Information processing method and information processing device for flow cytometer and flow cytometer

Abstract

An information processing method and information processing device for a flow cytometer, and a flow cytometer are provided according to the present disclosure. The information processing method includes: acquiring a sample signal through a detection channel included in the flow cytometer in a case that a sample fluid flows through the flow cytometer; and determining the number of peaks of the sample signal to characterize sensitivity corresponding to the detection channel. The sample fluid includes multiple types of particles corresponding to different signal intensities, respectively, and the multiple types of particles include unstained particles.

Description

INFORMATION PROCESSING METHOD AND INFORMATION PROCESSING DEVICE FOR FLOW CYTOMETER AND FLOW CYTOMETERFIELD

[0001] The present disclosure relates to the field of flow cytometers, and in particular to an information processing method and an information processing device for a flow cytometer and a flow cytometer.BACKGROUND

[0002] Flow cytometers are widely applied. For example, the flow cytometers are applied to various aspects of the field of life sciences. Sensitivity is an important parameter to evaluate performance of the flow cytometer.SUMMARY

[0003] A brief summary of the present disclosure is given below to provide a basic understanding of certain aspects of the present disclosure. However, it should be understood that, the summary is not an exhaustive overview of the present disclosure. The summary is neither intended to determine key or important parts of the present disclosure, nor intended to limit the scope of the present disclosure. The purpose of the summary is only to give some concepts about the present disclosure in a simplified form as a preface to a more detailed description given later.

[0004] One objective of the present disclosure is to provide an improved information processing method and information processing device for a flow cytometer, and a flow cytometer, so as to characterize sensitivity of the flow cytometer, and the like.

[0005] According to an aspect of the present disclosure, an information processing method for a flow cytometer is provided. The information processing method includes: acquiring a sample signal through a detection channel included in the flow cytometer in a case that a sample fluid flows through the flow cytometer; and determining the number of peaks of the sample signal to characterize sensitivity corresponding to the detection channel, where the sample fluid includes multiple types of particles corresponding to different signal intensities, respectively, and the multiple types of particles include unstained particles.

[0006] According to still another aspect of the present disclosure, an information processing device for a flow cytometer is provided. The information processing device includes a processing circuit configured to: acquire a sample signal through a detection channel included in the flow cytometer in a case that a sample fluid flows through the flow cytometer; and determine the number of peaks of the sample signal to characterize sensitivity corresponding to the detection channel, where the sample fluid includes multiple types of particles corresponding to different signal intensities, respectively, and the multiple types of particles includes unstained particles.

[0007] According to yet another aspect of the present disclosure, a flow cytometer including the above information processing device is provided.

[0008] According to other aspects of the present disclosure, computer program codes and a computer program product for implementing the information processing method according to the present disclosure, and a computer-readable storage medium storing the computer program codes for implementing the information processing method according to the present disclosure are further provided.

[0009] Other aspects of embodiments of the present disclosure are given in the following description. The detailed description is given for sufficiently disclosing preferred embodiments of the present disclosure instead of limiting the present disclosure.BRIEF DESCRIPTION OF THE DRAWINGS

[0010] The present disclosure can be better understood by referring to the detailed description given below in conjunction with the drawings. Same or similar reference signs are used to represent same or similar components throughout the drawings. The drawings, together with the following detailed description, are included in the specification and form a part of the specification, to further exemplify preferred embodiments of the present disclosure and to explain principles and advantages of the present disclosure. In the drawings:

[0011] Figure 1 is a flowchart showing an exemplary flow of an information processing method for a flow cytometer according to an embodiment of the present disclosure;

[0012] Figure 2 is a schematic diagram showing a specific example of a sensitivity test process according to an embodiment of the present disclosure;

[0013] Figure 3A to Figure 3F are schematic diagrams showing examples of sample signals acquired through six detection channels, respectively;

[0014] Figure 4 shows an example of a portion of a sensitivity test report acquired with an information processing method according to an embodiment of the present disclosure;

[0015] Figure 5 is a schematic diagram showing an example of a scattering signal acquired through a scattering channel;

[0016] Figure 6 is a block diagram showing a configuration example of an information processing device for a flow cytometer according to an embodiment of the present disclosure; and

[0017] Figure 7 is a block diagram of an exemplary structure of a personal computer applicable to an embodiment of the present disclosure.DETAILED DESCRIPTION OF EMBODIMENTS

[0018] Exemplary embodiments of the present disclosure are described below in conjunction with the drawings. For conciseness and clarity, not all features of an actual embodiment are described in this specification. However, it should be understood that numerous embodiment-specific decisions, for example, in accord with constraining conditions related to system and business, should be made when developing any of such actual embodiments, so as to achieve specific goals of a developer. These constraining conditions may vary with embodiments. Furthermore, it should be understood that although development work may be complicated and time-consuming, such development work is only a routine task for those skilled in the art benefiting from the present disclosure.

