通过测量动力学斜率的免疫测定中的结果确定的制作方法

通过测量动力学斜率的免疫测定中的结果确定
1.对相关申请的交叉引用
2.本技术根据35 usc
§
119(e)要求于2019年3月14日提交的美国临时专利申请no.62/818,403的优先权，其全部内容通过引用并入本文，用于所有目的。
技术领域
3.本文描述的技术一般而言涉及测定测量，并且更具体地涉及测定测量中终点的定量确定。


背景技术：

4.免疫测定广泛用于检测测试样本中分析物(诸如抗体)的存在和/或浓度。大多数此类测定依赖于抗体和抗原之间的特异性键合。在终点测定中，只收集一个数据点——比如说在测定开始之后5分钟，实验室工作人员在这一点收集数据或显影条。结果被定性为阳性或阴性读数。在这种类型的测定中，假设要测量的分子或复合物的结果所得的浓度与反应时间成正比。因此，没有可识别或滴定的生产变化率。
5.虽然已经对抗体/抗原对的性质和提高结合效率的技术方法给予了很多关注，但令人惊讶的是终点(例如，是否发生了键合事件)通常基于单次测量。因此，在终点确定中存在简单错误的真实可能性，并且仅通过单次测量确定键合的任何定性方面的可能性很小。例如，当样本在阳性样本群体中表现出大范围不同的反应时间时，会出现错误。
6.此外，当基于单个参数(例如，特定时间点或特定分析物浓度)确定终点时，终点确定随样本的变化可以由环境条件的波动引起。因而，在免疫测定中需要更可靠的终点确定方法。
7.包括本文背景的讨论以解释该技术的上下文。这不应被视为承认所提及的任何材料在所附的任何权利要求的优先权日已公开、已知或成为众所周知常识的一部分。
8.在本技术的整个描述和权利要求中，词语“包括(comprise)”及其变体(诸如“包括(comprising)”和“包括(comprises)”)并不旨在排除其它添加剂、组分、整数或步骤。


技术实现要素：

9.本公开解决在定性或定量免疫测定中确定分析物浓度截断值的方法，该方法基于计算免疫测定随时间的动力学斜率或速率。因此，即使速率在整个测定持续时间内是恒定的，也可以凭借进行多次读取将终点测定有效地转换为动力学测定。
10.在第一实施例中，一种在测定中确定终点的方法包括在测试条上形成的测定中的多个时间点测量来自测试样本的样本信号。样本信号与测试样本中目标分析物的浓度相关。该方法还包括基于在所述多个时间点的样本信号确定在测定的持续时间内样本信号的速率值，并根据速率值和预先选择的阈值提供测定的结果。
11.在第二实施例中，一种系统包括被配置为接纳测试样本的样本容器和耦合到样本容器的测试条，测试条被配置为基于测试样本中目标分析物的浓度生成信号。该系统还包
括被配置为基于信号生成转导的信号的检测器和被配置为接收转导的信号的计算机。计算机还包括存储指令的存储器和被配置为执行指令以确定测试样本中目标分析物的浓度的处理器。指令包括以下命令：在多个时间点从检测器中检索转导的信号，基于所述时间点中的至少两个时间点的信号值确定信号速率，以及基于信号速率和模型确定目标分析物的浓度。
12.在又一个实施例中，一种非暂态计算机可读介质包括指令，所述指令在由处理器执行时使得计算机执行一种方法。该方法包括在测试条上形成的测定中的多个时间点测量样本信号。样本信号与生成样本信号的测试样本中目标分析物的浓度相关。该方法还包括基于在所述多个时间点的样本信号确定在测定的持续时间内样本信号的速率值，并根据速率值和预先选择的阈值提供测定的结果。
附图说明
13.图1图示了根据一些实施例的用于在测定中分析测试样本的系统。
14.图2图示了根据一些实施例的在用于平行测量的样本盒中包括多个测试通道的测定。
15.图3图示了根据一些实施例的被配置用于横向扩散免疫测定的测试样本中的感兴趣区域。
16.图4是根据一些实施例的针对测定中阳性和阴性样本的信号相对于时间的曲线的图表图示。在一些实施例中，斜率是恒定的并且曲线是指示信号随时间线性增加而没有拐点的直线。
17.图5是图示图4中曲线的斜率的图表，该曲线作为分析物浓度的函数。对于定量测定，动力学斜率与分析物浓度呈线性关系。
18.图6是图示根据一些实施例的图4中曲线的斜率的图表，该曲线作为michaelis
‑
menten动力学中分析物浓度的函数。
19.图7是图示根据一些实施例的图4中曲线的斜率的图表，该曲线作为根据4
‑
pl模型的分析物浓度的函数。
20.图8是图示根据一些实施例的用于在测定中确定终点的方法中的步骤的流程图。
21.图9是流程图，图示根据一些实施例的用于用远程服务器确定测定中的终点的方法中的步骤。
22.图10是图示根据一些实施例的用于至少部分地实现如本文公开的方法的系统的框图。
23.各个图中相同的附图标记指示相同的元件。
具体实施方式
24.本文所述的方法适用于任何类型的终点测定，特别是免疫测定，诸如酶联免疫吸附测定(elisa)或侧流测定，以及基于快速诊断条的测定，并且与抗体/抗原对无关。可以应用该方法的其它类型的测定通常包括化学测定、微生物测定和生物测定。
25.本文所述的方法适用于多种键合测量并且可以基于来自诸如放射性衰变、荧光或化学发光之类的来源的可测量信号。也可以使用来自其它技术的测量，诸如比色法、光度
法、分光光度法和色谱法。
26.本文所述的方法可以应用于原位或远程地确定对测试样本的测定的定性或定量结果。
27.在本文所述的方法中，在免疫测定反应过程期间的多个时间点进行测量以便建立时间依赖性信号剖面。从此类测量中，可以计算信号相对于时间的斜率(有时称为速率)并将其与那个测定的截止或阈值斜率进行比较。
28.图1图示了根据一些实施例的用于在测定中分析测试样本的系统10。该系统包括测试套件145、检测器140和分析设备100。测试套件145包括带有测试条160的样本盒155，样本盒155被构造为接纳样本容器170中的样本并从至少测试带174和对照带176生成信号151。信号151由检测器140收集。检测器140将信号151转换成转导的信号141。分析设备100接收转导的信号141并生成结果120。在一些实施例中，测试套件145和检测器140可以组装在同一个外壳中。在一些实施例中，检测器140可以是分析设备100的一部分。另外，在一些实施例中，分析设备100包括一个或多个彼此通信耦合的计算机，以共享并存储与测试套件145、检测器140和样本(例如，样本的来源：人、动物、植物、地点、地点、收集时间等)相关联的信息。
29.分析设备100包括具有处理器112、存储器120和通信模块118的计算机站。存储器120存储与提供给样本容器170的样本测试相关联的数据(例如，结果120)。存储器120还存储指令，当由处理器112执行时，这些指令使分析设备100至少部分地执行与本公开一致的方法中的一些步骤。在一些实施例中，指令以安装在计算机站中的应用(软件)122的形式存储。另外，在一些实施例中，应用122可以经由通信模块118由远程服务器130托管。通信模块118可以包括无线无线电收发装置和网络通信设备和协议。通信模块118被配置为与检测器140接口并且还与可以是分析设备100的一部分的本地或远程的一个或多个站或计算机通信。在一些实施例中，分析设备100被配置为将结果120提供给远程服务器130用于存储或进一步分析(例如，在地方病、流行病或大流行事件、环境紧急情况——食品和药物管理——等期间)。分析设备100还可以包括用于用户接口的输入设备114和输出设备116。输入设备114可以包括鼠标、键盘、触摸屏显示器、麦克风或网络相机以接收来自用户的命令。同样，输出设备116可以包括显示器(例如，触摸屏设备)、打印机、警报器或警告灯，以向用户指示样本测试的结果。
