流式細(xì)胞術(shù)數(shù)據(jù)分割結(jié)果的評價系統(tǒng)和方法
【專利說明】流式細(xì)胞術(shù)數(shù)據(jù)分割結(jié)果的評價系統(tǒng)和方法 相關(guān)申請的交叉引用
[0001] 本申請要求2012年11月16日提交的美國臨時專利申請No. 61/727,474的優(yōu)先 權(quán)的權(quán)益，該專利申請的內(nèi)容以引用方式并入本文。
【背景技術(shù)】
[0002] 本發(fā)明的實施例涉及流式細(xì)胞術(shù)，具體地講，涉及用于評估通過邊界放置技術(shù)獲 得的結(jié)果的品質(zhì)的系統(tǒng)和方法。
[0003] 對造血功能障礙進(jìn)行流式細(xì)胞術(shù)免疫表型分型是一項復(fù)雜且要求高的任務(wù)，需要 相關(guān)人員充分了解細(xì)胞譜系、發(fā)育途徑和生理變化，以及在血液病理學(xué)方面具有豐富經(jīng)驗。
[0004] 流式細(xì)胞術(shù)通過將細(xì)胞懸浮在流體的料流中并使其經(jīng)過電子檢測裝置而允許每 秒對數(shù)千個顆粒進(jìn)行同時多參數(shù)分析。可將生成的數(shù)據(jù)繪制成直方圖并分成多個區(qū)域。所 述區(qū)域是在一個或兩個參數(shù)的直方圖上圍繞所關(guān)注群體繪出或定位的形狀。示例性區(qū)域形 狀包括二維的多邊形、圓圈、橢圓、不規(guī)則形狀，等等。以數(shù)據(jù)形式例示的個體事件對應(yīng)于獨 特的參數(shù)組合，并且在存在此類組合的多個實例的情況下累積。當(dāng)使用一個區(qū)域來限制或 分離繪制或定位在直方圖上的細(xì)胞或事件，使得那些分離的細(xì)胞或事件可以在后續(xù)的直方 圖中顯現(xiàn)時，將該過程稱為"門控"。在涉及一個或多個區(qū)域的被稱為"門控"的一系列順序 步驟中，可基于熒光強(qiáng)度對累積成直方圖的數(shù)據(jù)進(jìn)行分離或聚類。在一些情況下，使用布林 (Boolean)邏輯（與（AND)、或（OR)、非（NOT))將門彼此結(jié)合。常見技術(shù)涉及按順序使用 門。在一些情況下，并行地執(zhí)行門。
[0005] 在過去十年中，檢測儀器和試劑技術(shù)的進(jìn)步已使得能夠?qū)?shù)十個表面標(biāo)記物和細(xì) 胞內(nèi)標(biāo)記物以及數(shù)十個信號傳導(dǎo)分子進(jìn)行同時單細(xì)胞測量，這使得流式細(xì)胞術(shù)在醫(yī)學(xué)和系 統(tǒng)生物學(xué)中發(fā)揮越來越重要的作用。
[0006] 然而，用來解譯流式細(xì)胞術(shù)數(shù)據(jù)的傳統(tǒng)分析工具的功能已不能滿足流式細(xì)胞術(shù)應(yīng) 用快速擴(kuò)展的需求，使得科學(xué)家們面臨從數(shù)百萬細(xì)胞的集合中人工識別出20維數(shù)據(jù)形式 的所關(guān)注細(xì)胞群體的艱巨任務(wù)。
[0007] 貝克曼庫爾特公司（Beckman Coulter)的tetraCXP系統(tǒng)軟件、stemCXP和 CytoDifT CXP軟件是自動化流式細(xì)胞術(shù)解決方案的非限制性例子。這些軟件提供了一種用 于在多維空間中分離出所關(guān)注群體和向用戶報告該群體的百分率和其他臨床參數(shù)的門控 算法。對共有特定功能的同源細(xì)胞群體的自動識別稱為自動門控。這些解決方案降低了對 高專業(yè)性的要求，并縮短了對流式細(xì)胞術(shù)數(shù)據(jù)進(jìn)行手動門控所需的處理時間。額外的有益 效果包括人工成本降低、分析的一致性，以及用戶引起的錯誤減少。
[0008] 一項2005年進(jìn)行的涉及15家機(jī)構(gòu)的研宄（H. T. Maecker, A. Rinfret, P. D'Souza, et al.，''Standardization of cytokine flow cytometry assays, BMC Immunology, vol. 6, article 13, 2005 (H. T. Maecker、A. Rinfret、P. D，Souza 等人，"細(xì)胞因 子流式細(xì)胞術(shù)測定法的標(biāo)準(zhǔn)化"，《BMC免疫學(xué)》，第6卷，第13章，2005年））表明，即便使用 的是相同的樣品和試劑并且樣品的制備過程是標(biāo)準(zhǔn)化的，平均實驗室間變異系數(shù)仍然為在 17%至44%的范圍內(nèi)。即便所有分析均由精通流式細(xì)胞術(shù)的人員執(zhí)行，所述變異中的大多 數(shù)仍是門控引起的。
[0009] 因此，盡管流式細(xì)胞術(shù)測定技術(shù)為血液學(xué)領(lǐng)域提供了實際益處，但仍期待其有進(jìn) 一步的發(fā)展和改進(jìn)。本發(fā)明的實施例對這些尚未解決的需求中的至少一些提供了解決方 案。

【發(fā)明內(nèi)容】