[0019] Here, it should also be noted that, in order to avoid blurring the present disclosure due to unnecessary details, only device structures and / or processing steps closely related to the solution according to the present disclosure are shown in the drawings, and other details not closely related to the present disclosure are omitted.

[0020] The embodiments according to the present disclosure are described in detail below in conjunction with the drawings.

[0021] Firstly, an implementation example of an information processing method for a flow cytometer according to an embodiment of the present disclosure is described with reference to Figure 1 to Figure 5. Figure 1 is a flowchart showing an exemplary flow of an information processing method 100 for a flow cytometer according to an embodiment of the present disclosure. Figure 2 is a schematic diagram showing a specific example of a sensitivity test process according to an embodiment of the present disclosure. Figure 3A to Figure 3F are schematic diagrams showing examples of sample signals acquired through six detection channels, respectively. Figure 4 shows an example of a portion of a sensitivity test report acquired with the information processing method 100. Figure 5 is a schematic diagram showing an example of a scattering signal acquired through a scattering channel.

[0022] As shown in Figure 1, the information processing method 100 according to the embodiment of the present disclosure starts at a step S102 and ends at a step S108. The information processing method 100 may include a sample signal acquisition step S104 and a peak number determination step S106.

[0023] In the sample signal acquisition step S104, in a case that a sample fluid (also referred to as "reagent" ) flows through the flow cytometer, a sample signal (for example, a fluorescence signal) is acquired through a detection channel (for example, a fluorescence channel) included in the flow cytometer. For example, the sample fluid includes multiple types of particles corresponding to different signal intensities, respectively. The multiple types of particles may include unstained particles (which may be referred to as "blank control" or "negative control" ) . That is, one type of particles among the multiple types of particles are unstained particles. In addition, other types of particles among the multiple types of particles are stained particles, which can emit fluorescence signals under excitation of a laser included in the flow cytometer. As can be understood, the unstained particles correspond to a smallest signal intensity among the multiple types of particles.

[0024] A same type of particles may correspond to a same signal intensity. It should be noted that, when two particles are corresponding to a same signal intensity, intensities of signals excited from the two particles under a same condition do not have to be exactly the same with each other, but the intensity of the signal excited from each of the two particles under the same condition is within a predetermined range corresponding to a type to which the two particles belong. Accordingly, intensities of signals excited from multiple types of particles corresponding to different signal intensities may be within different ranges.

[0025] For example, a type of a particle may be controlled by controlling an amount of a stain. For example, different types of particles may be stained by a same stain with different amounts.

[0026] For example, a type of a particle may be controlled by controlling a stain type. For example, different types of particles may be stained by different stains with a same amount.

[0027] For example, a type of a particles may be controlled by controlling a stain type and the amount of the stain. For example, different types of particles may be stained by different stains with different amounts.

[0028] In the peak number determination step S106, the number of peaks (also referred to as "peak number" ) included in the sample signal acquired in the sample signal acquisition step S104 may be determined to characterize sensitivity (also referred to as "fluorescence sensitivity" ) corresponding to the detection channel.

[0029] Sensitivity is an important parameter to characterize performance of a flow cytometry. According to some techniques, a coefficient of variation (CV) or a robust coefficient of variation (rCV) is used to characterize the sensitivity. The inventors of the application found through experiments that, when a sample fluid includes a blank control, in a sample signal obtained by a detection channel with lower sensitivity, a peak with lower signal intensity is mixed with and difficult to be distinguished from a peak corresponding to the blank control. Based on the founding, the inventors of the present application proposed the above method in which sensitivity is characterized based on the number of peaks in a sample signal obtained by detecting a sample fluid including a blank control. Compared with a way of characterizing the sensitivity based on CV or rCV of the sample signal, the sensitivity of the detection channel can be better characterized based on the number of peaks of the sample signal.

