为解决细胞识别的问题，发明专利技术人提供了一种细胞识别的方法，包括如下步骤：获取细胞信息，所述细胞信息包括基于细胞力学传感器获取的细胞中某点的细胞牵引力信息，所述细胞牵引力信息包括该点细胞牵引力的大小；对细胞信息做预处理，形成结构化细胞信息；所述结构化细胞信息包括细胞数目、细胞特征数目和各细胞特征的特征信息；以结构化细胞信息作为输入数据，利用有监督、无监督或半监督的机器学习建立细胞特征模型，并将所述细胞特征模型应用于未知类型或未知状态的细胞的分类或聚类。发明专利技术人同时提供了实现上述技术方案的细胞识别的装置以及细胞识别的系统，具有高通量、高分辨率、能实时测量分析活体单细胞的特点。实时测量分析活体单细胞的特点。实时测量分析活体单细胞的特点。
【技术实现步骤摘要】
细胞识别的方法、装置和系统
[0001]本专利技术涉及细胞分析与鉴定领域，尤其涉及一种细胞识别的方法、装置和系统。
技术介绍
[0002]目前流行的单细胞层面的定量分析技术为单细胞测序技术(scRNA
‑
seq), 其特点在于对单细胞转录组进行定量分析。但缺点在于其相当于对单细胞做了快照，是侵入损毁型的方法，无法对相同的一个细胞进行实时检测。其它方法例如免疫荧光，需要对细胞进行染色，难免对细胞造成影响或损害，过程昂贵且复杂。
技术实现思路
[0003]为此，需要提供一种具有高通量、高分辨率特点，并且能实时测量分析活体单细胞的技术，来解决细胞识别的问题，以进一步帮助科研、药物开发及临床应用。
[0004]为实现上述目的，专利技术人提供了一种细胞识别的方法，包括如下步骤：
[0005]获取细胞信息，所述细胞信息包括基于细胞力学传感器获取的细胞中某点的细胞牵引力信息，所述细胞牵引力信息包括该点细胞牵引力的大小；
[0006]对细胞信息做预处理，形成结构化细胞信息；所述结构化细胞信息包括细胞数目、细胞特征数目和各细胞特征的特征信息；
[0007]以结构化细胞信息作为输入数据，利用有监督、无监督或半监督的机器学习建立细胞特征模型，并将所述细胞特征模型应用于未知类型或未知状态的细胞的分类或聚类。
[0008]进一步地，所述的细胞识别的方法中，所述细胞牵引力信息还包括该点细胞牵引力的方向。
[0009]进一步地，所述的细胞识别的方法中，所述细胞牵引力信息还包括该点细胞牵引力的大小或方向在一定时间间隔内的变化。
[0010]进一步地，所述的细胞识别的方法中，所述细胞信息还包括细胞形貌信息。
[0011]进一步地，所述的细胞识别的方法中，所述细胞信息是在对细胞进行细胞限定操作下获取的。
[0012]专利技术人同时提供了一种细胞识别的装置，包括信息获取单元、预处理单元、学习单元和识别单元；
[0013]所述信息获取单元用于获取细胞信息，所述细胞信息包括基于细胞力学传感器获取的细胞中某点的细胞牵引力信息，所述细胞牵引力信息包括该点细胞牵引力的大小；
[0014]所述预处理单元用于对细胞信息做预处理，形成结构化细胞信息；所述结构化细胞信息包括细胞数目、细胞特征数目和各细胞特征的特征信息；
[0015]所述学习单元用于以结构化细胞信息作为输入数据，利用有监督、无监督或半监督的机器学习建立细胞特征模型；
[0016]所述识别单元用于将所述细胞特征模型应用于未知类型或未知状态的细胞的分类或聚类。
[0017]进一步地，所述的细胞识别的装置中，所述细胞牵引力信息还包括该点细胞牵引力的方向。
[0018]进一步地，所述的细胞识别的装置中，所述细胞牵引力信息还包括该点细胞牵引力的大小或方向在一定时间间隔内的变化。
[0019]进一步地，所述的细胞识别的装置中，所述细胞信息还包括细胞形貌信息。
[0020]进一步地，所述的细胞识别的装置中，所述细胞信息是在对细胞进行细胞限定操作下获取的。
[0021]专利技术人同时还提供了一种细胞识别的系统，包括细胞力学传感器和如上技术方案所述的细胞识别装置。
[0022]进一步地，所述的细胞识别的系统中，还包括细胞形貌信息获取装置，用于获取细胞形貌信息。
[0023]进一步地，所述的细胞识别的系统中，所述细胞形貌信息获取装置包括显微照相机或显微摄像机。
[0024]进一步地，所述的细胞识别的系统中，还包括细胞限定装置，用于对细胞进行细胞限定操作。
[0025]区别于现有技术，上述技术方案具有如下优点：本专利技术利用细胞力学传感器获取细胞力学信息用于细胞识别，这种细胞识别不仅包括细胞的类型，也包括细胞的状态；而且本技术对活细胞无创无影响，具有实时、高通量、高分辨率的显著优势，可基于对每个单细胞的牵引力进行测量，进而识别不同类型细胞，并可进一步用于侦测细胞力受化疗药物的影响，甚至细胞分选，用于生物医药、医疗方面的都具有很大的应用价值。
