本公開的實施方案通常涉及用于檢測和/或量化分析物的計算機實現(xiàn)的方法，并且更具體地，涉及通過免疫測定方法檢測和/或定量分析物。

背景技術：

1、免疫測定實驗設計技術通常利用經驗檢驗方法來識別最佳參數(shù)并故障排除問題。這些經驗方法(例如試錯試驗)在時間和資源方面可能效率較低。例如，一些免疫測定方法(諸如免疫印跡方法或蛋白質印跡方法)由于預優(yōu)化的局限性并不易于擴展，并且當引入多變量優(yōu)化時，優(yōu)化測定很快變得更加復雜和耗時。

2、優(yōu)化免疫測定性能的關鍵因素在于確定最佳試劑和實驗參數(shù)，以確保免疫測定中的檢測成功。試劑的選擇，連同分析物或蛋白質濃度和抗體稀釋度都是確保免疫測定實驗中的檢測成功的考慮因素。這些最佳變量值通常以實驗方式確定。

3、盡管優(yōu)化技術(例如使用基于最佳猜測的經驗值和/或測試單個實驗的一系列值)非常耗費時間并且成本高昂，但它們在蛋白質印跡實驗和涉及成像器和印跡裝置等儀器的工作流程中尤其常見，例如但不限于ibright?fl1500tm、iblottm和化學發(fā)光檢測技術。

4、其他因素(例如，基于分析物豐度、抗體結合變化和選擇敏感性檢測底物的免疫測定參數(shù)的優(yōu)化)可對實驗數(shù)據(jù)造成干擾，并導致誤導性數(shù)據(jù)、錯誤和客戶不滿。此外，由于在建立和執(zhí)行免疫測定時蛋白質制備、蛋白質形式和實驗參數(shù)的變量發(fā)生變化，在檢測分析物時也可能會造成干擾。

技術實現(xiàn)思路

1、本公開的實施方案涉及用于檢測諸如免疫測定等的測定中的一個或多個分析物的計算機實現(xiàn)的系統(tǒng)和方法。本公開的實施方案系統(tǒng)和方法可使用關于分析物的免疫測定參考數(shù)據(jù)來訓練機器學習網絡，并輸出一組目標實驗輸入?yún)?shù)以檢測該分析物。機器學習網絡可利用所接收到的數(shù)據(jù)來生成目標參數(shù)，并且開發(fā)或生成免疫測定參數(shù)集以檢測和/或定量分析物。本公開的計算機實現(xiàn)的系統(tǒng)和方法還可生成用于免疫測定的故障排除輔助輸出。

2、實施方案涉及用于生成和輸出目標參數(shù)(例如但不限于目標實驗輸入?yún)?shù))以實現(xiàn)免疫測定，和/或用于檢測免疫測定中的一個或多個分析物，和/或用于操作一個或多個免疫測定支持系統(tǒng)和設備的計算機實現(xiàn)的系統(tǒng)和方法。在一些實施方案中，生成和輸出目標實驗輸入?yún)?shù)是為了改進或優(yōu)化通過免疫測定對分析物的檢測。一些實施方案利用半自動化方法從標準免疫印跡數(shù)據(jù)中提取數(shù)據(jù)，使用經驗證的免疫印跡數(shù)據(jù)來訓練機器學習模型，并且應用參考數(shù)據(jù)集來生成和/或輸出和/或預測用于免疫測定的目標實驗參數(shù)。目標參數(shù)可包括輸入變量，例如實驗輸入變量(諸如樣品濃度、蛋白質濃度、檢測試劑和目標負載濃度等)。目標負載濃度可有助于實現(xiàn)所期望的結果，并且可基于相對于樣品(例如包括一個或多個分析物的樣品，疑似包括一個或多個分析物的樣品)、特定分析物等產生的實驗類型。

3、在一些實施方案中，用于檢測測定(例如免疫測定)中的一個或多個分析物的系統(tǒng)和方法，該方法包括：使用免疫測定參考數(shù)據(jù)來訓練機器學習網絡，該免疫測定參考數(shù)據(jù)包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物的標識符；將該機器學習網絡應用于該免疫測定參考數(shù)據(jù)以基于該分析物識別目標參數(shù)；基于該目標參數(shù)確定免疫測定參數(shù)集，其中該免疫測定參數(shù)集包括該分析物中的至少一種分析物的負載濃度和檢測試劑。

