特表 2024-512651 配列決定のためのヌクレオチド－試料スライド内の泡を検出するための機械学習モデル

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-03-19

(54)【発明の名称】配列決定のためのヌクレオチド－試料スライド内の泡を検出するための機械学習モデル

(51)【国際特許分類】

   G16B 30/00 20190101AFI20240312BHJP

   C12Q 1/68 20180101ALI20240312BHJP

   C12M 1/00 20060101ALI20240312BHJP

【ＦＩ】

G16B30/00

C12Q1/68

C12M1/00 A

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2023560148

(86)(22)【出願日】2022-03-23

(85)【翻訳文提出日】2023-09-28

(86)【国際出願番号】 US2022071297

(87)【国際公開番号】W WO2022213027

(87)【国際公開日】2022-10-06

(31)【優先権主張番号】63/170,072

(32)【優先日】2021-04-02

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】500358711

【氏名又は名称】イルミナ インコーポレイテッド

(71)【出願人】

【識別番号】522471135

【氏名又は名称】イルミナ ソフトウェア， インコーポレイテッド

(74)【代理人】

【識別番号】100108453

【弁理士】

【氏名又は名称】村山 靖彦

(74)【代理人】

【識別番号】100110364

【弁理士】

【氏名又は名称】実広 信哉

(74)【代理人】

【識別番号】100133400

【弁理士】

【氏名又は名称】阿部 達彦

(72)【発明者】

【氏名】ブランドン・テイラー・ウェスターバーグ

(72)【発明者】

【氏名】ジュンチ・ユアン

(72)【発明者】

【氏名】ロバート・エズラ・ラングロイス

(72)【発明者】

【氏名】マーク・デイヴィッド・ハーム

(72)【発明者】

【氏名】ギャヴィン・デレク・パーナビー

(72)【発明者】

【氏名】トーマス・グロス

【テーマコード（参考）】

4B029

4B063

【Ｆターム（参考）】

4B029AA21

4B029FA15

4B029GA08

4B063QA20

4B063QR32

4B063QR35

4B063QS40

(57)【要約】

配列決定実行中の塩基コール中に取り込まれた（又はそれに由来する）データに基づいて、泡が核酸配列決定実行に影響を及ぼすときを正確かつ効率的に検出するための方法、システム、及び非一時的コンピュータ可読媒体が開示される。特に、１つ以上の実施形態では、開示されるシステムは、配列決定サイクル中に、核酸塩基コールを同定するデータ及び核酸塩基コールについての品質メトリックを同定するデータを受信する。開示されるシステムは、特定の核酸塩基コール及び品質メトリックについての閾値マーカーに基づいて、機械学習モデルを利用して、ヌクレオチド－試料スライド中の泡の存在を検出する。開示されたシステムは、泡の存在を単に検出するだけでなく、気泡、油泡、又はゴースト泡などの異なる検出された泡、又は配列決定中の他の出力を分類することもできる。開示されるシステムは、コールデータ及び品質メトリックを使用することによって、プラットフォームに依存しないアプローチにおいて容易に利用可能な配列決定データを使用して、一意に訓練された機械学習モデルを使用して、泡を検出することができる。

【特許請求の範囲】

【請求項1】

システムであって、
少なくとも１つのプロセッサと、
前記少なくとも１つのプロセッサによって実行されると、前記システムに、
ヌクレオチド－試料スライドについて、核酸ポリマーを配列決定するサイクルについての核酸塩基コールを含むコールデータを受信することと、
前記ヌクレオチド－試料スライドについて、前記サイクルについての前記核酸塩基コールにおけるエラーを推定する品質メトリックを含む品質データを受信することと、
前記サイクルについての前記核酸塩基コールから、少なくとも１つの核酸塩基に対応する前記核酸塩基コールの第１のサブセット、及び前記品質メトリックについての閾値品質メトリックを満たす前記核酸塩基コールの第２のサブセット、を決定することと、
前記核酸塩基コールの前記第１のサブセット及び前記核酸塩基コールの前記第２のサブセットに基づいて泡検出機械学習モデルを利用して、前記ヌクレオチド－試料スライド内の泡の存在を検出することと、
を行わせる命令を含む非一時的コンピュータ可読媒体と、
を含むシステム。

【請求項2】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記ヌクレオチド－試料スライドのセクションについての前記コールデータ及び前記品質データを受信することと、
前記ヌクレオチド－試料スライドの前記セクション内の前記泡の存在を検出することと、
を行わせる命令を更に含む、請求項１に記載のシステム。

【請求項3】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
フローセルのタイル内の前記泡を検出することによって、前記ヌクレオチド－試料スライドの前記セクション内の前記泡の存在を検出すること
を行わせる命令を更に含む、請求項２に記載のシステム。

【請求項4】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記核酸ポリマーを配列決定する前記サイクルについて、アデニンコールのサブセット、チミンコールのサブセット、シトシンコールのサブセット、又はグアニンコールのサブセットのうちの少なくとも１つを決定することによって、前記少なくとも１つの核酸塩基に対応する前記核酸塩基コールの前記第１のサブセットを決定すること
を行わせる命令を更に含む、請求項１に記載のシステム。

【請求項5】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記泡検出機械学習モデルの層を利用して、アデニンコールの前記サブセット、グアニンコールの前記サブセット、及び前記核酸ポリマーを配列決定する前記サイクルについての前記閾値品質メトリックを満たす前記核酸塩基コールの前記第２のサブセットを含む入力マトリックスから特徴を抽出することによって、前記泡検出機械学習モデルを利用して前記泡の存在を検出すること
を行わせる命令を更に含む、請求項４に記載のシステム。

【請求項6】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記ヌクレオチド－試料スライド内の気泡、油泡、又はゴースト泡のうちの少なくとも１つを検出することによって前記泡の存在を検出すること
を行わせる命令を更に含む、請求項１に記載のシステム。

【請求項7】

前記泡検出機械学習モデルが、特徴抽出層、分類層、及び前記特徴抽出層と前記分類層との間の適応最大プーリング層、を含む、畳み込みニューラルネットワークを含む、請求項１に記載のシステム。

【請求項8】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記泡検出機械学習モデルを利用して、前記ヌクレオチド－試料スライドのセクションが前記泡を含む確率を生成することと、
前記確率が、前記泡の前記存在を示す閾値を満たすと判定することと、
を行わせる命令を更に含む、請求項１に記載のシステム。

【請求項9】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記核酸ポリマーを配列決定する所与のサイクルについての前記ヌクレオチド－試料スライドの各セクションについての単一画像を含む１チャネルデータ、
前記核酸ポリマーを配列決定する前記所与のサイクルについての前記ヌクレオチド－試料スライドの各セクションについての２つの画像を含む２チャネルデータ、又は
前記核酸ポリマーを配列決定する前記所与のサイクルについての前記ヌクレオチド－試料スライドの各セクションについての４つの画像を含む４チャネルデータ、
に基づく前記核酸塩基コールを含む前記コールデータを受信すること
を行わせる命令を更に含む、請求項１に記載のシステム。

【請求項10】

前記少なくとも１つのプロセッサによって実行されると、前記システムに、
前記核酸ポリマーを配列決定する前記サイクルのうちの１つ以上のサイクル中に前記泡の存在を決定すること
を行わせる命令を更に含む、請求項１に記載のシステム。

【請求項11】

少なくとも１つのプロセッサによって実行されると、コンピューティング装置に、
ヌクレオチド－試料スライドについて、核酸ポリマーを配列決定するサイクルについての核酸塩基コールを含むコールデータを受信することと、
前記ヌクレオチド－試料スライドについて、前記サイクルについての前記核酸塩基コールにおけるエラーを推定する品質メトリックを含む品質データを受信することと、
前記サイクルについての前記核酸塩基コールから、少なくとも１つの核酸塩基に対応する前記核酸塩基コールの第１のサブセット、及び前記品質メトリックについての閾値品質メトリックを満たす前記核酸塩基コールの第２のサブセットを決定することと、
前記核酸塩基コールの前記第１のサブセット及び前記核酸塩基コールの前記第２のサブセットに基づいて泡検出機械学習モデルを利用して、前記ヌクレオチド－試料スライド内の泡の存在を検出することと、
を行わせる命令を含む、非一時的コンピュータ可読媒体。

【請求項12】

前記泡検出機械学習モデルが、サポートベクトルマシン又は適応ブースティング機械学習モデルのうちの少なくとも１つを含む、請求項１１に記載の非一時的コンピュータ可読媒体。

【請求項13】

前記少なくとも１つのプロセッサによって実行されると、前記コンピューティング装置に、
前記泡の前記存在の検出に基づいて、前記コンピューティング装置上に表示するために、前記ヌクレオチド－試料スライド内の前記泡の存在を示すアラートを提供すること
を行わせる命令を更に含む、請求項１１に記載の非一時的コンピュータ可読媒体。

【請求項14】

前記少なくとも１つのプロセッサによって実行されると、前記コンピューティング装置に、
前記ヌクレオチド－試料スライドのセクションについての前記コールデータ及び前記品質データを受信することと、
前記ヌクレオチド－試料スライドの前記セクション内の前記泡の存在を検出することと、
を行わせる命令を更に含む、請求項１１に記載の非一時的コンピュータ可読媒体。

【請求項15】

前記少なくとも１つのプロセッサによって実行されると、前記コンピューティング装置に、
フローセルのタイル内の前記泡を検出することによって、前記ヌクレオチド－試料スライドの前記セクション内の前記泡の存在を検出すること
を行わせる命令を更に含む、請求項１４に記載の非一時的コンピュータ可読媒体。

【請求項16】

前記少なくとも１つのプロセッサによって実行されると、前記コンピューティング装置に、
前記核酸ポリマーを配列決定する前記サイクルのサイクル中に前記泡の存在を決定すること
を行わせる命令を更に含む、請求項１１に記載の非一時的コンピュータ可読媒体。

【請求項17】

コンピュータ実装方法であって、
ヌクレオチド－試料スライドについて、核酸ポリマーを配列決定するサイクルについての核酸塩基コールを含むコールデータを受信することと、
前記ヌクレオチド－試料スライドについて、前記サイクルについての前記核酸塩基コールにおけるエラーを推定する品質メトリックを含む品質データを受信することと、
前記サイクルについての前記核酸塩基コールから、少なくとも１つの核酸塩基に対応する前記核酸塩基コールの第１のサブセット、及び前記品質メトリックについての閾値品質メトリックを満たす前記核酸塩基コールの第２のサブセットを決定することと、
前記核酸塩基コールの前記第１のサブセット及び前記核酸塩基コールの前記第２のサブセットに基づいて泡検出機械学習モデルを利用して、前記ヌクレオチド－試料スライド内の泡の存在を検出することと、
を含むコンピュータ実装方法。

【請求項18】

前記少なくとも１つの核酸塩基に対応する前記核酸塩基コールの前記第１のサブセットを決定することが、
前記核酸ポリマーを配列決定する前記サイクルについて、アデニンコールのサブセット、チミンコールのサブセット、シトシンコールのサブセット、又はグアニンコールのサブセットのうちの少なくとも１つを決定すること
を含む、請求項１７に記載のコンピュータ実装方法。

【請求項19】

前記泡検出機械学習モデルを利用して前記泡の存在を検出することに基づいて、核酸塩基コールの品質メトリックを修正すること
を更に含む、請求項１７に記載のコンピュータ実装方法。

【請求項20】

前記泡の存在を検出することが、
前記ヌクレオチド－試料スライド内の気泡、油泡、又はゴースト泡のうちの少なくとも１つを検出すること
を含む、請求項１７に記載のコンピュータ実装方法。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
本出願は、２０２１年４月２日に出願された米国特許仮出願第６３／１７０，０７２号の利益及び優先権を主張するものである。上記出願は、参照によりその全体が本明細書に組み込まれる。

【背景技術】

【0002】

近年、バイオテクノロジーの企業及び研究機関は、ヌクレオチドの配列決定及び分析のためのハードウェア及びソフトウェアプラットフォームの改良を行っている。例えば、いくつかの既存の核酸配列決定システムは、従来のＳａｎｇｅｒ配列決定を使用することによって、核酸配列の個々の核酸塩基を決定する。対照的に、いくつかの既存のシステムは、合成による配列決定（sequencing-by-synthesis、ＳＢＳ）を行うことによって、かかる核酸塩基配列を決定する。ＳＢＳを使用することによって、既存のシステムは、より大きな塩基コールデータセットからより正確な塩基コールを検出し、他の配列決定情報を捕捉するために、並行して合成される数千、数万、又はそれ以上の核酸ポリマーをモニターすることができる。いくつかの場合では、既存のシステムは、フローセルなどのヌクレオチド－試料スライドのウェル内のモノクローナルコロニーにおいてオリゴヌクレオチドを合成する。かかるオリゴヌクレオチドに組み込まれた核酸塩基から色を照射する蛍光タグの画像をカメラが撮影した後、例えば、いくつかの既存のシステムは、配列決定データ分析ソフトウェアを有する装置に画像データを送信し、塩基コールについて画像データを分析し、核酸ポリマーについての核酸塩基配列（例えば、核酸ポリマーの遺伝子コード領域）を決定する。

【0003】

配列決定におけるこれらの進歩にもかかわらず、既存の核酸配列決定システムは、例えば、塩基コールの精度及びエラー検出を阻害し、ヌクレオチド試料の非効率的な再配列決定及び再分析を必要とし、配列決定装置上の特定のハードウェアにエラー検出を限定するという、いくつかの技術的欠点を示す。実際、配列決定装置又はスライドを通過する流体及び気体が画像データの基礎となる不規則性を生成する可能性があるため、既存のシステムは多くの場合不正確に塩基コールを行うか、又は信頼できない画像データを取り込む。例えば、ヌクレオチド－試料スライド中の泡（例えば、空気又は油の泡）は、塩基コールについてのかかる画像データからのデータシグネチャを妨害するか、その中にノイズを生成するか、又はさもなければデータ品質問題を引き起こす可能性がある。かかる泡は、塩基コールについてのデータシグネチャを歪めるだけでなく、実行品質又は歩留まりを阻害又は低下させる可能性がある。泡によって引き起こされる問題にもかかわらず、既存の核酸配列決定システム及び既存の配列決定データ分析ソフトウェアの両方は、泡を検出する有効な手段を欠くことが多い。

【0004】

泡に起因するエラー又は他の配列決定エラーに部分的に起因して、既存の核酸配列決定システムは、多くの場合、ヌクレオチド試料を非効率的に再配列決定及び再分析する。特に、既存のシステム及びソフトウェアは、泡の妨害によって影響を受けたデータを補正するための品質データを生成するために、追加の処理、演算（コンピューティング）、記憶リソース、及び時間を実行又は消費することが多い。例示すると、配列決定の実行は、失敗した配列決定反応、混入、不十分な試料ローディング、又は泡の存在などのいくつかの問題のタイプにさらされ得る。既存のシステムは、多くの場合、泡の存在を同定すること、又は他のエラーから泡の妨害を区別することができないため、かかるシステムは、多くの場合、問題の同定に成功する前に、ユーザが配列決定実行を繰り返すことを必要とする。

【0005】

泡を検出するための基本的な機械的方法が開発又は検討されてきたが、かかる検出方法は非効率的であり、特定のプラットフォームタイプに限定されることがある。例えば、既存の核酸配列決定システムは、泡又は他の配列決定エラー源の存在を同定するために、配列決定実行についての追加情報を必要とすることが多い。より具体的には、チュービングを通してカートリッジに流体を流す従来の核酸配列決定システムは、多くの場合、泡の存在を示すデータを取り込むために追加のハードウェアを必要とする。例えば、既存のシステムは、多くの場合、追加のチュービングカメラ、チュービング検出器、又は他のタイプのセンサを必要とする。ある特定の場合には、かかるシステムは、チュービングを通過する泡を同定するために、超音波又は容量感知検出器を使用する。しかし、配列決定装置上のかかるローカルハードウェアは、チュービングを伴う湿式プラットフォームに限定され、かかる泡検出方法を実装するために追加の処理、記憶、及び分析リソースを必要とする。

【0006】

湿式配列決定プラットフォームにおいて泡を検出するための既存の機構の非効率性の先で、いくつかのかかる泡検出方法は、配列決定装置上の特定のハードウェアに限定される。言及したように、いくつかの従来の核酸配列決定システムは、ハードウェアベースの泡検出器を利用することによって泡を検出しようと試みる。いくつかの従来の核酸配列決定システムが、泡を検出するためにチュービング又は他の構成要素内にセンサを含むことができる場合であっても、かかる検出ハードウェアは、高価であるだけでなく、乾式配列決定プラットフォームにおいて実行不可能でもある。例えば、乾式配列決定プラットフォームは、多くの場合、流体を消耗品内に流し込むチュービングを欠いている単回使用消耗品に対して流体工学動作を行う。かかる乾式配列決定プラットフォームは、専用の泡検出センサを利用することができないか、又はかかるセンサは、高価な配列決定装置のかさばる再設計又は消耗可能なヌクレオチド－試料スライドを必要とすることによって非実用的であるかのいずれかである。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】米国特許第８３９２１２６号明細書

【特許文献2】米国特許第６２１０８９１号明細書

【特許文献3】米国特許第６２５８５６８号明細書

【特許文献4】米国特許第６２７４３２０号明細書

【特許文献5】国際公開第２００４／０１８４９７号

【特許文献6】米国特許第７０５７０２６号明細書

【特許文献7】国際公開第９１／０６６７８号

【特許文献8】国際公開第２００７／１２３７４４号

【特許文献9】米国特許第７４２７６７３号明細書

【特許文献10】米国特許出願公開第２００７／０１６６７０５号明細書

【特許文献11】米国特許出願公開第２００６／０１８８９０１号明細書

【特許文献12】米国特許出願公開第２００６／０２４０４３９号明細書

【特許文献13】米国特許出願公開第２００６／０２８１１０９号明細書

【特許文献14】国際公開第２００５／０６５８１４号

【特許文献15】米国特許出願公開第２００５／０１００９００号明細書

【特許文献16】国際公開第２００６／０６４１９９号

【特許文献17】国際公開第２００７／０１０２５１号

【特許文献18】米国特許出願公開第２０１２／０２７０３０５号明細書

【特許文献19】米国特許出願公開第２０１３／０２６０３７２号明細書

【特許文献20】米国特許出願公開第２０１３／００７９２３２号明細書

【特許文献21】米国特許第６９６９４８８号明細書

【特許文献22】米国特許第６１７２２１８号明細書

【特許文献23】米国特許第６３０６５９７号明細書

【特許文献24】米国特許第７００１７９２号明細書

【特許文献25】米国特許第７３２９４９２号明細書

【特許文献26】米国特許第７２１１４１４号明細書

【特許文献27】米国特許第７３１５０１９号明細書

【特許文献28】米国特許第７４０５２８１号明細書

【特許文献29】米国特許出願公開第２００８／０１０８０８２号明細書

【特許文献30】米国特許出願公開第２００９／００２６０８２号明細書

【特許文献31】米国特許出願公開第２００９／０１２７５８９号明細書

【特許文献32】米国特許出願公開第２０１０／０１３７１４３号明細書

【特許文献33】米国特許出願公開第２０１０／０２８２６１７号明細書

【特許文献34】米国特許出願公開第２０１０／０１１１７６８号明細書

【特許文献35】米国特許出願第１３／２７３６６６号（米国特許出願公開第２０１２／０２７０３０５号明細書）

【非特許文献】

【0008】

【非特許文献1】Ewing B, Green P. Base-calling of Automated Sequencer Traces Using Phred. II. Error Probabilities. Genome Res. 1998 Mar.; 8(3):186-194. PMID: 9521922

【非特許文献2】Ronaghi, M., Karamohamed, S., Pettersson, B., Uhlen, M. and Nyren, P. (1996) "Real-time DNA sequencing using detection of pyrophosphate release." Analytical Biochemistry 242(1), 84-99

【非特許文献3】Ronaghi, M. (2001) "Pyrosequencing sheds light on DNA sequencing." Genome Res. 11(1), 3-11

【非特許文献4】Ronaghi, M., Uhlen, M. and Nyren, P. (1998) "A sequencing method based on real-time pyrophosphate." Science 281(5375), 363

【非特許文献5】Metzker, Genome Res. 15:1767-1776 (2005)

【非特許文献6】Ruparel et al., Proc Natl Acad Sci USA 102: 5932-7 (2005)

【非特許文献7】Deamer, D. W. & Akeson, M. "Nanopores and nucleic acids: prospects for ultrarapid sequencing." Trends Biotechnol. 18, 147-151 (2000)

【非特許文献8】Deamer, D. and D. Branton, "Characterization of nucleic acids by nanopore analysis". Acc. Chem. Res. 35:817-825 (2002)

【非特許文献9】Li, J., M. Gershow, D. Stein, E. Brandin, and J. A. Golovchenko, "DNA molecules and configurations in a solid-state nanopore microscope" Nat. Mater. 2:611-615 (2003)

【非特許文献10】Soni, G. V., & Meller, "A. Progress toward ultrafast DNA sequencing using solid-state nanopores." Clin. Chem. 53, 1996-2001 (2007)

【非特許文献11】Healy, K. "Nanopore-based single-molecule DNA analysis." Nanomed. 2, 459-481 (2007)

【非特許文献12】Cockroft, S. L., Chu, J., Amorin, M. & Ghadiri, M. R. "A single-molecule nanopore device detects DNA polymerase activity with single-nucleotide resolution." J. Am. Chem. Soc. 130, 818-820 (2008)

【非特許文献13】Levene, M.J. et al. "Zero-mode waveguides for single-molecule analysis at high concentrations." Science 299, 682-686 (2003)

