用于定量分析异质生物标志物分布的方法、系统和装置制造方法及图纸

本文公开了用于检测和描述细胞样本中的异质性的方法、系统和装置。针对细胞样本的图像内的一个或多个感兴趣区域（AOI）生成多个视场（FOV）。来自每个FOV的超光谱或多光谱数据被组织到包含一个或多个z层的图像栈中，其中每个z层包含FOV中每个像素处的单一标志物的强度数据。聚类分析被应用于图像栈，其中聚类算法对跨z轴的各层具有相似比例的可检测标志物强度的像素进行分组，从而生成具有相似表达模式的多个聚类。

Method, system and apparatus for quantitative analysis of heterogeneous biomarker distribution

Methods, systems, and apparatus for detecting and describing heterogeneity in a cell sample are disclosed. A plurality of field of view (FOV) is generated for one or more regions of interest (AOI) within the image of the cell sample. Hyperspectral or multispectral data from each FOV is organized into an image stack containing one or more Z layers, wherein each Z layer contains the intensity data of a single marker at each pixel in the FOV. Clustering analysis is applied to the image stack, where the clustering algorithm divides the pixels across the Z axis with a similar proportion of detectable marker intensity, thus generating multiple clusters with similar expression patterns.

【技术实现步骤摘要】
【国外来华专利技术】相关申请的交叉引用在此要求2014年12月03日提交的美国临时专利申请62/086,840的权益，该美国临时专利申请的内容据此通过引用并入本文。
本公开涉及自动图像采集和分析领域，特别地应用于疾病的微观评价。
技术介绍
用于评价组织的历史上可用的技术已经允许仅孤立地常规评价单一基因或蛋白质表达/激活生物标志物。已经清楚的是，这些有价值的单一生物标志物不提供全貌(completepicture)。蛋白质表达和激活的测序技术和生物化学测量已聚焦于均质组织样本，并且在这种情况下，表达模式或基因变化的空间背景丢失。虽然通过生物化学测定（assay）和测序技术获得的信息是有用的，但是在信息内容中仍然存在重要的缺口，并且由来自许多细胞的蛋白质含量的平均化导致不完全了解肿瘤内的细胞的表达和激活模式。现在最近的研究表明，存在由常规测定技术漏掉的重要的信息。一种这样的情况是肿瘤中存在多重基因重排或畸变，并认识到如果不同的重排出现在相同细胞中，它们可能具有协同效应（Zong等，2009，Goldstein等，2010）。已经报道了基因的肿瘤间和肿瘤内异质性，并且这种异质性被认为促成治疗失败和治疗中的耐药本文档来自技高网...

【技术保护点】
一种表征细胞样本中的异质性的方法，所述细胞样本包括用可检测的标记物标记的一种或多种分析物，所述方法包括在计算机装置上分析所述细胞样本的图像（100），所述计算机设备包括被编程为将聚类分析应用于从所述细胞样本的图像获得的数据集以创建包括表达模式的多个聚类的聚类图的计算机处理器，其中：(a)所述数据集包括用于所述细胞样本的图像的至少一部分的图像栈（102），其中，所述图像栈包括x轴、y轴和z轴，其中，所述x轴和所述y轴表示所述图像的部分内的空间坐标，并且所述z轴包括数目为n的层（L1，L2，L3 ...，Ln），其中，所述z轴的每个层包括在多个x、y坐标处的单一可检测标志物的强度数据；以及(b)所...