30.在一些实施例中，分析设备100对转导的信号141执行部分数据处理，并通过网络150向远程服务器130提供部分结果120和部分转导的信号140。而且，在一些实施例中，分析设备100将整个转导的信号140传输到服务器130，用于数据处理。因而，在一些实施例中，分析设备100简单地收集转导的数据140并将其提供给服务器130。数据分析然后可以由一个或多个远程服务器130执行。在其它实施例中，转导的信号140的分析中的至少一些可以由任何计算机设备(例如，智能电话、膝上型计算机、台式机等)或通信耦合到网络150的大型并行计算机系统执行。在一些实施例中，最终结果可以通过网络150经由安全连接传输回分析设备100或分离的设备(电话、膝上型计算机、台式机等)。在一些实施例中，分析设备100还可以通过网络150与数据库152通信耦合。数据库152可以包括被配置为存储来自系统10中的一个或多个分析设备100的转导的数据141和结果120的服务器。
31.在一些实施例中，应用222可以包括多线性回归算法或非线性算法以处理转导的
信号140。例如但不限于，根据本文公开的实施例，在一些实施例中，应用222可以包括被训练为处理转导的信号140并提供结果的人工智能或机器学习算法。在一些实施例中，人工智能或机器学习算法可以包括神经网络、卷积神经网络、深度学习神经网络等。非线性算法可以在来自多个患者或受试者的多个样本上对来自多个分析设备100的历史数据进行训练，存储在数据库152中，并且服务器130或分析设备100可通过网络150访问。
32.测试套件包括被配置为在样本容器中接收测试样本的样本盒，以及测试条。在一些实施例中，样本是流体或溶解在流体中，并且与测试条流体耦合。测试条可以包括纤维或多孔材料，其在测试条中的其它组件中引起流体在下游方向上的毛细管扩散，朝着测试带和对照带。在一些实施例中，标签垫包括在测试样本沿着测试条扩散时溶解在测试样本中的标签复合物。标签复合物被配置为发射信号，并附着到测试样本中存在的任何目标分析物。测试带可以包括被配置为捕获目标分析物
‑
标签复合化合物的固定元件。对照带可以是被配置为提供背景信号的扩散基质(例如，织物、纸、条、凝胶等)的空白部分。在一些实施例中，吸收垫被配置为吸收剩余的测试样本(包括一些残留的目标分析物
‑
标签复合化合物)。
33.图2图示了根据一些实施例的在用于平行测量的样本盒255中包括多个测试通道280
‑
1、280
‑
2和280
‑
3(下文中统称为“测试通道280”)的测定。在一些实施例中，测试通道280中的每一个可以分别包括具有分离的测试点274
‑
1、274
‑
2和274
‑
3(下文中统称为“测试点274”，例如，测试带174)的重复测试。在一些实施例中，测试点274可以包括用于相同的感兴趣分析物的键合成员。在一些实施例中，测试点274可以包括针对不同感兴趣分析物(例如，用于多组分测定)的键合成员。测试通道280还分别包括分离的对照点276
‑
1、276
‑
2和276
‑
3(下文中统称为“对照点276”，例如，对照带176)。在一些实施例中，测试点274和对照点276可以各自与特定的荧光发射颜色(或波长)相关联，以彼此区分。因而，在一些实施例中，每个测试通道280可以与特定的荧光发射颜色(
‘
红’、
‘
绿’、
‘
蓝’等)相关联。在一些实施例中，测试通道280之一可以与多于一种荧光发射颜色相关联。
34.在一些实施例中，可以以动力学模式独立地分析来自每个测试通道280的结果。在一些实施例中，可以联合分析来自测试通道280的结果。因而，可以在数据分析期间或在收集每个通道结果之后获得最终结果。最终结果可以包括来自测试通道280的所有或大部分结果的平均值。在一些实施例中，来自每个测试通道280的结果可以嵌入在动力学分析中以产生单个结果或所有子结果的联合分析，从而产生更准确的结果。
35.在一些实施例中，对照点276可以构成用于样本盒255的定量标准的集合。因而，来自对照点276的信号可以用在分析设备中以报告或者(一个或多个)定性结果(具有固定终点)或者定量结果。
36.图3图示了根据一些实施例的被配置用于横向扩散免疫测定的样本盒355中的感兴趣区域360。感兴趣区域360包括测试带374、对照带376并且还可以包括标签垫、吸收垫和样本容器，所有这些都包括在样本盒355中(参见图1)。仅出于说明目的，图3中的测定是基于荧光的免疫测定，并且因此测试带374和对照带376通过荧光发射标签的固定而被突出显示。残留背景351r可以扩散超出对照带376，包括发射残留背景的荧光标签的浓度水平。在一些实施例中，计算机站中的应用122可以使用背景信号351b和残留背景351r来过滤信号并提供准确的结果(参见图1)。
37.在一个实施例中，样本盒355是封在壳体或盒中以方便其处置的免疫测定测试条。
在其它实施例中，样本盒355只是免疫测定测试条，诸如浸量尺(dip stick)。即，外壳是可选的，并且如果存在，那么不必是盒式磁带或盒式壳体，而是可以是柔性层压板，诸如在美国专利申请公开no.2009/02263854中公开并在设计专利no.d606664中示出的。
38.在一个实施例中，免疫测定测试条依次包括样本垫、标签垫、选自测试带374、对照带376和参考带的一个或多个线或带，以及吸收垫。在一些实施例中，存在支撑构件，并且样本垫、标签垫、带和吸收垫中的每一个或一些部署在支撑构件上。示例性免疫测定测试条在例如美国专利no.9,207,181；9,989,466；和10,168,329以及美国公开no.2017/0059566和2018/0229232中描述，这些文献中的每一个都通过引用并入本文。
39.免疫测定测试条可以被独特地配置用于检测感兴趣物种的特定病原体或分析物。这些包括但不限于蛋白质、半抗原、免疫球蛋白、酶、激素、多核苷酸、类固醇、脂蛋白、药物、细菌抗原和病毒抗原。关于细菌和病毒抗原，在本领域中更普遍地称为感染性抗原，感兴趣的分析物包括链球菌、甲型流感、乙型流感、呼吸道合胞病毒(rsv)、甲型、乙型和/或丙型肝炎、肺炎球菌、人偏肺病毒和本领域技术人员熟知的其它传染原。在一些实施例中，测试设备旨在用于检测与莱姆病相关联的一种或多种抗原。在一些实施例中，免疫测定测试条旨在用于女性健康领域。例如，预期用于检测胎儿纤连蛋白、衣原体、人绒毛膜促性腺激素(hcg)、高糖基化绒毛膜促性腺激素、人乳头瘤病毒(hpv)等中的一种或多种的测试设备。在另一个实施例中，用于检测维生素d的免疫测定测试条被设计用于与本文描述的归一化的装置和方法相互作用。
40.包括与标签区流体连通的样本接收区的示例性免疫测定测试条可以如us9,207,181的图9a和9b或us9,989,466的图3中所公开的。置于样本接收区上或其中的流体样本通过毛细作用从样本接收区沿着下游方向流动。标签区与至少一条测试线或条带以及可选地对照线或条带和/或参考线或条带流体连通。通常，标签区位于样本接收区的下游，而一系列对照带和测试带位于标签区的下游，并且可选的吸收垫位于测试条带的所述带所在的部分的下游。
