特表 2024-532004 ベースコールのための補間及び適合による強度抽出

(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】2024-09-04

(54)【発明の名称】ベースコールのための補間及び適合による強度抽出

(51)【国際特許分類】

   G16B 30/00 20190101AFI20240828BHJP

   G16B 40/20 20190101ALI20240828BHJP

   G06V 20/69 20220101ALI20240828BHJP

【ＦＩ】

G16B30/00

G16B40/20

G06V20/69

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2023579791

(86)(22)【出願日】2022-07-14

(85)【翻訳文提出日】2024-01-12

(86)【国際出願番号】 US2022037219

(87)【国際公開番号】W WO2023003757

(87)【国際公開日】2023-01-26

(31)【優先権主張番号】63/223,408

(32)【優先日】2021-07-19

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】17/511,483

(32)【優先日】2021-10-26

(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

(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】アブデ・アリ・フナイド・カガルワーラ

(72)【発明者】

【氏名】エリック・ジョン・オジャード

(72)【発明者】

【氏名】ラミ・メヒオ

(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】ニティン・ウドパ

(72)【発明者】

【氏名】ボ・ル

(72)【発明者】

【氏名】ジョン・エス・ヴィエチェリ

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA02

5L096AA06

5L096CA14

5L096CA17

5L096EA05

5L096EA14

5L096EA33

5L096EA39

5L096FA32

5L096FA62

5L096FA66

5L096GA10

5L096GA32

5L096GA55

5L096HA11

5L096JA11

(57)【要約】

開示される技術は、ベースコールのための配列決定画像からの空間クロストークを減衰させる。開示される技術は、バイオセンサによって出力される画像のセクションにアクセスし、画像のセクションが、バイオセンサ内の複数のクラスタからの、及び複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す複数のピクセルを含む。複数のクラスタが、標的クラスタを含む。画像のセクションが畳み込みカーネルで畳み込まれて、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成する。重み付けされた特徴値が標的クラスタに割り当てられ、重み付けされた特徴値が特徴マップの複数の特徴値のうちの１つ以上の特徴値に基づく。標的クラスタに割り当てられた重み付けされた特徴値が、処理されて標的クラスタをベースコールする。

【特許請求の範囲】

【請求項1】

ベースコールのコンピュータ実装方法であって、前記方法は、
バイオセンサによって出力される画像のセクションにアクセスすることであって、前記画像の前記セクションが、前記バイオセンサ内の複数のクラスタからの、及び複数のクラスタに隣接する前記バイオセンサ内の場所からの強度放射値を示す複数のピクセルを含み、前記複数のクラスタが、標的クラスタを含む、アクセスすることと、
前記画像の前記セクションを畳み込みカーネルで畳み込んで、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成することと、
重み付けされた特徴値を標的クラスタに割り当てることであって、前記重み付けされた特徴値が、前記特徴マップの前記複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
前記標的クラスタに割り当てられた前記重み付けされた特徴値を処理して、前記標的クラスタをベースコールすることと、を含む、方法。

【請求項2】

前記画像の前記セクションが、前記バイオセンサのフローセルの第１の部分から生成される第１のセクションであり、前記畳み込みカーネルが、第１の畳み込みカーネルであり、前記複数のクラスタが、第１の複数のクラスタであり、前記複数のピクセルが、第１の複数のピクセルであり、前記特徴マップが、第１の特徴マップであり、前記複数の特徴値が、第１の複数の特徴値であり、前記標的クラスタが、第１の標的クラスタであり、前記重み付けされた特徴値が、第１の重み付けされた特徴値であり、前記方法が、
前記バイオセンサの前記フローセルの第２の部分によって出力される前記画像の第２のセクションにアクセスすることであって、前記画像の前記第２のセクションが、前記バイオセンサ内の第２の複数のクラスタからの、及び前記第２の複数のクラスタに隣接する前記バイオセンサ内の場所からの強度放射値を示す第２の複数のピクセルを含み、前記第２の複数のクラスタが、第２の標的クラスタを含む、アクセスすることと、
前記画像の前記第２のセクションを前記第１の畳み込みカーネルとは異なる第２の畳み込みカーネルで畳み込んで、対応する第２の複数の特徴値を有する第２の複数の特徴を含む第２の特徴マップを生成することと、
第２の重み付けされた特徴値を前記第２の標的クラスタに割り当てることであって、前記第２の重み付けされた特徴値が、前記第２の特徴マップの前記第２の複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
前記第２の標的クラスタに割り当てられた前記第２の重み付けされた特徴値を処理して、前記第２の標的クラスタをベースコールすることと、を更に含む、請求項１に記載の方法。

【請求項3】

前記バイオセンサの前記フローセルのタイルが、ｋ×ｋ個の部分に分割され、ｋが、正の整数であり、前記第１の部分及び前記第２の部分が、前記タイルの前記ｋ×ｋ個の部分のうちの２つの部分である、請求項２に記載の方法。

【請求項4】

全自動画像捕捉システム、線走査画像捕捉システム、及び／又は１つ以上のＣＭＯＳ（相補的金属酸化物半導体）センサを使用して、前記バイオセンサ内の前記画像を捕捉することを更に含む、請求項１～３のいずれか一項に記載の方法。

【請求項5】

前記バイオセンサの前記フローセルのタイルが、１×ｋ個の部分に分割され、ｋが、正の整数であり、前記第１の部分及び前記第２の部分が、前記タイルの前記１×ｋ個の部分のうちの２つの部分である、請求項２に記載の方法。

【請求項6】

前記バイオセンサの前記フローセルのタイルが、複数の部分に分割され、前記複数の部分が、第１のタイプの部分及び第２のタイプの部分を含み、前記第２のタイプの部分が、前記第１のタイプの部分内に周期的にインターリーブされ、
前記第１の部分が、前記第１のタイプの部分のうちの１つであり、
前記第２の部分が、前記第２のタイプの部分のうちの１つである、請求項２～５のいずれか一項に記載の方法。

【請求項7】

前記バイオセンサの前記フローセルのタイルが、前記第１の部分、前記第２の部分、及び第３の部分を含む複数の部分に分割され、
前記フローセルの前記タイルの前記第１の部分から生成された前記画像の前記第１のセクションが、前記第１の畳み込みカーネルで畳み込まれ、
前記フローセルの前記タイルの前記第２の部分から生成された前記画像の前記第２のセクションが、前記第２の畳み込みカーネルで畳み込まれ、
前記フローセルの前記タイルの前記第３の部分から生成された前記画像の第３のセクションが、前記第１の畳み込みカーネル及び前記第２の畳み込みカーネルの各々とは異なる第３の畳み込みカーネルで畳み込まれる、請求項２～６のいずれか一項に記載の方法。

【請求項8】

前記画像の前記セクションが、フローセルの第１の部分からの第１の色チャネルについて生成される第１のセクションであり、前記畳み込みカーネルが、第１の畳み込みカーネルであり、前記複数のピクセルが、第１の複数のピクセルであり、前記特徴マップが、第１の特徴マップであり、前記複数の特徴値が、第１の複数の特徴値であり、前記重み付けされた特徴値が、第１の重み付けされた特徴値であり、前記方法が、
前記フローセルの前記第１の部分からの第２の色チャネルについて生成される前記画像の第２のセクションにアクセスすることであって、前記画像の前記第２のセクションが、前記バイオセンサ内の前記複数のクラスタからの、及び前記複数のクラスタに隣接する前記バイオセンサ内の場所からの強度放射値を示す第２の複数のピクセルを含む、アクセスすることと、
前記画像の前記第２のセクションを前記第１の畳み込みカーネルとは異なる第２の畳み込みカーネルで畳み込んで、対応する第２の複数の特徴値を有する第２の複数の特徴を含む第２の特徴マップを生成することと、
第２の重み付けされた特徴値を前記標的クラスタに割り当てることであって、前記第２の重み付けされた特徴値が、前記第２の特徴マップの前記第２の複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
前記標的クラスタに割り当てられた前記第１の重み付けされた特徴値及び前記第２の重み付けされた特徴値を処理して、前記標的クラスタをベースコールすることと、を更に含む、請求項１～７のいずれか一項に記載の方法。

【請求項9】

前記重み付けされた特徴値を前記標的クラスタに割り当てることが、
前記標的クラスタのサブピクセル位置又はサブ特徴位置に基づいて、前記重み付けされた特徴値を前記標的クラスタに割り当てることを含む、請求項１～８のいずれか一項に記載の方法。

【請求項10】

前記標的クラスタの前記サブピクセル位置が、前記標的クラスタが位置するピクセルの境界又は前記ピクセルの中心に対する前記標的クラスタの中心の位置を含む、請求項９に記載の方法。

【請求項11】

前記標的クラスタの前記サブ特徴位置が、前記標的クラスタが位置する特徴の境界又は前記特徴の中心に対する前記標的クラスタの中心の位置を含む、請求項９又は１０に記載の方法。

【請求項12】

前記重み付けされた特徴値を前記標的クラスタに割り当てることが、
前記画像の前記セクション内の隣接するピクセルの座標場所に対する前記標的クラスタの中心の座標場所に基づいて、前記重み付けされた特徴値を前記標的クラスタに割り当てることを含む、請求項１～１１のいずれか一項に記載の方法。

【請求項13】

前記重み付けされた特徴値を前記標的クラスタに割り当てることが、
前記特徴マップ内の隣接する特徴の座標場所に対する前記標的クラスタの中心の座標場所に基づいて、前記重み付けされた特徴値を前記標的クラスタに割り当てることを含む、請求項１～１２のいずれか一項に記載の方法。

【請求項14】

前記重み付けされた特徴値を前記標的クラスタに割り当てることが、
前記標的クラスタに関連付けられた１つ以上の中心間距離に基づいて、前記重み付けされた特徴値を前記標的クラスタに割り当てることを含む、請求項１～１３のいずれか一項に記載の方法。

【請求項15】

前記標的クラスタに関連付けられた前記１つ以上の中心間距離を判定することであって、前記１つ以上の中心間距離が、（ｉ）前記標的クラスタの中心と、前記画像の前記セクションの前記複数のピクセルのうちの第１のピクセルの中心との間の第１の中心間距離であって、前記標的クラスタが、前記第１のピクセル内にある、第１の中心間距離と、（ｉｉ）前記標的クラスタの前記中心と、前記複数のピクセルのうちの第２のピクセルの中心との間の第２の中心間距離であって、前記第２のピクセルが、前記画像の前記セクション内の前記第１のピクセルに隣接する、第２の中心間距離と、を含む、判定することを更に含む、請求項１４に記載の方法。

【請求項16】

前記標的クラスタに関連付けられた前記１つ以上の中心間距離を判定することであって、前記標的クラスタに関連付けられた前記１つ以上の中心間距離が、（ｉ）前記標的クラスタの中心と前記特徴マップの前記複数の特徴のうちの第１の特徴の中心との間の第１の中心間距離と、（ｉｉ）前記標的クラスタの前記中心と前記複数の特徴のうちの第２の特徴の中心との間の第２の中心間距離であって、前記第２の特徴が、前記特徴マップ内の前記第１の特徴に隣接する、第２の中心間距離と、を含む、判定することを更に含む、請求項１４又は１５に記載の方法。

【請求項17】

前記重み付けされた特徴値を前記標的クラスタに割り当てることが、
前記標的クラスタの中心に最も近い前記複数の特徴のうちの１つ以上の特徴を選択することと、
前記選択された１つ以上の特徴に対応する前記１つ以上の特徴値を補間して、前記重み付けされた特徴値を前記標的クラスタに割り当てることと、を含む、請求項１～１６のいずれか一項に記載の方法。

【請求項18】

ベースコールを実施するためのコンピュータプログラム命令を記憶している非一時的コンピュータ可読記憶媒体であって、前記命令は、プロセッサ上で実行されると、
配列決定動作の複数の配列決定サイクルのうちの第１の配列決定サイクル中にフローセルによって出力される第１の画像にアクセスすることであって、前記第１の画像が、前記フローセル内の複数のクラスタからの強度放射値を示す第１の複数のピクセルを含む、アクセスすることと、
前記第１の配列決定サイクル中に出力される前記第１の画像を処理して、畳み込みカーネルの係数を更新することと、
前記配列決定動作の前記複数の配列決定サイクルのうちの第２の配列決定サイクル中に前記フローセルによって出力される第２の画像にアクセスすることであって、前記第２の画像が、前記複数のクラスタからの強度放射値を示す第２の複数のピクセルを含む、アクセスすることと、
前記第２の画像を前記畳み込みカーネルの前記更新された係数で畳み込んで、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成することと、
前記特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、標的クラスタについての重み付けされた特徴値を生成することと、
前記標的クラスタに割り当てられた前記重み付けされた特徴値を処理して、前記標的クラスタをベースコールすることと、を含む、方法を実装する、非一時的コンピュータ可読記憶媒体。

【請求項19】

係数を更新するために前記第１の画像を処理することが、
前記第１の画像内の標的クラスタのグラウンドトゥルースにアクセスすることであって、前記標的クラスタの前記グラウンドトゥルースが、関連付けられたグラウンドトゥルース特徴値を有する、アクセスすることと、
前記係数の以前の値を使用して前記第１の画像を処理することに基づいて、前記標的クラスタについての出力特徴値を生成することと、
前記グラウンドトゥルース特徴値と前記出力特徴値との間の差に基づいて、前記係数を更新することと、を含む、請求項１８に記載の非一時的コンピュータ可読記憶媒体。

【請求項20】

前記畳み込みカーネルが、第１の畳み込みカーネルであり、前記第１の画像を処理することが、
（ｉ）前記第１の配列決定サイクル中にフローセルのタイルの第１のセクションによって出力される前記第１の画像の第１のセクションを処理して、前記第１の畳み込みカーネルの係数を更新し、（ｉｉ）前記第１の配列決定サイクル中に前記タイルの第２のセクションによって出力される前記第１の画像の第２のセクションを処理して、第２の畳み込みカーネルの係数を更新することを含む、請求項１８又は１９に記載の非一時的コンピュータ可読記憶媒体。

【請求項21】

メモリに結合された１つ以上のプロセッサを含むシステムであって、前記メモリは、ベースコールを実施するためのコンピュータ命令がロードされ、前記命令は、前記プロセッサ上で実行されると、
標的クラスタからの、及び前記標的クラスタに隣接する場所からの第１の色チャネル及び第２の色チャネルについての強度放射をピクセルが示す画像にアクセスすることと、
前記画像内の前記第１の色チャネルについての前記ピクセルの前記強度放射で第１のマスクを畳み込んで、第１の特徴マップを作り出し、前記画像内の前記第２の色チャネルについての前記ピクセルの前記強度放射で第２のマスクを畳み込んで、第２の特徴マップを作り出すことと、
（ｉ）前記第１の特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、前記標的クラスタについての第１の重み付けされた特徴値を生成し、（ｉｉ）前記第２の特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、前記標的クラスタについての第２の重み付けされた特徴値を生成することと、
前記標的クラスタに割り当てられた前記第１の重み付けされた特徴値及び前記第２の重み付けされた特徴値を処理して、前記標的クラスタをベースコールすることと、を含むアクションを実装する、システム。

【請求項22】

ベースコールを実施するためのコンピュータプログラム命令を記憶している非一時的コンピュータ可読記憶媒体であって、前記命令は、プロセッサ上で実行されると、
バイオセンサによって出力される画像のセクションにアクセスすることであって、前記画像の前記セクションが、前記バイオセンサ内の複数のクラスタからの、及び前記複数のクラスタに隣接する前記バイオセンサ内の場所からの強度放射値を示す複数のピクセルを含み、前記複数のクラスタが、標的クラスタを含む、アクセスすることと、
前記画像の前記セクションを畳み込みカーネルで畳み込んで、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成することと、
重み付けされた特徴値を前記標的クラスタに割り当てることであって、前記重み付けされた特徴値が、前記特徴マップの前記複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
前記標的クラスタに割り当てられた前記重み付けされた特徴値を処理して、前記標的クラスタをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

優先権出願
本出願は、２０２１年７月１９日に出願された「Ｓｐｅｃｉａｌｉｓｔ Ｓｉｇｎａｌ Ｐｒｏｆｉｌｅｒｓ ｆｏｒ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国仮特許出願第６３／２２３，４０８号（代理人整理番号ＩＬＬＭ １０４１－１／ＩＰ－２０６３－ＰＲＶ）の利益及び優先権を主張するものである。優先権出願は、全ての目的のために参照により本明細書に組み込まれる。

【0002】

また、本出願は、２０２１年１０月２６日に出願された「Ｉｎｔｅｎｓｉｔｙ Ｅｘｔｒａｃｔｉｏｎ ｗｉｔｈ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｉｏｎ Ｕｓｉｎｇ Ｉｎｔｅｒｐｏｌａｔｉｏｎ ａｎｄ Ａｄａｐｔａｔｉｏｎ Ｃａｌｌｉｎｇ」と題する米国非仮特許出願第１７／５１１，４８３号（代理人整理番号ＩＬＬＭ １０５３－１／ＩＰ－２２１４－ＵＳ）の利益及び優先権も主張するものである。

【0003】

共同所有権の記載
３５ ＵＳＣ§１０２（ｂ）（２）（Ｃ）及びＭＰＥＰ§２１４６．０２（Ｉ）に従って、本出願人は、本出願、米国仮特許出願第６３／０２０，４４９号、及び米国非仮特許出願第１７／３０８，０３５号が、本出願の有効出願日までに、同じ人（Ｉｌｌｕｍｉｎａ，Ｉｎｃ．）によって所有されたか、又は同じ人（Ｉｌｌｕｍｉｎａ，Ｉｎｃ．）への譲渡の義務を受けたこと、並びに本出願で指定された出願人及び譲受人であるＩｌｌｕｍｉｎａ Ｓｏｆｔｗａｒｅ，Ｉｎｃ．が、Ｉｌｌｕｍｉｎａ，Ｉｎｃ．の完全に所有された子会社であることを本明細書に記載する。

【0004】

開示される技術は、人工知能型コンピュータ及びデジタルデータ処理システム、並びに知能（すなわち、知識ベースのシステム、推論システム、及び知識取得システム）を模倣するための対応するデータ処理方法及び製品に関し、不確実性を伴う推論のためのシステム（例えば、ファジー論理システム）、適合システム、機械学習システム、及び人工ニューラルネットワークを含む。具体的には、開示される技術は、データを分析するための深層畳み込みニューラルネットワークなどの深層ニューラルネットワークを使用することに関する。