【非特許文献14】Lundquist, P.M. et al. "Parallel confocal detection of single molecules in real time." Opt. Lett. 33, 1026-1028 (2008)

【非特許文献15】Korlach, J. et al. "Selective aluminum passivation for targeted immobilization of single DNA polymerase molecules in zero-mode waveguide nano structures." Proc. Natl. Acad. Sci. USA 105, 1176-1181 (2008)

【発明の概要】

【課題を解決するための手段】

【0009】

本開示は、当技術分野における利益を提供し、かつ／又は、上記の問題のうちの１つ以上を解決するシステム、方法、及び非一時的コンピュータ可読記憶媒体の１つ以上の実施形態を説明する。例えば、開示されるシステムは、機械学習モデルを使用して、泡が核酸配列決定実行に影響を及ぼすときに、かかる配列決定実行中の塩基コール中に取り込まれた（又はそれに由来する）データに基づいて正確かつ効率的に検出する。例示すると、開示されるシステムは、核酸塩基コールを同定するデータ及びかかる核酸塩基コールについての品質メトリックを同定するデータを、配列決定サイクル中に配列決定プラットフォームから受信することができる。品質メトリックについての特定の核酸塩基コール及び閾値マーカーに基づいて、機械学習モデルは、ヌクレオチド－試料スライド中の泡の存在を検出することができる。コールデータ及び品質メトリックを使用することによって、開示されるシステムは、プラットフォームに依存しないアプローチにおいて容易に利用可能な配列決定データを使用して、一意に訓練された機械学習モデルを使用して泡を検出することができる。

【0010】

いくつかの場合では、開示されるシステムは、配列決定サイクル中にヌクレオチド－試料スライド（例えば、フローセル）の特定のセクション（切片）又はユニット（例えば、タイル）内の泡を同定するように訓練された機械学習モデルを使用する。単に泡の存在を検出することを超えて、いくつかの例では、開示されるシステムはまた、油泡（oil bubble）、気泡（air bubble）、又はゴースト泡（ghost bubble）などの異なる検出された泡を分類することができ、あるいはタイル位置合わせ不良及びドロップタイルなどの他の出力を配列決定中に同定することができる。

【0011】

本開示の１つ以上の実施形態の追加の特徴及び利点は、以下の説明に記載され、一部は説明から明らかになるか、又はかかる例示的な実施形態の実施によって習得され得る。

【図面の簡単な説明】

【0012】

様々な実施形態が、以下に要約される添付の図面の使用を通じて更に具体的かつ詳細に、記載及び説明される。

【図1】泡検出システムが本開示の１つ以上の実施形態に従って動作することができる環境を図示する。

【図2】本開示の１つ以上の実施形態による、泡の存在を検出する泡検出システムの概観図を図示する。

【図3】本開示の１つ以上の実施形態による、１チャネル、２チャネル、及び４チャネル配列データに関して動作する泡検出システムの概観図を図示する。

【図4A】本開示の１つ以上の実施形態による、異なるエラー分類に対応するデータシグネチャをグラフ化する例示的なチャートを図示する。

【図4B】本開示の１つ以上の実施形態による、異なるエラー分類に対応するデータシグネチャをグラフ化する例示的なチャートを図示する。

【図4C】本開示の１つ以上の実施形態による、異なるエラー分類に対応するデータシグネチャをグラフ化する例示的なチャートを図示する。

【図5】本開示の１つ以上の実施形態による、例示的な泡検出機械学習モデルを図示する。

【図6A】１つ以上の実施形態による、泡検出機械学習モデルを訓練する泡検出システムと、フローセル内の泡を伴う例示的空間画像とを図示する。

【図6B】１つ以上の実施形態による、泡検出機械学習モデルを訓練する泡検出システムと、フローセル内の泡を伴う例示的空間画像とを図示する。

【図6C】１つ以上の実施形態による、泡検出機械学習モデルを訓練する泡検出システムと、フローセル内の泡を伴う例示的空間画像とを図示する。

【図7】本開示の１つ以上の実施形態による、泡の存在を検出するための一連の動作を図示する。

【図8】本開示の１つ以上の実施形態による、例示的なコンピューティング装置のブロック図を図示する。

【発明を実施するための形態】

【0013】

本開示は、機械学習モデルを利用して、核酸配列決定実行中に取り込まれた（又はそれから導出された）データに基づいてヌクレオチド－試料スライド内の泡の存在を検出する泡検出システムの１つ以上の実施形態を説明する。いくつかの実施形態では、例えば、泡検出システムは、配列決定サイクル中の核酸塩基コールについての塩基コールデータ、及び配列決定サイクル中のかかる核酸塩基コールのエラーを推定する品質メトリックを同定する品質データに、アクセスするか、又はそれらを受信する。このようなコールデータ及び品質データは、ヌクレオチド－試料スライド（例えば、フローセル）又はスライドのセクションに特異的であり得る。コールデータ及び品質データから、泡検出システムは、少なくとも１つの核酸塩基に対応する核酸塩基コールのサブグループ（例えば、アデニン及びグアニン塩基コールのサブグループ）及び閾値品質値を満たすヌクレオチドコールのサブグループを決定する。入力としてのデータのこれらのサブグループに基づいて、泡検出システムは、機械学習モデルを利用して、ヌクレオチド－試料スライド内の泡の存在を検出する。いくつかのかかる実施形態では、かかる泡検出機械学習モデルは、検出された泡のタイプを分類する。

【0014】

直前に示したように、いくつかの実施形態では、泡検出システムは、核酸ポリマーを配列決定するサイクルについての核酸塩基コールを含むコールデータを受信する。概して、泡検出システムは、各配列決定サイクルで核酸塩基を同定するコールデータを受信する。泡検出システムは、様々なタイプのデータに従って編成又はパッケージ化されたコールデータを受信することができる。例えば、泡検出システムは、１チャネルデータ、２チャネルデータ、又は４チャネルデータに従って編成されたコールデータを受信することができる。いずれの場合も、泡検出システムは、様々なタイプの配列決定プラットフォームからコールデータを受信し、利用することができる。

【0015】

更に上述したように、泡検出システムはまた、サイクルについての核酸塩基コールにおけるエラーを推定する品質メトリックを含む品質データを受信する。いくつかの実施形態では、品質メトリックは、ヌクレオチド－試料スライドについての塩基コール精度を示す。例えば、品質メトリックは、不正確な塩基コールの確率を示す値を含むことができる。１つ以上の実施形態では、品質メトリックは、ヌクレオチド－試料スライドのセクションについての不正確な塩基コールの確率が、Ｑ２０スコアについて１００分の１、Ｑ３０スコアについて１，０００分の１、Ｑ４０スコアについて１０，０００分の１などであることを示す品質スコア（又はＱスコア）を含むが、泡検出システムは、泡の存在を決定することの一部として任意の数の品質メトリックを柔軟に受信する。

【0016】

コールデータに基づいて、いくつかの実施形態では、泡検出システムは、少なくとも１つの核酸塩基に対応する核酸塩基コールのサブセットを決定する。例えば、ある特定の実装形態では、泡検出システムは、アデニンコール、チミンコール、シトシンコール、又はグアニンコールの割合を決定する。一例では、泡検出システムは、アデニンコールを含む各サイクルにおける塩基コールの割合又はパーセンテージ、及びチミンコールを含む各サイクルにおける塩基コールの割合又はパーセンテージを決定する。したがって、ある特定の実装形態では、泡検出システムは、ヌクレオチド－試料スライドの特定のセクション内のアデニンに対応する核酸塩基コールのパーセンテージ（又は他のサブセット）及びグアニンに対応する核酸塩基コールのパーセンテージ（又は他のサブセット）を決定する。

【0017】

品質データに基づいて、ある特定の場合では、泡検出システムはまた、品質メトリックについての閾値品質メトリックを満たす核酸塩基コールのサブセットを決定することができる。いくつかの実施形態では、泡検出システムは、閾値品質メトリックを決定する。例えば、泡検出システムは、サイクル中の塩基コールについての閾値品質メトリックがＱ３０に等しく、９９．９％の精度又は所与の塩基コールが不正確である１，０００分の１の確率に対応することを決定し得る。泡検出システムは、決定された閾値品質メトリックを満たす塩基コールの割合又はパーセンテージを更に決定する。特に、泡検出システムは、受信した品質データからの品質メトリックを閾値品質メトリックと比較する。したがって、ある特定の実装形態では、泡検出システムは、ヌクレオチド－試料スライドの特定のセクション内の閾値品質メトリックを満たす核酸塩基コールのパーセンテージ（又は他のサブセット）を決定する。

【0018】

核酸塩基コールの関連するサブセットを決定すると、ある特定の場合には、泡検出システムは、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット及び閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを含む泡検出機械学習モデルについての入力マトリックスを生成する。より具体的には、一例において、泡検出システムは、アデニンコールのサブセット、グアニンコールのサブセット、及び閾値品質メトリックを満たす核酸塩基コールのサブセット（例えば、配列決定サイクルの総数内の各サイクルについて）を使用して、入力マトリックスをコンパイルする。泡検出システムは、配列決定サイクルの数に基づいて入力マトリックスを調整することによって、様々な入力サイズに対応することができる。例えば、一実施形態では、入力マトリックスは、長さＮの３つの一次元入力チャネルを含み、３つの入力チャネルは、アデニンコールのサブセット、グアニンコールのサブセット、及び閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを含み、Ｎは、配列決定サイクルの数に等しい。

【0019】

入力形式にかかわらず、泡検出システムは、泡検出機械学習モデルを使用して、コールデータ及び品質データのサブセットに基づいてヌクレオチド－試料スライド内の泡の存在を検出することができる。かかる泡の存在を検出するために、泡検出システムは、様々なタイプの機械学習モデルを利用することができる。例えば、いくつかの実施形態では、泡検出システムは、畳み込みニューラルネットワーク（ＣＮＮ）等のニューラルネットワークを利用して、泡を検出する。他の実施形態では、泡検出システムは、他のタイプの機械学習モデルを利用して、泡を検出する。例えば、いくつかの実装形態では、泡検出システムは、サポートベクトルマシン（ＳＶＭ）又は適応ブースティング（Adaptive Boosting）機械学習モデルを実装する。

【0020】

上記で示唆したように、泡検出システムは、従来の核酸配列決定システム及び対応する配列決定データ分析ソフトウェアと比較して、いくつかの技術的利益及び技術的改善を提供する。特に、泡検出システムは、既存の核酸配列決定システム又は対応するソフトウェアが配列決定を妨害する泡の存在を検出する精度を改善することができる。開示された泡検出システムは、現況技術又は従来技術によってマッチングされていないヌクレオチド－試料スライド内の泡を検出する第１種機械学習モデルを導入する。上述したように、既存のシステムは、配列決定を妨害する泡を直接検出することも、特定のプラットフォームに限定された泡を検出するために機械的センサを使用することもできない。かかる既存のシステムとは異なり、開示される泡検出システムは、利用可能なデータ、すなわち、核酸塩基コールを同定するコールデータ及びかかる核酸塩基コールについての品質メトリックを同定する品質データの固有の分析に基づいて、ヌクレオチド－試料スライド内の泡を正確に検出するように訓練された機械学習モデルを利用する。コールデータ及び品質データに依存することによって、泡検出システムは、訓練された泡検出機械学習モデルを利用して、ヌクレオチド－試料スライド内の泡の存在を正確に検出する（及び時には泡のタイプを同定する）ことができる。従来の機械的泡検出方法とは異なり、泡検出システムは、容易に利用可能なコールデータ及び品質データを使用することによって、様々な配列決定プラットフォームにわたってその機械学習モデルを適用することができる。

【0021】

新規で正確な泡検出方法に加えて、いくつかの実施形態では、泡検出システムは、ヌクレオチド－試料スライドの特定のセクション内（例えば、フローセルのタイル内又はフローセルのタイル群内）の泡の存在、及び泡によって影響を受ける対応するコールデータを正確に検出することができる。より具体的には、ある特定の場合において、泡検出システムは、スライドセクションに特異的なコールデータ及び品質データを渡す泡検出機械学習モデルを利用して、泡によって影響を受けるヌクレオチド－試料スライドのセクションを自動的に検出する。ヌクレオチド－試料スライドのどのセクションが影響を受けたかを特定することによって、泡検出システムは、不正確なデータを削除し、配列決定データの精度及び全体的な品質を改善することができる。例示すると、いくつかの実装形態では、泡検出システムは、コールデータからヌクレオチド－試料スライドのセクションについてのリードを除去するか、又は泡によって影響を受けたヌクレオチド－試料スライドの特定のセクションに対応するリード又は核酸塩基コールについての品質メトリックを低減する。いくつかの場合において、泡検出システムは、検出された泡がサイズ閾値に等しいか若しくはそれを超える場合、又は核酸塩基コールについてのデータシグネチャがノルムから特定の閾値だけ異なる場合、核酸塩基コールを除去するか、又は品質メトリックを低減する。

【0022】

改善された精度に加えて、泡検出システムは、従来の核酸配列決定システム及び対応する配列決定データ分析ソフトウェアが核酸ポリマーについての核酸塩基配列を決定する効率を改善する。泡がヌクレオチド－試料スライドに影響を及ぼすか、又は他の方法で妨害するときを同定することによって、泡検出システムは、特定のエラーをトラブルシューティングし、その後、高品質のデータを達成するために複数の配列決定サイクルを実行及び再実行する必要をなくす。いくつかのかかる場合において、泡検出システムは、泡によって影響を受けたヌクレオチド－試料スライドの特定のセクションを同定して、データのどの対応する部分が泡によって破損又は妨害されているかを特異的に同定する。更に、泡検出システムはまた、特定のタイプの泡（例えば、油、空気、又はゴースト）、又は補正のための他の特定のエラータイプ（例えば、タイル位置合わせ不良又はタイル脱落）を分類することによって、配列決定の効率を改善することができる。したがって、泡検出システムは、核酸ポリマーを正確に配列決定するために廃棄又は再評価される必要がある、ヌクレオチド－試料スライドのセクションについてのデータ又はサイクル数を認識及び最小化することによって、核酸ポリマーの配列決定の効率を改善する。

【0023】

いくつかの実施形態では、再配列決定作業を低減すること、又は特定の泡影響データを同定することを超えて、泡検出システムは、配列決定実行（ラン）内で泡を同定するために典型的に必要とされるリソースを低減することによって、従来の核酸配列決定システム及び対応する配列決定データ分析ソフトウェアと比較して効率を改善する。前述のように、泡検出システムは、泡検出機械学習モデルを利用して、配列決定ラン内の泡を検出する。少なくとも１つの実施形態では、泡検出システムは、軽量ＣＮＮを利用して、泡の存在を同定する。したがって、配列決定装置（例えば、チュービングセンサ）上の付加的ハードウェアの使用を必要とする代わりに、又は付加的情報を処理するために演算的に重いニューラルネットワークを使用する代わりに、いくつかの実施形態では、泡検出システムは、種々の配列決定プラットフォームから利用可能なコールデータ及び品質データを分析するために、演算的に軽い機械学習モデルをより効率的に利用する。したがって、かかる場合、泡検出システムは、泡を検出するために画像又は他のセンサデータを使用することと比較して、低いデータフットプリントを作成する。

【0024】

改善された効率とは無関係に、泡検出システムはまた、核酸配列決定システム及び対応する配列決定データ分析ソフトウェアが泡を検出する柔軟性を改善する。上記のように、いくつかの実装形態では、泡検出システムは、プラットフォームに依存せず、いくつかの流体ベースの配列決定装置上のもののような追加のチューブセンサを含まない。特に、泡検出システムは、多数の配列決定プラットフォームから容易にアクセス可能な塩基コール及び品質データを柔軟に利用する。少なくとも１つの実施形態では、泡検出システムは、泡検出システムが可変入力サイズをより柔軟に分析することを可能にする適応最大プーリング層を有するＣＮＮを利用する。したがって、泡検出システムは、追加のハードウェアを必要とせずに、既存の配列決定プラットフォームによって実装及び利用することができる。更に、いくつかの実施形態では、泡検出システムは、特定用途向け集積回路（ＡＳＩＣ）又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）などの様々な構成可能回路を利用して柔軟に適用される。

【0025】

前述の議論によって示されるように、本開示は、泡検出システムの特徴及び利点を説明するために、種々の用語を利用する。ここで、かかる用語の意味に関して更なる詳細を提供する。例えば、本明細書で使用される場合、用語「ヌクレオチド－試料スライド」は、試料についてヌクレオチドセグメントを配列決定するためのオリゴヌクレオチドを含むプレート又はスライドを指す。いくつかの実施形態では、ヌクレオチド－試料スライドは、試薬及び緩衝液が移動することができる流体チャネルを含有するスライドを配列決定の一部として含む。例えば、１つ以上の実施形態では、ヌクレオチド－試料スライドは、小さな流体チャネル及びアダプター配列に相補的な短いオリゴヌクレオチドを含むフローセルを含む。

【0026】

本明細書で使用される場合、用語「コールデータ」は、個々の核酸塩基又は核酸ポリマーについての核酸塩基の配列を示す画像データ又は他のデジタル情報を指す。特に、コールデータは、ヌクレオチド－試料スライドのカメラによって撮影された画像からの強度値（例えば、個々のクラスターについての色又は光強度値）、又は核酸ポリマーについての個々の核酸塩基若しくは核酸塩基の配列を示す他のデータを含むことができる。コールデータは、強度値に加えて、又は代替として、配列中の個々の核酸塩基を示すクロマトグラムピーク又は電流変化を含むことができる。更に、いくつかの実施形態では、コールデータは、個々の核酸塩基（例えば、Ａ、Ｔ、Ｃ、又はＧ）を同定する個々の核酸塩基コールを含む。例えば、コールデータは、核酸ポリマーについての配列中の核酸塩基コールについてのデータ、特定の塩基（例えば、アデニン、シトシン、チミン、又はグアニン）に対応する核酸塩基コールの数を含むことができる。いくつかの実施形態では、コールデータは、合成による配列決定（ＳＢＳ）を利用する配列決定装置からの情報を含む。

【0027】

本明細書で使用される場合、「核酸塩基コール」という用語は、配列決定サイクルについてオリゴヌクレオチドに付加するか又はオリゴヌクレオチド内に組み込む特定の核酸塩基の割り当て又は決定を指す。特に、核酸塩基コールは、ヌクレオチド－試料スライド上のオリゴヌクレオチド内に組み込まれたヌクレオチドのタイプの割り当て又は決定を示す。いくつかの場合では、核酸塩基コールは、ヌクレオチド－試料スライドのナノウェル中のオリゴヌクレオチドに添加されたヌクレオチドから生じる強度値への核酸塩基の割り当て又は決定を含む。あるいは、核酸塩基コールは、ヌクレオチド－試料スライドのナノポアを通過するヌクレオチドから生じるクロマトグラムピーク又は電流変化への核酸塩基の割り当て又は決定を含む。核酸塩基コールを使用することによって、配列決定システムは、核酸ポリマーの配列を決定する。例えば、単一の核酸塩基コールは、アデニンコール、シトシンコール、グアニンコール、又はチミンコールを含むことができる。

【0028】

本明細書で更に使用される場合、「配列決定サイクル」又は単に「サイクル」という用語は、オリゴヌクレオチドに核酸塩基を付加若しくは組み込む反復、又は並行してオリゴヌクレオチドに核酸塩基を付加若しくは組み込む反復を指す。特に、サイクルは、オリゴヌクレオチドに、又は並行してオリゴヌクレオチドに付加又は組み込まれた個々の核酸塩基を示すデータを用いて１つ以上の画像を分析する反復を含むことができる。したがって、核酸ポリマーの配列決定の一部としてサイクルを繰り返すことができる。例えば、１つ以上の実施形態では、各配列決定サイクルは、ＤＮＡ鎖若しくはＲＮＡ鎖が単一方向のみで読み取られる単一リード、又はＤＮＡ鎖若しくはＲＮＡ鎖が両端から読み取られるペアエンドリードのいずれかを伴う。更に、ある特定の場合において、各配列決定サイクルは、特定のオリゴヌクレオチドに付加又は組み込まれた特定の核酸塩基を決定するための画像データを生成するために、ヌクレオチド－試料スライド又はヌクレオチド－試料スライドの複数のセクションの画像を撮影するカメラを伴う。画像撮影段階に続いて、配列決定システムは、組み込まれた核酸塩基から特定の蛍光標識を除去し、核酸ポリマーが完全に配列決定されるまで別の配列決定サイクルを実施することができる。１つ以上の実施形態では、「サイクル」は、合成による配列決定（ＳＢＳ）ラン内の配列決定サイクルを指す。

【0029】

本明細書で使用される場合、用語「核酸ポリマー」は、核酸の単位から構成される高分子を指す。特に、核酸ポリマーは、配列中に異なる窒素含有複素環塩基から構成される高分子を含むことができる。例えば、核酸ポリマーは、デオキシリボ核酸（ＤＮＡ）、リボ核酸（ＲＮＡ）、又は核酸の他のポリマー形態若しくは以下に記載される核酸のキメラ若しくはハイブリッド形態のセグメント又は分子を含むことができる。より具体的には、いくつかの場合において、核酸ポリマーは、キットによって調製又は単離され、配列決定装置によって受け取られた試料中に見出されるものである。

【0030】

本明細書で使用される場合、「品質データ」という用語は、配列決定サイクルについての核酸塩基コールの精度又は品質を示す情報を指す。特に、品質データは、概して、配列決定サイクル内の１つ以上の塩基コールの精度を示す。例えば、品質データは、１つ以上の品質メトリックを含むことができる。