[0030] For example, the peak number may be determined with an appropriate data processing method according to actual needs. For example, a histogram drawn based on the sample signal may be smoothed and individual peaks may be obtained based on peak tops and peak valleys. Then, interfering peaks may be filtered out according to predetermined parameters (e.g., peak value, half-width, etc. ) and the number of remaining peaks is calculated as the peak number.

[0031] For example, the information processing method 100 can be used to characterize sensitivity at a level of several fluorescent molecules. Therefore, the information processing method 100 is applicable to a nano flow cytometer capable of detecting nanoparticles or extracellular vesicles, and is not limited thereto.

[0032] For example, a smaller difference between the peak number and the number of types of particles in the sample fluid indicates a higher sensitivity.

[0033] In a case that the flow cytometer includes multiple detection channels, for each detection channel of the detection channels, sensitivity of the detection channel may be characterized based on a peak number of a sample signal acquired through the detection channel as described above. For example, , for a first sample signal to a sixth sample signal as shown in Figure 3A to Figure 3F, which are acquired through a first detection channel CH1 to a sixth detection channel CH6, respectively, when the sample fluid includes eight types of particles, sensitivity of the first detection channel CH1 to the sixth detection channel CH6 may be determined based on the number of peaks in the first sample signal to the number of peaks in the sixth sample signal, respectively. It can be seen from Figure 3A to Figure 3F that, the first sample signal, the second sample signal and the third sample signal each has eight peaks, the fourth sample signal has six peaks, the fifth sample signal has five peaks, and the sixth sample signal has four peaks, which indicates that sensitivity of each of the first detection channel CH1, the second detection channel CH2 and the third detection channel CH3 is higher than sensitivity of each of the fourth detection channel CH4, the fifth detection channel CH5 and the sixth detection channel CH6, the sensitivity of the fourth detection channel CH4 is higher than the sensitivity of each of the fifth detection channel CH5 and the sixth detection channel CH6, and the sensitivity of the fifth detection channel CH5 is higher than the sensitivity of the sixth detection channel CH6.

[0034] For example, the information processing method 100 may be implemented independently of a daily quality control (QC) process, thereby saving running time of the daily QC process and reducing a cost of daily consumables.

[0035] For example, the information processing method 100 may be automatically implemented in response to an input of a user, so as to characterize the sensitivity more conveniently. For example, as shown in Figure 2, the information processing method 100 may start in response to a user entering a reagent number. The reagent number is used to select a sample fluid to be used in a sensitivity test process. In this specification, the sensitivity test process represents a process of characterizing or testing the sensitivity with the information processing method 100.

[0036] In addition, after the peak number is determined in the peak number determination step S106, the determined peak number may be presented to the user, for example, the determined peak number is displayed on a user interface, so as to facilitate determining the sensitivity based on the peak number by the user visually.

[0037] For example, the information processing method 100 may further include quantifying the sensitivity. In this case, the quantized sensitivity, or both the quantized sensitivity and the peak number may be presented to the user. For example, a coefficient corresponding to the peak number may be determined as the sensitivity. The corresponding coefficient is has a maximum value (that is, the sensitivity is highest) in a case that the peak number is equal to the number of types of particles in the sample fluid, and the coefficient decreases (that is, the sensitivity decreases) as a difference between the peak number and the number of types of particles in the sample fluid increases. For example, the coefficient corresponding to the peak number may be set based on experiences or a finite number of experiments.

[0038] For example, as shown in Figure 2, a notification indicating that the sensitivity test is passed or a notification indicating that the sensitivity test is failed may further be sent to the user, so as to further facilitate determining whether the sensitivity meets predetermined requirements by the user. As an example, the peak number determined in the peak number determination step S106 may be compared with a target peak number. In a case that the determined peak number is less than the target peak number, the notification indicating that the sensitivity test is failed is sent to the user. In a case that the determined peak number is not less than the target peak number, the notification indicating that the sensitivity test is passed is sent to the user. The target peak number may be set to the same or different for different detection channels, according to actual needs.

[0039] As another example, the quantized sensitivity may be compared with a first predetermined threshold. In a case that the quantized sensitivity is less than the first predetermined threshold, the notification indicating that the sensitivity test is failed is sent to the user. In a case that the quantized sensitivity is not less than the first predetermined threshold, the notification indicating that the sensitivity test is passed is sent to the user. The first predetermined threshold may be set to the same or different for different detection channels, according to actual needs.