【0005】

組み込み
以下は、本明細書に完全に記載されているかのように、全ての目的のために参照により組み込まれる。

【0006】

２０１８年３月２６日に出願された「Ｄｅｔｅｃｔｉｏｎ Ａｐｐａｒａｔｕｓ Ｈａｖｉｎｇ ａ Ｍｉｃｒｏｆｌｕｏｒｏｍｅｔｅｒ，ａ Ｆｌｕｉｄｉｃ Ｓｙｓｔｅｍ，ａｎｄ ａ Ｆｌｏｗ Ｃｅｌｌ Ｌａｔｃｈ Ｃｌａｍｐ Ｍｏｄｕｌｅ」と題する米国特許非仮出願第１５／９３６，３６５号、
２０１９年９月１１日に出願された「Ｆｌｏｗ Ｃｅｌｌｓ ａｎｄ Ｍｅｔｈｏｄｓ Ｒｅｌａｔｅｄ ｔｏ Ｓａｍｅ」と題する米国特許非仮出願第１６／５６７，２２４号、
２０１９年６月１２日に出願された「Ｄｅｖｉｃｅ ｆｏｒ Ｌｕｍｉｎｅｓｃｅｎｔ Ｉｍａｇｉｎｇ」と題する米国特許非仮出願第１６／４３９，６３５号、
２０１７年５月１２日に出願された「Ｉｎｔｅｇｒａｔｅｄ Ｏｐｔｏｅｌｅｃｔｒｏｎｉｃ Ｒｅａｄ Ｈｅａｄ ａｎｄ Ｆｌｕｉｄｉｃ Ｃａｒｔｒｉｄｇｅ Ｕｓｅｆｕｌ ｆｏｒ Ｎｕｃｌｅｉｃ Ａｃｉｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１５／５９４，４１３号、
２０１９年３月１２日に出願された「Ｉｌｌｕｍｉｎａｔｉｏｎ ｆｏｒ Ｆｌｕｏｒｅｓｃｅｎｃｅ Ｉｍａｇｉｎｇ Ｕｓｉｎｇ Ｏｂｊｅｃｔｉｖｅ Ｌｅｎｓ」と題する米国特許非仮出願第１６／３５１，１９３号、
２００９年１２月１５日に出願された「Ｄｙｎａｍｉｃ Ａｕｔｏｆｏｃｕｓ Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ａｓｓａｙ Ｉｍａｇｅｒ」と題する米国特許非仮出願第１２／６３８，７７０号、
２０１３年３月１日に出願された「Ｋｉｎｅｔｉｃ Ｅｘｃｌｕｓｉｏｎ Ａｍｐｌｉｆｉｃａｔｉｏｎ ｏｆ Ｎｕｃｌｅｉｃ Ａｃｉｄ Ｌｉｂｒａｒｉｅｓ」と題する米国特許非仮出願第１３／７８３，０４３号、
２０１１年１月１３日に出願された「Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄｓ」と題する米国特許非仮出願第１３／００６，２０６号、
２０１４年１０月３１日に出願された「Ｉｍａｇｅ Ａｎａｌｙｓｉｓ Ｕｓｅｆｕｌ ｆｏｒ Ｐａｔｔｅｒｎｅｄ Ｏｂｊｅｃｔｓ」と題する米国特許非仮出願第１４／５３０，２９９号、
２０１４年１２月３日に出願された「Ｍｅｔｈｏｄｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ａｎａｌｙｚｉｎｇ Ｉｍａｇｅ Ｄａｔａ」と題する米国特許非仮出願第１５／１５３，９５３号、
２０１３年９月６日に出願された「Ｃｅｎｔｒｏｉｄ Ｍａｒｋｅｒｓ ｆｏｒ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ ｏｆ Ｈｉｇｈ Ｄｅｎｓｉｔｙ Ｃｌｕｓｔｅｒｓ Ｉｎ Ｃｏｍｐｌｅｘ Ｐｏｌｙｎｕｃｌｅｏｔｉｄｅ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１４／０２０，５７０号、
２０１４年１０月３１日に出願された「Ｉｍａｇｅ Ａｎａｌｙｓｉｓ Ｕｓｅｆｕｌ ｆｏｒ Ｐａｔｔｅｒｎｅｄ Ｏｂｊｅｃｔｓ」と題する米国特許非仮出願第１４／５３０，２９９号、
２００９年９月２３日に出願された「Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ ｆｏｒ Ｄｅｔｅｒｍｉｎｉｎｇ ｔｈｅ Ａｃｃｕｒａｃｙ ｏｆ ＤＮＡ Ｂａｓｅ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｓ」と題する米国特許非仮出願第１２／５６５，３４１号、
２００７年３月３０日に出願された「Ｓｙｓｔｅｍｓ ａｎｄ Ｄｅｖｉｃｅｓ ｆｏｒ Ｓｅｑｕｅｎｃｅ ｂｙ Ｓｙｎｔｈｅｓｉｓ Ａｎａｌｙｓｉｓ」と題する米国特許非仮出願第１２／２９５，３３７号、
２００８年１月２８日に出願された「Ｉｍａｇｅ Ｄａｔａ Ｅｆｆｉｃｉｅｎｔ Ｇｅｎｅｔｉｃ Ｓｅｑｕｅｎｃｉｎｇ Ｍｅｔｈｏｄ ａｎｄ Ｓｙｓｔｅｍ」と題する米国特許非仮出願第１２／０２０，７３９号、
２０１３年３月１５日に出願された「Ｂｉｏｓｅｎｓｏｒｓ ｆｏｒ Ｂｉｏｌｏｇｉｃａｌ ｏｒ Ｃｈｅｍｉｃａｌ Ａｎａｌｙｓｉｓ ａｎｄ Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ Ｓａｍｅ」と題する米国特許非仮出願第１３／８３３，６１９号（代理人整理番号ＩＰ－０６２６－ＵＳ）、
２０１６年６月７日に出願された「Ｂｉｏｓｅｎｓｏｒｓ ｆｏｒ Ｂｉｏｌｏｇｉｃａｌ ｏｒ Ｃｈｅｍｉｃａｌ Ａｎａｌｙｓｉｓ ａｎｄ Ｍｅｔｈｏｄｓ ｏｆ Ｍａｎｕｆａｃｔｕｒｉｎｇ ｔｈｅ Ｓａｍｅ」と題する米国特許非仮出願第１５／１７５，４８９号（代理人整理番号ＩＰ－０６８９－ＵＳ）、
２０１３年４月２６日に出願された「Ｍｉｃｒｏｄｅｖｉｃｅｓ ａｎｄ Ｂｉｏｓｅｎｓｏｒ Ｃａｒｔｒｉｄｇｅｓ ｆｏｒ Ｂｉｏｌｏｇｉｃａｌ ｏｒ Ｃｈｅｍｉｃａｌ Ａｎａｌｙｓｉｓ ａｎｄ Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ ｆｏｒ ｔｈｅ Ｓａｍｅ」と題する米国特許非仮出願第１３／８８２，０８８号（代理人整理番号ＩＰ－０４６２－ＵＳ）、
２０１２年９月２１日に出願された「Ｍｅｔｈｏｄｓ ａｎｄ Ｃｏｍｐｏｓｉｔｉｏｎｓ ｆｏｒ Ｎｕｃｌｅｉｃ Ａｃｉｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１３／６２４，２００号（代理人整理番号ＩＰ－０５３８－ＵＳ）、
２０１９年３月２１日に出願された「Ｔｒａｉｎｉｎｇ Ｄａｔａ Ｇｅｎｅｒａｔｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許仮出願第６２／８２１，６０２号（代理人整理番号ＩＬＬＭ１００８－１／ＩＰ－１６９３－ＰＲＶ）、
２０１９年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｓｅｑｕｅｎｃｉｎｇ Ｍｅｔａｄａｔａ」と題する米国特許仮出願第６２／８２１，６１８号（代理人整理番号ＩＬＬＭ１００８－３／ＩＰ－１７４１－ＰＲＶ）、
２０１９年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許仮出願第６２／８２１，６８１号（代理人整理番号ＩＬＬＭ１００８－４／ＩＰ－１７４４－ＰＲＶ）、
２０１９年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｑｕａｌｉｔｙ Ｓｃｏｒｉｎｇ」と題する米国特許仮出願第６２／８２１，７２４号（代理人整理番号ＩＬＬＭ１００８－７／ＩＰ－１７４７－ＰＲＶ）、
２０１９年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許仮出願第６２／８２１，７６６号（代理人整理番号ＩＬＬＭ１００８－９／ＩＰ－１７５２－ＰＲＶ）、
２０１９年６月１４日に出願された「Ｔｒａｉｎｉｎｇ Ｄａｔａ Ｇｅｎｅｒａｔｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する蘭国特許出願第２０２３３１０号（代理人整理番号ＩＬＬＭ１００８－１１／ＩＰ－１６９３－ＮＬ）、
２０１９年６月１４日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｇｅｎｅｒａｔｉｏｎ ｏｆ Ｓｅｑｕｅｎｃｉｎｇ Ｍｅｔａｄａｔａ」と題する蘭国特許出願第２０２３３１１号（代理人整理番号ＩＬＬＭ１００８－１２／ＩＰ－１７４１－ＮＬ）、
２０１９年６月１４日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する蘭国特許出願第２０２３３１２号（代理人整理番号ＩＬＬＭ１００８－１３／ＩＰ－１７４４－ＮＬ）、
２０１９年６月１４日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｑｕａｌｉｔｙ Ｓｃｏｒｉｎｇ」と題する蘭国特許出願第２０２３３１４号（代理人整理番号ＩＬＬＭ１００８－１４／ＩＰ－１７４７－ＮＬ）、
２０１９年６月１４日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する蘭国特許出願第２０２３３１６号（代理人整理番号ＩＬＬＭ１００８－１５／ＩＰ－１７５２－ＮＬ）、
２０２０年３月２０日に出願された「Ｔｒａｉｎｉｎｇ Ｄａｔａ Ｇｅｎｅｒａｔｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８２５，９８７号（代理人整理番号ＩＬＬＭ１００８－１６／ＩＰ－１６９３－ＵＳ）、
２０２０年３月２０日に出願された「Ｔｒａｉｎｉｎｇ Ｄａｔａ Ｇｅｎｅｒａｔｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８２５，９９１号（代理人整理番号ＩＬＬＭ１００８－１７／ＩＰ－１７４１－ＵＳ）、
２０２０年３月２０日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許非仮出願第１６／８２６，１２６号（代理人整理番号ＩＬＬＭ１００８－１８／ＩＰ－１７４４－ＵＳ）、
２０２０年３月２０日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｑｕａｌｉｔｙ Ｓｃｏｒｉｎｇ」と題する米国特許非仮出願第１６／８２６，１３４号（代理人整理番号ＩＬＬＭ１００８－１９／ＩＰ－１７４７－ＵＳ）、
２０２０年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８２６，１６８号（代理人整理番号ＩＬＬＭ１００８－２０／ＩＰ－１７５２－ＰＲＶ）、
２０１９年５月１６日に出願された「Ｓｙｓｔｅｍｓ ａｎｄ Ｄｅｖｉｃｅｓ ｆｏｒ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ａｎａｌｙｓｉｓ ｏｆ Ｐｉｘｅｌ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許仮出願第６２／８４９，０９１号（代理人整理番号ＩＬＬＭ１０１１－１／ＩＰ－１７５０－ＰＲＶ）、
２０１９年５月１６日に出願された「Ｂａｓｅ Ｃａｌｌｉｎｇ Ｕｓｉｎｇ Ｃｏｎｖｏｌｕｔｉｏｎｓ」と題する米国特許仮出願第６２／８４９，１３２号（代理人整理番号ＩＬＬＭ１０１１－２／ＩＰ－１７５０－ＰＲ２）、
２０１９年５月１６日に出願された「Ｂａｓｅ Ｃａｌｌｉｎｇ Ｕｓｉｎｇ Ｃｏｍｐａｃｔ Ｃｏｎｖｏｌｕｔｉｏｎｓ」と題する米国特許仮出願第６２／８４９，１３３号（代理人整理番号ＩＬＬＭ１０１１－３／ＩＰ－１７５０－ＰＲ３）、
２０２０年２月２０日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ ｏｆ Ｉｎｄｅｘ Ｓｅｑｕｅｎｃｅｓ」と題する米国特許仮出願第６２／９７９，３８４号（代理人整理番号ＩＬＬＭ１０１５－１／ＩＰ－１８５７－ＰＲＶ）、
２０２０年２月２０日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｍａｎｙ－Ｔｏ－Ｍａｎｙ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許仮出願第６２／９７９，４１４号（代理人整理番号ＩＬＬＭ１０１６－１／ＩＰ－１８５８－ＰＲＶ）、
２０２０年２月２０日に出願された「Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｔｉｌｌａｔｉｏｎ－Ｂａｓｅｄ Ｃｏｍｐｒｅｓｓｉｏｎ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｅｒ」と題する米国特許仮出願第６２／９７９，３８５号（代理人整理番号ＩＬＬＭ１０１７－１／ＩＰ－１８５９－ＰＲＶ）、
２０２０年２月２０日に出願された「Ｍｕｌｔｉ－Ｃｙｃｌｅ Ｃｌｕｓｔｅｒ Ｂａｓｅｄ Ｒｅａｌ Ｔｉｍｅ Ａｎａｌｙｓｉｓ Ｓｙｓｔｅｍ」と題する米国特許仮出願第６２／９７９，４１２号（代理人整理番号ＩＬＬＭ１０２０－１／ＩＰ－１８６６－ＰＲＶ）、
２０２０年２月２０日に出願された「Ｄａｔａ Ｃｏｍｐｒｅｓｓｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許仮出願第６２／９７９，４１１号（代理人整理番号ＩＬＬＭ１０２９－１／ＩＰ－１９６４－ＰＲＶ）、
２０２０年５月５日に出願された「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題する米国特許非仮出願第６３／０２０，４４９号（代理人整理番号ＩＬＬＭ １０３２－１／ＩＰ－１９９１－ＰＲＶ）、
２０２１年５月４日に出願された「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題する米国特許非仮出願第１７／３０８，０３５号（代理人整理番号ＩＬＬＭ １０３２－２／ＩＰ－１９９１－ＵＳ）、及び
２０２０年２月２０日に出願された「Ｓｑｕｅｅｚｉｎｇ Ｌａｙｅｒ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ」と題する米国特許仮出願第６２／９７９，３９９号（代理人整理番号ＩＬＬＭ１０３０－１／ＩＰ－１９８２－ＰＲＶ）。

【背景技術】

【0007】

本セクションで論じられる主題は、単に本セクションにおける言及の結果として、先行技術であると想定されるべきではない。同様に、本セクションで言及した問題、又は背景として提供された主題と関連付けられた問題は、先行技術において以前に認識されていると想定されるべきではない。本セクションの主題は、単に異なるアプローチを表し、それ自体はまた、特許請求される技術の実施態様に対応し得る。

【0008】

計算能力の急速な改善により、近年、多くのコンピュータビジョンタスクにおいて、深層畳み込みニューラルネットワーク（Convolution Neural Network、ＣＮＮ）が、著しく改善された精度で、大成功を収めることが可能となった。推論段階の間、多くのアプリケーションは、厳密な電力消費要件を伴う、１つの画像の低遅延の処理を必要とし、これにより、グラフィックス処理ユニット（Graphics Processing Unit、ＧＰＵ）及び他の汎用プラットフォームの効率が低下し、そのことは、特定のアクセレレーションハードウェア、例えば、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array、ＦＰＧＡ）にとっては、深層学習アルゴリズムの推論に特に効果的となるようにデジタル回路をカスタマイズすることによって、好機をもたらすこととなる。しかしながら、携帯型及び埋め込み式システムにＣＮＮを配備することは、大きいデータ量、集中的な計算、様々なアルゴリズム構造、及び頻繁なメモリアクセスのために依然として困難である。

【0009】

畳み込みが、ＣＮＮにおけるほとんどの演算を提供するので、畳み込みアクセレレーションスキームが、ハードウェアＣＮＮアクセラレータの効率及び性能に大きく影響することになる。畳み込みは、カーネル及び特徴マップに沿ってスライドする４つのレベルのループを伴う、積和（multiply and accumulate、ＭＡＣ）演算を含む。第１のループレベルは、１つのカーネルウィンドウ内のピクセルのＭＡＣを計算する。第２のループレベルは、様々な異なる入力特徴マップにわたるＭＡＣの積の和を累積する。第１及び第２のループレベルを完了した後、バイアスを追加することにより、出力特徴マップ内の最終出力要素が得られる。第３のループレベルは、入力特徴マップ内で、カーネルウィンドウをスライドさせる。第４のループレベルは、様々な異なる出力特徴マップを発生させる。

【0010】

ＦＰＧＡは、特に、推論タスクを加速化するために、より多くの関心を集め、より広く普及してきた。それは、ＦＰＧＡが、（１）再構成可能性が高く、（２）ＣＮＮの急速な進化にキャッチアップするために必要な開発時間の速さという点で、特定用途向け集積回路（Application Specific Integrated Circuit、ＡＳＩＣ）と比較して優れており、（３）良好な性能を有し、（４）ＧＰＵと比較して、エネルギー効率が優れている、ということに起因する。ＦＰＧＡの高い性能及び高い効率性は、特定の計算のためにカスタマイズされた回路を合成して、カスタマイズされたメモリシステムで数十億回の演算を直接処理することによって実現することができる。例えば、現代のＦＰＧＡにおける数百から数千のデジタル信号処理（digital signal processing、ＤＳＰ）ブロックは、コア畳み込み演算、例えば、高度の並列処理を伴う積和演算をサポートする。外部オンチップメモリとオンチッププロセッシングエンジン（processing engine、ＰＥ）と間の専用データバッファは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）チップ上に、数十メガバイトのオンチップブロックランダムアクセスメモリ（block random access memory、ＢＲＡＭ）を構成することにより、優先データフローを実現するように設計することができる。

【0011】

高性能を達成するためにリソース利用を最大化しながら、データ通信を最小限に抑えるために、ＣＮＮアクセレレーションの効率的なデータフロー及びハードウェアアーキテクチャが望まれている。アクセレレーションハードウェア上の様々なＣＮＮアルゴリズムの推論プロセスを加速化し、高い性能、高い効率、及び高い柔軟性を実現するための方法論及びフレームワークを設計するための好機が生じることとなる。ＣＮＮアルゴリズム及び他の機械学習アルゴリズムは、生物学的配列決定マシンを使用した未知のヌクレオチドのベースコール（例えば、Ａ、Ｃ、Ｔ、又はＧ）を含む、様々なアプリケーション領域に適用することができる。

【0012】

生物学的又は化学的研究における様々なプロトコルは、局所支持体表面上又は所定の反応チャンバ内で多数の制御された反応を実施することを含む。次いで、所望の反応を観察又は検出することができ、その後の分析は、反応に関与する化学物質の特性を同定又は明らかにするのに役立ち得る。例えば、いくつかの多重アッセイにおいて、識別可能な標識（例えば、蛍光標識）を有する未知の分析物は、制御された条件下で何千もの既知のプローブに曝露され得る。各既知のプローブは、マイクロプレートの対応するウェル内に堆積させることができる。既知のプローブとウェル内の未知の分析物との間で起こる任意の化学反応を観察することは、分析物の特性を同定又は明らかにするのを補助することができる。そのようなプロトコルの他の例としては、合成による配列決定又は環状アレイ配列決定などの、既知のＤＮＡ配列決定プロセスが挙げられる。環状アレイ配列決定において、ＤＮＡ特徴部（例えば、テンプレート核酸）の高密度アレイは、酵素的操作の反復サイクルを通して配列決定される。各サイクルの後、画像を捕捉し、続いて、他の画像を用いて分析して、ＤＮＡ特徴の配列を判定することができる。

【0013】

より具体的な例として、１つの既知のＤＮＡ配列決定システムは、パイロ配列決定プロセスを使用し、数百万のウェルを有する融合光ファイバフェースプレートを有するチップを含む。目的のゲノムからクローン的に増幅されたｓｓｔＤＮＡを有する単一捕捉ビーズを各ウェルに沈着させる。捕獲ビーズがウェル中に堆積された後、特異的ヌクレオチドを含む溶液をフェースプレートに沿って流すことによって、ヌクレオチドがウェルに連続的に添加される。ウェル内の環境は、特定のウェルを通って流れるヌクレオチドが対応する捕獲ビーズ上のＤＮＡ鎖を相補する場合、ヌクレオチドがＤＮＡ鎖に付加されるようなものである。ＤＮＡ鎖のコロニーはクラスタと呼ばれる。クラスタへのヌクレオチドの取り込みは、最終的に化学発光信号を生成するプロセスを開始する。システムは、フェースプレートに直接隣接して位置決めされ、ウェル中のＤＮＡクラスタからの光信号を検出するように構成されたＣＣＤカメラを含む。パイロ配列決定プロセス全体を通して得られた画像のその後の分析により、目的のゲノムの配列を判定することができる。

【0014】

しかしながら、上記パイロ配列決定システムは、他のシステムに加えて、特定の制限を有し得る。例えば、光ファイバのフェースプレートは酸エッチングされ、何百万もの小さいウェルを形成する。ウェルは、互いにほぼ間隔を置いて配置され得るが、他の隣接するウェルに関してウェルの正確な場所を知ることは困難である。ＣＣＤカメラがフェースプレートに直接隣接して位置決めされる場合、ウェルはＣＣＤカメラのピクセルに沿って均等に分布されず、したがって、ウェルはピクセルと既知の様式では位置合わせされない。空間クロストークは、隣接するウェル間のウェル間クロストークであり、対象のウェルからの真の光信号と他の不要な光信号とを後続の分析において区別することを困難にする。また、蛍光発光は実質的に等方性である。分析物の密度が増加するにつれて、隣接する分析物からの望ましくない発光（例えば、クロストーク）を管理又は説明することはますます困難になる。結果として、配列決定サイクルの間に記録されたデータは注意深く分析する必要がある。

【0015】

ベースコール精度は、高処理能力ＤＮＡ配列決定及びリードマッピング及びゲノムアセンブリなどの下流分析にとって極めて重要である。隣接クラスタ間の空間クロストークは、配列決定誤差の大部分を説明する。したがって、クラスタ強度データにおける空間クロストークを補正することにより、ＤＮＡ配列決定誤差を減少させ、ベースコール精度を改善する機会が生じる。

【図面の簡単な説明】

【0016】

図面では、同様の参照文字は、概して、異なる図全体を通して同様の部分を指す。また、図面は必ずしも縮尺通りではなく、その代わりに、開示された技術の原理を例示することを強調している。以下の説明では、開示される技術の様々な実施態様は、以下の図面を参照して記載される。

【図1】様々な実施形態で使用することができるバイオセンサの断面図を示す。

【図2】そのタイル内にクラスタを含むフローセルの一実施態様を示す。

【図3】８つのレーンを有する例示的なフローセルを示し、１つのタイル及びそのクラスタ及びそれらの周囲の背景のズームインも示す。

【図4】ベースコールセンサ出力など、配列決定システムからのセンサデータの分析のためのシステムの簡略ブロック図である。

【図5】ホストプロセッサによって実行されるランタイムプログラムの機能を含む、ベースコール動作の態様を示す簡略図である。

【図6】図４の構成可能なプロセッサなど、構成可能なプロセッサの構成の簡略図である。

【図7】鮮鋭化マスクを生成及び／又は更新するシステムを示す。

【図8A】フローセルの対応する領域に対して生成された配列決定画像の対応するセクションに使用される複数の鮮鋭化マスクを示し、フローセルの各タイルは３×３のサブタイル領域に分割され、各サブタイル領域は、１つ以上の対応する鮮鋭化マスクを割り当てられる。

【図8B】フローセルの対応する領域に対して生成された配列決定画像の対応するセクションに使用される複数の鮮鋭化マスクを示し、フローセルの各タイルは１×９のサブタイル領域に分割され、各サブタイル領域は、１つ以上の対応する鮮鋭化マスクを割り当てられる。

【図8C】フローセルの対応する領域に対して生成された配列決定画像の対応するセクションに使用される複数の鮮鋭化マスクを示し、フローセルの各タイルは複数の周期的に生じるサブタイル領域に分割され、タイル内に周期的に生じる同様のサブ領域には、１つ以上の対応する鮮鋭化マスクを割り当てられる。

【図9A】訓練中の誤差計算のためのグラウンドトゥルース値として使用される塩基ごとの標的を中心に含む塩基ごとのガウスフィットの一実施態様を示す。

【図9B】ベースコーラーを訓練するために使用することができる適合技法の一実施態様を示す。

【図10A】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10B】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10C】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10D】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10E】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10F】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10G】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10H】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10I】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10J】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図10K】訓練された鮮鋭化マスクを使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。

【図11A】１つ以上の重み付けされた特徴値をクラスタに割り当てるための、配列決定画像の少なくとも１つのセクションの畳み込み及び後続の補間に基づくベースコール、並びに割り当てられた１つ以上の重み付けされた特徴値に基づくクラスタのベースコールの方法を示す。

【図11B】鮮鋭化マスクを使用する開示される強度抽出技法と、ベースコールに関連付けられた様々な他の強度抽出技法の性能結果の比較を示す。

【図11C】鮮鋭化マスクを使用する開示される技法と、ベースコールの様々な他の技法との他の性能結果の比較を示す。

【図12】１つ以上の重み付けされた特徴値をクラスタに割り当てるための、配列決定画像の少なくとも１つのセクションの畳み込み及び後続の補間に基づくベースコール、並びに割り当てられた１つ以上の重み付けされた特徴値に付けされた特徴値に基づくクラスタのベースコールの方法を示し、鮮鋭化マスクの係数は、配列決定動作中に適合的に更新される。

【図13】強度抽出に使用される鮮鋭化マスクの係数の適合を示す。

【図14】鮮鋭化マスク及び適合を使用する開示される強度抽出技法と、適合を使用しない別の強度抽出技法の性能結果の比較を示す。

【図15】鮮鋭化マスク及び適合を使用する開示される強度抽出技法と、適合を使用しない別の強度抽出技法の性能結果の比較を示す。

【図16】開示される技術を実装するために使用され得るコンピュータシステムである。

【発明を実施するための形態】

【0017】

以下の説明は、典型的には、特定の構造的実施態様及び方法を参照して行われる。本技術を具体的に開示された実施態様及び方法に限定する意図はないが、本技術は他の特徴、要素、方法及び実施態様を用いて実施することができることを理解されたい。好ましい実施態様は、特許請求の範囲によって定義される範囲を限定するためではなく、本技術を説明するために記載される。当業者は、以下の説明に対する様々な等価な変形を認識するであろう。

【0018】

本明細書で使用するとき、「ポリヌクレオチド」又は「核酸」という用語は、デオキシリボ核酸（deoxyribonucleic acid、ＤＮＡ）を指し、しかしながら、適切な場合には、当業者は、本明細書のシステム及びデバイスをリボ核酸（ribonucleic acid、ＲＮＡ）とともに利用することもできることを認識するであろう。これらの用語は、同等物として、ヌクレオチド類似体から作製されるＤＮＡ又はＲＮＡのいずれかの類似体を含むと理解されるべきである。本明細書で使用する用語はまた、例えば逆転写酵素の作用によって、ＲＮＡテンプレートから作り出される相補的又はコピーＤＮＡであるｃＤＮＡも包含する。

【0019】

本明細書のシステム及びデバイスによって配列決定される一本鎖ポリヌクレオチド分子は、ＤＮＡ若しくはＲＮＡとして一本鎖形態で起源を有するか、又は二本鎖ＤＮＡ（ｄｓＤＮＡ）形態（例えば、ゲノムＤＮＡ断片、ＰＣＲ及び増幅産物など）で起源を有することができる。したがって、一本鎖ポリヌクレオチドは、ポリヌクレオチド二重鎖のセンス鎖又はアンチセンス鎖であり得る。標準的な技法を使用した本開示の方法における使用に好適な一本鎖ポリヌクレオチド分子の調製方法は、当該技術分野で既知である。一次ポリヌクレオチド分子の正確な配列は、一般に、本開示に重要ではなく、既知又は不明であり得る。一本鎖ポリヌクレオチド分子は、イントロン及びエクソン配列（コード配列）の両方、並びにプロモーター及びエンハンサー配列などの非コード調節配列を含む、ゲノムＤＮＡ分子（例えば、ヒトゲノムＤＮＡ）を表すことができる。