【0031】

本明細書で使用される場合、用語「品質メトリック」は、配列決定サイクルについての核酸塩基コールの精度を示す特定のスコア又は他の尺度を指す。特に、品質メトリックは、１つ以上の予測核酸塩基コールがエラーを含む可能性を示す値を含む。例えば、ある特定の実装形態では、品質メトリックは、配列決定サイクル内の任意の所与の塩基コールのエラー確率を予測するＱスコアを含むことができる。

【0032】

本明細書で使用される場合、「泡」という用語は、気体、液体、又は他の材料を封入する球形又は球状の小球又は他の収容体を指す。特に、泡は、ヌクレオチド－試料スライドに入ることができ、配列決定サイクルのデータ品質に影響を及ぼすことができる球状の小球を指す。例えば、泡は、ヌクレオチド－試料スライド内に生じる気泡又は油泡を含むことができる。

【0033】

ここで、泡検出システムの例示的な実施形態及び実装形態を示す例示的な図に関連して、泡検出システムに関して更なる詳細を提供する。例えば、図１は、泡検出システム１０６が１つ以上の実施形態に従って動作するシステム環境（又は「環境」）１００の概略図を示す。図示されるように、環境１００は、ネットワーク１１２を介してユーザクライアント装置１０８及び配列決定装置１１４に接続された１つ以上のサーバー装置１０２を含む。図１は泡検出システム１０６の一実施形態を示すが、代替的な実施形態及び構成が可能である。

【0034】

図１に示されるように、サーバー装置１０２、ユーザクライアント装置１０８、及び配列決定装置１１４は、ネットワーク１１２を介して接続される。したがって、環境１００の構成要素の各々は、ネットワーク１１２を介して通信することができる。ネットワーク１１２は、コンピューティング装置が通信することができる任意の適切なネットワークを含む。例示的なネットワークを、図８に関連して以下で更に詳細に説明する。

【0035】

図１によって示されるように、配列決定装置１１４は、核酸ポリマーを配列決定するための装置を含む。いくつかの実施形態では、配列決定装置１１４は、試料から抽出された核酸セグメントを分析して、配列決定装置１１４上で直接的又は間接的のいずれかで本明細書に記載されるコンピュータ実装方法及びシステムを利用して、データを生成する。より具体的には、配列決定装置１１４は、ヌクレオチド－試料スライド内で、試料から抽出された核酸セグメントを受け取り、分析する。１つ以上の実施形態では、配列決定装置１１４は、ＳＢＳを利用し、核酸ポリマーを配列決定する。いくつかの実施形態では、配列決定装置１１４は、ネットワーク１１２を介して通信することに加えて、又は代替として、ネットワーク１１２を迂回し、ユーザクライアント装置１０８と直接通信する。

【0036】

図１によって更に示されるように、サーバー装置１０２は、核酸塩基コールを決定するための、又は核酸ポリマーを配列決定するためのデータなどの電子データを生成、受信、分析、記憶、受信、及び送信することができる。図１に示すように、サーバー装置１０２は、配列決定装置１１４からデータを受信し得る。例えば、サーバー装置１０２は、コールデータ、品質データ、及び核酸ポリマーの配列決定に関連する他のデータを含む配列決定データを収集及び／又は受信することができる。サーバー装置１０２は、ユーザクライアント装置１０８とも通信することができる。特に、サーバー装置１０２は、核酸塩基配列、エラーデータ、及び他の情報をユーザクライアント装置１０８に送信することができる。

【0037】

いくつかの実施形態では、サーバー装置１０２は、分散型サーバーを含み、サーバー装置１０２は、ネットワーク１１２にわたって分散され、異なる物理的場所に位置する、いくつかのサーバー装置を含む。サーバー装置１０２は、コンテンツサーバー、アプリケーションサーバー、通信サーバー、ウェブホスティングサーバー、又は別のタイプのサーバーを含むことができる。

【0038】

図１に更に示されるように、サーバー装置１０２は、配列決定システム１０４を含むことができる。概して、配列決定システム１０４は、配列決定装置１１４から受信した配列決定データを分析して、核酸ポリマーについての核酸塩基配列を決定する。例えば、配列決定システム１０４は、配列決定装置１１４から生データを受信し、核酸セグメントについての核酸塩基配列を決定することができる。いくつかの実施形態では、配列決定システム１０４は、ＤＮＡ及び／又はＲＮＡセグメント中の核酸塩基の配列を決定する。核酸ポリマーについての配列を処理及び決定することに加えて、配列決定システム１０４はまた、配列決定データを分析し、配列決定サイクルにおける不規則性を検出する。特に、配列決定システム１０４は、泡検出システム１０６を使用して、配列決定サイクル内の泡を検出し、対応する通知をユーザクライアント装置１０８に送信することができる。

【0039】

上述のように、また図１に図示するように、泡検出システム１０６は、配列決定装置１１４からのデータを分析して、配列決定装置１１４に関連付けられたヌクレオチド－試料スライド内の泡の存在を検出する。より具体的には、いくつかの実施形態では、泡検出システム１０６は、配列決定装置１１４からコールデータ及び品質データを受信する。コールデータ及び品質データに基づいて、泡検出システム１０６は、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット、及び閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを決定する。核酸塩基コールの第１のサブセット及び核酸塩基コールの第２のサブセットに基づいて、泡検出システム１０６は、泡検出機械学習モデルを実装して、泡の存在を検出する。したがって、泡検出システム１０６は、１つ以上の機械学習モデル（例えば、ニューラルネットワーク、ＳＶＭ、適応ブースティング）を含むことができる。

【0040】

図１に更に図示され示されるように、ユーザクライアント装置１０８は、デジタルデータを生成し、記憶し、受信し、送信することができる。特に、ユーザクライアント装置１０８は、配列決定装置１１４から配列決定データを受信することができる。更に、ユーザクライアント装置１０８は、サーバー装置１０２と通信して、核酸塩基配列、並びに泡の存在を示すアラートなどの配列決定サイクル内の不規則性の報告を受信することができる。したがって、ユーザクライアント装置１０８は、配列決定データ及び泡の通知をグラフィカルユーザインターフェース内でユーザクライアント装置１０８に関連付けられたユーザに提示することができる。

【0041】

図１に図示するユーザクライアント装置１０８は、様々なタイプのクライアント装置を含むことができる。例えば、いくつかの実施形態では、ユーザクライアント装置１０８は、デスクトップコンピュータ若しくはサーバー、又は他のタイプのクライアント装置等の非モバイル装置を含む。更に他の実施形態では、ユーザクライアント装置１０８は、ラップトップ、タブレット、携帯電話、又はスマートフォンなどのモバイル装置を含む。ユーザクライアント装置１０８に関する更なる詳細は、図８に関して以下で説明する。

【0042】

図１に図示するように、ユーザクライアント装置１０８は、配列決定アプリケーション１１０を含む。配列決定アプリケーション１１０は、ユーザクライアント装置１０８上に記憶され、実行されるウェブアプリケーション又はネイティブアプリケーション（例えば、モバイルアプリケーション、デスクトップアプリケーション）であってもよい。配列決定アプリケーション１１０は、泡検出システム１０６からデータを受信することができ、ユーザクライアント装置１０８における表示のために、配列決定データを提示することができる。更に、配列決定アプリケーション１１０は、ヌクレオチド－試料スライドのセクション内の泡の存在を示す通知を提供することができる。

【0043】

図１に更に図示されるように、泡検出システム１０６は、配列決定アプリケーション１１０の一部として、ユーザクライアント装置１０８上に位置してもよい。図示されるように、いくつかの実施形態では、泡検出システム１０６は、ユーザクライアント装置１０８上に（例えば、完全に又は部分的に位置して）実装される。加えて、又は代替として、いくつかの実装形態では、泡検出システム１０６は、配列決定装置１１４上に（例えば、完全に又は部分的に位置して）実装される。更に他の実施形態では、泡検出システム１０６は、環境１００の１つ以上の他の構成要素によって実装される。特に、泡検出システム１０６は、サーバー装置１０２、ネットワーク１１２、ユーザクライアント装置１０８、及び配列決定装置１１４にわたって様々な異なる方法で実装することができる。

【0044】

図１は、ネットワーク１１２を介して通信する環境１００の構成要素を図示しているが、ある特定の実装形態では、環境１００の構成要素は、ネットワークを迂回して互いに直接通信することもできる。例えば、前述したように、ユーザクライアント装置１０８は、配列決定装置１１４と直接通信することができる。加えて、ユーザクライアント装置１０８は、泡検出システム１０６と直接通信することができる。更に、泡検出システム１０６は、サーバー装置１０２又は環境１００内の他の場所に収容された、又はそれによってアクセスされる１つ以上のデータベースにアクセスすることができる。

【0045】

上記のように、泡検出システム１０６は、ヌクレオチド－試料スライド内の泡の存在を検出することができる。例えば、図２は、１つ以上の実施形態による、ヌクレオチド－試料スライド内の泡の存在を検出するために一連の動作２００を実行する泡検出システム１０６を図示する。一連の動作２００の一部として、泡検出システム１０６は、コールデータを受信する動作２０２、品質データを受信する動作２０４、核酸塩基コールの第１のサブセット及び第２のサブセットを決定する動作２０６、並びに泡の存在を検出する動作２０８を実行する。

【0046】

図２に示すように、一連の動作２００は、コールデータを受信する動作２０２を含む。特に、動作２０２を実行するとき、泡検出システム１０６は、核酸ポリマーを配列決定するサイクルについての核酸塩基コールを含むか又は示すコールデータを受信する。いくつかの場合では、泡検出システム１０６は、各配列決定サイクルについての核酸塩基コールを示す配列決定装置からのコールデータ（例えば、配列決定装置１１４からのイメージングデータ）にアクセスする。例えば、図２に図示するように、泡検出システム１０６は、各配列決定サイクル及びヌクレオチド－試料スライドのセクションについてのアデニン（Ａ）コール、チミン（Ｔ）コール、シトシン（Ｃ）コール、又はグアニン（Ｇ）コールを示す強度値を含む各サイクルについての画像データを受信する。いくつかの実施形態では、コールデータはまた、特定のサイクル内でコールされた特定の核酸塩基の総数又はパーセンテージを示す。図２は、強度値を示す色を有する画像データとしてコールデータを示しているが、泡検出システム１０６は、バイナリ塩基コール（ＢＣＬ）シーケンスファイル又はＩｎｔｅｒＯｐメトリックファイルの一部としてのコールデータなど、任意の適切なフォーマットでコールデータを受信することができる。

【0047】

ある特定の実装形態では、泡検出システム１０６は、動作２０２を実行するときに画像データを受信することに加えて、又は代替として、核酸ポリマーを配列決定するサイクルにわたる個々の核酸塩基コールを含むコールデータを受信する。例えば、いくつかの場合では、コールデータは、ヌクレオチド－試料スライドの特定のサイクル及びセクションについてのＡ、Ｔ、Ｃ、又はＧコールについての明示的なデータ又はテキスト表示を含む。上記のように、コールデータはまた、特定のサイクル内でコールされた特定の核酸塩基の総数又はパーセンテージを含むことができる。

【0048】

図２に更に図示されるように、一連の動作２００は、泡検出システム１０６が品質データを受信する動作２０４を実行することを含む。上記のように、品質データは、サイクルについての核酸塩基コールにおけるエラーを推定する品質メトリックを含む。特に、泡検出システム１０６は、各サイクルについて誤った核酸塩基コールの確率を示す品質データを配列決定装置から受信する。例えば、図２に図示するように、品質データは、各サイクルに対して呼び出された（コールされた）塩基の総数に対応する品質メトリックを含む。図２は、特定の品質メトリックに関連付けられた総塩基コールの分布として品質データを示しているが、泡検出システム１０６は、ＢＣＬファイル又はＩｎｔｅｒＯｐメトリックファイル内の品質メトリックなど、任意の適切なフォーマットで品質データを受信することができる。１つ以上の実施形態では、品質データは、以下で更に詳細に説明するような品質メトリックを含む。

【0049】

上記で更に示されるように、いくつかの実施形態では、品質メトリックは、不正確な核酸塩基コールの確率又は塩基コール精度に関連する品質スコアを含む。例えば、１つ以上の実施形態では、品質メトリックは、Ｉｌｌｕｍｉｎａによって開発されたＰｈｒｅｄアルゴリズム又は改訂Ｐｈｒｅｄアルゴリズムに基づくＰｈｒｅｄ品質スコアを含む。いくつかの実施形態では、泡検出システム１０６は、Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ ＤＮＡ Ｂａｓｅ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ、米国特許第８，３９２，１２６号（２００９年９月２３日出願）によって説明されるように、品質メトリックとしてＰｈｒｅｄスコアを決定又は使用するものであり、その内容は、参照によりその全体が本明細書に組み込まれる。Ｑ１０のＰｈｒｅｄ品質スコアは、１０回に１回の不正確な核酸塩基コールの確率と等価であり、これは、１０個の核酸塩基配列決定リードごとに１つのエラーが含まれる可能性が高いことを意味する。以下の表は、追加のＰｈｒｅｄ品質スコア並びに不正確な核酸塩基コールのそれらの同等の確率及び核酸塩基コール精度を含む。

【0050】

【表1】

【0051】

Ｐｈｒｅｄ品質スコアに関する更なる詳細は、Ｅｗｉｎｇ Ｂ， Ｇｒｅｅｎ Ｐ．Ｂａｓｅ－ｃａｌｌｉｎｇ ｏｆ Ａｕｔｏｍａｔｅｄ Ｓｅｑｕｅｎｃｅｒ Ｔｒａｃｅｓ Ｕｓｉｎｇ Ｐｈｒｅｄ．ＩＩ．Ｅｒｒｏｒ Ｐｒｏｂａｂｉｌｉｔｉｅｓ．Ｇｅｎｏｍｅ Ｒｅｓ． １９９８ Ｍａｒ．；８（３）：１８６－１９４．ＰＭＩＤ：９５２１９２２に示されており、その全体が参照により本明細書に組み込まれる。

【0052】

図２に更に図示されるように、一連の動作２００は、核酸塩基コールの第１のサブセット及び第２のサブセットを決定する動作２０６を含む。特に、動作２０６を実行するとき、泡検出システム１０６は、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット、及び品質メトリックについての閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを決定する。いくつかの実施形態では、第１のサブセット及び第２のサブセットは、ヌクレオチド－試料スライド（例えば、タイル）の所与のサイクル及び特定のセクションについての全ての核酸塩基コールのある割合又はパーセンテージを含む。以下の段落では、第１のサブセット及び第２のサブセットに関して更なる詳細を提供する。

【0053】

図２に図示されるように、泡検出システム１０６は、少なくとも１つの核酸塩基２１０に対応する第１のサブセットを決定する。例えば、図２に図示されるように、泡検出システム１０６は、各サイクルについてアデニンコールのサブセット及びグアニンコールのサブセットを決定する。１つ以上の実施形態では、第１のサブセットは、特定の核酸塩基に対応する全ての核酸塩基コールの一部分を示すパーセンテージ値を含む。図２は、アデニンコールのパーセンテージ及びグアニンコールのパーセンテージを決定することによって、少なくとも１つの核酸塩基２１０に対応する第１のサブセットを決定する泡検出システム１０６を示すが、泡検出システム１０６はまた、アデニンコール、チミンコール、シトシンコール、及びグアニンコールの任意の組み合わせを含む第１のサブセットを決定することもできる。

【0054】

図２に更に図示されるように、泡検出システム１０６はまた、閾値品質メトリック２１２を満たす第２のサブセットを決定する。泡検出システム１０６は、閾値品質メトリックを同定し、閾値品質メトリックを満たす核酸塩基コールのサブセットを決定する。いくつかの実装形態では、泡検出システム１０６は、ベンチマーク閾値品質メトリックを満たすか又は超える核酸塩基コールのパーセンテージ又は割合を含む閾値品質メトリックを決定する。例示すると、１つ以上の実施形態では、泡検出システム１０６は、閾値品質メトリックがＱ３０のＰｈｒｅｄ品質スコアに等しいと決定する。泡検出システム１０６は、各サイクルについて、Ｑ３０品質メトリックを満たすか又は超える核酸塩基コールのパーセンテージ（又は他のサブセット）を決定する。

【0055】

核酸塩基コールの第１のサブセット及び第２のサブセットを決定する動作２０６を実行した後、泡検出システム１０６は、泡の存在を検出する動作２０８を実行する。特に、動作２０８を実行するとき、泡検出システム１０６は、核酸塩基コールの第１のサブセット及び核酸塩基コールの第２のサブセットに基づく泡検出機械学習モデルを利用することによって、ヌクレオチド－試料スライド内の泡の存在を検出する。図２に図示するように、例えば、泡検出システム１０６は、泡検出機械学習モデル２１６を利用して、入力マトリックス２１４を分析し、出力２１８を生成する。

【0056】

一連の動作２００に加えて、いくつかの場合では、泡検出システム１０６は更に、泡の存在を示すアラートをコンピューティング装置に提供する。特に、泡検出システム１０６は、ユーザに関連付けられたコンピューティング装置を介して表示するための通知又はアラートを提供する。加えて、又は代替として、泡検出システム１０６は、配列決定装置にアラートを提供する。いずれの場合も、泡検出システム１０６は、アラート内に、泡又はエラーのタイプを示すエラー分類を含むことができる。更に、アラートは、泡が発生したヌクレオチド－試料スライドのセクション及び／又は配列決定サイクルを含む追加の情報を含むことができる。

【0057】

更に、いくつかの実装形態では、泡検出システム１０６は、泡の存在を検出することに基づいて１つ以上の補正動作を決定する。例示すると、いくつかの実装形態では、泡検出システム１０６は、泡の存在を検出することに基づいて、ヌクレオチド－試料スライドのサイクル、特定のサイクル、又は特定のセクションにおける特定のリードについての品質メトリックを低減する。いくつかの場合では、例えば、泡検出システム１０６は、対応するリードについての固有分子同定子（ＵＭＩ）を同定することによって、品質メトリックを低減するサイクルにおける核酸塩基コールを同定することができる。それに加えて、又は代替として、泡検出システム１０６は、泡によって影響を受けたヌクレオチド－試料スライドのサイクル、特定のサイクル、又は特定のセクションにおける特定のリードを同定することに基づいて、コールデータから影響を受けたコールを削除することができる。いくつかの場合では、泡検出システム１０６は、泡の持続を決定することに基づいて、アラート内に、泡を解消するための提案された動作を含むことができる。例えば、検出された油泡の数が閾値を満たすと判定することに基づいて、泡検出システム１０６は、油漏れについて配列決定装置の部品をチェックするための、又はヌクレオチド－試料スライドを再装填するための提案された動作を含むアラートを提供する。

【0058】

前述のように、いくつかの実施形態では、泡検出システム１０６は、泡によって影響を受けるヌクレオチド－試料スライドの特定のセクションを同定する。一例では、ヌクレオチド－試料スライドのセクションは、フローセルのタイルを含む。したがって、１つ以上の実施形態では、泡検出システム１０６は、ヌクレオチド－試料スライドの特定のセクションについて一連の動作２００を実行する。したがって、ある特定の実装形態では、泡検出システム１０６は、ヌクレオチド－試料スライドの単一のセクションについてのサイクルにわたるコールデータ及び品質データを受信する。したがって、泡検出システム１０６は、泡によって影響を受けたヌクレオチド－試料スライドの特定のセクションを同定することができる。

【0059】

図２に更に図示されるように、泡検出システム１０６は、泡検出機械学習モデル２１６への入力として入力マトリックス２１４を利用する。１つ以上の実施形態では、入力マトリックス２１４は、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット（例えば、アデニンコールのサブセット及びグアニンコールのサブセット）及び閾値品質メトリックを満たす核酸塩基コールの第２のサブセットについてのデータを含む。図５に関して以下で説明するように、入力マトリックス２１４は、配列決定サイクルの数に基づいてサイズを変えることができる。

【0060】

図２によって更に図示されるように、泡検出システム１０６は、泡検出機械学習モデル２１６を実装する。泡検出機械学習モデル２１６は、入力マトリックス２１４から特徴を抽出して、ヌクレオチド－試料スライド内の泡の存在を同定する。泡検出機械学習モデル２１６は、様々なタイプの機械学習モデルを含むことができる。いくつかの実施形態では、泡検出機械学習モデル２１６は、ＣＮＮなどのニューラルネットワーク、又はＳＶＭ若しくはＡｄａｐｔｉｖｅ Ｂｏｏｓｔｉｎｇ機械学習モデルなどの様々なタイプの機械学習モデルを含む。図５及び対応する説明は、１つ以上の実施形態による例示的なＣＮＮを更に説明する。

【0061】

入力マトリックス２１４を泡検出機械学習モデル２１６に通した後、泡検出システム１０６は、泡検出機械学習モデル２１６を利用して、出力２１８を生成する。いくつかの実施形態では、出力２１８は、（ｉ）ヌクレオチド－試料スライド内の泡の表示、及び（ｉｉ）エラー分類を含む。図２に図示するように、例えば、出力２１８は、油泡、気泡、及びドロップアウトを含む潜在的なエラー分類を含む。追加の実施形態では、出力２１８は、ゴースト泡の追加のエラー分類を含む。図４Ａ～図４Ｃ及び対応する段落は、１つ以上の実施形態による泡検出システム１０６によって生成されるエラー分類を更に説明する。

