專利名稱：改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法
技術(shù)領(lǐng)域：
本發(fā)明大致涉及改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法。某些實(shí)施例涉及優(yōu)化用于分類群的粒子的測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法和系統(tǒng)。
背景技術(shù)：
以下描述和示例并不由于包含在本部分內(nèi)而被承認(rèn)為現(xiàn)有技術(shù)。
通常，流式細(xì)胞儀提供在激光激勵(lì)的聚苯乙烯珠線性地通過流量室時(shí)對其熒光強(qiáng)度的測量。在一些系統(tǒng)中，進(jìn)行四種測量珠以相對于激勵(lì)源成90度的方向散射光的能級；用來確定珠“身份”或“分類”的兩種熒光測量；通常用來檢測和/或量化有關(guān)表面化學(xué)反應(yīng)的第三種熒光測量。三種熒光測量中的每一種在不同的波長進(jìn)行。這些或其它熒光測量通過系統(tǒng)的不同“通道”來進(jìn)行(例如信息通道、分類通道)，“通道”包括檢測器和耦合到該檢測器的可能的其它組件(例如光學(xué)組件、電子組件等)。
在一個(gè)示例中，在珠經(jīng)過激勵(lì)激光的照射區(qū)域時(shí)通過光學(xué)地把珠的圖像投影在光電倍增管(PMT)的感光區(qū)域上來量化化學(xué)反應(yīng)的熒光測量。PMT的輸出是電流脈沖，然后該電流脈沖被模擬電子設(shè)備調(diào)整并通過模數(shù)(A/D)轉(zhuǎn)換器數(shù)字化。從A/D轉(zhuǎn)換器所獲得的結(jié)果數(shù)字值可以由數(shù)字信號處理器(DSP)算法在數(shù)字域中進(jìn)一步調(diào)整。每一珠的最后結(jié)果是單個(gè)整數(shù)值，它通常正比于珠表面上的化學(xué)反應(yīng)。
基于諸如由德克薩斯州奧斯汀的Luminex有限公司制造的Luminex 100系統(tǒng)之類的系統(tǒng)的每一流式細(xì)胞儀以略微不同于“典型的”流式細(xì)胞儀儀器的方式顯示粒子測量結(jié)果(例如100區(qū)域LabMAP)。這些顯示器中的差異是諸如二極管激光器、光電二極管、濾光器以及用來處理數(shù)據(jù)的電子設(shè)備的許多系統(tǒng)組件所累積的容差的結(jié)果。特別是，通過將在粒子分析期間所產(chǎn)生的值與位于分類空間(例如圖)中的區(qū)域相比較來分類粒子。具有位于分類空間中某一區(qū)域內(nèi)的值的粒子被指定給對應(yīng)于該區(qū)域的分類。因此，為了說明上述系統(tǒng)累積的容差，使得用來分類不同群的分類空間中的諸區(qū)域的大小大于所需分類區(qū)域以包含不同群的值。
使用這些大于所需分類區(qū)域的一個(gè)結(jié)果是在一個(gè)系統(tǒng)和另一個(gè)系統(tǒng)之間粒子群的分類不一致。例如，一個(gè)系統(tǒng)有可能將95％的粒子群分類成屬于一個(gè)特定區(qū)域，而該群的0.5％通常將被錯(cuò)分類進(jìn)另一個(gè)區(qū)域，但是不同的系統(tǒng)可能正確地分類該粒子群的98％及錯(cuò)分該群的較小百分?jǐn)?shù)。因此，使用大于所需的分類區(qū)域可導(dǎo)致低劣的系統(tǒng)對系統(tǒng)的匹配。然而，在多個(gè)測量系統(tǒng)被用在單個(gè)設(shè)備或組織中以對生物試樣進(jìn)行測定時(shí)，系統(tǒng)對系統(tǒng)匹配是所希望有的。用這種方式，可將使用一個(gè)測量系統(tǒng)所獲得的結(jié)果直接與使用不同測量系統(tǒng)所獲得的結(jié)果相比較。
顯然，減小分類區(qū)域大小的一種方式是降低系統(tǒng)所累積的容差。降低系統(tǒng)所累積的容差的一種方式是制造使用具有極窄容差組件的系統(tǒng)。但是，使用這樣的組件加重了制造人員采購這些組件的負(fù)擔(dān)。此外，可使用嚴(yán)格的裝配效果來設(shè)法補(bǔ)償精密的容差。然而，像極窄的容差組件、使用嚴(yán)格裝配效果的方式增加了制造的復(fù)雜性及難度。因此，用于減小分類區(qū)域大小的當(dāng)前可用方法增加了系統(tǒng)制造時(shí)間、減少了生產(chǎn)量并增加了整個(gè)系統(tǒng)成本。
因此，最好是這樣地減小分類區(qū)域的大小，使得系統(tǒng)能夠在不使制造過程變復(fù)雜、不增加制造時(shí)間、不降低生產(chǎn)量及不增加整個(gè)系統(tǒng)成本的情況下用更高的系統(tǒng)精度和更高的系統(tǒng)對系統(tǒng)一致性來分類粒子。

發(fā)明內(nèi)容
以下對用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)方法的各種實(shí)施例的描述不以任何方式解釋為限制所附權(quán)利要求的主題。
本發(fā)明的一個(gè)實(shí)施例涉及用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)的方法。該方法包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中一群粒子的值。該方法也包括識別群的值所處的分類空間中的區(qū)域。此外，該方法包括使用區(qū)域的一個(gè)或多個(gè)特性確定群的最佳分類區(qū)域。該最佳分類區(qū)域包含預(yù)定百分率的群的值。該最佳分類區(qū)域可被用作添加試樣中的粒子的分類。
在一些實(shí)施例中，最佳分類區(qū)域具有不同于區(qū)域的一個(gè)或多個(gè)特性的一個(gè)或多個(gè)特性。該一個(gè)或多個(gè)特性包括尺寸、形狀、位置或它們的某些組合。在一個(gè)實(shí)施例中，該方法包括在分析步驟之前校正系統(tǒng)。在一些實(shí)施例中，試樣可包括圖校正試劑(Map Calibration Reagent)。值可以用線性單位或?qū)?shù)單位來表達(dá)。
在一個(gè)實(shí)施例中，區(qū)域的一個(gè)或多個(gè)特性包括區(qū)域中的值的平均值、均數(shù)、峰值或中值以及區(qū)域中的值的標(biāo)準(zhǔn)偏差。在另一個(gè)實(shí)施例中，最佳分類區(qū)域以區(qū)域中的值的中值為中心加上偏離該中值的若干標(biāo)準(zhǔn)偏差。在一個(gè)附加的實(shí)施例中，最佳分類區(qū)域由圍繞群的值的中值的預(yù)定尺寸的邊界來定界。在一些實(shí)施例中，最佳分類區(qū)域的尺寸是包含預(yù)定百分率的群的值的最小尺寸。
在一個(gè)實(shí)施例中，來自分類通道的值包括熒光值。在不同的實(shí)施例中，來自分類通道的值包括光散射強(qiáng)度值。在其它實(shí)施例中，來自分類通道的值包括粒子的體積測量值。在另一實(shí)施例中，值可包括不同值(例如熒光值和光散射強(qiáng)度值等)的一些組合。
在一些實(shí)施例中，試樣可包括一個(gè)或多個(gè)添加的粒子的群。在一個(gè)這樣的實(shí)施例中，對一個(gè)或多個(gè)添加的群執(zhí)行本方法。用這樣方式，可對一個(gè)或多個(gè)添加的群中的每一個(gè)確定最佳分類區(qū)域。在另一個(gè)這樣的實(shí)施例中，本方法可包括使用群和一個(gè)或多個(gè)添加的群的最佳分類區(qū)域來內(nèi)插得出不包括在試樣中的另一粒子群的最佳分類區(qū)域。