【0020】

特定の実施形態では、現在の開示の使用により配列決定される核酸は、基材（例えば、フローセル内の基材又はフローセルなどの基材上の１つ以上のビーズなど）に固定化される。本明細書で使用する用語「固定化された」は、明示的又は文脈によって別途示されない限り、直接的又は間接的な、共有付着又は非共有付着を包含することを意図する。特定の実施形態では、共有結合が好ましいことがあるが、一般的に、必要とされるのは、例えば、核酸配列決定を必要とする用途において、支持体を使用することが意図される条件下で、分子（例えば、核酸）が、支持体に固定化されたままである又は結合したままであるということである。

【0021】

本明細書で使用する用語「固体支持体」（又は特定の使用法では「基材」）は、例えば、ガラス表面、プラスチック表面、ラテックス、デキストラン、ポリスチレン表面、ポリプロピレン表面、ポリアクリルアミドゲル、金表面、及びシリコンウェハなどの、核酸が付着し得る任意の不活性基材又はマトリックスを指す。多くの実施形態では、固体支持体は、ガラス表面（例えば、フローセルチャネルの平面）である。特定の実施形態では、固体支持体は、例えば、ポリヌクレオチドなどの分子への共有付着を可能にする反応性基を含む中間材料の層又はコーティングを適用することによって、「官能化」されている不活性基材又はマトリックスを含み得る。非限定的な例として、そのような支持体は、ガラスなどの不活性基材上に支持されたポリアクリルアミドヒドロゲルを含むことができる。そのような実施形態では、分子（ポリヌクレオチド）は、中間材料（例えば、ヒドロゲル）に直接共有付着され得るが、中間材料は、それ自体が基材又はマトリックス（例えば、ガラス基材）に非共有結合することができる。固体支持体への共有結合は、このタイプの構成を包含するように適宜解釈されるべきである。

【0022】

上記のように、本開示は、核酸を配列決定するための新規のシステム及びデバイスを含む。当業者に明らかであるように、特定の核酸配列への本明細書の言及は、文脈に依存して、このような核酸配列を含む核酸分子もまた指し得る。標的断片の配列決定は、塩基の時系列順の読み取りが確立されることを意味する。読み取られる塩基は、連続している必要はなく、これが好ましいが、配列決定中に全断片上の全ての塩基が配列決定される必要もない。配列決定は、任意の好適な配列決定技法を使用して実行され得、ヌクレオチド又はオリゴヌクレオチドは、遊離３’ヒドロキシル基に連続的に添加され、５’から３’方向でのポリヌクレオチド鎖の合成をもたらす。付加されたヌクレオチドの性質は、好ましくは、各ヌクレオチド付加後に判定される。全ての連続塩基が配列決定されるわけではないライゲーションによる配列決定を使用する配列決定技法、及び表面上の鎖に塩基が付加されるのではなく鎖から塩基が除去される超並列シグネチャー配列決定（ＭＰＳＳ）などの技法も、本開示のシステム及びデバイスとともに使用するのに修正可能である。

【0023】

特定の実施形態では、本開示は、合成による配列決定（sequencing-by-synthesis、ＳＢＳ）を開示する。ＳＢＳでは、４つの蛍光標識された修飾ヌクレオチドを使用して、基材（例えば、フローセル）の表面上に存在する増幅されたＤＮＡの高密度クラスタ（おそらく数百万のクラスタ）を配列決定する。本明細書のシステム及びデバイスとともに利用され得るＳＢＳ手順及び方法に関する様々な付加的態様は、例えば、国際公開第０号４０１８４９７、国際公開第０４０１８４９３号及び米国特許第７，０５７，０２６号（ヌクレオチド）、国際公開第０５０２４０１０号及び国際公開第０６１２０４３３号（ポリメラーゼ）、国際公開第０５０６５８１４号（表面付着技法）、並びに国際公開第９８４４１５１号、国際公開第０６０６４１９９号及び国際公開第０７０１０２５１号に開示されており、これらの各々の内容は、参照することによってその全体として本明細書に組み込まれる。

【0024】

本明細書のシステム／デバイスの特定の使用において、配列決定のための核酸試料を含有するフローセルは、適切なフローセルホルダー内に置かれる。配列決定のための試料は、単一分子、クラスタの形態の増幅された単一分子、又は核酸の分子を含むビーズの形態をとることができる。核酸は、未知の標的配列に隣接するオリゴヌクレオチドプライマーを含むように調製される。第１のＳＢＳ配列決定サイクルを開始するために、１つ以上の異なって標識されたヌクレオチド、及びＤＮＡポリメラーゼなどが、流体フローサブシステム（その様々な実施形態が本明細書に記載されている）によってフローセル内に／フローセルを通って流される。単一のヌクレオチドが一度に追加され得るか、又は配列決定手順で使用されるヌクレオチドが可逆終端特性を有するように特別に設計され得、したがって、配列決定反応の各サイクルが、全ての４個の標識されたヌクレオチド（例えば、Ａ、Ｃ、Ｔ、Ｇ）の存在下で同時に生じることを可能にする。４個のヌクレオチドが一緒に混合される場合、ポリメラーゼは、正しい塩基を選択して組み込むことができ、各配列は、単一の塩基によって伸長される。システムを使用するそのような方法では、４つ全ての選択肢の間の自然な競合は、１つのヌクレオチドのみが反応混合物中に存在する場合（したがって、配列の大部分が正しいヌクレオチドに曝露されない場合）よりも高い精度をもたらす。特定の塩基が次々に繰り返される配列（例えばホモポリマー）は、任意の他の配列と同様に、高い精度で対処される。

【0025】

流体フローサブシステムはまた、ブロックされた３’末端（適切な場合）及びフルオロフォアを各組み込まれた塩基から除去するために、適切な試薬を流す。基材は、４つのブロックされたヌクレオチドの第２ラウンド、又は任意選択的に、異なる個々のヌクレオチドを用いた第２ラウンドのいずれかに曝露され得る。次いで、このようなサイクルが繰り返され、各クラスタの配列が複数の化学サイクルにわたって読み取られる。本開示のコンピュータ態様は、任意選択的に、各単一分子、クラスタ又はビーズから収集された配列データを位置合わせして、より長いポリマーなどの配列を判定することができる。あるいは、画像処理及び位置合わせは、別個のコンピュータ上で実行することができる。

【0026】

システムの加熱／冷却構成要素が、フローセルチャネル及び試薬貯蔵領域／容器（並びに任意選択的にカメラ、光学系、及び／又は他の構成要素）内の反応条件を調節する一方、流体流構成要素は、取り込まれなかった試薬が洗い流される間に、基材表面が取り込みに好適な試薬（例えば、取り込まれる適切な蛍光標識されたヌクレオチド）に曝露されることを可能にする。フローセルが置かれる任意選択的に移動可能なステージは、フローセルが基材のレーザ（又は他の光）励起のために適切な配向にされることを可能にし、任意選択的に、基材の異なる領域の読み取りを可能にするために対物レンズに対して移動されることを可能にする。追加的に、システムの他の構成要素もまた、任意選択的に移動可能／調整可能である（例えば、カメラ、対物レンズ、加熱器／冷却器など）。レーザ励起の間、基材上の核酸から放出された蛍光の画像／場所は、カメラ構成要素によって捕捉され、それによって、コンピュータ構成要素において、各単一分子、クラスタ又はビーズについての第１の塩基の同一性を記録する。

【0027】

本明細書に記載される実施形態は、学術分析又は商業的分析のための様々な生物学的又は化学的プロセス及びシステムにおいて使用されてもよい。より具体的には、本明細書に記載される実施形態は、所望の反応を示すイベント、特性、品質、又は特性を検出することが望ましい様々なプロセス及びシステムにおいて使用されてもよい。例えば、本明細書に記載される実施形態としては、カートリッジ、バイオセンサ、及びそれらの構成要素、並びにカートリッジ及びバイオセンサとともに動作するバイオアッセイシステムが挙げられる。特定の実施形態では、カートリッジ及びバイオセンサは、実質的に単一の構造で一緒に結合されたフローセル及び１つ以上のセンサ、ピクセル、光検出器、又はフォトダイオードを含む。

【0028】

特定の実施形態の以下の詳細な説明は、添付の図面と併せて読むと、より良く理解され得る。図が様々な実施形態の機能ブロックの図を示す限りにおいて、機能ブロックは、必ずしもハードウェア回路間の分割を示すものではない。したがって、例えば、機能ブロック（例えば、プロセッサ又はメモリ）のうちの１つ以上は、１つのハードウェア（例えば、汎用信号プロセッサ又はランダムアクセスメモリ、ハードディスクなど）で実装されてもよい。同様に、プログラムは、スタンドアロンプログラムであってもよく、オペレーティングシステム内のサブルーチンとして組み込まれてもよく、インストールされたソフトウェアパッケージ内の機能であってもよい、など。様々な実施形態は、図面に示された配置及び手段に限定されないことを理解されたい。

【0029】

本明細書で使用するとき、単数形で記載され、かつ単語「ａ」又は「ａｎ」に続く要素又は工程は、かかる除外が明示的に記載されていない限り、複数のこれらの要素又は工程を除外しないものとして理解されるべきである。更に、「一実施形態」への言及は、列挙された特徴をまた組み込む追加の実施形態の存在を除外するものとして解釈されることを意図するものではない。更に、反対に明示的に述べられていない限り、特定の特性を有する要素又は複数の要素を「備える」又は「有する」又は「含む」実施形態は、それらがその特性を有するかどうかに関わらず、追加の要素を含み得る。

【0030】

本明細書で使用するとき、「所望の反応」は、対象となる分析物の化学的、電気的、物理的、又は光学的特性（又は品質）のうちの少なくとも１つの変化を含む。特定の実施形態では、所望の反応は、正の結合事象である（例えば、蛍光標識された生体分子の対象となる分析物への組み込み）。より一般的には、所望の反応は、化学変換、化学変化、又は化学的相互作用であってもよい。所望の反応はまた、電気特性の変化であってもよい。例えば、所望の反応は、溶液内のイオン濃度の変化であってもよい。例示的な反応としては、還元、酸化、付加、脱離、再配列、エステル化、アミド化、エーテル化、環化、又は置換などの化学反応、第１の化学物質が第２の化学物質に結合する結合相互作用、２つ以上の化学物質が互いに分離する解離反応、蛍光、発光、生物発光、化学発光、並びに核酸複製、核酸増幅、核酸ハイブリダイゼーション、核酸ライゲーション、リン酸化、酵素触媒、受容体結合、又はリガンド結合などの生体反応、が挙げられるが、これらに限定されない。所望の反応はまた、例えば、周囲の溶液又は環境のｐＨの変化として検出可能である、プロトンの添加又は除去であってもよい。追加の所望の反応は、膜（例えば、天然又は合成二層膜）を横切るイオンの流れの検出であることができ、例えば、イオンが膜を通って流れるとき、電流が乱れ、この乱れが検出され得る。

【0031】

特定の実施形態では、所望の反応は、分析物への蛍光標識分子の組み込みを含む。分析物は、オリゴヌクレオチドであってもよく、蛍光標識分子は、ヌクレオチドであってもよい。所望の反応は、励起光が標識ヌクレオチドを有するオリゴヌクレオチドに方向付けられ、かつ蛍光団が検出可能な蛍光信号を発するときに、検出され得る。代替の実施形態では、検出された蛍光は、化学発光又は生物発光の結果である。所望の反応はまた、例えば、ドナーフルオロフォアをアクセプタ蛍光団に近接させることによって蛍光団（又はＦｏｒｓｔｅｒ）共鳴エネルギー移動（fluorescence resonance energy transfer、ＦＲＥＴ）を増加させることができ、ドナーとアクセプタ蛍光団とを離すことによってＦＲＥＴを減少させ、消光剤をフルオロフォアから離すことによって蛍光を増加させるか、又は消光剤及び蛍光団を共局在させることによって蛍光団を減少させることができる。

【0032】

本明細書で使用するとき、「反応成分」又は「反応物質」は、所望の反応を得るために使用され得る任意の物質を含む。例えば、反応成分としては、試薬、酵素、サンプル、他の生体分子、及び緩衝液が挙げられる。反応成分は、典型的には、溶液中の反応部位に送達され、及び／又は反応部位で固定される。反応成分は、対象となる分析物などの別の物質と直接又は間接的に相互作用し得る。

【0033】

本明細書で使用するとき、用語「反応部位」は、所望の反応が生じ得る局所的領域である。反応部位は、物質がその上に固定され得る基材の支持表面を含んでもよい。例えば、反応部位は、その上に核酸のコロニーを有するフローセルのチャネル内に実質的に平面状の表面を含んでもよい。常にではないが、典型的には、コロニー中の核酸は、同じ配列を有し、例えば、一本鎖又は二本鎖テンプレートのクローンコピーである。しかしながら、いくつかの実施形態では、反応部位は、例えば、一本鎖又は二本鎖形態で、単一の核酸分子のみを含有してもよい。更に、複数の反応部位は、支持表面に沿って不均一に分布してもよく、又は所定の様式で（例えば、マイクロアレイなどのマトリックス内で並列に）配置されてもよい。反応部位はまた、所望の反応を区画化するように構成された空間領域又は容積を少なくとも部分的に画定する反応チャンバ（又はウェル）を含むことができる。

【0034】

本出願は、用語「反応チャンバ」及び「ウェル」を互換的に使用する。本明細書で使用するとき、用語「反応チャンバ」又は「ウェル」は、フローチャネルと流体連通している空間領域を含む。反応チャンバは、周囲環境又は他の空間領域から少なくとも部分的に分離されてもよい。例えば、複数の反応チャンバは、共有された壁によって互いに分離されてもよい。より具体的な例として、反応チャンバは、ウェルの内面によって画定された空洞を含み、空洞がフローチャネルと流体連通しているように開口部又はアパーチャを有してもよい。そのような反応チャンバを含むバイオセンサは、２０１１年１０月２０日に出願された国際出願ＰＣＴ／ＵＳ２０１１／０５７１１１号により詳細に記載されており、その全体は参照により本明細書に組み込まれる。

【0035】

いくつかの実施形態では、反応チャンバは、固体がその中に完全に又は部分的に挿入され得るように、固体（半固体を含む）に対してサイズ及び形状を定められる。例えば、反応チャンバは、ただ１つの捕捉ビーズを収容するようにサイズ及び形状を定められ得る。捕捉ビーズは、クローン的に増幅されたＤＮＡ又はその上の他の物質を有してもよい。あるいは、反応チャンバは、おおよその数のビーズ又は固体基材を受容するようにサイズ及び形状を定められ得る。別の例として、反応チャンバはまた、反応チャンバに流入し得る拡散又はフィルタ流体を制御するように構成された多孔質ゲル又は物質で充填されてもよい。

【0036】

いくつかの実施形態では、センサ（例えば、光検出器、フォトダイオード）は、バイオセンサのサンプル表面の対応するピクセル領域に関連付けられている。したがって、ピクセル領域は、１つのセンサ（又はピクセル）のバイオセンサのサンプル表面上の領域を表す幾何学的構築物である。ピクセル領域に関連付けられたセンサは、関連するピクセル領域の上にある反応部位又は反応チャンバで所望の反応が生じたとき、関連するピクセル領域から収集された発光を検出する。平坦な表面の実施形態では、ピクセル領域は重なり合うことができる。いくつかの場合には、複数のセンサは、単一の反応部位又は単一の反応チャンバに関連付けられ得る。他の場合には、単一のセンサは、反応部位のグループ又は反応チャンバのグループに関連付けられ得る。

【0037】

本明細書で使用するとき、「バイオセンサ」は、複数の反応部位及び／又は反応チャンバ（若しくはウェル）を有する構造を含む。バイオセンサは、ソリッドステート撮像デバイス（例えば、ＣＣＤ又はＣＭＯＳイメージャ）及び、任意選択的に、それに取り付けられたフローセルを含んでもよい。フローセルは、反応部位及び／又は反応チャンバと流体連通している少なくとも１つのフローチャネルを含み得る。１つの特定の例として、バイオセンサは、バイオアッセイシステムに流体的かつ電気的に結合するように構成される。バイオアッセイシステムは、所定のプロトコル（例えば、合成による配列決定）に従って反応部位及び／又は反応チャンバに反応物質を送達し、複数の撮像イベントを実行してもよい。例えば、バイオアッセイシステムは、反応部位及び／又は反応チャンバに沿って流れるように溶液を方向付けることができる。溶液のうちの少なくとも１つは、同じ又は異なる蛍光標識を有する４タイプのヌクレオチドを含んでもよい。ヌクレオチドは、反応部位及び／又は反応チャンバに位置する対応するオリゴヌクレオチドに結合し得る。次いで、バイオアッセイシステムは、励起光源（例えば、発光ダイオード又はＬＥＤなどのソリッドステート光源）を使用して反応部位及び／又は反応チャンバを照明することができる。励起光は、波長の範囲を含む所定の波長又は複数の波長を有してもよい。励起された蛍光標識は、センサによって捕捉され得る発光信号を提供する。

【0038】

代替の実施形態では、バイオセンサは、他の識別可能な特性を検出するように構成された電極又は他のタイプのセンサを含み得る。例えば、センサは、イオン濃度の変化を検出するように構成され得る。別の例では、センサは、膜を横切るイオン電流の流れを検出するように構成され得る。

【0039】

本明細書で使用するとき、「クラスタ」は、類似又は同一の分子又はヌクレオチド配列又はＤＮＡ鎖のコロニーである。例えば、クラスタは、増幅オリゴヌクレオチド、又は同じ又は類似の配列を有するポリヌクレオチド又はポリペプチドの任意の他の群であり得る。他の実施形態では、クラスタは、サンプル表面上の物理的領域を占有する任意の要素又は要素群であり得る。実施形態では、クラスタは、ベースコールサイクル中に反応部位及び／又は反応チャンバに固定化される。

【0040】

本明細書で使用するとき、用語「固定化された」は、生体分子又は生物学的物質若しくは化学物質に関して使用されるとき、生体分子又は生物学的物質若しくは化学物質を分子レベルで表面に実質的に付着させることを含む。例えば、生体分子又は生物学的物質若しくは化学物質は、非共有結合（例えば、静電力、ファンデルワールス、及び疎水性界面の脱水）を含む吸着技法、並びに官能基又はリンカーが生体分子の表面への付着を促進する共有結合技法を含む吸着技術を用いて、基材物質の表面に固定化されてもよい。生体分子又は生物学的物質若しくは化学物質を基材物質の表面に固定化することは、基材表面の特性、生体分子又は生物学的物質若しくは化学物質を担持する液体媒体、並びに生体分子又は生物学的物質若しくは化学物質自体の特性に基づいてもよい。場合によっては、基材表面は、生体分子（又は生物学的物質又は化学物質）を表面に固定化するのを容易にするために、基材表面を官能化（例えば、化学的又は物理的に修飾）してもよい。基材表面は、表面に結合した官能基を有するように最初に修飾されてもよい。次いで、官能基は、生体分子又は生物学的物質若しくは化学物質に結合して、それらをその上に固定化し得る。物質は、例えば、参照により本明細書に組み込まれる米国特許出願公開第２０１１／００５９８６５（Ａ１）号に記載されているように、ゲルを介して表面に固定化され得る。

【0041】

いくつかの実施形態では、核酸は表面に付着され、ブリッジ増幅を使用して増幅することができる。有用なブリッジ増幅法は、例えば、米国特許第５，６４１，６５８号、国際公開第２００７／０１０２５１号、米国特許第６，０９０，５９２号、米国特許出願公開第２００２／００５５１００（Ａ１）号、米国特許第７，１１５，４００号、米国特許出願公開第２００４／００９６８５３（Ａ１）号、米国特許出願公開第２００４／０００２０９０（Ａ１）号、米国特許出願公開第２００７／０１２８６２４（Ａ１）号、及び米国特許出願公開第２００８／０００９４２０（Ａ１）号に記載されており、これらの各々は、その全体が本明細書に組み込まれる。表面上の核酸を増幅するための別の有用な方法は、例えば、以下で更に詳細に説明する方法を使用する、ローリングサークル増幅（Rolling Circle Amplification、ＲＣＡ）である。いくつかの実施形態では、核酸は、表面に付着され、１つ以上のプライマー対を使用して増幅され得る。例えば、プライマーのうちの１つは溶液中にあってもよく、他のプライマーは、表面上に固定化され得る（例えば、５’－付着）。例として、核酸分子は、表面上のプライマーのうちの１つにハイブリダイズし、続いて固定化プライマーを伸長させて、核酸の第１のコピーを作り出すことができる。溶液中のプライマーは、次いで、核酸の第１のコピーをテンプレートとして使用して伸長させることができる核酸の第１のコピーにハイブリダイズする。任意選択的に、核酸の第１のコピーが作り出された後、元の核酸分子は、表面上の第２の固定化プライマーにハイブリダイズすることができ、同時に、又は溶液中のプライマーが伸長された後に伸長され得る。任意の実施形態では、固定化プライマー及び溶液中のプライマーを使用する伸長の反復ラウンド（例えば、増幅）は、核酸の複数のコピーを提供する。

【0042】

特定の実施形態では、本明細書に記載されるシステム及び方法によって実行されるアッセイプロトコルは、天然ヌクレオチド、及び天然ヌクレオチドと相互作用するように構成された酵素の使用を含む。天然ヌクレオチドとしては、例えば、リボヌクレオチド（ＲＮＡ）又はデオキシリボヌクレオチド（ＤＮＡ）が挙げられる。天然ヌクレオチドは、一リン酸、二リン酸、又は三リン酸形態であってよく、アデニン（Ａ）、チミン（Ｔ）、ウラシル（Ｕ）、グアニン（Ｇ）、又はシトシン（Ｃ）から選択される塩基を有することができる。しかしながら、上記ヌクレオチドの非天然ヌクレオチド、修飾ヌクレオチド、又は類似体を使用することができることが理解されるであろう。有用な非天然ヌクレオチドのいくつかの例は、合成方法による可逆的ターミネーターベースの配列決定に関して以下に記載されている。

【0043】

反応チャンバを含む実施形態では、物品又は固体物質（半固体物質を含む）が、反応チャンバ内に配設され得る。配設される場合、物品又は固体は、干渉嵌合、接着、又は閉じ込めを介して反応チャンバ内に物理的に保持又は固定化され得る。反応チャンバ内に配設され得る例示的な物品又は固体としては、ポリマービーズ、ペレット、アガロースゲル、粉末、量子ドット、又は反応チャンバ内で圧縮及び／又は保持され得る他の固体が挙げられる。特定の実施形態では、ＤＮＡボールなどの核酸超構造は、例えば、反応チャンバの内面に取り付けることによって、又は反応チャンバ内に液体中に滞留することによって、反応チャンバ内に又は反応チャンバに配設することができる。ＤＮＡボール又は他の核酸超構造を事前成形し、次いで、反応チャンバ内に又は反応チャンバに配設することができる。あるいは、ＤＮＡボールは、反応チャンバにおいてその場で合成することができる。ＤＮＡボールは、ローリングサークル増幅によって合成して、特定の核酸配列のコンカテマーを作り出すことができ、コンカテマーは、比較的コンパクトなボールを形成する条件で処理することができる。ＤＮＡボール及びそれらの合成のための方法は、例えば、米国特許出願公開第２００８／０２４２５６０（Ａ１）号又は同第２００８／０２３４１３６（Ａ１）号に記載されており、それらの各々は、その全体が本明細書に組み込まれる。反応チャンバ内に保持又は配設された物質は、固体、液体、又は気体状態であり得る。