【0062】

図２は、１つ以上の実施形態による、ヌクレオチド－試料スライド内の泡の存在を決定する泡検出システム１０６の全般的概観を提供する。上述したように、泡検出システム１０６は、様々なタイプのコールデータに基づいて泡の存在を柔軟に決定することができる。図３は、泡検出システム１０６がヌクレオチド－試料スライド内の泡の存在を決定する際に利用することができる異なるタイプのコールデータを示す。概して、図３は、ＳＢＳサイクルの一部として得られた１チャネルデータ３０２、２チャネルデータ３０４、及び４チャネルデータ３０６を図示する。以下の段落は、これらのタイプのデータの各々を更に説明する。

【0063】

図３に図示するように、いくつかの実施形態では、コールデータは、１チャネルデータ３０２の形態の画像データを含むことができる。いくつかの実施形態では、図３に図示されるように、１チャネルデータは、核酸ポリマーの配列決定の所与のサイクルについてのヌクレオチド－試料スライド３０８ａのセクション３１０ａの２画像複合体３１２を含む。ある特定の実施形態では、２画像複合体３１２は、異なる時間に捕捉された同じ検出チャネル、同じ色素、又は同じ蛍光標識を使用して各々撮影された２つの画像の組み合わせを含む。シーケンサーが各核酸塩基について異なる蛍光色素又は標識を使用する４チャネルＳＢＳ化学とは異なり、１チャネルＳＢＳ化学は、配列決定サイクルごとに１つの蛍光色素、２つの化学ステップ、及び２つのイメージングステップ（２つの画像を生成する）を使用する。１チャネル化学では、例えば、アデニンは除去可能な標識を有し、第１の画像３１８のみで標識される。シトシンは、標識に結合することができ第２の画像３２０でのみ標識される、リンカー基を有する。チミンは、永続的な蛍光標識を有し、したがって、第１の画像３１８及び第２の画像３２０の両方で標識される。グアニンは標識されないため、いずれの画像においても蛍光を発しない。泡検出システム１０６は、２つの画像にわたる各塩基についての異なる発光パターンを分析することに基づいて、核酸塩基コールを決定する。

【0064】

１つ以上の実施形態では、泡検出システム１０６は、強度情報に基づいて１チャネルデータを取得する。かかる実施形態では、２つの画像を撮影する代わりに、配列決定システム１０４は、単一の画像を撮影し、異なる強度値を異なる核酸塩基と関連付ける。特に、３つ以上の核酸塩基が、異なる強度で１つの蛍光色素又は標識に結合する。泡検出システム１０６は、強度範囲を特定の核酸塩基と関連付けるか、又は色素若しくは標識の欠如を特定の核酸塩基と関連付けることができる。したがって、泡検出システム１０６は、単一チャネルを使用して強度データに基づいて核酸塩基コールを決定する。

【0065】

図３に更に図示されるように、ある特定の場合では、泡検出システム１０６は、２チャネルデータ３０４の形式でコールデータを受信する。特に、２チャネルデータ３０４は、ヌクレオチド－試料スライド３０８ｂのセクション３１０ｂの２画像複合体３１４を含む。特に、２画像複合体３１４は２つの画像を含み、各画像は、２つの異なる色素又は異なる蛍光標識に特異的な検出チャネルを使用して撮影される。２チャネルＳＢＳは、４つの核酸塩基コール全てを決定するために２つの蛍光色素及び２画像複合体３１４を使用することによって、４チャネルＳＢＳ化学と比較してヌクレオチド検出を簡略化する。例えば、一実施形態では、配列決定装置のカメラは、赤色及び緑色フィルタバンドを使用して画像を撮影する。チミン核酸塩基は緑色フルオロフォアで標識され、シトシンは赤色フルオロフォアで標識され、アデニンは赤色フルオロフォア及び緑色フルオロフォアの両方で標識される。グアニンは永続的に暗い。泡検出システム１０６は、２つのフィルタチャネルを使用して２画像複合体３１４を処理し、ヌクレオチド－試料スライド３０８ｂのセクション３１０ｂ内の各クラスター内にどの核酸塩基が組み込まれているかを決定することによって、核酸塩基コールを決定する。

【0066】

更に上述したように、いくつかの実装形態では、泡検出システム１０６は、４チャネルデータ３０６の形態でコールデータを受信する。特に、４チャネルデータ３０６は、ヌクレオチド－試料スライド３０８ｃのセクション３１０ｃの４画像複合体３１６を含む。特に、４画像複合体３１６は４つの画像を含み、各画像は、４つの異なる色素又は蛍光標識のうちの１つに特異的な検出チャネルを使用して撮影される。４チャネルＳＢＳサイクルは、４つ全ての異なる標識された塩基がヌクレオチド－試料スライドに加えられる化学ステップから始まる。イメージングサイクルは、４つの異なるフィルタチャネル又は波長帯域を使用した４画像複合体３１６の取り込みを開始し、含む。泡検出システム１０６は、４画像複合体３１６を処理して、どの核酸塩基がヌクレオチド－試料スライドにわたる各クラスター位置に組み込まれているかを決定する。

【0067】

泡検出システム１０６は、コールデータに基づいて核酸塩基コールのサブセットを決定する。特に、泡検出システム１０６は、１チャネルデータ３０２、２チャネルデータ３０４、及び／又は４チャネルデータ３０６を記憶し、処理し、分析して、各配列決定サイクルについての塩基コールを決定する。より具体的には、泡検出システム１０６は、撮影された画像にわたる各核酸塩基についての異なる発光パターンの分析によって核酸塩基を同定する。配列決定サイクルが完了すると、泡検出システム１０６は、核酸塩基コールの総数を決定する。泡検出システムは更に、特定の核酸塩基コールの数をサイクルについての核酸塩基コールの総数と比較することによって、個々の核酸塩基コールのサブセットを決定する。一例では、泡検出システム１０６は、所与のサイクルについて１０００個の総塩基コールのうち３１０個のアデニンコールを決定する。この決定に基づいて、泡検出システム１０６は、アデニンコールのサブセット（％Ａコール）が０．３１に等しいと決定する。

【0068】

前述のように、ヌクレオチド－試料スライド内の泡の存在を検出することの一部として、いくつかの実施形態では、泡検出システム１０６は、泡検出機械学習モデルを利用して、アデニンコールのサブセット、グアニンコールのサブセット、及び核酸ポリマーを配列決定するサイクルについての閾値品質メトリックを満たす核酸塩基コールのサブセットに基づいてエラー分類を生成する。例えば、ある特定の実施形態では、泡検出システム１０６は、気泡、油泡、ゴースト泡、又はドロップアウトによって引き起こされるエラーを同定するエラー分類を生成する。各エラー分類は、コールデータ及び品質データからのメトリックについて異なるデータシグネチャに対応する。

【0069】

泡検出システム１０６は、泡を検出するか、又は図４Ａ～４Ｃに示される様々なデータシグネチャに対応する、かかるエラーを分類することができる。１つ以上の実施形態によれば、図４Ａ、４Ｂ、及び４Ｃは、配列決定ラン内のサイクルにわたるデータシグネチャとして示される入力データの進行をグラフ化する例示的なチャートを図示する。特に、図４Ａは、泡のないヌクレオチド－試料スライドに対応する例示的なデータシグネチャを示すデータチャートを図示する。図４Ｂは、１つ以上の実施形態による、気泡、ゴースト泡、及び油泡に対応する例示的なデータシグネチャを図示する。図４Ｃは、１つ以上の実施形態による、疑わしい泡、ドロップアウト、及び単一サイクル内で生じるドロップアウトに対応する例示的なデータシグネチャを図示する。図４Ａ～４Ｃは、泡検出機械学習モデル（アデニンコールのサブセット、グアニンコールのサブセット、及び閾値メトリックを満たす核酸塩基コールのサブセットを含む）へのデータ入力についてのチャートを示すが、泡検出システム１０６は、チャート自体をかかるモデルに入力しない。

【0070】

概観として、図４Ａ～４Ｃのチャートは、いくつかの共通の特徴を共有する。例えば、図４Ａ～４Ｃは、様々なエラー分類に対応するデータシグネチャを有する例示的なチャート４１２ａ～４１２ｇを図示する。図示されたチャート４１２ａ～４１２ｇによってグラフ化されたメトリックは、エラーパーセンテージ４０４ａ～４０４ｇ、アデニンコールパーセンテージ４０６ａ～４０６ｇ、グアニンコールパーセンテージ４０８ａ～４０８ｇ、及びＱ３０充足パーセンテージ４１０ａ～４１０ｇを含む。より具体的には、チャート４１２ａ～４１２ｇは、配列決定ラン内の配列決定サイクルにわたるメトリックの進行を示す。エラーパーセンテージ４０４ａ～４０４ｇは、各サイクルにおける核酸塩基コールについて予測エラーのパーセンテージを示す。アデニンコールパーセンテージ４０６ａ～４０６ｇは、アデニンコールを含む各サイクルにおける全ての核酸塩基コールのパーセンテージ（又はサブセット）を示す。同様に、グアニンコールパーセンテージ４０８ａ～４０８ｇは、グアニンコールを含む各サイクルにおける全ての核酸塩基コールのパーセンテージ（又はサブセット）を示す。Ｑ３０充足パーセンテージ４１０ａ～４１０ｇは、Ｑ３０閾値品質メトリックを満たす（充足する）各サイクルにおける核酸塩基コールのパーセンテージを示す。１つ以上の他の実施形態では、泡検出システム１０６は、他のメトリックから特徴を抽出して、エラーを同定及び分類する。

【0071】

上述したように、図４Ａは、泡に関連しないチャート４１２ａを示す。特に、チャート４１２ａは、泡を含まないヌクレオチド－試料スライドについてのデータシグネチャを表示する。概して、泡は、比較的安定したメトリックを有するデータシグネチャに対応しない。例えば、エラーパーセンテージ４０４ａ、アデニンコールパーセンテージ４０６ａ、グアニンコールパーセンテージ４０８ａ、及びＱ３０充足パーセンテージ４１０ａは、配列決定サイクルにわたって比較的安定したままである。チャート４１２ａは、異なるエラーに対応するチャートを比較するためのベースラインを提供する。チャート４１２ａに対応するデータに基づいて、泡検出システム１０６は、泡の存在を検出しない。

【0072】

対照的に、図４Ｂは、気泡を示すデータシグネチャを伴うチャート４１２ｂ、ゴースト泡を示すデータシグネチャを伴うチャート４１２ｃ、及び油泡を示すデータシグネチャを伴うチャート４１２ｄを図示する。例えば、チャート４１２ｂは、気泡を含有するヌクレオチド－試料スライドについての核酸塩基コールを反映するデータシグネチャにおけるメトリックを含む。概して、気泡は、ヌクレオチド－試料スライド内の流体ライン及びチャネルに入る空気から生じる。気泡は、配列決定サイクルのイメージング段階中に発生して捕捉されると、配列決定リードのデータ品質に悪影響を及ぼす。例えば、イメージング段階中に、気泡は、画像の一部を不明瞭にするか、又は化学効率を低下させる可能性がある。より具体的には、気泡は、ヌクレオチド－試料スライドのガスケットからヌクレオチド－試料スライドに入り、イメージング中にラミネートがガスを放出する可能性がある。

【0073】

チャート４１２ｂによって示されるように、気泡は、エラーパーセンテージ４０４ｂ及びグアニンコールパーセンテージ４０８ｂの両方においてスパイク（急上昇）を引き起こす一方で、アデニンコールパーセンテージ４０６ｂ及びＱ３０充足パーセンテージ４１０ｂにおいてもディップ（急低下）を引き起こす。図４Ｂに更に図示されるように、配列決定装置は、６０回目の配列決定サイクルと８０回目の配列決定サイクルとの間に気泡を捕捉した。チャート４１２ｂに示されるデータシグネチャに対応するデータに基づいて、泡検出システム１０６は、泡の存在を検出し、気泡を泡として分類する。

【0074】

図４Ｂに更に示されるように、チャート４１２ｃは、ゴースト泡を含むヌクレオチド－試料スライドについてのメトリックをグラフ化する。ゴースト泡は、イメージング段階の外部で生じる空気又は油の泡を指す。例えば、配列決定装置のカメラがヌクレオチド－試料スライドの写真を撮るときに生じる気泡及び油泡とは対照的に、ゴースト泡は、イメージング段階に至る（及びそれに続く）化学ステップに影響を及ぼすことによって品質データに影響を与える。例えば、ゴースト泡は、プライマー及びヌクレオチドがヌクレオチド－試料スライド上で洗浄される場合の取り込み中、又は蛍光末端ブロッキング基が除去される場合の脱ブロッキング中に生じ得る。

【0075】

チャート４１２ｃに図示されるように、８０番目の配列決定サイクルの後のある時点で生じるゴースト泡は、エラーパーセンテージ４０４ｃを急速に増加させ、残りの配列決定サイクルにわたって上昇したままにする。加えて、Ｑ３０充足パーセンテージ４１０ｃは、エラーパーセンテージ４０４ｃを反映し、同じ配列決定サイクルで急低下する。チャート４１２ｃに更に図示されるように、アデニンコールパーセンテージ４０６ｃ及びグアニンコールパーセンテージ４０８ｃは、対照と比較して同様のままである。チャート４１２ｃに示されるデータシグネチャに対応するデータに基づいて、泡検出システム１０６は、泡の存在を検出し、ゴースト泡を泡として分類する。

【0076】

図４Ｂにも示されるように、チャート４１２ｄは、油泡を含むヌクレオチド－試料スライドについてのメトリックをグラフ化する。概して、油泡は、配列決定装置の部品からの油がヌクレオチド－試料スライドに入るときに生じる。気泡と同様に、油泡は、配列決定サイクルのイメージング段階中に撮影される画像に影響を及ぼすことによって、データ品質に悪影響を及ぼす。より詳細には、油泡は、色素又は標識及び蛍光を吸収し、配列決定装置に過剰な蛍光を捕捉させる。例えば、チャート４１２ｄによって示されるように、２０番目の配列決定サイクルと４０番目の配列決定サイクルとの間に捕捉された油泡は、エラーパーセンテージ４０４ｄ及びアデニンコールパーセンテージ４０６ｄに鋭いピークを引き起こす。チャート４１２ｄはまた、グアニンコールパーセンテージ４０８ｄにおけるより小さなディップと、Ｑ３０充足パーセンテージ４１０ｄにおけるより顕著なディップとをグラフ化する。チャート４１２ｄに示されるデータシグネチャに対応するデータに基づいて、泡検出システム１０６は、泡の存在を検出し、油泡を泡として分類する。

【0077】

上述したように、図４Ｃは、追加のエラー分類に対応する例示的なチャートを図示する。特に、図４Ｃは、疑わしい泡に対応するチャート４１２ｅ、ドロップアウトに対応するチャート４１２ｆ、及び単一サイクル内のドロップアウトに対応するチャート４１２ｇを図示する。

【0078】

図４Ｃに示されるように、例えば、チャート４１２ｅは、疑わしい泡を有するヌクレオチド－試料スライドについてのメトリックをグラフ化する。概して、疑わしい泡は、泡がないこと、前述の泡のうちの１つ（例えば、気泡、ゴースト泡、油泡）、又は別のタイプのエラーを示すことができる。特に、ある泡分類（例えば、気泡、ゴースト泡、及び油泡）は、別個のデータシグネチャとリンクされるが、かかるデータシグネチャはまた、いくつかの変動を含むことがある。加えて、泡に加えて他のエラーがデータの品質に影響を及ぼす可能性がある。したがって、いくつかの実施形態では、泡検出システム１０６は、チャート４１２ｅ内のデータシグネチャに対応する核酸塩基コールのサブセットに基づいて、「泡なし（無泡）」の分類を生成する。あるいは、ある特定の実装形態では、泡検出システム１０６は、チャート４１２ｅ中のデータシグネチャに対応する核酸塩基コールのサブセットに基づいて、「未知の泡タイプ」又は「未知のエラータイプ」の分類を生成する。１つ以上の実施形態では、疑わしい泡分類は、特定の泡分類の典型的なデータシグネチャ又は無泡データシグネチャ（例えば、図４Ａに図示されるような）からわずかに変動するデータシグネチャに対応する。

【0079】

例示すると、チャート４１２ｅは、エラーパーセンテージ４０４ｅにおけるピークと、Ｑ３０充足パーセンテージ４１０ｅにおける対応するディップとを示す。しかし、チャート４１２ｅのアデニンコールパーセンテージ４０６ｅ及びグアニンコールパーセンテージ４０８ｅは、比較的影響を受けないままである。１つ以上の実施形態では、泡検出システム１０６は、空気、油、又はゴースト泡の特徴と類似するが、閾値差を超える入力マトリックスの特徴に基づいて、疑わしい泡の分類を決定する。チャート４１２ｅに示されるデータシグネチャに対応するデータに基づいて、泡検出システム１０６は、泡の存在を検出するが、泡を分類しない。

【0080】

図４Ｃは、ドロップアウトを有するヌクレオチド－試料スライドに対応するチャート４１２ｆ及び４１２ｇを更に図示する。概して、ドロップアウトは、カメラが、ヌクレオチド－試料スライドのセクション内のセクション（例えば、フローセル内のタイル）又はクラスターの画像データを全く取り込まないか、又は限定された量しか取り込まない場合を指す。かかるドロップアウトは、特定の蛍光標識を欠くヌクレオチド又は特定の波長の光によって照射されない標識を有するヌクレオチドを示す暗信号又は強度値を有する画像データとは異なり、それを指すものではない。ドロップアウトは、配列決定サイクルの様々な段階で生じ得る。チャート４１２ｆによって示されるように、ドロップアウトは、ＳＢＳ配列決定のクラスター又はセクション登録（位置合わせ）段階中に生じ得る。加えて、チャート４１２ｇによって示されるように、ドロップアウトは単一サイクルで生じ得る。

【0081】

上述したように、チャート４１２ｆは、クラスター又はセクション登録中に生じるドロップアウトの影響を図示する。概して、クラスターは、試料由来の核酸セグメント又はクローン化セグメントの群を指す。特に、クラスターは、同じＤＮＡ又はＲＮＡセグメントの何千ものコピーを表す。例えば、１つ以上の実施形態では、クラスターは、ヌクレオチド－試料スライドのセクション（切片）に固定化される。いくつかの実施形態では、クラスターは、パターン化されたヌクレオチド－試料スライドを使用して均一に離間され得る。

【0082】

クラスター及びセクション登録中、配列決定システム１０４は、イメージングのためにクラスター及びセクションの位置を記録する。いくつかの実施形態では、配列決定システム１０４はまた、クラスター及びセクション登録中に強度値を記録する。概して、クラスター登録中に生じするドロップアウトにより、配列決定システム１０４は、配列決定サイクルの持続時間にわたって特定のクラスターを登録することができなくなる。チャート４１２ｆによって示されるように、セクション又はクラスター登録中に生じるドロップアウトは、より長く持続する効果をもたらす。特に、エラーパーセンテージ４０４ｆは、１２０番目の配列決定サイクル付近での急激な増加を示し、Ｑ３０充足パーセンテージ４１０ｆは、対応する低下を示す。チャート４１２ｆに示されるデータシグネチャに対応するデータに基づいて、泡検出システム１０６は、登録中にドロップアウトイベントを検出する。

【0083】

クラスター及びセクション登録中に生じるドロップアウトは、様々な原因を有し得る。例えば、クラスター登録中のドロップアウトは、ヌクレオチド－試料スライドの全セクションを覆う泡の存在を示し得る。更に、クラスター登録中のドロップアウトは、他のタイプの不規則性を示し得る。例えば、ドロップアウトは、ソフトウェア又はハードウェア機能におけるエラーを示し得る。一例では、ドロップアウトは、配列決定装置とユーザクライアント装置又はサーバー装置との間のダイレクトメモリアクセス（ＤＭＡ）転送ができなかったことを示す。加えて、ドロップアウトは、特定のヌクレオチド－試料スライドセクション又はクラスターに関連するデータの削除をもたらすセンサ又はカメラにおけるハードウェア障害を知らせ得る。例えば、配列決定装置内のセンサは、焦点が合っていない場合がある。

【0084】

図４Ｃのチャート４１２ｇによって更に図示されるように、泡検出システム１０６は、配列決定サイクル中に生じるドロップアウトを検出することができる。特に、所与のサイクル中に、配列決定装置は、ヌクレオチド－試料スライドのクラスター又はセクションについてのデータを誤って除外する場合がある。例えば、配列決定装置は、サイクル中にセンサがヌクレオチド－試料スライドのクラスター又はセクションを低下させる機械的エラーを被る可能性がある。別の例では、配列決定装置は、配列決定実行中にドロップアウトを引き起こすリアルタイム分析（ＲＴＡ）エラーを被る。チャート４１２ｇによって示されるように、単一の配列決定サイクルにおけるドロップアウトは、Ｑ３０充足パーセンテージ４１０ｇにおける顕著なディップ、及びエラーパーセンテージ４０４ｇにおけるより小さい対応するディップとして現れ得る。更に、アデニンコールパーセンテージ４０６ｇ及びグアニンコールパーセンテージ４０８ｇの両方は、ドロップアウトによって影響を受けたサイクルに対応するデータギャップを有する。チャート４１２ｆに示されるデータシグネチャに対応するデータに基づいて、泡検出システム１０６は、単一サイクル中にドロップアウトイベントを検出する。

