细胞培养物的自动分析制造技术

本发明专利技术提供了一种用于分析细胞培养物图像数据，特别是用于分析细胞培养物中细胞事件发生的时空行为的计算机实现方法。所述方法包括获得包括所述细胞培养物在多个连续时间点处的一组图像的图像数据；使用图像分析算法来确定至少第一细胞群中的细胞在所述图像中的每一个中的位置；将细胞在所述图像中的所述位置中的至少一些链接到相应细胞轨迹中；以及识别多个细胞轨迹中的每一个中细胞事件发生的时间和位置。所述方法还可以包括获得已识别的所述事件的时空图；以及量化所述事件发生的时空模式。空模式。空模式。

【技术实现步骤摘要】
【国外来华专利技术】细胞培养物的自动分析


[0001]本专利技术部分涉及用于通过分析来自培养物的图像数据系列来进行细胞培养物的自动分析的方法，包括凋亡的自动、空间和时间分辨的量化。还公开了相关联的系统、计算机可读介质和软件产品。

技术介绍

[0002]微流体和微制造的最新进展激发了新的解决方案，以在体外复制3D微架构，该微架构模仿器官功能单元和肿瘤微环境的特征。当在微流体芯片的上下文中提供时，该技术被称为“器官芯片”(OoC)[1
‑
3]和“肿瘤芯片”(ToC)[4
‑
6]。OoC/ToC技术具有诸多优点，诸如严格控制物理化学和生物条件(细胞类型、3D仿生水凝胶、生化环境)、细胞动力学的实时观察、小型化(需要很少的细胞和很少的试剂)、快速结果和低成本。例如，本专利技术人先前证明，重建和可视化芯片上各种肿瘤生态系统是可行的，这些肿瘤生态系统由多达四种细胞类型(癌细胞、免疫细胞、癌相关联成纤维细胞和内皮细胞)构成。这些肿瘤生态系统可以用各种抗癌药物进行治疗，包括标准化疗和靶向疗法(例如，曲妥珠单抗)[7,8,37]。这些视频使增殖(通过手动计算有丝分裂事件)、凋亡(通过手动计算凋亡死亡)和癌症免疫细胞相互作用(通过使用CellHunter跟踪方法[32]跟踪细胞并识别其中细胞在彼此距离内的时间间隔)的可视化和量化在这些不同的治疗中成为可能。本专利技术人进一步证明了将深度学习方法应用于ToC的延时显微图像以分析细胞运动性[37]并检测抗癌药物对细胞运动性的影响的潜力。
[0003]尽管该潜力巨大，但到目前为止，ToC的使用仅限于专业实验室，尚未惠及广泛的癌症研究员群体。已提出了在基础和转化研究以及临床中的若干有前景的应用，但它们的实施方式显然需要进一步发展。特别地，ToC技术起飞的一个主要瓶颈是缺乏计算机工具来处理、分析和充分利用由ToC成像生成的丰富信息。
[0004]本专利技术试图为这些需要提供解决方案，并且提供进一步的相关优点。