[0040] In some examples, in addition to the peak number or the quantified sensitivity, another parameter is further considered for determining whether the sensitivity test is passed, which will be described in more detail later.

[0041] As shown in Figure 2, in a subsequent stage of the sensitivity test process, the sample fluid may be unloaded and a sample pipeline may be cleaned.

[0042] For example, the information processing method 100 may further include: determining a distance between a first subset and a second subset of the sample signal corresponding to a first peak and a second peak, respectively (not shown) . For example, the first peak may be a peak with a smallest signal intensity among the peaks of the sample signal. That is, the first peak corresponds to the unstained particles. A signal intensity of the second peak may be greater than the signal intensity of the first peak and smaller than a signal intensity of any peak other than the first peak and the second peak. For example, for a first sample signal shown in Figure 3A, the first peak and the second peak may be a peak P1 and a peak P2 respectively, and the first subset and the second subset may be an envelope corresponding to the first peak P1 and an envelope corresponding to the second peak P2, respectively. In Figure 3A to Figure 3F, subsets of the sample signal corresponding to peaks are shown as horizontal lines each with vertical lines at both ends. It should be noted that in Figure 3A to Figure 3F, reference numerals P1, P2, P3, P4, P5, P6, P7, and P8 are used to indicate peaks with signal intensities increasing sequentially. However, a same reference numeral does not necessarily indicate a same peak in different Figures.

[0043] For example, the sensitivity may be characterized based on the number of peaks of the sample signal and the distance between the first subset and the second subset of the sample signal, in which way, the sensitivity of the detection channel could be characterized better. For example, for a given sample fluid, when the peak number is fixed, a greater distance indicates a higher sensitivity.

[0044] For example, the sensitivity may be quantified. Specifically, the distance may be normalized to a value less than or equal to 1, and a value acquired by multiplying the coefficient corresponding to the peak number by the normalized distance is used as the sensitivity.

[0045] As an example, the distance between the first subset and the second subset may be expressed by a Fisher distance FD. In this case, the distance may be acquired through the following equation (1) :

[0046]

[0047] In equation (1) , MFI1 and MFI2 represent a median of the first subset and a median of the second subset, respectively, and δ1 and δ2 represent a standard variance of the first subset and a standard variance of the second subset, respectively.

[0048] As another example, the distance between the first subset and the second subset may be expressed by a Stain Index (SI) . In this case, the distance may be acquired by through the following equation (2) :

[0049]

[0050] For example, the information processing method 100 may further include acquiring a scattering signal through a scattering channel included in the flow cytometer in a case that the sample fluid flows through the flow cytometer (not shown) . The inventors of the application found through experiments that, in a case that the sample fluid flows through the flow cytometer, the scattering signal has two peaks, and a peak number of the scattering signal does not change with the number of types of particles in the sample fluid. The inventors found through analysis that a peak with a greater signal intensity among the two peaks of the scattering signal corresponds to fluorescence signal emitted by the sample fluid, while a peak with a lower signal intensity (i.e., the peak with a lowest signal intensity) corresponds to a background noise. Therefore, the background noise may be determined based on a subset of the scattering signal corresponding to the peak with the lowest signal intensity. For example, for an example of a scattering signal shown in Figure 5, the background noise may be determined based on a subset of the scattering signal corresponding to a peak P1.

[0051] For example, the information processing method 100 may further include determining a resolution of the detection channel (not shown) . As an example, the resolution of the detection channel may be characterized based on CV or rCV of one or more peaks (in some examples, a peak with a greatest signal intensity) of the sample signal. For example, a smaller CV or rCV indicates a higher resolution. The way of obtaining CV and rCV is known in the art, and therefore is not described in detail.

[0052] As another example, the resolution of the detection channel may be characterized based on a distance between subsets of the sample signal corresponding to two adjacent peaks in the peaks of the sample signal except the first peak, in which way, the resolution could be characterized more accurately. For example, for a given sample fluid, a greater distance indicates a greater resolution of a corresponding detection channel.

[0053] For example, the distance between the subsets of the sample signal corresponding to the two adjacent peaks may be expressed by a Fisher distance or a Stain Index.

[0054] The inventors of the application found through experiments that the resolution can be characterized better based on a distance between a third subset and a fourth subset of the sample signal corresponding to a peak (which may be referred to as "third peak" ) with the greatest signal intensity among the peaks of the sample signal and a peak (which may be referred to as "fourth peak" ) with a signal intensity second only to the signal intensity of the third peak.