在一個(gè)實(shí)施例中，如上所述，區(qū)域的一個(gè)或多個(gè)特性可包括群的值的平均值、均數(shù)、峰值或中值以及群的值的標(biāo)準(zhǔn)偏差。在一個(gè)這樣的實(shí)施例中，該方法可包括將一個(gè)或多個(gè)特性中的至少一個(gè)特性與該一個(gè)或多個(gè)特性中的至少一個(gè)特性的預(yù)定范圍做比較。這樣的實(shí)施例可包括基于比較步驟的結(jié)果來評定系統(tǒng)的性能。如果區(qū)域的一個(gè)或多個(gè)特性中的至少一個(gè)特性位于預(yù)定范圍之外，該方法另一個(gè)這樣的實(shí)施例可包括確定是否應(yīng)在系統(tǒng)上執(zhí)行一個(gè)或多個(gè)校正步驟。
在另一個(gè)實(shí)施例中，方法可包括將最佳分類區(qū)域的一個(gè)或多個(gè)特性與區(qū)域的一個(gè)或多個(gè)特性做比較。在一個(gè)這樣的實(shí)施例中，被比較的最佳分類區(qū)域和區(qū)域的一個(gè)或多個(gè)特性包括尺寸、形心位置、區(qū)域或最佳分類區(qū)域內(nèi)值的最佳擬合直線的斜率、最佳擬合直線的偏距或它們的某些組合。在另一個(gè)這樣的實(shí)施例中，如果該比較步驟的結(jié)果超出了預(yù)定的極限，該方法可包括確定系統(tǒng)是否正出錯(cuò)。
在再一個(gè)實(shí)施例中，最佳分類區(qū)域包括一部分分類空間，粒子將具有位于該部分分類空間中的值的概率大于預(yù)定的概率。在另一個(gè)實(shí)施例中，最佳分類區(qū)域排除一部分分類空間，粒子將具有位于該部分分類空間中的值的概率小于預(yù)定的概率。上述方法的每一實(shí)施例可包括在此描述的任何其它步驟。
另一個(gè)實(shí)施例涉及用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)的不同方法。該方法包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中兩群或更多群粒子的值。該方法也包括識別分類空間中的兩個(gè)或更多的區(qū)域。在兩個(gè)或更多區(qū)域的每一個(gè)中，找出兩群或更多群粒子中的一群的值的位置。此外，該方法包括確定兩個(gè)或更多最佳分類區(qū)域。兩個(gè)或更多最佳分類區(qū)域中的每一個(gè)對應(yīng)于兩個(gè)或更多區(qū)域中的一個(gè)。該方法還包括使用兩個(gè)或更多最佳分類區(qū)域來內(nèi)插得出不包括在試樣中的添加粒子群的最佳分類區(qū)域。該實(shí)施例也可包括在此描述的其它步驟。
一個(gè)附加的實(shí)施例涉及用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)的計(jì)算機(jī)實(shí)施的方法。該計(jì)算機(jī)實(shí)施的方法包括識別試樣粒子群的值所處的分類空間中的區(qū)域。所述值包括系統(tǒng)的分類通道在分析試樣的過程中所產(chǎn)生的值。該計(jì)算機(jī)實(shí)施的方法也包括使用區(qū)域的一個(gè)或多個(gè)特性確定群的最佳分類區(qū)域。最佳分類區(qū)域包含預(yù)定百分率的群的值。該最佳分類區(qū)域被用作添加試樣中的粒子的分類。該計(jì)算機(jī)實(shí)施方法的實(shí)施例可包括在此描述的任何其它步驟。


本發(fā)明的其它目的和優(yōu)點(diǎn)在閱讀下面的詳細(xì)說明和參照附圖時(shí)將變得更加明顯，其中圖1是示出用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)方法的一個(gè)實(shí)施例的流程圖；圖2是示出單個(gè)染色粒子群的具有2個(gè)參數(shù)熒光數(shù)據(jù)的流式細(xì)胞儀數(shù)據(jù)的圖形；圖3是示出帶有最佳擬合直線的圖2數(shù)據(jù)的圖形，圖2的數(shù)據(jù)被旋轉(zhuǎn)；圖4是示出用旋轉(zhuǎn)的坐標(biāo)定出圖3數(shù)據(jù)邊界的3標(biāo)準(zhǔn)偏差橢圓的圖形；圖5是示出最佳的橢圓的分類區(qū)域、圖2的初始區(qū)域以及粒子群的值的圖形；圖6是示出圍繞圖5最佳分類區(qū)域的更大邊界的圖形；圖7是示出在帶有四個(gè)截然不同區(qū)域的2參數(shù)熒光圖形中的流式細(xì)胞儀數(shù)據(jù)的圖形，每個(gè)區(qū)域用于不同的粒子群；圖8是示出帶有新的參數(shù)產(chǎn)生的最佳分類區(qū)域的圖7的四個(gè)初始區(qū)域的圖形；圖9是示出沿CH1方向放大的區(qū)域的圖形；圖10是示出沿CH1和CH2方向放大的區(qū)域的圖形；以及圖11是示出可用來執(zhí)行在此描述的方法的基于流式細(xì)胞儀測量系統(tǒng)的一個(gè)示例的示意圖。
雖然本發(fā)明能容許各種修改和替換形式，但其特定實(shí)施例在附圖中用示例的方式被示出并將在此做詳細(xì)描述。然而，應(yīng)當(dāng)理解，附圖和對其詳細(xì)說明的目的不在于把本發(fā)明限制成所揭示的特定形式，而相反，本發(fā)明覆蓋了屬于由附屬的權(quán)利要求書限定的本發(fā)明的精神和范圍內(nèi)的所有修改、等效物和替換物。
具體實(shí)施例方式
在此使用的術(shù)語“粒子”一般涉及粒子、微球體、聚苯乙烯珠、微粒、金納米粒子、量子點(diǎn)、納米點(diǎn)、納米粒子、納米殼、珠、微珠、膠乳粒子、膠乳珠、熒光珠、熒光粒子、彩色粒子、彩色珠、組織、細(xì)胞、微生物、有機(jī)物質(zhì)、非有機(jī)物質(zhì)、或現(xiàn)有技術(shù)中已知的任何其它分立的基質(zhì)或物質(zhì)。粒子可用作分子反應(yīng)的載色劑。適當(dāng)?shù)牧Ｗ拥睦釉贔ulton的第5,736,330號美國專利，Chandler等人的第5,981,180號美國專利，F(xiàn)ulton的第6,057,107號美國專利，Chandler等人的第6,268,222號美國專利，Chandler等人的第6,449,562號美國專利，Chandler等人的第6,514,295號美國專利，Chandler等人的第6,524,793號美國專利和Chandler等人的第6,528,165號美國專利中示出，其通過引用猶如全部被給出而包括在此。在此描述的測量系統(tǒng)和方法也可使用于在這些專利中描述的任何粒子。此外，用于在流式細(xì)胞儀中諸如LabMAP微球體之類的粒子，可從Luminex有限公司購得，LabMAP微球體也被稱為xMAP微球體。術(shù)語“粒子”和“微球體”在此可互換使用。
在此描述了用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)的方法。特別是，這些方法可被用來“調(diào)諧”測量系統(tǒng)，使得該系統(tǒng)能夠用增加的精度從粒子群分類粒子，并使錯(cuò)分類粒子的可能性降低。作為在此使用的術(shù)語“分類”通常被定義為確定試樣中單個(gè)粒子的身份。該身份涉及單個(gè)粒子所屬的群。這樣的分類特別重要，因?yàn)樵谝淮螌?shí)驗(yàn)中常常用多個(gè)不同的粒子群來分析試樣。例如，不同的粒子群通常具有至少一個(gè)不同的特征，諸如與粒子相關(guān)聯(lián)的物質(zhì)類型和/或與粒子相關(guān)聯(lián)的物質(zhì)數(shù)量，使得在一次試驗(yàn)中能夠檢測和/或定量試樣中不同分析物的存在。因此，為了解釋測量結(jié)果，確定在該實(shí)驗(yàn)中使用的單個(gè)粒子的身份和分類，以使其它測量值可與單個(gè)粒子的特性相互有關(guān)系。
