阅读说明：本技术 用于样品分析仪器的自动化质量控制及光谱误差校正 (The control of automation quality and spectral error correction for sample analysis instrument ) 是由 奈弗蒂塔·马朱木达尔 W·乔治 杰弗里·马克斯 M·江 张晓云 大卫·伍欧 于 2018-02-16 设计创作，主要内容包括：公开了在分析染料标记的样品的样品处理仪器中实施选定的自动化质量控制操作的实施例。在一些实施例中,测量温度和/或压力参数且将其与阈值比较以确定是否应提供警告和/或是否应采取动作。还公开了用于在所述仪器的正常运行时间操作期间实施光谱误差的自动化校正而不要求用户进行特殊、单独校准运行的实施例。(Disclose the embodiment for implementing selected automation quality control operation in the sample treatment instrument of the sample of analysis dye marker.In some embodiments, temperature and/or pressure parameter are measured and whether itself and threshold value comparison to determine whether to provide warning and/or should be taken into movement.It also discloses for implementing the automated correction of spectral error without requiring user to carry out the embodiment of special, independent correcting travel during the operation of the uptime of the instrument.)

用于样品分析仪器的自动化质量控制及光谱误差校正

相关申请的交叉引用

本申请要求2017年2月17日申请的美国临时专利申请第62/460,700号和2017年2月24日申请的美国临时专利申请62/463,551的权益。以上这些申请的内容特此以引用的方式并入。

与在此文件中描述的各种实施例有关的方法的示范性系统包含在以下申请中描述的示范性系统：

●2014年3月7日申请的美国专利申请第15/124,013号；

●2014年3月7日申请的美国专利申请第15/124,129号；

●2014年3月7日申请的美国专利申请第15/124,168号；

●2017年1月19日申请的美国设计专利申请第29/591,445号；

●2017年1月24日申请的美国设计专利申请第29/591,865号；

●2017年1月24日申请的美国设计专利申请第29/591,867号；

●2017年2月24日申请的美国临时专利申请第62/463,528号(赛默飞世尔科技公司(Thermo Fisher Scientific,Inc.)案卷号LT01213PRO)；

●2017年2月24日申请的美国临时专利申请第62/463,467号(赛默飞世尔科技公司(Thermo Fisher Scientific,Inc.)案卷号LT01225PRO)。

以上申请的内容特此以引用的方式并入。

背景技术

本公开大体上涉及分析染料标记的样品的仪器。现有仪器通常分析样品运行的结果。然而，可能使所得数据不可靠的运行条件的问题通常不会被识别，或识别得很迟，使得浪费了样品和时间，进而延长了研究过程。

此类仪器使用了染料矩阵以使传入的光谱数据与可与仪器一起使用的特定染料相关。染料矩阵识别用于可与系统一起使用的每一染料的归一化的预期值。现有仪器通常需要通常由终端用户执行的特殊校准过程补充系统的正常运行时间操作和/或由所述特殊校准过程中断所述正常运行时间操作，在所述正常运行时间操作中，在所述仪器中处理所关注的样品。举例来说，此过程可能需要特殊的“校准运行”，其中已知的染料穿过所述系统且所得光谱数据用于校准或重新校准由所述系统使用的染料矩阵。

发明内容

可通过尽快地自动检测样品运行或一系列样品运行中的潜在问题而例如在样品运行或一系列运行中的运行之间更有效地进行研究。本发明的一些实施例提供参数的自动化监测，其可能会影响样品运行的结果的质量且接着提供信息和/或基于那些参数的测量采取动作。在一些实施例中，测量温度和/或压力参数且将其与阈值比较以确定是否提供警告和/或采取动作。在一些实施例中，分析光学信号以确定是否应提供警告和/或采取动作。在一些实施例中，基于光学信号或在运行期间测量的其它参数更新系统数据结构。接着分析更新的数据结构以确定是否应提供警告和/或采取动作。

在一些实施例中，在将样品溶液装载到所述仪器的一个或多个毛细管中之后，测量包含压力以及阀和/或泵位置的压力参数。在一些实施例中，如果所测量的压力参数指示运行质量可能基于压力受损，那么停止、暂停运行，增加或减小压力，发送警告信号，或采取一个或多个各种其它动作。

在一些实施例中，在样品运行期间，基于当前测量确定一个或多个当前噪声度量。在一些实施例中，如果超过预定当前噪声度量，那么在样品运行期间采取动作。

所述现有校准方法需要仪器的单独运行时间操作对于用户而言是破坏性的且降低生产力。这还可能导致校准不能经常进行以确保最佳结果。本发明的实施例提供用于在仪器的正常运行时间操作期间自动校正光谱误差的仪器、计算机系统、计算机程序产品和方法，而不需要用户进行特殊的单独校准运行。换句话说，在某些实施例中，终端用户不必执行单独的手动光谱校准，从终端用户的角度来看，这使得其成为校准较少的仪器。在其它实施例中，通过使用运行中校准或光谱误差的其它校正来降低对执行单独运行时间或运行前校准的需要。

本发明主题的各种其它方面将从以下描述连同随附图式变得较显而易见。

附图说明

图1说明根据本发明的实施例的样品分离和识别仪器。

图2说明用以在图1的仪器中实行光谱误差的运行时间校正的根据本发明的实施例的示范性方法。

图3说明用以在图1的仪器中实行光谱误差的运行时间校正的根据本发明的实施例的示范性方法。

图4说明对应于图1的仪器的示范性染料矩阵的数据，所述仪器可根据本发明的实施例校准或重新校准。

图5说明由图1的仪器生成的示范性光谱区间数据。

图6说明通过将现有染料矩阵应用于光谱区间数据获得的示范性染料数据。

图7说明绘制一种染料的荧光相对于另一种染料的荧光的示范***叉标绘图数据。所述数据可用于在实施图3的方法时获得串扰矩阵。

图8说明用于识别并去除例如图7中所说明的数据的交叉标绘图数据中的离群值的示范性方法。

图9说明当现有染料矩阵不另外可用时用于生成内部估计的染料矩阵用作图3的方法中的初始现有染料矩阵的示范性方法。

图10说明当现有染料矩阵不另外可用时用于生成内部估计的染料矩阵用作图3的方法中的初始现有染料矩阵的示范性方法。

图11说明用于实行本发明的实施例的方法。

图12说明用于实行本发明的实施例的方法。

图13说明用于实行本发明的实施例的方法。

图14说明用于实行本发明的实施例的方法。

图15说明用于实行本发明的实施例的方法。

图16说明可由计算机程序产品配置以实行本发明的实施例的示范性计算机系统。

虽然参考以上图式描述本发明，但所述图式旨在为说明性的，并且其它实施例与本发明的精神一致，且在本发明的范围内。

具体实施方式

现将参看随附图式在下文更充分描述各种实施例，所述随附图式形成本发明的一部分且作为说明展示实践实施例的具体实例。然而，本说明书可以许多不同的形式得到实施，并且不应被解释为限于本文中阐述的实施例；更确切些，提供这些实施例是为了使本说明书将是透彻且完整的，并且这些实施例将把本发明的范围完整地传达给本领域技术人员。此外，本说明书可体现为方法或装置。因此，本文中的各种实施例中的任一个可采取完全硬件实施例、完全软件实施例或组合软件和硬件方面的实施例的形式。因此，以下说明书不应被视为具有限制意义。

在以下描述中，利用毛细管电泳系统和方法的实施例以展现本发明的实施例的各种方面和优点。此类实施例充当实例但不应被理解为具有限制性。举例来说，本发明的实施例可用于各种应用中，其中各种荧光标签、染料和/或探针用于检测和/或量化各种类型的所关注生物样品或分子。本发明的实施例包含但不限于毛细管电泳系统或方法、CE-SDS系统或方法、聚合酶链反应(PCR)系统或方法、实时PCR系统或方法、数字PCR系统或方法、桑格测序(Sanger Sequencing)系统或方法、焦磷酸测序(Pyro Sequencing)系统或方法、配置成用于连接测序的系统或方法、例如下一代测序(NGS)系统或方法的测序系统或方法、质谱系统和方法、流式细胞术系统和方法、凝胶电泳以及分光光度系统和方法。一些实施例尤其非常适于样品分离系统和方法。然而，如可从先前列表看出，本发明的一些实施例适用于样品分离系统和方法以及其它样品分析系统和方法。本发明的实施例可并入到用于处理的系统或方法中，或可进行关于核酸分子、DNA分子、RNA分子、蛋白质分子、细胞分子、糖分子或其它生物或有机分子的分析。PCR系统和方法可包含但不限于等位基因特异性PCR、不对称PCR、连接介导PCR、多重PCR、巢式PCR、实时PCR(qPCR)、基因组步移、桥式PCR、数字PCR(dPCR)等等。在各种实施例中，处理及检测一种或多种类型的所关注生物组分可包含但不限于DNA序列(包含无细胞DNA)、RNA序列、基因、寡核苷酸、分子、蛋白质、生物标记、细胞(例如，循环肿瘤细胞)，或任何其它合适的靶生物分子。在各种实施例中，生物组分可在以下应用中结合一种或多种方法或系统来使用：例如胎儿诊断、多重dPCR、病毒检测和定量标准、基因分型、定序验证、突变检测、遗传修饰生物体检测、稀有等位基因检测和/或拷贝数变化。本文中所描述的自动光谱校准技术的一些实施例不取决于识别被处理为峰值的特定数据点。并且，一些实施例不一定取决于被处理的具有任何预期形状的数据迹线。这会增强对各种情境的应用。

图1说明根据本发明的实施例的样品分离和识别仪器1000。在所说明的实施例中，仪器1000是毛细管电泳(CE)仪器。然而，本发明的实施例可能适用于其它类型的样品分离和识别仪器，其依赖于使用光电检测器以识别染料标记的样品上的染料。所述系统可包含但不限于至少一个毛细管。典型的配置包含1、2、4、8、16、24、48、96及384个毛细管。样品分离还可由其它方式执行，包含例如在芯片实验室上的凝胶电泳和微流体。CE仪器1000包括毛细管101(且将通常包括未单独地展示的其它毛细管)、电压供应102、一个或多个阴极103、一个或多个阳极104、样品源容器105、样品目的地容器106、照明源108、检测系统109、通过计算机程序产品111配置的数据处理系统110，和显示器112。辐射源108配置成照明至少一个毛细管101的检测区域113。

检测系统136包括检测器，其配置成从毛细管101的光学检测区域121接收，例如通过附接到目标分子或所关注分子的荧光染料、探针或标记产生的荧光发射。检测器可包括一个或多个个别光电检测器，其包含但不限于光电二极管、光电倍增管、辐射热测量计、低温检测器、量子点、发光二极管(LED)、半导体检测器、HgCdTe检测器等等。另外或替代地，检测器可包括阵列传感器，其包含传感器或像素阵列。阵列传感器可包括互补金属氧化物半导体传感器(CMOS)、电荷耦合装置(CCD)传感器、多个光电二极管检测器、多个光电倍增管等等中的一个或多个。在某些实施例中，检测器138包括两个或多于两个阵列传感器。检测系统136可进一步包括一个或多个光谱色散元件(例如，稜镜或衍射光学元件)，其中每一色散元件配置成将来自毛细管101中的不同毛细管的发射光引导到检测器的不同区上。光谱色散元件可包括稜镜、衍射光学元件、全息光学元件等等中的一个或多个。光谱色散元件可包括反射或透射光学元件。

照明源108可包括单个光源，其包括例如白炽灯、气体放电灯(例如，卤素灯、氙气灯、氩气灯、氪气灯等)、发光二极管(LED)、有机LED(OLED)、激光器等等。替代地，照明源108可包括多个个别光源(例如，多个LED或激光器)。照明源108源还可包含一个或多个激发滤波器，例如高通滤波器、低通滤波器或带通滤波器。举例来说，激发滤波器可以是彩色滤波器和/或双色滤波器。照明源108可包括单个光束或在空间上和/或在时间上分离的多个光束。照明源108的特征可在于主要在电磁光谱的可见光范围、近红外线范围、红外线范围和/或紫外线范围内的电磁辐射。

