本公开涉及用于下游过程(诸如分选(sorting))的颗粒的分类。在特定实施例中,颗粒包括细胞,诸如精细胞之类。
背景技术:
1、具有不同特性的颗粒的分类对于许多后续过程是有用的。例如,将精细胞分类为x和y群体允许这两个群体的分选的下游分离。某些类型的动物养殖可能更要求一种类别的精细胞。例如,牛x精细胞对于奶牛的授精是优选的,以产生主要用于挤奶群体的雌性后代。
2、牛精细胞的性别分选的主要挑战是在x和y群体之间实现高效区分的能力。
3、在已经参考专利说明书、其它外部文档或其它信息源的本说明书中,这一般是为了提供用于讨论本文公开的发明的特征的上下文。除非另有明确说明,否则对此类外部文档的引用不应被解释为承认此类文档或此类信息来源在任何管辖范围内是现有技术,或构成本领域公知常识的一部分。
技术实现思路
1、在一些实施例中,提供了一种用于分选细胞的计算机实现的方法。该方法包括确定用于多个细胞的测量数据点,使用感兴趣区域选择测量数据点,对选择的测量数据点进行分类,以及根据它们各自的分类对细胞进行分选。感兴趣区域或分类根据先前的测量数据点自动调整。
2、实施例可以提供改进的细胞分类的准确性、改进的分选效率和/或对改变的条件或环境的适应性。
3、在一些实施例中,提供了一种用于处理细胞的计算机实现的方法。该方法包括确定用于多个细胞的测量数据点,使用感兴趣区域选择测量数据点,根据预定特性将选择的测量数据点分类为至少两个群体,以及通过比较每个群体中的数据点的数量来计算性能度量。
4、在一些实施例中,提供了一种细胞分选装置。该细胞分选装置包括处理器和存储器,其被配置为确定用于多个细胞的测量数据点,使用感兴趣区域选择测量数据点,对选择的测量数据点进行分类,并根据它们各自的分类对细胞进行分选。感兴趣区域或分类根据先前的测量数据点自动调整。
5、在一些实施例中,提供了一种细胞处理装置。该细胞处理装置包括处理器和存储器,其被配置为确定用于多个细胞的测量数据点,使用感兴趣区域选择测量数据点,根据预定特性将选择的测量数据点分类为至少两个群体,以及通过比较每个群体中的数据点的数量来计算性能度量。
6、广义上也可以说本发明的方面包括申请说明书中单独或共同提及或指示的部分、要素和特征,两个或更多个所述部分、要素或特征的任何或所有组合,并且在本文提及的特定整数具有与所述发明相关的本领域已知等同形式的情况下,此类已知等同形式被视为并入本文,如同单独阐述一样。
1.一种用于分选细胞的计算机实现的方法,包括:
2.如权利要求1所述的方法,其中感兴趣区域包括预先确定的和/或基于模式识别的阈值。
3.如权利要求1或2所述的方法,其中感兴趣区域包括用于测量数据点的阈值,所述阈值根据先前的测量数据点的聚类而被调整。
4.如权利要求3所述的方法,其中所述聚类包括以下当中的一项或多项:k-means和k-medoids;小批量k-means和k-medoids;高斯混合建模(gmm),使用层级的平衡迭代减少和聚类(birch);基于密度的带噪声的应用的空间聚类(dbscan);亲和力传播;层次聚类;均值移位;谱聚类;对点进行排序以识别聚类结构(optics)。
5.如前述权利要求中的任一项所述的方法,其中分类包括使用以下当中的一项或多项:机器学习模型;非线性函数;模糊分类;高斯混合模型(gmm),统计分类器;卷积和/或深度神经网络。
6.如权利要求1至4中的任一项所述的方法,其中分类包括使用利用先前的测量数据点作为标签训练的机器学习模型。
7.如权利要求6所述的方法,其中使用非线性函数对先前的测量数据点进行初始分类,机器学习模型是使用初始分类的先前的测量数据点训练的。
8.如权利要求6或7所述的方法,其中机器学习模型是以下之一:核支持向量机(k-svm);深度和/或卷积神经网络;高斯过程分类器(gpc);基于规则的分类器;基于决策树的分类器。