可被配置成執(zhí)行在此描述的方法的系統(tǒng)包括但不限于Luminex 100、Luminex HTS、Luminex 100E以及對于可從Luminex公司獲得的該產(chǎn)品族任何進(jìn)一步的附加產(chǎn)品。在此描述了這種系統(tǒng)的一個(gè)普通示例。特別是，在此描述的方法可使用在基于流式細(xì)胞儀的系統(tǒng)中分類粒子的“圖法”，以改變基于流式細(xì)胞儀的系統(tǒng)的一個(gè)或多個(gè)參數(shù)。但是，要理解的是，在此描述的方法可被用來改變配置成確定單個(gè)粒子或其它分立物質(zhì)身份或分類的任何測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)。這種測量系統(tǒng)的一個(gè)例子是熒光成像系統(tǒng)。此外，在此描述的方法不限于用在增加粒子分類精度方面。例如，在此描述的方法可同樣應(yīng)用于確定其它分類參數(shù)，諸如、但不限于出現(xiàn)在粒子上的反應(yīng)產(chǎn)物的身份和數(shù)量。另外，盡管在此描述了能和本方法一起使用的各種值，要理解的是，在此描述的方法也可以和能夠被用來確定粒子的一個(gè)或多個(gè)特征的任何可測量的粒子參數(shù)一起使用。
如同一名能夠從在此提供的各種實(shí)施例的描述受益的本領(lǐng)域普通技術(shù)人員將清楚的那樣，在此描述的方法為分析測量系統(tǒng)所產(chǎn)生的值提供了幾個(gè)優(yōu)點(diǎn)。特別是，在此描述的方法在不改變測量系統(tǒng)物理參數(shù)的情況下(例如，在不改變測量系統(tǒng)各種組件的累積容差的情況下)提供了比當(dāng)前可獲得的系統(tǒng)精度更高的系統(tǒng)精度。因此，在此描述的方法在不使制造過程變復(fù)雜、不增加制造時(shí)間、不減少生產(chǎn)量及不提高整個(gè)系統(tǒng)成本的情況下提供了更高的系統(tǒng)精度。此外，由于在此描述的方法允許減小對應(yīng)于粒子群的區(qū)域分類空間，而不降低測量系統(tǒng)的精度，在此描述的方法提供了比當(dāng)前可獲得的系統(tǒng)對系統(tǒng)匹配更佳的系統(tǒng)對系統(tǒng)匹配。由于在不改變測量系統(tǒng)的物理組件的情況下能夠增加系統(tǒng)對系統(tǒng)的匹配，在此描述的方法在不使制造過程變復(fù)雜、不增加制造時(shí)間、不減少生產(chǎn)量及不提高整個(gè)系統(tǒng)成本的情況下提供了更佳的系統(tǒng)對系統(tǒng)匹配。
圖1示出了用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法的實(shí)施例。注意，圖1中示出的許多步驟對于實(shí)施該方法不是必需的。某些步驟可被省略或加到圖1中示出的方法，并且能夠在本發(fā)明的實(shí)施例范圍內(nèi)實(shí)施該方法。此外，要注意的是，可以使本方法的一個(gè)或多個(gè)步驟自動(dòng)化。用這種方式，可執(zhí)行本方法的一個(gè)或多個(gè)步驟，而不用來自測量系統(tǒng)用戶的監(jiān)督和指示。或者，基于來自諸如系統(tǒng)操作者、現(xiàn)場技術(shù)人員或制造人員的用戶的輸入或與其相互作用，可執(zhí)行本方法的一個(gè)或多個(gè)步驟。此外，可以用計(jì)算機(jī)實(shí)施本方法的一個(gè)或多個(gè)步驟或者甚至所有步驟。用這種方式，可用系統(tǒng)的處理器、算法或其它可操作的程序指令來執(zhí)行一個(gè)或多個(gè)步驟，以在諸如在此描述的那些處理器上或現(xiàn)有技術(shù)中已知的任何其它硬件或軟件上執(zhí)行一個(gè)或多個(gè)步驟。
如圖1的步驟10中所示，本方法可任選地包括校正測量系統(tǒng)。本方法可包括使用普通的或標(biāo)準(zhǔn)的校正試劑和程序來校正系統(tǒng)。這種校準(zhǔn)程序的一個(gè)示例是圖校正程序，它一般用在從Luminex有限公司可購得的基于細(xì)胞流量計(jì)的測量系統(tǒng)上。例如，基于細(xì)胞流量計(jì)的測量系統(tǒng)根據(jù)測量到的內(nèi)部的或用別的方式附到粒子上的兩種或多種染料的強(qiáng)度，來識別經(jīng)過該系統(tǒng)的粒子。該識別技術(shù)也可用來識別包含在所有通道(信息和分類二者)中已知熒光強(qiáng)度量的校正微球體。在進(jìn)行校正微球體測量之后，可將精細(xì)校正系數(shù)施加給用于試樣微球體測量的信息和/或分類通道?？捎迷诓襟E10中的校正技術(shù)的附加示例在Roth等人于2004年8月12日提交的題為“用于控制流式細(xì)胞儀型測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法(Methods forControlling One or More Parameters of a Flow Cytometer Type MeasurementSystem)”的第10/918,647號美國專利中示出，該專利要求Roth于2003年8月13日提交的題為“實(shí)時(shí)系統(tǒng)校正方法(Real Time System CalibrationMethod)”的第60/494,824號美國專利的優(yōu)先權(quán)，這兩個(gè)專利通過引用猶如全部被給出而包括在此?，F(xiàn)有技術(shù)中已知的任何其它校正技術(shù)可用在該任選的校正步驟中。
如步驟12所示，本方法也包括分析試樣以從系統(tǒng)的分類通道產(chǎn)生試樣中的粒子群的值。在一個(gè)實(shí)施例中，試樣可包括圖校正試劑。圖校正試劑包括來自如Luminex有限公司的100區(qū)域LabMAP、市場上可購得的產(chǎn)品組的一個(gè)或多個(gè)染色微球體群，或者具有與100區(qū)域LabMAP中的微球體具有相似強(qiáng)度的可能微球體群，但是不是部分的LabMAP。此外，試樣可包括現(xiàn)有技術(shù)中已知的任何其它合適的試樣，諸如包括至少一個(gè)粒子群的試樣。
在一個(gè)實(shí)施例中，來自分類通道的值包括熒光值。在不同的實(shí)施例中，來自分類通道的值包括光散射強(qiáng)度值。在其它實(shí)施例中，來自分類通道的值包括粒子的體積測量值。在一些實(shí)施例中，值可包括熒光值、光散射強(qiáng)度值以及粒子的體積測量值的某些組合。這些不同類型的值中的每一種可以用線性單位或?qū)?shù)單位來表達(dá)。
此外，如步驟14所示，本方法包括識別群的值所處的分類空間中的區(qū)域?？墒褂弥T如二維圖形之類的現(xiàn)有技術(shù)中任何已知的方法來組織在分類空間中的值，不同分類通道的值沿著兩根軸中的每一根軸。這樣的圖形，在基于流式細(xì)胞儀的儀器的范疇中通常稱為“圖”。識別群的值所處的分類空間中的區(qū)域可包括定義圍繞含有來自盡可能和群中的粒子一樣多的值的一群值的邊界。但是把不是該群的成員的任何粒子排除到可能的程度。因此，該邊界識別屬于該區(qū)域的分類空間中的面積。這樣的邊界可由用戶或程序指令來產(chǎn)生。
如步驟16所示，本方法可任選地包括確定位于區(qū)域內(nèi)的群的值的一個(gè)或多個(gè)特性(下文也稱為區(qū)域的特性)。區(qū)域的一個(gè)或多個(gè)特性可包括區(qū)域中的值的平均值、均數(shù)、峰值或中值以及區(qū)域的標(biāo)準(zhǔn)偏差。這樣的區(qū)域特性可使用現(xiàn)有技術(shù)中已知的任何方法來確定。區(qū)域的一個(gè)或多個(gè)特性可被用來執(zhí)行許多功能。例如，在一個(gè)實(shí)施例中，如步驟18所示，本方法可包括將多個(gè)區(qū)域特性中至少一個(gè)與該至少一個(gè)特性的預(yù)定范圍做比較。在一些實(shí)施例中，預(yù)定的范圍可以是系統(tǒng)的典型的、可接受的或所期望的性能的表示。用這種方式，如步驟20所示，本方法可任選地包括根據(jù)比較步驟中所獲得的結(jié)果評定系統(tǒng)的性能。換言之，如果區(qū)域的一個(gè)或多個(gè)特性明顯不同于特性所期望的值，這些顯著的差異可由比較步驟檢測到并被用來監(jiān)視系統(tǒng)性能。在另一個(gè)實(shí)施例中，如步驟22所示，如果多個(gè)特性中的至少一個(gè)位于預(yù)定的范圍之外，本方法可包括確定是否應(yīng)在系統(tǒng)上執(zhí)行一個(gè)或多個(gè)校正步驟。例如，校正步驟可包括校正、維護(hù)、維修、排除故障、重新啟動(dòng)等。