41.样本区接收怀疑含有感兴趣分析物的样本。在一些实施例中，标签区包含两种干燥的缀合物，其包括含有标签元素的颗粒。标签元素包括在多个所选择的发射过程中的任一个中发射信号的标签：例如，电磁辐射、α粒子辐射、正电子辐射、β辐射等。在一些实施例中，电磁辐射发射可以包括荧光发射、拉曼发射等。另外，在一些实施例中，标签可以吸收所选择的类型的辐射，例如电磁辐射，如在微波吸收、红外(ir)吸收、可见光吸收或紫外(uv)吸收中。另外，在一些实施例中，标签元素可以包括选自上述所有或多个辐射发射和/或吸收的多个标签元素。
42.在不失一般性的情况下，并且为了说明当前系统的操作，在一个实施例中，标签元素可以包括荧光元素。示例性荧光元素是镧系元素材料，由十五种元素镧、铈、镨、钕、钷、钐、铕、钆、铽、镝、钬、铒、镱、镥和镱中的一种或组合制成。在一个实施例中，镧系元素材料嵌入在颗粒中或颗粒上，诸如聚苯乙烯颗粒。颗粒可以是含有发光或荧光镧系元素的微粒(颗粒直径小于约1000微米，在一些情况下直径小于大约500微米，在一些情况下直径小于200、150或100微米)，其中在一些实施例中，镧系元素是铕。在一些实施例中，镧系元素是螯合的铕。在一些实施例中，微粒具有带有聚合物涂层的镧系元素材料的核，诸如带有聚苯乙烯涂层的铕核。样本中(一种或多种)感兴趣的分析物的键合配偶体附着于或结合于微粒的
外表面。在一些实施例中，(一种或多种)感兴趣的分析物的键合配偶体是抗体、单克隆抗体或多克隆抗体。技术人员将认识到的是，可以选择其它键合配偶体，并且可以包括复合物(诸如生物素和链霉亲和素复合物)。在进入标签区后，液体样本水合、悬浮和移动干燥的微粒
‑
抗体缀合物，并将缀合物与样本一起携带到测试条上的下游到部署在免疫测定测试条上的对照或参考和/或测试带。如果样本中存在感兴趣的分析物，那么当标本和微粒从标记区流出时，它将与其相应的缀合物键合。
43.随着样本和微粒
‑
抗体缀合物继续在免疫测定测试条上向下游流动，如果感兴趣的分析物存在于样本中，那么现在与抗原/感兴趣的分析物结合的荧光微粒
‑
抗体缀合物将与固定在(一个或多个)测试条带处的感兴趣的分析物的特异性键合成员键合。在一些实施例中，单个测试带存在于测试条上。在一些实施例中，条带上存在至少两个、或两个或更多个测试带。举例来说，旨在用于检测和/或区分甲型流感与乙型流感的测试条可以包括用于检测甲型流感的第一测试带和用于检测乙型流感的第二测试带。由用甲型流感特异性抗体包被的微粒和用乙型流感特异性抗体包被的微粒构成的微粒
‑
抗体可以包括在标签区中，并且在一些实施例中，在阴性对照带的下游。用于甲型流感的第一测试带和用于乙型流感的第二测试带可以部署标签区的下游。用于甲型流感的第一测试带包括针对甲型流感核蛋白上的决定簇的单克隆或多克隆抗体，而用于乙型流感的第二测试带包括针对乙型流感的核蛋白上的决定簇的单克隆或多克隆抗体。如果抗原存在于样本中，那么典型的免疫分析夹层结构将在与样本中抗原匹配的相应测试带上形成。
44.不与阴性对照带或测试带键合的微粒
‑
抗体缀合物通过毛细管作用继续向下游流动，并且剩余样本遇到参考带，在一些实施例中进入吸收垫。
45.免疫测定测试设备旨在用于接收多种样本，包括来自人体体液的生物样本，包括但不限于鼻腔分泌物、鼻咽分泌物、唾液、粘液、尿液、阴道分泌物、粪便样本、血液，等等。
46.在一些实施例中，本文所述的套件提供有阳性对照拭子或样本。在一些实施例中，提供阴性对照拭子或样本。对于需要外部阳性和/或阴性对照的测定，可以提示用户插入或应用阳性或阴性对照样本或拭子。
47.免疫测定带主要从与目标分析物键合的荧光团发射荧光，因为它们通过粘附到免疫测定条带中的免疫蛋白(例如，吸附、化学吸附、免疫配体等)而固定到基材上。因而，带的边界内红色发射的存在主要归因于目标分析物的存在(例如，病原体抗原的存在等)。但是，免疫测定带的边界内的红色信号量可以包括一些背景。为了更好地评估背景信号(例如，不是由与带上抗体结合的目标分析物产生的)，一些样本盒可以包括空白对照区域。
48.图4是图示根据一些实施例的测定中用于阳性和阴性样本的信号对时间曲线的图表400。在一些实施例中，斜率是恒定的并且曲线是指示信号随时间线性增加而没有拐点的直线。横坐标包括时间(x轴，任意单位)，而纵坐标包括信号强度值(y轴，任意单位)。图表400中的测量值与在三个不同测试样本上运行的不同测定对应。例如，在一些实施例中，图表400中的每个数据束451中的数据点可以与单个样本盒中的不同测试通道(例如，样本盒255中的测试通道280)对应。在一些实施例中，每个数据串451中的数据点可以与不同的样本盒对应。因而，数据束451中的每个数据点可以以动力学模式被单独分析或联合分析，使得在数据分析期间或在分析每个子结果之后，最终结果来自所有子结果的平均值或嵌入有分析以产生单个结果或所有子结果一起的联合分析，从而产生更准确的结果。
49.如所看到的，信号的斜率(或速率)根据测试样本中目标分析物的浓度水平而一致地变化。具有高水平目标分析物的曲线410相对于具有中等水平目标分析物的曲线420示出更陡峭的斜率。不失一般性，所示测定是荧光发射免疫测定，其被配置为将荧光标签固定到病原体“有机体”(例如，细菌或病毒，目标分析物)。仅出于说明目的且不失一般性，图表400中的目标分析物是链球菌a，以每毫升生物体(org/ml)测量。测定中的测试条包括具有抗体缀合物的测试带，所述抗体缀合物被配置为将生物体固定到基材，从而与测试条的其余部分相比增强穿过测试带的荧光发射。因而，信号强度可以指示来自测试条中测试带的荧光发射强度(以相对荧光单位
‑
rfus
‑
)。
50.在一些实施例中，免疫测定中的可检测信号以线性方式随时间增加，直到达到阳性测试样本的相应最大值(目标分析物存在，例如，曲线410和420)。但是，数据451b说明用于阴性测试样本(没有目标分析物)的信号随时间仅缓慢增加或保持平坦，甚至减少。可以选择将阴性测试样本与最小可检测的阳性测试样本分开的截止曲线430，如图中所示。在第一测试样本中，测试样本中不包括目标分析物(例如，阴性测试样本中的0org/ml)，因此获得的曲线可以用作空白或参考信号。在第二测试样本中，包括中等浓度(例如，5x103org/ml)的目标分析物。在第三测试样本中，包括高浓度(例如，8x103org/ml)的目标分析物。
51.如图表400中所示，所得斜率与测试样本中目标分析物的相应浓度直接相关。例如，对于中等浓度的链球菌a，获得的荧光信号斜率大约是每秒20.6rfu(rfu/秒，参见曲线420)。对于高浓度的strep a，获得的斜率大约是32.8rfu/sec(参见曲线410)。因此，在一些实施例中，动力学斜率相对于分析物浓度是线性的，并且一旦已知速率和浓度之间的关系的函数，就可以可靠地估计分析物浓度。
52.在图示的图表中(参见图4)，可以看出，当读取免疫测定时，期望在多个时间点收集测量。多次测量避免由任意截止点处的显著噪声引起的在测定测量中出现假阳性或假阴性。因此，在检测器具有高达2x103rfu的本底噪声的情况下，在时间t
a
之后可靠地对测定结果进行任何定性确定。在一些实施例中，对于任何可预见的测量时间(例如，2x103rfu)，阈值曲线440可以被选择为高于截止曲线430的恒定值。因而，当测得的信号大于阈值时，对测定进行定性确定。但是，这种机制仅在时间t
