[发明专利]一种生物样本分选方法、声表面波微流控芯片、系统、终端以及存储介质

说明书

本申请涉及一种生物样本分选方法、声表面波微流控芯片、系统、终端以及存储介质。包括：将含有生物样本的混合液注入声表面波微流控芯片内，并向声表面波微流控芯片施加第一正弦信号，在声表面波微流控芯片内形成驻波声场对生物样本进行聚集；采集聚集后的生物样本图像；利用深度学习模型对生物样本图像进行运动目标识别及追踪，对所追踪到的运动目标进行聚类分析并分类，得到目标样本，并根据目标样本的运动速度生成目标样本的延时使能信号；根据延时使能信号向声表面波微流控芯片施加第二正弦信号控制目标样本移动，以对目标样本进行分选。本申请节约成本的同时，可以更加高效、精确、稳定、高通量地筛选特异性生物样本。

技术领域

本申请属于生物样本分选技术领域，特别涉及一种生物样本分选方法、声表面波微流控芯片、系统、终端以及存储介质。

背景技术

生物学的一个基本挑战是研究细胞之间存在的巨大差异。即使是那些具有相同基因组的细胞，其组成、结构和形态也会因其生理功能而产生差异。为了理解并利用这些细胞间的差异，需要从大量的异质群体中分选出具有特定形态特征的细胞。

目前的特异细胞分选方法主要包括：

(1)荧光激活细胞分选(Fluorescence-activated cell sorting,FACS)：能将处在快速直线流动状态中的细胞或生物颗粒进行多参数的、快速的定量分析和分选，并且能够精确计数和测量抗体与抗原结合所发出的荧光，具有快速、准确的优点，常用在骨髓和体液中的肿瘤细胞的检测，研究发现流式细胞术检测外周血肿瘤细胞的敏感性为每1000个外周血淋巴细胞中可检测出一个肿瘤细胞。然而该技术的缺点在于：设备昂贵，且缺乏特异性抗原，因此也限制了该技术的推广。该技术在分选细胞时，细胞的信息只是散点图上的一个点，而不是真实的细胞图像，只能处理低分辨率数据(约20个光散射和荧光信号)并用于实时数据处理和操作(即分选)，且缺乏细胞形态学、细胞结构及亚细胞水平信号分布的相关信息。

(2)成像流式细胞术(Imaging flow cytometry，IFC):成像流式细胞仪将标准流式细胞仪的统计能力和荧光敏感性与数字显微镜的空间分辨率和定量形态相结合。该技术提供了一种方便的方法来直接对血液中的细胞进行成像和分析，因此非常适合临床应用。该技术存在的缺点在于：通过成像流式细胞术对细胞样本进行评估会由于许多因素而变得复杂，而且由于数据传输和图像处理的速度有限，无法获得高维数据，因此无法执行实时驱动。提高数据处理吞吐量的典型策略是使用多台计算机并行处理数据，但这通常仅限于“离线”操作，因此需要较长的周转时间(超过几秒钟)，并且不允许实时启动。

(3)智能荧光激活细胞分选(Intelligent Image-Activated Cell Sorting,IACS)：通过流式细胞术，从光(通常是激光)与流动的细胞悬浮液之间的相互作用中收集信息，从而通过测量前向和侧向散射信号，得出细胞的大小，形状和荧光特性(弹性散射)，或用作特异性标记细胞的荧光标记物的生物标记物的发射波长(非弹性散射)并识别和收集靶标细胞群体。该技术使用频分复用显微镜(frequency division multiplexing,FDM)，通过将连续波激光束转换为具有不同调制频率的多个激光束，以此扫描细胞，并把透射的光束进行处理与合并同时得到清晰的明场和荧光图像。然而该光路系统对时间的调控极为严格，成本极高。且由于使用了荧光标记试剂，标记试剂可能会在收集之前或靶向过程中意外激活或抑制结合细胞，从而改变其行为导致不准确的细胞分析。而且所使用的学习算法是有监督学习(supervised learning)，需要大量标注(label)好的数据作为训练集，成本高，且不易于推广。