如步驟24所示，本方法包括使用一個(gè)或多個(gè)區(qū)域的特性來確定群的最佳分類區(qū)域。最佳分類區(qū)域包含預(yù)定百分率的群的值。在某些實(shí)施例中，該預(yù)定的百分率可反映測量系統(tǒng)所需的精度(例如98％、95％、90％等)。在另一個(gè)實(shí)施例中，可根據(jù)諸如區(qū)域內(nèi)值的分布之類的區(qū)域中值的特征和上述的區(qū)域其它特性來確定預(yù)定的百分率。由于最佳的分類區(qū)域?qū)⒅话A(yù)定百分率的區(qū)域中的值，最佳分類區(qū)域通常將，但不一定總是具有小于分類空間中區(qū)域尺寸的分類區(qū)域的尺寸。通常，最佳分類區(qū)域?qū)⒕哂胁煌趨^(qū)域的一個(gè)或多個(gè)特性的一個(gè)或多個(gè)特性。該一個(gè)或多個(gè)不同特性可包括尺寸、形狀、位置或它們的某些組合。在一個(gè)實(shí)施例中，最佳分類區(qū)域的尺寸可以是包含預(yù)定百分率的群值的最小尺寸。在某些實(shí)施例中，最佳分類區(qū)域以區(qū)域的中值為中心加上偏離該中值的若干標(biāo)準(zhǔn)偏差(例如，兩個(gè)或三個(gè))。值的中值在一個(gè)示例中可根據(jù)實(shí)驗(yàn)來確定。在另一個(gè)實(shí)施例中，最佳分類區(qū)域由圍繞群值的中值的預(yù)定大小的邊界來限定。
最佳分類區(qū)域可被用于在添加試樣中的粒子的分類。特別是，對其它試樣的粒子所產(chǎn)生的分類通道的值可用來與該最佳分類區(qū)域和可能的其它最佳分類區(qū)域相比較。如果粒子的值屬于最佳分類區(qū)域中的一個(gè)內(nèi)，則該粒子被指定為與該最佳分類區(qū)域相關(guān)聯(lián)的分類。
最佳分類區(qū)域提供可提供超過其它分類方法的顯著優(yōu)點(diǎn)，諸如在分類粒子方面更高的系統(tǒng)精度及對于粒子分類的更佳的系統(tǒng)對系統(tǒng)匹配。例如，最佳分類區(qū)域包括一部分分類空間。最佳分類區(qū)域內(nèi)的該部分分類空間可如上所述確定，使得粒子將具有位于該部分分類空間中的值的概率大于預(yù)定的概率?？筛鶕?jù)一些參數(shù)，諸如粒子測量值期望結(jié)果的統(tǒng)計(jì)或其它數(shù)學(xué)分析來確定預(yù)定的概率。最佳分類區(qū)域也可排除一部分分類空間?？纱_定從最佳分類區(qū)域排除的這部分分類空間，使得粒子將具有位于該排除部分分類空間中的值的概率小于預(yù)定的概率。該預(yù)定的概率將不同于上文描述的預(yù)定概率，但這兩種概率可以用相同的方式來確定。
在某些實(shí)施例中，如步驟26所示，方法可包括確定最佳分類區(qū)域的一個(gè)或多個(gè)特性。但是，要注意，即使沒有確定最佳分類區(qū)域的一個(gè)或多個(gè)特性，也可將最佳分類區(qū)域用于添加試樣中粒子的分類。最佳分類區(qū)域的一個(gè)或多個(gè)特性可被用來進(jìn)行一些附加的步驟。例如，本方法可包括將最佳分類區(qū)域的一個(gè)或多個(gè)特性與區(qū)域的一個(gè)或多個(gè)特性做比較，如步驟28所示。被比較的最佳分類區(qū)域和區(qū)域的一個(gè)或多個(gè)特性可包括尺寸、形心位置、區(qū)域或最佳分類區(qū)域內(nèi)值的最佳擬合直線的斜率、最佳擬合直線的偏距或它們的某些組合。該比較步驟的結(jié)果可被用來執(zhí)行一個(gè)或多個(gè)附加的步驟。在一個(gè)這樣的實(shí)施例中，如步驟30所示，如果該比較步驟的結(jié)果超出了預(yù)定的極限，該方法可包括確定系統(tǒng)是否正出錯(cuò)。預(yù)定的極限可基于區(qū)域典型的、可接受的或期望的特性。如果確定系統(tǒng)正出錯(cuò)，本方法可包括確定是否應(yīng)當(dāng)在系統(tǒng)上執(zhí)行諸如如上所述的一個(gè)或多個(gè)校正步驟。
在步驟12中分析的試樣可包括一個(gè)或多個(gè)添加的粒子群。在一個(gè)實(shí)施例中，可對一個(gè)或多個(gè)添加的群執(zhí)行本方法，如任選步驟32所示。用這種方式，本方法可包括對一個(gè)或多個(gè)添加的粒子群中的每一個(gè)確定最佳分類區(qū)域?？蓪θ缭诖嗣枋龅奶砑拥娜捍_定最佳分類區(qū)域。要注意的是，對試樣中的每個(gè)粒子群，可任選地不確定最佳分類區(qū)域。在為試樣確定了兩個(gè)或更多最佳分類區(qū)域時(shí)，如步驟34所示，本方法可包括利用該兩個(gè)或更多最佳分類區(qū)域來內(nèi)插得出不包括在試樣中的另一粒子群的最佳分類區(qū)域。此外，可用這種方式來確定不包括在試樣中的一個(gè)以上的粒子群的最佳分類區(qū)域。
可以組合圖1中所示出的各種步驟以產(chǎn)生用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)的方法的不同實(shí)施例。例如，一個(gè)實(shí)施例可包括使用系統(tǒng)分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中兩群或更多群粒子的值，這可以參照步驟12如所描述的那樣來進(jìn)行。此外，該方法也包括識別分類空間中的兩個(gè)或更多的區(qū)域，這可以參照步驟14如所描述的那樣來進(jìn)行。在兩個(gè)或更多區(qū)域的每一個(gè)中，找出兩個(gè)或更多粒子群中的一個(gè)的值的位置。該方法還包括確定兩個(gè)或更多最佳分類區(qū)域，這可參照步驟32如所描述的那樣來進(jìn)行。兩個(gè)或更多最佳分類區(qū)域中的每一個(gè)對應(yīng)于兩個(gè)或更多區(qū)域中的一個(gè)。該方法還包括使用兩個(gè)或更多最佳分類區(qū)域來內(nèi)插得出不包括在試樣中的添加粒子群的最佳分類區(qū)域，這可參照步驟34如所描述的那樣來進(jìn)行。本方法的這個(gè)實(shí)施例可包括在此描述的任何其它步驟。
在另一個(gè)實(shí)施例中，用于改變測量系統(tǒng)一個(gè)或多個(gè)參數(shù)的計(jì)算機(jī)實(shí)施方法的實(shí)施例包括識別試樣粒子群的值所處的分類空間中的區(qū)域，這可以參照步驟14如所描述的那樣來進(jìn)行。所述值包括系統(tǒng)的分類通道在系統(tǒng)分析過程中所產(chǎn)生的值。該計(jì)算機(jī)實(shí)施的方法也包括使用區(qū)域的一個(gè)或多個(gè)特性確定群的最佳分類區(qū)域，這可以參照步驟24如所描述的那樣來進(jìn)行。如在此進(jìn)一步描述的那樣，最佳分類區(qū)域包含預(yù)定百分率的群的值。該最佳分類區(qū)域被用作在此描述的添加試樣中粒子的分類。該計(jì)算機(jī)實(shí)施方法的實(shí)施例可包括在此描述的任何其它步驟。