9.如前述权利要求中的任一项所述的方法,包括将第一群体中一段时间内的细胞数量与第二群体中所述一段时间内的细胞数量进行比较,以计算分选效率参数。
10.如权利要求9所述的方法,其中第一群体是以下之一:被分类为具有预定特性的细胞的数量、感兴趣区域中的细胞的数量;并且第二群体是以下之一:细胞的总数、感兴趣区域中的细胞的数量。
11.如权利要求9或10所述的方法,包括响应于分选效率参数低于阈值而执行动作。
12.如权利要求11所述的方法,其中所述动作是以下当中的一项或多项;发出警告或警报;停止分选细胞的方法;对上游细胞递送过程进行调整。
13.如前述权利要求中的任一项所述的方法,其中细胞是精细胞并且测量数据点得自来自至少两个不同方向的照明模式测量,细胞中的至少一些细胞根据预定特性被分类并且其中分选将分类的细胞与其它细胞分开。
14.如权利要求13所述的方法,其中测量数据点是来自彼此成一定角度定向的检测器的荧光测量,细胞以层流运输并被分类为具有特性a或b的细胞。
15.如权利要求14所述的方法,其中所述检测器基本上以直角定向。
16.如权利要求14或15所述的方法,其中细胞是精细胞并且特性a或b是x精细胞或y精细胞。
17.一种用于处理细胞的计算机实现的方法,包括:
18.如权利要求17所述的方法,其中所述预定特性是遗传分类。
19.如权利要求17或18所述的方法,其中所述性能度量是细胞定向度量。
20.如权利要求19所述的方法,其中通过将所选择的测量数据点的数量与测量数据点的总数进行比较来确定所述性能度量。
21.如权利要求19所述的方法,其中所述性能度量由以下确定:
22.如权利要求17至21中的任一项所述的方法,包括根据所述性能度量的值执行动作,所述动作包括以下当中的一项或多项:显示所述性能度量的值;响应于所述性能度量的值落在预定指示物范围内而触发指示物;响应于所述性能度量的值落入预定关闭范围内而关闭细胞的分选;调整递送细胞以进行分选的过程的操作参数。
23.如权利要求17至21中的任一项所述的方法,其中选择或分类是根据先前的测量数据点自动调整的。
24.如权利要求17至23中的任一项所述的方法,其中细胞中的至少一些细胞被分类为具有特性a,所述方法还包括将分类为具有特性a的细胞的细胞与其它细胞分选。
25.如权利要求24所述的方法,其中细胞是精细胞并且特性a是x精细胞。
26.如权利要求24或25所述的方法,其中分选包括照射细胞以:
27.如权利要求24至26中的任一项所述的方法,其中测量数据点得自响应于细胞的照射并使用直角检测器的荧光测量,并且其中细胞以层流运输。
28.一种细胞分选装置,包括处理器和存储器,被配置为:
29.如权利要求28所述的装置,其中感兴趣区域包括预先确定的和/或基于模式识别的阈值。
30.如权利要求28或29所述的装置,其中,感兴趣区域包括用于测量数据点的阈值,所述阈值根据先前的测量数据点的聚类而被调整。
31.如权利要求30所述的装置,其中所述聚类包括以下当中的一项或多项:k-means和k-medoids;小批量k-means和k-medoids;高斯混合建模(gmm),使用层级的平衡迭代减少和聚类(birch);基于密度的带噪声的应用的空间聚类(dbscan);亲和力传播;层次聚类;均值移位;谱聚类;对点进行排序以识别聚类结构(optics)。
32.如权利要求28至31中的任一项所述的装置,其中分类包括使用以下当中的一项或多项:机器学习模型;非线性函数;模糊分类;高斯混合模型(gmm),统计分类器;卷积和/或深度神经网络。
33.如权利要求28至31中的任一项所述的装置,其中分类包括使用利用先前的测量数据点作为标签训练的机器学习模型。
34.如权利要求33所述的装置,其中使用非线性函数对先前的测量数据点进行初始分类,机器学习模型是使用初始分类的先前的测量数据点训练的。
