细胞计数的方法和系统技术方案

本公开内容提供了用于鬼影细胞术(GC)的方法和系统，其可以用于产生物体的图像，而无需使用空间分辨检测器。其可以用于进行无图像超快荧光成像细胞术，例如，基于单像素检测器。从细胞相对于图案化的光学结构的运动获得的空间信息可以被压缩地转换为按顺序到达单像素检测器的信号。时域波形与随机或伪随机模式的强度分布的组合使用可以允许细胞形态的计算重构。机器学习方法可以直接应用于压缩波形，而无需图像重构，以实现有效的无图像的基于形态的细胞术。无图像GC可以实现准确且高通量的细胞分类，以及基于细胞形态无需特定的生物标志物进行选择性分选，而使用传统流式细胞仪则具有挑战性。

【技术实现步骤摘要】
【国外来华专利技术】细胞计数的方法和系统交叉引用本申请要求于2018年6月13日提交的专利技术名称为“细胞计数的方法和系统”的美国临时专利申请号62/684,612，于2018年7月20日提交的专利技术名称为“细胞计数的方法和系统”的美国临时专利申请号62/701,395，于2019年2月12日提交的专利技术名称为“细胞计数的方法和系统”的美国临时专利申请号62/804,560，以及于2019年5月15日提交的专利技术名称为“细胞计数的方法和系统”的美国临时专利申请号62/848,478的权益，出于所有目的每一项专利申请均通过引用整体并入本文。
技术介绍
流式细胞术是可以用于细胞计数、细胞分选、生物标志物检测和蛋白质工程的技术。流式细胞术可以通过将细胞悬浮在流体流中并使得细胞流过电子检测装置来进行。流式细胞仪可以允许对粒子的物理和化学特性同时进行多参数分析。
技术实现思路
本公开内容提供了使用称为鬼影细胞术(ghostcytometry，GC)的过程进行基于形态学的细胞分类(classification)和分选(sorting)的方法和系统。本公开内容的方法和系统可用于在不获取图像的情况下实现了高准确度和吞吐量的基于形态学的细胞分类和分选。在一方面，本公开内容提供了一种粒子(particle)处理或分析的方法，包括：(a)在粒子相对于图案化的光学结构的运动期间获得空间信息；(b)将所述空间信息压缩地转换为按顺序到达检测器的信号，(c)使用所述信号以至少70％的任意准确度识别所述粒子的至少一个子集，以及(d)将(c)中识别出的所述粒子的所述至少一个子集以至少每秒10个粒子的速率分选为一个或多个组。在一些实施方案中，(a)包括：(i)将来自光源的光引导通过随机或伪随机图案化的光学结构，(ii)将来自所述图案化的光学结构的光引导至所述粒子，以及(iii)将来自所述粒子的光引导至所述检测器。在一些实施方案中，(a)包括：(i)将来自光源的光引导至所述粒子，(ii)将来自所述粒子的光引导通过所述图案化的光学结构，以及(iii)将来自所述图案化的光学结构的光引导至所述检测器。在一些实施方案中，所述光包括紫外光或可见光。在一些实施方案中，(b)包括应用两步迭代收缩/阈值(two-stepiterativeshrinkage/thresholding，TwIST)程序。在一些实施方案中，(c)包括至少部分地通过时域波形的组合使用来计算重构(computationallyreconstructing)所述粒子的形态，所述时域波形包括由所述图案化的光学结构赋予的一个或多个强度分布。在一些实施方案中，所述粒子包括一个或多个生物粒子。在一些实施方案中，所述粒子包括一个或多个细胞。在一些实施方案中，所述粒子包括一个或多个稀有细胞。在一些实施方案中，所述粒子包括一个或多个癌细胞。在一些实施方案中，所述粒子包括一个或多个循环肿瘤细胞。在一些实施方案中，(c)包括在与所述信号相对应的压缩波形上应用一个或多个机器学习分类器，以识别粒子的所述至少一个子集。在一些实施方案中，所述一个或多个机器学习分类器选自：支持向量机、随机森林、人工神经网络、卷积神经网络、深度学习、超深度学习、梯度提升、AdaBoosting、决策树、线性回归和逻辑回归。在一些实施方案中，无需图像重构就可以分析所述粒子。在一些实施方案中，所述检测器包括单像素检测器。在一些实施方案中，所述单像素检测器包括光电倍增管。在一些实施方案中，所述方法还包括重构所述粒子的一个或多个图像。在一些实施方案中，所述一个或多个图像包括荧光图像。在一些实施方案中，所述方法还包括重构所述粒子的多个图像，所述多个图像中的每个图像包括不同的波长或波长范围。在一些实施方案中，所述一个或多个图像没有模糊伪影。在一些实施方案中，所述粒子相对于所述图案化的光学结构以至少1m/s的速率移动。在一些实施方案中，所述方法还包括基于所述粒子的形态将所述粒子分选为一个组或多个组的分选的粒子。在一些实施方案中，所述速率为每秒至少100个粒子。在一些实施方案中，所述速率为每秒至少1,000个粒子。在一些实施方案中，(d)包括收集一个或多个所述组以产生富集的粒子混合物。在一些实施方案中，所述一个或多个组具有至少70％的纯度。在一些实施方案中，所述方法还包括对所述一个或多个组的一个或多个粒子进行一种或多种测定。在一些实施方案中，所述一种或多种测定选自：裂解、核酸提取、核酸扩增、核酸测序和蛋白质测序。在一些实施方案中，所述方法包括，在(a)之前，使所述粒子经受流体动力流聚焦。在一些实施方案中，所述方法包括当所述粒子相对于所述图案化的光学结构移动时，收集所述粒子的部分透射散斑图案。在一些实施方案中，所述图案化的光学结构包括有序图案化的光学结构。在一些实施方案中，所述图案化的光学结构包括无序图案化的光学结构。在一些实施方案中，所述无序光学结构包括非周期性图案的化光学结构。在一些实施方案中，所述无序光学结构包括随机或伪随机图案化的光学结构。在一些实施方案中，所述光学结构包括静态光学结构。在另一方面，本公开内容提供了一种至少部分基于所述粒子的形态对粒子进行分类或分选，而无需使用非天然标记的无图像方法，其准确度至少为70％。在一些实施方案中，所述粒子包括一个或多个生物粒子。在一些实施方案中，所述粒子包括一个或多个细胞。在一些实施方案中，所述粒子包括一个或多个稀有细胞。在一些实施方案中，所述粒子包括一个或多个癌细胞。在一些实施方案中，所述粒子包括一个或多个循环肿瘤细胞。在另一方面，本公开内容提供了一种用于粒子处理或分析的系统，包括：被配置为引导粒子的流体流动路径；与所述流体流动路径的至少一部分感测连通的检测器；以及可操作地耦合至所述检测器的一个或多个计算机处理器，其中所述一个或多个计算机处理器被单独或共同编程以：(a)在粒子相对于随机或伪随机图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩转换为按顺序到达所述检测器的信号，(c)使用所述信号以至少70％的任何准确度识别所述粒子的至少一个子集，以及(d)以每秒至少10个粒子的速率将(c)中识别的粒子的所述至少一个子集分选为一个或多个组。在一些实施方案中，所述检测器是单像素检测器。在另一方面，本公开内容提供了一种包括机器可执行代码的非暂时性计算机可读介质，在由一个或多个计算机处理器执行时，实现用于粒子分析的方法，所述方法包括(a)在粒子相对于随机图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩转换为按顺序到达单像素检测器的信号，(c)使用所述信号以至少70％的准确度识别所述粒子的至少一个子集；以及(d)以每秒至少10个粒子的速率将(c)中识别的粒子的所述至少一个子集分选为一个或多个组。在另一方面，本公开内容提供一种用于细胞处理或分析的方法，所述方法包括(a)在细胞相对于图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩转换为按顺序到达检测器的信号，(c)使用所述信号识别所述细胞的至少一个子集为癌细胞，以及(d)将(c)中识别的所述细胞的所述至少一个子集分选为一组或多组癌细胞和一组或多本文档来自技高网...