4、在各個實施方案中，參考數(shù)據(jù)集包括來自大量抗體驗證數(shù)據(jù)集的實驗數(shù)據(jù)。在一些示例中，大規(guī)模數(shù)據(jù)集可跨越大量細胞和組織集上的25000多個數(shù)據(jù)點。此類數(shù)據(jù)可手動創(chuàng)建，并且包括所分類的數(shù)據(jù)，所分類的數(shù)據(jù)展示了從細胞或組織裂解物中檢測蛋白質的各種負載濃度，檢測試劑和抗體親和性。

5、實施方案可進一步利用機器學習和統(tǒng)計學習模型來生成和輸出目標參數(shù)和/或指導用戶進行目標負載和試劑選擇。因此，結果可提供對因果變量的深入了解，以優(yōu)化免疫測定性能，并且生成針對試劑選擇、阻斷劑、稀釋度范圍的推薦，其中該稀釋度范圍可包括樣品稀釋度范圍、抗體稀釋度范圍和試劑稀釋度范圍，例如蛋白質載量和檢測試劑等。

6、機器學習模型的實施方案可獨特地將細胞和組織蛋白質豐度的關鍵參考數(shù)據(jù)(例如樣品類型的豐度)與一系列免疫測定的實驗性能數(shù)據(jù)的訓練數(shù)據(jù)集結合到一起，并且進一步利用來自多個克隆性和物種特異性主鏈的抗體的實驗數(shù)據(jù)。這些技術還可利用具有目標結合親和性、負載值、多個檢測敏感度和細胞系的數(shù)據(jù)集來導出輸出值(諸如每個蛋白質豐度值的結合變化等)等。

7、這些技術可應用于臨床、研究、學術或診斷環(huán)境等。在各個實施方案中，系統(tǒng)和方法可在具有圖形用戶界面的計算裝置上執(zhí)行，例如網絡工具、應用程序或其他顯示器。此類實現(xiàn)方式可執(zhí)行以下中的一者或多者：用于單重測定的實驗設計工具和推薦器、解決問題功能、實驗工具上的功能擴展、用戶云賬戶、故障排除模塊、優(yōu)化模塊、用于多重設計的許可的可執(zhí)行程序、具有儀器控制的功能以及用于多重測定的分析軟件。實現(xiàn)方式可還包括自動化接口，該自動化接可模擬免疫測定實驗的檢測，并且分析理論實驗輸出。

8、因此，本公開的系統(tǒng)和方法可向最終用戶提供關于目標分析物檢測和定量的目標實驗參數(shù)的信息。示例性分析物包括但不限于半抗原、激素、核酸、肽、經修飾的肽、蛋白質或前述分析物的任何一個分析物的經修飾的形式。用于定量蛋白質檢測設計的工具可為自動化工具，并且根據(jù)其他實施方案可確定用于非飽和信號的蛋白質裂解物的目標負載值。用于目標實驗設計的各種計算選擇方案可包括實驗設計選擇符和用于細胞系選擇的代碼。

9、所公開的技術的附加優(yōu)點和方面包括通過軟件接口向最終用戶通知用于檢測和定量免疫印跡測定(例如蛋白質印跡測定)中的蛋白質的目標蛋白質載量。輸出可通知檢測的范圍，以提供關于抗體濃度和檢測試劑選擇的推薦，以實現(xiàn)蛋白質的最佳檢測，例如目標范圍內的檢測。在實施方案中，目標范圍可基于一個或多個因素來定義，包括但不限于用戶選擇、實現(xiàn)特定結果的范圍(例如可見性、識別或分析物)，或者其他明確的標準。因此，這些工具可告知用戶在免疫測定中選擇和設計多重蛋白質檢測的最佳變量，并有助于實驗設計、優(yōu)化和故障排除。

10、所公開的技術的實施方案還包括手動和自動圖像分析工具，以從免疫測定和免疫印跡數(shù)據(jù)中提取蛋白質檢測值。此類實施方案可將蛋白質檢測匹配到蛋白質豐度或轉錄物豐度的參考值。系統(tǒng)可應用方法來清理和擬合數(shù)據(jù)，以排除關于蛋白質不穩(wěn)定性的異常數(shù)據(jù)，并對一系列細胞系中的變量數(shù)據(jù)(例如抗體克隆性、檢測敏感性、負載濃度和蛋白質豐度)進行分類?？墒褂靡粋€或多個統(tǒng)計模型、機器學習模型或它們的組合對數(shù)據(jù)集進行建模、訓練和測試。

11、在特定示例中，所公開的技術的實施方案可從標準免疫印跡實驗(例如蛋白質印跡)中提取蛋白質檢測信息。實施方案可對蛋白質豐度、克隆性、檢測進行建模，并選擇多重蛋白質檢測和目標負載檢測值。