技术实现思路

[0005]本专利技术人着手开发和验证一种新型计算方法，以自动提取ToC培养物中细胞死亡(特别是癌细胞死亡)的时间动力学和空间图。集成先进的图像分析工具和方法以根据由图像分析工具产生的数据量化凋亡事件为利用来自OoC/ToC实验的丰富数据以导出有用见解并使未来OoC/ToC应用于高通量药物筛选中成为可能的问题提供了一种新的强大的解决方案。
[0006]因此，在第一方面中，本专利技术提供了一种用于分析细胞培养图像数据的计算机实施方法，该方法包括：
[0007]访问包括细胞培养物在多个连续时间点(t＝1，...，T)处的一组图像(V(x，y，t))的图像数据，其中图像数据包括与细胞的存在相关联的第一信号和与细胞事件的发生相关联的第二信号；
[0008]使用图像分析算法来根据第一信号确定至少第一细胞群((x
tc
(t)，y
tc
(t))中的细胞在图像(V(x，y，t))中的每一个中的位置；
[0009]将细胞在图像中的位置中的至少一些链接到相应细胞轨迹中，其中细胞轨迹识别单个细胞，在一组图像中的多个连续图像中的位置
[0010]通过以下方式识别在多个细胞轨迹中的每一个中细胞事件发生的时间和位置
[0011](i)量化与其中存在相应细胞轨迹的每个图像中的细胞相关联的第二信号(μ
tc
(t))；
[0012](ii)获得应用于(i)中的值并与细胞事件的发生相关联的标准；以及
[0013](iii)将在多个细胞轨迹中的每一个中细胞事件发生的时间识别为与其中(i)中获得的值满足(ii)中的标准的相应轨迹中的第一图像相关联的时间，并且将细胞事件发生的位置识别为细胞在细胞事件发生的时间处的位置
[0014]作为该方法的结果，对于通过细胞培养物的图像序列识别和跟踪的每个单个细胞，检测目标的特定细胞事件的发生。例如出于研究细胞运动性的目的，已提出了跨连续图像跟踪细胞的现有技术方法。已提出了量化其中细胞事件随时间变化而发生的细胞的全局比例的其它方法。本方法通过检测细胞轨迹中的细胞事件的发生来集成这两种类型的信息，从而提供空间和时间分辨的信息，从而使得能够研究经历特定细胞事件的细胞彼此之间的效应，以及各种因素对这些效应的影响。
[0015]根据本专利技术的该方面和其它方面，该方法可以进一步包括以下特征中的任一个。
[0016]图像在本文中可以被称为“帧”。一组图像在本文中可以被称为视频或延时视频。每个图像或帧都与时间t相关联。图像优选地是二维图像。一组图像也可以表示为一组数据点，其中每个点(x,y,t)表示在时间t处在位置(x，y)处的像素((x，y，t)∈{1，..，D1}
×
{1，..D2}
×
{1，..T})。每个数据点可以与同第一通道相关联的第一值(I
红色
(x，y，t))和同第二通道相关联的第二值(I
绿色
(x，y，t))相关联。来自第一通道的数据可以一起形成第一信号。来自第二通道的数据可以一起形成第二信号。
[0017]多个连续时间点可以由诸如例如1小时的固定时间间隔分开。可以根据所监测的细胞事件的预期动态和/或与图像采集和/或处理相关的实际考虑来选择固定时间间隔的长度。如本领域技术人员所理解的，在多个连续时间点由固定时间间隔分开的情况下，时间t的值可以被称为连续整数1,
…
T，其中T是一组图像中的图像的总数量(诸如例如延时视频中的帧数)。
[0018]如以下将进一步解释的，与细胞的存在相关联的第一信号和与细胞事件的发生相关联的第二信号可以从公共通道获得。此外，第一信号和第二信号可以与公共标记物相关联，但与不同的视觉特征组相关联。例如，与细胞事件的发生相关联的信号可以与标记细胞
是否已发生细胞事件的标记物相关联，但其中信号的强度和/或空间特征在细胞事件发生时以可检测的方式改变。
[0019]步骤(i)可以包括识别与相应轨迹中的每个细胞位置相关联的前景区域(R
F
(x
tc
(t)，y
tc
(t)))和背景区域(R
B
(x
tc
(t)，y
tc
(t)))。前景区域和背景区域可以各自以相应轨迹中的每个细胞位置为中心。步骤(i)可以进一步包括量化前景区域中的第二信号和背景区域中的第二信号并且通过执行背景减法来量化与细胞相关联的第二信号。量化前景区域和背景区域中的第二信号可以包括获得相应区域之上的第二信号的汇总度量。
