用于自动分析细胞的表型反应的系统和方法技术方案

公开了分析细胞对治疗的表型反应的系统和方法，其中模型开发模块接收多个参考细胞载体的图像和与所述多个参考细胞载体相关联的治疗信息，识别图像中的将已经施加了治疗的那些参考细胞载体和其他参考细胞载体区分开的细胞的参数，并且使用所识别的参数来训练模型。高内涵成像系统包括图像捕获装置，并且图像获取模块从图像捕获装置接收待评估的细胞载体的多个图像。模型应用模块将经训练的模型应用于待评估的细胞载体的多个图像，以预测施加至评估的每个细胞载体的治疗浓度。

【技术实现步骤摘要】
【国外来华专利技术】用于自动分析细胞的表型反应的系统和方法相关申请本申请要求于2015年8月12日提交的美国专利申请序列号62/204,225的权益，其内容通过引用整体并入本文。
本主题涉及高内涵成像系统，并且更具体地，涉及自动分析细胞的表型反应的系统和方法。
技术介绍
研究人员可使用高内涵成像系统(HCIS)来分析生物细胞对治疗(例如，暴露于特定物质和/或其他环境变化)的表型反应。这些反应可能在视觉上是不同的，并且可能在使用荧光标记和其他技术获取的图像中可观察到。然而，这种反应可以根据反应中涉及的途径、细胞组织类型、细胞年龄、生长条件等而变化。可能的反应的多样性需要将细胞图像的分析限于特定类型的表型反应，例如蛋白质从细胞中的一个位置转移到另一个位置、特定分子的表达或存在、分子的积聚或聚集等。此外，可以分析的每种类型的表型反应可以与可以在这些细胞的图像中测量的多个可调参数相关联，并且这种反应的存在或不存在可以由这些测量参数的量值来指示。反应类型的数量和为了量化每种反应而必须调整的参数的数量可能对研究人员造成重大负担，因为研究人员必须识别所发生的反应的表型类型，然后操纵与这种类型相关联的各种参数来确定是否确实发生了这种反应。此外，在一些情况下，将同质的靶细胞群体暴露于待测试的物质或环境条件可能是不实际或甚至不可能的。在这种情况下，将包含靶细胞的异质细胞群体暴露于所述物质或环境条件下，获取异质群体的图像，并且必须分析这些图像以确定异质群体中的特定靶细胞是否表现出特定的表型反应。
技术实现思路
根据一个方面，用于分析细胞对治疗的表型反应的系统包括高内涵成像系统、模型开发模块、图像获取模块和模型应用模块。模型开发模块接收多个参考细胞载体的图像和与多个参考细胞载体相关联的治疗信息，识别图像中的将已经施加了治疗的那些参考细胞载体与其他参考细胞载体区分开的细胞的参数，并且使用所识别的参数来训练模型。高内涵成像系统包括图像捕获装置，并且图像获取模块从图像捕获装置接收待评估的细胞载体的多个图像。模型应用模块将已训练的模型应用于待评估的细胞载体的多个图像，以预测施加至评估的每个细胞载体的治疗的浓度。根据另一方面，用于分析细胞对治疗的表型反应的方法包括操作高内涵成像系统，其中高内涵成像系统包括图像捕获装置。该方法还包括接收多个参考细胞载体的图像和与多个参考细胞载体相关联的治疗信息，识别图像中的将已经施加了治疗的那些参考细胞载体与其他参考细胞载体区分开的细胞的参数，并且使用所识别的参数来训练模型。该方法进一步包括操作高内涵成像系统的图像获取模块以获得待评估的细胞载体的多个图像，并且将训练的模型应用于待评估的细胞载体的多个图像，以预测施加至每个细胞载体的治疗的浓度。在考虑以下详细描述和附图后，其他方面和优点将变得显而易见，其中在整个说明书中相同的附图标记表示相似的结构。附图说明图1是高内涵成像系统的框图；图2是可以与图1的高内涵成像系统一起使用的反应分析系统的框图；图3和图4示出了可以与图2的反应分析系统一起使用的样品盘；图5是图2的反应分析系统开发模型所采用的步骤的流程图；以及图6是由图2的反应分析系统应用根据图5的流程图开发的模型所采用的步骤的流程图。