【0085】

図４Ｂ～図４Ｃは、様々なエラー分類のデータシグネチャを表示する例示的なチャートを図示する。いくつかの実施形態では、泡検出システム１０６は、泡検出機械学習モデルを利用して、入力マトリックスから特徴を抽出し、泡の存在及び泡についての対応する分類を決定する。前述のように、泡検出機械学習モデルは、ニューラルネットワークを含むことができる。図５は、１つ以上の実施形態による泡検出ニューラルネットワークの例示的な構成を図示する。特に、図５は、特徴抽出層５０２と、分類層５０４と、適応最大プーリング層５０８とを含む泡検出ニューラルネットワーク５００を示す。図示のように、泡検出ニューラルネットワーク５００は、泡検出システム１０６が入力マトリックス５１０に適用する訓練されたニューラルネットワークを含む。泡検出システム１０６は更に、泡検出ニューラルネットワーク５００を利用することによって、出力分類５０６を生成する。

【0086】

図５に示されるように、泡検出ニューラルネットワーク５００は、訓練されたニューラルネットワークを含む。特に、１つ以上の実施形態では、泡検出システム１０６は、訓練データセットを利用して、泡検出ニューラルネットワーク５００を訓練する。一実施形態では、泡検出システム１０６は、訓練入力マトリックスについてのグラウンド－トルース（ground truth）分類を含む訓練データセットにアクセスする。図６Ａ及び対応する説明は、１つ以上の実施形態による、泡検出システム１０６が泡検出ニューラルネットワーク５００を訓練する方法に関する追加の説明を提供する。

【0087】

図５に更に図示されるように、泡検出システム１０６は、泡検出ニューラルネットワーク５００を訓練後に入力マトリックス５１０に適用する。図５に図示されるように、ヌクレオチド－試料スライドの各セクション（例えば、フローセルのタイル）について、入力マトリックス５１０は、長さＮの３つの一次元入力チャネルを含み、Ｎは、ランにおけるＳＢＳサイクルの数に等しい。いくつかの実施形態では、３つの一次元入力チャネルは、アデニンコールのサブセット、グアニンコールのサブセット、及び閾値品質メトリック（例えば、％Ｑ３０）を満たす核酸塩基コールのサブセットを含む。入力マトリックス５１０のサイズは可変であり、したがって、広範囲の配列決定ランの長さに対応することができる。

【0088】

泡を検出及び分類するために機械学習モデルを訓練することに加えて、ある特定の実装形態では、泡検出システム１０６は、特定の配列決定化学ステップ又は段階中に導入される泡を区別するように、かかるモデルを訓練する。異なるＳＢＳ又はサンガー化学ステップ若しくは段階で生じる泡は、固有のデータシグネチャをもたらす可能性がある。例えば、泡がヌクレオチド－試料スライドに入るか又は妨害する化学ステップ又は段階に特異的なかかる固有のデータシグネチャに対応する訓練データを使用することによって、泡検出システム１０６は、泡検出機械学習モデルを訓練して、特定のＳＢＳ化学ステップ又は段階中に導入された泡を検出し、区別することができる。いくつかの実施形態では、例えば、泡検出システム１０６は、配列決定ステップ（例えば、組み込み又は脱ブロック）中に、又はイメージングステップ（例えば、フローセル内の試薬のスキャンミックス）中に導入された泡を区別する。

【0089】

上述し、図５に示すように、いくつかの実施形態では、泡検出ニューラルネットワーク５００は軽量ＣＮＮを含む。泡検出ニューラルネットワーク５００は、下位ネットワーク層（例えば、畳み込み層及び逆畳み込み層）と上位ニューラルネットワーク層（例えば、全結合層）とを有するＣＮＮを含むことができる。代替実施形態では、泡検出ニューラルネットワーク５００は、異なるニューラルネットワークアーキテクチャを採用する。更に、いくつかの実装形態では、泡検出ニューラルネットワーク５００は、畳み込み演算後に次元を圧縮するための最大プーリング層の実装形態など、ダウンサンプリング方法を使用しない。かかる実装形態では、泡検出システム１０６は、特に、短い配列決定ラン（例えば、Ｎ＝３６）の場合、表現サイズを維持するために最大プーリング層を除外する。

【0090】

図５に更に図示されるように、泡検出ニューラルネットワーク５００は、適応最大プーリング層５０８を含む。いくつかの実装形態では、適応最大プーリング層５０８は、泡検出ニューラルネットワーク５００の特徴抽出層５０２と分類層５０４との間に位置する。適応最大プーリング層５０８を実装することによって、泡検出システム１０６は、表現サイズを指定し、分類層５０４への入力についての特徴を空間的に崩壊させる。適応最大プーリング層５０８の実装は、泡検出ニューラルネットワーク５００の効率を改善する。図５に示すＣＮＮに対する代替形態では、いくつかの場合では、泡検出ニューラルネットワーク５００は、適応最大プーリング層５０８を含まない。

【0091】

適応最大プーリング層５０８を使用することによって、いくつかの実施形態では、泡検出ニューラルネットワーク５００は、並進不変になる。より具体的には、並進不変ネットワークは、入力の特定の変化に関係なく同じ出力を生成する。一例において、泡検出ニューラルネットワーク５００の並進不変バージョンは、ヌクレオチド－試料スライドセクション内の泡の存在及び分類を単に示すが、泡が生じた特定のサイクルを示さない。適応最大プーリング層５０８のパラメータを除去又は調整することによって、泡検出システム１０６は、出力に含めるべき追加の分類を指定することができる。例えば、泡検出ニューラルネットワーク５００は、エラー分類に加えて、泡が生じた特定のサイクルの表示を生成することができる。

【0092】

上述したように、図５は、泡検出ニューラルネットワーク５００の一部として分類層５０４を図示する。ここで示されるように、分類層５０４は、特徴抽出層５０２によって抽出された特徴を分類する全結合ニューラルネットワークを含む。１つ以上の実装形態では、分類層５０４は、マルチクラス出力を生成し、ヌクレオチド－試料スライドの単一のセクションについて複数のエラー分類を示すことができる。例えば、分類層５０４は、単一のセクションについて油泡及び気泡の両方の分類を生成することができる。

【0093】

図５に更に図示するように、泡検出ニューラルネットワーク５００は、出力分類５０６を含む。いくつかの実施形態では、泡検出ニューラルネットワーク５００は、対応する信頼度又は確率スコアを出力する。特定の分類についての信頼度又は確率スコアが信頼度閾値を満たすと判定することに基づいて、泡検出システム１０６は、入力マトリックス５１０についての油泡、気泡、又はドロップアウトのいずれかの特定の分類を決定する。言い換えれば、泡検出システム１０６は、泡又はドロップアウトイベント（事象）を検出し、特定の閾値を満たす信頼スコアに基づいて、それを油泡、気泡、又はドロップアウトのいずれかとして分類する。図５は、油泡、気泡、及びドロップアウト分類を図示するが、出力分類５０６は、任意の数の追加の分類を含むことができる。例えば、出力分類５０６は、ゴースト泡分類、位置合わせドロップアウト分類、イメージングドロップアウト分類、疑わしい泡分類、及び他のエラー分類を含むことができる。

【0094】

図５の泡検出ニューラルネットワーク５００は、１つ以上の実装形態によるＣＮＮの例示的な構成を示す。他の実施形態では、泡検出システム１０６は、様々な他の構成を有する機械学習モデルを利用する。あるいは、泡検出システム１０６は、異なる構成を有するニューラルネットワークを利用して、泡によって影響を受ける特定のサイクルを同定することができる。例えば、ある特定の実装形態では、泡検出システム１０６は、ＣＮＮにアテンションレイヤを組み込み、泡によって影響を受けるヌクレオチド－試料スライド上の特定の位置（例えば、クラスター、セクション）を示す分類を生成する。泡検出システム１０６は、他のタイプのディープニューラルネットワークを実装することもできる。例えば、泡検出システム１０６は、長期短期記憶（ＬＳＴＭ）ネットワーク又は他のタイプの再帰型ニューラルネットワークを実装することができる。更に、追加の実施形態では、泡検出システム１０６は、異なるタイプの機械学習モデルを泡検出ニューラルネットワーク５００として利用する。いくつかの例では、泡検出システム１０６は、ＳＶＭ又は適応ブースティング（ＡｄａＢｏｏｓｔ）機械学習モデルを利用する。

【0095】

いくつかの実施形態では、泡検出システム１０６は、空間画像（又は再構成された空間画像）に対応する核酸塩基コールデータを使用して、ヌクレオチド－試料スライドのセクション内の泡の存在を検出する。例えば、前述したように、泡検出システム１０６は、ヌクレオチド－試料スライドのセクション（例えば、タイル）又はサブセクション（例えば、サブタイル）の空間画像を使用して、画像－機械学習モデルを訓練し、泡を検出又は分類することができる。いくつかの実施形態では、例えば、泡検出システム１０６は、泡検出機械学習モデル（例えば、泡検出ニューラルネットワーク５００）を訓練するために、正確に検出された泡の存在又は不在を伴う空間画像データに対応する核酸塩基コールデータ（例えば、ＢＣＬ又はＢＡＭファイルからの）についてのグラウンド－トルース分類標識を同定する。

【0096】

直前に示唆されたように、図６Ａ～６Ｃは、概して、１つ以上の実施形態による、空間画像に対応する核酸塩基コールデータを使用して、画像機械学習モデル及び泡検出機械学習モデルを訓練する泡検出システム１０６を図示する。特に、図６Ａは、ヌクレオチド－試料－スライドセクションの空間画像を使用して画像－機械学習モデルを訓練し、かかる空間画像及び対応する核酸塩基コールデータについてのグラウンド－トルース分類標識を生成し、核酸塩基コールデータ及びグラウンド－トルース分類標識を利用して、泡検出－機械学習モデルを更に訓練する泡検出システム１０６を図示する。図６Ｂは、１つ以上の実施形態による泡検出システム１０６によって生成される例示的な空間画像を図示する。図６Ｃは、１つ以上の実施形態による、ヌクレオチド－試料スライドの一部分を描写する例示的な配列決定実行画像を図示する。

【0097】

上述したように、いくつかの実装形態では、泡検出システム１０６は、画像機械学習モデル６０８を利用して、ヌクレオチド－試料スライドのセクション又はサブセクションの空間画像（又は再構成された空間画像）に基づいて泡を検出又は分類する。例示すると、図６Ａは、空間画像６０６ａ～６０６ｎを使用して画像機械学習モデル６０８を訓練し、空間画像６０６ａ～６０６ｎに対応する核酸塩基コールデータ６０２ａ～６０２ｎ及びグラウンド－トルース分類標識６０４ａ～６０４ｎを同定する泡検出システム１０６を示す。泡検出システム１０６は、その後、核酸塩基コールデータ６０２ａ～６０２ｎ及びグラウンド－トルース分類標識６０４ａ～６０４ｎを使用して、泡検出機械学習モデル６２２を訓練する。図６Ａは、画像機械学習モデル６０８を訓練する泡検出システム１０６を図示するが、画像機械学習モデル６０８のかかる訓練又は使用は、任意選択であり、１つ以上の実施形態を表す。実際、いくつかの実施形態では、泡検出システム１０６は、核酸塩基コールデータ６０２ａ～６０２ｎ及びグラウンド－トルース分類標識６０４ａ～６０４ｎの一部又は全部を使用して、画像機械学習モデル６０８を訓練又は使用することなく、泡検出機械学習モデル６２２を訓練する。したがって、図６Ａは、かかる訓練及び使用が任意選択であることを示すよう、画像機械学習モデル６０８の周りの点線と、対応する出力及び決定された損失とを含む。

【0098】

簡単に述べると、本開示は、図６Ａに示される、後続の訓練反復の概要が後に続く、初期訓練反復を説明する。概観として、図６Ａによって描写される初期訓練反復において、泡検出システム１０６は、核酸塩基コールデータ６０２ａを利用して、空間画像６０６ａを生成又は再構築する。泡検出システム１０６は、空間画像６０６ａを画像機械学習モデル６０８についての入力として利用し、続いて泡分類６１０ａを生成する。

【0099】

図６Ａに図示するように、泡検出システム１０６は、核酸塩基コールデータ６０２ａ～６０２ｎを利用して、空間画像６０６ａ～６０６ｎを生成する。１つ以上の実施形態では、核酸塩基コールデータ６０２ａ～６０２ｎは、所与の配列決定サイクルについてのヌクレオチド－試料スライド内のセクション又はサブセクションに対応する核酸塩基コール及び品質メトリックを含む。ある特定の状況において、泡検出システム１０６は、ＢＣＬシーケンスファイル又はＢＡＭ（^＊．ｂａｍ）ファイルからの核酸塩基コールデータ６０２ａ～６０２ｎにアクセスする。いくつかのかかる核酸塩基コールデータは、例えば、ヌクレオチド－試料スライドのタイル又はサブタイル内の泡の存在を示す核酸塩基コールのパターン（例えば、Ａコール又はＧコールの円形パターン）を含むことができる。

【0100】

図６Ａに更に図示されるように、１つ以上の実施形態では、泡検出システム１０６は、核酸塩基コールデータ６０２ａ～６０２ｎに基づいて空間画像６０６ａ～６０６ｎを生成又は再構成する。概して、泡検出システム１０６は、ヌクレオチド－試料スライド上のクラスターの位置に従って配置されたＢＣＬ又はＢＡＭファイルから核酸塩基コールの空間表現を生成することによって、核酸塩基コールを空間パターンに組み込む。一例では、泡検出システム１０６は、核酸塩基を特定の色とリンクさせることによって空間画像６０６ａ～６０６ｎを色分けする。例えば、泡検出システム１０６は、Ａコールを黄色に、Ｇコールを青色に、Ｃコールを赤色に、Ｔコールを緑色に関連付けることができる。泡検出システム１０６、図６Ｂは、１つ以上の実施形態による例示的な空間画像を図示する。

【0101】

１つ以上の実施形態では、泡検出システム１０６は、空間画像６０６ａ～６０６ｎのサイズを縮小した後、それらを画像機械学習モデル６０８に入力する。少なくとも１つの例では、泡検出システム１０６は、空間画像６０６ａ～６０６ｎをダウンサンプリングする。例えば、泡検出システム１０６は、空間画像６０６ａ～６０６ｎを処理して、入力についての高周波数情報を除去し、低周波数情報を保持する。したがって、いくつかの場合では、泡検出システム１０６は、画像機械学習モデル６０８を空間画像６０６ａ～６０６ｎの低周波数バージョンに適用して、効率を改善することができる。

【0102】

例えば、初期訓練反復の一部として空間画像６０６ａを入力した後、泡検出システム１０６は、画像機械学習モデル６０８を実行する。上記で示唆したように、画像機械学習モデル６０８は、ＣＮＮなどのニューラルネットワークであり得る。いくつかの場合では、画像機械学習モデル６０８は、いくつかの例を挙げると、高密度畳み込みネットワーク（ＤｅｎｓｅＮｅｔ）又は残差ニューラルネットワーク（ＲｅｓＮｅｔ）の形態をとる。

【0103】

図６Ａに更に図示されるように、初期訓練反復についての入力データを受信すると、画像機械学習モデル６０８は、泡分類６１０ａを決定する。更に、画像機械学習モデル６０８は、入力データ内の空間パターンに基づいて、ヌクレオチド－試料スライドのセクション又はサブセクション内の検出された泡の位置を予測する。例えば、画像－機械学習モデル６０８は、ヌクレオチド－試料スライドのセクション内の泡の存在及び位置を示す標識を含む泡分類６１０ａを生成する。概して、泡は、核酸塩基コールデータ６０２ａ又は空間画像６０６ａ内の環状空間パターンと関連付けられる。したがって、いくつかの実施形態では、泡分類６１０ａは、泡の位置とともに泡分類を含む。例えば、泡分類６１０ａは、泡又は泡の一部分を含むヌクレオチド－試料スライドの予測されるセクション又はサブセクションを示すことができる。泡分類６１０ａは、同様に、泡又は泡の一部分を含まないヌクレオチド－試料スライドの予測されるセクション又はサブセクションを示すことができる。

【0104】

図６Ａに更に図示されるように、泡検出システム１０６は、損失関数６１２を使用して、泡分類６１０ａをグラウンド－トルース分類標識６０４ａと比較する。いくつかの実装形態では、グラウンド－トルース分類標識６０４ａは、核酸塩基コールデータ６０２ａに対応するグラウンド－トルース泡分類及び泡位置を含む。例えば、グラウンド－トルース分類標識６０４ａは、（ｉ）泡又は泡の一部分を含むヌクレオチド－試料スライドの特定のセクション又はサブセクション、及び（ｉｉ）泡又は泡の一部分を含まないヌクレオチド－試料スライドの特定のセクション又はサブセクションを示すことができる。

【0105】

画像機械学習モデル６０８の形式に応じて、泡検出システム１０６は、損失関数６１２について様々な損失関数を使用することができる。ある特定の実施形態では、泡検出システム１０６は、（例えば、ＣＮＮについての）クロスエントロピー損失関数を使用する。例えば、泡検出システム１０６は、ＤｅｎｓｅＮｅｔ若しくはＲｅｓＮｅｔについてのピクセル単位のクロスエントロピー損失関数、又は何らかの他の適切な損失関数（例えば、ピクセル単位のＬ１若しくはＬ２、特徴単位の知覚損失）を使用することができる。損失関数６１２の形式にかかわらず、泡検出システム１０６は、泡分類６１０ａとグラウンド－トルース分類標識６０４ａとの比較に基づいて、損失関数６１２から損失６１４ａ～６１４ｎを決定する。実際に、ある特定の実装形態では、損失６１４ａ～６１４ｎは、ヌクレオチド－試料スライドの特定のセクション（例えば、タイル又はサブタイル）についての別個の損失を含むことができる。

【0106】

損失関数６１２から決定された損失６１４ａ～６１４ｎに基づいて、泡検出システム１０６は、その後、画像機械学習モデル６０８のパラメータを調整する。パラメータを調整することによって、泡検出システム１０６は、画像機械学習モデル６０８が複数の訓練反復を通して空間画像に基づいて泡の存在及び位置を決定する、精度を増加させる。実際、図６Ａに更に示されるように、泡検出システム１０６は、後続の訓練反復を実行する。図６Ａによって示唆されるように、いくつかの実施形態では、泡検出システム１０６は、空間画像６０６ｂ～６０６ｎを画像機械学習モデル６０８に反復的に入力して泡分類６１０ｂ～６１０ｎを生成し、泡分類６１０ｂ～６１０ｎをグラウンド－トルース分類標識６０４ｂ～６０４ｎと反復的に比較して損失６１４ｂ～６１４ｎを決定し、画像機械学習モデル６０８のパラメータを反復的に調整する。いくつかの場合では、泡検出システム１０６は、画像機械学習モデル６０８のパラメータ（例えば、値又は重み）が訓練反復にわたって有意に変化しなくなるまで、又はそうでなければ収束基準を満たすまで、訓練反復を実行する。

【0107】

上記で示唆したように、いくつかの実施形態では、泡検出システム１０６は、泡検出機械学習モデルについての訓練データセットを同定することの一部として、画像機械学習モデル６０８を利用する。加えて、又は代替として、いくつかの実施形態では、泡検出システム１０６は、泡検出機械学習モデルとして画像機械学習モデル６０８を利用する。更に追加の実施形態では、泡検出システム１０６は、泡検出機械学習モデル６２２に加えて画像機械学習モデル６０８を利用し、生成された分類の精度を改善する。一例では、泡検出システム１０６は、画像機械学習モデル６０８を利用して、泡検出機械学習モデル６２２によって生成された偽陽性を除去する。

【0108】

上述したように、ある特定の実装形態では、泡検出システム１０６は、画像機械学習モデル６０８を利用して、泡検出機械学習モデルについての訓練データセット６２０を同定又は生成する。例えば、いくつかの場合では、泡検出システム１０６は、訓練データセット６２０の一部として、核酸塩基コール６０２ａ～６０２ｎから核酸塩基コールを同定し、画像機械学習モデル６０８は、対応する空間画像によって示されるヌクレオチド－試料スライドのセクション（例えば、タイル又はサブタイル）内の泡の存在（又は不在）を正確に検出する。訓練データセット６２０についてＢＣＬ又はＢＡＭファイルからかかる核酸塩基コールを同定すると、泡検出システム１０６は、同様に、訓練データセット６２０について、泡の存在（又は不在）を正確に示すグラウンド－トルース分類標識６０４ａ～６０４ｎから対応するグラウンド－トルース分類標識を同定する。いくつかの例では、グラウンド－トルース分類標識は、訓練データセット６２０内に含めるために選択された対応する核酸塩基コールについて、ヌクレオチド－試料スライドのセクション内の泡の存在（又は不在）を正確に示すように修正される。図６Ａに示されるように、泡検出システム１０６は、訓練データセット６２０内に含めるために、画像機械学習モデル６０８から正確に検出された泡の存在又は不在を生成した空間画像について、（ｉ）核酸塩基コール、（ｉｉ）対応する品質メトリック、及び（ｉｉｉ）対応するグラウンド－トルース分類標識の組み合わせを選択する。

【0109】

訓練データセット６２０を同定するために画像機械学習モデル６０８を使用する代わりに、いくつかの実施形態では、泡検出システム１０６は、訓練データセット６２０の一部として、研究者が、対応する空間画像によって描写されるヌクレオチド－試料スライドのセクション（例えば、タイル又はサブタイル）内の泡の存在（又は不在）を正確に検出する、核酸塩基コール６０２ａ～６０２ｎからの核酸塩基コールを同定する。言い換えれば、いくつかの実施形態では、泡検出システム１０６は、（画像機械学習モデル６０８ではなく）技術的専門知識を有する人間によって同定された空間画像６０６ａ～６０６ｎを使用して、訓練データセット６２０内に含めるために核酸塩基コール６０２ａ～６０２ｎから核酸塩基コールを選択する。いくつかのかかる場合において、泡検出システム１０６は、人間によって同定された泡を含む（又は泡を含まない）セクションを有するかかる空間画像に対応するＢＣＬ又はＢＡＭファイルからの核酸塩基コールを使用する。図６Ａに示されるように、泡検出システム１０６は、代替として、訓練データセット６２０内に含めるために、技術者又は研究者が泡の存在又は不在を正確に検出した空間画像について、（ｉ）核酸塩基コール、（ｉｉ）対応する品質メトリック、及び（ｉｉｉ）対応するグラウンド－トルース分類標識の組み合わせを選択する。