【0044】

本明細書で使用するとき、「ベースコール」は、核酸配列中のヌクレオチド塩基を識別する。ベースコールは、特定のサイクルにおいてあらゆるクラスタのベースコール（Ａ、Ｃ、Ｇ、Ｔ）を判定するプロセスを指す。一例として、ベースコールは、米国特許出願公開第２０１３／００７９２３２号の組み込まれた資料に記載されている４チャネル、２チャネル又は１チャネル方法及びシステムを利用して実行することができる。特定の実施形態では、ベースコールサイクルは、「サンプリングイベント」と呼ばれる。１色素及び２チャネル配列決定プロトコルでは、サンプリングイベントは、各段階でピクセル信号が発生するように、時系列で２つの照明段階を含む。第１の照明段階は、ＡＴピクセル信号においてヌクレオチド塩基Ａ及びＴを示す所与のクラスタからの照明を誘導し、第２の照明段階は、ＣＴピクセル信号においてヌクレオチド塩基Ｃ及びＴを示す所与のクラスタからの照明を誘導する。

【0045】

開示される技術、例えば開示されるベースコーラーは、中央処理ユニット（Central Processing Unit、ＣＰＵ）、グラフィック処理ユニット（Graphics Processing Unit、ＧＰＵ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、粗粒度再構成可能アーキテクチャ（Coarse-Grained Reconfigurable Architecture、ＣＧＲＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け命令セットプロセッサ（Application Specific Instruction-set Processor、ＡＳＩＰ）、及びデジタル信号プロセッサ（ＤＳＰ）のようなプロセッサ上で実装することができる。

【0046】

バイオセンサ
図１は、様々な実施形態で使用することができるバイオセンサ１００の断面図を示す。バイオセンサ１００は、ベースコールサイクル中に２つ以上のクラスタ（例えば、ピクセル領域当たり２つのクラスタ）をそれぞれ保持することができるピクセル領域１０６’、１０８’、１１０’、１１２’、及び１１４’を有する。示されるように、バイオセンサ１００は、サンプリングデバイス１０４上に取り付けられたフローセル１０２を含み得る。図示の実施形態では、フローセル１０２は、サンプリングデバイス１０４に直接固定される。しかしながら、代替の実施形態では、フローセル１０２は、サンプリングデバイス１０４に取り外し可能に結合され得る。サンプリングデバイス１０４は、官能化され得る（例えば、所望の反応を起こすのに好適な様式で化学的又は物理的に修飾され得る）サンプル表面１３４を有する。例えば、サンプル表面１３４は、官能化されてもよく、ベースコールサイクル中に２つ以上のクラスタをそれぞれ保持することができる（例えば、それに固定化された対応するクラスタ対１０６Ａ、１０６Ｂ、クラスタ対１０８Ａ、１０８Ｂ、クラスタ対１１０Ａ、１１０Ｂ、クラスタ対１１２Ａ、１１２Ｂ、及びクラスタ対１１４Ａ、１１４Ｂをそれぞれ有する）複数のピクセル領域１０６’、１０８’、１１０’、１１２’、及び１１４’を含み得る。各ピクセル領域は、対応するセンサ（又はピクセル若しくはフォトダイオード）１０６、１０８、１１０、１１２、及び１１４に関連付けられ、したがって、ピクセル領域によって受信された光は、対応するセンサによって捕捉される。ピクセル領域１０６’はまた、クラスタ対を保持する反応表面１３４上の対応する反応部位１０６”に関連付けられ得、したがって、反応部位１０６”から発光された光は、ピクセル領域１０６’によって受信され、対応するセンサ１０６によって捕捉される。この感知構造の結果として、ベースコールサイクル中に特定のセンサのピクセル領域に２つ以上のクラスタが存在する（例えば、対応するクラスタ対をそれぞれ有する）場合、そのベースコールサイクルにおけるピクセル信号は、２つ以上のクラスタの全てに基づく情報を搬送する。結果として、本明細書に記載の信号処理は、特定のベースコールサイクルの所与のサンプリングイベントにおいてピクセル信号より多くのクラスタが存在する、各クラスタを区別するために使用される。

【0047】

図示の実施形態では、フローセル１０２は、側壁１３８、１２５、及び側壁１３８、１２５によって支持されるフローカバー１３６を含む。側壁１３８、１２５は、サンプル表面１３４に結合され、フローカバー１３６と側壁１３８、１２５との間に延在する。いくつかの実施形態では、側壁１３８、１２５は、フローカバー１３６をサンプリングデバイス１０４に接合する硬化性接着剤層から形成される。

【0048】

側壁１３８、１２５は、フローカバー１３６とサンプリングデバイス１０４との間にフローチャネル１４４が存在するようにサイズ及び形状を定められる。フローカバー１３６は、バイオセンサ１００の外部からフローチャネル１４４に伝搬する励起光１０１に対して透明な材料を含み得る。一例では、励起光１０１は、非直交角度でフローカバー１３６に近づく。

【0049】

また図示のように、フローカバー１３６は、他のポート（図示せず）に流体的に係合するように構成された入口ポート及び出口ポート１４２、１４６を含み得る。例えば、これらの他のポートは、カートリッジ又はワークステーションからのものであり得る。フローチャネル１４４は、サンプル表面１３４に沿って流体を方向付けるようにサイズ及び形状を定められる。フローチャネル１４４の高さＨ_１及び他の寸法は、サンプル表面１３４に沿って流体の実質的に均一な流れを維持するように構成され得る。フローチャネル１４４の寸法はまた、気泡形成を制御するように構成され得る。

【0050】

例として、フローカバー１３６（又はフローセル１０２）は、ガラス又はプラスチックなどの透明材料を含み得る。フローカバー１３６は、平面状の外面と、フローチャネル１４４を画定する平面状の内面とを有する、実質的に長方形のブロックを構成し得る。ブロックは、側壁１３８、１２５上に取り付けられ得る。あるいは、フローセル１０２をエッチングして、フローカバー１３６及び側壁１３８、１２５を画定することができる。例えば、凹部が、透明材料にエッチングされ得る。エッチングされた材料がサンプリングデバイス１０４に取り付けられると、凹部はフローチャネル１４４になり得る。

【0051】

サンプリングデバイス１０４は、例えば、複数のスタック基材層１２０～１２６を備える集積回路と同様であり得る。基材層１２０～１２６は、ベース基材１２０、ソリッドステートイメージャ１２２（例えば、ＣＭＯＳ画像センサ）、フィルタ又は光管理層１２４、並びにパッシベーション層１２６を含み得る。上記は単なる例示であり、他の実施形態はより少ない又は追加の層を含み得ることに留意されたい。更に、基材層１２０～１２６の各々は、複数の副層を含み得る。サンプリングデバイス１０４は、ＣＭＯＳ画像センサ及びＣＣＤなどの集積回路を製造する際に使用されるものと同様のプロセスを使用して製造され得る。例えば、基材層１２０～１２６又はそれらの一部は、サンプリングデバイス１０４を形成するために成長、堆積、エッチングなどを行うことができる。

【0052】

パッシベーション層１２６は、フローチャネル１４４の流体環境からフィルタ層１２４を遮蔽するように構成されている。場合によっては、パッシベーション層１２６はまた、生体分子又は他の対象となる分析物がその上に固定化されることを可能にする固体表面（すなわち、サンプル表面１３４）を提供するように構成されている。例えば、反応部位の各々は、サンプル表面１３４に固定化された生体分子のクラスタを含み得る。したがって、パッシベーション層１２６は、反応部位がそれに固定化されることを可能にする材料から形成され得る。パッシベーション層１２６はまた、所望の蛍光に対して少なくとも透明である材料を含み得る。例として、パッシベーション層１２６は、窒化ケイ素（Ｓｉ_２Ｎ_４）及び／又はシリカ（ＳｉＯ_２）を含み得る。しかしながら、他の好適な材料を使用することができる。図示の実施形態では、パッシベーション層１２６は、実質的に平面状であり得る。しかしながら、代替の実施形態では、パッシベーション層１２６は、ピット、ウェル、溝などの凹部を含み得る。図示の実施形態では、パッシベーション層１２６は、約１５０～２００ｎｍ、より具体的には約１７０ｎｍの厚さを有する。

【0053】

フィルタ層１２４は、光の透過に影響を及ぼす様々な特徴を含み得る。いくつかの実施形態では、フィルタ層１２４は、複数の機能を実行することができる。例えば、フィルタ層１２４は、（ａ）励起光源からの光信号など、不要な光信号をフィルタリングするか、（ｂ）反応部位からの発光信号を、反応部位からの発光信号を検出するように構成された対応するセンサ１０６、１０８、１１０、１１２、及び１１４に向かって方向付けるか、又は（ｃ）隣接する反応部位からの不要な発光信号の検出を遮断若しくは防止するように構成され得る。したがって、フィルタ層１２４は光管理層とも呼ばれ得る。図示の実施形態では、フィルタ層１２４は、約１～５μｍ、より具体的には約２～４μｍの厚さを有する。代替の実施形態では、フィルタ層１２４は、マイクロレンズ又は他の光学構成要素のアレイを含み得る。マイクロレンズの各々は、関連する反応部位からの発光信号をセンサに方向付けるように構成され得る。

【0054】

いくつかの実施形態では、ソリッドステートイメージャ１２２及びベース基材１２０は、以前に構成されたソリッドステート撮像デバイス（例えば、ＣＭＯＳチップ）として一緒に提供され得る。例えば、ベース基材１２０は、シリコンのウェハであってもよく、ソリッドステートイメージャ１２２は、その上に取り付けられてもよい。ソリッドステートイメージャ１２２は、半導体材料（例えば、シリコン）の層、並びにセンサ１０６、１０８、１１０、１１２、及び１１４を含む。図示の実施形態では、センサは、光を検出するように構成されたフォトダイオードである。他の実施形態では、センサは、光検出器を備える。ソリッドステートイメージャ１２２は、ＣＭＯＳベースの製造プロセスを介して単一のチップとして製造され得る。

【0055】

ソリッドステートイメージャ１２２は、フローチャネル１４４内からの又はフローチャネル１４４に沿った所望の反応を示すアクティビティを検出するように構成されたセンサ１０６、１０８、１１０、１１２、及び１１４の高密度アレイを含み得る。いくつかの実施形態では、各センサは、約１～２平方マイクロメートル（μｍ^２）であるピクセル領域（又は検出領域）を有する。アレイは、５００，０００個のセンサ、５００万個のセンサ、１０００万個のセンサ、又は更に１億２０００万個のセンサを含むことができる。センサ１０６、１０８、１１０、１１２、及び１１４は、所望の反応を示す所定の光の波長を検出するように構成することができる。

【0056】

いくつかの実施形態では、サンプリングデバイス１０４は、参照によりその全体が本明細書に組み込まれる米国特許第７，５９５，８８２号に記載されているマイクロ回路装置などのマイクロ回路装置を含む。より具体的には、サンプリングデバイス１０４は、センサ１０６、１０８、１１０、１１２、及び１１４の平面アレイを有する集積回路を備え得る。サンプリングデバイス１０４内に形成された回路は、信号増幅、デジタル化、記憶、及び処理のうちの少なくとも１つのために構成され得る。回路は、検出された蛍光を収集及び分析し、検出データを信号プロセッサに通信するためのピクセル信号（又は検出信号）を発生させることができる。回路はまた、サンプリングデバイス１０４において追加のアナログ及び／又はデジタル信号処理を実行し得る。サンプリングデバイス１０４は、信号ルーティングを実行する（例えば、ピクセル信号を信号プロセッサに送信する）導電ビア１３０を含み得る。ピクセル信号はまた、サンプリングデバイス１０４の電気接点１３２を通って送信され得る。

【0057】

サンプリングデバイス１０４は、本明細書に完全に記載されているかのように参照により組み込まれる、２０２０年５月１４日に出願された「Ｓｙｓｔｅｍｓ ａｎｄ Ｄｅｖｉｃｅｓ ｆｏｒ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ａｎａｌｙｓｉｓ ｏｆ Ｐｉｘｅｌ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８７４，５９９号に関して更に詳細に論じられている。サンプリングデバイス１０４は、上述されたような上記の構成又は使用に限定されない。代替の実施形態では、サンプリングデバイス１０４は、他の形態をとってもよい。例えば、サンプリングデバイス１０４は、フローセルに結合されているか、又は反応部位をその中に有するフローセルとインターフェース接続するように移動される、ＣＣＤカメラなどのＣＣＤデバイスを備え得る。

【0058】

図２は、そのタイル内にクラスタを含むフローセル２００の一実施態様を示す。フローセル２００は、図１のフローセル１０２に対応し、例えば、フローカバー１３６なしである。更に、フローセル２００の描写は、本質的に記号的であり、フローセル２００は、その中に様々な他の構成要素を示すことなく、その中に様々なレーン及びタイルを記号的に示している。図２は、フローセル２００の上面図を示している。

【0059】

一実施形態では、フローセル２００は、レーン２０２ａ、２０２ｂ、．．．、２０２Ｐ、すなわち、Ｐ個のレーンなど、複数のレーンに分けられるか又は分割される。図２の例では、フローセル２００は、８つのレーンを含むように、すなわち、この例ではＰ＝８であるように示されているが、フローセル内のレーンの数は、実施態様に固有である。

【0060】

一実施形態では、個々のレーン２０２は、「タイル」２１２と呼ばれる非重なり合い領域に更に分割される。例えば、図２は、例示的なレーンのセクション２０８の拡大図を示している。セクション２０８は、複数のタイル２１２を含むように示されている。

【0061】

一例では、各レーン２０２は、１つ以上のタイル列を含む。例えば、図２では、各レーン２０２は、拡大セクション２０８内に示されているように、２つの対応するタイル列２１２を含む。各レーン内の各タイル列内のタイルの数は、実施態様に固有であり、一例では、各レーン内の各タイル列に５０個のタイル、６０個のタイル、１００個のタイル、又は別の適切な数のタイルが存在し得る。

【0062】

各タイルは、対応する複数のクラスタを含む。配列決定手順中、タイル上のクラスタ及びそれらの周囲の背景が撮像される。例えば、図２は、例示的なタイル内の例示的なクラスタ２１６を示している。

【0063】

図３は、８つのレーンを有する例示的なＩｌｌｕｍｉｎａ ＧＡ－ＩＩｘ（商標）フローセルを示し、１つのタイル及びそのクラスタ及びそれらの周囲の背景のズームインも示す。例えば、Ｉｌｌｕｍｉｎａ Ｇｅｎｏｍｅ Ａｎａｌｙｚｅｒ ＩＩのレーン当たり１００タイル、及びＩｌｌｕｍｉｎａ ＨｉＳｅｑ２０００内のレーン当たり６８個のタイルが存在する。タイル２１２は数十万～数百万個のクラスタを保持する。図３では、明るい斑点として示されているクラスタを有するタイルから発生した画像は、３０８に示されており（例えば、３０８は、タイルの拡大画像図であり）、例示的なクラスタ３０４は標識されている。クラスタ３０４は、テンプレート分子の約千個の同一のコピーを含むが、クラスタはサイズ及び形状が異なる。クラスタは、配列決定動作前に、入力ライブラリのブリッジ増幅によって、テンプレート分子から成長させる。増幅及びクラスタ成長の目的は、撮像デバイスが単一の蛍光団を確実に感知できないため、放出された信号の強度を増大させることである。しかしながら、クラスタ３０４内のＤＮＡフラグメントの物理的距離は小さいため、撮像デバイスは、フラグメントのクラスタを単一のスポット３０４として知覚する。

【0064】

クラスタ及びタイルは、２０２０年３月２０日に出願された「Ｔｒａｉｎｉｎｇ Ｄａｔａ Ｇｅｎｅｒａｔｉｏｎ ｆｏｒ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８２５，９８７号に関して更に詳細に論じられている。

【0065】

図４は、ベースコールセンサ出力など、配列決定システムからのセンサデータの分析のためのシステムの簡略ブロック図である（例えば、図１を参照）。図４の例では、システムは、配列決定マシン４００及び構成可能なプロセッサ４５０を含む。構成可能なプロセッサ４５０は、中央処理ユニット（ＣＰＵ）４０２などのホストプロセッサによって実行されるランタイムプログラムと協調して、ニューラルネットワークベースのベースコーラー及び／又は非ニューラルネットワークベースのベースコーラー（本明細書において更に詳細に論じられる）を実行することができる。配列決定マシン４００は、（例えば、図１～図３に関して論じられた）ベースコールセンサ及びフローセル４０１を備える。フローセルは、図１～図３に関して論じられたように、遺伝物質のクラスタが、クラスタ内の反応を引き起こして遺伝物質中の塩基を識別するために使用される分析物フローの配列に曝露される１つ以上のタイルを含むことができる。センサは、タイルデータを提供するために、フローセルの各タイルにおける配列の各サイクルの反応を感知する。この技術の実施例は、以下により詳細に記載される。遺伝的配列決定はデータ集約的操作であり、このデータ集約的動作は、ベースコールセンサデータを、ベースコール動作中に感知された各遺伝物質群のベースコールの配列に変換する。

【0066】

この実施例のシステムは、ベースコール動作を調整するランタイムプログラムを実行するＣＰＵ４０２と、タイルデータのアレイの配列、ベースコール動作によって作り出されたベースコール読み取り、及びベースコール動作で使用される他の情報を記憶するメモリ４０３と、を含む。また、この図では、システムは、構成ファイル（又は複数のファイル）、例えば、ＦＰＧＡビットファイル、及び構成可能なプロセッサ４５０を構成及び再構成し、かつニューラルネットワークを実行するために使用されるニューラルネットワークのモデルパラメータを記憶するメモリ４０４を含む。配列決定マシン４００は、構成可能なプロセッサを構成するためのプログラムを含むことができ、いくつかの実施形態では、ニューラルネットワークを実行する再構成可能なプロセッサを含むことができる。

【0067】

配列決定マシン４００は、バス４０５によって、構成可能なプロセッサ４５０に結合される。バス４０５は、ＰＣＩ－ＳＩＧ規格（ＰＣＩ Ｓｐｅｃｉａｌ Ｉｎｔｅｒｅｓｔ Ｇｒｏｕｐ）によって現在維持及び開発されているＰＣＩｅ規格（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ Ｅｘｐｒｅｓｓ）と互換性のあるバス技術などの高スループット技術を使用して実装することができる。また、この実施例では、メモリ４６０は、バス４６１によって、構成可能なプロセッサ４５０に結合される。メモリ４６０は、構成可能なプロセッサ４５０を有する回路基板上に配設されたオンボードメモリであってもよい。メモリ４６０は、ベースコール動作で使用される作業データの構成可能なプロセッサ４５０による高速アクセスに使用される。バス４６１はまた、ＰＣＩｅ規格と互換性のあるバス技術などの高スループット技術を使用して実装することもできる。メモリ４６０は、ゲノムデータ、例えばバリアントコールフォーマット（variant call format、ＶＣＦ）ファイルを記憶することができる。

【0068】

フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、粗粒化された再構成可能アレイ（Coarse Grained Reconfigurable Array、ＣＧＲＡ）、及び他の構成可能かつ再構成可能なデバイスを含む、構成可能なプロセッサは、コンピュータプログラムを実行する汎用プロセッサを使用して達成され得るよりも、より効率的に又はより高速に様々な機能を実装するように構成することができる。構成可能なプロセッサの構成は、時にはビットストリーム又はビットファイルと呼ばれる構成ファイルを作り出すために機能的な説明を編集することと、構成ファイルをプロセッサ上の構成可能要素に配布することと、を含む。

【0069】

構成ファイルは、データフローパターンを設定するように回路を構成することにより、分散メモリ及び他のオンチップメモリリソースの使用、ルックアップテーブルコンテンツ、構成可能な論理ブロックの動作、及び構成可能な論理ブロックの動作、及び構成可能なアレイの構成可能な相互接続及び他の要素のような構成可能な実行ユニットを含む。構成ファイルがフィールド内で変更され得る場合、ロードされた構成ファイルを変更することによって構成ファイルを変更することができる場合に再構成可能である。例えば、構成ファイルは、揮発性ＳＲＡＭ要素内に、不揮発性読み書きメモリ素子内に記憶されてもよく、構成可能又は再構成可能なプロセッサ上の構成可能要素のアレイ間に分散されたものであってもよい。様々な市販の構成可能なプロセッサは、本明細書に記載されるようなベースコール動作において使用するのに好適である。いくつかの実施例では、ホストＣＰＵは、構成可能なプロセッサと同じ集積回路上に実装することができる。

【0070】

本明細書に記載の実施形態は、構成可能なプロセッサ４５０を使用して、マルチサイクルニューラルネットワークを実装する。構成可能なプロセッサの構成ファイルは、高レベルの記述言語（high-level description language、ＨＤＬ）又はレジスタ転送レベル（register transfer level、ＲＴＬ）言語仕様を使用して実行される論理機能を指定することによって実装することができる。本明細書は、選択された構成可能なプロセッサが構成ファイルを発生させるように設計されたリソースを使用してコンパイルすることができる。構成可能なプロセッサではない場合がある特定用途向け集積回路の設計を発生させる目的で、同じ又は類似の仕様をコンパイルすることができる。

【0071】

したがって、本明細書に記載される全ての実施形態における構成可能なプロセッサの代替例は、本明細書に記載されるニューラルネットワークベースのベースコール動作を実行するように構成された、特定用途向けＡＳＩＣ又は専用集積回路又は集積回路のセット、あるいはシステムオンチップＳＯＣデバイスを含む、構成されたプロセッサを含む。

【0072】

一般に、ニューラルネットワークの動作を実行するように構成された、本明細書に記載の構成可能なプロセッサ及び構成されたプロセッサは、本明細書ではニューラルネットワークプロセッサと呼ばれる。別の例では、非ニューラルネットワークベースのベースコーラーの動作を実行するように構成された、本明細書に記載の構成可能なプロセッサ及び構成されたプロセッサは、本明細書では非ニューラルネットワークプロセッサと呼ばれる。一般に、構成可能なプロセッサ及び構成されたプロセッサは、本明細書で後に論じられるように、ニューラルネットワークベースのベースコーラー及び非ニューラルネットワークベースのベースコーラーの一方又は両方を実装するために使用することができる。

【0073】

構成可能なプロセッサ４５０は、この実施例では、ＣＰＵ４０２によって実行されるプログラムを使用してロードされた構成ファイルによって、又は構成可能なプロセッサ４５４上の構成可能な要素のアレイを構成してベースコール機能を実行する他のソースによって構成されている。この実施例では、構成は、バス４０５及び４６１に結合され、ベースコール動作で使用される要素間でデータ及び制御パラメータを分配する機能を実行するデータフロー論理４５１を含む。

【0074】

また、構成可能なプロセッサ４５０は、マルチサイクルニューラルネットワークを実行するためにベースコール実行論理４５２を用いて構成されている。論理４５２は、複数のマルチサイクル実行クラスタ（例えば、４５３）を含み、これは、この実施例では、マルチサイクルクラスタ１からマルチサイクルクラスタＸを含む。マルチサイクルクラスタの数は、動作の所望のスループットを伴うトレードオフ、及び構成可能なプロセッサ上の利用可能なリソースに従って選択することができる。

【0075】

マルチサイクルクラスタは、構成可能なプロセッサ上の構成可能な相互接続及びメモリリソースを使用して実装されるデータフロー経路４５４によってデータフロー論理４５１に結合される。また、マルチサイクルクラスタは、例えば構成可能なプロセッサ上の構成可能な相互接続及びメモリリソースを使用して実装された制御経路４５５によってデータフロー論理４５１に結合されている。それは、利用可能なクラスタ、ニューラルネットワークの動作の実行のための入力ユニットを利用可能なクラスタに提供する準備ができていること、ニューラルネットワークの訓練されたパラメータを提供する準備ができていること、ベースコール分類データの出力パッチを提供する準備ができていること、及びニューラルネットワークの実行に使用される他の制御データを示す、制御信号を提供する。

