專利名稱：表面細(xì)胞質(zhì)基因組共振系統(tǒng)中的實(shí)時(shí)噪聲降低的自適應(yīng)線性濾波器的制作方法
技術(shù)領(lǐng)域：
一般來(lái)說(shuō)，本發(fā)明涉及表面細(xì)胞質(zhì)基因組共振(SPR)傳感圖中的噪聲降低的濾波方案，更具體來(lái)說(shuō)，涉及用于SI^R傳感圖中的噪聲降低的自適應(yīng)線性濾波方案。
背景技術(shù)：
表面細(xì)胞質(zhì)基因組共振(SPR)測(cè)量系統(tǒng)通常呈現(xiàn)采取傳感圖形式的樣本的折射率的所檢測(cè)變化。傳感圖是樣本的相對(duì)折射率對(duì)時(shí)間的生物分子交互作用圖，并且可包含一個(gè)或多個(gè)相位。圖的各相位包括僅緩沖期之后接著關(guān)聯(lián)和離解期。關(guān)聯(lián)和離解期包括生物分子的吸附和解吸，從而引起折射率的變化。能夠?qū)崟r(shí)跟蹤吸附-解吸，并且能夠確定所吸附物種量。sra傳感圖可包含能夠掩蔽傳感圖的特征或者以其它方式使其失真的不同類型的噪聲分量。噪聲分量可歸因于SI^R測(cè)量系統(tǒng)的光學(xué)設(shè)備中的測(cè)量不確定性。噪聲分量還可歸因于機(jī)械事件，例如控制樣本中的緩沖劑和分析物的流動(dòng)的閥的開(kāi)啟或閉合。此外， 由于溫度變化或者樣本非均勻性，測(cè)量中可存在漂移。已經(jīng)研究用于sra傳感圖中的噪聲降低的各種方案，包括線性和非線性濾波。線性濾波在降低存在于信號(hào)中的隨機(jī)噪聲分量方面能夠極為有效。但是，已經(jīng)注意到常規(guī)線性濾波具有若干缺點(diǎn)。當(dāng)常規(guī)線性濾波、如低通濾波應(yīng)用于SI^R傳感圖時(shí)，可平滑或消除傳感圖中的高頻特征、如銳過(guò)渡。這些銳過(guò)渡仍然可指示關(guān)鍵生物化學(xué)過(guò)程或事件，例如樣本中的分析物和配體之間的結(jié)合事件的開(kāi)始。平滑或消除這些銳過(guò)渡能夠使關(guān)于生物化學(xué)過(guò)程的關(guān)聯(lián)/離解率和其它重要指標(biāo)的確定更加困難或更不準(zhǔn)確。當(dāng)信號(hào)包括間斷性或其它異常時(shí)，常規(guī)線性濾波還能夠引起鳴震，從而使sra傳感圖中所示的生物化學(xué)過(guò)程或事件難以解釋。因此，希望具有一種用于在保存sra傳感圖中的重要信號(hào)特性的同時(shí)降低噪聲的線性濾波方法。

發(fā)明內(nèi)容
按照本發(fā)明的一個(gè)實(shí)施例，提供一種用于從表面細(xì)胞質(zhì)基因組共振設(shè)備所生成的 SI^R傳感圖中的噪聲的線性濾波的方法。該方法包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)傳感圖中的輸出信號(hào)進(jìn)行濾波。該方法還包括基于傳感圖中的信號(hào)的斜率以及事件發(fā)生的多個(gè)定時(shí)來(lái)確定線性濾波器的最佳長(zhǎng)度。因此，該方法包括在設(shè)備中的折射率的測(cè)量期間實(shí)時(shí)地確定自適應(yīng)濾波器長(zhǎng)度以用于降低傳感圖中的噪聲。按照本發(fā)明的另一個(gè)實(shí)施例，提供一種用于從表面細(xì)胞質(zhì)基因組共振設(shè)備所生成的傳感圖中的噪聲的線性濾波的方法。該方法包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)傳感圖中的輸出信號(hào)進(jìn)行濾波。該方法還包括基于設(shè)備中的表面細(xì)胞質(zhì)基因組共振的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定第一濾波器長(zhǎng)度。