12、一種用于免疫測定中的分析物檢測的計算機實現(xiàn)的方法，該方法可包括：接收包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)的免疫測定參考數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物；將機器學習網絡應用于免疫測定參考數(shù)據(jù)以基于該分析物識別目標參數(shù)；并且基于該目標參數(shù)確定免疫測定參數(shù)集，其中該輸出免疫測定參數(shù)集包括分析物中的至少一個分析物的負載濃度和檢測試劑。在一些實施方案中，該分析物中的至少一個分析物的負載濃度包括包含該分析物的樣品的負載濃度。在一些實施方案中，該分析物中的至少一個分析物的負載濃度包括包含該分析物的樣品的負載濃度，其中該樣品可位于樣品緩沖液中。在一些實施方案中，該分析物中的至少一個分析物的負載濃度包括緩沖液或溶液或混合物中包含的該分析物的負載濃度。

13、在各個實施方案中，免疫測定參考數(shù)據(jù)包括蛋白質印跡數(shù)據(jù)、多重蛋白質印跡捕獲、定量數(shù)據(jù)、任選地表示蛋白質相對豐度的該定量數(shù)據(jù)、分類數(shù)據(jù)、蛋白質檢測數(shù)據(jù)和免疫細胞術數(shù)據(jù)中的至少一個數(shù)據(jù)。

14、訓練輸入?yún)?shù)可包括以下中的一者或多者：用戶輸入、分析物類型、蛋白質類型、克隆性、細胞系、檢測試劑、抗體濃度、底物、底物敏感性、檢測敏感性、裂解物濃度、細胞系，一組蛋白質、抗體結合變化、阻斷數(shù)據(jù)、細胞裂解物制備數(shù)據(jù)、蛋白質不穩(wěn)定性、蛋白質穩(wěn)定性、凝膠參數(shù)(例如，凝膠組成、凝膠孔隙率等)、分析物質量范圍、蛋白質質量范圍、細胞系、檢測數(shù)據(jù)、裂解物類型、裂解物負載濃度、蛋白質、蛋白質同種型、蛋白質或轉譯后經修飾的蛋白質的片段、抗體結合位點、抗體克隆性、抗體濃度/稀釋度、結合親和性、抗體同種型特異性、主鏈類型、蛋白質穩(wěn)定性、蛋白質不穩(wěn)定性、檢測標記、酶、檢測多重性或檢測敏感性。在實施方案中，訓練輸入?yún)?shù)可包括用戶輸入。例如，在單重實驗中，訓練輸入可包括蛋白質種類、細胞系、裂解物濃度和抗體稀釋度。在多重實驗和故障排除實驗中，訓練輸入可包括指示變量(例如一組蛋白質)的用戶輸入。在建模操作中，訓練輸入可包括變量的一組范圍。變量可涉及與實驗相關一個或多個參數(shù)、所需的輸入或輸出以及與免疫測定實驗或設備相關的其他信息。

15、免疫測定參數(shù)集可指示用于執(zhí)行免疫測定實驗的一個或多個變量、設置和實驗輸入的輸出或預測或生成。免疫測定參數(shù)集可包括以下中的一者和多者：例如細胞系、分析物負載范圍、目標蛋白質、檢測數(shù)據(jù)、裂解物類型、裂解物負載濃度、抗體克隆性、抗體類型、抗體結合位點、抗體稀釋度范圍、樣品稀釋度范圍、試劑稀釋度范圍、結合親和性、抗體同種型特異性、主鏈類型、蛋白質穩(wěn)定性、蛋白質不穩(wěn)定性、檢測標記、酶、檢測試劑、檢測多重性、檢測敏感性、該分析物中的至少一個分析物的負載濃度的目標范圍，其中在一些實施方案中，該分析物包含在樣品中，和/或包含在緩沖液、樣品緩沖液、溶液和/或混合物中，克隆性、抗體類型、檢測試劑、免疫測定性能預測、推薦的蛋白質來源、最佳細胞系、細胞來源、抗體克隆性、檢測技術、克隆性推薦，抗體推薦、分析物推薦、分析物的來源推薦、凝膠類型、生成或輸出或推薦的檢測試劑、抗體類型、抗體負載濃度/稀釋度、蛋白質裂解物濃度、目標細胞系、目標蛋白質來源、分析物質量、轉移條件、驗證標志和預測的分析物定位。在實施方案中，分析物可位于一些位置中，例如分析物可從細胞中分泌；分析物存在于細胞外液中；分析物重組地表達并靶向非原生部位；分析物以細胞內方式存在于一個或多個細胞隔室中；在生物化學上進行分級，和/或解析生物物理/生物化學特性(例如在蛋白質印跡或等電聚焦中)