仪器1000如下操作。含有各种样品或样品分子107a的样品混合物或溶液107在样品源容器105中制备或递送到所述样品源容器中。随后例如使用泵或注射器或通过向毛细管101施加电荷或电场而将样品混合物107的至少一部分装载到毛细管101的阴极103端中。一旦装载到毛细管101的阳极端中，电压供应102产生在阴极103与阳极104之间的电压差。电压差使得带负电荷、染料标记的样品107a从样品源容器105移动到样品目的地容器106。较长和/或较少带电荷的染料标记的样品107a以比较短和/或较高带电荷的染料标记的样品慢的速率移动，进而在具有不同长度和电荷的样品之间产生一些分离。当样品107a中的每一个穿过由照明源108生成的激发光束时，样品107a的前导元件(前导元件可能例如为核苷酸)上的染料展现出由检测器109检测到的荧光。检测器109被耦合以响应于检测到的荧光将信号提供到数据处理系统110。具体地说，检测器109将信号传递到处理系统100，所述信号对应于在由检测器109扫描的各种波长处接收的光的强度。计算机程序产品111对数据处理系统110进行配置以处理所接收的光谱数据并且可例如在CE仪器1000的运行时间期间校准仪器1000以校正光谱误差。在某些实施例中，所述校准可在用户不必须停止样品运行以执行仪器1000的基于用户的校准的情况下来实行。所述校正可被视为是自动的和/或所述系统可被认为针对光谱误差是自校正的。在一些实施例中，校准可在常规的样品运行之后和/或之间实行。

在某些实施例中，系统1000包括递送系统120，其包括：聚合物贮存器122，其含有聚合物或聚合物溶液123；聚合物阀125；和泵128(例如，注射器)，其配置成从聚合物贮存器122接收或抽取聚合物123并将聚合物123泵送或装载到毛细管101中。递送系统120进一步包括含有缓冲溶液132的缓冲液贮存器130和缓冲阀135。在所说明的实施例中，缓冲液贮存器含有一个或多个阳极104。在某些实施例中，递送系统120的组件中的全部或一些为可进一步包括毛细管101的盒或筒盒的一部分。盒或筒盒还可包括一个或多个阴极103(例如，用于多个毛细管101中的每一个的一个阴极103)。

在某些实施例中，系统1000可用于执行实行毛细管电泳测定、实验或过程的方法。此类示范性方法包含以下步骤：

●将毛细管101的阴极103端定位到含有洗涤/废料缓冲溶液141的洗涤/废料缓冲液容器140中。

●关闭缓冲阀135，打开聚合物阀125。

●将聚合物溶液123从聚合物贮存器122抽吸(抽取)到注射器128中。

●关闭聚合物阀125(缓冲阀135保持闭合)。

●使用注射器128将聚合物123施配(递送)到毛细管101。

●将毛细管101的阴极103端定位到样品源容器105中。

●通过将电流从阴极103诱发到阳极104而将样品溶液107的至少一部分抽取到毛细管101的阴极103端中(被称作电动注射)。

●将毛细管101的阴极103端定位到含有运行缓冲溶液146的运行缓冲液容器145中。

●打开缓冲阀135以在阳极104与毛细管101之间提供电气耦合(聚合物阀125保持闭合)。

●运行毛细管电泳测定。

●将毛细管101的阴极103端定位到洗涤/废料缓冲液容器140中。

●关闭缓冲阀135。

●任选地打开聚合物阀125。

●任选地，将聚合物溶液123从聚合物贮存器122抽吸(抽取)到注射器128中。

●任选地，如果聚合物阀125打开，那么关闭所述聚合物阀。

●通过使用注射器128将聚合物123施配(递送)到毛细管101来清洁毛细管101。

●针对新的CE测定重复以上步骤。

校正如本文所提及的“光谱误差”是指去除也被称作光谱串扰误差的上拉/下拉误差。此外，如本文所提及的光谱误差包含相同毛细管内的染料间误差和不同毛细管的染料之间的误差中的任一个或两个。不同毛细管的染料之间的误差有时是指“毛细管间”或“空间”误差。然而，为易于描述，短语“光谱误差”将被认为足够宽泛以包含不同毛细管之间的此类“毛细管间”误差以及相同毛细管内的染料间误差。通过本文中所描述的各种实施例校正的光谱误差可由样品、序列、运行条件(温度、电流、电压)、聚合物、其它试剂、污染物、酸性等中的一个或多个和/或其它因素引起。

图2说明由图1中展示的仪器1000的数据处理系统110执行的示范性方法2000。方法2000是根据本发明的一个实施例。方法2000对通过样品分离仪器1000从所关注的染料标记的样品的运行时间处理获得的数据执行仪器1000的光谱误差的运行时间校正。如本文中所使用的“运行时间处理”是指待由仪器1000分析的所关注样品的处理。这与先前技术仪器的单独校准运行形成对比，在先前技术仪器的单独校准运行中，具有特殊染料和峰值到达特性的特定校准染料样品穿过所述仪器以在与所关注的待分析的样品的常规运行时间处理分离的运行中校准或重新校准染料矩阵。本发明的实施例在用户不必须出于校准目的执行特殊独立运行的情况下在运行时间期间校正光谱误差。

方法2000开始于步骤201。步骤202执行运行时间处理以基于通过仪器1000从染料标记的样品的运行时间处理获得的光谱数据确定光谱误差校正值。如本文中所提及的“光谱误差校正值”包含任一或两个直接测量的光谱误差值，以及与直接测量的光谱误差具有一些相关性的光谱误差值的代替。步骤203执行额外运行时间处理以使用光谱误差校正值应用校正函数，以获得可或可不反映光谱误差的充分去除的经过校正的光谱数据。步骤204分析经过校正的光谱数据以相对于第一光谱数据和/或相对于用于光谱误差缩减的适用准则确定经过校正的光谱数据的光谱误差。步骤205确定光谱误差是否在经过校正的光谱数据中得以充分缩减。如果得以充分缩减，那么方法2000在步骤207处结束。如果没有得以充分缩减，那么步骤206使用经过校正的光谱数据执行额外运行时间处理以获得额外光谱误差校正值，且所述过程返回到步骤203来执行其它处理以应用校正函数，此次使用在步骤206中获得的额外光谱误差校正值来获得额外的经过校正的光谱数据。在一些实施例中，例如步骤206、203及204的步骤可继续反复，直到达到最大数量的所要反复为止或直到光谱误差已经缩减到指定水平为止。在一些实施例中，还可能需要相对于光谱误差缩减的不确定性水平低于某一阈值(此阈值可能依据在多个反复之后获得的光谱数据中的所测量误差的绝对水平而变化)。

各种具体方法可用于实施方法2000的处理。一个实施例采用一种染料(“一级染料”)的(正或负)小数并将其与另一种染料(“二级染料”)相加，直到最小化光谱误差或用于光谱是的适当代替为止。针对各种染料迹线排列，最小化光谱误差或用于光谱误差的适当代替。对于每一群组的染料迹线排列，此最小化过程可以是反复的，直到全局光谱误差或用于光谱误差的适当代替停止最小化为止。此反复过程将导致染料迹线具有最小化的光谱误差。

用于光谱误差的适当代替可以是染料数据中的染料之间的交叉相关性、与直接测量的光谱误差具有一些相关性的任何光谱误差值、交叉“能量”(例如一个染料迹线与另一染料迹线的乘积)、经过缩放的交叉“能量”(例如一个适当缩放的染料迹线与另一适当缩放的染料迹线的乘积)等。用于形成经过缩放的交叉能量的染料迹线的一些缩放因数可以是每一迹线内的最大值、每一迹线内的最大值的幂(大于一或例如0.5的小数幂)、迹线内的标准偏差等。此交叉能量或经过缩放的交叉能量将在光谱误差倾向于归零时倾向于最小化，尤其当染料迹线之间的峰值(与例如染料标记的DNA片段的每一染料标记的样品相关联)之间的重叠量较小时。

所利用的直接测量/估计光谱误差或充当用于光谱误差的代替的方法优选地对染料迹线峰值中的重叠效应基本上不敏感。在此方法中，适当算法(线性或非线性，受限或不受限的，和/或局部或全局)优化技术和/或深度学习或更一般的机器学习技术可用于确定用于一级和二级染料的每一排列的正或负小数。在此方法中，光谱误差直接从染料迹线去除，且不明确地使用任何其它染料矩阵。

另一去除光谱误差的方法涉及使用优化技术来修改仪器的染料矩阵(DM)的元件，使得光谱误差或所述光谱误差的适当代理得以最小化。染料矩阵是一种矩阵，其中每一染料的归一化的染料光谱作为其行，且光谱区间编号作为其列。每一行通常经过归一化以具有最大值一。

以下过程可在一些实施例中使用以在给定染料矩阵(DM)的情况下从光谱扫描数据(scanData)获得染料数据(dyeData)(使用*来指示矩阵乘法)：

dyeData＝scanData*inv(DM)

其中：

dyeData＝染料数据，矩阵尺寸为numScans×numDyes，

scanData＝光谱区间数据，矩阵尺寸为numScans×numBins，

DM＝染料矩阵，矩阵尺寸为numDyes×numBins，

inv(DM)是指染料矩阵的矩阵逆，尺寸为numBins×numDyes，(应注意，如本文中所使用，染料矩阵的逆可能意指逆或伪逆)

且numScans＝扫描数目，

numDyes＝染料数目，

numBins＝光谱区间的数目。

在此方法中，默认染料矩阵或来自先前染料矩阵校准/校正的染料矩阵提供最初的起始染料矩阵。此默认染料矩阵或来自先前染料矩阵校准/校正的染料矩阵被称作估计染料矩阵(EDM)。接着使用优化过程调整染料矩阵的元素，以便最小化光谱误差或用于光谱误差的适当代替。此过程将优选地使用用于光谱误差的代替(即，与光谱误差合理地相关的任一值)来应用，这是由于计算所述代理通常比直接近似光谱误差更便宜。改进的版本涉及首先对染料矩阵执行单一值分解(svd)以将其分解成(numDyes×numDyes)左本征向量、(numDyes×numBins)对角矩阵及(numBins×numBins)右本征向量的乘积。由于通常numDyes<numBins，因此对角矩阵中仅第一numDyes×numDyes子矩阵是有意义的。因此，优化过程的费用可通过仅修改此numDyes×numDyes子矩阵的元素来缩减。此过程将为反复的，使得svd在反复优化过程中的不同阶段处重新执行。优选的是使用受限优化过程，这是由于染料矩阵的元素被限制为在一与零之间。

本文中主要在校正染料数据中的光谱误差(即，毛细管内的染料间或毛细管间/空间误差)的上下文中描述本发明的实施例。然而，还可能校正对应于高阶导数的额外误差。染料中的光谱误差为与所关注的染料标记的样品(例如，DNA片段)相关联的主要染料峰值的正或负小数倍。这可被认为是零阶误差。

一阶导数误差—即，一阶光谱误差或正弦形状光谱误差，SSSE—由于发生多普勒光谱移位(Doppler spectral shift)而引起，因为染料标记的DNA片段以有限速度经过光学观察点。这会在由光学系统记录的染料光谱中产生光谱移位。这会产生在主要染料迹线外部的染料迹线中的光谱误差，所述光谱误差大致是与染料标记的DNA片段相关联的峰值的一阶排序导数。可存在产生其它一阶光谱误差的其它来源(光学，化学，电学，机械/振动等)。请注意，当主要染料峰值处于最大值时，此误差具有最小值/零，并且相对正负号的侧最大值和最小值出现在最小值的任一侧。

二阶导数误差—其由一阶导数误差源或更一般来说作为泰勒级数误差校正项(Taylor series error correction term)与一阶误差源的耦合的相互作用产生。请注意，当主要染料峰值处于最大值时，此误差具有绝对最大值，并且相同正负号的侧最大值或最小值出现在最大值的任一侧。当主要染料峰值处于最大值时此误差具有绝对最大值的事实(与零阶误差相同)可造成难以在二阶误差相当大的情况下计算零阶误差。