該方法還包括基于事件之間的信號(hào)的斜率來(lái)確定第二濾波器長(zhǎng)度。此外，該方法包括比較第一濾波器長(zhǎng)度和第二濾波器長(zhǎng)度，并且從第一濾波器長(zhǎng)度或者第二濾波器長(zhǎng)度中選擇較短長(zhǎng)度。按照本發(fā)明的又一個(gè)實(shí)施例，提供一種用于對(duì)表面細(xì)胞質(zhì)基因組共振傳感圖中的噪聲進(jìn)行濾波的線性濾波系統(tǒng)。該系統(tǒng)包括用于生成傳感圖的SI^R測(cè)量設(shè)備。該系統(tǒng)還包括用于接收傳感圖的處理器。處理器配置成提供可變長(zhǎng)度的線性濾波器，以便對(duì)傳感圖中的輸出信號(hào)進(jìn)行濾波。處理器還基于設(shè)備中的表面細(xì)胞質(zhì)基因組共振的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定第一濾波器長(zhǎng)度。處理器還基于多個(gè)事件之間的信號(hào)的斜率來(lái)確定第二濾波器長(zhǎng)度。此外，處理器比較第一濾波器長(zhǎng)度和第二濾波器長(zhǎng)度，并且選擇第一濾波器長(zhǎng)度與第二濾波器長(zhǎng)度之間的較短長(zhǎng)度。


通過(guò)參照附圖閱讀以下詳細(xì)描述，將會(huì)更好地理解本發(fā)明的這些及其它特征、方面和優(yōu)點(diǎn)，附圖中，相似符號(hào)在附圖中通篇表示相似部件，附圖包括圖ι示出按照本發(fā)明的一個(gè)示范實(shí)施例的sra測(cè)量設(shè)備。圖2是按照本發(fā)明的一個(gè)示范實(shí)施例的線性濾波方法的流程圖。圖3是示出按照本發(fā)明的一個(gè)示范實(shí)施例的濾波算法的示意框圖。圖4是按照本發(fā)明的一個(gè)示范實(shí)施例、用于實(shí)時(shí)地確定用于線性濾波方法的最佳濾波器長(zhǎng)度的流程圖。圖5是按照本發(fā)明的一個(gè)實(shí)施例、具有關(guān)聯(lián)的濾波輸出的sra傳感圖的示范圖解說(shuō)明。圖6是示出按照本發(fā)明的一個(gè)實(shí)施例、由與所述示例關(guān)聯(lián)的短窗口估計(jì)器和卡爾曼估計(jì)器進(jìn)行的信號(hào)斜率估計(jì)的圖解說(shuō)明。圖7是按照本發(fā)明的一個(gè)實(shí)施例的所述示例的濾波器長(zhǎng)度和時(shí)間的圖表的圖解說(shuō)明。
具體實(shí)施例方式下面詳細(xì)論述，本發(fā)明的實(shí)施例針對(duì)用于sra傳感圖中的噪聲降低的自適應(yīng)線性濾波方法。該方法包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)傳感圖中的輸出信號(hào)進(jìn)行濾波。 本文所使用的術(shù)語(yǔ)‘自適應(yīng)’表示用于確保保存?zhèn)鞲袌D中的輸出信號(hào)的線性濾波器的動(dòng)態(tài)變化。在介紹本發(fā)明的各個(gè)實(shí)施例的元件時(shí)，限定詞“一”、“該”和“所述”預(yù)計(jì)表示存在元件的一個(gè)或多個(gè)。術(shù)語(yǔ)“包含”、“包括”和“具有”預(yù)計(jì)是包括在內(nèi)的，并且表示可存在與列示元件不同的附加元件。操作參數(shù)的任何示例并不排除所公開(kāi)實(shí)施例的其它參數(shù)。圖1示出SI^R測(cè)量設(shè)備11中采用的示范線性濾波系統(tǒng)10。設(shè)備11是用于生成傳感圖的常規(guī)sra測(cè)量設(shè)備。sra測(cè)量設(shè)備Ii包括光源12，光源12相對(duì)于棱鏡16以各種入射角θ向棱鏡16提供光激勵(lì)14。在所示實(shí)施例中，sra測(cè)量設(shè)備10使用基于角的SPR。 