【技术保护点】
1.一种用于粒子处理或分析的方法，包括：(a)在粒子相对于图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩地转换为按顺序到达检测器的信号，(c)使用所述信号以至少70％的准确度识别所述粒子的至少一个子集，以及(d)将(c)中识别出的所述粒子的所述至少一个所述子集以至少每秒10个粒子的速率分选为一个或多个组。/n

【技术特征摘要】
【国外来华专利技术】20180613 US 62/684,612;20180720 US 62/701,395;20191.一种用于粒子处理或分析的方法，包括：(a)在粒子相对于图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩地转换为按顺序到达检测器的信号，(c)使用所述信号以至少70％的准确度识别所述粒子的至少一个子集，以及(d)将(c)中识别出的所述粒子的所述至少一个所述子集以至少每秒10个粒子的速率分选为一个或多个组。


2.根据权利要求1所述的方法，其中(a)包括：(i)将来自光源的光引导通过所述图案化的光学结构，(ii)将来自所述图案化的光学结构的光引导至所述粒子，以及(iii)将来自所述粒子的光引导至所述检测器。


3.根据权利要求1或2所述的方法，其中(a)包括：(i)将来自光源的光引导至所述粒子，(ii)将来自所述粒子的光引导通过所述图案化的光学结构，以及(iii)将来自所述图案化的光学结构的光引导至所述检测器。


4.根据权利要求2或3所述的方法，其中所述光包括紫外光或可见光。


5.根据权利要求1-3中任一项所述的方法，其中(b)包括应用两步迭代收缩/阈值(TwIST)过程。


6.根据权利要求1-5中任一项所述的方法，其中(c)包括至少部分地通过一个或多个时域波形的组合使用来计算重构所述粒子的形态，所述时域波形包括由所述图案化的光学结构赋予的一个或多个强度分布。