相对于现实世界系统中的噪声，三阶及高阶导数误差通常应较小。然而，本领域技术人员将认识到，此方法可视需要而推广到高阶误差。

在一些实施例中，在步骤203中应用的校正函数基于反映用于染料标记的样品的光谱中的轻微改变的扫描编号而视需要加以修改，所述染料标记的样品为较长片段(例如，DNA片段)的部分。通常，为较长片段的一部分的样品稍后在样品运行中到达，且因此与稍后的扫描编号相关联。因此，相同的染料标记的DNA字母如果相对于先前(较短片段的一部分)在运行中稍后到达(较长片段的一部分)，那么可能具有稍微不同的光谱。改变校正函数以考虑此效应的一个实例是基于扫描编号将变化应用于染料矩阵。此变化通常是一阶线性的(且很可能至多具有二阶项)，因此我们可在发现染料矩阵时包含此光谱变化的一阶(或二阶)线性模型。因此，在此自适应性染料矩阵校正状况下，染料矩阵现在可写成：

DM(scanNum)＝DM0+DM1*scanNumber

或写成：

DM(scanNum)＝DM0+DM1*scanNumber+DM2*scanNumber^2

其中：

DM(scanNumber)是扫描编号scanNumber处的染料矩阵

DM0是染料矩阵的恒定部分(类似于我们先前的假设)

DM1是基于扫描编号(从适当线性回归获得)表示染料矩阵的一阶线性变化项的矩阵，

且如果需要：

DM2是基于扫描编号(从适当线性回归获得)表示染料矩阵的二阶线性变化项的矩阵。

本领域技术人员将认识到，如果此类高阶误差被证实是相当大的，那么此方法可推广到高阶误差。在染料光谱不变的状况下，DM1及DM2中的所有元素都变为相同的零。一般来说，DM1及DM2中的最大值相对于1较小。其可为正的或负的。

图3说明根据本发明的特定实施例的示范性方法3000，其由图1中展示的仪器1000的数据处理系统110执行。方法3000说明实施图2的方法2000的一种特定方式，但表示图2中所说明的方法的许多可能具体实施方案中的仅一个实施方案。方法3000依赖于在运行时间期间校准和/或重新校准仪器的染料矩阵，以缩减由仪器的染料矩阵生成的染料数据中的光谱误差。方法3000开始于步骤301。步骤302确定现有染料矩阵(“EDM”)是否可从仪器1000的先前校准获得。如果可获得，那么所述方法进行到步骤304。如果不可获得，那么步骤303确定将用作EDM的内部估计的染料矩阵(“IEDM”)。下文在图9到10的上下文中展示且描述其它细节，其展示用于当来自先前校准的染料矩阵不可用时产生IEDM的实施例。

步骤304在仪器的运行时间操作期间(即，当处理所关注的染料标记的样品以供分析时)使用EDM以将光谱区间数据转换为现有染料数据。如将在下文进一步详细解释，图4中说明对应于4-染料EDM的示范性数据，图5中说明示范性光谱区间数据，且图6中说明示范性现有染料数据。步骤304将光谱区间数据乘以EDM的逆以获得现有染料数据。

步骤305根据在步骤304中确定的现有染料数据确定现有串扰矩阵。现有串扰矩阵包含对应于每一双染料组合的强度测量之间的关系的值。在一个实施例中，这些值通过确定绘制一种染料的强度相对于另一种染料的强度的回归线拟合数据的斜率而获得，如将在图7所说明的交叉标绘图的上下文中进一步解释。在4-染料数据中，串扰矩阵具有12个回归值，即，用于两种染料的每一可能的排序组合的一个回归值。每一回归值(回归线的斜率)具有对应的标准偏差，其测量用于两种相关染料的交叉标绘图数据如何严密地或宽松地拟合回归线。在一优选实施例中，在从交叉标绘图数据去除离群值之后确定最终的回归值(用于确定交叉标绘图矩阵)和对应的标准偏差(用于评估如下文所描述的DQ)。

步骤306确定用于现有串扰矩阵的解卷积质量(DQ)值。在此实例中，DQ被确定为在步骤305中确定的任何两种染料之间的最大串扰值(回归线斜率)。

步骤307使用现有串扰矩阵通过将恒等矩阵与现有串扰矩阵(其具有零对角线值)相加且接着将结果乘以EDM来确定候选优化的染料矩阵(CODM)。

步骤308接着使用CODM将光谱区间数据转换为候选染料数据。

对于任一双染料组合，步骤309确定用于CODM的增强的DQ值(“eDQ”)作为最大值，其由(1)如相关交叉标绘图数据的回归线的斜率确定的串扰加上(2)交叉标绘图数据的相关联标准偏差的指定小数的总和给定。因此，在一个实施例中，步骤309确定用于每一可能的双染料交叉标绘图的回归线斜率和标准偏差，通过将回归线斜率乘以相关联标准偏差的小数来计算用于每一双染料排序对的候选eDQ值，且接着选择最高的候选eDQ作为用于CODM的eDQ。在一优选实施例中，与相关联标准偏差相乘的指定小数约为0.015。在替代实施例中，可使用其它指定小数。如同步骤305，步骤309在计算对应的回归线及标准偏差之前优选地从相关交叉标绘图去除离群值。

步骤310确定当前CODM的eDQ是否低于先前反复的eDQ的eDQ。如果不低于先前反复的eDQ的eDQ，那么先前CODM保持为可能的最佳候选优化染料矩阵(“BCODM”)并且所述方法进行到步骤314。如果步骤310的结果是肯定的，那么步骤311舍弃先前反复的CODM并且将当前CODM保持为当前可能的BCODM。步骤313接着确定BCODM的增强的DQ是否在预定性能特性内。换句话说，步骤313以足够的确定度确定最大串扰是否处于或低于指定值。如果步骤313的结果是否定的，那么步骤314确定是否完成了预定最大反复次数。

如果步骤313或步骤314的结果是肯定的，那么所述方法进行到步骤316。步骤316确定当前BCODM的eDQ是否小于EDM的DQ。如果步骤316的结果是肯定的，那么步骤317用当前BCODM代替EDM，并且当前BCODM变成新的EDM以用于将从所关注的染料标记的样品获得的光谱数据转换为染料数据。如果步骤316的结果是否定的，那么步骤318不用当前BCODM代替当前EDM，并且所述系统继续使用相同的EDM以将从处理所关注的染料标记的样品获得的光谱数据转换为染料数据。在执行步骤317或318之后，所述方法在步骤319处结束。

本领域技术人员将了解，比较BCODM的以上限定的值与EDM的DQ会使系统偏向于保持当前EDM。BCODM仅用于在足够确定BCODM的性能优于EDM的情况下替换当前EDM，如由在计算eDQ度量时使用相关标准偏差所表示。然而，在替代实施例中，可使用较少或不偏向于保持当前EDM的比较。此外，在替代实施例中，用于使用EDM获得的染料数据的DQ值可与用于使用BCODM获得的染料数据的DQ值比较，而不考虑标准误差测量。然而，在一优选实施例中，利用与例如DQ值的性能值相关联的误差度量以确定是否替换EDM。

如果步骤314的结果是否定的，那么所述方法进行到步骤315。步骤315将串扰矩阵应用于当前CODM以获得下一CODM，且所述方法通过返回到步骤308执行反复部分以计算用于下一CODM的eDQ(所述下一CODM接着变成用于当前反复的新的当前CODM)。在一个实施例中，在步骤315中应用于当前CODM的串扰矩阵是从分析染料数据获得的串扰矩阵，所述染料数据是通过将当前(最近的)CODM应用于从仪器的光电检测器生成的光谱数据而生成的。在此实施例中，使用当前CODM，即使先前的CODM在步骤310和312中被选择作为可能的BCODM。然而，在替代实施例中，在步骤315中，可使用不同串扰矩阵，且所述不同串扰矩阵可应用于不同染料矩阵以获得下一CODM。仅举一个实例，串扰矩阵可以是关于先前或当前反复使用的串扰矩阵的修改版本。所述串扰矩阵可例如通过将例如抖动诱发的噪声的噪声引入到生成光谱串扰值的数据来修改。

图4说明对应于示范性现有染料矩阵的数据4000。数据4000针对四种不同染料绘制归一化的荧光(纵轴)相对于20个不同光谱区间。标绘线401对应于第一染料(紫色染料)的数据，标绘线402对应于第二染料(绿色染料)的数据，标绘线403对应于第三染料(黄色染料)的数据，且标绘线404对应于第四染料(红色染料)的数据。仅为易于说明，标绘线401、402、403及404展示为连续的。实际上，数据自身是离散的，其中每一染料具有20二十个归一化的荧光值(一个归一化的荧光值用于每一区间)，且所展示的线连接那些数据点。图1的仪器1000使用由数据4000表示的现有染料矩阵以识别哪些染料存在于从横越光谱的若干扫描产生的光谱区间数据中，其中图1的光电检测器109测量横越光谱的随时间推移的荧光。

图5说明光谱区间数据5000。数据5000包含用于图1的仪器1000的不同扫描的若干标绘图。标绘图501表示来自扫描编号3116的数据。标绘图504表示来自扫描编号3132的数据，且标绘图508表示来自扫描编号3148的数据。本领域技术人员将理解，本文中所展示的这些和其它数据标绘图仅仅为说明性的且不一定对应于实际数据。用于数据5000的标绘线绘制出用于20个光谱区间中的每一个的荧光(纵轴，以相对荧光单位—RFU为单位来测量)(离散数据仅为易于说明而由连续线展示)。图5中展示来自三个不同扫描的标绘线，但本领域技术人员将理解，例如数据5000的光谱区间数据将通常包含来自比图式中所展示更多的扫描的数据。

图6展示现有染料数据6000。染料数据6000由四个迹线(标绘)线表示，一个迹线用于每种染料，包含迹线601(紫色染料)，迹线602(绿色染料)，迹线603(黄色染料)，及迹线604(红色染料)。再次，所述迹线仅为易于说明而展示连续线；基础数据包括离散数据点(用于每一扫描编号的四个RFU值，即，用于每种染料的荧光值)。例如染料数据6000的染料数据是通过将光谱区间数据乘以染料矩阵的逆而从光谱区间数据获得。染料数据因此将光谱数据与特定染料相关联。

数据6000中的迹线展示产生于光谱串扰的一些上拉及下拉效应。举例来说，与迹线604相关联的红色染料信号似乎与和迹线602相关联的绿色染料信号的一些“上拉”相关联。在本发明的一些实施例中，光谱串扰可使用此类“峰值下峰值”数据的分析来分析。举例来说，较大峰值下的明显较小峰值的幅度可与具有较大峰值的迹线中的光谱误差量相关。然而，本发明的其它实施例认识到，可通过交叉标绘图数据的回归分析而较彻底地解释光谱串扰。回归分析具有使用比峰值分析多的可用数据的益处。

图7展示交叉标绘图数据7000，其可用于确定一种染料相对于另一种染料的串扰值。具体来说，数据7000绘制出在横轴上展示的第一染料(仅出于识别目的在图式中标记为“染料3”)的荧光相对于在纵轴上展示的第二染料(标记为染料4)的荧光。交叉标绘图数据7000包含数据群组701，其展示染料4对染料3的显著“上拉”效应(即，随着染料4的荧光增加，染料3的荧光也增加)。交叉标绘图数据7000还包含数据群组702，其展示染料3对染料4的略微更温和的“下拉”效应(即，随着染料3的荧光增加，染料4的荧光稍微减少)。

在本发明的实施例中，例如数据7000的交叉标绘图数据集用于针对绘制一种染料的荧光相对于另一种染料的荧光的影响的数据确定回归线和对应的标准偏差。可通过例如数据7000的交叉标绘图数据的回归分析识别的两种染料的荧光之间的相关性可指示光谱串扰且因此是用于光谱误差的合理代替。针对例如用于染料数据中的两种染料的每一排序组合的数据7000的交叉标绘图数据集确定回归线和标准偏差。在4-染料数据的上下文中，存在12个仅有的排序的双染料组合。所得回归线的12个斜率为例如通过图3的步骤305产生的现有(或候选)串扰矩阵提供值。来自每一回归线的对应的标准偏差提供所确定串扰编号中的标准误差的量度。