【0110】

訓練データセット６２０がどのように選択されるかにかかわらず、図６Ａに更に示されるように、泡検出システム１０６は、訓練データセット６２０を利用して、泡検出機械学習モデル６２２（例えば、図５に図示される泡検出ニューラルネットワーク５００）を訓練する。上記のように、いくつかの場合では、泡検出システム１０６は、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット及び閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを含む訓練データセット６２０からの訓練入力マトリックスを利用する。より具体的には、泡検出システム１０６は、訓練データセット６２０からのアデニンコールのサブセット（例えば、パーセンテージ）、グアニンコールのサブセット、及び閾値品質メトリック（例えば、Ｑ３０）を満たす核酸塩基コールのサブセットを含む訓練入力マトリックスを生成する。かかる実施形態では、泡検出機械学習モデル６２２は、エラー分類（例えば、気泡、油泡など）を生成するように訓練される。

【0111】

訓練データセット６２０から核酸塩基コールのかかるサブセットを入力する代わりに、いくつかの実施形態では、泡検出システム１０６は、泡検出機械学習モデル６２２に、ヌクレオチド－試料スライドのセクション内のクラスターに従って配置された核酸塩基コール及び対応する品質メトリックを入力する。泡検出機械学習モデル６２２についての入力としてクラスターに従って配置された核酸塩基コールを使用することによって、泡検出システム１０６は、泡の存在又は不在を示す核酸塩基コールのパターンを同定することができる。例えば、かかる核酸塩基コールは、ヌクレオチド－試料スライドのセクション（例えば、タイル又はサブタイル）内の泡の存在を示す核酸塩基コールのパターン（例えば、Ａコールの円形パターン又はＧコールの円形パターン）を反映し得る。

【0112】

訓練データセット６２０の形式にかかわらず、図６Ａによって示されるように、泡検出システム１０６は、訓練データセット６２０を使用して、泡検出機械学習モデル６２２を訓練する。最初の訓練反復において、例えば、泡検出システム１０６は、訓練データセット６２０から、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット及び閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを含む入力マトリックスを入力する。あるいは、泡検出システム１０６は、ヌクレオチド－試料スライドのセクション内のクラスターに従って配置された核酸塩基コール、及び訓練データセット６２０からの対応する品質メトリックを入力する。

【0113】

入力データに基づいて、泡検出機械学習モデル６２２は、泡の存在又は不在を示す予測分類標識６２４を決定する。いくつかの場合では、予測分類標識６２４は、粒子状タイプの泡（例えば、気泡、油泡）及びヌクレオチド－試料スライドの特定のセクションの存在又は不在を示す。例えば、予測分類標識６２４は、フローセルのタイル又はサブタイル内の泡の存在又は不在を示すことができる。上述したように、１つ以上の実施形態では、泡検出システム１０６は、予測分類標識６２４からの個々の分類に対応する信頼度スコアを決定する。したがって、泡検出システム１０６は、生成された信頼スコアに基づいて予測分類標識６２４を決定することができる。

【0114】

図６Ａに更に示されるように、泡検出システム１０６は、損失関数６２６を使用して、予測分類標識６２４を訓練データセット６２０からの対応するグラウンド－トルース分類標識と比較する。いくつかの実装形態では、訓練データセット６２０からのグラウンド－トルース分類標識は、入力核酸塩基コールデータ及び品質メトリックに対応するグラウンド－トルース泡分類及び泡位置を含む。上記の訓練プロセスと同様に、例えば、グラウンド－トルース分類標識は、（ｉ）泡又は泡の一部を含むヌクレオチド－試料スライドの特定のセクション又はサブセクション、及び（ｉｉ）泡又は泡の一部を含まないヌクレオチド－試料スライドの特定のセクション又はサブセクションを示すことができる。

【0115】

泡検出機械学習モデル６２２の形式に応じて、泡検出システム１０６は、損失関数６２６に対して様々な損失関数を使用することができる。ある特定の実施形態では、泡検出システム１０６は、（例えば、ＣＮＮについての）クロスエントロピー損失関数を使用する。しかし、任意の適切な損失関数を損失関数６２６として使用することができる。損失関数６２６の形式にかかわらず、泡検出システム１０６は、予測分類標識６２４と訓練データセット６２０からの対応するグラウンド－トルース分類標識との比較に基づいて、損失関数６２８から損失６２６ａを決定する。実際に、ある特定の実装形態では、損失６２８ａは、ヌクレオチド－試料スライドの特定のセクション（例えば、タイル又はサブタイル）についての別個の損失を含み得る。

【0116】

損失関数６２６から決定された損失６２８ａに基づいて、泡検出システム１０６は、その後、泡検出機械学習モデル６２２のパラメータを調整する。パラメータを調整することによって、泡検出システム１０６は、泡検出機械学習モデル６２２が複数の訓練反復にわたって泡の存在及び位置を決定する精度を増加させる。実際、図６Ａに更に示されるように、泡検出システム１０６は、後続の訓練反復を実行する。図６Ａによって示唆されるように、いくつかの実施形態では、泡検出システム１０６は、訓練データセット６２０からの核酸塩基コール及び品質メトリックから導出されたデータを泡検出機械学習モデル６２２に反復的に入力して、予測分類標識を生成し、予測分類標識を訓練データセット６２０からの対応するグラウンド－トルース分類標識と反復的に比較して、損失６２８ａ～６２８ｎを決定し、泡検出機械学習モデル６２２のパラメータを反復的に調整する。いくつかの場合では、泡検出システム１０６は、泡検出機械学習モデル６２２のパラメータ（例えば、値又は重み）が訓練反復にわたって有意に変化しなくなるまで、又はそうでなければ収束基準を満たすまで、訓練反復を実行する。

【0117】

予測分類標識を生成することに加えて、いくつかの実装形態では、泡検出システム１０６は、泡検出機械学習モデル６２２を訓練して、泡のサイズを推論する。特に、泡検出機械学習モデル６２２は、訓練データセット６２０の核酸塩基コールから特徴を抽出して、同定された泡のサイズを予測することができる。例示すると、泡検出システム１０６は、泡検出機械学習モデル６２２を訓練して、核酸塩基コール及び品質メトリックから導出された空間データに基づいて予測泡の直径を決定することができる。あるいは、泡検出システム１０６は、泡検出機械学習モデル６２２を訓練して、核酸塩基コールのパーセント又はＱ３０パーセントにおけるスパイク又はディップの強度に基づいて泡のサイズを決定する。したがって、泡検出システム１０６は、泡検出機械学習モデル６２２を訓練し、入力データの分析に基づいて予測泡サイズを生成することができる。

【0118】

前述のように、いくつかの実施形態では、泡検出システム１０６は、泡の存在を決定することに基づいて、ヌクレオチド－試料スライドの所与のリード、サイクル、セクション、又はサブセクションについての品質メトリック（例えば、Ｑスコア）を低減する。いくつかの実施形態では、泡検出システム１０６は、検出された泡のサイズ又は直径に基づいて品質メトリックを低減する。例えば、泡検出システム１０６は、泡検出機械学習モデル６２２を使用して、検出された泡の予測直径を生成し、より大きい直径サイズを品質メトリックのより大きい低減と関連付ける。更に、いくつかの実施形態では、泡検出システム１０６は、閾値泡直径値を決定し、それを下回ると泡検出システム１０６は品質メトリックを変更しない。特に、泡検出システム１０６は、より小さい泡が読取り品質に対する影響を無視できると判定することができる。

【0119】

前述のように、泡検出システム１０６は、核酸塩基コールに対応する空間パターンを含む空間画像を同定又は生成することができる。図６Ｂは、１つ以上の実施形態による例示的な空間画像を図示する。特に、図６Ｂは、空間パターン６３８を有するタイル６４０を含む空間画像６３６を図示する。図示されるように、泡検出システム１０６は、核酸塩基コール６４２を使用して、空間画像６３６を構築する。あるいは、泡検出システム１０６は、技術者又は研究者がタイル６４０内の泡を同定する空間画像として、空間画像６３６を受信する。

【0120】

前述のように、いくつかの実施形態では、泡検出システム１０６は、空間画像６３６内で同定された空間パターンの形状を分析して、泡又は他のアーチファクトの存在又は不在を決定することができる。図６Ｂによって示されるように、例えば、泡検出機械学習モデル６２２は、泡を表すものとしてＧコールの円形パターンを検出することができる。実際、ある特定の実装形態では、泡検出システム１０６は、特定の核酸塩基コール（例えば、Ａコール又はＧコール）の円形空間パターンを泡と関連付け、非円形又は代替の空間パターンを他のタイプのアーチファクトと関連付ける。後者のアーチファクトに関しては、例えば、泡検出システム１０６は、代替の空間パターンを、低占有率領域又はアンプリコン領域などのアーチファクトと関連付けることができる。

【0121】

ヌクレオチド－試料スライド内の泡の実際の例を視覚化するのを助けるために、本開示は図６Ｃを含める。特に、図６Ｃは、タイル６５６ａ～６５６ｃを含むタイルを含むフローセル６５８の一部分を示す、配列決定実行画像６５０を図示する。図６Ｃに図示されるように、配列決定実行画像６５０は、種々のタイルを横断するか又は種々のタイル内に存在する泡６５４ａ～６５４ｃに対応する暗い円形領域を示す。例えば、図６Ｃは、泡６５４ｂがタイル６５６ａ及びタイル６５６ｂにまたがっている一方で、泡６５４ｃがタイル６５６ｃ内に含まれることを図示する。

【0122】

図６Ｃは、フローセル上の泡の外観を示す例示的な配列決定実行画像を図示する。前述したように、画像データへのアクセス、記憶、及び処理は、演算コストが高く、多くの場合非実用的である。したがって、いくつかの実装形態では、泡検出システム１０６は、配列決定実行画像６５０にアクセスせず、代わりに、核酸塩基コールデータ及び品質メトリック（種々のファイルタイプから）にアクセス及び処理して、上記で説明されるように、泡の存在又は不在を確認する。

【0123】

図１～図６Ｂ、対応する本文、及び実施例は、泡検出システム１０６のいくつかの異なる方法、システム、装置、及び非一時的コンピュータ可読媒体を提供する。上記に加えて、１つ以上の実施形態はまた、図７に示される動作のフローチャート等の、特定の結果を達成するための動作を含むフローチャートに関して説明することができる。更に、本明細書で説明される動作は、互いに並行して、又は同じ若しくは同様の動作の異なる出現と並行して、繰り返されるか、又は実行され得る。

【0124】

図７は、ヌクレオチド－試料スライド内の泡の存在を検出するための一連の動作７００のフローチャートを図示する。図７は、一実施形態による動作を図示するが、代替実施形態は、図７に示される動作のいずれかを省略、追加、再配列、及び／又は修正してもよい。図７の動作は、方法の一部として実行することができる。あるいは、非一時的コンピュータ可読媒体は、１つ以上のプロセッサによって実行されると、コンピューティング装置に図７の動作を実行させる命令を含むことができる。いくつかの実施形態では、システムは、図７の動作を実行することができる。

【0125】

１つ以上の実施形態では、一連の動作７００は、図８に図示するコンピューティング装置などの１つ以上のコンピューティング装置上で実施される。加えて、いくつかの実施形態では、一連の動作７００は、核酸ポリマーを配列決定するためのデジタル環境において実施される。例えば、一連の動作７００は、泡検出機械学習モデルを含むメモリを有するコンピューティング装置上で実施される。いくつかの実施形態では、メモリはまた、グラウンド－トルース分類及び訓練入力マトリックスを含む訓練データを記憶する。

【0126】

図７に図示するように、一連の動作７００は、コールデータを受信する動作７０２を含む。特に、動作７０２は、ヌクレオチド－試料スライドについて、核酸ポリマーを配列決定するサイクルについての核酸塩基コールを含むコールデータを受信することを含む。いくつかの実施形態では、動作７０２は、核酸ポリマーを配列決定する所与のサイクルについてのヌクレオチド－試料スライドの各セクションについての単一の画像を含む１チャネル強度データ、核酸ポリマーを配列決定する所与のサイクルについてのヌクレオチド－試料スライドの各セクションについての２つの画像を含む２チャネルデータ、又は、核酸ポリマーを配列決定する所与のサイクルについてのヌクレオチド－試料スライドの各セクションについての４つの画像を含む４チャネルデータ、に基づく核酸塩基コールを含むコールデータを受信することを更に含む。

【0127】

図７に図示される一連の動作７００は、品質データを受信する動作７０４を含む。特に、動作７０４は、ヌクレオチド－試料スライドについて、サイクルについての核酸塩基コールにおけるエラーを推定する品質メトリックを含む品質データを受信することを含む。

【0128】

一連の動作７００は、核酸塩基コールの第１のサブセット及び核酸塩基コールの第２のサブセットを決定する動作７０６を含む。特に、動作７０６は、サイクルについての核酸塩基コールから、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセット、及び品質メトリックについての閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを決定することを含む。いくつかの実施形態では、動作７０６は、核酸ポリマーを配列決定するサイクルについて、アデニンコールのサブセット、チミンコールのサブセット、シトシンコールのサブセット、又はグアニンコールのサブセットのうちの少なくとも１つを決定することによって、少なくとも１つの核酸塩基に対応する核酸塩基コールの第１のサブセットを決定することを更に含む。

【0129】

図７に更に図示するように、一連の動作７００は、泡検出ニューラルネットワークを利用して、泡の存在を検出する動作７０８を含む。特に、動作７０８は、核酸塩基コールの第１のサブセット及び核酸塩基コールの第２のサブセットに基づく泡検出機械学習モデルを利用して、ヌクレオチド－試料スライド内の泡の存在を検出することを含む。加えて、１つ以上の実施形態では、泡検出ニューラルネットワークは、サポートベクターマシン又は適応ブースティング機械学習モデルのうちの少なくとも１つを含む。

【0130】

いくつかの実装形態では、動作７０８は、泡検出機械学習モデルの層を利用して、アデニンコールのサブセット、グアニンコールのサブセット、及び核酸ポリマーを配列決定するサイクルについての閾値品質メトリックを満たす核酸塩基コールの第２のサブセットを含む入力マトリックスから特徴を抽出することによって、泡検出機械学習モデルを利用して泡の存在を検出することを更に含む。更に、１つ以上の実施形態では、動作７０８は、ヌクレオチド－試料スライド内の気泡、油泡、又はゴースト泡のうちの少なくとも１つを検出することによって泡の存在を検出することを含む。加えて、いくつかの実施形態では、泡検出機械学習モデルは、特徴抽出層、分類層、及び特徴抽出層と分類層との間の適応最大プーリング層を含む畳み込みニューラルネットワークを含む。

【0131】

１つ以上の実施形態では、動作７０８は、泡検出機械学習モデルを利用して、ヌクレオチド－試料スライドのセクションが泡を含有する確率を生成し、確率が泡の存在を示す閾値を満たすと判定することによって、泡の存在を検出する追加の動作を更に含む。

【0132】

いくつかの実施形態では、一連の動作７００は、ヌクレオチド－試料スライドのセクションについてのコールデータ及び品質データを受信する追加の動作と、ヌクレオチド－試料スライドのセクション内の泡の存在を検出する追加の動作とを含む。より具体的には、いくつかの実施形態では、追加の動作は、フローセルのタイル内の泡を検出することによって、ヌクレオチド－試料スライドのセクション内の泡の存在を検出することを更に含む。

【0133】

加えて、いくつかの実装形態では、一連の動作７００は、核酸ポリマーを配列決定するサイクルのうちの１つ以上のサイクル中に泡の存在を決定する追加の動作を更に含む。

【0134】

更に、１つ以上の実施形態では、一連の動作７００は、コンピューティング装置上に表示するために、ヌクレオチド－試料スライド内の泡の存在を示すアラートを提供する動作を更に含む。

【0135】

加えて、いくつかの実施態様では、一連の動作７００は、核酸ポリマーを配列決定するサイクルのサイクル中に泡の存在を決定する追加の動作を含む。

【0136】

本明細書に記載の方法は、様々な核酸配列決定技術と併せて使用することができる。特に適用可能な技術は、核酸を、それらの相対的位置が変化しないようにアレイ内の固定位置に付着させ、アレイが繰り返し撮像されるものである。例えば、１つのヌクレオチド塩基型を別のヌクレオチド塩基型と区別するために使用される異なる標識と一致する異なる色チャネルで画像が得られる実施形態は、特に適用可能である。いくつかの実施形態では、標的核酸のヌクレオチド配列を決定するプロセスは、自動化プロセスであり得る。好ましい実施形態は、合成による配列決定（sequencing-by-synthesis「ＳＢＳ」）技術を含む。

【0137】

ＳＢＳ技術は、全般的に、鋳型鎖に対するヌクレオチドの反復的付加による、新生核酸鎖の酵素的伸長を伴う。ＳＢＳの従来の方法では、単一のヌクレオチドモノマーが、各送達においてポリメラーゼの存在下で標的ヌクレオチドに提供され得る。しかしながら、本明細書に記載の方法では、送達中のポリメラーゼの存在下で、複数の種類のヌクレオチドモノマーを標的核酸に提供することができる。

【0138】

以下に記載されるＳＢＳ技術は、シングルリード配列決定又はペアエンド配列決定を利用することができる。シングルリード配列決定において、配列決定装置は、塩基対の配列を生成するために、一方の末端から他方の末端までフラグメントを読み取る。対照的に、ペアエンド配列決定中、配列決定装置は、１つの読み取りで開始し、同じ方向で指定された読み取り長さの読み取りを終了し、フラグメントの反対端から別の読み取りを開始する。

【0139】

ＳＢＳは、ターミネーター部分を有するヌクレオチドモノマー、又は任意のターミネーター部分を欠くヌクレオチドモノマーを利用することができる。ターミネーターを欠くヌクレオチドモノマーを利用する方法としては、例えば、以下に更に詳細に記載されるように、γ－リン酸標識ヌクレオチドを使用するピロ配列決定及び配列決定が挙げられる。ターミネーターを含まないヌクレオチドモノマーを使用する方法では、各サイクルに添加されるヌクレオチドの数は、概ね可変であり、テンプレート配列及びヌクレオチド送達のモードに依存する。ターミネーター部分を有するヌクレオチドモノマーを利用するＳＢＳ技術では、ターミネーターは、ジデオキシヌクレオチドを利用する従来のＳａｎｇｅｒ配列決定の場合のように使用される配列決定条件下で有効に不可逆的であり得るか、又はターミネーターは、Ｓｏｌｅｘａ（現Ｉｌｌｕｍｉｎａ）によって開発された配列決定方法の場合のように可逆的であり得る。

【0140】

ＳＢＳ技術は、標識部分を有するヌクレオチドモノマー、又は標識部分を欠くヌクレオチドモノマーを使用することができる。したがって、標識の蛍光などの標識の特性、分子量又は電荷などのヌクレオチドモノマーの特性、ピロリン酸の放出などのヌクレオチドの組み込みの副生成物などに基づいて、組み込みイベントを検出することができる。２つ以上の異なるヌクレオチドが配列決定試薬中に存在する実施形態では、異なるヌクレオチドは、互いに区別可能であり得るか、又は代替的に、２つ以上の異なる標識は、使用される検出技術の下で区別可能であり得る。例えば、配列決定試薬中に存在する異なるヌクレオチドは、異なる標識を有することができ、それらは、Ｓｏｌｅｘａ（現Ｉｌｌｕｍｉｎａ）によって開発された配列決定方法によって例示される適切な光学系を使用して区別することができる。