b
之后提供对中等水平分析物浓度的可靠确定，这不容易先验确定。而且，在时间t
b
的单次测量无助于清楚地区分中等水平的目标分析物浓度与高水平的目标分析物浓度。
53.为了避免测定结果中不必要的时间延迟和不一致，本文公开的实施例使用至少两个测量(例如，在时间t
a
和在时间t
b
)来获得斜率值。因而，噪声的影响被去除，因为噪声对恒定基线有贡献，并且到时间t
b
时，建立了与阴性测试样本的区别。此外，获得时间t
b
的斜率值可以准确区分中等水平(20.6rfu/秒)与高水平(32.8rfu/秒)目标分析物测试样本。
54.在一些实施例中，测定结果的定性确定包括将来自阴性群体的斜率(例如，1.8rfu/秒)与来自阳性群体的斜率(中水平和高水平目标分析物浓度，分别为20.6和32.8rfu/秒)进行比较。截止曲线的截止斜率(例如，2rfu/秒)可以被用作预先选择的阈值。在使用该测定的后续测量中，值小于截止斜率(例如，<2rfu/秒)的斜率被用于指示非键合(例如，零目标分析物浓度)测试样本。相反，测得的斜率值大于截止斜率值的样本指示阳性键合事件。因此，斜率本身可以被用于识别阳性键合事件。
55.因此，斜率测量的使用可以使测定更加一致和可靠，但没有任何附加的显著测量
负担。还有一个优点是可以减少或几乎消除假阳性。在由于分析物而总体信号低或量值与背景噪声相似的情况下，速率的测量将有助于将信号(如果存在)与背景分离。相反，确定速率为零(或低于截止值)将防止量值显著的背景噪声被不正确地归类为信号。
56.图5是图示图表400中作为分析物浓度的函数的曲线的斜率的图表500。图表中的横坐标指示分析物浓度(x轴，任意单位)，而纵坐标指示信号速率(y轴，任意单位，例如，图表400中的纵坐标的单位除以时间增量)。在一些实施例中，如上面所讨论的，图表中横坐标的单位是org/ml，纵坐标的单位是rfu/秒(当信号是荧光发射时)。图表500中的数据551与呈现低于背景510a的斜率(例如，信号速率3.0rfu/秒)的阴性测试样本(零分析物浓度，参见数据451b)对应。数据521与呈现大约20.6rfu/秒的信号速率的中等水平目标分析物浓度(5x103org/ml)对应。并且数据511与呈现大约32.8rfu/秒的信号速率的高水平分析物浓度(8x108org/ml)对应。图表500中的数据集群中的多个点中的每个点(例如，对于给定的分析物浓度)与来自图表400的单个测定运行相关联，给出斜率的分布(假设，对于图表400的每个测定运行，可以精确控制目标分析物的浓度)。
57.不加限制，图4中图表的数据可以如下：
58.表i用于图4中的图表的斜率(rfu/秒)
59.测定编号0org/ml5
×
103org/ml8
×
103org/ml11.603318.90332.98322.431720.55532.44231.505021.02534.04341.720021.58331.80851.505020.86232.692平均值1.820.632.8sd0.41.00.8
60.图表500使得能够对测定结果进行定量分析，通过数据551的拟合501，动力学斜率相对于分析物浓度的线性行为简化了该分析结果。在这方面，可以在背景510a处或背景510b处的稍高值(例如，4.1rfu/秒)处选择预先选择的阈值，以允许更高的置信水平(虽然允许稍微更多的假阴性)。在一些实施例中，选择作为背景510a和背景510b中的阈值的采样率水平可以从多次测定运行中获得的测量的平均值μ和标准偏差σ获得(参见表i中的最后一行)。例如，可以为背景510a建立较低的置信水平co，因为co＝μ 3σ(＝1.8 1.2＝3.0rfu/秒)。在一些实施例中，可以通过将背景510b的阈值选择为co＝μ 6σ(＝1.8 2.4＝4.2rfu/秒)来实现更高的co。假设所有测量的正态分布，上述背景510a将呈现高于该阈值的几乎98％的真阳性的置信水平。同样，上述背景510b将呈现远高于该阈值的真阳性的99％以上的置信水平。
61.500中的图表说明了其中信号速率和分析物浓度之间的关系是线性的的实施例。在一些实施例中，给定可以涉及的分析物浓度水平的范围，可以预期非线性关系。与本公开一致的实施例可以在来自测定的动力学斜率数据的分析中结合不同的非线性模型。可以考虑的一些非线性模型包括但不限于michaelis
‑
menten动力学模型和“第四方逻辑”(4pl)模型等。
62.图6是图示根据一些实施例的图表400(也参见图表500)中作为michaelis
‑
menten
动力学(mmk)中分析物浓度的函数的曲线的斜率的图表600。图表600的纵坐标和横坐标与图表500的相同。在mmk模型中，信号速率r可以被表达为分析物浓度[s]的函数，如下所示：
[0063][0064]
其中v
max
表示系统实现的最大速率(例如，在饱和基底浓度下)，并且k
m
是michaelis常数(例如，反应速率r为v
max
一半时的基底浓度)。注意的是，对于较小的分析物浓度[s]值，式5.1预测r的线性行为，这与在一些实施例中观察到的非常相似(参见图表500)。另外，随着分析物浓度[s]的增加，式5.1预测v
max
的信号速率r的渐近极限。图表600图示了通过在不同分析物浓度下对多个测定执行的测量获得的数据651，包括具有线性行为的低区域625(例如，低于103org/ml)和另外三个浓度水平：中高水平620(～5x104org/ml)、高水平610(～105org/ml)和饱和水平615(～3x105org/ml)。
[0065]
拟合曲线601指示对于v
max
和k
m
的所选值的测定的准确mmk预测。另外，曲线651a是可以用值集合v
amax
和ka
m
(参见上面的参数v
max
和k
m
)获得的第一基准。曲线651a给出如以下表达式中所示的值r
a
：
[0066][0067]
其中δ
a
是适当选择的偏移量值(例如，在零基底浓度[s])。因而，选择值v
amax
、k
am
和δ
a
，使得对于大多数或所有采样的测定，r≤r
a
(参见式5.2)。同样，曲线651b是可以用值集合v
bmax
和k
bm
获得的第二基准。曲线651b给出如以下表达式中所示的值r
b
：
[0068][0069]
其中选择值v
bmax
和k
bm
，以及δ
b
(其可以是负值)，使得对于大多数或所有采样的测定，r
b
≤r。式5.1、5.2和5.3在下文中统称为“式5。”在下文中，曲线651a和651b将统称为“曲线651”。
[0070]
在一些实施例中，曲线651可以被用于建立最小浓度[s]
min
，使得r
b
等于0，并且选择最小速率r
min
＝r
a
([s]
min
)(参见式5.2)。因而，在一些实施例中，预先选择的阈值r
min
被选择为使得r≤r
min
可以作为不可靠的或作为零分析物浓度结果而被丢弃。曲线651还可以被用于确定给定测量信号速率值r0的分析物浓度[s]的定量评估的置信区间。因而，通过求解式5.1中的[s](r＝r0)，获得浓度的定量值[s]0，具有置信区间([s]
i
，[s]
f
)。在一些实施例中，[s]
i
是通过求解式5.2中的[s](r
a
＝r0)获得的并且[s]