【技术特征摘要】
【国外来华专利技术】2014.12.03 US 62/0868401.一种表征细胞样本中的异质性的方法，所述细胞样本包括用可检测的标记物标记的一种或多种分析物，所述方法包括在计算机装置上分析所述细胞样本的图像（100），所述计算机设备包括被编程为将聚类分析应用于从所述细胞样本的图像获得的数据集以创建包括表达模式的多个聚类的聚类图的计算机处理器，其中：(a)所述数据集包括用于所述细胞样本的图像的至少一部分的图像栈（102），其中，所述图像栈包括x轴、y轴和z轴，其中，所述x轴和所述y轴表示所述图像的部分内的空间坐标，并且所述z轴包括数目为n的层（L1，L2，L3...，Ln），其中，所述z轴的每个层包括在多个x、y坐标处的单一可检测标志物的强度数据；以及(b)所述聚类分析包括将无监督的、非参数的基于密度的聚类算法应用于图像栈，其中由所述数据集在至少n+2维空间中定义所述聚类算法的聚类点（Pi、Pj），其中每个点由x、y坐标和所述图像栈中的相应的x、y坐标处的n层的n个强度数据值给出，从而生成所述多个聚类，(c)输出代表所述聚类分析的结果的输出数据（114，116），所述数据表示所述细胞样本中的异质性。2.根据权利要求1所述的方法，其中所述图像是多通道图像，并且其中通过解混所述多通道图像来获得所述n层。3.根据权利要求1或2所述的方法，其中通过显示所述多通道图像（100）和/或一个或多个单通道图像（104，106，108，110，112）来实行所述数据的输出，其中通过可视化所述多通道图像和/或所述至少一个单通道图像中的所述聚类的定界（114,116）显示所述n层之一来给出单通道图像。4.根据权利要求1、2或3所述的方法，还包括生成指示所述数据集中的每个聚类的比例区域的聚类直方图，所述聚类直方图是在步骤c中输出的数据。5.根据前述权利要求中任一项所述的方法，还包括对所述n+2维空间的点进行像素合并以用于对所述图像栈进行低通滤波，并降低所述xy分辨率以提供经像素合并的图像栈，其中在经像素合并的图像栈上实行步骤b中的聚类分析。6.根据前述权利要求中任一项所述的方法，所述图像的部分是所述细胞样本的至少一个感兴趣区域（AOI）内的至少一个视场（FOV）。7.根据前述权利要求中任一项所述的方法，所述输出数据包括指示所述聚类分析的结果中的聚类数量的数据。8.根据前述权利要求中任一项所述的方法，其中所述基于密度的聚类算法是均值漂移聚类算法，其中所述均值漂移聚类算法的输入是所述图像栈，并且所述均值漂移算法的输出是x、y阵列，其中x和y坐标是所述输入图像栈的空间坐标，并且每个x、y坐标处的值是指示给定x、y坐标所属的聚类数量的标记。9.根据前述权利要求中任一项所述的方法，其中所述组织样本的图像是能够被数字地渲染以供医生注释的组织解剖的折射率对比度图像，并且其中基于组织解剖选择所述AOI。10.根据前述权利要求中任一项所述的方法，其中所述数据集通过以下方法获得，所述方法包括：（a1）计算所述图像内的多个AOI中的每一个的FOV取样网格；（a2）在每个FOV中的单个或多个z平面处自动收集多光谱数据和/或超光谱数据；（a3）从所述多光谱数据和/或超光谱数据计算地分割可检测标志物信号；（a4）将在所述聚类分析中要作为一组进行比较的FOV选择到数据集结构中；以及（a5）对所述数据集中的每个FOV的每个可检测标志物信号应用自动形态特征分割。11.根据权利要求10所述的方法，其中所述FOV取样网格包括跨所述AOI以规则间隔间距的多个FOV。12.根据权利要求10所述的方法，其中来自每个FOVz平面的所述多光谱数据和/或所述超光谱数据被自动保存在对患者、测定、活检、切片、AOI位置和/或FOV位置具有元数据属性的嵌套数据结构或数据库中。13.根据权利要求10所述的方法，其中：（a4a）被选择要作为一组进行比较的FOV对应于相同组织切片中的不同肿瘤病灶，或者（a4b）基于从相同患者取得的活体组织切片对FOV进行分组，以便与从相同患者取得的不同活体组织切片进行比较；或者（a4c）基于肿瘤位置对FOV进行分组；或者（a4d）基于患者对FOV进行分组以便与另一患者进行比较；或者（a4e）基于肿瘤基因型对FOV进行分组。14.根据权利要求10所述的方法，其中特征分割基于大小约束、强度约束或大小约束和强度约束的组合。15.根据权利要求10至14中任一项所述的方法，其中用于获得所述数据集的方法还包括：（a6）手动指定一个或多个FOV中的地带以包括或排除该聚类分析。16.根据前述权利要求中任一项所述的方法，其中当被共同定位和可定量时，所述可检测标志物基于光谱或其他物理特性产生可与其它标志物和组织分离的信号。17.根据权利要求16所述的方法，其中所述可检测标志物附接到抗体。18.根据前述权利要求中任一项所述的方法，其中所述可检测标记物附接至与至少一种磷酸化蛋白质特异性结合的至少一种抗体。19.根据前述权利要求中任一项所述的方法，其中所述至少一种磷酸化蛋白质是PI-3激酶信号转导途径或MAP激酶信号转导途径的成员。20.根据权利要求19所述的方法，其中所述至少一种磷酸化蛋白质选自由AKT、PRAS40、S6、EIF4G和ERK1/2组成的组。21.根据权利要求18-20中任一项所述的方法，其中使用双温固定来固定所述组织。22.一种根据肿瘤中的信号转导途径的生理状态表征肿瘤的方法，所述方法包括根据前述权利要求中任一项的方法分析肿瘤样本的图像，其中：用所述可检测标志物标记两种或更多种分析物；用可检测标志物标记的分析物中的至少一种是磷酸化的信号转导蛋白质；以及在针对所述图像的每个FOV中的单个或多个z平面上收集超光谱或多光谱数据。23.一种用于自动识别细胞样本中的异质性的系统，所述系统包括：（a）分析性成像分析系统，其包括：处理器；和存储器，所述存储器耦接到所述处理器，所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述处理器执行时使所述处理器实行包括前述权利要求中任一项所述的方法的操作。24.根据权利要求23所述的系统，还包括：（b）分析性成像硬件系统，其适于从所述细胞样本捕获所述细胞样本的数字化图像和多光谱数据和/或超光谱数据，并将所述数字化图像传送到...

【专利技术属性】
技术研发人员：M巴恩斯，D查芬，K加沙，TM格罗根，E罗伯茨，B史蒂芬斯，F文图拉，C谢夫’奥泰尔，K尚穆加姆，J格雷，D拉姆诺约翰逊，TT武，
申请(专利权)人：文塔纳医疗系统公司，俄勒冈健康与科学大学，
类型：发明
国别省市：美国;US