在另一個(gè)實(shí)施例中，Sra測(cè)量設(shè)備10采用基于波長(zhǎng)的SPR，其中光源12使用多個(gè)光波長(zhǎng)向棱鏡16提供光激勵(lì)14。棱鏡16還包括載玻片18，其中具有薄光學(xué)反射基底20、如金膜，和包括配體M的結(jié)合層22。在一個(gè)實(shí)施例中，結(jié)合層22是介電層。設(shè)備11還包括光學(xué)檢測(cè)處理單元沈，該單元沈截取從棱鏡16反射的所反射光信號(hào)觀。所反射光信號(hào)觀由檢測(cè)處理單元沈進(jìn)一步處理，以便在輸出裝置32提供sra傳感圖30。sra傳感圖經(jīng)過(guò)線性濾波，以便生成表示經(jīng)濾波sra傳感圖33的輸出信號(hào)。此外，SPR測(cè)量設(shè)備10具有流動(dòng)通道34，分析物A和緩沖劑B通過(guò)其中交替流過(guò)結(jié)合層22。分析物A和緩沖劑B的流動(dòng)使用耦合到通道34的閥36來(lái)控制。其中入射光激勵(lì)14的棱鏡界面38的位置可稱作靶40。當(dāng)光激勵(lì)14入射到棱鏡界面38中的多個(gè)靶40 時(shí)，多個(gè)sra傳感圖30能夠由sra測(cè)量設(shè)備10來(lái)提供，其中每個(gè)sra傳感圖30對(duì)應(yīng)于多個(gè)靶40中的所指定靶。檢測(cè)處理單元沈還可包括用于接收sra傳感圖30的處理器。處理器可配置成實(shí)現(xiàn)用于SI^R傳感圖30中的噪聲降低的自適應(yīng)線性濾波方案，并且在輸出裝置32中提供經(jīng)濾波Sra傳感圖33。應(yīng)當(dāng)注意，本發(fā)明的實(shí)施例并不局限于用于執(zhí)行本發(fā)明的處理任務(wù)的任何特定處理器。術(shù)語(yǔ)“處理器”在本文中使用時(shí)預(yù)計(jì)表示能夠進(jìn)行執(zhí)行本發(fā)明的任務(wù)所需的運(yùn)算或計(jì)算的任何機(jī)器。術(shù)語(yǔ)“處理器”預(yù)計(jì)表示能夠接受結(jié)構(gòu)化輸入并且按照預(yù)定規(guī)則來(lái)處理該輸入以產(chǎn)生輸出的任何機(jī)器。還應(yīng)當(dāng)注意，本文所使用的詞語(yǔ)“配置成”表示處理器配備有用于執(zhí)行本發(fā)明的任務(wù)的硬件和軟件的組合，這是本領(lǐng)域的技術(shù)人員將會(huì)理解的。Sra傳感圖30的特征示出表示棱鏡界面38處發(fā)生的各種物理或生物化學(xué)事件的相位。在操作中，表面細(xì)胞質(zhì)基因組共振現(xiàn)象在光線從反射基底20反射時(shí)發(fā)生。以銳定義角入射的光能(光激勵(lì)14)的一小部分可與反射基底20、如金屬膜中的離域電子進(jìn)行交互， 因而降低反射光強(qiáng)度。發(fā)生這種情況所在的準(zhǔn)確入射角通過(guò)金屬膜背面附近的折射率來(lái)確定，對(duì)于金屬膜背面，靶分子(分析物A)由沿流動(dòng)通道34流動(dòng)的移動(dòng)相中的配體M來(lái)固定和吸引。如果發(fā)生對(duì)配體M的結(jié)合，則局部折射率發(fā)生變化，從而引起sra角的變化，這通過(guò)檢測(cè)反射光信號(hào)洲的強(qiáng)度的變化來(lái)實(shí)時(shí)監(jiān)測(cè)，從而產(chǎn)生傳感圖30。sra信號(hào)的變化率由檢測(cè)處理單元沈來(lái)分析，以便產(chǎn)生棱鏡界面38處的交互的關(guān)聯(lián)和離解相位的視在速率常數(shù)。這些值的比率給出視在平衡常數(shù)。SH 信號(hào)的變化的大小與被固定的分析物成正比， 并且因而可根據(jù)交互的化學(xué)計(jì)量來(lái)解釋。圖2示出圖1中采用的線性濾波方法50的流程圖。