【0141】

好ましい実施形態としては、パイロシークエンシング（パイロ配列決定）技術が挙げられる。パイロ配列決定は、特定のヌクレオチドが新生鎖に組み込まれるときに無機ピロリン酸塩（ＰＰｉ）の放出を検出する（Ｒｏｎａｇｈｉ，Ｍ．，Ｋａｒａｍｏｈａｍｅｄ，Ｓ．，Ｐｅｔｔｅｒｓｓｏｎ，Ｂ．，Ｕｈｌｅｎ，Ｍ．ａｎｄ Ｎｙｒｅｎ，Ｐ．（１９９６）「Ｒｅａｌ－ｔｉｍｅ ＤＮＡ ｓｅｑｕｅｎｃｉｎｇ ｕｓｉｎｇ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐｙｒｏｐｈｏｓｐｈａｔｅ ｒｅｌｅａｓｅ．」Ａｎａｌｙｔｉｃａｌ Ｂｉｏｃｈｅｍｉｓｔｒｙ ２４２（１），８４－９、Ｒｏｎａｇｈｉ，Ｍ．（２００１）「Ｐｙｒｏｓｅｑｕｅｎｃｉｎｇ ｓｈｅｄｓ ｌｉｇｈｔ ｏｎ ＤＮＡ ｓｅｑｕｅｎｃｉｎｇ．」Ｇｅｎｏｍｅ Ｒｅｓ． １１（１），３－１１、Ｒｏｎａｇｈｉ，Ｍ．，Ｕｈｌｅｎ，Ｍ．ａｎｄ Ｎｙｒｅｎ，Ｐ．（１９９８）「Ａ ｓｅｑｕｅｎｃｉｎｇ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｒｅａｌ－ｔｉｍｅ ｐｙｒｏｐｈｏｓｐｈａｔｅ．」Ｓｃｉｅｎｃｅ ２８１（５３７５），３６３、米国特許第６，２１０，８９１号、同第６，２５８，５６８号及び同第６，２７４，３２０号、参照によりその開示の全体が本明細書に組み込まれる）。パイロシークエンシングにおいて、放出されたＰＰｉは、ＡＴＰスルフラーゼによってアデノシン三リン酸（adenosine triphosphate、ＡＴＰ）に即座に変換されることによって検出することができ、生成されたＡＴＰのレベルはルシフェラーゼで生成された光子を介して検出される。配列決定される核酸は、アレイ中の特徴部に付着させることができ、アレイは、アレイの特徴部にヌクレオチドを組み込むことにより生成される化学発光シグナルを捕捉するために画像化することができる。アレイを特定のヌクレオチド型（例えば、Ｔ、Ｃ、又はＧ）で処理した後に、画像を得ることができる。各ヌクレオチド型の添加後に得られる画像は、アレイ内のどの特徴部が検出されるかに関して異なる。画像内のこれらの差異は、アレイ上の特徴部の異なる配列コンテンツを反映する。しかしながら、各特徴部の相対的な位置は、画像内で変わらないままである。画像は、本明細書に記載の方法を使用して記憶、処理、及び分析することができる。例えば、アレイを各異なるヌクレオチド型で処理した後に得られる画像は、可逆的ターミネーターベースの配列決定方法についての異なる検出チャネルから得られる画像について、本明細書に例示されるものと同じ方法で処理することができる。

【0142】

別の例示的な種類のＳＢＳでは、サイクル配列決定は、例えば、その開示が参照により組み込まれる、国際公開第０４／０１８４９７号及び米国特許第７，０５７，０２６号に記載されているような切断可能な又は光漂白可能な色素標識を含む可逆的ターミネーターヌクレオチドを段階的に添加することによって達成される。この手法は、Ｓｏｌｅｘａ（現在のＩｌｌｕｍｉｎａ Ｉｎｃ．）によって商品化されており、国際公開第９１／０６６７８号及び同第０７／１２３，７４４号にも記載されており、これらのそれぞれは、参照により本明細書に組み込まれる。終端の両方を逆転させることができ、蛍光標識が開裂された蛍光標識ターミネーターの可用性は、効率的な循環可逆的終端（cyclic reversible termination、ＣＲＴ）配列決定を容易にする。ポリメラーゼはまた、これらの修飾されたヌクレオチドを効率的に組み込み、かつそこから伸長するように共操作することもできる。

【0143】

好ましくは、可逆的ターミネーターベースの配列決定実施形態では、標識は、ＳＢＳ反応条件下での伸長を実質的に阻害しない。しかしながら、検出標識は、例えば、開裂又は分解によって除去可能であり得る。画像は、アレイ化された核酸特徴部への標識の組み込み後に撮影することができる。特定の実施形態では、各サイクルは、アレイへの４つの異なるヌクレオチド型の同時送達を伴い、各ヌクレオチド型は、スペクトル的に異なる標識を有する。次に、４つの異なる標識の１つに選択的な検出チャネルをそれぞれ使用して、４つの画像を得ることができる。代替的に、異なるヌクレオチド型を順次追加することができ、各追加ステップの間にアレイの画像を得ることができる。このような実施形態では、各画像は、特定の型のヌクレオチドを組み込んだ核酸特徴部を示す。各特徴部のシーケンスコンテンツが異なるため、様々な画像に様々な特徴部が存在するか、存在しない。しかしながら、特徴部の相対的な位置は、画像内で変わらないままである。このような可逆的ターミネーター－ＳＢＳ法から得られる画像は、本明細書に記載されるように保存、処理、及び分析することができる。画像撮影ステップに続いて、標識を除去することができ、その後のヌクレオチド添加及び検出のサイクルについて可逆的ターミネーター部分を除去することができる。特定のサイクルで検出された後、及び後続のサイクルの前に標識を除去すると、サイクル間のバックグラウンド信号及びクロストークを低減できるという利点がある。有用な標識及び除去方法の例を以下に記載する。

【0144】

特定の実施形態では、ヌクレオチドモノマーの一部又は全ては、可逆的ターミネーターを含むことができる。このような実施形態では、可逆的ターミネーター／開裂可能なフルオロフォア（ｆｌｕｏｒ）は、３’エステル結合を介してリボース部分に結合したフルオロフォア（ｆｌｕｏｒ）を含むことができる（Ｍｅｔｚｋｅｒ，Ｇｅｎｏｍｅ Ｒｅｓ．１５：１７６７－１７７６（２００５）、これは参照により本明細書に組み込まれる）。他の手法は、ターミネーターの化学を蛍光標識の切断から分離している（参照によりその全体が本明細書に組み込まれる、Ｒｕｐａｒｅｌ ｅｔ ａｌ．，Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ ＵＳＡ １０２：５９３２－７（２００５））。Ｒｕｐａｒｅｌらは、少量の３’アリル基を使用して伸長をブロックするが、パラジウム触媒で短時間処理することにより容易に脱ブロックすることができる可逆性ターミネーターの開発について説明している。フルオロフォアは、長波長ＵＶ光への３０秒の曝露によって容易に開裂することができる光開裂可能リンカーを介して基に付着された。したがって、ジスルフィド還元又は光開裂のいずれかを開裂可能なリンカーとして使用することができる。可逆的終端への別の手法は、ｄＮＴＰ上に嵩高な染料を配置した後に続く自然終端の使用である。ｄＮＴＰ上の帯電した嵩高な染料の存在は、立体障害及び／又は静電障害を介して効果的なターミネーターとして作用することができる。１つの組み込みイベントの存在は、染料が除去されない限り、それ以上の結合を防止する。染料の開裂は、フルオロフォア（ｆｌｕｏｒ）を除去し、終端を効果的に逆転させる。修飾ヌクレオチドの例はまた、米国特許第７，４２７，６７３号及び米国特許第７，０５７，０２６，号に記載されており、これらの開示は、参照によりそれらの全体が本明細書に組み込まれる。

【0145】

本明細書に記載の方法及びシステムと共に利用することができる追加の例示的なＳＢＳシステム及び方法は、米国特許出願公開第２００７／０１６６７０５号、米国特許出願公開第２００６／０１８８９０１号、米国特許第７，０５７，０２６号、米国特許出願公開第２００６／０２４０４３９号、米国特許出願公開第２００６／０２８１１０９号、国際公開第０５／０６５８１４号、米国特許出願公開第２００５／０１００９００号、国際公開第０６／０６４１９９号、国際公開第０７／０１０，２５１号、米国特許出願公開第２０１２／０２７０３０５号、及び米国特許出願公開第２０１３／０２６０３７２号に記載されており、これらの開示は、参照によりその全体が本明細書に組み込まれる。

【0146】

いくつかの実施形態は、４つ未満の異なる標識を使用する４つの異なるヌクレオチドの検出を利用することができる。例えば、ＳＢＳは、組み込まれた資料である米国特許出願公開第２０１３／００７９２３２号に記載される方法及びシステムを使用して実施することができる。第１の例として、ヌクレオチド型の対は、同じ波長で検出することができるが、対のうちの１つのメンバーに対する強度の差に基づいて、又は、対の他の部材について検出された信号と比較して明らかなシグナルを出現又は消失させる、対の１つのメンバーへの変化（例えば、化学修飾、光化学修飾、又は物理的改質を行うことを介して）に基づいて区別され得る。第２の例として、４つの異なるヌクレオチド型のうちの３つを特定の条件下で検出することができ、一方、第４のヌクレオチド型は、それらの条件下で検出可能な標識がないか、又はそれらの条件下で最小限に検出される（例えば、バックグラウンド蛍光による最小限の検出など）。最初の３つのヌクレオチド型を核酸に組み込むことは、それらの対応するシグナルの存在に基づいて決定することができ、第４のヌクレオチド型を核酸に組み込むことは、任意のシグナルの不在又は最小限の検出に基づいて決定することができる。第３の例として、１つのヌクレオチド型は、２つの異なるチャネルで検出される標識を含むことができ、一方、他のヌクレオチド型は、チャネルのうちの１つ以下で検出される。前述の３つの例示的な構成は、相互に排他的であるとはみなされず、様々な組み合わせで使用することができる。３つ全ての例を組み合わせた例示的な実施形態は、第１のチャネルで検出される第１のヌクレオチド型（例えば、第１の励起波長によって励起されたときに第１のチャネルで検出される標識を有するｄＡＴＰ）、第２のチャネルで検出される第２のヌクレオチド型（例えば、第２の励起波長によって励起されたときに第２のチャネルで検出される標識を有するｄＣＴＰ）、第１及び第２のチャネルの両方において検出される第３のヌクレオチド型（例えば、第１及び／又は第２の励起波長によって励起されたときに両方のチャネルで検出される少なくとも１つの標識を有するｄＴＴＰ）、及びいずれのチャネルでも検出されないか、又は最小限に検出される標識を欠く第４のヌクレオチド型（例えば、標識のないｄＧＴＰ）を使用する蛍光ベースのＳＢＳ法である。

【0147】

更に、組み込まれた資料である米国特許出願公開第２０１３／００７９２３２号に記載のように、配列決定データは、単一のチャネルを使用して得ることができる。このようないわゆる１つの染料配列決定方法では、第１のヌクレオチド型は標識されるが、第１の画像が生成された後に標識が除去され、第２のヌクレオチド型は、第１の画像が生成された後にのみ標識される。第３のヌクレオチド型は、第１及び第２の画像の両方においてその標識を保持し、第４のヌクレオチド型は、両方の画像において標識されていないままである。

【0148】

いくつかの実施形態は、ライゲーション技術による配列決定を利用することができる。このような技術は、ＤＮＡリガーゼを利用してオリゴヌクレオチドを組み込み、そのようなオリゴヌクレオチドの組み込みを識別する。オリゴヌクレオチドは、典型的には、オリゴヌクレオチドがハイブリダイズする配列中の特定のヌクレオチドの同一性と相関する異なる標識を有する。他のＳＢＳ方法と同様に、標識された配列決定試薬で核酸配列のアレイを処理した後、画像を得ることができる。各画像は、特定の型の標識を組み込んだ核酸特徴部を示す。各特徴部のシーケンスコンテンツが異なるため、様々な画像に様々な特徴部が存在するか、存在しないが、特徴部の相対的な位置は、画像内で変わらないままである。ライゲーションベースの配列決定方法から得られる画像は、本明細書に記載されるように保存、処理、及び分析することができる。本明細書に記載の方法及びシステムと共に利用することができる例示的なＳＢＳシステム及び方法は、米国特許第６，９６９，４８８号、米国特許第６，１７２，２１８号、及び米国特許第６，３０６，５９７号に記載されており、これらの開示は、参照によりそれらの全体が本明細書に組み込まれる。

【0149】

いくつかの実施形態は、ナノ細孔配列決定を利用することができる（Ｄｅａｍｅｒ，Ｄ．Ｗ． ＆ Ａｋｅｓｏｎ，Ｍ．「Ｎａｎｏｐｏｒｅｓ ａｎｄ ｎｕｃｌｅｉｃ ａｃｉｄｓ：ｐｒｏｓｐｅｃｔｓ ｆｏｒ ｕｌｔｒａｒａｐｉｄ ｓｅｑｕｅｎｃｉｎｇ．」Ｔｒｅｎｄｓ Ｂｉｏｔｅｃｈｎｏｌ．１８，１４７－１５１（２０００）、Ｄｅａｍｅｒ，Ｄ．ａｎｄ Ｄ．Ｂｒａｎｔｏｎ，「Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ ｎｕｃｌｅｉｃ ａｃｉｄｓ ｂｙ ｎａｎｏｐｏｒｅ ａｎａｌｙｓｉｓ」．Ａｃｃ．Ｃｈｅｍ．Ｒｅｓ．３５：８１７－８２５（２００２）、Ｌｉ，Ｊ．，Ｍ．Ｇｅｒｓｈｏｗ，Ｄ．Ｓｔｅｉｎ，Ｅ．Ｂｒａｎｄｉｎ，ａｎｄ Ｊ．Ａ．Ｇｏｌｏｖｃｈｅｎｋｏ，「ＤＮＡ ｍｏｌｅｃｕｌｅｓ ａｎｄ ｃｏｎｆｉｇｕｒａｔｉｏｎｓ ｉｎ ａ ｓｏｌｉｄ－ｓｔａｔｅ ｎａｎｏｐｏｒｅ ｍｉｃｒｏｓｃｏｐｅ」Ｎａｔ．Ｍａｔｅｒ．２：６１１－６１５（２００３）、これらの開示は、参照によりそれらの全体が本明細書に組み込まれる）。そのような実施形態では、標的核酸はナノ細孔を通過する。ナノ細孔は、α－ヘモリジンなどの合成孔又は生体膜タンパク質であり得る。標的核酸がナノ細孔を通過するとき、各塩基対は、細孔の電気コンダクタンスの変動を測定することによって識別することができる。（米国特許第７，００１，７９２号、Ｓｏｎｉ，Ｇ．Ｖ．＆ Ｍｅｌｌｅｒ，「Ａ．Ｐｒｏｇｒｅｓｓ ｔｏｗａｒｄ ｕｌｔｒａｆａｓｔ ＤＮＡ ｓｅｑｕｅｎｃｉｎｇ ｕｓｉｎｇ ｓｏｌｉｄ－ｓｔａｔｅ ｎａｎｏｐｏｒｅｓ．」Ｃｌｉｎ．Ｃｈｅｍ．５３，１９９６－２００１（２００７）、Ｈｅａｌｙ，Ｋ．「Ｎａｎｏｐｏｒｅ－ｂａｓｅｄ ｓｉｎｇｌｅ－ｍｏｌｅｃｕｌｅ ＤＮＡ ａｎａｌｙｓｉｓ．」Ｎａｎｏｍｅｄ．２，４５９－４８１（２００７）、Ｃｏｃｋｒｏｆｔ，Ｓ．Ｌ．，Ｃｈｕ，Ｊ．，Ａｍｏｒｉｎ，Ｍ．＆ Ｇｈａｄｉｒｉ，Ｍ．Ｒ．「Ａ ｓｉｎｇｌｅ－ｍｏｌｅｃｕｌｅ ｎａｎｏｐｏｒｅ ｄｅｖｉｃｅ ｄｅｔｅｃｔｓ ＤＮＡ ｐｏｌｙｍｅｒａｓｅ ａｃｔｉｖｉｔｙ ｗｉｔｈ ｓｉｎｇｌｅ－ｎｕｃｌｅｏｔｉｄｅ ｒｅｓｏｌｕｔｉｏｎ．」Ｊ．Ａｍ Ｃｈｅｍ．Ｓｏｃ．１３０，８１８－８２０（２００８）、これらの開示は、参照によりそれらの全体が本明細書に組み込まれる）。ナノ細孔配列決定から得られるデータは、本明細書に記載されるように、保存、処理、及び分析することができる。具体的には、データは、本明細書に記載される光学画像及び他の画像の例示的な処理に従って、画像として処理することができる。

【0150】

いくつかの実施形態は、ＤＮＡポリメラーゼ活性のリアルタイムモニタリングを伴う方法を利用することができる。ヌクレオチドの組み込みは、例えば、各々が参照により本明細書に組み込まれる、米国特許第７，３２９，４９２号及び米国特許第７，２１１，４１４号に記載されているようなフルオロフォア含有ポリメラーゼとγ－ホスフェート標識ヌクレオチドとの間の蛍光共鳴エネルギー移動（ＦＲＥＴ）相互作用を介して検出することができ、又はヌクレオチドの組み込みは、例えば、参照により本明細書に組み込まれる米国特許第７，３１５，０１９号に記載されているようなゼロモード導波路、並びに、例えば、各々が参照により本明細書に組み込まれる、米国特許第７，４０５，２８１号及び米国特許出願公開第２００８／０１０８０８２号に記載されているような蛍光ヌクレオチド類似体及び操作ポリメラーゼを使用して検出することができる。照明は、蛍光標識されたヌクレオチドの組み込みが低バックグラウンドで観察され得るように、表面繋留ポリメラーゼの周囲のゼプトリットルスケールの体積に制限することができる（Ｌｅｖｅｎｅ，Ｍ．Ｊ．ｅｔ ａｌ．「Ｚｅｒｏ－ｍｏｄｅ ｗａｖｅｇｕｉｄｅｓ ｆｏｒ ｓｉｎｇｌｅ－ｍｏｌｅｃｕｌｅ ａｎａｌｙｓｉｓ ａｔ ｈｉｇｈ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ．」Ｓｃｉｅｎｃｅ，２９９，６８２－６８６（２００３）、Ｌｕｎｄｑｕｉｓｔ，Ｐ．Ｍ．ｅｔ ａｌ．「Ｐａｒａｌｌｅｌ ｃｏｎｆｏｃａｌ ｄｅｔｅｃｔｉｏｎ ｏｆ ｓｉｎｇｌｅ ｍｏｌｅｃｕｌｅｓ ｉｎ ｒｅａｌ ｔｉｍｅ．」Ｏｐｔ．Ｌｅｔｔ．３３，１０２６－１０２８ （２００８）、Ｋｏｒｌａｃｈ，Ｊ．ｅｔ ａｌ．「Ｓｅｌｅｃｔｉｖｅ ａｌｕｍｉｎｕｍ ｐａｓｓｉｖａｔｉｏｎ ｆｏｒ ｔａｒｇｅｔｅｄ ｉｍｍｏｂｉｌｉｚａｔｉｏｎ ｏｆ ｓｉｎｇｌｅ ＤＮＡ ｐｏｌｙｍｅｒａｓｅ ｍｏｌｅｃｕｌｅｓ ｉｎ ｚｅｒｏ－ｍｏｄｅ ｗａｖｅｇｕｉｄｅ ｎａｎｏ ｓｔｒｕｃｔｕｒｅｓ．」Ｐｒｏｃ．Ｎａｔｌ．Ａｃａｄ．Ｓｃｉ．ＵＳＡ １０５，１１７６－１１８１（２００８）、これらの開示は、参照によりそれらの全体が本明細書に組み込まれる）。このような方法から得られる画像は、本明細書に記載されるように、記憶、処理、及び分析することができる。

【0151】

いくつかのＳＢＳ実施形態は、伸長産物へのヌクレオチドの組み込み時に放出されるプロトンの検出を含む。例えば、放出されたプロトンの検出に基づく配列決定は、Ｉｏｎ Ｔｏｒｒｅｎｔ（Ｇｕｉｌｆｏｒｄ，ＣＴ、Ｌｉｆｅ Ｔｅｃｈｎｏｌｏｇｉｅｓの子会社）から市販されている電気検出器及び関連技術、又は、米国特許出願公開第２００９／００２６０８２（Ａ１）号、米国特許出願公開第２００９／０１２７５８９（Ａ１）号、米国特許出願公開第２０１０／０１３７１４３（Ａ１）号、若しくは米国特許出願公開第２０１０／０２８２６１７（Ａ１）号に記載されている配列決定方法及びシステムであり、これらの各々は、参照により本明細書に組み込まれる。動力学的除外を使用して標的核酸を増幅するための本明細書に記載の方法は、プロトンを検出するために使用される基質に容易に適用することができる。より具体的には、本明細書に記載の方法を使用し、プロトンを検出するために使用されるアンプリコンのクローン集団を産生することができる。

【0152】

上記のＳＢＳ方法は、複数の異な標的核酸が同時に操作されるように、多重形式で有利に実施することができる。特定の実施形態では、異なる標的核酸は、共通の反応容器又は特定の基質の表面上で処理することができる。これにより、配列決定試薬の簡便な送達、未反応試薬の除去、及び取り込み事象の検出が多重方式で可能になる。表面結合された標的核酸を使用する実施形態では、標的核酸は、アレイ形式であり得る。アレイ形式では、標的核酸は、典型的には、空間的に区別可能な方式で表面に結合され得る。標的核酸は、直接共有付着、ビーズ若しくは他の粒子への付着、又は表面に付着したポリメラーゼ若しくは他の分子への結合によって結合され得る。アレイは、各部位（特徴とも称される）における標的核酸の単一コピーを含むことができ、又は同じ配列を有する複数のコピーは、各部位若しくは特徴に存在することができる。複数のコピーは、以下で更に詳細に記載されるブリッジ増幅又はエマルジョンＰＣＲなどの増幅方法によって生成することができる。

【0153】

本明細書に記載の方法は、例えば、少なくとも約１０個の特徴／ｃｍ^２、１００個の特徴／ｃｍ^２、５００個の特徴／ｃｍ^２、１，０００個の特徴／ｃｍ^２、５，０００個の特徴／ｃｍ^２、１０，０００個の特徴／ｃｍ^２、５０，０００個の特徴／ｃｍ^２、１００，０００個の特徴／ｃｍ^２、１，０００，０００個の特徴／ｃｍ^２、５，０００，０００個の特徴／ｃｍ^２、又はそれ超を含む、様々な密度のいずれかの特徴を有するアレイを使用することができる。