【0076】

構成可能なプロセッサは、訓練されたパラメータを使用してマルチサイクルニューラルネットワークの動作を実行して、ベースコール動作の感知サイクルに関する分類データを作り出すように構成されている。ニューラルネットワークの動作を実行して、ベースコール動作の被験者感知サイクルの分類データを作り出す。ニューラルネットワークの動作は、Ｎ個の感知サイクルのそれぞれの感知サイクルからのタイルデータのアレイの数Ｎを含む配列に対して動作し、Ｎ個の感知サイクルは、本明細書に記載される実施例では、時系列における動作ごとに１つの塩基位置に対する異なるベースコール動作のセンサデータを提供する。任意選択的に、Ｎ個の感知サイクルのうちのいくつかは、実行されている特定のニューラルネットワークモデルに従って必要に応じて、配列から外れることができる。数Ｎは、１を超える任意の数であり得る。本明細書に記載されるいくつかの実施例では、Ｎ個の感知サイクルの感知サイクルは、時系列で、被験者感知サイクルに先行する少なくとも１つの感知サイクル、及び被験者サイクルに後続する少なくとも１つの感知サイクルについての感知サイクルのセットを表す。本明細書では、数Ｎが５以上の整数である実施例が記載される。

【0077】

データフロー論理４５１は、Ｎ個のアレイの空間的に位置合わせされたパッチのタイルデータを含む所与の動作のための入力ユニットを使用して、ニューラルネットワークの動作のために、メモリ４６０から、構成可能なプロセッサに、タイルデータ、及びモデルの少なくともいくつかの訓練されたパラメータを移動させるように構成されている。入力ユニットは、１回のＤＭＡ動作におけるダイレクトメモリアクセス動作によって、又は、配備されたニューラルネットワークの実行と協調して、利用可能なタイムスロットの間に移動するより小さいユニット内で移動させることができる。

【0078】

本明細書に記載される感知サイクルのタイルデータは、１つ以上の特徴を有するセンサデータのアレイを含むことができる。例えば、センサデータは、ＤＮＡ、ＲＮＡ、又は他の遺伝物質の遺伝的配列における塩基位置で４塩基のうちの１つを識別するために分析される２つの画像を含むことができる。タイルデータはまた、画像及びセンサに関するメタデータを含むことができる。例えば、ベースコール動作の実施形態では、タイルデータは、タイル上の遺伝物質群の中心からのセンサデータのアレイ内の各ピクセルの距離を示す中心情報からの距離などの、クラスタとの画像の位置合わせに関する情報を含むことができる。

【0079】

以下に記載されるようなマルチサイクルニューラルネットワークの実行中に、タイルデータはまた、中間データと呼ばれる、マルチサイクルニューラルネットワークの実行中に作り出されたデータを含むことができ、これは、マルチサイクルニューラルネットワークの実行中に再計算されるのではなく再利用され得る。例えば、マルチサイクルニューラルネットワークの実行中に、データフロー論理は、タイルデータのアレイの所与のパッチのセンサデータの代わりに、中間データをメモリ４６０に書き込むことができる。このような実施形態は、以下により詳細に記載される。

【0080】

図示されているように、ベースコール動作の感知サイクルからタイルのセンサデータを含むタイルデータを記憶するランタイムプログラムによってアクセス可能なメモリ（例えば、４６０）を含む、ベースコールセンサ出力の分析のためのシステムが説明される。また、システムは、メモリへのアクセスを有する構成可能なプロセッサ４５０などのニューラルネットワークプロセッサを含む。ニューラルネットワークプロセッサは、訓練されたパラメータを使用してニューラルネットワークの動作を実行して、感知サイクルのための分類データを作り出すように構成される。本明細書に記載されるように、ニューラルネットワークの動作は、被験者サイクルを含むＮ個の感知サイクルのそれぞれの感知サイクルからタイルデータのＮ個のアレイの配列で動作して、被験者サイクルの分類データを作り出す。データフロー論理４５１は、Ｎ個の感知サイクルのそれぞれの感知サイクルからのＮ個のアレイの空間的に位置合わせされたパッチのデータを含む入力ユニットを使用して、ニューラルネットワークの実行のために、メモリからニューラルネットワークプロセッサにタイルデータ及び訓練されたパラメータを移動させるために提供される。

【0081】

また、ニューラルネットワークプロセッサがメモリへのアクセスを有し、複数の実行クラスタを含み、複数の実行クラスタ内の実行論理クラスタがニューラルネットワークを実行するように構成されているシステムも説明される。データフロー論理は、メモリへのアクセス、及び複数の実行クラスタ内のクラスタを実行して、複数の実行クラスタ内の利用可能な実行クラスタにタイルデータの入力ユニットを提供し、入力ユニットは、それぞれの感知サイクルからタイルデータのアレイの空間的に位置合わせされたパッチの数Ｎを含む、入力ユニットと、被験者感知サイクルを含み、Ｎ個の空間的に位置合わせされたパッチをニューラルネットワークに適用して、被験者感知サイクルの空間的に位置合わせされたパッチの分類データの出力パッチを作り出させるように、実行クラスタに、ニューラルネットワークにＮ個の空間的に位置合わせされたパッチを適用させることと、を含み、Ｎは１より大きい。

【0082】

図５は、ホストプロセッサによって実行されるランタイムプログラムの機能を含む、ベースコール動作の態様を示す簡略図である。この図では、（図１及び図２に示されたものなどの）フローセルからの画像センサの出力は、ライン５００上で画像処理スレッド５０１に提供され、画像処理スレッド５０１は、個々のタイルのセンサデータのアレイの再サンプリング、位置合わせ及び配置などの画像に対するプロセスを実行することができ、フローセル内の各タイルのタイルクラスタマスクを計算するプロセスによって使用することができ、フローセルの対応するタイル上の遺伝物質のクラスタに対応するセンサデータのアレイ内のピクセルを識別するプロセスによって使用することができる。クラスタマスクを計算するために、１つの例示的なアルゴリズムは、ソフトマックス出力から導出されたメトリックを使用して初期配列決定サイクルで信頼できないクラスタを検出するプロセスに基づいており、次いで、それらのウェル／クラスタからのデータは廃棄され、それらのクラスタの出力データは作り出されない。例えば、プロセスは、最初のＮ１個の（例えば、２５個の）ベースコール中に信頼性が高いクラスタを識別し、他のクラスタを拒否することができる。拒否されたクラスタは、基準によるとポリクローナル又は非常に弱い強度又は不明瞭であり得る。この手順は、ホストＣＰＵで実行することができる。代替の実施態様では、潜在的にこの情報を使用して、ＣＰＵに戻されるべき対象となる必要なクラスタを識別し、それにより、中間データに必要なストレージを制限し得る。

【0083】

画像処理スレッド５０１の出力は、ライン５０２上でＣＰＵ内のディスパッチ論理５１０に提供され、ディスパッチ論理５１０は、ベースコール動作の状態に従って、タイルデータのアレイを、高速バス５０３上でデータキャッシュ５０４に、又は高速バス５０５上で、図４の構成可能なプロセッサなどのハードウェア５２０にルーティングする。ハードウェア５２０は、ニューラルネットワークベースのベースコーラーを実行するためのマルチクラスタニューラルネットワークプロセッサであり得るか、又は本明細書で後に論じられるように、非ニューラルベースのベースコーラーを実行するためのハードウェアとすることができる。

【0084】

ハードウェア５２０は、（例えば、ニューラルネットワークベースのコーラー及び／又は非ニューラルネットワークベースのコーラーによって出力された）分類データをディスパッチ論理５１０に返し、ディスパッチ論理５１０は、情報をデータキャッシュ５０４に、又はライン５１１上でスレッド５０２に渡し、それは、分類データを使用してベースコール及び品質スコア計算を実行し、ベースコール読み取りのための標準フォーマットでデータを配置することができる。ベースコール及び品質スコア計算を実行するスレッド５０２の出力は、ライン５１２上でスレッド５０３に提供され、それは、ベースコール読み取りを集約し、データ圧縮などの他の動作を実行し、結果として得られたベースコール出力を顧客による利用のために指定された宛先に書き込む。

【0085】

いくつかの実施形態では、ホストは、ニューラルネットワークをサポートするハードウェア５２０の出力の最終処理を実行する、スレッド（図示せず）を含むことができる。例えば、ハードウェア５２０は、マルチクラスタニューラルネットワークの最終層から分類データの出力を提供することができる。ホストプロセッサは、ベースコール及び品質スコアスレッド５０２によって使用されるデータを設定するために、分類データを超えて、ソフトマックス関数などの出力起動機能を実行することができる。また、ホストプロセッサは、ハードウェア５２０に入力する前に、タイルデータの再サンプリング、バッチ正規化又は他の調整などの入力動作（図示せず）を実行することができる。

【0086】

図６は、図４の構成可能なプロセッサなど、構成可能なプロセッサの構成の簡略図である。図６では、構成可能なプロセッサは、複数の高速ＰＣＩｅインターフェースを有するＦＰＧＡを備える。ＦＰＧＡは、図１を参照しながら記載されたデータフロー論理を含むラッパー６００を用いて構成されている。ラッパー６００は、ＣＰＵ通信リンク６０９を介してＣＰＵ内のランタイムプログラムとのインターフェース及び調整を管理し、ＤＲＡＭ通信リンク６１０を介してオンボードＤＲＡＭ６０２（例えば、メモリ４６０）との通信を管理する。ラッパー６００内のデータフロー論理は、数Ｎのサイクルのために、オンボードＤＲＡＭ６０２上のタイルデータのアレイをクラスタ６０１まで横断することによって取得されたパッチデータを提供し、クラスタ６０１からプロセスデータ６１５を取得して、オンボードＤＲＡＭ６０２に配信する。ラッパー６００はまた、タイルデータの入力アレイと、分類データの出力パッチの両方について、オンボードＤＲＡＭ６０２とホストメモリとの間のデータの転送を管理する。ラッパーは、ライン６１３上でパッチデータを、割り当てられたクラスタ６０１に転送する。ラッパーは、クラスタ６０１に、ライン６１２上で、オンボードＤＲＡＭ６０２から取得された重みやバイアスなどの訓練されたパラメータを提供する。ラッパーは、クラスタ６０１に、ライン６１１上で、ＣＰＵ通信リンク６０９を介してホスト上のランタイムプログラムから提供されるか又はそれに応答して発生した構成及び制御データを提供する。クラスタはまた、タイルデータのアレイの横断を管理して空間的に位置合わせされたパッチデータを提供し、かつクラスタ６０１のリソースを使用してパッチデータ上で、ベースコールのためのマルチサイクルニューラルネットワーク及び／又は非ニューラルネットワークベースのベースコールのための動作を実行するために、ホストからの制御信号と協働して使用される状態信号を、ライン６１６上でラッパー６００に提供することができる。

【0087】

上述のように、タイルデータの複数のパッチのうちの対応するパッチ上で実行するように構成されたラッパー６００によって管理される単一の構成可能なプロセッサ上に複数のクラスタが存在し得る。各クラスタは、本明細書に記載される複数の感知サイクルのタイルデータを使用して、被験者感知サイクルにおけるベースコールの分類データを提供するように構成することができる。

【0088】

システムの例では、フィルタ重み及びバイアスのようなカーネルデータを含むモデルデータをホストＣＰＵから構成可能なプロセッサに送信することができ、その結果、モデルは、サイクル数の関数として更新され得る。ベースコール動作は、代表的な例では、数百の感知サイクルの順序で含むことができる。ベースコール動作は、いくつかの実施形態では、ペア端部読み取りを含むことができる。例えば、モデル訓練されたパラメータは、２０サイクルごと（又は他の数のサイクル）ごとに、又は特定のシステムに対して実装される更新パターンに従って更新されてもよい。タイル上の遺伝的クラスタ内の所与のストリングのための配列が、ストリングの第１の端部から下方に（又は上方に）延在する第１の部分と、ストリングの第２の端部から上方に（又は下方に）に延在する第２の部分とを含む、ペア端部読み取りを含むいくつかの実施形態では、訓練されたパラメータは、第１の部分から第２の部分への遷移で更新され得る。

【0089】

いくつかの実施例では、タイルのための感知データの複数サイクルの画像データは、ＣＰＵからラッパー６００に送信され得る。ラッパー６００は、任意選択的に、感知データの一部の前処理及び変換を行い、その情報をオンボードＤＲＡＭ６０２に書き込むことができる。各感知サイクルの入力タイルデータは、タイル当たり感知サイクル当たり４０００×３０００ピクセル以上を含むセンサデータのアレイを含むことができ、２つの特徴はタイルの２つの画像の色を表し、１ピクセル当たり１つ又は２つのバイトを含むセンサデータのアレイを含むことができる。数Ｎが、マルチサイクルニューラルネットワークの各動作において使用される３回の感知サイクルである実施形態では、マルチサイクルニューラルネットワークの各動作のためのタイルデータのアレイは、数当たり数百メガバイトの数で消費することができる。システムのいくつかの実施形態では、タイルデータはまた、タイルごとに１回記憶されたＤＦＣデータのアレイ、又はセンサデータ及びタイルに関する他のタイプのメタデータも含む。

【0090】

動作中、マルチサイクルクラスタが利用可能である場合、ラッパーは、パッチをクラスタに割り当てる。ラッパーは、タイルの横断面にタイルデータの次のパッチをフェッチし、適切な制御及び構成情報とともに割り当てられたクラスタに送信する。クラスタは、構成可能なプロセッサ上の十分なメモリを用いて構成されて、パッチを含むデータのパッチを、定位置に処理されているいくつかのシステム内で複数サイクルから保持するのに十分なメモリを有するように構成することができ、様々な実施形態では、ピンポンバッファ技法又はラスタ走査技法を使用して処理される。

【0091】

割り当てられたクラスタが、現在のパッチのニューラルネットワークのその動作を完了し、出力パッチを作り出すと、それはラッパーに信号を送る。ラッパーは、割り当てられたクラスタから出力パッチを読み出すか、あるいは割り当てられたクラスタは、データをラッパーにプッシュする。次いで、ラッパーは、ＤＲＡＭ６０２内の処理されたタイルのための出力パッチを組み立てることになる。タイル全体の処理が完了し、データの出力パッチがＤＲＡＭに転送されると、ラッパーは、処理された出力アレイを、特定のフォーマットでホスト／ＣＰＵに返送する。いくつかの実施形態では、オンボードＤＲＡＭ６０２は、ラッパー６００内のメモリ管理論理によって管理される。ランタイムプログラムは、リアルタイム分析を提供するために連続フローで動作する全てのサイクルについての全てのタイルデータのアレイの分析を完了するために、配列決定動作を制御することができる。

【0092】

鮮鋭化マスク生成
図７は、ベースコーラー７０４を訓練することによって、鮮鋭化マスク７０６を生成及び／又は更新するシステム７００を示す。システム７００は、例えば、最小二乗推定を使用してベースコーラー７０４を訓練する訓練器７１４を含む。本明細書で使用するとき、「鮮鋭化マスク」は、雑音によって妨害される信号の信号対雑音比を最大化する。鮮鋭化マスクは、所望の方法でデータを修正するためにデータに適用される値又は関数であり得る。例えば、データを修正して、特定の状況に関してその精度、関連性、又は適用性を高めることができる。鮮鋭化マスクは、限定はしないが、加算、減算、除算、乗算、又はそれらの組み合わせを含む、様々な数学的操作のいずれかによってデータに適用することができる。鮮鋭化マスクは、数式、論理関数、コンピュータ実装アルゴリズムなどとすることができる。データは、画像データ、電気データ、又はそれらの組み合わせとすることができる。一実施態様では、鮮鋭化マスクは、等化器（例えば、空間等化器）である。等化器は、（例えば、最小二乗推定、適合等化アルゴリズムを使用して）配列決定画像におけるクラスタ強度データの信号対雑音比を改善及び／又は最大化するように訓練することができる。いくつかの実施態様では、等化器は、訓練から学習される係数を含む。畳み込み演算の一実施態様では、訓練は、信号対ノイズ比を最大化するように、ベースコールされる標的クラスタからの強度放射及び１以上の隣接クラスタからの強度放射を表すピクセルの強度値を混合／結合するように構成されている等化器係数を作り出す。信号対ノイズ比において最大化された信号は、標的クラスタからの強度放射であり、信号対ノイズ比において最小化されたノイズは、隣接するクラスタからの強度放射、すなわち、空間クロストークにいくつかのランダムノイズを（例えば、背景強度放射を説明するために）加えたものである。等化器係数は重みとして使用され、混合／結合は、等化器係数とピクセルの強度値との間で要素ごとの乗算を実行して、ピクセルの強度値の重み付き和、すなわち畳み込み演算を計算することを含む。更に、画像データが複数の色チャネルにまたがる場合、等化器係数のセットは、各色チャネルに対して生成される（例えば、１つのチャネル、３つのチャネル、４つのチャネルなど）。

【0093】

配列決定画像７０２は、図１に関して論じられるバイオセンサ１００を含む配列決定機器などの配列決定機器によって実行される配列決定動作中に生成される。そのような配列決定機器の例としては、ＩｌｌｕｍｉｎａのｉＳｅｑ、ＨｉＳｅｑＸ、ＨｉＳｅｑ３０００、ＨｉＳｅｑ４０００、ＨｉＳｅｑ２５００、ＮｏｖａＳｅｑ６０００、ＮｅｘｔＳｅｑ５５０、ＮｅｘｔＳｅｑ１０００、ＮｅｘｔＳｅｑ２０００、ＮｅｘｔＳｅｑＤｘ、ＭｉＳｅｑ、及びＭｉＳｅｑＤｘが挙げられる。一実施態様では、Ｉｌｌｕｍｉｎａシーケンサは、ベースコールのために環状可逆終端（cyclic reversible termination、ＣＲＴ）化学を使用する。このプロセスは、新たに添加された各ヌクレオチドの放出信号を追跡しながら、蛍光標識されたヌクレオチドを有するテンプレート鎖に相補的な新生鎖を伸長させることに依存する。蛍光標識されたヌクレオチドは、ヌクレオチド型のフルオロフォア信号をアンカーする３’除去可能ブロックを有する。

【0094】

配列決定は、反復サイクルで行われ、各々は３つの工程、つまり、（ａ）蛍光標識されたヌクレオチドを添加することによる出現鎖の伸長と、（ｂ）配列決定機器の光学システムの１以上のレーザを使用してフルオロフォアを励起させ、光学システムの異なるフィルタを通した撮像によって配列決定画像を生成することと、（ｃ）次の配列決定サイクルに備えてフルオロフォアを切断し、３’ブロックを除去することと、の３つの工程を各々含む反復サイクルで行われる。取り込み及び撮像サイクルは、指定された数の配列決定サイクルまで繰り返され、リード長を定義する。このアプローチを使用して、各サイクルはテンプレート鎖に沿って新しい位置を照合する。

【0095】

Ｉｌｌｕｍｉｎａシーケンサの膨大な能力は、数百万又は更には数十億もの分析物（例えば、クラスタ）のＣＲＴ反応を同時に実施及び感知する能力に起因する。クラスタは、テンプレート鎖の約１０００個の同一のコピーを含むが、クラスタのサイズ及び形状は様々である。クラスタは、配列決定ラン前に、入力ライブラリのブリッジ増幅又は排除増幅によって、テンプレートストランドから成長させる。増幅及びクラスタ伸長の目的は、撮像デバイスが一本鎖のフルオロフォア信号を確実に感知することができないため、放出される信号の強度を増加させることである。しかしながら、クラスタ内の鎖の物理的距離は小さいため、撮像デバイスは鎖のクラスタを単一のスポットとして知覚する。

【0096】

配列決定は、フローセル、つまり入力鎖を保持する小さいガラススライド内で生じる（例えば、図２を参照）。フローセルは、顕微鏡撮像、励起レーザ、及び蛍光フィルタを含む光学システムに接続される。フローセルは、レーンと呼ばれる複数のチャンバを含む。レーンは互いに物理的に分離されており、試料の交差汚染なしに区別可能な異なるタグ付き配列決定ライブラリを含むことができる。いくつかの実施態様では、フローセルは、パターン化された表面を含む。「パターン化された表面」は、固体支持体の露出層内又はその上における、異なる領域の配列を指す。例えば、領域のうちの１つ以上は、１つ以上の増幅プライマーが存在する特徴であり得る。この特徴は、増幅プライマーが存在しない間質領域によって分離され得る。いくつかの実施態様では、パターンは、行及び列にある特徴のｘ－ｙフォーマットであり得る。いくつかの実施態様では、パターンは、特徴及び／又は間質領域の反復配列であり得る。いくつかの実施態様では、パターンは、特徴及び／又は間質領域のランダム配列であり得る。本明細書に記載される方法及び組成物において使用することができる例示的なパターン付き表面は、米国特許第８，７７８，８４９号、米国特許第９，０７９，１４８号、米国特許第８，７７８，８４８号、及び米国特許出願公開第第２０１４／０２４３２２４号、に記載されており、その各々は参照により本明細書に組み込まれる。

【0097】

いくつかの実施態様では、フローセルは、表面におけるウェル又は窪みのアレイを含む。これは、フォトリソグラフィ、スタンピング技法、成形技法、及びマイクロエッチング技法を含むがこれらに限定されない様々な技法を使用して、当該技術分野において一般的に既知であるように加工することができる。当該技術分野において理解されるように、使用される技法は、アレイ基材の組成物及び形状に依存する。

【0098】

パターン付き表面内の特徴は、ガラス、シリコン、プラスチック、又はポリ（Ｎ－（５－アジドアセトアミジルペンチル）アクリルアミド－ｃｏ－アクリルアミド）（ＰＡＺＡＭ、例えば、各々、参照によりその全体が本明細書に組み込まれる米国特許出願公開第２０１３／１８４７９６号、国際公開第２０１６／０６６５８６号及び同第２０１５－００２８１３号を参照）などのパターン化された共有結合ゲルを有する他の好適な固体支持体上のウェル（例えば、マイクロウェル又はナノウェル）のアレイにおけるウェルであってもよい。このプロセスは、配列決定のために使用されるゲルパッドを作成し、これは、多数のサイクルで配列決定動作にわたって安定であり得る。ポリマーをウェルに共有結合することは、様々な用途の間に、構造化基材の寿命全体にわたってゲルを構造化特徴部に維持するのに有用である。しかしながら、多くの実施態様では、ゲルは、ウェルに共有結合される必要はない。例えば、いくつかの条件では、構造化基材のどの部分にも共有結合されていないシランフリーのアクリルアミド（ＳＦＡ、例えば、米国特許第８，５６３，４７７号を参照、その全体が参照により本明細書に組み込まれる）をゲル材料として使用することができる。