f
是通过求解式5.3中的[s](r
b
＝r0)获得的。
[0071]
图7是图示根据一些实施例的根据4
‑
pl模型作为分析物浓度[s]的函数的曲线601和651的斜率r的图表700。图表700中的纵坐标与图4
‑
5中图表的纵坐标相同。图表700的横坐标可以是分析物浓度的对数表示(例如，以10为底的函数log
10
([s]/so))。在4
‑
pl模型中，对数据710的拟合701可以包括信号速率r，表达为分析物浓度[s]的函数，如下：
[0072]
[0073]
其中参数可以被定义为：a＝可以获得的最小值(即，在0剂量时会发生什么)；d＝可以获得的最大值(例如，无限剂量下会发生什么)；c＝拐点(即，s形曲线上a和d中间的点)；并且b＝曲线的希尔斜率(例如，c点处曲线的陡度)。在一些实施例中，a<d并且式6.1呈现单调增长的函数r([s])。在一些实施例中，a可以等于0。
[0074]
式6.1可以被重新布置以作为r(其可在测定中测量，与本公开一致)的函数求解[s]，如
[0075][0076]
注意的是，对于小值的分析物浓度[s]，式6.1预测r的几乎恒定或缓慢增长的行为。另外，随着分析物浓度[s]的增长，式6.1预测r会急剧增加，直到[s]～c。对于值[s]>>c，式6.1中的曲线逐渐趋于最大值r
max
＝d。式6.1和6.2(下文中统称为“式6”)可以被用于分析物浓度大或预期分析物浓度大的测定。图表700说明了在不同分析物浓度下对多个测定执行的测量，包括行为缓慢变化的低区域(例如，低于103org/ml)和较高浓度水平：中高水平(～5
×
104org/ml)、高水平(～105org/ml)和饱和水平(～3
×
105org/ml)。基准曲线751a和751b(下文中统称为“曲线751”)可以使用式6获得，类似于图5中针对式5描述的。同样，曲线751可以与图表600中的描述类似地用于找到4
‑
pl模型中的预先选择的阈值r
min
和[s]
min
，如本文所公开的。而且，可以使用式6和曲线751在4
‑
pl模型中找到置信水平([s]
i
，[s]
f
)，如上文关于图表500所描述的。
[0077]
在一些实施例中，导致图表600和700的式5和6中描述的分析可以包括多元线性回归技术，以及非线性技术(诸如神经网络、卷积神经网络、深度神经网络等)。在一些实施例中，式5和6可以在机器学习或人工智能环境的上下文中实现，其中非线性算法或神经网络以有监督或无监督的方式在已知数据集上用来自式5和6的反馈进行训练。在一些实施例中，非线性算法可以包括在遗传对抗性神经网络环境中训练的判别算法。
[0078]
图8是图示根据一些实施例的用于确定免疫测定中的结果的方法800中的步骤的流程图。方法800可以至少部分地由如图1中所示的体系架构中的系统执行。该系统可以包括被配置为接纳测试样本的样本容器和耦合到该样本容器的测试条，该测试条被配置为基于测试样本中目标分析物的浓度生成信号(例如，系统10、样本容器170、测试条160)。该系统还可以包括被配置为基于信号生成转导的信号的检测器，以及被配置为接收转导的信号的计算机(例如，检测器140、信号151、分析设备100和转导的信号141)。计算机还可以包括存储指令的存储器，以及被配置为执行指令以确定测试样本中目标分析物的浓度的处理器(例如，处理器112和存储器120)。指令包括执行方法800中的至少一些步骤的命令(例如，应用122)。与本公开一致的方法可以包括如方法800中所述的至少一个步骤。在一些实施例中，与本公开一致的方法包括以不同次序、同时、几乎同时或时间重叠执行的方法800中的一个或多个步骤。
[0079]
步骤802包括检索测试样本并将测试样本放置在测试条中的样本垫上以形成测定。在一些实施例中，步骤802包括为多个时间点选择第一时间点和最后时间点并且测定的持续时间落在第一时间点和最后时间点之间。在一些实施例中，步骤802包括基于测试条中键合位点的浓度调整预先选择的阈值。
[0080]
步骤804包括将测试条插入测量设备中，该测量设备被配置为在测定中测试样本
扩散通过的测试条时检测样本信号。
[0081]
步骤806包括在测试条上形成的测定中在多个时间点测量样本信号，其中样本信号与测试样本中目标分析物的浓度相关。
[0082]
步骤808包括基于在多个时间点处的样本信号来确定在测定的持续时间内样本信号的速率值。
[0083]
步骤810包括根据速率值和预先选择的阈值提供测定的结果。在一些实施例中，步骤810包括将速率值与预先选择的阈值进行比较，并且当速率值高于预先选择的阈值时停止测定测量。在一些实施例中，步骤810包括在速率值小于(或等于)预先选择的阈值时允许进行测定测量。在一些实施例中，步骤810包括在不含目标分析物的样本上运行测定，在第二多个时间点处测量来自不含目标分析物的测试样本的信号，基于第二多个时间点处的信号获得截止速率值，并且确定预先选择的阈值比不含目标分析物的样本的样本信号的速率值大至少10％。在一些实施例中，步骤810包括对具有所选择的目标分析物浓度的多个校准样本运行测定，确定多个校准样本中每一个的多个速率值，基于所选择的目标分析物浓度将多个速率值拟合到模型，基于模型找到基准曲线，并选择基准曲线的零作为预先选择的阈值。在一些实施例中，步骤810包括根据样本信号的速率值与测试样本中目标分析物的浓度之间的非线性相关性来确定预先选择的阈值。在一些实施例中，步骤810包括根据测试样本中目标分析物的浓度为零的置信水平来确定预先选择的阈值。在一些实施例中，步骤810包括将测定的结果传输到远程服务器。在一些实施例中，步骤810包括根据将目标分析物的浓度与样本信号的速率值相关联的非线性模型来确定预先选择的阈值。
[0084]
图9是图示根据一些实施例的用于用远程服务器在测定中确定终点的方法900中的步骤的流程图。方法900可以至少部分地由如图1中所示的体系架构中的系统执行。该系统可以包括被配置为接纳测试样本的样本容器和耦合到样本容器的测试条，测试条被配置为基于测试样本中目标分析物的浓度生成信号(例如，系统10、样本容器170、测试条160)。该系统还可以包括被配置为基于信号生成转导的信号的检测器，以及被配置为接收转导的信号的计算机(例如，检测器140、信号151、分析设备100和转导的信号141)。计算机还可以包括存储指令的存储器，以及被配置为执行指令以确定测试样本中目标分析物的浓度的处理器(例如，处理器112和存储器120)。指令包括执行方法900中的至少一些步骤的命令(例如，应用122)。与本公开一致的方法可以包括如方法900中所述的至少一个步骤。在一些实施例中，与本公开一致的方法包括以不同次序、同时、几乎同时或时间重叠执行的方法900中的一个或多个步骤。
[0085]
步骤902包括用传感器阵列在测试条上形成的测定中在多个时间点从测试样本收集样本信号，其中样本信号与测试样本中目标分析物的浓度相关。
[0086]
步骤904包括将来自传感器阵列的转导的信号提供给远程服务器，用于确定测定中的终点和测定中的结果。在一些实施例中，步骤904包括在涵盖所述时间点的时间段内缓冲转导的信号，并在该时间段之后将转导的信号的时间序列提供给远程服务器。
[0087]