[0055] For example, a distance between any two peaks may further be measured according to actual needs, to characterize relevant characteristics of the sample fluid. For example, a distance between the first peak and each peak other than the first peak may be measured.

[0056] For example, as shown in Figure 2, the sensitivity test process may include: determining a concentration of the sample fluid before acquiring the sample signal. In a case that the determined concentration of the sample fluid is not greater than a second predetermined threshold, a notification about the concentration of the sample fluid may be issued, so that the user is notified to place a correct sample fluid. For example, the second predetermined threshold is related to presence of the sample fluid, and the determined concentration of the sample fluid smaller than the second predetermined threshold indicates that no sample fluid flows through the flow cytometer. For example, the concentration of the sample fluid may be expressed by events per second. In this case, the second predetermined threshold, for example, may be but not limited to 50. Those skilled in the art can set the second predetermined threshold according to actual situations.

[0057] For example, as shown in Figure 2, the sensitivity test process may include determining performance of the detection channel before acquiring the sample signal. For example, determining performance of the detection channel may include: adjusting, in a case that all lasers included in the flow cytometer are turned on, a gain of a signal of the detection channel to cause a median of a predetermined subset of the sample signal corresponding to a predetermined peak to be a first target median; and determining that the performance of the detection channel meets predetermined requirements in a case that the following three conditions 1) to 3) are met: 1) the median of the predetermined subset of the sample signal after adjustment of the gain is within a first predetermined range; 2) CV or rCV of the predetermined subset is less than a first predetermined value; and 3) a deviation of the adjusted gain from the unadjusted gain is within a second predetermined range. In some examples, in a case that at least one of the above conditions 1) to 3) is met, it is determined that the performance of the detection channel meets the predetermined requirements. In addition, in some examples, in a case that the performance of the detection channel does not meet the predetermined requirements, a notification may be sent to the user to prompt the user to adjust corresponding parameters of the flow cytometer.

[0058] For example, performance of different detection channels may be determined using a same predetermined peak. For example, for each detection channel, a peak with a greatest signal intensity may be used as the predetermined peak for determining the performance of the detection channel. Apparently, another peak may also be used as the predetermined peak according to actual needs. In some examples, performance of different detection channels may be determined using different predetermined peaks, respectively.

[0059] As shown in Figure 2, a sensitivity test report may be presented to the user. For example, the sensitivity test report may include the acquired sample signal. For example, in the sensitivity test report, the acquired sample signal may presented in a form of a logarithmic graph as shown in Figure 3A to Figure 3F. In addition, as shown in Figure 4, the sensitivity test report may include multiple parameters acquired during the sensitivity test process, such as a gain, a target gain, a deviation from the target gain, a median (i.e., the median of the predetermined subset corresponding to the predetermined peak) , a target median, a deviation from the target median, rCV (i.e., rCV of the predetermined subset) , target rCV, the distance (e.g. FD or SI) between the first subset and the second subset, the peak number, the target peak number and / or a sensitivity test result (i.e. pass or fail) . In Figure 4, "√" indicates the sensitivity test is passed. In addition, the sensitivity test report may include more or fewer parameters than those shown in Figure 4 according to actual needs. For example, in some examples, the sensitivity test report may further include the concentration of the sample fluid, a target concentration (e.g., the second predetermined threshold mentioned above) , and a determination result on whether the concentration of the sample fluid is less than the target concentration. In addition, in some examples, the sensitivity test report may further include a determination criterion for the sensitivity test result, for example, one or more of a first determination criterion to a fourth determination criterion described below.

[0060] An example in which whether the sensitivity test is passed is determined based on the peak number or the quantized sensitivity as described above. In some examples, in addition to the peak number or the quantized sensitivity, other parameters, for example, one or more of the deviation from the target median, the rCV, and the distances between the first subset and the second subset may further be considered. For example, in some examples, in a case that the first determination criterion and one or more of the second determination criterion to the fourth determination criterion are met, it is determined that the sensitivity test is passed. The first determination criterion may be that the peak number is not less than the target peak number. The second determination criterion may be that the deviation from the target gain is within a predetermined range R1 (for example, -20%≤the deviation from the target gain≤20%) . The third determination criterion may be that the rCV is not greater than the target rCV. The fourth determination criterion may be that the deviation from the target median is within a predetermined range R2 (for example, -5%≤the deviation from the target median≤5%) . For example, in some examples, it is determined that the sensitivity test is passed in a case that all of the first determination criterion to the fourth determination criterion are met.