【0099】

特定の別の実施態様では、構造化基材は、ウェル（例えば、マイクロウェル又はナノセル）を用いて固体支持材料をパターニングし、パターン化された支持体をゲル材料（例えば、ＰＡＺＡＭ、ＳＦＡ、又はその化学修飾された変異体）でコーティングすることによって作製することができ、ＳＦＡ（アジド－ＳＦＡ）のアジド化バージョンなど、及びゲルコーティングされた支持体を、例えば化学研磨又は機械研磨によって研磨し、それによって、ウェル内にゲルを保持するが、ウェル間の構造化基材の表面上の間隙領域から実質的に全てのゲルを除去又は不活性化する。ゲル材料にプライマー核酸を付着させることができる。次いで、標的核酸（例えば、フラグメント化されたヒトゲノム）の溶液を、個々の標的核酸がゲル材料に付着したプライマーとの相互作用を介して個々のウェルに播種するように、研磨された基材と接触させることができる。しかしながら、ゲル材料の不在又は不活性に起因して、標的核酸は、間質領域を占有しない。標的核酸の増幅は、間質領域内のゲルの不在又は非活性が、増殖する核酸コロニーの外向きの移動を防止するため、ウェルに限定されるであろう。このプロセスは、製造可能であり、スケーラブルであり、従来のマイクロ又はナノ製造方法を利用する。

【0100】

配列決定機器の撮像デバイス（例えば、電荷結合素子（charge-coupled device、ＣＣＤ）又は相補的金属酸化物半導体（complementary metal-oxide-semiconductor、ＣＭＯＳ）センサなどの固体撮像素子）は、タイルと呼ばれる一連の非重なり合い領域において、レーンに沿った複数の場所でスナップショットを取る。例えば、レーン当たり６４個又は９６個のタイルが存在し得る。タイルは数十万～数百万個のクラスタを保持する。

【0101】

配列決定ランの出力は配列決定画像であり、各々がクラスタ及びその周囲の背景の強度放射を示す。配列決定画像は、配列決定中に配列にヌクレオチドを組み込む結果として生成される強度放射を示す。強度放射は、関連する分析物／クラスタ及びそれらの周囲の背景から生じる。

【0102】

配列決定画像７０２は、複数の配列決定機器、配列決定動作、サイクル、フローセル、タイル、ウェル、及びクラスタから供給される。一実施態様では、配列決定画像は、撮像チャネルベースでベースコーラー７０４によって処理される。配列決定ランは、ｍ個の撮像チャネルに対応する配列決定サイクル当たりｍ個の画像を作り出す。一実施態様では、各撮像チャネル（色チャネルとも呼ばれる）は複数のフィルタ波長帯域のうちの１つに対応する。別の実施態様では、各撮像チャネルは、配列決定サイクルにおける複数の撮像イベントの１つに対応する。更に別の実施態様では、各撮像チャネルは、特定のレーザによる照射と特定の光学フィルタを通した撮像との組み合わせに対応する。４－チャネル化学、２－チャネル化学及び１－チャネル化学のような異なる実施態様においては、ｍは４又は２である。他の実施態様では、ｍは１、３、又は４より大きい。

【0103】

別の実施態様では、入力データは、分子伸長中の水素イオンの放出によって誘発されるｐＨ変化に基づく。ｐＨ変化は検出され、組み込まれた塩基の数に比例する電圧変化に変換される（例えば、Ｉｏｎ Ｔｏｒｒｅｎｔの場合）。更に別の実施態様では、入力データは、生体センサを使用して、分析物がナノ細孔を通過するとき、又はその開口部付近を通過する際に電流の破壊を測定するためにバイオセンサを使用するナノ細孔検知から構築される。例えば、Ｏｘｆｏｒｄ Ｎａｎｏｐｏｒｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ（ＯＮＴ）配列決定は、以下の概念に基づく：ナノ細孔を介して膜を介してＤＮＡ（又はＲＮＡ）の単一鎖を通過させ、膜にわたって電位差を印加する。細孔内に存在するヌクレオチドは、細孔の電気抵抗に影響を及ぼし、そのため、経時的な電流測定は、細孔を通過するＤＮＡ塩基の配列を示すことができる。この電流信号（プロットされたときにその外観に起因する「押しつぶし」）は、ＯＮＴシーケンサによって収集された生データである。これらの測定値は、４ｋＨｚ周波数（例えば）で取られた１６ビットの整数データ取得（data acquisition、ＤＡＣ）値として記憶される。１秒当たり約４５０塩基対のＤＮＡ鎖速度を用いて、これは、平均して、塩基当たり約９つの生観察を与える。次いで、この信号を処理して、個々の読み取りに対応する開孔信号の破断を識別する。これらの生信号の伸長は、ベースコールされ、ＤＡＣ値をＤＮＡ塩基の配列に変換するプロセスである。いくつかの実施態様では、入力データは、正規化又はスケーリングされたＤＡＣ値を含む。非画像ベースの配列データに関する追加情報は、２０２０年５月１６日に出願された「Ｂａｓｅ Ｃａｌｌｉｎｇ Ｕｓｉｎｇ Ｃｏｎｖｏｌｕｔｉｏｎｓ」と題する米国特許仮出願第６２／８４９，１３２号、２０１９年５月１６日に出願された「Ｂａｓｅ Ｃａｌｌｉｎｇ Ｕｓｉｎｇ Ｃｏｍｐａｃｔ Ｃｏｎｖｏｌｕｔｉｏｎｓ」と題する米国特許仮出願第６２／８４９，１３３号、及び２０１９年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８２６，１６８号に見出すことができる。

【0104】

空間的に変化する鮮鋭化マスク
特定の鮮鋭化マスク／マスク／畳み込みカーネルは、データの特定のカテゴリ／タイプ／構成／特性／クラス／ビンの信号対雑音比を改善及び／又は改善及び／又は最大化するように構成／訓練され得る。同様に、それぞれの鮮鋭化マスクは、データのそれぞれのインスタンス／カテゴリ／タイプ／構成／特性／クラス／ビンの信号対雑音比を改善及び／又は改善及び／又は最大化するように構成され得る。様々な鮮鋭化マスクを開示する。例えば、「表面固有スペシャリスト鮮鋭化マスク」は、特定の表面又は特定の表面タイプ／カテゴリ／クラス（例えば、フローセルの上面又は底面又は表面１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。同様に、「レーン固有スペシャリスト鮮鋭化マスク」は、特定のレーン又は特定のレーンタイプ／カテゴリ／クラス（例えば、フローセルの中央レーン又は周辺レーン又はレーン１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。また、「タイル固有スペシャリスト鮮鋭化マスク」は、特定のタイル又は特定のタイルタイプ／カテゴリ／クラス（例えば、フローセルの中央タイル又は周辺タイル又はタイル１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。また、「サブタイル固有スペシャリスト鮮鋭化マスク」は、特定のサブタイル又は特定のサブタイルタイプ／カテゴリ／クラス（例えば、フローセルの中央サブタイル又は周辺サブタイル又はサブタイル１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。いくつかの実施態様では、単一の鮮鋭化マスクは、各スペシャリスト係数セットが、データの特定のカテゴリ／タイプ／構成／特性／クラス／ビンの信号対雑音比を改善及び／又は最大化するように構成／訓練されるように、複数のスペシャリスト係数セットを含むことができる。いくつかの実施態様では、単一の鮮鋭化マスクは、様々なスペシャリスト係数セットを含むことができる。例えば、「表面固有スペシャリスト係数セット」は、特定の表面又は特定の表面タイプ／カテゴリ／クラス（例えば、フローセルの上面又は底面又は表面１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。同様に、「レーン固有スペシャリスト係数セット」は、特定のレーン又は特定のレーンタイプ／カテゴリ／クラス（例えば、フローセルの中央レーン又は周辺レーン又はレーン１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。また、「タイル固有スペシャリスト係数セット」は、特定のタイル又は特定のタイルタイプ／カテゴリ／クラス（例えば、フローセルの中央タイル又は周辺タイル又はタイル１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。また、「サブタイル固有スペシャリスト係数セット」は、特定のサブタイル又は特定のサブタイルタイプ／カテゴリ／クラス（例えば、フローセルの中央サブタイル又は周辺サブタイル又はサブタイル１～Ｎ）上に位置するクラスタの配列決定データの信号対雑音比を改善及び／又は最大化するように構成／訓練される。開示されるスペシャリスト鮮鋭化マスクは、フローセルのパターン化された表面及びパターン化されていない表面の両方に位置するクラスタに適用可能である。パターン化されていない表面では、クラスタはフローセル上にランダムに分散している。ランダムに分散されたクラスタ及びそのためのデータ（例えば、画像）は、空間的に、時間的に、信号的に、又はそれらの任意の組み合わせによってビニングされ得る。したがって、スペシャリスト鮮鋭化マスクは、異なってビニングされランダムに分散されたクラスタの異なる構成のために構成され訓練され得る。パターン化された表面では、クラスタは、固定場所を有するパターン化されたウェル上に位置する。パターン化されたウェル及び構成要素クラスタは、空間的に、時間的に、信号的に、又はそれらの任意の組み合わせによってビニングされ得る。したがって、スペシャリスト鮮鋭化マスクは、異なってビニングされパターン化されたクラスタの異なる構成のために構成され訓練され得る。開示されるスペシャリスト鮮鋭化マスクは、配列決定動作の異なる構成に対して生成される画像データの信号対雑音比を改善及び／又は最大化するように訓練される、構成固有鮮鋭化マスクである。これらの構成は、フローセル上の異なる領域に関連する空間的構成、配列決定動作の異なる配列決定／撮像サイクルに関連する時間的構成、撮像データにおいて観察／符号化される信号プロファイルの異なる分散／パターンに関連する信号分散構成、又はそれらの組み合わせであり得る。本開示によって包含される構成の他の例は、撮像タイプ、色チャネルタイプ、レーザタイプ、光学系タイプ、レンズタイプ、光学フィルタタイプ、照明タイプ、ライブラリタイプ、試料タイプ、インデックスタイプ（第１のインデックス読み取り対第２のインデックス読み取り）、読み取りタイプ（順方向リード対逆方向リード）、試料の物理的特性、ノイズタイプ（例えば、バブル）、及び試薬タイプによって、配列決定データをセグメント化し、対応するスペシャリスト鮮鋭化マスクを訓練することを含む。

【0105】

図８Ａは、フローセルの対応する領域に対して生成された配列決定画像の対応するセクションに使用される複数の鮮鋭化マスク８２０を示し、フローセルの各タイルは３×３のサブタイル領域に分割され、各サブタイル領域は、１つ以上の対応する鮮鋭化マスクを割り当てられる。

【0106】

例えば、図８Ａでは、フローセルの２つの例示的なタイル８１２及び８１４が示されており（タイル及びフローセルの更なる考察については図２を参照）、フローセルは、図７の配列決定画像７０２を生成する。タイル８１２は、図示されるように、３×３のサブタイル領域８１２ａ、８１２ｂ、．．．、８１２ｉに分割される。同様に、タイル８１４は、図示されるように、３×３のサブタイル領域８１４ａ、８１４ｂ、．．．、８１４ｉに分割される。同様に、フローセルの他のタイルも、対応する３×３のサブタイル領域に分割されてもよい。単なる例として、タイルが対応する画像内に９０００×９０００ピクセルを有する場合、画像は、各サブタイル領域が３０００×３０００ピクセルを有するようにサブタイル領域に分割される。

【0107】

各タイルは、複数のクラスタを含む。例えば、画像の各３０００×３０００ピクセルサブタイル領域は、対応する複数のクラスタの画像を含む。

【0108】

タイルの各サブタイル領域には、１つ以上の対応する鮮鋭化マスクが割り当てられる。例えば、図８Ａの例では、２つの色チャネル８０２Ａ、８０２Ｂが単に一例として想定されているが、任意の異なる数の色チャネルがあってもよい。例えば、鮮鋭化マスク８２０Ａｘは色チャネル８０２Ａに対応し、鮮鋭化マスク８２０Ｂｘは色チャネル８０２Ｂに対応し、鮮鋭化マスク８２０Ａｘにおける「Ａ」は、これらのマスクが色チャネル８０２Ａの画像を処理するためのものであることを示唆し、鮮鋭化マスク８２０Ｂｘにおける「Ｂ」は、これらのマスクが色チャネル８０２Ｂの画像を処理するためのものであることを示唆する。

【0109】

更に、マスク８２０Ａｘ及び８２０Ｂｘにおけるインデックス「ｘ」は、マスクが使用されるべき対応するサブタイル８１２ｘ、８１４ｘに関連付けられる。例えば、マスク８２０Ａａは、タイル８１２のサブタイル８１２ａから生成された配列決定画像７０２のセクションに対して使用され、かつタイル８１４のサブタイル８１４ａに対しても使用され、マスク８２０Ｂａは、タイル８１２のサブタイル８１２ａから生成された配列決定画像７０２のセクションに対して使用され、かつタイル８１４のサブタイル８１４ａに対しても使用され、マスク８２０Ａｂは、タイル８１２のサブタイル８１２ｂから生成された配列決定画像７０２のセクションに対して使用され、かつタイル８１４のサブタイル８１４ｂに対しても使用されるなどである。

【0110】

したがって、要約すると、例えば、マスク８２０Ａａは、色チャネル８０２Ａに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８１２ａ及び８１４ａに対して使用される。マスク８２０Ｂａは、色チャネル８０２Ｂに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８１２ａ及び８１４ａに対して使用され、マスク８２０Ａｂは、色チャネル８０２Ａに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８１２ｂ及び８１４ｂに対して使用され、マスク８２０Ｂｂは、色チャネル８０２Ｂに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８１２ｂ及び８１４ｂに対して使用されるなどである。

【0111】

同じ鮮鋭化マスクが、複数のタイルの対応するサブタイル領域に使用されることに留意されたい。例えば、鮮鋭化マスク８０２Ａａ及び８０２Ｂａは、フローセルの複数又は全てのタイルの左上サブタイルに使用され、鮮鋭化マスク８０２Ａｅ及び８０２Ｂｅは、フローセルの複数又は全てのタイルの中央サブタイルに使用されるなどである。

【0112】

したがって、各タイルが３×３のサブタイル領域に分割され、２つの色チャネルが想定される図８Ａの例では、９^＊２、又は１８個の鮮鋭化マスクがある。一般に、各タイルがＮ個のサブタイル領域に分割され、Ｍ個の色チャネルが想定される場合、Ｍ×Ｎ個の鮮鋭化マスクがある。

【0113】

一例では、タイルのｋ×ｋ（３×３など）のサブディビジョンは、全自動画像捕捉システムが配列決定画像を捕捉するために使用されるシナリオのために使用されてもよい。例えば、全自動画像捕捉システムでは、タイルの中心は、例えば歪み効果、タイルの異なるセクションへの異なる合焦などに起因して、タイルのエッジとはわずかに異なって捕捉されてもよい。したがって、タイルのエッジは、図８Ａに示すように、タイルの中心とは異なる鮮鋭化マスクを有することができる。更に、フローセルに対する光学系の傾きなどの要因により、タイルの異なるエッジからの画像もわずかに異なる可能性もある（すなわち、各エッジが画像内で同様に表されないことがある）。したがって、図８Ａの例では、９個のサブタイルの各々は、異なる関連付けられた鮮鋭化マスクを有することができる。

【0114】

図８Ｂは、フローセルの対応する領域に対して生成された配列決定画像の対応するセクションに使用される複数の鮮鋭化マスク８４０を示し、フローセルの各タイルは１×９のサブタイル領域に分割され、各サブタイル領域は、１つ以上の対応する鮮鋭化マスクを割り当てられる。

【0115】

例えば、図８Ｂでは、フローセルの２つの例示的なタイル８３２及び８３４が示されており（タイル及びフローセルの更なる考察については図２を参照）、フローセルは、図７の配列決定画像７０２を生成する。タイル８３２は、図示されるように、１×９のサブタイル領域８３２ａ、８３２ｂ、．．．、８３２ｉに分割される。同様に、タイル８３４は、図示されるように、１×９のサブタイル領域８３４ａ、８３４ｂ、．．．、８３４ｉに分割される。同様に、フローセルの他のタイルも、対応する１×９のサブタイル領域に分割されてもよい。

【0116】

単なる例として、タイルが対応する画像内に９０００×９０００ピクセルを有する場合、画像は、各サブタイル領域が９０００×１０００ピクセルを有するようにサブタイル領域に分割される。画像の各９０００×１０００ピクセルサブタイル領域は、対応する複数のクラスタの画像を含む。

【0117】

タイルの各サブタイル領域には、１つ以上の対応する鮮鋭化マスクが割り当てられる。例えば、図８Ｂの例（図８Ａの例と同様）では、２つの色チャネル８０４Ａ、８０４Ｂが単に一例として想定されているが、任意の異なる数の色チャネルがあってもよい。例えば、鮮鋭化マスク８４０Ａｘは色チャネル８０４Ａに対応し、鮮鋭化マスク８４０Ｂｘは色チャネル８０４Ｂに対応し、鮮鋭化マスク８４０Ａｘにおける「Ａ」は、これらのマスクが色チャネル８０４Ａの画像を処理するためのものであることを示唆し、鮮鋭化マスク８４０Ｂｘにおける「Ｂ」は、これらのマスクが色チャネル８０４Ｂの画像を処理するためのものであることを示唆する。

【0118】

更に、マスク８４０Ａｘ及び８４０Ｂｘにおけるインデックス「ｘ」は、マスクが使用されるべき対応するサブタイル８３２ｘ、８３４ｘに関連付けられる。例えば、マスク８４０Ａａは、タイル８３２のサブタイル８３２ａから生成された配列決定画像７０２のセクションに対して使用され、かつタイル８３４のサブタイル８３４ａに対しても使用され、マスク８４０Ｂａは、タイル８３２のサブタイル８３２ａから生成された配列決定画像７０２のセクションに対して使用され、かつタイル８３４のサブタイル８３４ａに対しても使用され、同様に、マスク８４０Ａｂ及び８４０Ｂｂは、タイル８３２のサブタイル８３２ｂから生成された配列決定画像７０２のセクションに対して使用され、かつタイル８３４のサブタイル８３４ｂに対しても使用される。

【0119】

マスク８４０Ａａは、色チャネル８０４Ａに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８３２ａ及び８３４ａに対して使用され、マスク８４０Ｂａは、色チャネル８０４Ｂに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８３２ａ及び８３４ａに対して使用され、マスク８４０Ａｂは、色チャネル８０４Ａに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８３２ｂ及び８３４ｂに対して使用され、マスク８４０Ｂｂは、色チャネル８０４Ｂに対応する配列決定画像７０２のセクションに対して、かつサブタイル領域８３２ｂ及び８３４ｂに対して使用されるなどである。

【0120】

したがって、各タイルが１×９のサブタイル領域に分割され、２つの色チャネルが想定される図８Ｂの例では、９^＊２、又は１８個の鮮鋭化マスクがある。一般に、各タイルがＮ個のサブタイル領域に分割され、Ｍ個の色チャネルが想定される場合、Ｍ×Ｎ個の鮮鋭化マスクがある。

【0121】

一例では、タイルの１×ｋ（１×９など）のサブディビジョンは、線走査画像捕捉システムが配列決定画像を捕捉するために使用されるシナリオのために使用されてもよい。例えば、線走査画像捕捉システムでは、画像の様々な垂直サブ領域が異なって捕捉され得る。したがって、画像は、図８Ｂに示されるように、異なる垂直サブ領域に分割され、各サブ領域には、それ自体の対応する鮮鋭化マスクが割り当てられる。

【0122】

図８Ｃは、フローセルの対応する領域に対して生成された配列決定画像の対応するセクションに使用される複数の鮮鋭化マスク８６０を示し、フローセルの各タイルは複数のサブタイル領域に分割され、タイル内に周期的に生じる同様のサブ領域には、１つ以上の対応する鮮鋭化マスクが割り当てられる。

【0123】

例えば、図８Ｃでは、フローセルの２つの例示的なタイル８５２及び８５４が示されており、フローセルは、図７の配列決定画像７０２を生成する。タイル８５２は、３×３のサブタイル領域に分割され、各サブタイルの角領域は、灰色の陰影を使用して示される。タイル８５２及び８５８の様々なサブタイルにおける陰影領域は、陰影領域８５５ａとして標識され、タイル８５２及び８５８の様々なサブタイルにおける非陰影領域は、非陰影領域８５５ｂとして標識される。

【0124】

図８Ｃの例では、陰影領域８５５ａは、特定の周期性（例えば、各サブタイルの左上隅）で生じるが、これは一例にすぎず、陰影領域８５５ａは、任意の他のタイプの周期性でも生じることができる。例えば、タイルのピクセルの２つの水平ラインは、陰影領域８５５ａに含まれ得、その後に、ピクセルの５つの水平ラインを含む非陰影領域８５５ｂが続き、このパターンが繰り返され得る。したがって、この例では、陰影領域８５５ａのピクセルの２つのラインと、非陰影領域８５５ｂのピクセルの５つのラインとがインターリーブされ、繰り返しパターンで生じる。陰影領域８５５ａ及び非陰影領域８５５ｂの任意の他のパターンも可能であり得る。単に一例として、１つおきのピクセル（第４行）とピクセル（第５列及び第６列）との交点を陰影領域８５５ａに含めることができ、陰影領域のこのパターンを画像全体にわたって繰り返すことができる。

【0125】

一例では、図８Ｃに示される陰影領域及び非陰影領域の繰り返しパターンの使用は、ＣＭＯＳ（相補的金属酸化物半導体）画像捕捉センサが配列決定画像を捕捉するために使用されるシナリオに使用することができる。例えば、いくつかの配列決定プラットフォームは、埋め込みＣＭＯＳセンサを有するフローセルを使用する。配列決定化学は、ＣＭＯＳセンサの上で直接実施され、次いで、センサ上の蛍光分子を励起するＬＥＤの助けを借りて撮像される。一例では（例えば、撮像及び化学の両方を満たす設計及びコスト要件に起因して）、ＣＭＯＳセンサ読み出し回路は、「暗ピクセル」の繰り返し行及び列としてセンサ自体に埋め込まれ、そのような暗ピクセルの周期的パッチは、図８Ｃの陰影領域８５５ａとして象徴的に表される。この設計パターンは、図８Ｃに関して論じたように、特定の周期性で異なる抽出カーネルの使用を必要とする固有の強度抽出チャレンジを作成する。フローセル内に埋め込まれたＣＭＯＳセンサの使用は、本明細書に完全に記載されているかのように参照により組み込まれる、国際公開第２０２０／２３６９４５号に見出されてもよい。

【0126】

タイルの各陰影領域８５５ａには、１つ以上の対応する鮮鋭化マスクが割り当てられる。例えば、図８Ｃの例（図８Ａの例と同様）では、２つの色チャネル８０６Ａ、８０６Ｂが単に一例として想定されているが、任意の異なる数の色チャネルがあってもよい。例えば、鮮鋭化マスク８６０Ａｘは色チャネル８０６Ａに対応し、鮮鋭化マスク８６０Ｂｘは色チャネル８０６Ｂに対応し、鮮鋭化マスク８４０Ｂｘにおける「Ａ」は、これらのマスクが色チャネル８０６Ａの画像を処理するためのものであることを示唆し、鮮鋭化マスク８６０Ｂｘにおける「Ｂ」は、これらのマスクが色チャネル８０６Ｂの画像を処理するためのものであることを示唆する。

【0127】

更に、マスク８６０Ａｘ及び８６０Ｂｘにおけるインデックス「ｘ」は、マスクが使用されるべき対応する陰影／非陰影領域８５５ｘに関連付けられる。例えば、マスク８６０Ａａ及び８６０Ｂａは、様々なタイルの陰影領域８５５ａから生成された配列決定画像７０２のセクションに使用される。同様に、マスク８６０Ａｂ及び８６０Ｂｂは、様々なタイルの陰影領域８５５ｂから生成された配列決定画像７０２のセクションに使用される。