16、一種用于檢測免疫測定中的一個或多個分析物的系統(tǒng)，該系統(tǒng)包括：至少一個計算裝置，該計算裝置包括處理器和至少一個存儲器，該至少一個存儲器存儲指令，該指令在由所述處理器執(zhí)行時使得該計算裝置：接收包括多組輸入?yún)?shù)和對應分析物檢測數(shù)據(jù)的免疫測定參考數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物的標識符和克隆性；將機器學習網絡應用于該免疫測定參考數(shù)據(jù)以基于該分析物識別目標參數(shù)；基于該目標參數(shù)來確定免疫測定參數(shù)集；并且提供該免疫測定參數(shù)集，其中該免疫檢測參數(shù)集包括樣品、緩沖液、溶液和/或混合物中包含的分析物中的至少一個分析物的負載濃度和檢測試劑。

17、在一些實施方案中，在本公開的系統(tǒng)中，該至少一個存儲器存儲指令，該指令在由所述處理器執(zhí)行時進一步使得該計算裝置：基于該實驗輸入?yún)?shù)提取相關免疫測定參考數(shù)據(jù)；確定該實驗輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)之間的關系；并且確定或生成用于檢測該分析物的目標參數(shù)。

18、在一些實施方案中，在本公開的系統(tǒng)中，該至少一個存儲器存儲指令，該指令在由該處理器執(zhí)行時使得該計算裝置：將該相關免疫測定參考數(shù)據(jù)分類為變量；并且應用統(tǒng)計模型來確定兩個或更多個變量之間的關系；并且使用兩個或更多個變量之間的關系來訓練機器學習網絡。

19、在一些實施方案中，在本公開的系統(tǒng)中，該指令進一步使該計算裝置從表示實驗免疫測定數(shù)據(jù)的圖像中提取免疫測定參考數(shù)據(jù)。

20、在一些實施方案中，本公開的系統(tǒng)還包括用戶界面，并且該用戶界面包括儀器控制臺、網絡工具、圖形用戶界面和計算裝置上的顯示器中的至少一者。

21、在一些實施方案中，本公開包括存儲指令的非暫態(tài)算機可讀介質，該指令在由一個或多個處理器執(zhí)行時，使裝置執(zhí)行本文所述的該方法中的一種方法。

22、在一些實施方案中，本公開的計算機實現(xiàn)的方法用于操作免疫測定儀器支持裝置，并且該計算機實現(xiàn)的方法包括：接收包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)的免疫測定參考數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，該實驗輸入?yún)?shù)包括與該免疫測定實驗相關的至少一個變量；接收指示以下中的至少一者的問題的信息：該免疫測定參考數(shù)據(jù)、實驗輸入?yún)?shù)和免疫測定實驗的結果；將機器學習網絡應用于該免疫測定參考數(shù)據(jù)以基于該問題識別目標參數(shù)；并且基于該目標參數(shù)確定要解析的免疫測定參數(shù)集。

23、示例性問題包括但不限于分析物檢測問題或免疫測定參考數(shù)據(jù)提取問題中的至少一者。在一些實施方案中，問題涉及從指示實驗免疫測定數(shù)據(jù)的圖像中提取免疫測定參考數(shù)據(jù)。

24、在一些實施方案中，本公開的計算機實現(xiàn)的方法用于操作免疫測定儀器支持裝置，并且該計算機實現(xiàn)的方法包括：接收包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)的免疫測定參考數(shù)據(jù)；接收一組實驗輸入?yún)?shù)；接收用于免疫測定實驗的至少一個目標變量；將機器學習網絡應用于該免疫測定參考數(shù)據(jù)以基于該目標變量識別目標參數(shù)；并且基于該目標參數(shù)來確定用于獲取該目標變量的免疫測定參數(shù)集，其中該目標變量為分析物。在實施方案中，一組實驗輸入?yún)?shù)表示一種實驗方法。非限制性實驗方法包括蛋白質印跡方法、免疫印跡方法、轉移方法和利用蛋白質凝膠的方法。

25、在一些實施方案中，用于操作免疫測定儀器支持裝置以實現(xiàn)免疫印跡的本公開的計算機實現(xiàn)的方法包括：接收包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)的免疫印跡參考數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物的標識符；將機器學習網絡應用于該免疫印跡參考數(shù)據(jù)以基于該分析物識別目標參數(shù)；并且基于該目標參數(shù)確定免疫測定參數(shù)集，其中該免疫測定參數(shù)集包括樣品、緩沖液、混合物和/或溶液中包含的分析物中的至少一個分析物的負載濃度和檢測試劑。