[0061] The information processing method 100 for a flow cytometer according to the embodiments of the present disclosure has been described above. Corresponding to the embodiments of the information processing method 100 for a flow cytometer mentioned above, embodiments of an information processing device for a flow cytometer are further provided according to the present disclosure. Figure 6 is a block diagram showing a configuration example of an information processing device 600 for a flow cytometer according to an embodiment of the present disclosure.

[0062] For example, as shown in Figure 6, the information processing device 600 according to an embodiment of the present disclosure may include a processing circuit 602.

[0063] The processing circuit 602 may be configured to acquire a sample signal through a detection channel included in the flow cytometer in a case that a sample fluid flows through the flow cytometer; and determine the number of peaks of the sample signal to characterize sensitivity corresponding to the detection channel. For example, the sample fluid may include multiple types of particles corresponding to different signal intensities, respectively, and the multiple types of particles may include unstained particles. Compared with a way of characterizing the sensitivity based on a coefficient of variation or a robust coefficient of variation of the sample signal, the sensitivity of the detection channel can be characterized better based on the number of peaks of the sample signal.

[0064] For example, the processing circuit 602 may be configured perform the information processing method 100 described above. Therefore, the above description of the information processing method 100 in conjunction with Figure 1 to Figure 5 may be refereed to for details, and only a brief description will be given below.

[0065] For example, the processing circuit 602 may further be configured to send a notification indicating that the sensitivity test is passed or a notification indicating that the sensitivity test is failed to the user, so as to further facilitate determining whether the sensitivity meets predetermined requirements by the user.

[0066] For example, the processing circuit 602 may further be configured to determine a distance between a first subset and a second subset of the sample signal corresponding to a first peak and a second peak, respectively, and characterize the sensitivity based on the number of peaks of the sample signal and the distance, so that the sensitivity of the detection channel could be characterized better. For example, the first peak may be a peak with a smallest signal intensity among the peaks of the sample signal. A signal intensity of the second peak may be greater than the signal intensity of the first peak and smaller than a signal intensity of any peak other than the first peak and the second peak.

[0067] As an example, the distance between the first subset and the second subset may be expressed by a Fisher distance FD. In this case, the distance may be acquired through the above equation (1) .

[0068] As another example, the distance between the first subset and the second subset may be expressed by a stain index SI. In this case, the distance may be acquired through the above equation (2) .

[0069] For example, the processing circuit 602 may further be configured to acquire a scattering signal through a scattering channel included in the flow cytometer in a case that the sample fluid flows through the flow cytometer, and determine a background noise based on a subset of the scattering signal corresponding to a peak with a smallest signal intensity.

[0070] For example, the processing circuit 602 may further be configured to determine a resolution of the detection channel.

[0071] For example, the processing circuit 602 may further be configured to characterize the resolution of the detection channel based on a distance between subsets of the sample signal corresponding to two adjacent peaks in peaks of the sample signal other than the first peak.

[0072] For example, the distance between the subsets of the sample signal corresponding to the two adjacent peaks may be expressed by a Fisher distance or a Stain Index.

[0073] For example, the processing circuit 602 may further be configured to characterize the resolution of the detection channel based on a distance between a third subset and a fourth subset of the sample signal corresponding to a peak (which may be referred to as "third peak" ) with a greatest signal intensity among the peaks of the sample signal and a peak (which may be referred to as "fourth peak" ) with a signal intensity second only to the signal intensity of the third peak.

[0074] For example, the processing circuit 602 may further be configured to measure a distance between any two peaks to characterize relevant characteristics of the sample fluid.

[0075] For example, the processing circuit 602 may further be configured to determine a concentration of the sample fluid before acquiring the sample signal, and issue a notification about the concentration of the sample fluid in a case that the determined concentration of the sample fluid is not greater than a second predetermined threshold, to notify the user of placing a correct sample fluid.

[0076] The processing circuit 602 may further be configured to determine performance of the detection channel before acquiring the sample signal.

[0077] In addition, a flow cytometer including the information processing device 600 is further provided according to the present disclosure. For example, the flow cytometer may include but is not limited to a nano flow cytometer for detecting nanoparticles or extracellular vesicles.