具体实施方式如图1所示，对于本领域技术人员将显而易见的是，HCIS100可以包括X-Y工作台102、一个或多个物镜104、一个或多个照明源106、一个或多个滤光器108、图像捕获装置110和控制器112。HCIS100还可以包括一个或多个反射镜114，其将来自照明源106的光引导至可设置在X-Y工作台102上的样品盘116，并且从这种样品盘116引导至图像捕获装置110。典型地，样品盘116包括多个井格118，并且将由HCIS100成像的样品(例如，生物细胞)可被设置在每个这样的井格118中。尽管图1示出了来自照明源106的光从样品盘116反射到达图像捕获装置110，但显然可以使用额外的镜子(未示出)使得来自照明源106的光透射通过样品盘116并且指向图像捕获装置110。另外，应该显而易见的是，在一些情况下，可能不需要来自照明源106的照明来对样品盘116中的样品成像(例如，如果样品发光或者如果样品包括放射性组分)。在一些实施例中，来自照明源的光可以透射通过样品盘116中的样品，并且样品折射和/或吸收透射光以产生成像的照明。在操作期间，可以手动地或自动地将样品盘116放置在X-Y工作台102上。另外，控制器112可以将HCIS100配置成使用特定物镜104、由照明源106产生的照明和/或滤光器108的组合。例如，控制器112可以操作定位装置(未示出)以将选定的物镜104以及(可选地)将选定的滤光器108放置在样品盘116和图像捕获装置110之间。控制器112还可以引导照明源106以特定波长的光照射样品盘116。样品盘116中的样品可以包含发荧光的分子(天然存在的分子或由于治疗而在样品内产生或存在的分子)。照射样品的波长可以是与这种荧光分子相关联的激发波长，并且成像捕获装置将仅捕获这种荧光材料的发射光谱。一个或多个波长可以顺序或同时使用以照射相同的样品并产生图像。另外，在一些实施例中，控制器112可以操作聚焦机构120，使得图像捕获装置110可以获得置于样品盘116中的样品的对焦图像。此后，控制器112可以操作X-Y工作台102，使得井格118或其一部分位于图像捕获装置110的视野中，并且启动图像捕获装置110以捕获井格118或其部分的图像。控制器112可以以这种方式重复操作X-Y工作台102和图像捕获装置110，直到捕获到样品盘116的所有感兴趣的井格118的图像。此外，控制器112可以捕获同一个井格118或其部分的若干图像，其中每个这样的图像使用物镜104中的一个、滤光器108中的一个或多个以及由照明源106产生的照明的不同组合来捕获。如图1-4所示，反应分析系统200可与HCIS100一起使用以自动确定放置在样品盘116的井格118中的任何细胞是否对治疗做出了反应。制备参考样品盘116A，在其各个井格118A中的设置有相同种群的样品细胞。放置在每个井格118A中的种群可以是仅包含靶细胞的同质种群，或者是作为靶细胞和非靶细胞的组合的异质种群。之后，可以对参考样品盘116A的选定井格118A进行处理。在一些实施方案中，可以对参考样品盘116A的选定井格118A施加预定剂量或浓度的治疗，并且可以不对其他井格118A施加治疗。如图3所示，列1-6中的井格118A可能已经经过治疗，如字符“+”所示，并且列7-12中的井格118A可能未经过治疗，如字符“-”所示。在一些实施例中，可以对参考样品盘116A的选定井格118A施加不同剂量或浓度的治疗。图4所示，行A-C和列1-3中的井格118A没有被施加任何治疗，如“-”字符所示。行A-C和列4-6的井格118A具有第一浓度，例如，如字符“1”所示的施加至其上的一个单位治疗，行A-C和列7-9的井格118A具有第二浓度，例如，如“2”字符所示的施加至其上的二个单位的治疗。在图3和4所示的该示例中，参考样品盘116A的井格118A中显示的每一个独特字符与施加到这些井格的不同浓度的治疗相关联。操作者使用用户计算机202向反应分析系统200指定治疗信息，本文档来自技高网...