【0128】

したがって、マスク８６０Ａａは、色チャネル８０６Ａに対応する配列決定画像７０２のセクションに対して、かつ陰影領域８５５ａに対して使用され、マスク８６０Ｂａは、色チャネル８０６Ｂに対応する配列決定画像７０２のセクションに対して、かつ陰影領域８５５ａに対して使用され、マスク８６０Ａｂは、色チャネル８０６Ａに対応する配列決定画像７０２のセクションに対して、かつ非陰影領域８５５ｂに対して使用され、マスク８６０Ｂｂは、色チャネル８０６Ｂに対応する配列決定画像７０２のセクションに対して、かつ非陰影領域８５５ｂに対して使用される。

【0129】

したがって、各タイルが陰影領域及び非陰影領域に分割され、２つの色チャネルが想定される図８Ｃの例では、２^＊２、又は４個の鮮鋭化マスクがある。

【0130】

訓練
再び図７を参照すると、ベースコーラー７０４は、配列決定画像７０２を鮮鋭化するために使用される１つ以上の鮮鋭化マスク７０６（例えば、図８Ａ～図８Ｃに関して論じられた鮮鋭化マスクなど）を生成する（鮮鋭化動作については、図１０Ａ～図１０Ｋ及び図１１に関して更に詳細に論じられる）。鮮鋭化動作は、対応する特徴マップを生成するための配列決定画像からの強度抽出と、本明細書において後で更に詳細に論じられるように、クラスタのサブピクセル場所に基づいて、様々なクラスタの重み付けされた特徴値を割り当てるための後続の補間動作と、を含む。次いで、対応する割り当てられた重み付けされた特徴値を有するクラスタが、ベースコールされる。

【0131】

一実施態様では、ベースコーラー７０４によって生成される鮮鋭化マスク７０６の数は、図８Ａ～図８Ｃに関して論じられるように、実施態様固有であってもよい。例えば、各色チャネルは、対応する鮮鋭化マスク７０６を有してもよい。別の例では、配列決定画像７０２が生成されるフローセルのタイルは、図８Ａ～図８Ｃに関して更に詳細に論じられるように、タイルの個々のセクションのための専用鮮鋭化マスクを用いて、２つ以上のセクションに分割されてもよい。

【0132】

更に詳細に論じられるように（例えば、本明細書の後の図１０Ｆでは）、鮮鋭化マスク７０６は、畳み込みカーネルとして作用し、鮮鋭化マスクは、画像の対応するセクションと畳み込まれる。単なる一例として、図８Ａを参照すると、鮮鋭化マスク８２０Ａａは、色チャネル８０２Ａのサブタイル８１２ａによって生成される配列決定画像７０２のセクションと畳み込まれる。訓練の一実施態様では、各鮮鋭化マスク７０６の係数は、画像の対応するセクションからのデータの対応するサブセットに対する最小二乗推定を使用して判定される。したがって、再び図７及び図８Ａを参照すると、例えば、色チャネル８０２Ａに対するサブタイル８１２ａからのデータは、鮮鋭化マスク８２０ａを生成及び／又は訓練するために使用される。

【0133】

図７に示すように、ベースコーラー７０４への入力は、フローセルの様々なタイルからの配列決定画像の生のセンサピクセルである。各鮮鋭化マスク７０６は、訓練から学習された複数の係数を有する。一実施態様では、鮮鋭化マスクにおける係数の数は、クラスタをベースコールするために使用されるセンサピクセルの数に対応する。一例では、鮮鋭化マスクは、ｋ×ｋ個の係数を有する正方行列であり、ｋは、３、５、７、９などの適切な正の整数である。したがって、各鮮鋭化マスク７０６は、ｋ^２個の係数を有する。

【0134】

訓練は、信号対ノイズ比を最大化するように、ベースコールされるクラスタからの強度放射及び１つ以上の隣接クラスタからの強度放射を表すピクセルの強度値を混合／結合するように構成されている鮮鋭化マスク係数を作り出す。信号対ノイズ比において最大化された信号は、標的クラスタからの強度放射であり、信号対ノイズ比において最小化されたノイズは、隣接するクラスタからの強度放射、すなわち、空間クロストークにいくつかのランダムノイズを（例えば、背景強度放射を説明するために）加えたものである。鮮鋭化マスク係数は重みとして使用され、混合／結合は、鮮鋭化マスク係数とピクセルの強度値との間の要素ごとの乗算を実行して、ピクセルの強度値の重み付けされた和（例えば、特徴マップ内の特徴、図１０Ｅ及び図１０Ｆを参照）を計算することを含む。

【0135】

訓練中に、ベースコーラー７０４は、一実施態様によれば、最小二乗推定によって信号対ノイズ比を最大化することを学習する。最小二乗推定を使用して、ベースコーラー７０４は、対象ウェル周辺のピクセル強度と所望の出力とから共有鮮鋭化マスク係数を推定するように訓練される。最小二乗推定は、二乗誤差を最小にし、ノイズ増幅の効果を考慮した係数を出力するので、この目的に適している。

【0136】

所望の出力は、強度チャネルがオンである場合にはウェル（すなわち、クラスタ）場所（点源）におけるインパルスであり、強度チャネルがオフである場合には背景レベルである。いくつかの実施態様では、グラウンドトゥルース７１２が、所望の出力を生成するために使用される。一例では、グラウンドトゥルース７１２は、グラウンドトゥルースベースコールを含む。追加的に又は代替的に、いくつかの例では、グラウンドトゥルースは、図９Ａに示されるように、及び本明細書において更に詳細に論じられるように、各塩基に対するクラウドの中心（又は平均）を含む。

【0137】

いくつかの実施態様において、グラウンドトゥルース７１２は、ウェル当たりのＤＣオフセット、増幅係数、ポリクローナル性の程度、及び最小二乗推定に含まれるゲインオフセットパラメータを説明するように修正される。一実施態様では、訓練中に、ＤＣオフセット、すなわち固定オフセットが最小二乗推定値の一部として計算される。推論の間、ＤＣオフセットはバイアスとして各鮮鋭化マスク計算に加算される。

【0138】

一実施態様では、所望の出力は、Ｉｌｌｕｍｉｎａのリアルタイム分析（Real-time Analysis、ＲＴＡ）ベースコーラーを使用して推定される。ＲＴＡに関する詳細は、米国特許出願第１３／００６，２０６号に見出すことができ、これは、本明細書に完全に記載されているかのように参照により組み込まれる。ベースコール誤差は、多くの訓練例で平均化される。別の実施態様では、グラウンドトゥルース７１２は、位置合わせされたゲノムデータを使用して供給されるが、位置合わせされたゲノムデータは、ノイズを平均化するための複数の配列決定プラットフォーム及び配列決定動作から得られた知識を組み込んだ参照ゲノム及び真実情報を使用することができるので、より良い品質を有する。

【0139】

グラウンドトゥルース７１２は、それぞれ、塩基Ａ、Ｃ、Ｇ、及びＴの強度プロファイルを確実に表す塩基固有の強度値（又は本明細書で後で論じられる特徴値）である。ＲＴＡのようなベースコーラーは、配列決定画像７０２を処理し、ベースコールごとに色ごとの強度値／出力を作り出すことによってクラスタをベースコールする。色ごとの強度値は、塩基ごとの強度値とみなすことができる。これは、化学のタイプ（例えば、２色化学又は４色化学）に応じて、色が塩基Ａ、Ｃ、Ｇ、及びＴの各々にマップされるためである。最も近い強度プロファイルが一致する塩基が呼び出される。

【0140】

図９Ａは、訓練中の誤差計算のためのグラウンドトゥルース値として使用される塩基ごとの標的を中心に含む塩基ごとのガウスフィットの一実施態様を示す。訓練データ（例えば、数十、数百、数千、又は数百万のベースコール）内の多数のベースコールに対してベースコーラーによって作り出された塩基ごとの強度出力は、塩基ごとの強度分布を作り出すために使用される。図９Ａは、それぞれ、塩基Ａ、Ｃ、Ｇ、Ｔの塩基ごとの強度出力の確率分布である４つのガウス雲のチャートを示している。４つのガウス雲の中心における強度値は、それぞれ、塩基Ａ、Ｃ、Ｇ、及びＴに対するグラウンドトゥルース７１２のグラウンドトゥルース強度標的（又は特徴値標的）として使用され、本明細書において標的（例えば、強度又は特徴値標的）と呼ばれる。

【0141】

訓練中に、ベースコーラー７０４に供給される入力画像データは、グラウンドトゥルースベースコールとして塩基「Ａ」で注釈されることを考慮する。グラウンドトゥルース７１２は、それぞれ、塩基Ａ、Ｃ、Ｇ、及びＴの強度プロファイルを確実に表すベース固有の強度値も含む。したがって、例えば、グラウンドトゥルース７１２は、図９Ａに示されるように、塩基Ａに対して、塩基Ａについての平均強度又は平均特徴値の座標（すなわち、図９Ａの緑クラウドの中心）も含む（特徴値は、本明細書において後で論じられる）。次いで、ベースコーラー７０４の標的／所望の出力は、図９Ａの緑クラウドの中心における強度値又は特徴値、すなわち、塩基Ａに対する強度標的である。同様に、塩基「Ｃ」に対して、グラウンドトゥルースは、図９Ａの青クラウドの中心における強度値又は特徴値、すなわち、座標（Ｃｘ，Ｃｙ）を有する塩基Ｃに対する強度標的（又は特徴値標的）を含む。同様に、塩基「Ｔ」に対して、グラウンドトゥルースは、図９Ａの赤クラウドの中心における強度値又は特徴値、すなわち、座標（Ｔｘ，Ｔｙ）を有する塩基Ｔに対する強度標的（又は特徴値標的）を含む。また、塩基「Ｇ」に対して、グラウンドトゥルースは、図９Ａの茶色の雲の中心における強度値又は特徴値すなわち、座標（Ｇｘ，Ｇｙ）を有する基数Ｇに対する強度標的（又は特徴値標的）を含む。

【0142】

したがって、ベースコーラー７０４の訓練中の標的又は所望の出力は、訓練データにおいて平均化された後の各塩基Ａ、Ｃ、Ｇ及びＴに対する平均強度（又は平均特徴値）である。一実施態様では、訓練器７１４は最小二乗推定を使用して鮮鋭化マスク７０６の係数を適合させ、出力誤差をこれらの強度標的に向けて最小化する。

【0143】

一実施態様では、訓練中に、ベースコーラー７０４は、所与の鮮鋭化マスク内の係数を、所与の塩基で標識された配列決定画像のピクセルに適用する。これは、係数をピクセルの強度値を用いて要素ごとに乗算し、特徴マップの強度値の重み付き和を生成することを含み、係数は重みとして機能し／作用し／使用される。特徴マップは、対応する特徴値を有する様々な特徴を含む。クラスタの中心は、配列決定画像７０２のピクセルの中心と位置合わせされなくてもよいことに留意されたい。そのようなずれを説明するために、配列決定画像７０２から生成された特徴マップにおいて（特徴マップは、鮮鋭化マスクを画像の対応するセクションと畳み込むことによって生成される）、クラスタに割り当てられた重み付けされた特徴値は、バイリニア補間によって生成され、例えば、クラスタに対応する重み付けされた特徴値を生成するために隣接する特徴が補間され、これについては本明細書において更に詳細に論じられる。次いで、クラスタに対応する補間された特徴値は、そのクラスタについてのベースコーラー７０４の予測された出力となる。次に、コスト／誤差関数（例えば、二乗誤差の和（sum of squared errors、ＳＳＥ））に基づいて、（例えば、所与の塩基に対して観測された平均強度として対応する強度ガウスフィットの中心からの）補間された重み付き特徴値と所与の塩基に対して判定された強度標的と間の誤差（例えば、最小二乗誤差、最小平均二乗誤差）が計算される。ＳＳＥのようなコスト関数は、適合的アプローチを用いて鮮鋭化マスク係数を推定するために使用される微分可能な関数であり、したがって、係数に関する誤差の導関数を評価することができ、これらの導関数を用いて、誤差を最小化する値で係数を更新する。このプロセスは、更新された係数が誤差を減少させなくなるまで繰り返される。他の実施態様では、ベースコーラー７０４を訓練するためにバッチ最小二乗法が使用される。

【0144】

例えば、図９Ａの緑クラウドの中心、すなわち、塩基Ａに対する強度標的が、塩基Ａベースコールのための標的又は所望の出力（例えば、標的特徴値）である（Ａｘ、Ａｙ）であると想定する。配列決定動作中に、クラスタ９０４が座標（Ｉｘ，Ｉｙ）で表される重み付けされた特徴値を有すると想定する。一実施形態では、ベースコーラー７０４は、所与の鮮鋭化マスクにおける係数を更新し、そのため、クラスタ９０４の強度が座標（Ｉｘ，Ｉｙ）から座標（Ａｘ，Ａｙ）に転置される。したがって、訓練は、座標（Ａｘ，Ａｙ）と座標（Ｉｘ，Ｉｙ）との間の距離を最小化又は低減することを目的とする。

【0145】

他の例では、図９Ａに示す塩基ごとの強度分布／ガウス雲は、ウェルごとに生成され、ＤＣオフセット、増幅係数、及び／又はフェージングパラメータを追加することによってノイズを補正することができる。このようにして、特定のウェルのウェル場所に応じて、対応する塩基ごとのガウス雲を使用して、その特定のウェル（又はウェルに対応するクラスタ）に対する標的強度値を生成することができる。

【0146】

一実施態様では、バイアス項が、ベースコーラー７０４の出力を作り出すドット積に加算される。訓練中、バイアスパラメータは、鮮鋭化マスク、すなわち、最小二乗又は最小平均二乗（least mean squares、ＬＭＳ）を学習するために使用される同様のアプローチを使用して推定することができる。いくつかの実施態様では、バイアスパラメータの値は、１に等しい一定値であり、すなわち、入力ピクセル強度とともに変化しない値である。係数セットごとに１つのバイアスがある。バイアスは訓練中に学習され、その後、推論中に使用するために固定される。学習されたバイアスは、各鮮鋭化マスクの学習係数とともに、推論中の全ての計算で使用されるＤＣオフセットを表す。このバイアスは、異なるクラスタサイズ、異なる背景強度、変化する刺激応答、変化する焦点、変化するセンサ感度、及び変化するレンズ収差によって引き起こされるランダムノイズを説明する。

【0147】

更に他の決定指向の実施態様では、ベースコーラー７０４の出力は、訓練目的に対して正しいと推定される。

【0148】

訓練器７１４は、ベースコーラー７０４を訓練し、複数の訓練技法を使用して、鮮鋭化マスク７０６の訓練された係数を生成することができる。訓練技法の例として、最小二乗推定、最小二乗法、最小平均二乗、及び再帰的最小二乗が挙げられる。最小二乗技法では、残差の二乗和が最小になるように、関数のパラメータがデータセットに最も適合するように調整される。他の実施態様では、他の推定アルゴリズム及び適合アルゴリズムを使用してベースコーラー７０４を訓練することができる。

【0149】

ベースコーラー７０４は、適合のオフラインモード又はオンラインモードで訓練され得る。一実施態様によれば、ベースコーラー７０４の訓練された係数は、以下のバッチ最小二乗論理を使用して生成及び／又は更新される。

【0150】

【数1】

【0151】

上記の式において、鮮鋭化マスク係数は、ベータハット

【0152】

【数2】

である。例えば、鮮鋭化マスク７０６がｋ×ｋの寸法を有する場合、ベータハット

【0153】

【数3】

は、（ｋ×ｋ）の寸法を有するベクトルである。したがって、３×３の寸法の鮮鋭化マスクの場合、ベータハット

【0154】

【数4】

は、サイズ９のベクトルである。

【0155】

Ｘは、サイズｍ×ｋ×ｋのピクセル値、すなわち、ｍ行及び（ｋ×ｋ）列を有する行列であり、ｍは、適切な正の整数である。行列Ｘの各行は、１つのクラスタに対応し、各列は、サブピクセル補間のために調整した後の画像ピクセルの値である。

【0156】

ｙは、各クラスタの重心場所に対応するサイズｍのベクトルである。例えば、ｙは、全ての訓練例に対する標的出力であり、すなわち、各値は、訓練例の真に依存するオン／オフクラウドの強度中心である。そして、ベータハットは、二乗残差の和を最小化する係数のセットである。

【0157】

一例では、ベースコーラー７０４をオンラインモードで訓練して、鮮鋭化マスク７０６の係数を適合させて、例えば、配列決定マシンが動作し、配列決定動作が周期的に進行している間に、温度（例えば、光学歪み）、焦点、化学、機械固有の変動などの変化を追跡することもできる。オンラインモードでは、鮮鋭化マスク７０６の訓練された係数は、適合技法を使用して更新される。オンラインモードでは、確率的勾配降下法の一形態である最小平均二乗法を訓練アルゴリズムとして使用する。鮮鋭化マスク７０６の係数のオンライン適合に関する更なる詳細は、例えば図１２及び図１３に関して、本明細書において後で論じられる。

【0158】

最小平均二乗法では、各係数に対する二乗誤差の勾配を用いて、二乗誤差の期待値であるコスト関数を最小化する方向に係数を移動させる。これは非常に低い計算コストを有し、係数当たりの乗算及び累算演算のみが実行される。係数を除いて、長期保存は必要ない。最小平均二乗法は、大量のデータを処理するのに適している（例えば、何十億ものクラスタからのデータを並列処理する）。最小平均二乗法の拡張には、正規化最小平均二乗法及び周波数領域最小平均二乗法が含まれ、これらもここで使用することができる。いくつかの実施態様では、最小平均二乗法は、本発明者らの決定が正しいと仮定する決定指向の方法、すなわち、本発明者らのエラー率が非常に低く、小さいｍｕ値が不正確なベースコールによる妨害された更新をフィルタリングする方法で適用することができる。

【0159】

図９Ｂは、例えばオフライン又はオンラインモードを使用して、ベースコーラー１０４を訓練するために使用され得る適合技法の一実施態様を示す。ここで、論理は、ｙ＝ｘ．ｈ＋ｄであり、ｘは、入力ピクセル強度、ｈは、鮮鋭化マスク係数、ｄは、ＤＣオフセットである。一実施態様では、ｘ及びｈはそれぞれ、長さ８１を有する行及び列ベクトルである。このベクトルモデルは，入力ピクセルと係数を表す９×９行列の内積に相当する。コストは二乗誤差の期待値である。勾配の更新により、誤差二乗の期待値を減少させる方向に各係数が移動する。これにより、次の更新が行われる。

【0160】

【数5】

【0161】

ほとんどのシステムでは、期待値関数Ｅ｛ｘ（ｎ）ｅ^＊（ｎ）｝を近似しなければならない。これは、以下の非バイアス推定器を用いて行うことができる。

【0162】

【数6】

【0163】

Ｎは、推定するサンプルの数を示す。最も単純な場合は、Ｎ＝１である。

【0164】

【数7】

【0165】

この単純なケースの場合、更新アルゴリズムは以下のようである。

【0166】

【数8】

【0167】

実際、これは、ＬＭＳフィルタに対する更新アルゴリズムを構成する。

【0168】

上記の式において、ｈは、鮮鋭化マスク係数のベクトルであり、ｘは、入力強度のベクトルであり、ｅは、ｘにおける値を使用して実施された計算の誤差であり、すなわち、出力ごとにただ１つの誤差項である。

【0169】

この更新を適用すると、係数の新しい推定値が生成される。この推定値は、平均二乗誤差（mean squared error、ＭＳＥ）を低減する方向に（平均して）係数を移動する。いくつかの実施態様では、Ｍｕは、適合レート／収束速度を変更するために使用される小さい定数である。ＤＣ項の更新は、同様の方式で計算することができる。ゲイン項の更新も同様の方式で計算することができる。

【0170】

いくつかの実施態様では、線形補間が係数セットに適用されるので、更新は、以下の様式でわずかに異なって適用される。
ｈ（ｑ，ｎ＋１）＝ｈ（ｑ，ｎ）＋ｌａｍｂｄａ＿ｑ．ｍｕ．ｘ（ｎ）．ｅ（ｎ）

【0171】

上式において、ｈ（ｑ，ｎ）はサイクルｎにおける重みｑであり、ｌａｍｂｄａ＿ｑは係数の特定のセットに対する線形補間重みであり、二次元における線形補間による出力当たり４回の更新を含むことができる。

【0172】

再帰最小二乗法は、最小二乗法を再帰アルゴリズムに拡張したものである。

【0173】

空間クロストーク減衰器
図１０Ａ～図１０Ｋは、図７～図８Ｃの訓練された鮮鋭化マスク７０６を使用して、センサピクセルからの空間クロストークを減衰させ、クロストーク補正されたセンサデータを使用してクラスタをベースコールする様々な実施態様を共同で示す。具体的には、図１０Ａは、タイルのサブタイル（例えば、タイル８１２のサブタイル８１２ａ、図８Ａを参照）からの配列決定画像７０２のセクション１０００を示し、様々なクラスタ中心が対応するピクセルの中心に対してオフセットされている。

【0174】

サブタイルは、配列決定画像７０６の多数のピクセルを生成する可能性が高いが、サブタイルに対応する図１０Ａのセクション１０００は、簡略化のために、数個のピクセルのみを含む。

【0175】

図１０Ａは、サブタイル内の複数のクラスタの中心を更に示しており、クラスタの中心は、配列決定画像７０６のセクション１０００上に重畳されている。また、図１０に表示されたセクション１０００は、特定の色チャネルについてのものであると仮定する。２つの異なる撮像チャネル、すなわち赤色チャネル及び緑色チャネルを使用するシーケンサの光学システムを考える（ただし、シーケンサは、１、３、４、又はそれ以上など、任意の異なる数の色チャネルを生成してもよい）。次いで、各配列決定サイクルにおいて、光学システムは、赤色チャネル強度を有する赤色画像及び緑色チャネル強度を有する緑色画像を作り出し、これらは一緒になって（典型的な色画像のＲＧＢチャネルのように）単一の配列決定画像を形成する。一例では、図１０に示されるピクセルは、特定の色チャネルについてのものである。

【0176】

図１０Ａでは、クラスタのいくつかは、その中心が黒いドットを使用して示されており、標識されている。例えば、Ｘ－Ｙ座標平面において、クラスタ１０１１は、場所（ｘ１，ｙ１）に配設された中心を有し、クラスタ１０１２は、場所（ｘ２，ｙ２）に配設された中心を有し、クラスタ１０１３は、場所（ｘ３，ｙ３）に配設された中心を有し、クラスタ１０１４は、場所（ｘ４，ｙ４）に配設された中心を有し、クラスタ１０１５は、場所（ｘ５，ｙ５）に配設された中心を有する。

【0177】

一例では、タイル上のクラスタの場所（例えば、座標）は、基準マーカーを使用して識別される。生物学的検体が撮像される固体支持体は、固体支持体に付着されたプローブに対する検体又はその画像の配向の判定を容易にするために、そのような基準マーカーを含むことができる。例示的な基準としては、限定されないが、ビーズ（蛍光部分又は標識されたプローブが結合することができる核酸などの部分を有するか又は有さない）、既知の又は判定可能な特徴に結合した蛍光分子、又は形態学的形状を蛍光部分と組み合わせる構造が挙げられる。例示的な基準は、参照により本明細書に組み込まれる米国特許出願公開第２００２／０１５０９０９号に記載されている。したがって、一例では、基準マーカーを使用して、配列決定画像７０６のセクション１０００に対するクラスタの場所、及び図１０Ａに示すクラスタの座標を判定する。