[0078] It should be noted that though functional configurations and operations of the information processing device and the information processing method for a flow cytometer as well as the flow cytometer according to the embodiments of the present disclosure have been described above, the above descriptions are merely illustrative rather than restrictive. Those skilled in the art may modify the above embodiments based on principles of the present disclosure. For example, those skilled in the art may add, delete or combine functional modules and operations in the above embodiments. Such modifications fall within the scope of the present disclosure.

[0079] It should further be noted that the device embodiments herein correspond to the above method embodiments. Therefore, for details not described in the device embodiments, reference may be made to corresponding description of the method embodiments, and these details are not repeated here.

[0080] In addition, a storage medium and a program product are further provided according to the present disclosure. It should be understood that machine executable instructions in the storage medium and the program product according to embodiments of the present disclosure may further be configured to perform the above information processing method. Therefore, details not described here may refer to corresponding parts in the above, and are not repeated here.

[0081] Accordingly, a storage medium for carrying the program product including machine executable instructions is also included in the present disclosure. The storage medium includes but is not limited to a floppy disk, an optical disk, a magneto-optical disk, a memory card, a memory stick and the like.

[0082] In addition, it should further be pointed out that the above series of processing and device may also be implemented by software and / or firmware. In a case that the above series of processing and device are implemented by software and / or firmware, a program constituting the software is installed from a storage medium or network to a computer with a dedicated hardware structure, for example, a general-purpose personal computer 700 as shown in Figure 7. The computer can perform various functions when being installed with various programs.

[0083] In Figure 7, a central processing unit (CPU) 701 performs various processing according to a program stored in a read-only memory (ROM) 702 or a program loaded from a storage part 708 to a random-access memory (RAM) 703. Data for the CPU 701 performing various processing is also stored in the RAM 703 as needed.

[0084] The CPU 701, the ROM 702 and the RAM 703 are connected to each other via a bus 704. An input / output interface 705 is also connected to the bus 704.

[0085] The following parts are connected to the input / output interface 705: an input part 706 including a keyboard, a mouse and the like; an output part 707 including a display such as a cathode ray tube (CRT) and a liquid crystal display (LCD) , a loudspeaker and the like; a storage part 708 including a hard disk and the like; and a communication part 709 including a network interface card such as a local area network (LAN) card, a modem and the like. The communication part 709 performs communication processing via a network, e.g., the Internet.

[0086] A driver 710 may also be connected to the input / output interface 705 as needed. A removable medium 711 such as a magnetic disk, an optical disk, a magneto-optical disk, and a semiconductor memory is installed in the driver 710 as needed, so that a computer program read from the removable medium 711 is installed in the storage part 708 as needed.

[0087] In a case that the above series of processing is implemented by software, the program constituting the software is installed from the network, e.g., the Internet or the storage medium, e.g., the removable medium 711.

[0088] Those skilled in the art should understand that the storage medium is not limited to the removable medium 711 as shown in Figure 7 that has the program stored therein and is distributed separately from the device so as to provide the program to the user. Examples of the removable medium 711 include a magnetic disk (including a floppy disk (registered trademark) ) , an optical disk (including a compact disk read only memory (CD-ROM) and a digital versatile disc (DVD) ) , a magneto-optical disk (including a MiniDisc (MD) (registered trademark) ) , and a semiconductor memory. Alternatively, the storage medium may be the ROM 702, a hard disk included in the storage part 708 or the like. The storage medium has a program stored therein and is distributed to the user together with a device in which the storage medium is included.

[0089] Preferred embodiments of the present disclosure have been described above with reference to the drawings. However, the present disclosure is not limited to the above embodiments. Those skilled in the art may acquire various modifications and changes within the scope of the appended claims. It should be understood that these modifications and changes naturally fall within the technical scope of the present disclosure.

[0090] For example, multiple functions implemented by one unit in the above embodiments may be implemented by separate devices. Alternatively, multiple functions implemented by multiple units in the above embodiments may be implemented by separate devices, respectively. In addition, one of the above functions may be implemented by multiple units. Such configuration is certainly included in the technical scope of the present disclosure.

[0091] In this specification, the steps described in the flowchart include not only processing performed in time series in the described order, but also processing performed in parallel or individually rather than necessarily in time series. Furthermore, the steps performed in time series may be performed in another order appropriately.