交叉标绘图数据7000包含例如有可能是“离群值”的数据点704的数据点，这意味着所述数据点足够异常以在确定最终回归线和对应的斜率以及对应的标准偏差之前被去除。取决于数据特性，去除离群值或相对于非离群值缩减其权重可通过向串扰矩阵提供较有用的回归值且向评估DQ值提供较有用的标准误差值而改进性能。这允许改进候选优化染料矩阵且更好地确定何时用候选优化染料矩阵更新现有染料矩阵。因此，在一些实施例中，在确定最终回归线和对应的斜率(以及对应的标准偏差)以用于测量串扰之前去除交叉标绘图的离群值。

一些数据点，例如数据点703，是边界离群值。所述数据点是否被识别为离群值将取决于用于当使用那些方法时进行的离群值识别和/或参数选择的方法。

存在许多用于识别离群值的已知方法。一种已知的方法是幅度分组。在一些实施例中，通过使用幅度分组识别二级染料迹线相对于一级染料迹线的幅度交叉标绘图中的边缘。一级和二级染料迹线的幅度相对于一级染料迹线进行分类。对于每对一级和二级染料迹线扫描，这会创建相对于一级幅度分类的两个数据列集。一级幅度过小(即，一级值小于一级峰值振幅的某一小数)的一级和二级染料扫描值从所述集合去除。在一个实施例中，此小数的优选值约为12％。一级和二级染料扫描值的剩余集合应相对不含一级信号中的噪声。此剩余的幅度分类的值集在下文提及为一级和二级染料扫描处理集合。

一级和二级染料扫描处理集合接着基于一级幅度值而以幅度分组到幅度范围中，使得每一区间中的染料扫描值平均为一定数量。在一些实施例中，此数量通常在1到8之间。此分组的净效应是将存在许多具有零扫描值的区间及具有许多扫描值的其它区间。对于存在扫描值的每一区间，选择最低二级(“边缘”)值来表示用于所述区间的二级值。与此最低二级值相关联的一级值用于表示用于所述区间的一级值。这些所选择的“边缘”值用于创建一级和二级值对的新的集合，其将用于执行线性回归以获得二级染料迹线相对于一级染料迹线的幅度交叉标绘图中的“边缘”的斜率。此斜率是小数光谱串扰。

此幅度分组的主要功能是滤除通常产生于重叠的许多离群值。在每一幅度区间中，最小的二级幅度与正或负串扰相关联，这是由于重叠将到达值与受串扰影响的光谱值相加。因此，幅度分组倾向于去除由于与来自一级峰值的光谱串扰重叠成二级迹线的真实二级到达值而导致的离群值。

请注意，此分组可在所计算斜率的值中引入小的统计偏差。在一优选实施例中，在报告串扰之前校正此偏差。

另一类已知技术通常被称为鲁棒离群值滤波且在回归分析期间实行。举例来说，在以下文献中描述一些已知的鲁棒离群值滤波方法：“用于鲁棒回归的初步估计器的比较(A comparison of Preliminary Estimators for Robust Regression),”A.C.Harvey,美国统计协会期刊(J._{OF THE} A_MERICAN S_TATISTICAL A_SSOCIATION),第72卷,1977期号360a,第910-913页；及“用于Toeplitz结构问题的快速鲁棒回归算法(Fast robust regressionalgorithms for problems with Toeplitz structure),”Nicola Mastronardia,DianneP.O'Leary,在计算统计与数据分析中(in C_OMPUTATIONAL S_TATISTICS&D_ATA A_NALYSIS)52(2007)1119-1131。这些鲁棒离群值滤波技术通常涉及：(1)基于所述数据计算第一回归线；(2)基于所述数据点距第一回归线的距离运用“回归权重”对每一数据点进行加权(其中所述线上或极接近于所述线的点具有权重1且远离所述线的点将具有小于1的小数权重)；及(3)使用回归权重预测用于给定“x”值的“y”值(或反之亦然)。鲁棒离群值识别可涉及多个反复。并且，权重可以是二进制的。举例来说，在Talwar回归(在以上提及的Mastronardia和O'Leary中描述)中，权重是基于距离阈值的1或0。典型的已知鲁棒离群值方法具有用于距离参数的推荐的默认值，其用于识别离群值。

在本发明的一些实施例中，离群值仅使用幅度分组技术来识别。在本发明的一些实施例中，离群值使用已知的鲁棒离群值滤波方法来识别。在一些实施例中，已知方法是Talwar方法。在一些实施例中，使用幅度分组与已知的鲁棒离群值滤波方法的组合。然而，一个实施例使用离群值去除技术与本领域中先前未知的滤波方法的组合，所述离群值去除技术包含幅度分组及经过修改的鲁棒离群值检测。此本发明技术在本文中被称作自适应性鲁棒离群值识别及滤波。下文在图8的上下文中进一步描述自适应性鲁棒识别及滤波。在一个实施例中，幅度分组首先应用于数据，接着如下文进一步描述的自适应性鲁棒识别及滤波应用于在应用幅度分组之后得到的数据。在另一实施例中，在不首先使用幅度分组的情况下应用自适应性鲁棒识别及滤波。

图8说明用于离群值滤波的优选方法8000，其在本文中被提及为自适应性鲁棒离群值识别及滤波。方法8000开始于步骤801。步骤802使用一种染料的荧光相对于另一种染料的荧光的数据标绘图中的数据点(“第一数据点”)来计算未加权的回归线。步骤803通过使用离群值算法来确定权重的第n个集合(对于此步骤，其为权重的“第一”集合)且基于所述第一数据点距未加权的回归线的距离将所述权重的第n个集合应用于所述第一数据点而获得第n个经过加权的数据点(对于此步骤，n＝1，因此其为经过加权的数据点的“第一”集合)。

步骤804使用第n个(在此状况下，第一个)经过加权的数据点计算第n个(在此状况下，第一个)经过加权的回归线。步骤805使n递增(在第一反复上，n从1递增到2，但n在后续反复上增长较高)且通过使用离群值算法来确定权重的第n个集合并将其应用于第一数据点而获得经过加权的数据点的第n个(例如，在第一反复上，第2个)集合。所述权重基于距第(n-1)个(例如，在步骤805的第一反复上，第1个)经过加权的回归线的距离而确定。

步骤806使用经过加权的数据点的第n个集合来确定第n个(例如，在第一反复上，第2个)经过加权的回归线。步骤807确定是否指示其它反复。如果807的结果是肯定的，那么处理返回到步骤805且n再次递增(例如，在第二反复上，n从2递增到3)。

如果步骤807的结果是否定的，那么步骤808使用当前回归线的斜率作为串扰值。对应的标准偏差可用于针对串扰矩阵评估DQ值的可靠性。一种使用对应的标准偏差的方式可例如为确定以上在图3的上下文中提及的eDQ值。方法8000在步骤809处结束。

各种已知的离群值算法或其它离群值算法可用作在图8的步骤803或805中提及的“离群值算法”。离群值算法通常具有可经过调整以或多或少积极地识别离群值和/或缩减关于可能的离群值的权重的设定。换句话说，第一设定可在数据点被识别为离群值和/或其权重另外缩减之前通过要求所述数据点具有距回归线的较小距离而“积极地”识别离群值。另一方面，第二设定可在数据点表征为离群值和/或其权重缩减之前通过要求所述数据点的距回归线的距离较大而较不积极地识别离群值/缩减权重。虽然一些离群值算法(例如，如上文所论述)识别离群值并分配相应地缩减但非零的权重，但上文所提及的Talwar方法可被视为更特定的状况，其中识别为离群值的数据点实际上将其权重设定为“零”，从而有效地从数据集完全去除所识别的离群值点。

在图8的方法8000的优选实施例中，离群值算法的第一设定用于步骤803中，且不同的、较不积极的设定用于步骤805的第一反复或步骤805的稍后反复中。然而，在方法8000的一些实施例中，始终使用相同设定或识别离群值时的设定的积极性不一定一开始就高且接着针对稍后反复减少。在一些实施例中，在步骤803处且在步骤805的所有反复处使用相同离群值算法。然而，在其它实施例中，不同离群值算法用于不同反复。

图9说明当现有染料矩阵不能另外从先前校准获得时用于获得内部估计的染料矩阵以用作如在图3步骤303的上下文中描述的最初的现有染料矩阵的方法9000。

方法9000开始于步骤901。步骤902对光谱扫描数据进行预处理以视需要去除尖峰、引物峰值、蠕动峰值和/或其它伪影。步骤903使用经过预处理的光谱数据以针对与光谱扫描数据相关联的每一光谱区间中的“能量”确定代替数据。在此上下文中，适当代替数据是与用于每一光谱的强度数据合理地相关的值。在一些实施例中，值等于强度，但在其它实施例中，值仅仅与强度数据相关。用于光谱能量的代替数据的一个实例通过将光谱数据的转置(或适当地平均移位或中值移位的光谱数据)乘以光谱数据(或适当地平均移位或中值移位的光谱数据)而获得。

步骤904处理能量代替数据以确定活性染料的表观数目。这可通过确定与光谱能量代替中的峰值(最大值)或光谱能量代替的二阶导数中的负峰值(最小值)相关联的光谱区间来进行。显著的最大值或最小值(当与二阶导数一起起作用时)的数目视需要被识别为活性染料的数目。显著的最大值或最小值(当与二阶导数一起起作用时)为大于最大峰值或最大负峰值(当与二阶导数一起起作用时)的小阈值小数(通常约0.001到0.01)的最大值或最小值。

步骤905针对在步骤904中识别的每一活性染料确定近似光谱处的最初的猜测。这通过识别与光谱能量代替中的峰值(最大值)或光谱能量代替的二阶导数中的负峰值(最小值)相关联的光谱区间来进行。与这些所识别区间中的每一个相关联的光谱能量代替值被认为是用于每一染料的近似光谱处的最初的猜测。

步骤906对最初的猜测的每一光谱区间进行重新缩放以针对每一染料确定近似光谱。重新缩放因子可以是每一光谱区间中的最大能量或能量代替矩阵的对角线上的能量的幂。所使用的幂通常是1。但可视需要使用其它值。

步骤907通过归一化每一近似染料光谱使得其各自具有最大值1而确定归一化的染料矩阵光谱。这通过将每一近似染料光谱除以其最大值(例如，将强度值或其它能量代替值除以与所述染料相关联的峰值强度)来进行。

步骤908从在步骤907中确定的矩阵的每一行获取归一化的光谱以形成所估计的染料矩阵。方法9000在步骤909处结束。

图10说明当现有染料矩阵不能另外从先前校准获得时用于获得内部估计的染料矩阵以用作如在图3的步骤303的上下文中描述的最初的现有染料矩阵的较详细方法10000。方法10000说明实施图9的方法9000的一种特定方式，但表示图9中所说明的方法的许多可能具体实施方案中的仅一个实施方案。

对于方法10000，以下定义适用：“scanData”是在图3中被称为光谱区间数据且对应于具有大小numScans×numBins的矩阵的内容，其中numScans是扫描的数目，且numBins是光谱区间的数目，输入数据已经光谱地离散化到所述光谱区间中。此光谱数据将使用染料矩阵(DM)通过以下等式最终转换为染料数据(dyeData)：

dyeData＝scanData*inv(DM)(其中“*”指示矩阵的乘法)。

此等式的替代变化包含：

dyeData＝k*scanData*inv(DM)，其中k是常量倍数，

dyeData＝D_K*scanData*inv(DM)，其中D_K是具有(不同染料平衡)常数倍的对角矩阵，以及用于染料平衡和染料水平的偏置的其它类似方案。

步骤1002使用标准信号处理技术预处理/清除scanData，使得其不含有任何尖峰、引物峰值、蠕动峰值以及其它类似的可能的处理伪影。经过预处理的扫描数据被称作“scanDataUse”。

步骤1003获得交叉光谱“能量”数据矩阵(crossData)，其被定义为：

crossData＝scanDataUse^T*scanDataUse

其中上标T用于指示矩阵的转置(即，在此状况下，scanDataUse的转置乘以scanDataUse)。

步骤1005针对scanDataUse中的每一扫描沿着与每一光谱区间相关联的迹线获得所有扫描的居中窗口平均值(或居中滚动窗口平均值)。换句话说，步骤1005获得居中滚动平均值(稍后描述)。将窗口长度(即，窗口中的扫描的数目)称作rollingWinSize。在优选的系统中，rollingWinSize约为264(2×132)。以给定的扫描编号为中心的居中滚动窗口平均值是窗口中的所有scanDataUse值的从所述扫描编号之前的rollingWinSize/2个扫描到所述扫描编号之后的rollingWinSize/2个扫描的平均值。

