IACS工作流中事件类型的自动标注的制作方法
本发明涉及细胞分选。更具体地，本发明涉及基于图像的细胞分选。
背景技术：
1、细胞分泌诸如蛋白质和抗体之类的产物。对这些分泌产物（分泌组，secretome）的研究对于理解细胞生物学已具有革命性意义。产生如抗体疗法之类的生物药物需要对分泌特定生物分子的细胞进行分析和纯化。提高基于细胞的分泌产物（secreted product）来分析和纯化细胞的能力将加速下一代细胞和抗体疗法的开发。
2、在基于分泌的分选（sorting）中，细胞被克隆隔离，并且分泌产物被容纳。以前，该工作使用多孔板，这需要专业知识和昂贵的专用装备。
技术实现思路
1、自动标注方法被实现为图像激活式细胞分选仪（iacs）的一部分。用户输入关于用户正试图纯化的事件的描述性信息。使用无监督聚类对具有相似图像特征的事件进行分组。一旦聚类完成，自动标注算法就使用先验信息和在聚类期间提取的特征来预测每个簇中的事件的身份并对事件进行标注。
2、在一个方面，在设备上实现的方法包括：接收预期的事件类型和/或目标事件类型的描述；接收聚类结果和提取的特征信息；以及使用预期的事件类型和/或目标事件类型的描述以及聚类结果和提取的特征信息执行自动标注。目标事件类型包括细胞标志物荧光通道、分泌物荧光通道、目标事件中的细胞数量、目标事件中的细胞标志物荧光表达、分泌物荧光的强度、分泌物荧光形态和/或与细胞标志物荧光的共定位。该方法还包括训练神经网络以从细胞图像提取特征，其中所述特征包括：载体中的细胞数量、分泌细胞、靶细胞、分泌物的量和分泌物的位置。神经网络被配置用于执行自动标注。聚类结果包括基于提取的特征信息聚类的图像。聚类结果包括从以下项中选择的簇：零个细胞、单个细胞、两个或更多个细胞、无分泌、低分泌或高分泌、或其组合。执行自动标注包括匹配簇中的提取的特征，以识别所述簇中的哪些簇包含目标事件，并基于识别来标注所述簇。该方法还包括向用户显示标注。标注包括对事件类型将为何种类型的预测。
3、在另一方面，一种装置包括：用于存储应用程序的非暂态存储器，该应用程序用于：接收预期的事件类型和/或目标事件类型的描述，接收聚类结果和提取的特征信息，以及使用预期的事件类型和/或目标事件类型的描述以及聚类结果和提取的特征信息执行自动标注；以及处理器，其耦接到存储器，该处理器被配置用于处理应用程序。目标事件类型包括细胞标志物荧光通道、分泌物荧光通道、目标事件中的细胞数量、目标事件中的细胞标志物荧光表达、分泌物荧光的强度、分泌物荧光形态和/或与细胞标志物荧光的共定位。应用程序还用于训练神经网络以从细胞图像提取特征，其中所述特征包括：载体中的细胞数量、分泌细胞、靶细胞、分泌物的量和分泌物的位置。神经网络被配置用于执行自动标注。聚类结果包括基于提取的特征信息聚类的图像。聚类结果包括从以下项中选择的簇：零个细胞、单个细胞、两个或更多个细胞、无分泌、低分泌或高分泌、或其组合。执行自动标注包括匹配簇中的提取的特征，以识别所述簇中的哪些簇包含目标事件，并基于识别来标注所述簇。应用程序还用于向用户显示标注。标注包括对事件类型将为何种类型的预测。
4、在另一方面，一种系统包括：第一设备，其被配置用于获取载体的图像；以及第二设备，其被配置用于：接收预期的事件类型和/或目标事件类型的描述，接收聚类结果和提取的特征信息，以及使用预期的事件类型和/或目标事件类型的描述、以及聚类结果和来自载体的图像的提取的特征信息，执行自动标注。目标事件类型包括细胞标志物荧光通道、分泌物荧光通道、目标事件中的细胞数量、目标事件中的细胞标志物荧光表达、分泌物荧光的强度、分泌物荧光形态和/或与细胞标志物荧光的共定位。应用程序还用于训练神经网络以从细胞图像提取特征，其中所述特征包括：载体中的细胞数量、分泌细胞、靶细胞、分泌物的量和分泌物的位置。神经网络被配置用于执行自动标注。聚类结果包括基于提取的特征信息聚类的图像。聚类结果包括从以下项中选择的簇：零个细胞、单个细胞、两个或更多个细胞、无分泌、低分泌或高分泌、或其组合。执行自动标注包括匹配簇中的提取的特征，以识别所述簇中的哪些簇包含目标事件，并基于识别来标注所述簇。应用程序还用于向用户显示标注。标注包括对事件类型将为何种类型的预测。