確定最佳分類區(qū)域的一個(gè)示例可包括以下步驟，它可產(chǎn)生如圖2-6所示的數(shù)據(jù)。注意，在圖2-6中所示的數(shù)據(jù)并不意味著在此描述的方法的示例性或限制示例。而是，該數(shù)據(jù)只被表示為加強(qiáng)對在此所描述的方法的理解。圖2示出了從類似流式細(xì)胞儀的設(shè)備所獲得的數(shù)據(jù)，其中兩種熒光色被用來識別粒子。使用兩種不同的分類通道，CH1和CH2，檢測這兩種熒光色。圍繞含有來自盡可能多的群中粒子的熒光數(shù)據(jù)的一片數(shù)據(jù)值畫出邊界，但是把不是該群的成員的任何粒子盡可能排除。圍繞數(shù)據(jù)點(diǎn)的白色區(qū)域以手工繪制的邊界為界，手工繪制的邊界充分地包括了群的值，但是也包括了群的成員不太可能呈現(xiàn)熒光的多余空間。通過消除一些這種多余空間可使該區(qū)域最優(yōu)化，使得在試樣包含不是該群成員的其它熒光粒子的情形中，它們可以容易地被最佳分類區(qū)域辨別。
對圖2中所示的數(shù)據(jù)應(yīng)用了線性回歸以獲得最適合該群的直線的斜率。然后可將“群”定義為包括在例如25％中間的CH1和CH2值內(nèi)的任何數(shù)據(jù)(即以Median_CH1+25％、Median_CH1-25％為側(cè)邊并以Median_CH2+25％、Median_CH2-25％為頂部和底部而定界的方框)。在確定該斜率之后，整個(gè)數(shù)據(jù)組被旋轉(zhuǎn)使得最佳擬合直線基本上是水平的(如圖3所示)，并使用了CH1’和CH2’的新坐標(biāo)系。使用該旋轉(zhuǎn)數(shù)據(jù)組，為CH1’和CH2’外廓中的群確定中值和標(biāo)準(zhǔn)偏差。
如圖4所示，建立了中心為CH1’和CH2’的中間值、長軸和短軸(盡管未必以該順序)是CH1’和CH2’中標(biāo)準(zhǔn)偏差的某常數(shù)C倍的橢圓。調(diào)節(jié)該常數(shù)直到該橢圓包含了所需百分率的群中的粒子。在本實(shí)施例中，給C以3的值建立環(huán)繞98.9％的群的邊界(如圖4所示)。最后，如圖5所示，橢圓中點(diǎn)的組被旋轉(zhuǎn)回初始的CH1和CH2的外廓，在初始外廓中所產(chǎn)生的橢圓是最佳分類區(qū)域。如圖5進(jìn)一步所示，該最佳分類區(qū)域的尺寸大大小于初始的分類區(qū)域。
此外，通過用對應(yīng)于比分類區(qū)域更高數(shù)目的標(biāo)準(zhǔn)偏差的軸產(chǎn)生橢圓，可建立圍繞區(qū)域的更大的邊界。如果沒有其它分類區(qū)域(用于其它群)置于該更大的邊界內(nèi)，則將不會(huì)把來自該區(qū)域比預(yù)定百分率更多的粒子錯(cuò)誤地分類進(jìn)其它區(qū)域中。反之亦真，假定也產(chǎn)生用于其它粒子群的類似邊界。在本示例中，在兩根軸上分類邊界偏離群的形心3倍標(biāo)準(zhǔn)偏差。更大的邊界可能是離群的形心5倍標(biāo)準(zhǔn)偏差，在這種情況下它將包圍群中96個(gè)粒子的100％。圖6示出了初始區(qū)域(白色面積)、數(shù)據(jù)點(diǎn)的群、由較小邊界所定義的第一最佳分類區(qū)域邊界(較小橢圓)以及基于5倍標(biāo)準(zhǔn)偏差在兩根旋轉(zhuǎn)坐標(biāo)軸上由較大邊界定義的最佳分類區(qū)域(較大橢圓)。
使兩個(gè)或更多區(qū)域最優(yōu)化的一個(gè)示例包括以下步驟，它可產(chǎn)生如圖7到8中所示出的數(shù)據(jù)。注意，在圖7到8中所示出的數(shù)據(jù)并不意味著在此描述的方法的示例性或限制示例。而是，該數(shù)據(jù)只表示為加強(qiáng)對在此所描述的方法的理解。圖7示出了在分析含有四種不同熒光染色粒子群的試樣的過程中由類似流式細(xì)胞儀的設(shè)備所產(chǎn)生的數(shù)據(jù)。如同在上面的示例中所描述的那樣，已經(jīng)為對應(yīng)于多個(gè)群中的一個(gè)群的每一區(qū)域建立了最佳橢圓區(qū)域，但是使用了具有5倍標(biāo)準(zhǔn)偏差的長軸和短軸的橢圓，使得最佳分類區(qū)域看來與數(shù)據(jù)點(diǎn)截然不同。在實(shí)踐中，更小的分類區(qū)域?qū)⒖赡苁亲罾硐氲摹?br> 這四個(gè)最佳分類區(qū)域可被用來產(chǎn)生用于另一群的一個(gè)附加的最佳分類區(qū)域，而不用使該新群實(shí)際具有數(shù)據(jù)。用來產(chǎn)生該附加的最佳分類區(qū)域的參數(shù)是它的按照CH1和CH2坐標(biāo)的位置。從四個(gè)通過試樣分析所產(chǎn)生的實(shí)際數(shù)據(jù)值所建立的四個(gè)最佳分類區(qū)域產(chǎn)生模型，用于該模型的輸入?yún)?shù)也是在CH1和CH2坐標(biāo)中的區(qū)域位置。于是，可在CH1-CH2空間的任何地方內(nèi)插得出附加的最佳分類區(qū)域，而不用實(shí)際具有要產(chǎn)生的特定最佳分類區(qū)域的測量數(shù)據(jù)。
對于圖7中示出的四個(gè)區(qū)域，在表1中示出了區(qū)域坐標(biāo)表1

這些坐標(biāo)表示初始分類區(qū)域的形心位置(如圖7中的白色區(qū)域所示)。
根據(jù)形心位置的坐標(biāo)，對各區(qū)域計(jì)算以下統(tǒng)計(jì)量1.在CH1的形心位移(連接CH1的初始區(qū)域形心和在CH1的最佳分類區(qū)域形心的矢量)；2.在CH2的形心位移(連接CH2的初始區(qū)域形心和在CH2的最佳分類區(qū)域形心的矢量)；3.經(jīng)過群的值的最佳擬合直線的斜率；4.在CH1’和CH2’(旋轉(zhuǎn)的)坐標(biāo)系中的群的值的標(biāo)準(zhǔn)偏差；5.為環(huán)繞所需百分率的各群中粒子的值所需要的標(biāo)準(zhǔn)偏差的數(shù)目。
建立回歸模型以創(chuàng)建作為表1中所示的CH1和CH2坐標(biāo)的函數(shù)的這五個(gè)統(tǒng)計(jì)量中的每一個(gè)的模型。例如，利用該數(shù)據(jù)，統(tǒng)計(jì)量3的表達(dá)形式為以下方程式斜率＝0.515+(CH1*0.00205)+(CH2*0.00165)一旦這五個(gè)統(tǒng)計(jì)量對于任何一對CH1和CH2的坐標(biāo)計(jì)算出來，只使用這對數(shù)字就可自動(dòng)地生成最佳橢圓區(qū)域。圖8示出了來自圖7的初始四個(gè)區(qū)域加上為初始區(qū)域生成的、用箭頭標(biāo)注的第五個(gè)最佳橢圓區(qū)域。該處理可以被重復(fù)多次，使得只使用從初始的四個(gè)群收集的數(shù)據(jù)就能夠生成許多新的最佳區(qū)域，如圖7所示。
放大一特定的區(qū)域以說明外來誤差源的一個(gè)示例可包括以下步驟，這些步驟可產(chǎn)生如圖9-10中所示的數(shù)據(jù)。注意，圖9-10中所示的數(shù)據(jù)并不意味著在此描述的方法的示例性或限制示例。而是，該數(shù)據(jù)只被表示為加強(qiáng)對在此所描述的方法的理解。經(jīng)驗(yàn)表示，其它誤差源，諸如過期的校正試劑可能增加在每一區(qū)域中俘獲所需百分率的粒子的邊界的尺寸(這可以如上文示例所描述的那樣來被進(jìn)行)。如果已知基于這些誤差源一特定區(qū)域的形心可偏離若干個(gè)單位，于是該區(qū)域可按該量拓寬。在確定最佳分類區(qū)域的上述示例中，如果用戶想考慮沿CH1軸任一方向偏移2個(gè)數(shù)(counts)，那么在CH1方向到區(qū)域形心右邊和左邊的邊界均可從形心移位該數(shù)量(如圖9所示)。類似地，也可將本方法應(yīng)用于CH2方向，或用于同一區(qū)域的兩個(gè)方向(如圖10中所示)。
圖11示出了可用來執(zhí)行在此描述的方法的測量系統(tǒng)的一個(gè)示例。注意，圖11沒有按比例畫出。特別是，圖形的一些元件的比例被大大放大以強(qiáng)調(diào)元件的特征。為了清楚起見，測量系統(tǒng)的一些元件未包括在圖中。