居中滚动窗口平均值沿着与每一光谱区间相关联的迹线给出局部化的平均值。使用此局部化的平均值而非用于每一迹线的全局平均值来反映每一迹线中的峰值的大小通常从起始到结束的趋势向下的事实。

步骤1006针对scanDataUse中的每一扫描从scanDataUse减去其滚动窗口平均值的小数(在步骤1005中计算)。这会创建scanDataUseMeanShifted—稍微平均调整(移位)的scanData。在优选的版本中，较小的小数约为0.0015。在替代版本中，scanDataUseMeanShifted还可通过减去每一迹线的(全局)平均值、通过获取每一迹线的(全局)平均值的小数等而获得。

步骤1007获得此平均移位数据的交叉光谱“能量”(crossDataMeanShifted)，其定义为：

crossDataMeanShifted＝scanDataUseMeanShifted ^T*scanDataUseMeanShifted

步骤1008获得crossDataMeanShifted的对角线向量(在本文中被称作“crossDataDiagMeanShifted”)，其含有scanDataUseMeanShifted的光谱区间迹线中的每一个中的有效“能量”。

步骤1009获得crossDataDiagMeanShifted的平滑的居中二阶导数，且计算其负值(在本文中被称作“negDerivs2”)。标准数学技术可用于确保这些导数为居中导数(相较于正向导数或反向导数)。所述导数还可以是“平滑的”，使得例如三个或多于三个点(即，区间)将用于计算二阶平滑化多项式，其用于计算二阶导数。这是用于具有20个光谱区间的系统。让我们将用于计算平滑化曲线的点的数目称作nPtsToCalcSmoothingCurve。让我们将用于nPtsToCalcSmoothingCurve的估计称作nPtsToCalcSmoothingCurveEstimate。因此，如果存在约40个光谱区间，那么nPtsToCalcSmoothingCurveEstimate变成5。

步骤1010通过例如使用标准的寻峰算法(例如MATLAB的findpeaks)而在NegDerivs2中找到峰值。步骤1010将与这些峰值相关联的区间位置定义为peakLocs0，且将与这些峰值相关联的二阶导数峰值放大器定义为peakAmps0。相较于crossDataDiagMeanShifted中的峰值，识别并处理与这些平滑居中二阶导数(negDerivs2)中的峰值相关联的peakAmps0/peakLocs0允许与小/较小能量的染料相关联的峰值变得显而易见。

在一个实施例中，所有的peakLocs0值可被接受为与和此光谱数据(scanData)相关联的染料的集合(染料集合)的光谱中的峰值相关联的光谱区间位置。

然而，在所说明的实施例中，取决于negDerivs2数据的平滑度，步骤1011在peakAmps0值(或绝对值)低于阈值(secondDerivNoiseThresh)的情况下去除peakLocs0中的值和peakAmps0中的相关联值中的一些。在一优选实施例中，secondDerivNoiseThresh通过下式给出：

secondDerivNoiseThresh＝max(peakAmps0)*secondDerivNoiseThreshFraction

其中，在一优选实施例中，secondDerivNoiseThreshFraction约为1.0e^-3

在一优选实施例中，peakLocs和相关联peakAmps的选定集合通过peakLocs0给出，对于peakLocs0，其相关联peakAmps0的绝对值大于或等于secondDerivNoiseThresh。创建peakAmps和peakLocs的集合的其它替代方法可包含基于peakAmps0的值(相较于绝对值)、peakAmps0的非零值等的阈值处理。

步骤1012接着接受peakLocs0和peakAmps0中的值的选定集合，且那些选定集合在本文中定义为peakLocs和peakAmps0。选定集合中的peakLocs/peakAmps的数目表示在用于创建scanData的染料集合中发现的染料的数目。

在所说明的优选实施例、优选的版本中，步骤1013通过获取对应于由peakLocs给出的光谱区间的crossData行而获得未归一化的染料矩阵光谱(“unNormalizedDyeMatrixSpectra0”)。在替代实施例中，未归一化的染料矩阵光谱通过获取crossDataMeanShifted行而获得，且使用crossDataMean与crossDataMeanShifted的某一加权组合而非crossData。

步骤1014将unNormalizedDyeMatrixSpectra0的每一元素提升到0.25与5之间的幂以获得unNormalizedDyeMatrixSpectra。在优选实施例中，幂是1，且因此，在优选实施例中：

unNormalizedDyeMatrixSpectra＝unNormalizedDyeMatrixSpectra0

仅仅是染料矩阵(DM)(例如，经获得以用作图3的步骤303中的EDM的IEDM)的归一化的染料矩阵光谱(“normalizedDyeMatrixSpectra”)现在通过由unNormalizedDyeMatrixSpectra中的每一行中的最大值归一化所述行而获得。这会产生具有典型的形式的染料矩阵，其中每一行中的峰值是1。

因此，当现有染料矩阵不另外可用时，以上方法10000可用于估计现有染料矩阵以用作在图3的步骤303的上下文中提及的“EDM”。

图11说明用于实行本发明的实施例的方法11000。方法11000开始于步骤1105。步骤1110用例如聚合物溶液的溶液填充仪器的毛细管。步骤1115将样品溶液装载到仪器的毛细管中。步骤1120施加电压以在仪器的一个或多个毛细管的阳极端与阴极端之间产生电压差。步骤1125确定样品运行是否结束。如果已结束，那么所述方法在步骤1199处结束。如果未结束，那么步骤1130在样品穿过检测区域113时从检测区域113检测光学发射。

步骤1135测量包含压力、温度和光学信号中的一个或多个的一个或多个系统参数。在一些实施例中，通过检测以下中的一个或多个来检测压力：聚合物阀位置；聚合物阀压力；缓冲阀位置；缓冲阀压力；注射器位置；及注射器压力。在一些实施例中，施加在注射器致动器上(或施加在其它相关元件上)的总力被测量并用于表示注射器压力(或用于其它相关元件的压力)。另外或替代地，注射器或其它相关元件的压力可例如使用压力换能器等而被较直接测量。在一些实施例中，通过检测以下中的一个或多个来检测温度：聚合物冷却器温度(聚合物冷却器是图1中未单独地展示的筒盒装载器子系统的一部分)；毛细管温度；毛细管出口处的气流温度；毛细管入口处的气流温度；散热片温度(例如，上文所提及的聚合物冷却器的一部分)；毛细管加热器温度；缓冲器温度；鼻状部温度(其中鼻状部是用于将检测区域113与图1的检测系统109对准的配合元件(未展示))；仪器温度；及激光器(或其它照明装置)散热片温度。在一些实施例中，在仪器内的各种位置处获取仪器温度且接着所述仪器温度经过分析以确定是否有任何仪器温度超过阈值。

步骤1140确定一个或多个所测量参数的值是否在用于获得可靠结果的可接受操作范围内。在一个实施例中，如果参数在偏离标度值的预定量内，那么所述参数被视为不在可接受操作范围内。举例来说，如果所测量的光学信号的峰值在偏离标度值的预定量(例如，可由系统测量的RFU上限)内，那么步骤1140的结果是“否定的”且参数值被视为不在可接受操作范围内。如果步骤1140的结果是肯定的，那么所述方法进行到步骤1125以确定运行是否结束。如果步骤1140的结果是否定的，那么所述方法进行到步骤1145以基于所测量的参数值来执行动作。另外或替代地，步骤1145包括使用在步骤1125到1140的先前循环中获得的数据。下文展示可导致步骤1140确定是“否定的”参数测量确定的一些实例

●如果在筒盒处于适当位置的设定时间(例如，12分钟)之后，聚合物冷却器的温度大于设定点之外的阈值量

●用于控制筒盒温度的筒盒上方的毛细管入口/出口气流温度的“否定”条件：

○如果筒盒入口处的温度不处于设定的所要温度或不在高于或低于所述温度的预定义裕度内(或，在一些实施例中，如果所述温度的时间导数不在设定量的预定裕度处或不在所述预定裕度内)

○如果筒盒出口处的温度不在设定的所要温度处或不在高于或低于所述温度的预定义裕度内(或，在一些实施例中，如果所述温度的时间导数不在设定量的预定裕度处或不在所述预定裕度内)

○如果温度控制系统的入口处的温度(或温度的导数)与出口处的温度(或温度的导数)之间的差大于设定量。

●预定范围之外的归一化的毛细管加热器功率

●预定范围之外的供应电压

●预定范围之外的鼻状部加热器温度

●预定范围之外的内部环境温度

以上条件中的任一个可能进一步取决于用于步骤1140处的“否定”产生的最初的设置(例如筒盒放置或其它设置条件)之后的某一时间段。

在步骤1145处，执行动作在步骤1145处执行的动作的实例包含但不一定限于：设定或发送警告或条件标志；发送警告信号；发送重新服务信号；提供运行质量度量(例如，绿色标志、黄色标志、红色标志和/或与所述运行有关的具体数值)；改变染料矩阵分量；改变注射参数；设定或修改运行后分析或校正度量；终止过程；将所述过程暂停预定时间段；暂停所述过程直到过程的条件已改变预定量为止；沖洗一个或多个毛细管；或记录至少两个参数的一个或多个值，所述值适于校正或修改在检测期间记录的光谱数据。动作可能还包含设定过程调用参数以用于调用子程序以进行先前动作中的任一个。动作还可能包含但不一定限于：发送检查筒盒信号；维持施加的压力；设定标志；发送警告信号；发送服务调用信号；发送检查筒盒信号；缩减压力；增加压力；关闭容器与泵之间的阀；检查泄漏；中断传递样品溶液；或改变运行条件。动作可能还包含设定过程调用参数以用于调用子程序以进行先前动作中的任一个。改变运行条件的实例包含但不一定限于调整时间、调整电流或电压，或改变染料矩阵中的值，或改变温度。

在于步骤1145处执行动作之后，步骤1150确定动作是否有效。举例来说，所述动作是否足够有效以继续或恢复运行。如果不足够有效，那么步骤1199结束所述运行。如果足够有效，那么处理返回到步骤1125。在一些状况下，动作可能仅仅是警告，并且将由用户确定是否结束所述运行。在所述状况下，所述警告被简单地提出，并且出于所说明的处理流程的目的，被认为是“有效的”，即使潜在问题可能值得进一步关注。

图12说明用于实行本发明的实施例的方法12000。方法12000开始于步骤1205。步骤1210用例如聚合物溶液的溶液填充仪器的毛细管。步骤1215将样品溶液装载到仪器的毛细管中。步骤1220施加电压以在仪器的一个或多个毛细管的阳极端与阴极端之间产生电压差。步骤1225确定样品运行是否结束。如果已结束，那么所述方法在步骤1299处结束。如果未结束，那么步骤1230在样品穿过检测区域113时从检测区域113检测光学发射。

步骤1235测量随时间推移的电流。这可能通过检测毛细管中或横越毛细管的一个或多个位置处的连续当前信号来实现。这还可通过检测多个离散时间处的多个电流值来实现。

步骤1240确定电流值中的噪声是否超过预定阈值。这可通过针对电流值确定噪声度量来实现。一种用于确定此度量的方法如下：针对电流值确定最佳拟合平滑线；确定残差(最佳拟合线与多个电流值中的每一个之间的距离)；针对范围阈值和标准偏差阈值的预定值评估残差的范围和标准偏差。如果所述范围或标准偏差超过预定阈值，那么步骤1245执行校正性动作。如果不超过，那么处理返回到步骤1225以确定是否结束运行。

在于步骤1245处执行动作之后，步骤1250确定动作是否有效。举例来说，所述动作是否足够有效以继续或恢复运行。如果不足够有效，那么步骤1299结束所述运行。如果足够有效，那么处理返回到步骤1225。在一些状况下，动作可能仅仅是警告，并且将由用户确定是否结束所述运行。在所述状况下，所述警告被简单地提出，并且出于所说明的处理流程的目的，被认为是“有效的”，即使潜在问题可能值得进一步关注。

