则，以及特定的未知微生物的鉴定或"预测"的第二步。此第二 步尤其包括获取将被鉴定的微生物的光谱，预处理光谱，以及将预处理的光谱应用到由分 类模型构建的预测模型，以确定未知微生物所属的至少一个物种。
[0004] 通常，光谱测定或光谱识别装置因此包括光谱仪或分光镜，以及获取处理单元，所 述获取处理单元接收所测量的光谱，将其数字化以获取多维数字强度矢量，并且根据生成 的数字矢量实现上述第二步。第一步是由设备的制造商实施的，制造商确定分类模型和预 测模型，并且在客户使用之前将其集成在机器中。
[0005] 到目前为止，不管所考虑的测量技术或识别算法，生物样品的分析都限于包括单 一类型的微生物的样品。事实上，包括多种不同微生物的生物样品的分析是特别困难的，尤 其可观察到基于分类模型的预测算法在检测包含多种微生物的生物样品方面失败，并因此 在鉴定包含在此样品中的微生物方面也失败。
[0006] 因此，在光谱测定或光谱鉴定的任何步骤之前，将含有希望被了解的微生物的待 测试样品首先提交给旨在分离不同类型微生物的生物处理步骤。然后，由单一类型的所分 离的微生物制备将通过光谱测定或光谱学进行鉴定的生物样品。例如，对于细菌的鉴定，制 备待测试产品的溶液，在这之后将获得的溶液例如在一种或多种培养皿上与一种或多种培 养基放在一起。温育后，然后鉴定和分离不同的细菌菌落，其每一个可以接受随后的鉴定。
[0007] 现在，此生物样品制备可能花费很长时间，某些类型的微生物确实需要多天的孵 育时间。此外，某些微生物需要非常特异的培养基用来生长。
[0008] 除了这产生的成本之外，总是存在没有生长包含在待测试的产品中的所有不同微 生物的风险，因此存在"丢失"微生物的风险。通过基于分类模型的识别算法不能有效地分 析多种微生物混合物，此初步制备步骤是必须做的，因此是主要的错误来源。
[0009] 发明讨论
[0010] 本发明旨在提供一种分析生物样品的方法，其能够根据单次测量样品从其包含一 种或多种不同微生物的事实中独立地分析生物样品，具体地通过光谱学、光谱测定法或产 生多维数字强度向量的任何类型的测量。
[0011] 为了实现这个目标，本发明针对一种检测生物样品中属于k个不同参考分类单元 y,的预定集合{y』中的两种不同分类单元的至少两种微生物的方法，每个参考分类单元y, 由空间Rp的预定的强度向量P或"原型"表示，其通过将包含表现出参考分类单元特征的 微生物的至少一个参考生物样品提交到产生表示参考样品的多维数字信号的测量技术以 及通过根据所述多维数字信号确定所述参考向量而获得，其中P大于1，所述方法包括：
[0012] 用所述测量技术获取生物样品的多维数字信号；
[0013] 根据所获取的多维数字信号确定Rp的强度向量X;
[0014] 根据以下关系式构建对强度向量X建模的候选模型n= 的集合
[0015]
[0016] 在该表达式中：
[0017] 〇％为RP的用模型魏重建强度向量X的向量；
[0018] 〇鳥为实数标量，且Ip为RP的单位向量；
[0019] 〇M c
_为錢|的向量f的第j个分量；
[0020] Ο
5 ;以及
[0021] 〇V&I)好fUf，\为预定的系数；
[0022] 根据以下关系式从候选模型II的集合賴j中选择候选模型f^：::，问题的解：
[0023]
[0024] 在该表达式中：
[0025]〇tClVi为量化生物样品的强度向量X和通过候选模型1?对强度向量X进行的重 建鳥之间的重建误差的准则；以及
[0026] 为量化候选模型朽的复杂度的准则；
[0027] 并且当所选候选模型的向量f的至少两个分量大于严格正的预定阈值时， 确定在生物样品中存在属于分类单元的预定集合{yj的不同分类单元的至少两种微生物。
[0028] 为了实现这个目标，本发明还针对一种鉴定存在于生物样品中的来自k个不同参 考分类单元y]的预定集合{y]}中的微生物的方法，每个参考分类单元y]由空间Rp的预定 强度向量P,表示，其通过将包含表现出参考分类单元特征的微生物的至少一个参考生物样 品提交到产生表示参考样品的多维数字信号的测量技术以及通过根据所述多维数字信号 确定所述参考向量而获得，其中P大于1，所述方法包括：
[0029] 用所述测量技术获取所述生物样品的多维数字信号；