26、在一些實施方案中，用于操作免疫測定儀器支持裝置以實現(xiàn)免疫印跡的本公開的計算機實現(xiàn)的方法包括：接收包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)的免疫印跡參考數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物的標識符；將機器學習網絡應用于該免疫印跡參考數(shù)據(jù)以基于該分析物識別目標參數(shù)；并且基于該目標參數(shù)確定免疫測定參數(shù)集，其中該免疫測定參數(shù)集包括樣品、緩沖液、混合物和/或溶液中包含的分析物中的至少一個分析物的負載濃度和檢測試劑。

27、在本公開的一些實施方案中，一種用于操作免疫測定儀器支持裝置的方法，該方法包括：接收免疫測定參考數(shù)據(jù)，該免疫測定參考數(shù)據(jù)包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物的標識符和單細胞信息；將機器學習網絡應用于該免疫測定參考數(shù)據(jù)，以基于分析物的標識符來識別目標參數(shù)；并且基于該目標參數(shù)確定用于檢測該單細胞中的多個蛋白質的免疫測定參數(shù)集，其中該免疫測定參數(shù)集包括樣品中包含的分析物中的至少一個分析物的負載濃度和檢測試劑。單細胞的非限制性示例包括以下中的一者或多者：通過顯微鏡形態(tài)學識別的細胞系或細胞譜系，使用一個或多個生物標志物標簽分類/追蹤的，表達熒光報告基因的細胞，或作為分離的原代細胞系或所維持的細胞系培養(yǎng)的細胞。單細胞信息的非限制性示例可包括以下中的一者或多者：轉錄物豐度、分析物(諸如蛋白質、核酸等)定位信息或分析物/蛋白質豐度的蛋白質組數(shù)據(jù)(諸分析物/蛋白質豐度的質譜研究等)、蛋白質轉譯后修飾(諸如聚糖修飾、磷酸化、泛素化、類泛素化、脂錨等)。

28、一些實施方案描述了用于操作免疫測定儀器支持裝置以進行基于流的免疫測定的計算機實現(xiàn)的方法，該方法包括：接收包括多組參考輸入?yún)?shù)和對應的參考分析物檢測數(shù)據(jù)的免疫測定參考數(shù)據(jù)，其中該免疫測定參考數(shù)據(jù)包括至少一組基于流的免疫測定數(shù)據(jù)；接收一組實驗輸入?yún)?shù)，其中該實驗輸入?yún)?shù)包括分析物的標識符和單細胞信息；將機器學習網絡應用于包括基于流的免疫測定數(shù)據(jù)的該免疫測定參考數(shù)據(jù)，以基于該分析物識別目標參數(shù)；并且基于該目標參數(shù)確定用于檢測該單細胞中的多個蛋白質的免疫測定參數(shù)集，其中該免疫測定參數(shù)集包括樣品中包含的分析物中的至少一個分析物的負載濃度和檢測試劑。

29、在一些實施方案中，單細胞信息可為表面標志物、分泌的分析物或細胞內標志物的數(shù)據(jù)。這種單細胞信息可來源于流式細胞術、圖像分析或蛋白質定位研究。

30、示例性非限制性流式測定包括測定，該測定要對具有不同豐度的一組分析物/蛋白質進行分析，并且要匹配的染料強度與分析物/蛋白質豐度值成反比。在這些示例中，一個實施方案是細胞類型表達一組分析物(蛋白質或蛋白質修飾目標抗體)，并且包括識別適合于在實驗中同時研究用戶選擇的該組分析物的細胞。另一個實施方案是基于染料強度和所預期的分析物豐度來選擇導致最佳光譜補償?shù)囊唤M抗體和染料。

31、因此，所公開的技術的實施方案包括用于以下一個或多個操作的系統(tǒng)和方法：應用機器學習來改進免疫測定中的檢測；并且/或者經由諸如用戶界面等輸入?yún)?shù)并且接收目標免疫測定參數(shù)集的輸出，將各種技術應用于計算機、網絡工具或其他硬件裝置；和/或故障排除問題。此類技術可應用于蛋白質印跡方法、基于珠粒的測定、多個分析物的分析、多個分析物的檢測、多個蛋白質的分析、多個蛋白質的檢測、分析物成像、蛋白質成像、基于流式細胞術的檢測以及熒光和染料檢測。