附图说明
[0026]图1为本专利技术第四实施例中对某点位位移信息标量化处理的示意图；
[0027]图2为本专利技术第五实施例扩展实施方式中所述将建立的细胞特征模型用于未知细胞或未知细胞表现型的识别的结果图A；
[0028]图3为本专利技术第五实施例扩展实施方式中所述将建立的细胞特征模型用于未知细胞或未知细胞表现型的识别的结果图B；
[0029]图4为本专利技术第十二实施例所述细胞识别的装置的结构示意图；
[0030]图5为本专利技术第十八实施例所述细胞识别的系统的结构示意图。
[0031]附图标记说明：
[0032]1 信息获取单元
[0033]2 预处理单元
[0034]3 学习单元
[0035]4 识别单元
[0036]10
‑
细胞力学传感器
[0037]20
‑
细胞识别的装置
[0038]30
‑
细胞形貌信息获取装置
[0039]40
‑
细胞限定装置
具体实施方式
[0040]为详细说明技术方案的
技术实现思路
、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。
[0041]第一实施例
[0042]一种细胞识别的方法(仅细胞牵引力大小，无标签)，包括如下步骤：
[0043]S1、获取细胞信息，所述细胞信息为基于细胞力学传感器获取的细胞中某点的细胞牵引力的大小，具体为：使用细胞力学传感器对多个细胞进行细胞信息采集，其中包括对各个细胞的多点进行细胞牵引力大小信息采集，从而获取多个细胞中的多点细胞牵引力大小数据；
[0044]S2、对获取的细胞牵引力大小信息做预处理，形成结构化细胞信息；所述结构化细胞信息包括细胞数目、细胞特征数目和各细胞特征的特征信息，此时结构化细胞信息可以视为一个M
N
×
P
的二维特征矩阵(Featurematrix)，其中N为细胞数目，P为细胞特征数目，此处P＝1，即细胞特征为细胞牵引力大小；
[0045]S3、以上述的结构化细胞信息作为输入数据，利用无监督机器学习建立细胞特征模型，并将所述细胞特征模型应用于未知类型或未知状态的细胞的聚类。
[0046]在另外一些与本实施例类似的实施方式里，可以以如下的方式进行优化或改进：对单个细胞而言，对其获取的多点细胞牵引力大小信息做进一步的信息处理，例如计算出：单位面积细胞牵引力大小的平均值；细胞牵引力大小在细胞内的分布情况；等维度的信息，可以此作为新的细胞特征，添加入步骤S2中所述的二维特征矩阵，即扩充P的内容，然后经由后续的机器学习来获知哪种特征能够更好的将不同类型或状态的细胞区别开来。
[0047]第二实施例
[0048]一种细胞识别的方法(仅细胞牵引力大小，有标签)，包括如本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种细胞识别的方法，其特征在于，包括如下步骤：获取细胞信息，所述细胞信息包括基于细胞力学传感器获取的细胞中某点的细胞牵引力信息，所述细胞牵引力信息包括该点细胞牵引力的大小；对细胞信息做预处理，形成结构化细胞信息；所述结构化细胞信息包括细胞数目、细胞特征数目和各细胞特征的特征信息；以结构化细胞信息作为输入数据，利用有监督、无监督或半监督的机器学习建立细胞特征模型，并将所述细胞特征模型应用于未知类型或未知状态的细胞的分类或聚类。2.如权利要求1所述的细胞识别的方法，其特征在于，所述细胞牵引力信息还包括该点细胞牵引力的方向。3.如权利要求1所述的细胞识别的方法，其特征在于，所述细胞牵引力信息还包括该点细胞牵引力的大小或方向在一定时间间隔内的变化。4.如权利要求1所述的细胞识别的方法，其特征在于，所述细胞信息还包括细胞形貌信息。5.如权利要求1所述的细胞识别的方法，其特征在于，所述细胞信息是在对细胞进行细胞限定操作下获取的。6.一种细胞识别的装置，其特征在于，包括信息获取单元、预处理单元、学习单元和识别单元；所述信息获取单元用于获取细胞信息，所述细胞信息包括基于细胞力学传感器获取的细胞中某点的细胞牵引力信息，所述细胞牵引力信息包括该点细胞牵引力的大小；所述预处理单元用于对细胞信息做预处理，形成结构化细胞信息...
【专利技术属性】
技术研发人员：权利要求书二页说明书一一页附图三页，
申请(专利权)人：瑞新福州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。