在圖11中，沿著通過微球體42流經(jīng)的試管40的橫截面的平面示出了測量系統(tǒng)。在一個(gè)實(shí)施例中，試管可以是諸如在標(biāo)準(zhǔn)的流式細(xì)胞儀中使用的標(biāo)準(zhǔn)石英試管。然而，任何其它適合類型的觀察或傳輸容器也可用來傳輸用于分析的試樣。該測量系統(tǒng)包括光源44。光源44可以包括諸如激光的現(xiàn)有技術(shù)中已知的任何適當(dāng)?shù)墓庠?。光?4可以配置成發(fā)射諸如藍(lán)光或綠光的具有一個(gè)或多個(gè)波長的光。光源44可配置成當(dāng)微球體流經(jīng)試管時(shí)對其進(jìn)行照射。該照射可以使微球體發(fā)射具有一種或多種波長或波長譜帶的熒光。在一些實(shí)施例中，該系統(tǒng)可以包括配置成將來自光源的光聚焦到微球體或流程上的一個(gè)或多個(gè)透鏡(未示出)。該系統(tǒng)也可包括一種以上的光源。在一個(gè)實(shí)施例中，光源可以被配置成用具有不同波長或波長譜帶的光(例如，藍(lán)光和綠光)照射微球體。在一些實(shí)施例中，光源可以被配置成以不同的方向照射微球體。
從微球體向前散射的光通過折疊式反射鏡48或另一種光定向組件可以指向探測系統(tǒng)46。或者，探測系統(tǒng)46可以直接放置在向前散射光的光路中。照此，折疊式反射鏡或其它光定向組件可不包括在此系統(tǒng)中。在一個(gè)實(shí)施例中，如圖11所示，向前散射的光可以是由微球體以從光源44照射的方向約180度角散射的光。向前散射的光的角度可以不是從照射的方向正好180度，以使來自光源的入射光不入射在探測系統(tǒng)的感光表面上。例如，向前散射的光可以是由微球體以從照射方向小于或大于180度的角度散射的光(例如，在約170度、約175度、約185度或約190度角散射的光)。
由微球體以從照射方向約90度角散射的光也可以被收集。在一個(gè)實(shí)施例中，這個(gè)散射光通過一個(gè)或多個(gè)分光鏡或分色鏡可以被分成一個(gè)以上的光束。例如，以從照射方向約90度角散射的光通過分光鏡50可以被分成兩束不同的光束。這兩束不同的光束通過分光鏡52和54又被分開以產(chǎn)生四束不同的光束。每束光束可以射向不同的探測系統(tǒng)，探測系統(tǒng)可包括一個(gè)或多個(gè)探測器。例如，四束光束中的一束可以射向探測系統(tǒng)56。探測系統(tǒng)56可配置成探測由微球體散射的光。
由探測系統(tǒng)46和/或探測系統(tǒng)56所探測到的散射光通?？烧扔谟晒庠凑丈涞降牧Ｗ拥捏w積。因此，探測系統(tǒng)46的輸出信號和/或探測系統(tǒng)56的輸出信號可用來確定在照射區(qū)或探測窗口中的粒子的直徑和/或體積。此外，探測系統(tǒng)46和/或探測系統(tǒng)56的輸出信號可被用來識別粘在一起或在大約相同的時(shí)間通過照射區(qū)的一個(gè)以上的粒子。因此，這樣的粒子可與其它試樣微球體和校正微球體相區(qū)別。此外，探測系統(tǒng)46和/或探測系統(tǒng)56的輸出信號可被用來辨別試樣微球體和校正微球體。
其它三束光可射向探測系統(tǒng)58、60和62。探測系統(tǒng)58、60和62可配置成探測由微球體發(fā)射出的熒光。每一個(gè)探測系統(tǒng)可以配置成探測不同波長或不同波長范圍的熒光。例如，一種探測系統(tǒng)可以配置成探測綠熒光。另一種探測系統(tǒng)被配置成探測桔黃熒光。還一種探測系統(tǒng)配置成探測紅熒光。
在一些實(shí)施例中，濾譜器64、66和68可以被分別耦合到探測系統(tǒng)58、60和62。濾譜器可被配置成阻擋除探測系統(tǒng)配置成探測的那些波長之外的熒光。此外，一個(gè)或多個(gè)透鏡(未示出)可被光學(xué)地耦合到每一個(gè)探測系統(tǒng)。透鏡可被配置成將散射光或發(fā)射的熒光聚焦到探測器的感光表面上。
每一探測器的輸出電流正比于入射在它上面的熒光并產(chǎn)生電流脈沖。電流脈沖可轉(zhuǎn)換成電壓脈沖，低通濾波，然后由A/D轉(zhuǎn)換器(未示出)進(jìn)行數(shù)字化。可使用現(xiàn)有技術(shù)中已知的任何適合的組件來進(jìn)行轉(zhuǎn)換、濾波和數(shù)字化。測量系統(tǒng)也可包括處理器70。處理器70可通過一個(gè)或多個(gè)傳輸介質(zhì)和任選的一個(gè)或多個(gè)置于處理器和探測器之間的組件耦合到探測器。例如，處理器70可通過傳輸介質(zhì)72耦合到探測系統(tǒng)56。所述傳輸介質(zhì)可包括現(xiàn)有技術(shù)中已知的任何適合的傳輸介質(zhì)以及可包括“有線的”和“無線”的部分。在一個(gè)示例中，處理器可包括配置成對脈沖下的面積求積分以提供代表熒光幅度的數(shù)值的DSP。此外，處理器可被配置成執(zhí)行在此描述的實(shí)施例的一個(gè)或多個(gè)步驟。
在一些實(shí)施例中，根據(jù)由微球體發(fā)射的熒光所產(chǎn)生的輸出信號可以被用來確定微球體的身份和有關(guān)在微球體的表面發(fā)生的反應(yīng)的信息。例如，來自兩個(gè)探測系統(tǒng)的輸出信號可被用來確定微球體的身份，而來自其它探測系統(tǒng)的輸出信號可用來確定在微球體表面上發(fā)生的反應(yīng)。因此，探測器和濾譜器的選擇依賴包括在或粘合到微球體的染料和/或被測量的反應(yīng)的類型(即，包括在或粘合到涉及該反應(yīng)的反應(yīng)物的染料)而不同。
由探測系統(tǒng)46、56、58、60和62產(chǎn)生的值可用于在此描述的方法中。在一個(gè)特定的示例，在一個(gè)分類空間中，對于一個(gè)或多個(gè)如上文所述確定的最佳分類區(qū)域，可比較由兩個(gè)探測系統(tǒng)產(chǎn)生的微球體的值。微球體的分類可被確定為指定給該值所處的最佳分類區(qū)域的分類。
被用來確定試樣微球體身份的探測系統(tǒng)(例如探測系統(tǒng)58和60)可以是雪崩光電二極管(APD)、光電倍增管(PMT)或其它光電探測器。被用來識別微球體表面發(fā)生的反應(yīng)的探測系統(tǒng)(例如，探測系統(tǒng)62)可以是PMT、APD或任何其它形式的光電探測器。
盡管圖11的系統(tǒng)示出包括兩種具有兩種用于在具備不同染料特性的微球體之間進(jìn)行辨別的不同探測窗口的探測系統(tǒng)，要理解的是，該系統(tǒng)可包括多于兩種這樣的探測窗口(即，3種探測窗口、4種探測窗口等)。在這樣的實(shí)施例中，系統(tǒng)可包括附加的分光鏡和具有其它探測窗口的附加的探測系統(tǒng)。此外，濾譜器和/或透鏡可耦合到每一附加的探測系統(tǒng)。在另一個(gè)實(shí)施例中，系統(tǒng)可以包括配置成在微球體的表面上反應(yīng)的不同材料之間進(jìn)行辨別的兩種或多種探測系統(tǒng)。不同的反應(yīng)物材料可以具有與微球體的染料特性不同的染料特性。
可用來執(zhí)行在此描述的方法的測量系統(tǒng)的附加例子，在Chandler等人的第5,981,180號美國專利，Chandler的第6,046,867號美國專利，Chandler的第6,139,800號美國專利，Chandler的第6,366,354號美國專利，Chandler的第6,411,904號美國專利，Chandler等人的第6,449,562號美國專利以及Chandler等人的第6,524,793號美國專利中示出，其引用猶如全部被給出而包括在此。在此描述的測量系統(tǒng)也可如在這些專利中所描述的那樣被進(jìn)一步配置。
諸如那些在此描述的程序指令實(shí)施方法可以在載體介質(zhì)中發(fā)送或存儲(chǔ)在載體介質(zhì)中。載體介質(zhì)可以是諸如導(dǎo)線、電纜、或無線傳輸鏈路的傳輸介質(zhì)，或沿著這樣的導(dǎo)線、電纜或鏈路傳播的信號。載體介質(zhì)也可以是諸如只讀存儲(chǔ)器、隨機(jī)存取存儲(chǔ)器、磁盤或光盤、或磁帶的存儲(chǔ)介質(zhì)。