【技术保护点】
一种用于分析细胞对治疗的表型反应的系统，包括：高内涵分析系统，其中所述高内容分析系统包括图像捕获装置；模型开发模块，其接收多个参考细胞载体的图像和与所述多个参考细胞载体相关联的治疗信息，识别所述图像中的将已经施加了治疗的那些参考细胞载体和其他参考细胞载体区分开的细胞的参数，并且使用所识别的参数来训练模型；图像获取模块，其从所述图像捕获装置接收待评估的细胞载体的多个图像；和模型应用模块，其将经训练的模型应用于所述待评估的细胞载体的多个图像，以指示待评估的每个细胞载体中细胞的反应水平。

【技术特征摘要】
【国外来华专利技术】2015.08.12 US 62/204,2251.一种用于分析细胞对治疗的表型反应的系统，包括：高内涵分析系统，其中所述高内容分析系统包括图像捕获装置；模型开发模块，其接收多个参考细胞载体的图像和与所述多个参考细胞载体相关联的治疗信息，识别所述图像中的将已经施加了治疗的那些参考细胞载体和其他参考细胞载体区分开的细胞的参数，并且使用所识别的参数来训练模型；图像获取模块，其从所述图像捕获装置接收待评估的细胞载体的多个图像；和模型应用模块，其将经训练的模型应用于所述待评估的细胞载体的多个图像，以指示待评估的每个细胞载体中细胞的反应水平。2.根据权利要求1所述的系统，其中，所述多个参考细胞载体的图像是参考盘的井格的图像、载玻片组的图像以及流式细胞仪流体样品的图像之一。3.根据权利要求1所述的系统，还包括控制器，所述控制器自动操作所述高内涵成像系统以使用物镜、一个或多个滤光器和照明的多个组合来捕获待评估的每个细胞载体的图像。4.根据权利要求1所述的系统，其中所述模型开发模块选择所述多个参考细胞载体的第一子集作为训练子集并选择所述多个参考细胞载体的第二子集作为评估子集，并且所述模型开发模块使用所述训练子集的图像来训练所述模型并使用所述评估子集的图像来评估所述模型的有效性，并且所述模型开发模块选择训练子集的图像的参数以用于训练所述模型。5.根据权利要求4所述的系统，还包括参数计算模块，该参数计算模块评估与所述训练子集的多个图像中的每个图像相关联的参数的特性，并且所述参数计算模块分析所述训练子集的所述多个图像中的每个图像以识别每个这种图像中的细胞核的位置。6.根据权利要求4所述的系统，其中所述模型是深度学习神经网络，在该深度学习神经网络中图像被提供给该深度学习神经网络的输入节点，并且通过训练所述深度学习神经网络来确定对训练所述模型重要的图像的参数。7.根据权利要求4所述的系统，其中所述模型是人工神经网络，在该人工神经网络中每个输入节点与所选参数相关联。8.根据权利要求5所述的系统，其中，所述模型是使用深度学习技术、森林尝试技术、随机森林技术、遗传算法技术、元启发式算法技术、k-均值聚类技术、蚂蚁群集技术、蚁群优化技术和模拟退火技术中的一种来...

【专利技术属性】
技术研发人员：阿夫鲁·艾萨克·科恩，递惠·洪，
申请(专利权)人：分子装置有限公司，
类型：发明
国别省市：美国,US