【0154】

本明細書に記載の方法の利点は、複数の標的核酸の迅速かつ効率的な検出を並行して提供することである。したがって、本開示は、上記で例示されるものなどの当該技術分野において既知の技術を使用して核酸を調製及び検出することができる統合システムを提供する。したがって、本開示の統合システムは、増幅試薬及び／又は配列決定試薬を１つ以上の固定化されたＤＮＡフラグメントに送達することができる流体成分を含むことができ、システムは、ポンプ、弁、リザーバ、流体ラインなどの構成要素を含む。フローセルは、標的核酸を検出するための統合システムで構成及び／又は使用することができる。例示的なフローセルは、例えば、米国特許第２０１０／０１１１７６８（Ａ１）号及び米国特許出願第１３／２７３，６６６号に記載され、これらの各々は、参照により本明細書に組み込まれる。フローセルについて例示されるように、統合システムの流体構成要素の１つ以上を増幅方法及び検出方法に使用することができる。核酸配列決定の実施形態を一例として取ると、統合システムの流体構成要素の１つ以上を、本明細書に記載の増幅方法、及び上記に例示したような配列決定方法における配列決定試薬の送達に使用することができる。代替的に、統合システムは、増幅方法を実施し、検出方法を実施するための別々の流体システムを含むことができる。増幅された核酸を作成し、また核酸の配列を決定することができる統合配列決定システムの例としては、ＭｉＳｅｑ（商標）プラットフォーム（Ｉｌｌｕｍｉｎａ Ｉｎｃ．，Ｓａｎ Ｄｉｅｇｏ，ＣＡ）、及び参照により本明細書に組み込まれる、米国特許出願第１３／２７３，６６６号に記載のデバイスが挙げられるが、これらに限定されない。

【0155】

上記の配列決定システムは、配列決定装置によって受け取られた試料中に存在する核酸ポリマーを配列決定する。本明細書で定義されるように、「試料」及びその誘導体は、最も広い意味で使用され、標的を含むことが疑われる任意の試料、培養物などを含む。いくつかの実施形態では、試料は、ＤＮＡ、ＲＮＡ、ＰＮＡ、ＬＮＡ、キメラ又はハイブリッド形態の核酸を含む。試料は、１以上の核酸を含有する任意の生物学的試料、臨床試料、外科試料、農業試料、大気試料又は水試料を含むことができる。この用語はまた、任意の単離された核酸試料、例えば、ゲノムＤＮＡ、新鮮凍結又はホルマリン固定パラフィン包埋核酸試料を含む。試料は、単一個体、遺伝的に関連するメンバーからの核酸試料のコレクション、遺伝的に関連しないメンバーからの核酸試料、腫瘍試料及び正常組織試料のような単一個体からの核酸試料（適合）、又は母体被験体から得られた母体及び胎児ＤＮＡのような遺伝物質の２つの異なる形態を含む単一供給源からの試料、又は植物又は動物ＤＮＡを含む試料中の混入細菌ＤＮＡの存在に由来し得ることも想定される。いくつかの実施形態では、核酸物質の供給源は、例えば新生児スクリーニングに典型的に使用されるような新生児から得られた核酸を含むことができる。

【0156】

核酸試料は、ゲノムＤＮＡ（ｇｅｎｏｍｉｃ ＤＮＡ、ｇＤＮＡ）などの高分子量物質を含むことができる。試料は、ＦＦＰＥ又は保管されたＤＮＡ試料から得られた核酸分子などの低分子量物質を含むことができる。別の実施形態では、低分子量物質は、酵素的又は機械的にフラグメント化されたＤＮＡを含む。試料は、無細胞循環ＤＮＡを含むことができる。いくつかの実施形態では、試料は、生検、腫瘍、擦過物、スワブ、血液、粘液、尿、血漿、精液、毛髪、レーザ捕捉顕微解剖、外科的切除、及び他の臨床的又は実験室で得られた試料から得られた核酸分子を含むことができる。いくつかの実施態様では、試料は、疫学、農業、法医学又は病原性の試料であり得る。いくつかの実施態様では、試料は、ヒト又は哺乳動物源などの動物から得られた核酸分子を含むことができる。別の実施態様では、試料は、植物、細菌、ウイルス又は真菌などの非哺乳類源から得られた核酸分子を含むことができる。いくつかの実施態様では、核酸分子の供給源は、保存された又は絶滅した試料若しくは種であり得る。

【0157】

更に、本明細書中に開示される方法及び組成物は、法医学試料からの分解及び／又はフラグメント化されたゲノムＤＮＡなどの低品質核酸分子を有する核酸試料を増幅するのに有用であり得る。一実施態様では、法医学試料は、犯罪現場から得られた核酸、行方不明者ＤＮＡデータベースから得られた核酸、法医学調査と関連した研究所から得られた核酸を含むことができ、又は法執行機関、１つ以上のミリタリーサービス若しくはそのような隊員によって得られた法医学試料を含むことができる。核酸試料は、例えば、口腔スワブ、紙、布、又は唾液、血液、若しくは他の体液で含浸され得る他の基質に由来する、精製された試料又は溶解物を含む粗ＤＮＡであり得る。したがって、いくつかの実施態様では、核酸試料は、ゲノムＤＮＡなどの、少量のＤＮＡ又はフラグメント化されたＤＮＡの部分を含むことができる。いくつかの実施形態では、標的配列は、限定されるものではないが、血液、痰、血漿、精液、尿及び血清を含む１つ以上の体液に存在し得る。いくつかの実施態様では、標的配列は、犠牲者の毛髪、皮膚、組織試料、剖検又は遺体から得ることができる。いくつかの実施態様では、１つ以上の標的配列を含む核酸は、死亡した動物又はヒトから得ることができる。いくつかの実施態様では、標的配列は、微生物、植物又は昆虫学的ＤＮＡなど非ヒトＤＮＡから得られた核酸を含むことができる。いくつかの実施形態では、標的配列又は増幅された標的配列は、ヒト同定を目的とする。いくつかの実施形態では、本開示は、概して、法医学試料の特徴を同定するための方法に関する。いくつかの実施形態では、本開示は、概して、本明細書に開示された１つ以上の標的特異的プライマー、又は本明細書に概説されたプライマー設計基準を用いて設計された１以上の標的特異的プライマーを使用するヒト同定方法に関する。一実施形態では、少なくとも１つの標的配列を含む法医学試料又はヒト同定試料は、本明細書に開示された標的特異的プライマーのいずれか１つ以上を用いて、又は本明細書に概説されたプライマー基準を用いて増幅することができる。

【0158】

泡検出システム１０６の構成要素は、ソフトウェア、ハードウェア、又はその両方を含むことができる。例えば、泡検出システム１０６の構成要素は、コンピュータ可読記憶媒体上に記憶され、１つ以上のコンピューティング装置（例えば、ユーザクライアント装置１０８）のプロセッサによって実行可能な１つ以上の命令を含むことができる。１つ以上のプロセッサによって実行されると、泡検出システム１０６のコンピュータ実行可能命令は、コンピューティング装置に、本明細書で説明される泡検出方法を実行させることができる。あるいは、泡検出システム１０６の構成要素は、特定の機能又は機能群を実行するための専用処理装置などのハードウェアを含むことができる。加えて、又は代替として、泡検出システム１０６の構成要素は、コンピュータ実行可能命令及びハードウェアの組み合わせを含むことができる。

【0159】

更に、泡検出システム１０６に関して本明細書で説明される機能を実行する泡検出システム１０６の構成要素は、例えば、スタンドアロンアプリケーションの一部として、アプリケーションのモジュールとして、アプリケーションのプラグインとして、他のアプリケーションによって呼び出され得るライブラリ関数（複数可）として、及び／又はクラウドコンピューティングモデルとして実装され得る。したがって、泡検出システム１０６の構成要素は、パーソナルコンピューティング装置又はモバイル装置上のスタンドアロンアプリケーションの一部として実装され得る。加えて、又は代替として、泡検出システム１０６の構成要素は、限定するものではないが、Ｉｌｌｕｍｉｎａ ＢａｓｅＳｐａｃｅ、Ｉｌｌｕｍｉｎａ ＤＲＡＧＥＮ、又はＩｌｌｕｍｉｎａ ＴｒｕＳｉｇｈｔソフトウェアを含む、配列決定サービスを提供する任意のアプリケーションにおいて実装されてもよい。「Ｉｌｌｕｍｉｎａ」、「ＢａｓｅＳｐａｃｅ」、「ＤＲＡＧＥＮ」、及び「ＴｒｕＳｉｇｈｔ」は、米国及び／又は他の国におけるＩｌｌｕｍｉｎａ，Ｉｎｃ．の登録商標又は商標である。

【0160】

本開示の実施形態は、以下でより詳細に論じられるように、例えば、１つ以上のプロセッサ及びシステムメモリ等のコンピュータハードウェアを含む、専用又は汎用コンピュータを含み、又は利用してもよい。本開示の範囲内の実施形態はまた、コンピュータ実行可能命令及び／又はデータ構造を搬送又は記憶するための物理的及び他のコンピュータ可読媒体を含む。特に、本明細書で説明されるプロセスのうちの１つ以上は、非一時的コンピュータ可読媒体において具現化され、１つ以上のコンピューティング装置（例えば、本明細書で説明されるメディアコンテンツアクセス装置のうちのいずれか）によって実行可能な命令として少なくとも部分的に実装されてもよい。概して、プロセッサ（例えば、マイクロプロセッサ）は、非一時的コンピュータ可読媒体（例えば、メモリなど）から命令を受信し、それらの命令を実行し、それによって、本明細書で説明するプロセスのうちの１つ以上を含む、１つ以上のプロセスを実行する。

【0161】

コンピュータ可読媒体は、汎用コンピュータシステム又は専用コンピュータシステムによってアクセスされ得る任意の利用可能な媒体であり得る。コンピュータ実行可能命令を記憶するコンピュータ可読媒体は、非一時的コンピュータ可読記憶媒体（装置）である。コンピュータ実行可能命令を搬送するコンピュータ可読媒体は、伝送媒体である。したがって、限定ではなく例として、本開示の実施形態は、少なくとも２つの明確に異なる種類のコンピュータ可読媒体、すなわち非一時的コンピュータ可読記憶媒体（装置）及び伝送媒体を含むことができる。

【0162】

非一時的コンピュータ可読記憶媒体（装置）は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、ＣＤ－ＲＯＭ、（例えば、ＲＡＭに基づく）ソリッドステートドライブ（ＳＳＤ）、フラッシュメモリ、相変化メモリ（ＰＣＭ）、他のタイプのメモリ、他の光ディスクストレージ、磁気ディスクストレージ若しくは他の磁気ストレージ装置、又はコンピュータ実行可能命令若しくはデータ構造の形態で所望のプログラムコード手段を記憶するために使用することができ、汎用若しくは専用コンピュータによってアクセスすることができる任意の他の媒体を含む。

【0163】

「ネットワーク」は、コンピュータシステム及び／又はモジュール及び／又は他の電子装置間の電子データの移送を可能にする１つ以上のデータリンクとして定義される。情報が、ネットワーク又は別の通信接続（ハードワイヤード、ワイヤレス、又はハードワイヤード若しくはワイヤレスの組み合わせのいずれか）を介してコンピュータに転送又は提供されるとき、コンピュータは、その接続を伝送媒体として適切に認識する。伝送媒体は、コンピュータ実行可能命令又はデータ構造の形態で所望のプログラムコード手段を搬送するために使用することができ、汎用又は専用コンピュータによってアクセスすることができるネットワーク及び／又はデータリンクを含むことができる。上記の組み合わせも、コンピュータ可読媒体の範囲内に含まれるべきである。

【0164】

更に、様々なコンピュータシステム構成要素に到達すると、コンピュータ実行可能命令又はデータ構造の形態のプログラムコード手段は、伝送媒体から非一時的コンピュータ可読記憶媒体（装置）に（又はその逆に）自動的に転送され得る。例えば、ネットワーク又はデータリンクを介して受信されたコンピュータ実行可能命令又はデータ構造は、ネットワークインターフェースモジュール（例えば、ＮＩＣ）内のＲＡＭにバッファリングされ、次いで、最終的に、コンピュータシステムＲＡＭ及び／又はコンピュータシステムにおけるより揮発性の低いコンピュータ記憶媒体（装置）に転送され得る。したがって、非一時的コンピュータ可読記憶媒体（装置）は、伝送媒体も（又は更に主に）利用するコンピュータシステム構成要素に含まれ得ることを理解されたい。

【0165】

コンピュータ実行可能命令は、例えば、プロセッサで実行されると、汎用コンピュータ、専用コンピュータ、又は専用処理装置に、ある機能又は機能群を実行させる命令及びデータを含む。いくつかの実施形態では、コンピュータ実行可能命令は、汎用コンピュータ上で実行され、汎用コンピュータを、本開示の要素を実装する専用コンピュータに変える。コンピュータ実行可能命令は、例えば、バイナリ、アセンブリ言語などの中間フォーマット命令、又は更にソースコードであってもよい。主題は、構造的特徴及び／又は方法論的動作に特有の言語で説明されているが、添付の特許請求の範囲において定義される主題は、説明された特徴又は上述の動作に必ずしも限定されないことを理解されたい。むしろ、説明された特徴及び動作は、特許請求の範囲を実装する例示的な形態として開示される。

【0166】

当業者は、本開示が、パーソナルコンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、メッセージプロセッサ、ハンドヘルド装置、マルチプロセッサシステム、マイクロプロセッサベース又はプログラム可能な家庭用電化製品、ネットワークＰＣ、ミニコンピュータ、メインフレームコンピュータ、携帯電話、ＰＤＡ、タブレット、ページャ、ルータ、スイッチなどを含む、多くのタイプのコンピュータシステム構成を有するネットワークコンピューティング環境で実施され得ることを理解するであろう。本開示はまた、ネットワークを介して（ハードワイヤードデータリンク、ワイヤレスデータリンク、又はハードワイヤード及びワイヤレスデータリンクの組み合わせのいずれかによって）リンクされたローカル及びリモートコンピュータシステムが両方ともタスクを実行する分散システム環境において実施され得る。分散システム環境では、プログラムモジュールは、ローカルメモリ記憶装置及びリモートメモリ記憶装置の両方に位置することができる。

【0167】

本開示の実施形態は、クラウドコンピューティング環境において実装することもできる。本明細書では、「クラウドコンピューティング」は、構成可能なコンピューティングリソースの共有プールへのオンデマンドネットワークアクセスを可能にするためのモデルとして定義される。例えば、クラウドコンピューティングは、構成可能なコンピューティングリソースの共有プールへのユビキタスで便利なオンデマンドアクセスを提供するために、市場で使用され得る。構成可能なコンピューティングリソースの共有プールは、仮想化を介して迅速に設定され、低い管理労力又はサービスプロバイダ対話で公開され、次いで、それに応じて拡大縮小され得る。

【0168】

クラウドコンピューティングモデルは、例えば、オンデマンドセルフサービス、広域ネットワークアクセス、リソースプーリング、迅速な弾力性、測定されたサービス等の種々の特性から構成することができる。クラウドコンピューティングモデルはまた、例えば、Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＳａａＳ）、Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ（ＰａａＳ）、及びＩｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＩａａＳ）などの様々なサービスモデルを公開することができる。クラウドコンピューティングモデルは、プライベートクラウド、コミュニティクラウド、パブリッククラウド、ハイブリッドクラウドなどの異なる展開モデルを使用して展開することもできる。本明細書及び特許請求の範囲において、「クラウドコンピューティング環境」は、クラウドコンピューティングが採用される環境である。

【0169】

図８は、上記で説明したプロセスのうちの１つ以上を実行するように構成され得るコンピューティング装置８００のブロック図を図示する。コンピューティング装置８００などの１つ以上のコンピューティング装置が、泡検出システム１０６及び配列決定システム１０４を実装することができることが理解されよう。図８によって示されるように、コンピューティング装置８００は、プロセッサ８０２、メモリ８０４、ストレージ（記憶）装置８０６、Ｉ／Ｏインターフェース８０８、及び通信インターフェース８１０を含むことができ、これらは、通信インフラストラクチャ８１２によって通信可能に結合され得る。ある特定の実施形態では、コンピューティング装置８００は、図８に示されるものよりも少ない又は多い構成要素を含むことができる。以下の段落は、図８に示されるコンピューティング装置８００の構成要素を更に詳細に説明する。

【0170】

１つ以上の実施形態では、プロセッサ８０２は、コンピュータプログラムを構成する命令などの命令を実行するためのハードウェアを含む。限定ではなく、例として、ワークフローを動的に修正するための命令を実行するために、プロセッサ８０２は、内部レジスタ、内部キャッシュ、メモリ８０４、又はストレージ装置８０６から命令を取り出し（又はフェッチし）、それらを復号して実行することができる。メモリ８０４は、データ、メタデータ、及びプロセッサによる実行のためのプログラムを記憶するために使用される揮発性又は不揮発性メモリであってもよい。記憶装置８０６は、本明細書に記載の方法を実行するためのデータ又は命令を記憶するための、ハードディスク、フラッシュディスクドライブ、又は他のデジタル記憶装置などの記憶装置を含む。

【0171】

Ｉ／Ｏインターフェース８０８は、ユーザが、コンピューティング装置８００に入力を提供し、コンピューティング装置８００から出力を受信し、そうでなければコンピューティング装置８００にデータを転送し、コンピューティング装置８００からデータを受信することを可能にする。Ｉ／Ｏインターフェース８０８は、マウス、キーパッド若しくはキーボード、タッチスクリーン、カメラ、光学スキャナ、ネットワークインターフェース、モデム、他の既知のＩ／Ｏ装置、又はかかるＩ／Ｏインターフェースの組み合わせを含むことができる。Ｉ／Ｏインターフェース８０８は、限定はしないが、グラフィックスエンジン、ディスプレイ（例えば、ディスプレイスクリーン）、１つ以上の出力ドライバ（例えば、ディスプレイドライバ）、１つ以上のオーディオスピーカ、及び１つ以上のオーディオドライバを含む、ユーザに出力を提示するための１つ以上の装置を含むことができる。ある特定の実施形態では、Ｉ／Ｏインターフェース８０８は、ユーザに提示するためにグラフィカルデータをディスプレイに提供するように構成される。グラフィカルデータは、１つ以上のグラフィカルユーザインターフェース及び／又は特定の実装に役立ち得る任意の他のグラフィカルコンテンツを表してもよい。

【0172】

通信インターフェース８１０は、ハードウェア、ソフトウェア、又はその両方を含むことができる。いずれにしても、通信インターフェース８１０は、コンピューティング装置８００と１つ以上の他のコンピューティング装置又はネットワークとの間の通信（例えば、パケットベースの通信など）のための１つ以上のインターフェースを提供することができる。限定ではなく例として、通信インターフェース８１０は、Ｅｔｈｅｒｎｅｔ（イーサネット）（登録商標）若しくは他の有線ベースのネットワークと通信するためのネットワークインターフェースコントローラ（ＮＩＣ）若しくはネットワークアダプタ、又はＷＩ－ＦＩなどのワイヤレスネットワークと通信するためのワイヤレスＮＩＣ（ＷＮＩＣ）若しくはワイヤレスアダプタを含むことができる。

【0173】

更に、通信インターフェース８１０は、様々なタイプの有線又は無線ネットワークとの通信を容易にすることができる。通信インターフェース８１０はまた、様々な通信プロトコルを使用して、通信を容易にすることもできる。通信インフラストラクチャ８１２はまた、コンピューティング装置８００の構成要素を互いに結合するハードウェア、ソフトウェア、又はその両方を含むことができる。例えば、通信インターフェース８１０は、１つ以上のネットワーク及び／又はプロトコルを使用して、特定のインフラストラクチャによって接続された複数のコンピューティング装置が互いに通信して、本明細書で説明するプロセスの１つ以上の態様を実行することを可能にすることができる。例示すると、配列決定プロセスは、複数の装置（例えば、クライアント装置、配列決定装置、及びサーバー装置）が配列決定データ及びエラー通知などの情報を交換することを可能にすることができる。

【0174】

前述の明細書において、本開示は、その特定の例示的な実施形態を参照して説明された。本開示の様々な実施形態及び態様は、本明細書で論じられる詳細を参照して説明され、添付の図面は様々な実施形態を図示する。上記の説明及び図面は、本開示の例示であり、本開示を限定するものとして解釈されるべきではない。本開示の様々な実施形態の完全な理解を提供するために、多数の特定の詳細が説明される。

【0175】

本開示は、その趣旨又は本質的な特徴から逸脱することなく、その他の特定の形態で具現化されてもよい。記載された実施形態は、全ての点において、例示的なものに過ぎず、限定的ではないと見なされるべきである。例えば、本明細書で説明される方法は、より少ない又はより多いステップ／動作を用いて行われてもよく、又はステップ／動作は、異なる順序で行われてもよい。更に、本明細書で説明されるステップ／動作は、互いに並行して、又は同じ若しくは同様の動作の異なる出現と並行して、繰り返されるか、又は実行され得る。したがって、本願の範囲は、前述の説明ではなく、添付の特許請求の範囲によって示される。特許請求の範囲の意味及び均等範囲内に含まれる全ての変更は、それらの範囲内に包含されるものである。

【符号の説明】

【0176】

１００ システム環境
１０２ サーバー装置
１０４ 配列決定システム
１０６ 泡検出システム
１０８ ユーザクライアント装置
１１０ 配列決定アプリケーション
１１２ ネットワーク
１１４ 配列決定装置
８００ コンピューティング装置
８０２ プロセッサ
８０４ メモリ
８０６ 記憶装置
８０８ Ｉ／Ｏインターフェース
８１０ 通信インターフェース
８１２ 通信インフラストラクチャ

【図1】

【図2】

【図3】

【図4A】

【図4B】

【図4C】

【図5】

【図6A】

【図6B】

【図6C】

【図7】

【図8】

【国際調査報告】