图13说明用于实行本发明的实施例的方法13000。方法13000开始于步骤1305。步骤1310用例如聚合物溶液的溶液填充仪器的毛细管。步骤1315将样品溶液装载到仪器的毛细管中。步骤1320施加电压以在仪器的一个或多个毛细管的阳极端与阴极端之间产生电压差。步骤1325确定样品运行是否结束。如果已结束，那么所述方法在步骤1399处结束。如果未结束，那么步骤1330在样品穿过检测区域113时从检测区域113检测光学发射。

步骤1335分析光学信号。步骤1340确定光学信号的分析是否标记将进行的动作。举例来说，确认真实数据的开始跳过引物峰值。峰值宽度与预设阈值进行比较。峰值高度与预设窗口中的平均峰值高度进行比较。在一个实施例中，如果宽度和高度使所有染料的预设阈值无效，那么扔掉标志。提醒用户，已经检测到尖峰且在其频繁地遇到尖峰的情况下联系支持人员，且这可能由输入样品中的污染引起。

在一些实施例中，分析包含例如分析信号中的数据点是否偏离标度或是否在偏离标度的预定裕度内。如果信号值评估或超过当前系统可记录的最大数值，那么数据点被视为偏离标度。如果遇到大于某一数目的偏离标度，那么会触发标志，从而提醒用户调整注射参数和/或样品浓度。

在其它实施例中，分析光学信号的信噪比。如果毛细管中的数据具有不佳信噪比，那么这可能与若干问题相关，所述问题例如但不限于注射故障、未检测到样品、PCR故障、清理不佳、低样品浓度和注射短。相较于根据非峰值区估计的噪声，信噪比(SNR)使用在直到实验中的给定点看到的数据的峰值区中看到的中值信号电平来计算。如果所述值超过预设阈值，那么生成标志。提醒用户未检测到有效样品。要求用户验证样品量符合预定的最小量，视需要调整注射参数，并且如果故障继续存在，那么联系技术支持。

在一些实施例中，例如使用上文在图9到10的上下文中描述的技术确定是否存在现有染料矩阵，在需要时是否可估计新的染料矩阵，且光谱数据是否具有足够的质量以估计最初的染料矩阵。

如果步骤1340不指示应采取动作，那么方法返回到1325。如果步骤1340的结果是肯定的，那么步骤1345采取动作。在步骤1345处执行的动作的实例包含但不一定限于：设定或发送警告或条件标志；发送警告信号；发送重新服务信号；提供运行质量度量(例如，绿色标志、黄色标志、红色标志和/或与所述运行有关的具体数值)；改变染料矩阵分量；改变注射参数；设定或修改运行后分析或校正度量；终止过程；将所述过程暂停预定时间段；暂停所述过程直到过程的条件已改变预定量为止；沖洗一个或多个毛细管；或记录至少两个参数的一个或多个值，所述值适于校正或修改在检测期间记录的光谱数据。动作可能还包含设定过程调用参数以用于调用子程序以进行先前动作中的任一个。动作还可能包含但不一定限于：发送检查筒盒信号；维持施加的压力；设定标志；发送警告信号；发送服务调用信号；发送检查筒盒信号；缩减压力；增加压力；关闭容器与泵之间的阀；检查泄漏；中断传递样品溶液；或改变运行条件。动作可能还包含设定过程调用参数以用于调用子程序以进行先前动作中的任一个。改变运行条件的实例包含但不一定限于调整时间、调整电流或电压，或改变染料矩阵中的值，或改变温度。

在于步骤1345处执行动作之后，步骤1350确定动作是否有效。举例来说，所述动作是否足够有效以继续或恢复运行。如果不足够有效，那么步骤1399结束所述运行。如果足够有效，那么处理返回到步骤1325。在一些状况下，动作可能仅仅是警告，并且将由用户确定是否结束所述运行。在所述状况下，所述警告被简单地提出，并且出于所说明的处理流程的目的，被认为是“有效的”，即使潜在问题可能值得进一步关注。

图14说明用于实行本发明的实施例的方法14000。方法14000开始于步骤1405。步骤1410用例如聚合物溶液的溶液填充仪器的毛细管。步骤1415将样品溶液装载到仪器的毛细管中。步骤1420施加电压以在仪器的一个或多个毛细管的阳极端与阴极端之间产生电压差。步骤1425调用系统数据结构。系统数据结构的一个实例是如在先前图的上下文中所描述的染料矩阵。

步骤1430确定样品运行是否结束。如果已结束，那么所述方法在步骤1499处结束。如果未结束，那么步骤1435在样品穿过检测区域113时从检测区域113检测光学发射。

步骤1440测量一个或多个系统参数。系统参数的一个实例是样品染料数据中的染料光谱之间的串扰。上文提及了其它实例。步骤1445更新系统数据结构或针对可能的更新评估系统数据结构。步骤1450分析数据结构或更新的数据结构。在一个实例中，通过分析使用数据结构生成的数据来分析数据结构。在一个实例中，使用数据结构生成的数据是对应于检测到的样品的染料数据，且数据结构是染料矩阵。步骤1455确定系统数据结构的分析是否标记将采取的动作。

在一些实施例中，例如使用上文在图9到10的上下文中描述的技术确定是否存在现有染料矩阵，在需要时是否可估计新的染料矩阵，且光谱数据是否具有足够的质量以估计最初的染料矩阵。

如果步骤1455不指示应采取动作，那么方法返回到1430。如果步骤1455的结果是肯定的，那么步骤1460采取动作。在步骤1460处执行的动作的实例包含但不一定限于在其它图的上下文中描述的动作的实例。在一个实例中，动作可能包含进一步更新数据结构。在另一实例中，动作可能包含基于系统数据结构的分析发送警告消息(其可能基于分析使用系统数据结构产生的数据)。可能采取如上文所描述的各种其它动作。

在于步骤1460处执行动作之后，步骤1465确定动作是否有效。举例来说，所述动作是否足够有效以继续或恢复运行。如果不足够有效，那么步骤1499结束所述运行。如果足够有效，那么处理返回到步骤1430。在一些状况下，动作可能仅仅是警告，并且将由用户确定是否结束所述运行。在所述状况下，所述警告被简单地提出，并且出于所说明的处理流程的目的，被认为是“有效的”，即使潜在问题可能值得进一步关注。

图15说明用于实行本发明的实施例的方法15000。方法15000开始于步骤1505。步骤1510提供容器和溶液，例如聚合物溶液。步骤1510通过将压力施加到容器中的溶液而将溶液装载到仪器的一个或多个毛细管中。步骤1520测量一个或多个压力值。在一些实施例中，通过检测以下中的一个或多个来检测压力：聚合物阀位置；聚合物阀压力；缓冲阀位置；缓冲阀压力；注射器位置；及注射器压力。在一些实施例中，施加在注射器致动器上(或施加在其它相关元件上)的总力被测量并用于表示注射器压力(或用于其它相关元件的压力)。

在一个实施例中，随时间推移的一个或多个压力值。这可通过检测连续压力信号来实现。这还可通过检测多个离散时间处的多个压力值来实现。

步骤1525分析所检测到的压力值。在一个实施例中，分析包含确定压力值中的噪声是否超过预定阈值。这可通过针对压力值确定噪声度量来实现。一种用于确定此度量的方法如下：(例如，在聚合物装载期间)针对所关注区内的压力值确定最佳拟合平滑线；确定残差(最佳拟合线与多个电流值中的每一个之间的距离)；及针对阈值标准偏差评估残差。

在一些实施例中，分析压力值以确定其是否在所关注时段内(例如，在聚合物装载期间)保持在最低要求之上。

如果压力参数不符合要求(例如，在所关注时段期间，标准偏差过高和/或压力低于最低要求)，那么步骤1535执行校正性动作。如果步骤1535处的参数值是可接受的，那么步骤1598继续进行样品运行。

在于步骤1535处执行动作之后，步骤1540确定动作是否有效。举例来说，所述动作是否足够有效以再次尝试装载溶液。如果步骤的结果是否定的，那么步骤1599中止运行。如果所述动作足够有效，那么在所说明的实施例中，处理返回到步骤1515以再次尝试装载聚合物溶液。在一些状况下，动作可能仅仅是警告，并且将由用户确定是否结束所述运行。在所述状况下，所述警告被简单地提出，并且出于所说明的处理流程的目的，被认为是“有效的”，即使潜在问题可能值得进一步关注。然而，作为所说明流程的替代方案，确定已经发送适当警告的结果可能是继续步骤1598并继续进行样品运行。所述系统或用户可接着在压力分析或其它参数分析的上下文中评估样品运行是否具有足够质量以提供可靠结果。

本文中所描述的系统、设备和方法可使用有形地体现于信息载体中，例如，体现于非暂时性机器可读存储装置中的计算机程序产品来实施以供可编程处理器执行；且包含图2、图3、图8、图9、图10、图11、图12、图13、图14和/或图15中的方法的步骤中的一个或多个的本文中所描述的方法步骤可使用可由此处理器执行的一个或多个计算机程序来实施。计算机程序是一组可直接或间接用于计算机中以执行某一活动或产生某一结果的计算机程序指令。计算机程序可以任何形式的编程语言编写，包含编译或解释语言，并且其可以任何形式部署，包含以单独程序形式或以模块、组件、子程序或适合用于计算环境的其它单元形式。

图16展示计算机系统16000的实例，所述计算机系统中的一个或多个可提供图1的仪器1000的一个或多个组件，例如(图1的)数据处理系统110。计算机系统16000执行计算机程序产品1660(其可以是例如图1的实施例的计算机程序产品111)中所含有的指令代码。计算机程序产品1660包括电子可读介质中的可指示例如计算机系统16000的一个或多个计算机来执行处理的可执行代码，所述处理实现由本文中所提及的实施例执行的示范性方法步骤。电子可读介质可以是任何非暂时性介质，其以电子方式存储信息且可通过网络连接在本地或远程地被访问。在替代实施例中，所述介质以是暂时性的。所述介质可包含多个地理上分散的介质，其各自配置成在不同位置和/或在不同时间存储可执行代码的不同部分。电子可读介质中的可执行指令代码引导所说明的计算机系统16000实行本文中所描述的各种示范性任务。用于引导实行本文中所描述的任务的可执行代码将通常以软件实现。然而，本领域技术人员应了解，计算机或其它电子装置可利用以硬件实现的代码来执行许多或所有所识别的任务而不脱离本发明。本领域技术人员将理解，可发现关于可执行代码的许多变化，其实施在本发明的精神和范围内的示范性方法。

计算机程序产品9060中所含有的代码或代码的副本可驻留在一个或多个永久性存储介质(未单独地展示)中以供处理器1620执行，所述永久性存储介质以通信方式耦合到系统9000以用于加载并存储在永久性存储装置1670和/或存储器1610中。计算机系统1600还包含I/O子系统1630和***装置1640。I/O子系统1630、***装置1640、处理器1620、存储器1610和永久性存储装置1670通过总线1650耦合。类似可含有计算机程序产品1660的永久性存储装置1670和任何其它永久性存储装置，存储器1610是非暂时性介质(即使实施为典型的易失性计算机存储器装置)。此外，本领域技术人员将了解，除了存储用于实行本文中所描述的处理的计算机程序产品1660之外，存储器1610和/或永久性存储装置1670还可配置成存储本文中所提及且说明的各种数据元素。

本领域技术人员将了解，计算机系统16000仅说明系统的一个实例，其中可实施根据本发明的实施例的计算机程序产品。仅列举替代实施例的一个实例，根据本发明的实施例的计算机程序产品中所含有的指令的执行可分布在多个计算机上，例如分布在分布式计算网路的计算机上。

选定实施例

实施例1：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性电脑可读介质中)；以上各者中的任一个与用于自动校正染料标记的样品的染料数据中的光谱误差的样品处理仪器一起使用，所述实施例配置成用于实施处理，所述处理包括：生成对应于通过所述样品处理仪器运行的染料标记的样品的染料数据，所述染料数据至少包括对应于用第一染料标记的第一样品的第一染料数据和对应于用第二染料标记的第二样品的第二染料数据，所述第二染料不同于所述第一染料；使用至少所述第一染料数据和所述第二染料数据的非导数值以获得与所述第一染料数据的光谱误差相关的相关数据；及使用所述相关数据应用校正函数以生成经过校正的染料数据。