1.一种在设备上实现的方法，包括：
2.根据权利要求1所述的方法，其中目标事件类型包括细胞标志物荧光通道、分泌物荧光通道、目标事件中的细胞数量、目标事件中的细胞标志物荧光表达、分泌物荧光的强度、分泌物荧光形态和/或与细胞标志物荧光的共定位。
3.根据权利要求1所述的方法，还包括训练神经网络以从细胞图像提取特征，其中所述特征包括：载体中的细胞数量、分泌细胞、靶细胞、分泌物的量和分泌物的位置。
4.根据权利要求3所述的方法，其中神经网络被配置用于执行自动标注。
5.根据权利要求1所述的方法，其中聚类结果包括基于提取的特征信息聚类的图像。
6.根据权利要求1所述的方法，其中聚类结果包括从以下项中选择的簇：零个细胞、单个细胞、两个或更多个细胞、无分泌、低分泌或高分泌、或其组合。
7.根据权利要求1所述的方法，其中执行自动标注包括匹配簇中的提取的特征，以识别所述簇中的哪些簇包含目标事件，并基于识别来标注所述簇。
8.根据权利要求1所述的方法，还包括向用户显示标注。
9.根据权利要求8所述的方法，其中标注包括对事件类型将为何种类型的预测。
10.一种装置，包括：
11.根据权利要求10所述的装置，其中目标事件类型包括细胞标志物荧光通道、分泌物荧光通道、目标事件中的细胞数量、目标事件中的细胞标志物荧光表达、分泌物荧光的强度、分泌物荧光形态和/或与细胞标志物荧光的共定位。
12.根据权利要求10所述的装置，其中应用程序还用于训练神经网络以从细胞图像提取特征，其中所述特征包括：载体中的细胞数量、分泌细胞、靶细胞、分泌物的量和分泌物的位置。
13.根据权利要求12所述的装置，其中神经网络被配置用于执行自动标注。
14.根据权利要求10所述的装置，其中聚类结果包括基于提取的特征信息聚类的图像。
15.根据权利要求10所述的装置，其中聚类结果包括从以下项中选择的簇：零个细胞、单个细胞、两个或更多个细胞、无分泌、低分泌或高分泌、或其组合。
16.根据权利要求10所述的装置，其中执行自动标注包括匹配簇中的提取的特征，以识别所述簇中的哪些簇包含目标事件，并基于识别来标注所述簇。
17.根据权利要求10所述的装置，其中应用程序还用于向用户显示标注。
18.根据权利要求17所述的装置，其中标注包括对事件类型将为何种类型的预测。
19.一种系统，包括：
20.根据权利要求19所述的系统，其中目标事件类型包括细胞标志物荧光通道、分泌物荧光通道、目标事件中的细胞数量、目标事件中的细胞标志物荧光表达、分泌物荧光的强度、分泌物荧光形态和/或与细胞标志物荧光的共定位。
21.根据权利要求19所述的系统，其中第二设备还用于训练神经网络以从细胞图像提取特征，其中所述特征包括：载体中的细胞数量、分泌细胞、靶细胞、分泌物的量和分泌物的位置。
22.根据权利要求21所述的系统，其中神经网络被配置用于执行自动标注。
23.根据权利要求19所述的系统，其中聚类结果包括基于提取的特征信息聚类的图像。
24.根据权利要求19所述的系统，其中聚类结果包括从以下项中选择的簇：零个细胞、单个细胞、两个或更多个细胞、无分泌、低分泌或高分泌、或其组合。
25.根据权利要求19所述的系统，其中执行自动标注包括匹配簇中的提取的特征，以识别所述簇中的哪些簇包含目标事件，并基于识别来标注所述簇。
26.根据权利要求19所述的系统，其中第二设备还用于向用户显示标注。
27.根据权利要求26所述的系统，其中标注包括对事件类型将为何种类型的预测。