Claims

1.An information processing method for a flow cytometer, comprising:acquiring a sample signal through a detection channel comprised in the flow cytometer in a case that a sample fluid flows through the flow cytometer; anddetermining the number of peaks of the sample signal, so as to characterize sensitivity corresponding to the detection channel,wherein the sample fluid comprises a plurality of types of particles corresponding to different signal intensities, respectively, and the plurality of types of particles comprise unstained particles.2.The information processing method according to claim 1, whereinthe sensitivity is characterized based on the number of the peaks of the sample signal and a distance between a first subset and a second subset of the sample signal corresponding to a first peak and a second peak, respectively,wherein the first peak is a peak having a smallest signal intensity among the peaks, and a signal intensity of the second peak is greater than the signal intensity of the first peak and less than a signal intensity of any other peak than the first peak and the second peak among the peaks.3.The information processing method according to claim 2, whereinthe distance between the first subset and the second subset is expressed by a Fisher distance or a Stain Index.4.The information processing method according to any one of claims 1 to 3, further comprising:acquiring a scattering signal through a scattering channel comprised in the flow cytometer in a case that the sample fluid flows through the flow cytometer; anddetermining a background noise based on a first subset of the scattering signal,wherein the first subset of the scattering signal corresponds to a peak with a smallest signal intensity among peaks of the scattering signal.5.The information processing method according to any one of claims 1 to 3, further comprising:characterizing a resolution of the detection channel based on a distance between subsets of the sample signal corresponding to two adjacent peaks among the peaks except the first peak.6.The information processing method according to claim 5, wherein the two adjacent peaks are a third peak and a fourth peak; andthe third peak is a peak with a greatest signal intensity among the peaks, and a signal intensity of the fourth peak is second only to the signal intensity of the third peak among the peaks.7.The information processing method according to any one of claims 1 to 3, further comprising:determining a concentration of the sample fluid before acquiring the sample signal, and issuing a notification about the concentration of the sample fluid in a case that the concentration of the sample fluid is not greater than a predetermined threshold.8.The information processing method according to claim 7, further comprising:determining performance of the detection channel before acquiring the sample signal.9.An information processing device for a flow cytometer, comprising a processing circuit configured to:acquire a sample signal through a detection channel comprised in the flow cytometer in a case that a sample fluid flows through the flow cytometer; anddetermine the number of peaks of the sample signal, so as to characterize sensitivity corresponding to the detection channel,wherein the sample fluid comprises a plurality of types of particles corresponding to different signal intensities, respectively, and the plurality of types of particles comprise unstained particles.10.The information processing device according to claim 9, whereinthe sensitivity is characterized based on the number of the peaks of the sample signal and a distance between a first subset and a second subset of the sample signal corresponding to a first peak and a second peak, respectively,wherein the first peak is a peak having a smallest signal intensity among the peaks, and a signal intensity of the second peak is greater than the signal intensity of the first peak and less than a signal intensity of any other peak except the first peak and the second peak among the peaks.11.The information processing device according to claim 10, whereinthe distance between the first subset and the second subset is expressed by a Fisher distance or a Stain Index.12.The information processing device according to any one of claims 9 to 11, wherein the processing circuit is further configured to:acquire a scattering signal through a scattering channel comprised in the flow cytometer in a case that the sample fluid flows through the flow cytometer; anddetermine a background noise based on a first subset of the scattering signal,wherein, the first subset of the scattering signal corresponds to a peak with a smallest signal intensity among peaks of the scattering signal.13.The information processing device according to any one of claims 9 to 11, wherein the processing circuit is further configured to:characterize a resolution of the detection channel based on a distance between subsets of the sample signal corresponding to two adjacent peaks among the peaks except the first peak.14.The information processing device according to claim 13, wherein the two adjacent peaks are a third peak and a fourth peak; andthe third peak is a peak with a greatest signal intensity among the peaks, and a signal intensity of the fourth peak is second only to the signal intensity of the third peak among the peaks.15.The information processing device according to any one of claims 9 to 11, wherein the processing circuit is further configured to:determine a concentration of the sample fluid before acquiring the sample signal, and issue a notification about the concentration of the sample fluid in a case that the concentration of the sample fluid is not greater than a predetermined threshold.16.The information processing device according to claim 15, wherein the processing circuit is further configured to:determine performance of the detection channel before acquiring the sample signal.17.A flow cytometer, comprising the information processing device according to any one of claims 9 to 16.18.A computer-readable storage medium storing instructions that, when executed by a processor, cause the processor to execute the information processing method according to any one of claims 1 to 8.

Images