[0020]有利地，使用背景校正来量化第二信号能够去除由背景噪声或附近的其它细胞产生的潜在误导信号，从而获得更可能对所研究的特定细胞具有特异性的信号。
[0021]在实施例中，汇总度量选自：相应区域之上的第二信号的平均值、中值、修整平均值、修整中值、预定百分位数和预定四分位数。
[0022]在实施例中，用于根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种分析细胞培养物图像数据的计算机实现方法，所述方法包括：访问包括细胞培养物在多个连续时间点(t＝1，...，T)处的一组图像(V(x，y，t))的图像数据，其中所述图像数据包括与细胞的存在相关联的第一信号和与细胞事件的发生相关联的第二信号；使用图像分析算法来根据所述第一信号确定至少第一细胞群((x
tc
(t)，y
tc
(t))中的细胞在所述图像(V(x，y，t))中的每一个中的位置；将细胞在所述图像中的所述位置中的至少一些链接到相应细胞轨迹中，其中细胞轨迹识别单个细胞在所述一组图像中的多个连续图像中的位置通过以下方式识别在多个细胞轨迹中的每一个中细胞事件发生的时间和位置(i)量化与其中存在所述相应细胞轨迹的每个图像中的所述细胞相关联的所述第二信号(μ
tc
(t))；(ii)获得应用于(i)中的值并与所述细胞事件的所述发生相关联的标准；以及(iii)将在所述多个细胞轨迹中的每一个中所述细胞事件发生的所述时间识别为与其中(i)中获得的所述值满足(ii)中的标准的相应轨迹中的第一图像相关联的时间，并且将所述细胞事件发生的所述位置识别为所述细胞在所述细胞事件发生的所述时间处的位置2.根据权利要求1所述的方法，其进一步包括通过针对步骤(iii)中识别的所述细胞事件的每次发生定义与所述图像上的所述位置相关联的事件区域来在所述多个连续时间点(t＝1，...，T)处生成所述细胞培养物的一组人工图像(MD(x，y，t))，其中所述事件区域具有与所述图像中的其余部分不同的像素强度。3.根据权利要求2所述的方法，其中生成所述细胞培养物的一组人工图像(MD(x，y，t))进一步包括：针对所述一组人工图像(MD(x，y，t))中的每个事件区域，在所述事件区域所位于的所述图像之后的一组连续图像中包括事件尾流区域，其中使用先前图像中的所述事件区域获得图像中的事件尾流区域。4.根据权利要求3所述的方法，其中通过将侵蚀算子应用于每个图像MD(x，y，t)来使用所述先前图像中的所述事件区域获得图像中的事件尾流区域，其中(x，y，t)∈{1，..，D1}
×
{1，..D2}
×
{2，..T}。5.根据权利要求2至4中任一项所述的方法，其进一步包括生成一个或多个累积图所述一个或多个累积图各自在大小的滑动窗口中聚合所述一组人工图像的连续帧中的信息，从而生成与在时间窗口中的任何点处存在事件或事件尾流的每个区域
对应的集成事件区域，任选地，其中每个由下式定义其中6.根据权利要求5所述的方法，其进一步包括针对每个累积图或其部分计算事件诱导的潜力，所述事件诱导的潜力考虑了所述累积图或其部分中的每个集成事件区域的强度和所述累积图中的事件区域之间相对距离，任选地，其中至少部分地通过以下方式来确定事件诱导的潜力：识别所述累积图或其部分中的所有非连接的集成事件区域；计算每个非连接的集成事件区域中的所述信号的汇总值；计算所有成对非连接的集成事件区域之间的距离；以及计算针对每对非连接的集成事件区域的汇总值，其中针对每对非连接的集成事件区域的所述汇总值与所述一对中的两个所述非连接的集成事件区域中的所述信号的所述汇总值成比例，并且与所述一对非连接的集成事件区域之间的所述距离成反比。7.根据任一项前述权利要求所述的方法，其中步骤(i)包括：识别前景区域(R
F
(x
tc
(t)，y
tc
(t)))和背景区域(R
B
(x
tc
(t)，y
tc
(t)))，所述前景区域和所述背景区域与相应轨迹中的每个细胞位置相关联，诸如例如以其为中心；量化所述前景区域中的所述第二信号和所述背景区域中的所述第二信号以及通过执行背景减法来量化与所述细胞相关联的所述第二信号，任选地，其中量化所述前景区域和所述背景区域中的所述第二信号包括在相应区域之上获得针对所述第二信号的汇总度量。8.根据...

【专利技术属性】
技术研发人员：E，
申请(专利权)人：豪夫迈，
类型：发明
国别省市：