如前所述，線性濾波方法50 降低sra傳感圖中的噪聲分量，但是還保留sra信號(hào)的有效性。這種線性濾波方法50在步驟52提供可變長(zhǎng)度的線性濾波器，以便對(duì)SI^R傳感圖中的輸出信號(hào)進(jìn)行濾波。在一個(gè)實(shí)施例中，線性濾波器包括對(duì)稱有限脈沖響應(yīng)(FIR)濾波器。對(duì)稱HR濾波器長(zhǎng)度可響應(yīng)輸出信號(hào)的變化而改變。在一個(gè)非限制性示例中，方法50響應(yīng)具有降低變化的輸出信號(hào)而提供長(zhǎng)濾波器長(zhǎng)度。方法50還響應(yīng)具有增加變化的輸出信號(hào)而提供短濾波器長(zhǎng)度。因此，對(duì)稱濾波器長(zhǎng)度是長(zhǎng)度動(dòng)態(tài)改變以用于確保保存輸出信號(hào)特性的自適應(yīng)移動(dòng)平均濾波器長(zhǎng)度。 輸出信號(hào)特性基本上指示關(guān)鍵生物化學(xué)過(guò)程，并且因此保留特性對(duì)于準(zhǔn)確分析這類生物化學(xué)過(guò)程極為重要。在步驟M，線性濾波方法50提供以用于基于sra傳感圖中的信號(hào)的斜率來(lái)確定線性濾波器的最佳長(zhǎng)度。此外，在步驟56，線性濾波方法50包括基于sra設(shè)備中的折射率的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定最佳濾波器長(zhǎng)度，以便降低sra傳感圖中的噪聲。事件基本上指示生物化學(xué)過(guò)程中的反應(yīng)劑的關(guān)聯(lián)和離解的開(kāi)始。這類事件的非限制性示例可包括圖1的sra設(shè)備11中的閥的開(kāi)啟和閉合、多個(gè)閥之間的距離、多個(gè)換能器之間的距離以及緩沖劑或分析物的流率。圖3是考慮傳感圖30(圖1)的斜率以及Sra測(cè)量設(shè)備中的事件發(fā)生的整體線性濾波算法100的示意框圖表示。濾波算法100包括輸入sra傳感圖102以及用于對(duì)sra傳感圖102中的隨機(jī)噪聲分量進(jìn)行濾波的自適應(yīng)濾波器104。自適應(yīng)濾波器104是可變長(zhǎng)度 FIR濾波器。自適應(yīng)濾波器104的瞬時(shí)長(zhǎng)度通過(guò)包括基于斜率的方法106和基于事件的方法108的兩種不同方法來(lái)實(shí)時(shí)地確定。濾波算法100實(shí)時(shí)地運(yùn)行，其中將輸出(瞬時(shí)濾波器長(zhǎng)度)從輸入延遲所指定時(shí)間量。所確定的瞬時(shí)濾波器長(zhǎng)度是通過(guò)兩種方法所確定的長(zhǎng)度的最小數(shù)，如框110所示。框106和108所示的兩種方法包括如圖1所示的sra測(cè)量設(shè)備10中發(fā)生的事件的輔助信息?？?06的基于斜率的方法提供信號(hào)的瞬時(shí)斜率的估計(jì)?；谛甭实姆椒ù_定在使噪聲降低為最大的同時(shí)限制事件之間的區(qū)域中的信號(hào)失真的濾波器長(zhǎng)度?？赡芤⒁猓档褪д婧徒档驮肼暿怯袥_突的目標(biāo)，因?yàn)樵黾訛V波器長(zhǎng)度增加了噪聲降低，但是對(duì)于固定非零的斜率變化率也增加信號(hào)失真。對(duì)于固定濾波器長(zhǎng)度，失真與斜率變化率事件成比例地增加。因此，基于斜率的方法106包括sra傳感圖中的事件之間的輸出信號(hào)的輔助信息， 以便隨信號(hào)斜率的變化率增加而降低濾波器長(zhǎng)度，即使以降低的噪聲抑制為代價(jià)也如此。 事件之間的信號(hào)的性質(zhì)的這種輔助信息是如下形式的一階方程s(t) = ff(X+Ye_at)+Z (1)在關(guān)聯(lián)事件期間，常數(shù)X = LY = -1，并且a = ka C+kd，而在離解事件期間，X = 0，Y=1，并且a =kd。