在一個(gè)實(shí)施例中，處理器可以被配置成根據(jù)上面的實(shí)施例執(zhí)行程序指令以執(zhí)行計(jì)算機(jī)實(shí)施的方法。該處理器可以使用不同形式，包括個(gè)人計(jì)算機(jī)系統(tǒng)、主機(jī)計(jì)算機(jī)系統(tǒng)、工作站、網(wǎng)絡(luò)設(shè)備、因特網(wǎng)設(shè)備、個(gè)人數(shù)字助理(“PDA”)、電視系統(tǒng)或其它設(shè)備。通常，術(shù)語“計(jì)算機(jī)系統(tǒng)”可以廣義地定義成包括具有一個(gè)或多個(gè)處理器的任何設(shè)備，處理器能夠執(zhí)行來自存儲(chǔ)介質(zhì)的指令。
程序指令可以用任何不同的方式被執(zhí)行，其中包括基于步驟的技術(shù)，基于組件的技術(shù)，和/或面向?qū)ο蟮募夹g(shù)及其它。例如，使用ActiveX控件、C++對象、JavaBeans、微軟基礎(chǔ)類(“MFC”)或其它技術(shù)或方法，可以如期望的那樣執(zhí)行程序指令。
對那些由此公開受益的那些本領(lǐng)域技術(shù)人員來說應(yīng)當(dāng)理解，本發(fā)明旨在提供用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法。根據(jù)本說明書，本發(fā)明的各方面的修改和替換實(shí)施例對那些本領(lǐng)域技術(shù)人員將是顯而易見的。因此，本說明書僅被解釋為示例性的并且目的是用于以普通的方式教授本領(lǐng)域的那些技術(shù)人員執(zhí)行本發(fā)明。要理解的是在此示出和描述的本發(fā)明的形式被認(rèn)為作為目前較佳的實(shí)施例。對在此示出的和描述的元件和材料可以被替代，部件和過程可以被改變，本發(fā)明的某些特征可以被單獨(dú)利用，所有這些對在從本發(fā)明的說明書受益之后的本領(lǐng)域的一個(gè)技術(shù)人員而言是顯而易見的。在不背離如在后面的權(quán)利要求書中描述的本發(fā)明的精神和范圍下，可以在在此描述的元件中做出改變。
權(quán)利要求書(按照條約第19條的修改)1.一種用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法，包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中的一群粒子的值；識別群的值所處的分類空間中的區(qū)域，以及基于預(yù)定百分率的群的值，使用所述區(qū)域的一個(gè)或多個(gè)特性確定群的最佳分類區(qū)域，使得所述最佳分類區(qū)域包含所述預(yù)定百分率的群的值，其中所述最佳分類區(qū)域被用作添加試樣中的粒子的分類。
2.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域具有不同于所述區(qū)域的一個(gè)或多個(gè)特性的一個(gè)或多個(gè)特性，該一個(gè)或多個(gè)特性包括尺寸、形狀、位置或它們的某些組合。
3.如權(quán)利要求1所述的方法，其特征在于，還包括在所述分析之前校正系統(tǒng)。
4.如權(quán)利要求1所述的方法，其特征在于，所述試樣包括圖校正試劑。
5.如權(quán)利要求1所述的方法，其特征在于，所述區(qū)域的一個(gè)或多個(gè)特性包括所述區(qū)域中的值的平均值、均數(shù)、峰值或中值以及所述區(qū)域中的值的標(biāo)準(zhǔn)偏差。
6.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域以群的值的中值為中心加上偏離所述中值的若干標(biāo)準(zhǔn)偏差。
7.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域由圍繞群的值的中值的預(yù)定尺寸的邊界來定界。
8.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域的尺寸是包含預(yù)定百分率的群的值的最小尺寸。
9.如權(quán)利要求1所述的方法，其特征在于，來自所述分類通道的值包括熒光值。
10.如權(quán)利要求1所述的方法，其特征在于，來自所述分類通道的值包括光散射強(qiáng)度值。
11.如權(quán)利要求1所述的方法，其特征在于，來自所述分類通道的值包括粒子的體積測量值。
12.如權(quán)利要求1所述的方法，其特征在于，所述試樣包括一個(gè)或多個(gè)添加的粒子的群，所述方法還包括對所述一個(gè)或多個(gè)添加的群執(zhí)行所述方法。
13.如權(quán)利要求1所述的方法，其特征在于，所述試樣包括一個(gè)或多個(gè)添加的粒子的群，所述方法還包括對所述一個(gè)或多個(gè)添加的群執(zhí)行所述方法以及使用群和所述一個(gè)或多個(gè)添加的群的最佳分類區(qū)域來內(nèi)插得出不包括在所述試樣中的另一粒子群的最佳分類區(qū)域。
14.如權(quán)利要求1所述的方法，其特征在于，所述區(qū)域的一個(gè)或多個(gè)特性包括群的值的平均值、均數(shù)、峰值或中值以及所述群的值的標(biāo)準(zhǔn)偏差，所述方法還包括將所述區(qū)域的一個(gè)或多個(gè)特性中的至少一個(gè)特性與所述的所述區(qū)域一個(gè)或多個(gè)特性中的至少一個(gè)特性的預(yù)定范圍做比較。
15.如權(quán)利要求14所述的方法，其特征在于，基于所述比較的結(jié)果來評定所述系統(tǒng)的性能。
16.如權(quán)利要求14所述的方法，其特征在于，如果所述的所述區(qū)域的一個(gè)或多個(gè)特性中的至少一個(gè)特性位于所述的預(yù)定范圍之外，所述方法還包括確定是否應(yīng)在所述系統(tǒng)上執(zhí)行一個(gè)或多個(gè)校正步驟。
17.如權(quán)利要求1所述的方法，其特征在于，還包括將所述最佳分類區(qū)域的一個(gè)或多個(gè)特性與所述區(qū)域的一個(gè)或多個(gè)特性做比較。
18.如權(quán)利要求17所述的方法，其特征在于，所述最佳分類區(qū)域和所述區(qū)域的一個(gè)或多個(gè)特性包括尺寸、形心位置、所述區(qū)域或所述最佳分類區(qū)域內(nèi)值的最佳擬合直線的斜率、所述最佳擬合直線的偏距或它們的某些組合。
19.如權(quán)利要求17所述的方法，其特征在于，如果所述比較的結(jié)果超出了預(yù)定的極限，所述方法還包括確定系統(tǒng)是否正出錯(cuò)。
20.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域包括一部分分類空間，并且其中粒子具有位于所述部分的分類空間中的值的概率大于預(yù)定的概率。
21.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域排除一部分分類空間，并且其中粒子具有位于所述部分的分類空間中的值的概率小于預(yù)定的概率。
22.如權(quán)利要求1所述的方法，其特征在于，所述值以線性單位或?qū)?shù)單位來表達(dá)。
23.一種用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法，包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中的兩群或更多群粒子的值；識別分類空間中的兩個(gè)或更多的區(qū)域，其中在所述兩個(gè)或更多區(qū)域的每一個(gè)中，找出設(shè)置了兩群或更多群粒子中的一群的值的位置；確定兩個(gè)或更多最佳分類區(qū)域，其中兩個(gè)或更多最佳分類區(qū)域中的每一個(gè)對應(yīng)于所述兩個(gè)或更多區(qū)域中的一個(gè)；以及使用所述兩個(gè)或更多最佳分類區(qū)域來內(nèi)插得出不包括在所述試樣中的添加粒子群的最佳分類區(qū)域。