步骤906包括当到达终点时从远程服务器接收测定的结果。在一些实施例中，步骤906包括基于转导的信号的质量从远程服务器接收错误消息。在一些实施例中，步骤906包括响应于来自远程服务器的错误消息而调整测试样本在测试设备中的位置。在一些实施例中，步骤906包括当远程服务器未能在测定中找到终点时接收错误消息。在一些实施例中，
步骤906包括接收来自测定的结果的置信水平。在一些实施例中，步骤906包括从远程服务器接收到达测定中的终点的预期时间。在一些实施例中，步骤906包括从远程服务器接收错误消息，并响应于来自远程服务器的请求而从新测试样本收集新样本信号。
[0088]
步骤908包括为用户显示测定的结果。在一些实施例中，步骤908包括当达到终点并且测定的结果为阴性时从测试设备清除测试条。在一些实施例中，步骤908包括在测定的持续时间内显示样本信号的速率值。
[0089]
图10是图示根据一些实施例的示例计算机站1000的框图，图1的系统和本文公开的方法可以利用该示例计算机站1000实现。在某些方面，计算机站1000可以使用硬件或软件和硬件的组合来实现，或者在专用服务器中，或者集成到另一个实体中，或者分布在多个实体中。计算机站1000包括总线1008或用于传送信息的其它通信机构，以及与总线1008耦合用于处理信息的处理器1002。举例来说，计算机站1000可以用一个或多个处理器1002来实现。处理器1002可以是通用微处理器、微控制器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、可编程逻辑器件(pld)、控制器、状态机、门控逻辑、分立硬件组件或可以执行计算或其它信息操纵的任何其它合适的实体。
[0090]
除了硬件之外，计算机站还可以包括为所讨论的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统或它们中的一个或多个的组合的代码，存储在所包括的存储器1004中，诸如随机存取存储器(ram)、闪存、只读存储器(rom)、可编程只读存储器(prom)，可擦除prom(eprom)、寄存器、硬盘、可移动磁盘、cd
‑
rom、dvd或任何其它耦合到总线以存储信息和由处理器执行的指令的合适的存储设备。处理器1002和存储器1004可以由专用逻辑电路系统补充或结合到专用逻辑电路系统中。
[0091]
指令可以存储在存储器1004中并在一个或多个计算机程序产品中实现，即，计算机程序指令的一个或多个模块被编码在计算机可读介质上以供计算机站1000执行或控制其操作，并根据本领域技术人员众所周知的任何方法，包括但不限于计算机语言，诸如面向数据的语言(例如，sql、dbase)、系统语言(例如，例如，c、objective
‑
c、c 、汇编语言)、体系架构语言(例如，java、.net)和应用语言(例如，php、ruby、perl、python)。指令也可以用计算机语言实现，诸如数组语言、面向方面的语言、汇编语言、创作语言、命令行界面语言、编译语言、并发语言、花括号语言、数据流语言、数据结构化语言、声明性语言、深奥语言、扩展语言、第四代语言、函数式语言、交互模式语言、解释型语言、迭代语言、基于列表的语言、小语言、基于逻辑的语言、机器语言、宏语言、元编程语言、多范式语言、数值分析、非基于英语的语言、面向对象的基于类的语言、面向对象的基于原型的语言、越位规则语言、过程语言、反射语言、基于规则的语言、脚本语言、基于堆栈的语言、同步语言、语法处理语言、视觉语言、wirth语言和基于xml的语言。存储器1004还可以用于在执行要由处理器1002执行的指令期间存储临时变量或其它中间信息。
[0092]
如本文所讨论的计算机程序不一定与文件系统中的文件对应。程序可以存储在保持其它程序或数据的文件的一部分中(例如，一个或多个存储在标记语言文档中的脚本)、在专用于相关程序的单个文件中，或在多个经协调的文件(例如，存储一个或多个模块、子程序或部分代码的文件)中。计算机程序可以被部署为在一个计算机上执行，或者在位于一个站点或分布在多个站点并通过通信网络互连的多个计算机上执行。本说明书中描述的处理和逻辑流程可以由一个或多个可编程处理器1002执行，该处理器1002执行一个或多个计
算机程序以通过对输入数据进行操作并生成输出来执行功能。
[0093]
计算机站1000还包括数据存储设备1006，诸如磁盘或光盘，耦合到总线以用于存储信息和指令。计算机站1000可以经由输入/输出模块1010耦合到各种设备。输入/输出模块1010可以是任何输入/输出模块。示例性输入/输出模块1010包括数据端口，诸如usb端口。输入/输出模块1010被配置为连接到通信模块1012。示例性通信模块1012包括网络接口卡，诸如以太网卡和调制解调器。在某些方面，输入/输出模块1010可以被配置为连接到多个设备，诸如输入设备1014和/或输出设备1016。示例性输入设备1014包括键盘和定点设备(例如，鼠标或轨迹球)，用户可以通过它们向计算机站提供输入。其它种类的输入设备1014也可以被用于提供与用户的交互，诸如触觉输入设备、视觉输入设备、音频输入设备或脑机接口设备。例如，提供给用户的反馈可以是任何形式的感官反馈，例如视觉反馈、听觉反馈或触觉反馈；并且可以以任何形式接收来自用户的输入，包括声学、语音、触觉或脑波输入。示例性输出设备包括用于向用户显示信息的显示设备，诸如lcd(液晶显示器)监视器。
[0094]
在一些实施例中，计算机站1000是由用户访问的基于网络的语音激活设备。输入/输出设备可以包括麦克风，该麦克风以语音格式提供查询，并且也以语音格式以用户的语言接收来自用户的多个输入。另外，在一些实施例中，神经语言算法可以使语音激活的设备经由语音命令或请求与用户来回联系并接收用户对呼吸面罩的选择。
[0095]
根据本公开的一方面，响应于处理器1002执行包含在存储器1004中的一个或多条指令的一个或多个序列，可以使用计算机站1000来实现图像捕获设备和服务器。此类指令可以从另一个机器可读介质(诸如数据存储设备1006)读入存储器1004。包含在主存储器1004中的指令序列的执行使处理器执行本文描述的处理步骤。还可以采用多处理布置中的一个或多个处理器来执行包含在存储器中的指令序列。在替代方面，硬连线电路系统可以代替软件指令或与软件指令结合使用以实现本公开的各个方面。因此，本公开的方面不限于硬件电路系统和软件的任何特定组合。
[0096]
本说明书中描述的主题的各个方面可以在包括后端组件(例如，作为数据服务器)或包括中间件组件(例如，应用服务器)或者包括用户可以通过其与本说明书中描述的主题的实施方式进行交互的前端组件(例如，具有图形用户界面或web浏览器的图像捕获设备)的计算系统中实现，或者包括一个或多个此类后端、中间件或前端组件的任何组合的计算系统中实现。系统的组件可以通过任何形式或媒介的数字数据通信互连，例如通信网络。通信网络可以包括例如lan、wan、互联网等中的任何一个或多个。另外，通信网络可以包括但不限于例如以下网络拓扑中的任何一种或多种，包括总线网络、星型网络、环形网络、网状网络、星型总线网络、树形或分层网络等。通信模块可以是例如调制解调器或以太网卡。
[0097]
计算机站1000可以包括图像捕获设备和服务器，其中图像捕获设备和服务器一般彼此远离并且通常通过通信网络交互。图像捕获设备和服务器的关系是由于在相应计算机上运行并且彼此具有图像捕获设备