[0010] 本發(fā)明的實施例涵蓋用于告知流式細(xì)胞術(shù)用戶通過自動直方圖門控技術(shù)產(chǎn)生的 結(jié)果的有效性的系統(tǒng)和方法。通常情況下，使用某些度量來評價門控技術(shù)。因此，在自動直 方圖門控作為流式細(xì)胞術(shù)規(guī)程的一部分產(chǎn)生了折衷結(jié)果的情況下，本發(fā)明的實施例提供基 于度量的機(jī)制來告知用戶此類情況。
[0011] 采用這種方式，通過向用戶提供有關(guān)測試結(jié)果的有效性是否可靠的信息，自動化 的有益效果得到保留或增強(qiáng)。作為非限制性例子，可疑的結(jié)果是由硬件故障、設(shè)置不正確、 樣品制備不當(dāng)、樣品過度老化、情況高度異常等引起的。
[0012] 當(dāng)觀察到可疑結(jié)果時，實驗室工作人員通?？赡苄枰獙悠愤M(jìn)行仔細(xì)檢視，以決 定采取適當(dāng)?shù)男袆臃桨?。作為使此類檢視技術(shù)自動化的組成部分，本發(fā)明的實施例涵蓋提 供度量的技術(shù)，所述度量用作決策規(guī)則的輸入，以便為流式細(xì)胞術(shù)結(jié)果驗證過程中涉及的 決策過程提供支持。
[0013] 本發(fā)明的一些實施例涵蓋用于計算度量的系統(tǒng)和方法，該度量與其他參數(shù)結(jié)合使 用，以評估單管式或多管式流式細(xì)胞術(shù)分析結(jié)果的品質(zhì)。在一些情況下，所述度量用作決策 規(guī)則的輸入，以便在自動化系統(tǒng)中強(qiáng)化對有問題的樣品的檢視過程。
[0014] 根據(jù)一些實施例，度量是指界定于下限（例如，0)和上限（例如，100)之間的某數(shù) 值。在某些實施例中，處于下界處或接近下界的數(shù)值與所述度量描述的特征的低水平或完 全缺失相關(guān)。相反，在一些實施例中，處于上界處或接近上界的數(shù)值與所述特征的高水平或 充分存在相關(guān)。
[0015] 本發(fā)明的一些實施例還涵蓋通過使用與度量的顯著性有關(guān)的信息來轉(zhuǎn)換原始度 量的系統(tǒng)和方法。在一些情況下，顯著性是基于與用于計算所述度量的數(shù)據(jù)有關(guān)的特征來 確定的。
[0016] 在一個方面，本發(fā)明的實施例涵蓋用于評估邊界品質(zhì)的系統(tǒng)和方法，所述邊界用 于從累積事件的集合中分離出事件子集，其中所述子集對應(yīng)于共有某物理性質(zhì)的所關(guān)注群 體，所述集合對應(yīng)于樣品顆粒。評估邊界品質(zhì)的示例性方法包括：獲得累積事件的集合的 圖線，其中所述累積事件的集合包括事件的子集；以及利用所述邊界使所述事件的子集與 所述累積事件的集合中的其他事件隔離。此外，所述方法包括確定所述邊界的品質(zhì)評估度 量。在一些情況下，所述圖線包括直方圖。在一些情況下，放置邊界被自動進(jìn)行。在一些情 況下，放置邊界被手動執(zhí)行。在一些情況下，品質(zhì)評估度量以事件的子集與所述邊界之間的 距離為基礎(chǔ)。在一些情況下，品質(zhì)評估度量以事件的子集與特征點之間的距離為基礎(chǔ)。在 一些情況下，所述特征點包括的成員選自所述子集的平均數(shù)和所述子集的眾數(shù)。根據(jù)一些 實施例，品質(zhì)評估度量可能以落在該邊界上的多個事件為基礎(chǔ)。在一些情況下，所述邊界至 少部分地限定與所關(guān)注群體對應(yīng)的區(qū)域。根據(jù)一些實施例，品質(zhì)評估度量可能以針對所述 子集計算出的統(tǒng)計參數(shù)與理論分布之間的比較為基礎(chǔ)。在一些情況下，所述統(tǒng)計參數(shù)為平 均值或標(biāo)準(zhǔn)偏差。在一些情況下，所述理論分布為高斯分布。根據(jù)一些實施例，所述比較基 于表征統(tǒng)計參數(shù)和理論分布的相似度量度，其中該相似度量度是基于成對事件距離的總和 或相關(guān)系數(shù)計算的。根據(jù)一些實施例，邊界品質(zhì)評估技術(shù)可以包括確定基于群體的度量，其 中所述基于群體的度量是多個獨立度量的組合的函數(shù)。所述多個獨立度量的組合可以包括 第一獨立度量和第二獨立度量。在一些情況下，第一獨立度量包括品質(zhì)評估度量。在一些 情況下，所述函數(shù)包括集成算子。在一些情況下，所述集成算子可以是平均算子、最小算子、 或最大算子。在一些情況下，第一獨立度量以落在所述邊界上的多個事件為基礎(chǔ)，第二獨立 度量以針對所述子集計算出的統(tǒng)計參數(shù)與理論分布之間的比較為基礎(chǔ)。在一些情況下，第 一獨立度量與所述所關(guān)注群體對應(yīng)，第二獨立度量與另一個所關(guān)注群體對應(yīng)。
[0017] 在另一方面，本發(fā)明的實施例涵蓋用于評估數(shù)據(jù)分割技術(shù)的品質(zhì)的系統(tǒng)和方法。 評估數(shù)據(jù)分割技術(shù)的品質(zhì)的示例性方法可包括：獲得累積事件的集合的數(shù)據(jù)，其中所述累 積事件的集合與樣品顆粒對應(yīng)；以及使用數(shù)據(jù)分割技術(shù)分割所述累積事件的集合的子集的 數(shù)據(jù)，其中所述子集與所關(guān)注群體對應(yīng)，