上式中使用的常數(shù)、即分別是關(guān)聯(lián)和離解速率常數(shù)，而C是樣本中的分析物的濃度。對(duì)于任何速率常數(shù)a，s(t)的斜率的變化率與斜率本身成比例， 使得斜率變化率通過(guò)估計(jì)斜率來(lái)推斷。這通過(guò)迅速響應(yīng)信號(hào)變化的短窗口斜率估計(jì)器和在沒(méi)有突然變化的情況下產(chǎn)生更準(zhǔn)確的斜率估計(jì)的卡爾曼斜率估計(jì)器的組合來(lái)實(shí)現(xiàn)。短窗口和卡爾曼斜率估計(jì)器均包括有效遞歸濾波器，其從一系列有噪聲的測(cè)量來(lái)估計(jì)線性動(dòng)態(tài)系統(tǒng)的狀態(tài)。另一方面，框108所表示的基于事件的方法提供事件的重要性的估計(jì)，例如SI^R測(cè)量設(shè)備中的關(guān)聯(lián)或離解的開(kāi)始。框108所表示的基于事件的方法確定多個(gè)關(guān)鍵事件的定時(shí)，例如sra設(shè)備10中的閥的開(kāi)啟和閉合(圖1)、流動(dòng)通道34中的流率以及閥和結(jié)合層 22之間的距離?？?08所表示的基于事件的方法確定保存事件時(shí)間附近的突然信號(hào)變化并且使對(duì)相鄰濾波結(jié)果的影響為最小的濾波器長(zhǎng)度。這通過(guò)構(gòu)建事件時(shí)間附近的壁壘以使得防止這些壁壘中的突然變化被平滑并且使壁壘外部的結(jié)果失真來(lái)實(shí)現(xiàn)。壁壘之間的區(qū)域的長(zhǎng)度取決于事件定時(shí)的不確定性，并且能夠擴(kuò)展成包括與注入事件關(guān)聯(lián)的噪聲突發(fā)。注入事件可稱作用于使緩沖劑B或分析物A流經(jīng)流動(dòng)通道34 (圖1)的閥的開(kāi)啟。濾波器長(zhǎng)度隨著從任一側(cè)接近壁壘而線性降低到取決于所估計(jì)的事件重要性的最小長(zhǎng)度。在最大重要性的極限處，長(zhǎng)度降低到一，表示壁壘中的數(shù)據(jù)完全沒(méi)有經(jīng)過(guò)濾波，并且對(duì)壁壘外部的結(jié)果沒(méi)有影響。圖4示出按照本發(fā)明的另一個(gè)實(shí)施例、用于實(shí)時(shí)地確定線性濾波方法200的最佳濾波器長(zhǎng)度的流程圖。在步驟202，線性濾波方法200包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)sra傳感圖中的輸出信號(hào)進(jìn)行濾波。線性濾波方法200還包括在步驟204基于sra設(shè)備中的表面細(xì)胞質(zhì)基因組共振的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定第一濾波器長(zhǎng)度。 因此，線性濾波方法200基于確定多個(gè)事件時(shí)間并且估計(jì)事件的重要性來(lái)提供第一濾波器長(zhǎng)度。此外，在步驟206，線性濾波方法200包括基于事件之間的信號(hào)的斜率來(lái)確定第二濾波器長(zhǎng)度。在步驟208，線性濾波方法200包括比較第一濾波器長(zhǎng)度和第二濾波器長(zhǎng)度，并且最后在步驟210從第一濾波器長(zhǎng)度或者第二濾波器長(zhǎng)度中選擇較短長(zhǎng)度。濾波方法200 包括濾波算法(圖幻，濾波算法實(shí)時(shí)地運(yùn)行，但是輸出從輸入延遲所指定量。濾波性能隨容許時(shí)間延遲增加而增加。示例以下示例只是說(shuō)明性的，而不應(yīng)當(dāng)被理解為限制要求保護(hù)的本發(fā)明的范圍。圖5是按照本發(fā)明的一個(gè)示范實(shí)施例、具有經(jīng)濾波輸出302的SI3R傳感圖的圖解說(shuō)明300。所示的sra傳感圖是折射率對(duì)時(shí)間的圖表。