流式颗粒仪数据自动化定量分析方法技术

本发明专利技术公开了流式颗粒仪数据自动化定量分析方法，至少包括以下步骤：第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。本发明专利技术提高了流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEAN SHIFT聚类算法识别出细胞群体，降维合并生成中间群体，便于观察人员判断流式细胞群体状况。

【技术实现步骤摘要】

本专利技术涉及流式细胞分析
，特别是涉及。
技术介绍
流式颗粒仪是一种在颗粒流动过程中对颗粒进行检测的设备，它一次可收集一个颗粒多个物理参数(本身物理特性，大小、颗粒度、体积等)及多个特异性的荧光信号(抗体标记或荧光染料染色)，这些数据以FACS文件格式进行保存(附FACS文件数据格式规范)。由于仪器可在短时间内收大量颗粒(每秒1万至10个颗粒)多个参数信息(2至20个参数)，数据信息量极其庞大。但目前对这些数据还是以人工分析为主，主要由分析者构建散点图、直方图，在其中选择出目标颗粒群体，通过一系列的逻辑设置得到颗粒的一个或多个参数的定量信息。分析耗时耗力，主观性强，重复性差，目前已经成为流式颗粒仪运用的瓶颈所在。—个标准的流式颗粒仪实验，要求检测到1000个以上目标颗粒数量，在信息统计时，统计学上才能达到稳定。(此处已淋巴颗粒亚群分析为例)由于目标颗粒只占样本全部颗粒的30%或更低(示样本情况而定，)，故总体要需要采集3000?10000个颗粒总数供数据分析。淋巴颗粒亚群的分析目的是将人外周血中淋巴颗粒群体按已经的T淋巴颗粒、B淋巴颗粒和NK颗粒等亚群标准进行分类计数，计算其在百分比含量及绝对数值(附淋巴颗粒亚群的检测意义)。样本需要经过荧光抗体组合:⑶45\ra3\ra4\ra8\rai6+56\rai9，分别标记出 CD3+/CD4+, CD3+/CD8+, CD3-/CD19+, CD3-/CD16+56+ 的颗粒亚群。手工分析标准流程如下:构建⑶45/SSC散点图，设门选择淋巴颗粒群体。构建⑶3/⑶4散点图，显示淋巴颗粒群体，并识别出⑶3+⑶4+颗粒，计算其百分比含量。构建⑶3/⑶8散点图，显示淋巴颗粒群体，并识别出⑶3+⑶8+颗粒，计算其百分比含量。构建⑶3/⑶19散点图，显示淋巴颗粒群体，并识别出⑶3 -⑶19+颗粒，计算其百分比含量。构建⑶3/⑶16+56散点图，显示淋巴颗粒群体，并识别出⑶3_⑶16+56+颗粒，计算其百分比含量。由于个体差异，每个人的颗粒分布情况都会有差异，在分析过程中需要人工干预调整门的区域或十字象限位置，使得分析更为准确。如果是异常病人，分析者需要从新调整分析设置，准确地读得可区分的颗粒群体的各参数读数，然后与现有的知识库进行比较或现有诊断依据读数比较后，得出相应的检测结论。要准确地得到流式分析结果，分析者需要足够培训时间熟悉各类样本数据，每个样本数据需要手工调整分析，耗时耗力，准确性、稳定性差。美国BD公司现有一款全自动淋巴颗粒亚群分析软件，能够自动分析数据，给出以上各种颗粒群体的比例，但有以下限制条件:检测的数据需要提前用标准微球校准仪器，即颗粒群体需要出现在预设的位置附件，颗粒群体小范围内移动时，软件可以自动跟踪颗粒群体。检测方案需要提前预设，并定义之间逻辑关系。出错后不会纠正。这个自动分析软件只是局部地解决了分析自动化问题，但构架还是在手工方案的基础上增加了附近颗粒群体中心点动自寻找功能，且无法适用于其他项目分析，仅用于读取数据，无法对数据作出分析与判断。流式颗粒仪分析颗粒后生成FACS文件，现有软件需要人工设定分析方案并建立参数之间的逻辑关系，由于在操作过程中的人为因素，分析结果极不稳定，同一份数据给不同的工作人员分析可以得出来不同的数据结果。所以需一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了，其目的在于，提供一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果，提高流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEANSHIFT聚类算法识别出细胞群体，降维合并生成中间群体，使得以低维传递方式观察多维下的细胞群体，便于观察人员判断流式细胞群体状况。本专利技术所采用的技术方案是:，至少包括以下步骤:第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。本专利技术的动化定量分析方法，在多维空间区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；在低维空间下将群展示出来便于分析。对于一个给定的模板，找出与模板中继承关系、多维空间内相对位一致的群体(点集合)。提高了流式细胞群体的分析精度以及准度。本专利技术的进一步改进在于，分析方法包括如下步骤:第一步，参数化流式细胞群体，包括步骤S1和S2 ;S1:定义流式细胞参数，包括散射光参数FS，物理参数SS，荧光信号FL1，FL2……,FLn ；S2:设置流式细胞显示方式，采用降维次序，合并细胞群体；其中维数是指是指流式细胞仪检测的参数数量，即在每个被检测细胞上所收集的信号数量；第二步，获取标准模版数据路样本，包括步骤S3-S7 ;S3:输入已知的检测样本；S4:获取流式细胞参数，采取图像分割分类算法将数据集进行分类，得到若干个具有分布浓度中心的集合，即得到若干个具有相同参数的流式细胞群体；S5:按照降维秩序，获取流式细胞群体的降维合并关系图，无论在几维参数中进行群体分类，最终至不可分为止；S6:循环S3至S5步骤，得到常规流式细胞的一维至多维的分类分布关系图，最后为流式细胞群体的标准分类分布关系图；S7:为S6步骤得到的标准分类分布关系图，设置对应的方案和结论数据库；第三步，未知检测流式细胞样本分析；S8:输入未知的检测样本；S9:调取S6中流式细胞群体的标准分类分布关系图，获取对应的位置样本的参数，以及对应的位置坐标，或者的位置样本细胞参数与每一个标准分类分布关系图中的细胞进行对比；S10:得到与流式细胞标准样本最接近的分类分布关系图；S11:输出流式细胞分类分布关系图以及对应方案和结论。本专利技术的进一步改进在于，步骤S4中采取mean shift图像分割分类算法将数据集进行分类。本专利技术的进一步改进在于，S6步得到的流式细胞群体的标准分类分布关系图与S7步的方案和结论数据库相互映射。本专利技术的进一步改进在于，S6步得到的流式细胞群体的标准分类分布关系图可直接采用现有的转换而来。与现有技术相比，本专利技术的有益效果是:本专利技术的动化定量分析方法，在多维空间区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；在低维空间下将群展示出来便于分析。对于一个给定的模板，找出与模板中继承关系、多维空间内相对位一致的群体(点集合)。提高了流式细胞群体的分析精度以及准度。本专利技术以二维参数中进行群体的识别，同理可以通一维、二维、N维来进行颗粒分类。无论在几维参数中进行群体分类，最终至不可分为止。本专利技术的自动定量分析方法，提供一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果，提高了流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEAN SHIFT聚类算法识别出细胞群体，降维合并生成中间群体，使得以低维传递方式观察多维下的细胞群体，便于观察人员判断流本文档来自技高网...

【技术保护点】
流式颗粒仪数据自动化定量分析方法，至少包括以下步骤：第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。

【技术特征摘要】

【专利技术属性】
技术研发人员：殷跃锋，
申请(专利权)人：苏州创继生物科技有限公司，
类型：发明
国别省市：江苏;32