24.一種用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的計(jì)算機(jī)實(shí)施的方法，包括識別試樣粒子群的值所處的分類空間中的區(qū)域，其中所述值包括系統(tǒng)的分類通道在分析試樣的過程中所產(chǎn)生的值；以及基于預(yù)定百分率的群的值，使用一個(gè)或多個(gè)所述區(qū)域的特性確定群的最佳分類區(qū)域，使得所述最佳分類區(qū)域包含所述預(yù)定百分率的群的值，且其中所述最佳分類區(qū)域被用作添加試樣中的粒子的分類。
權(quán)利要求
1.一種用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法，包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中的一群粒子的值；識別群的值所處的分類空間中的區(qū)域，以及使用所述區(qū)域的一個(gè)或多個(gè)特性確定群的最佳分類區(qū)域，其中所述最佳分類區(qū)域包含預(yù)定百分率的群的值，其中所述最佳分類區(qū)域被用作添加試樣中的粒子的分類。
2.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域具有不同于所述區(qū)域的一個(gè)或多個(gè)特性的一個(gè)或多個(gè)特性，該一個(gè)或多個(gè)特性包括尺寸、形狀、位置或它們的某些組合。
3.如權(quán)利要求1所述的方法，其特征在于，還包括在所述分析之前校正系統(tǒng)。
4.如權(quán)利要求1所述的方法，其特征在于，所述試樣包括圖校正試劑。
5.如權(quán)利要求1所述的方法，其特征在于，所述區(qū)域的一個(gè)或多個(gè)特性包括所述區(qū)域中的值的平均值、均數(shù)、峰值或中值以及所述區(qū)域中的值的標(biāo)準(zhǔn)偏差。
6.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域以群的值的中值為中心加上偏離所述中值的若干標(biāo)準(zhǔn)偏差。
7.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域由圍繞群的值的中值的預(yù)定尺寸的邊界來定界。
8.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域的尺寸是包含預(yù)定百分率的群的值的最小尺寸。
9.如權(quán)利要求1所述的方法，其特征在于，來自所述分類通道的值包括熒光值。
10.如權(quán)利要求1所述的方法，其特征在于，來自所述分類通道的值包括光散射強(qiáng)度值。
11.如權(quán)利要求1所述的方法，其特征在于，來自所述分類通道的值包括粒子的體積測量值。
12.如權(quán)利要求1所述的方法，其特征在于，所述試樣包括一個(gè)或多個(gè)添加的粒子的群，所述方法還包括對所述一個(gè)或多個(gè)添加的群執(zhí)行所述方法。
13.如權(quán)利要求1所述的方法，其特征在于，所述試樣包括一個(gè)或多個(gè)添加的粒子的群，所述方法還包括對所述一個(gè)或多個(gè)添加的群執(zhí)行所述方法以及使用群和所述一個(gè)或多個(gè)添加的群的最佳分類區(qū)域來內(nèi)插得出不包括在所述試樣中的另一粒子群的最佳分類區(qū)域。
14.如權(quán)利要求1所述的方法，其特征在于，所述區(qū)域的一個(gè)或多個(gè)特性包括群的值的平均值、均數(shù)、峰值或中值以及所述群的值的標(biāo)準(zhǔn)偏差，所述方法還包括將所述區(qū)域的一個(gè)或多個(gè)特性中的至少一個(gè)特性與所述的所述區(qū)域一個(gè)或多個(gè)特性中的至少一個(gè)特性的預(yù)定范圍做比較。
15.如權(quán)利要求14所述的方法，其特征在于，基于所述比較的結(jié)果來評定所述系統(tǒng)的性能。
16.如權(quán)利要求14所述的方法，其特征在于，如果所述的所述區(qū)域的一個(gè)或多個(gè)特性中的至少一個(gè)特性位于所述的預(yù)定范圍之外，所述方法還包括確定是否應(yīng)在所述系統(tǒng)上執(zhí)行一個(gè)或多個(gè)校正步驟。
17.如權(quán)利要求1所述的方法，其特征在于，還包括將所述最佳分類區(qū)域的一個(gè)或多個(gè)特性與所述區(qū)域的一個(gè)或多個(gè)特性做比較。
18.如權(quán)利要求17所述的方法，其特征在于，所述最佳分類區(qū)域和所述區(qū)域的一個(gè)或多個(gè)特性包括尺寸、形心位置、所述區(qū)域或所述最佳分類區(qū)域內(nèi)值的最佳擬合直線的斜率、所述最佳擬合直線的偏距或它們的某些組合。
19.如權(quán)利要求17所述的方法，其特征在于，如果所述比較的結(jié)果超出了預(yù)定的極限，所述方法還包括確定系統(tǒng)是否正出錯(cuò)。
20.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域包括一部分分類空間，并且其中粒子具有位于所述部分的分類空間中的值的概率大于預(yù)定的概率。
21.如權(quán)利要求1所述的方法，其特征在于，所述最佳分類區(qū)域排除一部分分類空間，并且其中粒子具有位于所述部分的分類空間中的值的概率小于預(yù)定的概率。
22.如權(quán)利要求1所述的方法，其特征在于，所述值以線性單位或?qū)?shù)單位來表達(dá)。
23.一種用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法，包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中的兩群或更多群粒子的值；識別分類空間中的兩個(gè)或更多的區(qū)域，其中在所述兩個(gè)或更多區(qū)域的每一個(gè)中，找出設(shè)置了兩群或更多群粒子中的一群的值的位置；確定兩個(gè)或更多最佳分類區(qū)域，其中兩個(gè)或更多最佳分類區(qū)域中的每一個(gè)對應(yīng)于所述兩個(gè)或更多區(qū)域中的一個(gè)；以及使用所述兩個(gè)或更多最佳分類區(qū)域來內(nèi)插得出不包括在所述試樣中的添加粒子群的最佳分類區(qū)域。
24.一種用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的計(jì)算機(jī)實(shí)施的方法，包括識別試樣粒子群的值所處的分類空間中的區(qū)域，其中所述值包括系統(tǒng)的分類通道在分析試樣的過程中所產(chǎn)生的值；以及使用一個(gè)或多個(gè)所述區(qū)域的特性確定群的最佳分類區(qū)域，其中所述最佳分類區(qū)域包含預(yù)定百分率的群的值，且其中所述最佳分類區(qū)域被用作添加試樣中的粒子的分類。
全文摘要
提供了用于改變測量系統(tǒng)的一個(gè)或多個(gè)參數(shù)的方法。一種方法包括使用系統(tǒng)來分析試樣以從系統(tǒng)分類通道產(chǎn)生試樣中一群粒子的值。該方法也包括識別群的值所處的分類空間中的區(qū)域。此外，該方法包括使用區(qū)域的一個(gè)或多個(gè)特性確定群的最佳分類區(qū)域。該最佳分類區(qū)域包含預(yù)定百分率的群的值。該最佳分類區(qū)域可被用作添加試樣中的粒子的分類。
文檔編號G06K9/00GK1910441SQ200580002330
公開日2007年2月7日 申請日期2005年1月7日 優(yōu)先權(quán)日2004年1月14日
發(fā)明者E·卡爾文 申請人:盧米尼克斯股份有限公司