‑
服务器关系的计算机程序而产生的。计算机站1000可以是例如但不限于台式计算机、膝上型计算机或平板计算机。计算机站1000也可以嵌入在另一个设备中，例如但不限于移动电话、pda、移动音频播放器、全球定位系统(gps)接收器、视频游戏控制台和/或电视机顶盒。
[0098]
本文使用的术语“机器可读存储介质”或“计算机可读介质”是指参与向处理器提供指令以供执行的任何一种或多种介质。这种介质可以采用多种形式，包括但不限于非易
失性介质、易失性介质和传输介质。非易失性介质包括例如光盘或磁盘，诸如数据存储设备1006。易失性介质包括动态存储器，诸如存储器。传输介质包括同轴电缆、铜线和光纤，包括包含总线的电线。机器可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其它磁介质、cd
‑
rom、dvd、任何其它光学介质、穿孔卡、纸带、任何其它带有孔洞图案的物理介质、ram、prom、eprom、flash eprom、任何其它存储器芯片或盒式磁带，或计算机可以从中读取的任何其它介质。机器可读存储介质可以是机器可读存储设备、机器可读存储基板、存储器设备、影响机器可读传播信号的物质组合物，或者它们中的一个或多个的组合。
[0099]
就在说明书或权利要求中使用的术语“包含”、“具有”等而言，这种术语旨在以类似于术语“包括”的方式包含在内，如“包括”在权利要求中用作过渡词时所解释的。“示例性”一词在本文中用于表示“用作示例、实例或说明”。本文描述为“示例性”的任何实施例不一定被解释为优于或有利于其它实施例。
[0100]
除非特别说明，否则以单数形式提及元素并不旨在表示“一个且仅一个”，而是表示“一个或多个”。本领域普通技术人员已知或稍后将被知晓的本公开内容中描述的各种配置的元素的所有结构和功能等同物通过引用明确地并入本文并且旨在被本主题技术所涵盖。而且，无论在上面的描述中是否明确引用了这种公开，本文公开的任何内容都不旨在专供公众使用。
[0101]
在一方面，方法可以是操作、指令或函数，反之亦然。一方面，权利要求可以被修订为包括在其它一项或多项权利要求中陈述的一些或全部词语(例如，指令、操作、功能或组件)、一个或多个词语、一个或多个句子、一个或多个短语、一个或多个段落和/或一个或多个声明。
[0102]
上述描述旨在说明本技术的各个方面。本文给出的示例无意限制所附权利要求的范围。现在对本发明进行全面描述，对于本领域的普通技术人员来说明显的是，在不脱离所附权利要求的精神或范围的情况下，可以对其进行许多改变和修改。
[0103]
为了说明硬件和软件的可互换性，已经根据它们的功能大体描述了诸如各种说明性块、模块、组件、方法、操作、指令和算法之类的项目。这种功能是作为硬件、软件还是硬件和软件的组合来实现取决于特定的应用和对整个系统施加的设计约束。技术人员可以针对每个特定应用以不同方式实现所描述的功能。
[0104]
如本文所使用的，在一系列项目之后的短语
“…
中的至少一个”(用术语“和”或“或”来分隔任何项目)将列表作为整体而不是对列表的每个成员(例如，每个项目)进行修改。短语
“…
中的至少一个”不要求选择至少一个项目；更确切地说，该短语允许包括任何一种项目的至少一个，和/或项目的任何组合中的至少一个，和/或每种项目的至少一个的含义。举例来说，短语“a、b和c中的至少一个”或“a、b或c中的至少一个”各自指仅a、仅b或仅c；a、b和c的任何组合；和/或a、b和c中的每一个中的至少一个。
[0105]“示例性”一词在本文中用于表示“用作示例、实例或说明”。本文描述为“示例性”的任何实施例不一定被解释为优于或有利于其它实施例。诸如方面、该方面、另一方面、一些方面、一个或多个方面、实施方式、该实施方式、另一个实施方式、一些实施方式、一个或多个实施方式、实施例、该实施例、另一个实施例、一些实施例、一个或多个实施例、配置、该配置、另一个配置、一些配置、一个或多个配置、主题技术、公开、本公开、其其它变体等短语是为了方便起见，并不意味着与(一个或多个)此类短语相关的公开对于主题技术是必不可
少的，或者此类公开内容适用于主题技术的所有配置。与(一个或多个)此类短语相关的公开可以适用于所有配置，或一个或多个配置。与(一个或多个)此类短语相关的公开可提供一个或多个示例。诸如方面或一些方面之类的短语可以指一个或多个方面，反之亦然，并且这类似地适用于其它前述短语。
[0106]
除非特别说明，否则以单数形式提及元素并不旨在表示“一个且仅一个”，而是表示“一个或多个”。阳性代词(例如，他的)包括阴性和中性(例如，她的和它的)，反之亦然。术语“一些”是指一个或多个。带下划线和/或斜体的标题和副标题仅为方便起见而使用，不限制本主题技术，并且不与本主题技术的描述的解释相关地提及。诸如第一和第二等关系术语可以被用于区分一个实体或动作与另一个实体或动作，而不必要求或暗示此类实体或动作之间的任何实际的此类关系或次序。本领域普通技术人员已知或稍后将被知晓的本公开内容中描述的各种配置的元素的所有结构和功能等同物通过引用明确地并入本文并且旨在被本主题技术所涵盖。而且，无论在上面的描述中是否明确引用了这种公开，本文公开的任何内容都不旨在专供公众使用。除非使用短语“用于
…
的部件”明确叙述要素，或者在方法权利要求的情况下，使用短语“用于
…
的步骤”叙述要素，否则没有权利要求要素要根据35 u.s.c.第112条第6段来解释。
[0107]
虽然本说明书包含许多细节，但这些不应当被解释为对可以被描述的范围的限制，而是作为对主题的特定实施方式的描述。本说明书中在单独实施例的上下文中描述的某些特征也可以在单个实施例中组合实现。相反，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合在多个实施例中实现。而且，虽然上面特征可以被描述为以某些组合作用并且甚至最初就是这样要求保护的，但在一些情况下，可以从组合中删除来自要求保护的组合的一个或多个特征，并且要求保护的组合可以针对子组合或子组合的变体。
[0108]
已经根据特定方面描述了本说明书的主题，但是可以实现其它方面并且在以下权利要求的范围内。例如，虽然在附图中以特定次序描绘了操作，但这不应当被理解为要求以所示的特定次序或顺序次序执行此类操作，或者执行所有图示的操作以获得期望的结果。权利要求中陈述的动作可以以不同的次序执行并且仍然达到期望的结果。作为一个示例，附图中描述的处理不一定要求所示的特定次序或顺序次序来实现期望的结果。在某些情况下，多任务和并行处理可以是有利的。而且，上述各方面的各个系统组件的分离不应当被理解为要求在所有方面都进行这种分离，并且应当理解的是，所描述的程序组件和系统一般可以集成在单个软件产品中或打包到多个软件产品中。
[0109]
标题、背景、附图的简要描述、摘要和附图在此并入本公开并且作为本公开的说明性示例提供，而不是作为限制性描述。提交时应理解它们将不会被用于限制权利要求的范围或含义。此外，在详细描述中，可以看出，该描述提供说明性示例，并且为了简化公开的目的，各种特征在各种实施方式中被组合在一起。本公开的方法不应被解释为反映所描述的主题要求比每个权利要求中明确叙述的特征更多的特征的意图。更确切地说，如权利要求书所反映的，发明性主题不在于单个公开的配置或操作的所有特征。权利要求在此并入详细描述中，每个权利要求作为单独描述的主题独立存在。