实施例2：实施例1配置成用于实施处理，所述处理进一步包括获得所述经过校正的染料数据的光谱误差的测量。

实施例3：实施例2配置成用于实施处理，所述处理进一步包括确定所述经过校正的染料数据的光谱误差是否比所述第一染料数据的光谱误差小阈值量。

实施例4：实施例3，其中如果所述经过校正的染料数据的所述光谱误差不比所述第一染料数据的光谱误差小所述阈值量，那么调整或舍弃所述校正函数。

实施例5：实施例2，其中通过识别与所述经过校正的染料数据的光谱误差相关的第二相关数据而获得所述经过校正的染料数据的光谱误差的所述测量。

实施例6：实施例5配置成用于实施处理，所述处理进一步包括使用所述第二相关数据以将校正函数应用于所述染料数据以获得经过进一步校正的染料数据。

实施例7：实施例6配置成用于实施处理，所述处理进一步包括确定所述经过进一步校正的染料数据是否符合用于缩减光谱误差的指定性能要求。

实施例8：实施例1，其中所述相关数据包含两种染料之间的串扰值，所述两种染料包含于用于标记所述染料标记的样品的染料集合中。

实施例9：实施例1，其中所述相关数据包含线性回归数据。

实施例10：实施例9，其中通过实行交叉标绘图数据的线性回归分析而获得所述线性回归数据，所述交叉标绘图数据包括相对于第二染料标记的样品的荧光绘制的第一染料标记的样品的荧光。

实施例11：实施例1，其中通过将现有染料矩阵应用于通过所述样品处理仪器从运行所述染料标记的样品生成的光谱数据而获得所述第一染料数据。

实施例12：实施例11，其中所述相关数据包括光谱串扰值，且所述校正函数包括基于所述光谱串扰值的函数修改所述现有染料矩阵。

实施例13：实施例12，其中所述校正函数包括将所述光谱串扰值(或那些值的小数)与所述现有染料矩阵中的值相加或从所述现有染料矩阵中的值减去所述光谱串扰值(或那些值的小数)以获得候选优化染料矩阵，及使用所述候选优化染料矩阵以获得所述经过校正的染料数据。

实施例14：实施例11，其中所述校正函数包括执行随机化函数以确定对所述现有染料矩阵的改变的至少一部分。

实施例15：实施例12，其中所述校正函数包括基于所述光谱串扰值和/或光谱串扰标准误差值的函数和部分地基于执行随机化函数来修改所述现有染料矩阵。

实施例16：实施例1，其中第一相关值包含用于染料集合中的第一染料和第二染料的光谱数据，所述染料集合用于标记所述染料标记的样品。

实施例17：实施例16，其中所述校正函数包括将用于所述第一染料和所述第二染料中的一种染料的光谱数据的正或负小数与来自所述第一染料和所述第二染料中的另一种染料的光谱数据相加。

实施例18：实施例1，其中样品处理校正函数基于扫描编号变化。

实施例19：实施例18，其中基于扫描编号的所述校正函数的变化包含从染料光谱相对于扫描编号的线性回归获得的一阶线性变化项。

实施例20：实施例19，其中基于扫描编号的所述校正函数的变化进一步包含从染料光谱相对于扫描编号的线性回归获得的二阶线性变化项。

实施例21：实施例1，其中使用至少所述第一染料数据和所述第二染料数据的非导数值包括使用此类非导数值并且还使用至少所述第一染料数据和所述第二染料数据的一阶和/或高阶导数值。

实施例22：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于识别特定染料在由样品处理仪器处理的染料标记的样品上的存在，所述实施例配置成实施处理，所述处理包括在所述样品处理仪器的运行时间期间：针对随时间推移对从光源到光电检测器的光学路径中的染料标记的样品执行的多次光电检测器扫描中的每一次光电检测器扫描，使用所述光电检测器以生成光谱数据，所述光谱数据对应于各种光谱处的强度测量；在配置成确定优化染料矩阵(ODM)的处理器处接收所述光谱数据；使用所述处理器以在运行时间期间至少通过以下操作校准或重新校准所述样品处理仪器：使用候选优化染料矩阵(CODM)和所述光谱数据以生成染料数据；使用所述染料数据以确定对应于所述染料标记的样品的染料之间的光谱串扰的光谱串扰值；及使用所述光谱串扰值和所述CODM以确定ODM。

实施例23：实施例22，其中所述CODM是现有染料矩阵。

实施例24：实施例22，其中所述CODM是第一CODM，所述实施例配置成实施处理，所述处理进一步包括：生成第二CODM。

实施例25：实施例24配置成用于实施处理，所述处理进一步包括：使用所述第二CODM和所述光谱数据以生成染料数据；及确定使用所述第一CODM生成的染料数据相比于使用所述第二CODM生成的染料数据是否具有较小的光谱误差。

实施例26：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于缩减样品处理仪器中的光谱误差，所述样品处理仪器处理用多种荧光物质中的荧光物质标记的多个样品，所述多个样品至少包含用第一荧光物质标记的第一样品和用第二荧光物质标记的第二样品，所述实施例配置成实施处理，所述处理包括：用激发源激发所述样品的荧光物质，用光学系统检测所得荧光；根据至少两种不同荧光物质确定来自荧光数据的所述光谱误差；确定校正函数的参数值，及将所述校正函数应用于所述荧光以缩减所述误差。

实施例27：实施例26配置成用于实施处理，所述处理包括比较所述荧光与模型。

实施例28：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于缩减样品处理仪器中的上拉/下拉，所述样品处理仪器处理用多种荧光物质中的荧光物质标记的多个样品，所述多个样品至少包含用第一荧光物质标记的第一样品和用第二荧光物质标记的第二样品，所述实施例配置成实施处理，所述处理包括用激发源激发所述样品的荧光物质；用光学系统检测所得荧光；使用至少所述第一荧光物质和所述第二荧光物质的荧光数据检测上拉/下拉；及从生成的数据去除所述上拉/下拉。

实施例29：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于在无关于样品处理仪器中的所述荧光物质的先验信息的情况下识别荧光物质，所述样品处理仪器处理用所述荧光物质标记的样品，所述实施例配置成实施处理，所述处理包括：用激发源激发所述荧光物质；用光学系统检测荧光；及确定识别所述荧光物质的光谱解卷积函数；其中确定所述光谱解卷积函数通过处理识别染料矩阵，所述处理包括：从光谱扫描数据获得能量代替数据；及使用峰值分析来处理所述能量代替数据以确定活性染料的数目并确定用于每一识别的活性染料的近似光谱的最初的猜测。

实施例30：实施例29配置成用于实施处理，所述处理进一步包括：通过对所述最初的猜测的每一光谱区间进行重新缩放来确定用于每一活性染料的近似光谱。

实施例31：实施例30配置成用于实施处理，所述处理进一步包括：通过归一化每一近似染料光谱使得其各自具有最大值1而确定归一化的染料矩阵光谱。

实施例32：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于从由样品处理仪器处理的样品的所分析迹线去除光谱误差，所述多个样品中的每一个是用多种荧光物质中的荧光物质来标记，所述多个样品至少包含用第一荧光物质标记的第一样品和用第二荧光物质标记的第二样品，所述实施例配置成实施处理，所述处理包括：用激发源激发所述荧光物质；用光学系统检测荧光；及使用对应于所述第一染料和所述第二染料的荧光数据估计所述荧光物质之间的所述光谱误差。

实施例33：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于使用样品处理仪器中的荧光物质进行核酸检测，所述样品处理仪器处理用荧光物质标记的样品，所述实施例配置成实施处理，所述处理包括：用激发源激发所述荧光物质；用光学系统检测所述荧光；及确定每一荧光物质的光谱表示中的所述荧光物质之间的所述误差。

实施例34：实施例1，其中所述处理在所述样品处理仪器的样品运行操作期间实行。

实施例35：实施例1，其中所述处理在所述样品处理仪器的样品运行操作之间实行。

实施例36：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于确定通过在样品处理仪器中处理染料标记的样品生成的第一染料数据与第二染料数据之间的相关性，所述第一染料数据对应于用第一染料标记的第一样品，且所述第二染料数据对应于用第二染料标记的第二样品，所述实施例配置成实施处理，所述处理包括：针对第一数据点确定未加权的回归线，所述第一数据点包括所述第一染料数据的荧光值相对于所述第二染料数据的荧光值的交叉标绘图数据中的数据点；通过使用离群值识别算法以识别第一组权重并将其应用于所述第一数据点来获得第一组经过加权的数据点，其中所述离群值识别算法基于距所述未加权的回归线的距离将权重分配给所述第一数据点；使用第一经过加权的数据点确定第一个(第n个)经过加权的回归线；使n反复地递增，且通过使用离群值算法将第n组权重应用于所述第一数据点而确定经过加权的数据点的一个或多个第n个集合，所述离群值算法基于所述第一数据点距第(n-1)个经过加权的回归线的距离确定所述第n组权重；使用第n个经过加权的回归线的斜率作为相关性值。

实施例37：实施例36，其中离群值算法的第一设定用于确定所述第一组权重，且所述离群值算法的第二设定用于确定权重的一个或多个第n个集合，所述第一设定比所述第二设定更积极地识别离群值。

实施例38：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于自动校正用于由样品处理仪器处理的染料标记的样品的染料数据中的光谱误差，所述实施例配置成用于实施处理，所述处理在所关注的染料标记的样品由所述样品处理仪器处理以供分析时进行，所述处理包括：使用第一染料矩阵以生成对应于穿过所述样品处理仪器的染料标记的样品的第一染料数据；将不同于所述第一染料矩阵的更新的染料矩阵存储在耦合到所述样品处理仪器的存储器和/或其它存储装置中；及使用所述更新的染料矩阵以生成对应于由所述样品处理仪器处理的染料标记的样品的第二染料数据。

实施例39：实施例38，其中所述更新的染料矩阵使用与所述第一染料数据的光谱误差具有相关性的校正值来确定。

实施例40：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于自动校正用于由样品处理仪器处理的染料标记的样品的染料数据中的光谱误差，所述实施例配置成用于实施处理，所述处理包括：在电子显示器上显示对应于由所述样品处理仪器处理的染料标记的样品的第一染料数据；及在电子显示器上显示对应于穿过所述样品处理仪器的染料标记的样品的第二染料数据；其中由于由耦合到所述样品处理仪器的处理器自动执行的校正处理，所述第二染料数据相比于所述第一染料数据具有较小的光谱误差，所述校正处理在无需手动校准步骤由用户在显示所述第一染料数据与显示所述第二染料数据之间实行的情况下执行。

实施例41：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于自动校正用于穿过所述样品分离仪器的样品分离仪器的染料标记的样品的染料数据中的光谱误差，所述实施例配置成用于实施处理，所述处理包括：生成对应于通过所述样品分离仪器运行的染料标记的样品的染料数据；及将校正函数应用于所生成的经过校正的染料数据，所述校正函数的至少一个参数的当前值至少部分地基于当前扫描编号来确定，所述当前扫描编号对应于用于分析所述染料标记的样品的光电检测器扫描的数目，所述染料标记的样品已经在穿过所述样品分离仪器的染料标记的样品的当前运行期间实行。

实施例42：一种方法；具有处理器和存储器的一种系统；或处理器可执行指令(所述指令处于非暂时性计算机可读介质中)；以上各者中的任一个用于自动校正用于穿过所述样品分离仪器的样品分离仪器的染料标记的样品的染料数据中的光谱误差，所述实施例配置成用于实施处理，所述处理包括：使用染料矩阵以生成对应于通过所述样品分离仪器运行的染料标记的样品的染料数据；及至少部分地基于对应于用于分析所述染料标记的样品的光电检测器扫描的数目的当前扫描编号来更新所述染料矩阵，所述染料标记的样品已经在穿过所述样品分离仪器的染料标记的样品的当前运行期间实行。

实施例43：实施例1至40中任一项，其中所述样品处理仪器包括样品分离仪器。

实施例44：实施例1至40中任一项，其中所述样品处理仪器包括以下中的至少一个：毛细管电泳仪器；CE-SDS仪器；聚合酶链反应(PCR)仪器；实时PCR仪器；数字PCR仪器；桑格测序仪器；焦磷酸测序仪器；配置成用于连接测序的仪器；下一代测序(NGS)仪器；测序仪器；质谱仪器；流式细胞术仪器；凝胶电泳仪器；分光光度仪器；或荧光光谱测定仪器。