7.根据权利要求1-6中任一项所述的方法，其中所述粒子包括一个或多个生物粒子。


8.根据权利要求1-7中任一项所述的方法，其中所述粒子包括一个或多个细胞。


9.根据权利要求1-8中任一项所述的方法，其中所述粒子包括一个或多个稀有细胞。


10.根据权利要求1-9中任一项所述的方法，其中所述粒子包括一个或多个癌细胞。


11.根据权利要求1-10中任一项所述的方法，其中所述粒子包括一个或多个循环肿瘤细胞。


12.根据权利要求1-11中任一项所述的方法，其中(c)包括在与所述信号相对应的压缩波形上应用一个或多个机器学习分类器，以识别粒子的所述至少一个子集。


13.根据权利要求12所述的方法，其中所述一个或多个机器学习分类器选自：支持向量机、随机森林、人工神经网络、卷积神经网络、深度学习、超深度学习、梯度提升、AdaBoosting、决策树、线性回归和逻辑回归。


14.根据权利要求1-13中任一项所述的方法，其中无需图像重构就可以分析所述粒子。


15.根据权利要求1-14中任一项所述的方法，其中所述检测器包括单像素检测器。


16.根据权利要求15所述的方法，其中所述单像素检测器包括光电倍增管。


17.根据权利要求1-16中任一项所述的方法，还包括重构所述粒子的一个或多个图像。


18.根据权利要求17所述的方法，其中所述一个或多个图像包括荧光图像。


19.根据权利要求17或18所述的方法，还包括重构所述粒子的多个图像，所述多个图像中的每个图像包括不同的波长或波长范围。


20.根据权利要求17-19中任一项所述的方法，其中所述一个或多个图像没有模糊伪影。


21.根据权利要求1-20中任一项所述的方法，其中所述粒子相对于所述图案化的光学结构以至少1m/s的速率移动。


22.根据权利要求1-21中任一项所述的方法，其中所述速率为每秒至少100个粒子。


23.根据权利要求1-22中任一项所述的方法，其中所述速率为每秒至少1,000个粒子。


24.根据权利要求1-23中任一项所述的方法，其中，(d)包括收集一个或多个所述组以产生富集的粒子混合物。


25.根据权利要求24所述的方法，其中所述一个或多个组具有至少70％的纯度。


26.根据权利要求1-25中任一项所述的方法，还包括对所述一个或多个组的一个或多个粒子进行一种或多种测定。


27.根据权利要求26所述的方法，其中所述一种或多种测定选自：裂解、核酸提取、核酸扩增、核酸测序和蛋白质测序。


28.根据权利要求1-27中任一项所述的方法，还包括在(a)之前，使所述粒子经受流体动力流聚焦。


29.根据权利要求1-28中任一项所述的方法，还包括所述方法包括当所述粒子相对于所述图案化的光学结构移动时，收集所述粒子的部分透射散斑图案。


30.根据权利要求1-29中任一项所述的方法，其中所述图案化的光学结构包括有序图案化的光学结构。


31.根据权利要求1-30中任一项所述的方法，其中所述图案化的光学结构包括无序图案化的光学结构。


32.根据权利要求31所述的方法，其中所述无序光学结构包括非周期性图案化的光学结构。


33.根据权利要求31所述的方法，其中所述无序光学结构包括随机或伪随机图案化的光学结构。


34.根据权利要求1-33中任一项所述的方法，其中所述光学结构包括静态光学结构。


35.一种至少部分基于所述粒子的形态对粒子进行分类或分选，而无需使用非天然标记的无图像方法，其准确度至少为70％。


36.根据权利要求35所述的方法，其中所述粒子包括一个或多个生物粒子。


37.根据权利要求36所述的方法，其中所述生物粒子包括一个或多个细胞。


38.一种用于粒子处理或分析的系统，包括：
被配置为引导粒子的流体流动路径；
与所述流体流动路径的至少一部分感测连通的检测器；以及
可操作地耦合至所述检测器的一个或多个计算机处理器，其中所述一个或多个计算机处理器被单独或共同编程以(a)在粒子相对于图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩转换为按顺序到达所述检测器的信号，(c)使用所述信号以至少70％的准确度识别所述粒子的至少一个子集，以及(d)将(c)中识别出的所述粒子的所述至少一个所述子集以至少每秒10个粒子的速率分选为一个或多个组。


39.根据权利要求38所述的系统，其中所述检测器是单像素检测器。


40.一种包括机器可执行代码的非暂时性计算机可读介质，在由一个或多个计算机处理器执行时，实现用于粒子分析的方法，所述方法包括(a)在粒子相对于图案化的光学结构的运动期间获得空间信息，(b)将所述空间信息压缩地转换为按顺序到达单像素检测器的信号，(c)使用所述信号以至少70％的准确度标识至少一部分所述粒子，以及(d)以每秒至少10个粒子的速率将(c)中识别的所述粒子的所述至少一个子集分选为一个或多个组。


41.一种用于细胞处理或分析的方法，所述方法包括(a)在细胞相对于图案化的光学...

【专利技术属性】
技术研发人员：太田祯生，堀崎辽一，河村洋子，鹈川昌士，佐藤一诚，
申请(专利权)人：新克赛特株式会社，国立大学法人东京大学，国立大学法人大阪大学，
类型：发明
国别省市：日本;JP