[0030] 根据所获取的多维数字信号确定Rp的强度向量X;
[0031] 根据以下关系式构建对强度向量X建模的候选模型矜=Cf4??的集合Cfd:
[0032]
[0033] 在该表达式中：
[0034] 0?为RP的用模型爲重建强度向量X的向量；
[0035] 〇爲为实数标量，且Ιρ为RΡ的单位向量；
[0036] 〇沿焉为||f的向量爹的第j个分量；
[0037]C
......._ 以及
[0038] 〇
」为预定的系数；
[0039] 根据以下关系式从候选模型愁的集合魏〗中选择候选模型IW，问题的解：
[0040]
[0041] 在该表达式中：
[0042] 〇Cs(.ff)为量化生物样品的强度向量X和通过候选模型爲对强度向量X进行的重 建冬之间的重建误差的准则；以及
[0043]为量化候选模型爲的复杂度的准则；
[0044] 并且对于所选候选模型的向量f的大于严格正的预定阈值的每个分量 确定在所述生物样品中存在预定集合{y,}的分类单元y,的微生物。
[0045] 为了达到这个目的，本发明还针对一种确定生物样品中属于来自k个不同参考分 类单元y_j的预定集合{y_j}中的两种不同分类单元的相对丰度的方法，每个参考分类单元y_j 由空间1^的预定强度向量表示，其通过将包含表现出参考分类单元特征的微生物的至少 一个参考生物样品提交到产生表示参考样品的多维数字信号的测量技术以及通过根据所 述多维数字信号确定所述参考向量而获得，其中P大于1，所述方法包括：
[0046] 用测量技术获取生物样品的多维数字信号；
[0047] 根据所获取的多维数字信号确定Rp的强度向量X;
[0048] 根据以下关系式构建对强度向量X建模的候选模型矜(T、、务欠的集合
[0049]
[0050] 在该表达式中：
[0051] 〇羲为RP的用模型寫重建强度向量X的向量；
[0052] 〇:?为实数标量，且Ip为RP的单位向量；
[0053] 〇婷Eairl，島为苟的向量梦的第j个分量；
[0054] 〇
:;以及
[0055]
a"为预定的系数；
[0056] 根据以下关系式从候选模型爲的集合紙)中选择候选模型，问题的解：
[0057]
[0058] 在该表达式中：
[0059] 〇4(爲）为量化生物样品的强度向量X和通过候选模型朽对强度向量X进行的重 建％之间的重建误差的准则；以及
[0060] 〇AH)为量化候选模型h的复杂度的准则；
[0061] 并且根据以下关系式确定在生物样品中参考分类单元y]的相对丰度C
[0062]
[0063] 在该表达式中j为_中的碟的矩阵函数，并且c= ((ν.·(ν.·(：κ)τ
[0064] 为發|的向量，具有衫获IHl,C,为参考分类单元y,的相对丰度。
[0065] 本文中"检测"意为生物样品的多种微生物特征的确定。微生物的"鉴定"对应于 对微生物特异性的数据的确定，例如，它的物种、它的亚物种、它的属、它的Gram等，以及更 一般地，在微生物的特有鉴定的构建中使用的被认为有用的任何数据。
[0066] 术语"分类单元"特别指代比用于描述生物的系统分类的节点位置、叶位置或根位 置的术语"分类单元"更宽的概念。在本发明的术语中，术语分类单元指代被认为有用的任 何类型的生物分类。具体地说，本发明适用于传统的系统分类，适用于基于临床表型的分 类，并适用于基于传统意义上的系统特征和基于临床表型的混合分类。
[0067] "测量技术"在此是指包括产生复杂的数字化信号的测量。在这类测量中，一种测 量可例如涉及质谱法（尤其是MALDI-T0F光谱法和ESI-MS光谱法）、振动光谱法（尤其是 拉曼光谱法）、荧光光谱法（尤其是固有荧光光谱法）或红外光谱法。这些技术中的每个产 生数字化的光谱，从而提供了表示待测量样品的多维数字信号。
[0068] 换句话说，本发明包括产生通过混合强度向量获得的候选模型，每个强度向量表 示先前通过所涉及的测量技术的方式确定的分类单元，然后保留在提交到分析的样品的强 度向量的近似值和候选模型的复杂性之间提供了最好的折衷的候选模型。确实可以观察到 的是，最如实地推定生物样品的模型不是允许强度向量的最准确的重建的模型，而是既足 够精确又中等复杂的模型。因此，本发明人已经注意到，具有这种结构的算法能够以高成功 率检测样品中多种微生物的存在并鉴定存在于样品中的微生物。
[0