X軸304表示單位為秒的時(shí)間。Y軸 306表示作為響應(yīng)單位(RU)所測(cè)量的折射率強(qiáng)度。折射率強(qiáng)度是SI^R測(cè)量設(shè)備的結(jié)合層中的分析物的結(jié)合力的量度。如本文所述，經(jīng)濾波輸出302重疊在SI^R傳感圖的未濾波輸入信號(hào)308上。在本例中，輸入樣本時(shí)間為0. 1秒，其中容許時(shí)間延遲為3秒。最大濾波器長(zhǎng)度為61個(gè)樣本，并且結(jié)合力為20個(gè)響應(yīng)單位(RU)。本例選擇成針對(duì)其最大結(jié)合力的較低值(即，Y軸上的最大12RU)。由于作為信號(hào)的百分比的噪聲N隨結(jié)合力增加而降低，所以噪聲濾波在結(jié)合力的較高值處不太重要。此外，該示例包括kaC = kd = 0.04，并且總體響應(yīng)=0。所示示例中的結(jié)果與采用固定長(zhǎng)度為61個(gè)樣本的移動(dòng)平均濾波器的濾波結(jié)果相似，不同的是在10秒處的關(guān)聯(lián)和50秒處的離解的開(kāi)始附近和緊接其后的區(qū)域(Nltl和N5tl)。 在這些事件時(shí)間，本例的自適應(yīng)濾波器以提高的精度來(lái)跟蹤信號(hào)變化。圖6是通過(guò)采用短窗口估計(jì)器和卡爾曼估計(jì)器的最佳組合的線性濾波方法的信號(hào)斜率估計(jì)的圖解說(shuō)明400。X軸402表示單位為秒的時(shí)間。X軸404表示單位為每秒RU 的斜率。短窗口估計(jì)器和卡爾曼估計(jì)器所表示的信號(hào)斜率分別為405和406。如圖所示， 短窗口估計(jì)比卡爾曼估計(jì)的噪聲更大，但是在事件時(shí)間和N5C1(又如圖5所示)迅速響應(yīng)信號(hào)斜率的突然變化。另一方面，卡爾曼濾波器具有更平滑估計(jì)，但是對(duì)突然變化比較遲緩。在事件時(shí)間Nltl和N5tl，卡爾曼估計(jì)重置為短窗口估計(jì)，以使得能夠捕獲信號(hào)斜率的突然變化。因此，通過(guò)使用事件定時(shí)信息，卡爾曼估計(jì)器重置為短窗口估計(jì)器的結(jié)果，因而在注入事件開(kāi)始時(shí)重新啟動(dòng)濾波器。這產(chǎn)生還迅速響應(yīng)事件時(shí)間附近的信號(hào)的突然變化的信號(hào)斜率的精確估計(jì)?？柭烙?jì)的幅值逆映射到濾波器長(zhǎng)度。由基于斜率的濾波器長(zhǎng)度生成器所生成的濾波器長(zhǎng)度當(dāng)信號(hào)斜率在注入事件之后突然增加時(shí)突然降低，然后隨信號(hào)斜率降低到穩(wěn)態(tài)而返回到最大長(zhǎng)度。圖7示出按照本發(fā)明的一個(gè)示范實(shí)施例的上述示例的濾波器長(zhǎng)度對(duì)時(shí)間的圖表 500。X軸502表示單位為秒的時(shí)間。Y軸504示出以點(diǎn)單位所表示的濾波器長(zhǎng)度。線性濾波算法的自適應(yīng)特征使506所表示的濾波器長(zhǎng)度在10秒(在關(guān)聯(lián)開(kāi)始之后)和50秒(在離解開(kāi)始之后)處的事件時(shí)間附近為大約35點(diǎn)。在事件時(shí)間Nltl和N5tl，該算法降低濾波器長(zhǎng)度，以便限制sra信號(hào)的失真，并且保存事件附近的突然信號(hào)變化。要注意，線性濾波方法所使用的濾波器長(zhǎng)度是基于斜率的濾波器長(zhǎng)度生成器和基于事件的濾波器長(zhǎng)度生成器的輸出的較小的一個(gè)。在各事件附近的間隔之前和之后，基于事件的濾波器長(zhǎng)度生成器將濾波器長(zhǎng)度從最大數(shù)線性地改變成最小數(shù)，并且然后又改變成最大數(shù)。有利地，本發(fā)明的各個(gè)實(shí)施例提供SPR傳感圖中的噪聲降低。