35.如权利要求33或34所述的装置,其中机器学习模型是以下之一:核支持向量机(k-svm);深度和/或卷积神经网络;高斯过程分类器(gpc);基于规则的分类器;基于决策树的分类器。
36.如权利要求28至35中的任一项所述的装置,被配置为将第一群体中一段时间内的细胞数量与第二群体中所述一段时间内的细胞数量进行比较,以计算分选效率参数。
37.如权利要求36所述的装置,其中第一群体是以下之一:被分类为具有预定特性的细胞的数量、感兴趣区域中的细胞的数量;并且第二群体是以下之一:细胞的总数、感兴趣区域中的细胞的数量。
38.如权利要求36或37所述的装置,被配置为响应于分选效率参数低于阈值而执行动作。
39.如权利要求38所述的装置,其中所述动作是以下当中的一项或多项;发出警告或警报;停止分选细胞的方法;对上游细胞递送过程进行调整。
40.如权利要求28至39中的任一项所述的装置,其中细胞是精细胞并且测量数据点得自来自至少两个不同方向的照明模式测量,细胞中的至少一些细胞根据预定特性被分类并且其中使用分选布置来实现对细胞的分选。
41.如权利要求40所述的装置,其中所述分选布置被配置为分选已分类或未分类的细胞,并且其中所述分选布置包括辐射源,所述辐射源被配置为照射已分类或未分类的细胞。
42.如权利要求40或41所述的装置,其中测量数据点是来自彼此成一定角度定向的检测器的荧光测量,细胞以层流运输并被分类为具有特性a或b的细胞。
43.如权利要求42所述的装置,其中所述检测器基本上以直角定向。
44.如权利要求42或43所述的装置,其中细胞是精细胞并且特性a或b是x精细胞或y精细胞。
45.如权利要求28至44中的任一项所述的装置,包括:
46.如权利要求45所述的装置,其中所述测量装置包括uv照明器和/或荧光检测器。
47.如权利要求45或46所述的装置,其中所述分选装置包括被配置为移动或消融细胞中的一些细胞的激光器。
48.一种细胞处理装置,包括处理器和存储器,被配置为:
49.如权利要求48所述的装置,其中所述预定特性是遗传分类。
50.如权利要求48或49所述的装置,其中所述性能度量是细胞定向度量。
51.如权利要求50所述的装置,其中通过将所选择的测量数据点的数量与测量数据点的总数进行比较来确定所述性能度量。
52.如权利要求50所述的装置,其中所述性能度量由以下确定:
53.如权利要求48至52中的任一项所述的装置,被配置为根据所述性能度量的值执行动作,所述动作包括以下当中的一项或多项:显示所述性能度量的值;响应于所述性能度量的值落在预定指示物范围内而触发指示物;响应于所述性能度量的值落入预定关闭范围内而关闭细胞的分选;调整递送细胞以进行分选的过程的操作参数。
54.如权利要求48至53中的任一项所述的装置,其中选择或分类是根据先前的测量数据点自动调整的。
55.如权利要求46至50中的任一项所述的装置,其中细胞中的至少一些细胞被分类为具有特性a,所述装置包括分选装置以将分类为具有特性a的细胞的细胞与其它细胞分选。
56.如权利要求55所述的装置,其中细胞是精细胞并且特性a是x精细胞。
57.如权利要求55或56所述的装置,其中所述分选装置被布置为照射细胞以:
58.如权利要求53至57中的任一项所述的装置,其中测量数据点得自响应于细胞的照射并使用直角检测器的荧光测量,并且其中细胞以层流运输。
59.如权利要求48至54中的任一项所述的装置,包括:
60.如权利要求59所述的装置,其中所述测量装置包括uv照明器和/或荧光检测器。
61.如权利要求59或60所述的装置,其中所述分选装置包括被配置为移动或消融细胞中的一些细胞的激光器。
62.一种包括处理器指令的计算机程序,所述处理器指令在处理器上执行时使处理器执行根据权利要求1至27中的任一项所述的方法。
63.一种非暂态介质,包括如权利要求62所述的计算机程序。