[0110]
权利要求不旨在限于本文描述的方面，而是被赋予与语言权利要求一致的完整范围并涵盖所有法律等效物。尽管如此，没有任何权利要求旨在包含未能满足适用专利法要
求的主题，也不应当以这种方式解释它们。
[0111]
实施例的阐述
[0112]
如本文所公开的实施例包括：
[0113]
i.一种在测定中确定终点的方法，包括在测试条上形成的测定中的多个时间点测量来自测试样本的样本信号，其中样本信号与测试样本中目标分析物的浓度相关。该方法包括基于在所述多个时间点的样本信号确定在测定的持续时间内样本信号的速率值，并根据速率值和预先选择的阈值提供测定的结果。
[0114]
ii.一种系统，包括被配置为接纳测试样本的样本容器和耦合到样本容器的测试条。测试条被配置为基于测试样本中目标分析物的浓度生成信号。该系统还包括被配置为基于该信号生成转导的信号的检测器，以及被配置为接收转导的信号的计算机。计算机还包括存储指令的存储器和被配置为执行指令以确定测试样本中目标分析物的浓度的处理器。指令包括以下命令：在多个时间点从检测器中检索转导的信号，基于所述时间点中的至少两个时间点的信号值确定信号速率，以及基于信号速率和模型确定目标分析物的浓度。
[0115]
iii.一种存储指令的非暂态计算机可读介质，所述指令在由处理器执行时使计算机执行方法。该方法包括在测试条上形成的测定中的多个时间点测量样本信号，其中样本信号与生成样本信号的测试样本中目标分析物的浓度相关。该方法还包括基于在所述多个时间点的样本信号确定在测定的持续时间内样本信号的速率值，并根据速率值和预先选择的阈值提供测定的结果。
[0116]
iv.一种在测定中确定终点的方法，该方法包括用传感器阵列在测试条上形成的测定中的多个时间点从测试样本收集样本信号。样本信号与测试样本中目标分析物的浓度相关。该方法还包括将来自传感器阵列的转导的信号提供给远程服务器，用于确定测定的终点和测定的结果，当到达终点时，从远程服务器接收测定的结果，并为用户显示测定的结果。
[0117]
实施例i、ii、iii和iv中的任一个可以以任何次序或组合与选自以下要素的任何数量的特征组合。
[0118]
要素1，还包括为所述多个时间点选择第一时间点和最后时间点，并且测定的持续时间落在第一时间点和最后时间点之间。要素2，还包括基于测试条中键合位点的浓度来调整预先选择的阈值。要素3，还包括在不含目标分析物的样本上运行测定，在第二多个时间点测量来自不含目标分析物的测试样本的信号，基于在所述第二多个时间点的信号获得截止速率值，并且确定预先选择的阈值比不含目标分析物的样本的样本信号的速率值大至少10％。要素4，还包括对具有所选择的目标分析物浓度的多个校准样本运行测定，为所述多个校准样本中的每个校准样本确定多个速率值，基于所选择的目标分析物浓度将所述多个速率值拟合到模型；基于模型找到基准曲线，并选择基准曲线的零作为预先选择的阈值。要素5，还包括根据样本信号的速率值与测试样本中目标分析物的浓度之间的非线性相关性来确定预先选择的阈值。要素6，还包括根据测试样本中目标分析物的浓度为零的置信水平来确定预先选择的阈值。要素7，还包括根据将目标分析物的浓度与样本信号的速率值相关联的非线性模型来确定预先选择的阈值。元素8，还包括确定所述多个时间点中样本信号的预期速率值不为零时的第一时间点。要素9，还包括将测定的结果传输到远程服务器。
[0119]
要素10，其中测试条包括标签垫和测试带，其中标签垫包括被配置为附着到测试
样本中的目标分析物并沿着测试条朝着测试带随测试样本扩散的多种标签复合物的浓度，并且测试带包括被配置为将目标分析物与标签复合物中的至少一种键合到基材上的免疫测定，并且其中标签复合物还被配置为生成信号。要素11，其中测试条包括被配置为为检测器提供空白信号的对照带，并且其中计算机被配置为使用该空白信号作为背景来确定测试样本中目标分析物的浓度。要素12，其中存储器存储预先选择的阈值和指令，所述指令在由处理器执行时使得系统在信号速率超过预先选择的阈值时提供目标分析物的浓度。要素13，其中存储器存储指令，所述指令在由处理器执行时使得系统将模型中的至少一个参数拟合到以多个时间间隔获得的转导的信号的多个值。要素14，其中计算机还包括通信模块，该通信模块被配置为将目标分析物的浓度传输到远程服务器。要素15，其中测试条还包括多个通道，所述多个通道中的每个通道包括至少一个对照点，该对照点提供对照信号以分别确定样本中目标分析物的浓度。要素16，其中测试条还包括多个通道，所述多个通道中的每个通道包括至少一个对照点，该对照点提供对照信号以共同确定样本中目标分析物的浓度。要素17，还包括通信模块，该通信模块被配置为向远程服务器提供转导的信号，并从远程服务器接收结果，该结果指示患者存在或不存在疾病。要素18，其中检测器是检测器阵列并且转导的信号是测试条的图像。
[0120]
要素19，其中，在所述方法中，在多个时间点测量样本信号包括选择第一时间点和最后时间点，并且测定的持续时间落在第一时间点和最后时间点之间。要素20，其中该方法还包括在不含目标分析物的样本上运行测定，在第二多个时间点测量来自不含目标分析物的测试样本的信号，基于在所述第二多个时间点的信号获得截止速率值；并且确定预先选择的阈值比不含目标分析物的样本的样本信号的速率值大至少10％。要素21，其中该方法还包括对具有所选择的目标分析物浓度的多个校准样本运行测定，为所述多个校准样本中的每个校准样本确定多个速率值，基于所选择的目标分析物浓度将所述多个速率值拟合到模型中；基于模型找到基准曲线，并选择基准曲线的零作为预先选择的阈值。要素22，其中在所述方法中，根据速率值和预先选择的阈值提供测定的结果还包括在机器学习算法中使用所述多个时间点处的信号作为输入以获得测定的二元结果，该二元结果包括疾病的阳性或阴性结果之一。要素23，其中所述方法还包括根据样本信号的速率值与测试样本中目标分析物的浓度之间的非线性相关性来确定预先选择的阈值。要素24，其中所述方法还包括根据测试样本中目标分析物的浓度为零的置信水平来确定预先选择的阈值。要素25，其中所述方法还包括根据将目标分析物的浓度与样本信号的速率值相关联的非线性模型来确定预先选择的阈值。要素26，其中所述方法还包括确定所述多个时间点中样本信号的预期速率值不为零时的第一时间点。要素27，所述方法还包括将测定的结果传输到远程服务器。
[0121]
要素28，其中向远程服务器提供转导的信号包括在包括时间点的时间段内缓冲转导的信号，并且在该时间段之后向远程服务器提供转导的信号的时间序列。要素29，还包括当到达终点并且测定的结果为阴性时从测试设备清除测试条。要素30，还包括基于转导的信号的质量从远程服务器接收错误消息。要素31，还包括响应于来自远程服务器的错误消息而调整测试样本在测试设备中的位置。要素32，还包括当远程服务器未能在测定中找到终点时接收错误消息。要素33，其中显示测定的结果包括在测定的持续时间内显示样本信号的速率值。要素34，其中接收来自测定的结果包括接收来自测定的结果的置信水平。要素35，还包括从远程服务器接收在测定中到达终点的预期时间。要素36，还包括从远程服务器
接收错误消息，并响应于来自远程服务器的请求而从新测试样本收集新样本信号。