因此，線性濾波方法采用動(dòng)態(tài)濾波方案，該方案不僅降低或消除噪聲，而且還保存?zhèn)鞲袌D中的sra信號(hào)，以使得 SH 傳感圖基本上能夠突顯指示諸如樣本中的分析物與配體之間的結(jié)合事件的開(kāi)始之類的關(guān)鍵生物化學(xué)過(guò)程或事件的特征。此外，對(duì)稱HR濾波器的使用消除其它線性或非線性濾波器可能引入的相位失真的可能性。此外，技術(shù)人員將會(huì)知道來(lái)自不同實(shí)施例的各種特征的可互換性。例如，線性濾波方法的自適應(yīng)濾波器能夠?qū)崟r(shí)地并且排他地僅基于事件定時(shí)或斜率來(lái)生成。類似地，所述的各種方法步驟和特征以及每個(gè)這種方法和特征的其它已知等效體可由本領(lǐng)域的技術(shù)人員進(jìn)行混合和匹配，以便構(gòu)建按照本公開(kāi)的原理的其它系統(tǒng)和技術(shù)。當(dāng)然，要理解，并非按照任何具體實(shí)施例可實(shí)現(xiàn)以上所述的所有這類目的或優(yōu)點(diǎn)。 因此，例如，本領(lǐng)域的技術(shù)人員將會(huì)知道，本文所述的系統(tǒng)和技術(shù)可通過(guò)如下方式來(lái)實(shí)施或執(zhí)行實(shí)現(xiàn)或優(yōu)化本文講授的一個(gè)或一組優(yōu)點(diǎn)，而不一定實(shí)現(xiàn)本文可能講授或提出的其它目的或優(yōu)點(diǎn)。雖然本文僅說(shuō)明和描述了本發(fā)明的某些特征，但本領(lǐng)域的技術(shù)人員將會(huì)想到多種修改和變更。因此要理解，所附權(quán)利要求書(shū)預(yù)計(jì)涵蓋落入本發(fā)明的真實(shí)精神之內(nèi)的所有這類修改和變更。
權(quán)利要求
1.一種用于從表面細(xì)胞質(zhì)基因組共振設(shè)備所生成的傳感圖中的噪聲的線性濾波的方法，所述方法包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)所述傳感圖中的輸出信號(hào)進(jìn)行濾波；以及基于所述傳感圖中的信號(hào)的斜率以及所述設(shè)備中的折射率的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定所述線性濾波器的最佳長(zhǎng)度，以便降低所述傳感圖中的噪聲。
2.如權(quán)利要求1所述的方法，其中，所提供的線性濾波器包括對(duì)稱有限脈沖響應(yīng)濾波器。
3.如權(quán)利要求1所述的方法，其中，所提供的線性濾波器包括可變長(zhǎng)度對(duì)稱移動(dòng)平均濾波器。
4.如權(quán)利要求1所述的方法，其中，所述濾波器長(zhǎng)度動(dòng)態(tài)改變，以用于確保所述傳感圖中的信號(hào)保存指示關(guān)鍵生物化學(xué)過(guò)程的特性。
5.如權(quán)利要求1所述的方法，進(jìn)一步在所述信號(hào)的變化降低時(shí)確定較長(zhǎng)濾波器長(zhǎng)度。
6.如權(quán)利要求1所述的方法，進(jìn)一步在所述信號(hào)的變化增加時(shí)確定較短濾波器長(zhǎng)度。
7.如權(quán)利要求1所述的方法，其中，所述事件指示生物化學(xué)過(guò)程中的反應(yīng)劑的關(guān)聯(lián)和離解的開(kāi)始。
8.如權(quán)利要求7所述的方法，其中，所述事件包括所述表面細(xì)胞質(zhì)基因組共振設(shè)備中的多個(gè)閥的開(kāi)啟和閉合。
9.如權(quán)利要求8所述的方法，其中，所述事件包括所述設(shè)備中的閥之間的多個(gè)距離。
10.如權(quán)利要求1所述的方法，其中，所述事件包括所述設(shè)備中的多個(gè)換能器之間的多個(gè)距離。