实施例45：实施例1至44中任一项，其中所述染料标记的样品包括以下中的至少一个：核酸分子；DNA分子；RNA分子；蛋白质分子；细胞分子；或糖类分子。

实施例46：一种用于自动校正用于染料标记的样品的染料数据中的光谱误差的系统，所述系统包括：样品处理仪器；处理器；及使用指令编码的存储器，所述指令用于实行上文所阐述的实施例1到45中的任一个中所提及的处理。

实施例47：一种用于自动校正用于染料标记的样品的染料数据中的光谱误差的系统，所述系统包括：样品分离仪器；处理器；及使用指令编码的存储器，所述指令用于实行上文所阐述的实施例1到45中的任一个中所提及的处理。

实施例48：一种用于自动校正用于染料标记的样品的染料数据中的光谱误差的系统，所述系统包括：毛细管电泳仪器，其包括多个毛细管；处理器；及使用指令编码的存储器，所述指令用于实行上文所阐述的实施例1到45中的任一个中所提及的处理。

实施例49：一种方法，包括：提供含有一个或多个生物分子的样品；对所述样品执行过程或测定；当执行所述过程或测定时，在检测区域内检测所述一个或多个生物分子；在检测之前或期间，测量与所述过程或测定相关联的至少一个参数；及基于所述参数中的至少一个的一个或多个所测量值执行动作；其中所述至少一个参数包括以下中的一个或多个：指示所述检测区域内的至少一个生物分子的光谱的所感测值的参数、指示相关联所述过程或测定的压力的所感测值的参数，或指示相关联所述过程或测定的温度的所感测值的参数。

实施例49.1：根据实施例49所述的方法，其中如果所述至少一个参数的所测量值在偏离标度值的预定量内，那么执行所述动作。

实施例49.2：根据实施例49所述的方法，其中所述至少一个参数包括以下中的一个或多个：聚合物温度；毛细管温度；毛细管出口处的气流温度；毛细管入口处的气流温度；散热片温度；毛细管加热器温度；缓冲器温度；鼻状部温度；仪器温度；及激光器散热片温度。

实施例49.3：根据实施例49或49.2所述的方法，其中所述至少一个参数包括以下中的一个或多个：聚合物阀位置；聚合物阀压力；缓冲阀位置；缓冲阀压力；注射器位置；及注射器压力。

实施例50：根据实施例49所述的方法，其中至少一个参数包括在检测区域内检测所述一个或多个生物分子期间或之后产生的光学信号。

实施例51：根据实施例49所述的方法，其进一步包括：提供包括所述至少一个参数的一个或多个值的数据结构；在检测期间或之后，基于所述一个或多个所测量值修改所述数据结构以提供更新的数据结构；其中所述动作是基于所述更新的数据结构。

实施例51.1：根据实施例51所述的方法，其中所述数据结构是染料矩阵。

实施例52：根据实施例49所述的方法，其中所述样品包括具有不同长度的生物分子，所述方法进一步包括：将所述样品装载到至少一个毛细管中，所述至少一个毛细管包括第一端部、第二端部和位于所述检测区域内的部分；提供电耦合到所述第一端部的第一电极和电耦合到第二端部的第二电极；其中执行过程包括通过在所述第一电极与所述第二电极之间产生电位而分离所述样品中的所述生物分子。

实施例53：根据实施例52所述的方法，其中所述至少一个参数包括以下中的一个或多个：指示所述检测区域内的至少一个生物分子的光谱的所感测值的参数、指示与所述至少一个毛细管相关联的压力的所感测值的参数，或指示与所述至少一个毛细管相关联的温度的所感测值的参数。

实施例54：根据实施例49至53中任一项所述的方法，其中所述动作包括以下中的至少一个：设定或发送警告或条件标志；发送警告信号；发送重新服务信号；提供运行质量度量；改变染料矩阵分量；改变注射参数；设定过程调用参数；设定或修改运行后分析或校正度量；终止所述过程；将所述过程暂停预定时间段；暂停所述过程直到所述过程的条件改变了预定量为止；沖洗一个或多个毛细管；或记录所述至少两个参数的一个或多个值，所述值适于校正或修改在检测期间记录的光谱数据；发送检查筒盒信号；及改变运行条件或运行度量。

实施例55：根据实施例54所述的方法，其中改变所述运行条件包括以下中的一个或多个：调整计时器、调整电流、调整电压或改变染料矩阵中的值。

实施例56：根据实施例54所述的方法，其中执行所述动作是基于所述参数具有在所述过程期间的多个不同时间在预定范围之外的值。

实施例57：根据实施例54所述的方法，其中改变所述运行条件包括调整以下中的一个或多个：计时器、电流、电压、系统组件的温度，或所述样品的温度。

实施例58：根据实施例49至53中任一项所述的方法，其中执行所述动作是基于所述参数中的至少两个的一个或多个值。

实施例59：根据实施例49至53中任一项所述的方法，其中所述动作包括向用户通知所述过程的质量。

实施例60：根据实施例49至53中任一项所述的方法，其中所述方法是使用仪器执行，所述仪器含有由所述仪器执行的先前过程的历史数据，且所述动作包括基于所测量的一个或多个值修改数据库。

实施例61：一种方法，包括：提供包括样品的容器，所述样品包含具有不同长度的生物分子；使用泵，在所述容器内施加压力以用于将所述样品的至少一部分传递到至少一个毛细管；测量指示所述压力的所感测值的参数；及基于所测量的参数的一个或多个值执行动作。

实施例62：根据实施例61所述的方法，其中所述泵是注射器。

实施例63：根据实施例61所述的方法，其中执行所述动作包括以下中的一个或多个：维持所施加的压力；设定标志；发送警告信号；发送服务调用信号；发送检查筒盒信号；缩减所述压力；增加所述压力；关闭所述容器与所述泵之间的阀；中断传递；或改变运行条件。

实施例64：根据实施例63所述的方法，其中改变所述运行条件包括以下中的一个或多个：调整计时器、调整电流或调整电压。

实施例65：一种用于分离生物样品中的分子的方法，包括：将包括具有不同长度的生物分子的样品装载到至少一个毛细管中，所述至少一个毛细管包括检测区域、与第一电极相关联的第一端部和与第二电极相关联的第二端部；执行包括通过在所述第一电极与所述第二电极之间产生电位而分离所述样品中的所述生物分子的过程；当执行所述过程或测定时，在所述检测区域内检测所述样品的不同生物分子；测量指示所述检测区域内的至少一个生物分子的光谱的所感测值的参数；及在检测期间或之后，基于所测量的参数的一个或多个值改变过程参数的值。

实施例66：一种用于分离生物样品中的分子的方法，包括：将包括具有不同长度的生物分子的样品装载到至少一个毛细管中，所述至少一个毛细管包括检测区域、与第一电极相关联的第一端部和与第二电极相关联的第二端部；执行包括通过在所述第一电极与所述第二电极之间产生电位而分离所述样品中的所述生物分子的过程；在所述检测区域内检测所述样品的不同生物分子；在数据信道中测量通过所述检测区域内的至少一个生物分子产生的光学信号；通过测量当所述至少一个生物分子不在所述检测区域内时产生的光学信号来确定所述光学信号的信噪比；及当检测时，基于所述信噪比改变过程参数的值。

实施例67：一种用于分离生物样品中的分子的方法，包括：将包括具有不同长度的生物分子的样品装载到至少一个毛细管中，所述至少一个毛细管包括检测区域、与第一电极相关联的第一端部和与第二电极相关联的第二端部；执行包括通过在所述第一电极与所述第二电极之间产生电位而分离所述样品中的所述生物分子的过程；在所述检测区域内检测所述样品的不同生物分子；测量指示通过所述至少一个毛细管中的一个或多个的电流的所感测值的参数；确定在多个测量内通过所述至少一个毛细管的所述电流是否匹配预定模式；及基于所述预定模式的检测执行动作。

实施例68：一种方法，包括：提供含有一个或多个生物样品分子的样品溶液；对所述样品溶液执行过程或测定；当执行所述过程或测定时，检测所述一个或多个生物样品分子；当检测时，测量其中发生检测的系统的一个或多个温度；对系统温度测量中的至少一些执行分析；及

在每一分析之后，基于分析执行动作。

实施例69：一种方法，包括：提供含有一个或多个生物样品分子的样品溶液；对所述样品溶液执行过程或测定；当执行所述过程或测定时，检测所述一个或多个生物分子；当检测时，测量一个或多个毛细管和/或介质中的电流，其中所述生物样品通过随时间推移(或在多个离散时间)的所述电流移动以确定电流迹线；对所述电流迹线执行分析以确定对应于所述电流迹线中的信号噪声的噪声度量；及基于所述噪声度量的值执行动作。

实施例70：一种方法，包括：提供含有一个或多个生物样品分子的样品溶液；对所述样品溶液执行过程或测定；当执行所述过程或测定时，检测所述一个或多个生物分子；在检测之前，测量第一系统参数，在检测之前和/或期间，测量第二系统参数；对所述第一系统参数的至少一些测量和/或所述第二系统参数的至少一些测量执行分析；及在检测之前和/或期间，基于所述分析执行动作。

实施例71：根据实施例70所述的方法，其中所述第一系统参数包含压力，且所述第二系统参数包含温度。

实施例72：一种方法，包括：提供多个毛细管；提供聚合物溶液；将压力施加到来源及将聚合物溶液的至少一部分传递到所述毛细管中；当施加所述压力时，测量随时间推移(或在多个离散时间)的压力以获得压力值；对所述压力值的至少一部分执行分析；及基于所述分析采取动作。

实施例73：根据实施例72所述的方法，其中所述分析包括确定表示所述压力值的迹线中的噪声电平。

实施例74：根据实施例73所述的方法，其中所述分析进一步包括确定所述压力值在施加所述压力的时间段期间是否保持高于阈值。

实施例75：根据实施例72所述的方法，其进一步包括：将样品溶液提供到所述多个毛细管，所述样品溶液包括一个或多个生物分子；当所述样品溶液处于所述多个毛细管中时，检测所述一个或多个生物分子；当检测时，测量一个或多个毛细管中的电流，其中所述生物样品通过随时间推移(或在多个离散时间)的所述电流移动以确定电流迹线；对所述电流迹线执行分析；及基于所述分析执行动作。

实施例76：根据实施例75所述的方法，其中所述分析包括确定对应于所述电流迹线中的信号噪声的噪声度量，且另外，其中基于所述分析执行动作包括基于所述噪声度量的值执行动作。

实施例77：一种样品分析系统，包括：第一多个传感器，其用以在聚合物装载期间但在样品装载和检测之前检测一个或多个系统参数；第二多个传感器，其用以在样品装载期间和/或在样品检测期间检测一个或多个系统参数；处理器；及存储器，其耦合到所述处理器并包含计算机程序指令，所述计算机程序指令用于配置所述处理器以分析来自所述第一多个传感器和所述第二多个传感器的数据以在确定样品检测结束之前确定是否执行动作和是否基于所述分析执行动作。

实施例78：一种用于分析染料标记的样品的系统，所述系统包括：样品处理仪器；处理器；及使用指令编码的存储器，所述指令用于实行在上文所阐述的实施例49至76中的任一个中提及的处理中的至少一些。

实施例79：一种用于分析染料标记的样品的系统，所述系统包括：样品分离仪器；处理器；及使用指令编码的存储器，所述指令用于实行上文所阐述的实施例49至76中的任一个中所提及的处理中的至少一些。

实施例80：一种用于分析染料标记的样品的系统，所述系统包括：毛细管电泳仪器，其包括多个毛细管；处理器；及使用指令编码的存储器，所述指令用于实行上文所阐述的实施例49至76中的任一个中所提及的处理中的至少一些。

虽然本发明已特别地关于所说明实施例进行描述，但应了解，各种更改、修改和调适可基于本公开作出并且意图在本发明的范围内。虽然已结合目前被认为是最切实可行的且为优选实施例的实施例描述本发明，但应理解，本发明不限于所公开的实施例，并且相反地，意图涵盖包含于由所附权利要求书描述的本发明的基本原理的范围内的各种修改和等效布置。