11.如權(quán)利要求1所述的方法，其中，所述事件包括所述設(shè)備中的流率。
12.一種用于從表面細(xì)胞質(zhì)基因組共振設(shè)備所生成的傳感圖中的噪聲的線性濾波的方法，所述方法包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)所述傳感圖中的輸出信號(hào)進(jìn)行濾波；基于所述設(shè)備中的表面細(xì)胞質(zhì)基因組共振的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定第一濾波器長(zhǎng)度；基于所述多個(gè)事件之間的所述信號(hào)的斜率來(lái)確定第二濾波器長(zhǎng)度；比較所述第一濾波器長(zhǎng)度和所述第二濾波器長(zhǎng)度；以及選擇所述第一濾波器長(zhǎng)度與所述第二濾波器長(zhǎng)度之間的較短長(zhǎng)度。
13.如權(quán)利要求12所述的方法，進(jìn)一步基于確定多個(gè)事件時(shí)間并且估計(jì)所述事件的重要性來(lái)提供所述第一濾波器長(zhǎng)度。
14.如權(quán)利要求12所述的方法，進(jìn)一步基于所述信號(hào)的瞬時(shí)斜率來(lái)提供所述第二濾波器長(zhǎng)度。
15.如權(quán)利要求12所述的方法，進(jìn)一步基于實(shí)時(shí)特性來(lái)提供濾波算法，其中將輸出延遲所指定量。
16.一種用于對(duì)表面細(xì)胞質(zhì)基因組共振傳感圖中的噪聲進(jìn)行濾波的線性濾波系統(tǒng)，所述系統(tǒng)包括sra測(cè)量設(shè)備，用于生成傳感圖；處理器，用于接收所述傳感圖，所述處理器配置成提供可變長(zhǎng)度的線性濾波器，以便對(duì)所述傳感圖中的輸出信號(hào)進(jìn)行濾波； 基于所述設(shè)備中的折射率的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定第一濾波器長(zhǎng)度；基于所述多個(gè)事件之間的信號(hào)的斜率來(lái)確定第二濾波器長(zhǎng)度； 比較所述第一濾波器長(zhǎng)度和所述第二濾波器長(zhǎng)度；以及選擇所述第一濾波器長(zhǎng)度與所述第二濾波器長(zhǎng)度之間的較短長(zhǎng)度。
17.如權(quán)利要求16所述的系統(tǒng)，其中，所述SI^R測(cè)量設(shè)備包括光源、光學(xué)檢測(cè)單元、SPR 換能器、輸出裝置、金屬膜和流動(dòng)通道系統(tǒng)。
18.如權(quán)利要求16所述的系統(tǒng)，其中，所述光源生成光束。
19.如權(quán)利要求16所述的系統(tǒng)，其中，所述sra換能器進(jìn)一步包括棱鏡、具有薄光學(xué)反射襯背的載玻片以及結(jié)合層。
20.如權(quán)利要求16所述的系統(tǒng)，其中，所述光學(xué)檢測(cè)單元截取從所述SI^R換能器所反射的光信號(hào)，并且提供表面細(xì)胞質(zhì)基因組共振傳感圖。
全文摘要
提供一種用于從表面細(xì)胞質(zhì)基因組共振設(shè)備所生成的SPR傳感圖中的噪聲的線性濾波的方法。該方法包括提供可變長(zhǎng)度的線性濾波器，以便對(duì)傳感圖中的輸出信號(hào)進(jìn)行濾波。該方法還包括基于傳感圖5中的信號(hào)的斜率以及設(shè)備中的折射率的測(cè)量期間的事件發(fā)生的多個(gè)定時(shí)來(lái)確定所述線性濾波器的最佳長(zhǎng)度，以便降低傳感圖中的噪聲。
文檔編號(hào)G01N21/55GK102472706SQ201080035292
公開(kāi)日2012年5月23日 申請(qǐng)日期2010年7月15日 優(yōu)先權(quán)日2009年8月4日
發(fā)明者D·陳 申請(qǐng)人:通用電氣公司