【0178】

クラスタの中心は、対応するピクセルの中心と一致しなくてもよいことに留意されたい。例えば、クラスタ１０１１の中心は、ピクセル１００１内にあるが、中心から外れており、クラスタ１０１２の中心は、ピクセル１００２内にあるが、中心から外れており、クラスタ１０１３の中心は、ピクセル１００３内にあるが、中心から外れており、クラスタ１０１４の中心は、ピクセル１００４内にあるが、中心から外れており、クラスタ１０１５の中心は、ピクセル１００５内にあるが、中心から外れている。

【0179】

図１０Ｂは、クラスタ対ピクセル信号１０３３の一例を可視化している。一実施態様では、センサピクセルはピクセル平面内にある。空間クロストークは、試料平面（例えば、フローセル）におけるクラスタの周期的な分布１０３７によって引き起こされる。一実施態様では、クラスタは、フローセル上に菱形形状で周期的に分布され、フローセルのウェル上に固定化される。別の実施態様では、クラスタは、六角形状のフローセル上に周期的に分布され、フローセルのウェル上に固定化される。クラスタからの信号コーン１０３５は、少なくとも１つのレンズ（例えば、オーバヘッド又は隣接するＣＣＤカメラの１つ以上のレンズ）を介して、センサピクセルのローカルグリッドに光学的に結合される。

【0180】

クラスタは、菱形及び六角形の他に、正方形、菱状形、三角形などの他の規則的な形状に配置することができる。更に他の実施態様では、クラスタは、ランダムで非周期的な配置で試料平面上に配置される。当業者は、クラスタが、特定の配列決定の実施態様によって必要とされるように、任意の配置で試料平面上に配置され得ることを理解する。

【0181】

図１０Ｃは、クラスタ対ピクセル信号重なり合いの一例を可視化する。信号コーン１０３５（図１０Ｂを参照）は、重なり合ってセンサピクセルに衝突し、空間クロストーク１０３７を作成する。

【0182】

図１０Ｄは、クラスタ信号パターンの一例を可視化する。一実施態様では、クラスタ信号パターンは、減衰パターン１０３９に従う。この場合、クラスタ信号は、クラスタ中心で最も強く、クラスタ中心から遠ざかって伝播するにつれて減衰する。

【0183】

図１０Ｅは、畳み込み演算１０３０Ａａを示し、鮮鋭化マスク８２０Ａａは、配列決定画像の対応するセクションと畳み込まれて、対応する特徴マップを生成する。図１０Ｅの例では、ｋ×ｋ（この例ではｋ＝３であるが、ｋは別の適切な正の整数とすることができる）鮮鋭化マスク８２０Ａａ（図８Ａを参照）が、色チャネル８０２Ａについて、タイル８１２のサブタイル８１２ａからの配列決定画像７０２のセクション１０００とともに畳み込まれる（セクション１０００を示す図１０Ａを参照）。図１０Ａと同様に、黒いドットのクラスタ中心は、配列決定画像７０２のセクション１０００上に重畳されている。

【0184】

特徴マップ１０４２Ａａは、畳み込み演算の結果として生成される。特徴マップ１０４２Ａａは、タイル８１２のサブタイル８１２ａに固有であり、色チャネル８０２Ａについて固有であることに留意されたい。繰り返しになるが、黒いドットのクラスタ中心が特徴マップ１０４２Ａａ上に重畳されている。

【0185】

セクション１０００は、ｗ×ｈの寸法を有し、ｗ（幅）及びｈ（高さ）は、サブタイル８１２ａのサイズに応じて、例えば１００，０００又はそれ以上の大きさとすることができる。したがって、ｗ及びｈは、タイルを異なるサブタイルに区分することに基づく。一実施態様では、畳み込み１０３０Ａａに起因して、特徴マップ１０４２Ａａの次元数は、セクション１０００の次元数とは異なる（例えば、それよりも小さくなる）ことができる。別の実施態様では、次元は、例えば、畳み込み１０３０Ａａの前にセクション１０００を適切にパディングすることによって、又は畳み込み演算の後に特徴マップ１０４２Ａを適切にパディングすることによって、保存され得る。

【0186】

特徴マップ１０４２Ａａは、複数の特徴を含み、各特徴は、配列決定画像７０２のセクション１０００内のそれぞれのピクセルに対応する。単なる例として、特徴マップ１０４２Ａａの特徴１０５１は、セクション１０００のピクセル１００１に対応する。例えば、畳み込み１０３０Ａａの間、鮮鋭化マスク８２０Ａａはセクション１０００にわたって移動され、乗算及び加算演算が鮮鋭化マスク８２０Ａａの各位置で実施される。特徴１０５１は、例えば鮮鋭化マスク８２０Ａａがピクセル１００１を中心とするセクション１０００のパッチと畳み込まれるとき、乗算及び加算演算に起因して生成され、したがって、特徴１０５１はピクセル１００１に対応する。同様に、特徴マップ１０４２Ａａの他の特徴は、セクション１０００のそれぞれのピクセルに対応する（すなわち、セクション１０００のピクセルと特徴マップ１０４２Ａａの特徴との間の１対１の位置マッピング）。

【0187】

図１０Ｅの例では、クラスタの場所が、特徴マップ１０４２Ａａの特徴上にも重畳されている。例えば、図１０Ａに示されるように、１つ以上のクラスタのクラスタ中心は、対応するピクセルの中心に対して中心から外れている。同様に、図１０Ｅでは、１つ以上のクラスタのクラスタ中心も、対応する特徴の中心に対して中心から外れている。

【0188】

図１０Ｆは、複数の畳み込み演算を示し、複数の鮮鋭化マスクの各々は、複数の特徴マップのうちの対応する１つを生成するために、配列決定画像７０２の複数のセクションのうちの対応するセクションと畳み込まれる。例えば、図８Ａ及び図１０Ｆを参照すると、鮮鋭化マスク８２０Ａａは、色チャネル８０２Ａについて、サブタイル８１２ａ対応する配列決定画像７０２のセクション１０００と畳み込まれて、対応する特徴マップ１０４２Ａａを生成し、この畳み込み演算は、図１０Ｅに関して更に詳細に論じられる。同様に、鮮鋭化マスク８２０Ａｂは、色チャネル８０２Ａについて、サブタイル８１２ｂに対応する配列決定画像７０２のそれぞれのセクションと畳み込まれて、対応する特徴マップ１０４２Ａｂを生成する。同様に、鮮鋭化マスク８２０Ａｉは、色チャネル８０２Ａについて、サブタイル８１２ｉに対応する配列決定画像７０２のそれぞれのセクションと畳み込まれて、対応する特徴マップ１０４２Ａｉを生成する。一般的に言えば、鮮鋭化マスク８２０Ａｘは、色チャネル８０２Ａについて、サブタイル８１２ｘに対応する配列決定画像７０２のそれぞれのセクションと畳み込まれて、対応する特徴マップ１０４２Ａｘを生成し、ｘ＝ａ、．．．、ｉである。図１０Ｆの左側の畳み込み演算１０３０Ａｘ（ｘ＝ａ、．．．、ｉ）は、例示的な色チャネル８０２Ａについてのものである。

【0189】

図１０Ｆの右側の畳み込み演算１０３０Ｂｙ（ｙ＝ａ、．．．、ｉ）は、例示的な色チャネル８０２Ｂについてのものである。例えば、鮮鋭化マスク８２０Ｂａは、色チャネル８０２Ｂについて、サブタイル８１２ａに対応する配列決定画像７０２のそれぞれのセクションと畳み込まれて、対応する特徴マップ１０４２Ｂａを生成する。同様に、鮮鋭化マスク８２０Ｂｂは、色チャネル８０２Ｂについて、サブタイル８１２ｂに対応する配列決定画像７０２のそれぞれのセクションと畳み込まれて、対応する特徴マップ１０４２Ｂｂを生成するなどである。一般的に言えば、鮮鋭化マスク８２０Ｂｘは、色チャネル８０２Ｂについて、サブタイル８１２ｙに対応する配列決定画像７０２のそれぞれのセクションと畳み込まれて、対応する特徴マップ１０４２Ｂｙを生成し、ｙ＝ａ、．．．、ｉである。

【0190】

また前で論じたように、２つの色チャネル８０２Ａ及び８０２Ｂは単なる例であり、シーケンサは、１つの色チャネル、又は３つ以上の色チャネルなど、任意の異なる数の色チャネルを含むことができる。

【0191】

図１０Ｇは、図１０Ｅの特徴マップ１０４２Ａａを更に詳細に示しており、特徴のいくつか及びクラスタの中心が標識されている。例えば、クラスタ１０１１は、場所（ｘ１，ｙ１）に中心を有し、特徴１０５１内にあり、クラスタ１０１２は、場所（ｘ２，ｙ２）に中心を有し、特徴１０５２内にあるなどである（配列決定画像のセクション１０００におけるクラスタ中心座標については図１０Ａも参照）。

【0192】

図１０Ｈは、図１０Ｅ及び図１０Ｇの特徴マップ１０４２Ａａを示しており、標的クラスタ１０１１を含む特徴マップ１０４２Ａａの部分１０２９が、拡大ビューで更に詳細に示されている。例えば、特徴マップ１０４２Ａａの部分１０２９のビューは、拡大又はズームインされ、場所（ｘ１，ｙ１）におけるクラスタ１０１１の中心は、特徴マップ１０４２Ａａの部分１０２９上に重畳される。

【0193】

論じたように、クラスタ１０１１は、特徴１０５１（図１０Ｈにおいて１０５１ｅと標識されている）内にあるが、特徴１０５１ｅの中心に対して中心から外れている。特徴１０５１ｅを囲む８つの隣接する特徴１０５１ａ、．．．、１０５１ｄ、１０５１ｆ、．．．、１０５１ｉも標識されている。

【0194】

各特徴の中心は、図１０Ｈ及びいくつかの後続の図において黒い正方形を使用して表される。図１０Ｈに示すように、特徴１０５１ａの中心は座標（ｘａ，ｙａ）を有し、特徴１０５１ｂの中心は座標（ｘｂ，ｙｂ）を有するなどであり、特徴１０５１ｉの中心は座標（ｘｉ，ｙｉ）を有する。

【0195】

図１０Ｅに関して論じたように、図１０Ｈの各特徴１０５１（ａ，ｅ）は、畳み込み１０３０Ａａによって生成される対応する特徴値を有する。図１０Ｈを参照すると、一例では、クラスタ１０１１に重み付けされた特徴値が割り当てられ、重み付けされた特徴値は、適切な補間技法に基づいて割り当てられる。例えば、クラスタ１０１１の中心が特徴１０５１ｅの中心と一致する場合、特徴１０５１ｅの特徴値がクラスタ１０１１に割り当てられ得る。しかしながら、図１０Ｈの例では、クラスタ１０１１の中心が特徴１０５１ｅの中心と一致しないので、クラスタ１０１１に割り当てられる重み付けされた特徴値は、特徴１０５１ｅだけでなく、特徴１０５１ｅに隣接する１つ以上の特徴によっても影響を受ける。

【0196】

一実施形態では、適切な補間技法を使用して、重み付けされた特徴値をクラスタ１０１１に割り当てるが、これは、例えば、（ｉ）クラスタ１０１１の中心が存在する特徴１０５１ｅの特徴値、（ｉｉ）クラスタ１０１１の中心から閾値距離内にある１つ以上の隣接する特徴の特徴値、（ｉｉｉ）クラスタ中心と特徴中心との間の中心間距離、（ｉｖ）クラスタ中心とピクセル中心との間の中心間距離、及び（ｖ）クラスタに関連付けられた中心間距離に基づく。

【0197】

図１０Ｈは、特徴マップドメイン内にありすなわち、クラスタ１０１１が特徴マップ上に重畳された特徴マップ１０４２Ａを示すことに留意されたい。特徴の中心及びクラスタ１０１１の中心の座標も示されている。名前が示すように、クラスタ中心と特徴中心との間の中心間距離は、クラスタの中心と特徴の中心との間の距離を指し、クラスタと特徴との間の中心間距離とも呼ばれる。例えば、クラスタ１０１１と特徴１０５１ｅとの間の中心間距離ｄ１は、座標（ｘ１，ｙ１）と座標（ｘｅ，ｙｅ）との間の距離であり、例えば、以下のように判定される。

【0198】

【数9】

【0199】

同様に、クラスタ１０１１と任意の他の特徴との間の中心間距離も判定され得る。

【0200】

一方、クラスタ中心とピクセル中心との間の中心間距離（クラスタとピクセルとの間の中心間距離とも呼ばれる）は、クラスタの中心とピクセルの中心との間の距離を指す。例えば、図１０Ａを参照すると、配列決定画像７０２のセクション１０００が示されている。図１０Ｈと同様に、様々なピクセルの中心の座標を判定することができ、したがって、クラスタ１０１１と様々なピクセルとの間の中心間距離も判定することができる。

【0201】

例えば、図１０Ｉは、図１０Ｅの畳み込み演算１０３０Ａａを示し、クラスタ１０１１とピクセル１０１１との間の中心間距離ｄ２、並びにクラスタ１０１１と特徴１０５１ｅとの間の中心間距離ｄ１を更に示す。図１０Ｅに関して論じたように、特徴１０５１ｅはピクセル１０１１に対応することに留意されたい。例えば、畳み込み１０３０Ａａの間、鮮鋭化マスク８２０Ａａはセクション１０００にわたって移動され、乗算及び加算演算が鮮鋭化マスク８２０Ａａの各位置で実施される。特徴１０５１ｅは、例えば鮮鋭化マスク８２０Ａａがピクセル１００１を中心とするセクション１０００のパッチと畳み込まれるとき、乗算及び加算演算に起因して生成され、したがって、特徴１０５１はピクセル１００１に対応する。したがって、ピクセル１００１の中心に対するクラスタ１０１１の位置は、特徴１０５１ｅの中心に対するクラスタ１０１１の位置と同じである。すなわち、距離ｄ１及び距離ｄ２は、同じである。

【0202】

本明細書において後で論じられる補間演算の少なくともいくつかでは、（ｉ）クラスタとピクセルとの間の中心間距離、又は（ｉｉ）クラスタと特徴との間の中心間距離のいずれかが使用されてもよい。例えば、一実施態様は、クラスタとピクセルとの間の中心間距離を使用することができ、別の実施態様は、クラスタと特徴との間の中心間距離を使用することができ、これらの２つの中心間距離は数値的に同じである。

【0203】

本明細書において後で論じられる補間例のいくつかは、クラスタと特徴との間の中心間距離を論じるしかしながら、当業者によって容易に理解されるように、クラスタとピクセルとの間の中心間距離が代わりに使用されてもよい。

【0204】

本開示の目的のために、他に言及されない限り、クラスタに関連付けられた中心間距離は、クラスタと対応するピクセルとの間の中心間距離、又はクラスタと対応する特徴との間の中心間距離を示唆する。

【0205】

一例では、クラスタのサブピクセル位置は、クラスタが位置するピクセルの境界又はピクセルの中心に対するクラスタの中心の位置を含む。例えば、図１０Ｉのピクセル１００１が３×３のサブピクセルのグリッドに分割される場合、クラスタ１０１１は、ピクセル１００１の右上のサブピクセル内に含まれる可能性が高い。

【0206】

一例では、クラスタのサブ特徴位置は、クラスタが位置する特徴の境界又は特徴の中心に対するクラスタの中心の位置を含む。例えば、図１０Ｉの特徴１０５１ｅが３×３のサブ特徴のグリッドに分割される場合、クラスタ１０１１は、ピクセル１００１の右上のサブ特徴内に含まれる可能性が高い。

【0207】

標的クラスタの重み付けされた特徴値を判定するための補間
図１０Ｈに関して上記で論じたように、任意の適切な補間技法を使用して、重み付けされた特徴値をクラスタ１０１１に割り当てることができ、これは、例えば（ｉ）クラスタ１０１１の中心が存在する特徴１０５１ｅの特徴値と、（ｉｉ）クラスタ１０１１の中心から閾値距離内にある１つ以上の隣接する特徴の特徴値とに基づいてもよい。いくつかのそのような補間技法が、本明細書で以下に論じられる。以下で論じられる補間技法のリストは排他的なものではなく、当業者に知られている別の適切な補間技法を使用することもできることに留意されたい。

【0208】

Ａ．最近傍補間
この補間技法では、クラスタ１０１１に最も近い特徴が判定され、最も近い特徴の特徴値がクラスタ１０１１に割り当てられる。図１０Ｈに示されるように、場所（ｘｅ，ｙｅ）における特徴１０５１ｅの中心は、クラスタ１０１１の中心（ｘ１，ｙ１）に最も近い。したがって、クラスタ１０１１には、特徴１０５１ｅの特徴値が割り当てられる。

【0209】

したがって、この技法は、中心間距離を判定することを伴い、例えば、クラスタ１０１１の中心（すなわち、座標（ｘ１，ｙ１））と近傍特徴の中心との間の中心間距離が判定される（ただし、クラスタとピクセルとの間の中心間距離も使用することができる）。最も近い中心間距離に対応する特徴が、最近傍として選択され、最も近い特徴の特徴値がクラスタに割り当てられる。補間は、クラスタのサブピクセル又はサブ特徴場所にも基づくことに留意されたい。

【0210】

Ｂ．最近傍補間の平均
別の例示的な補間技法は、ｎ個の最近傍ピクセルの特徴値を平均化することを伴い、ｎは、１、４、９などの適切な整数である。例えば、ｎ＝４と想定すると、クラスタ１０１１に割り当てられた重み付けされた特徴値は、図１０Ｈの例では特徴１０５１ｂ、１０５１ｃ、１０５１ｅ、及び１０５１ｆである４つの最近傍特徴の特徴値の平均である。したがって、この技法は、クラスタ１０１１の中心（すなわち、座標（ｘ１，ｙ１））と近傍特徴の中心との間の中心間距離を判定することを伴う（ただし、クラスタと近傍ピクセルとの間の中心間距離も使用することができる）。４つの最も近い特徴が選択され、それらの強度が平均されて、クラスタ１０１１に割り当てられる重み付けされた特徴値を判定する。したがって、補間は、クラスタのサブピクセル又はサブ特徴場所にも基づく。ｎ＝４は単なる例であり、本開示の教示に基づいて当業者によって容易に理解されるように、ｎは、任意の他の適切な値であり得ることに留意されたい。

【0211】

Ｃ．バイリニア補間
一実施形態では、バイリニア補間を使用して、隣接する特徴の特徴値に基づいて、クラスタ１０１１に割り当てられる重み付けされた特徴値を判定してもよい。

【0212】

バイリニア補間は、直線的２Ｄグリッド上の２つの変数（例えば、ｘ及びｙ）の関数を補間するための線形補間の拡張である。バイリニア補間は、線形補間を使用して、最初に一方向に、次いで、再び他方向に実施される。各ステップは、サンプリングされた値及び位置に線形であるが、全体としての補間は、線形ではなく、むしろサンプル場所で二次である。バイリニア補間は、コンピュータビジョン及び画像処理における基本的なリサンプリング技法のうちの１つであり、バイリニアフィルタリング又はバイリニアテクスチャマッピングとも呼ばれる。

【0213】

図１０Ｊは、バイリニア補間を示す例示的なスキームを示す。図１０Ｊでは、４つの特徴１０５１ｂ、１０５１ｅ、１０５１ｃ、及び１０５１ｆは、クラスタ１０１１の中心への最も近い４つの特徴であり（更なる詳細については図１０Ｈを参照）、特徴１０５１ｂ、１０５１ｅ、１０５１ｃ、及び１０５１ｆの特徴値は、クラスタ１０１１の重み付けされた特徴値を生成するためにバイリニア補間されることになる。

【0214】

図１０Ｊに示すように、特徴１０５１ｂの中心の座標が（ｘ１，ｙ２）であり、特徴１０５１ｅの中心の座標が（ｘ１，ｙ１）であり、特徴１０５１ｃの中心の座標が（ｘ２，ｙ２）であり、特徴１０５１ｆの中心の座標が（ｘ２，ｙ１）であり、クラスタ１０１１の中心の座標は（ｘ，ｙ）であると想定する。座標のそのような標識は、図１０Ｈの標識と反対であることに留意されたい。中心の座標は、簡略化のために図１０Ｊにおいてこのように標識されている。

【0215】

特徴１０５１ｂ、１０５１ｅ、１０５１ｃ、及び１０５１ｆが、上記に論じた座標に基づいて、それぞれＱ１２、Ｑ１１、Ｑ２２、及びＱ２１と標識されると想定する。したがって、特徴１０５１ｂ、１０５１ｅ、１０５１ｃ、及び１０５１ｆの特徴値は、それぞれｆ（Ｑ１２）、ｆ（Ｑ１１）、ｆ（Ｑ２２）、及びｆ（Ｑ２１）と標識され、これらは既知である。例えば、図１０Ｅに関して論じられた畳み込み演算中に、特徴値ｆ（Ｑ１２）、ｆ（Ｑ１１）、ｆ（Ｑ２２）、及びｆ（Ｑ２１）が判定される。

【0216】

バイリニア補間は、特徴値ｆ（Ｑ１２）、ｆ（Ｑ１１）、ｆ（Ｑ２２）、及びｆ（Ｑ２１）を（ｘ，ｙ）におけるクラスタ中心に補間して、重み付けされた特徴値をクラスタ１０１１に割り当てることを目的とする。

【0217】

まず、座標（ｘ，ｙ１）、（ｘ，ｙ２）に対してｘ方向の線形補間が以下のように実施される。

【0218】

【数10】

【0219】

次いで、座標（ｘ，ｙ）に対してｙ方向の線形補間が以下のように実施される。

【0220】

【数11】

【0221】

したがって、ｆ（ｘ，ｙ）は、バイリニア補間を使用して、クラスタ１０１１の中心である座標（ｘ，ｙ）における重み付けされた特徴を提供する。したがって、ｆ（ｘ，ｙ）は、クラスタ１０１１に割り当てられた重み付けされた特徴である。

【0222】

Ｄ．バイキュービック補間
数学において、バイキュービック補間は、２次元の規則的なグリッド上のデータポイントを補間するためのキュービック補間の拡張である。補間された表面は、バイリニア補間又は最近傍補間によって取得された対応する表面よりも滑らかである。バイキュービック補間は、ラグランジュ多項式、三次スプライン、又は三次畳み込みアルゴリズムのいずれかを使用して達成することができる。一例では、バイキュービック補間は、処理速度が問題でない場合、画像リサンプリングにおいて、バイリニア補間又は最近傍補間よりも選択されることがある。

【0223】

クラスタ１０１１に対する重み付けされた特徴値を決定するときに４つの隣接する特徴を考慮に入れる上記に論じられたバイリニア補間とは対照的に、バイキュービック補間は、（クラスタ１０１１の中心を囲む４×４の特徴のグリッドにおけるような）１６個の特徴値を考慮する。例えば、クラスタ中心に最も近い特徴の４×４グリッドを選択するために、クラスタ中心と特徴中心（又は本明細書で上記に論じられたようにピクセル中心）との間の中心間距離が考慮される。次いで、４×４グリッドの特徴の特徴値を使用して、例えばバイキュービック補間に従ってクラスタ１０１１の重み付けされた特徴値を判定する。

【0224】

Ｅ．重み付けされた領域カバレッジに基づく補間
別の補間技法は、図１０Ｋに示されるように、中心クラスタの周囲のカバレッジ領域に基づいて、重み付けされた特徴値をクラスタ１０１１に割り当てる。例えば、図１０Ｋに示すように、クラスタ１０１１の中心とカバレッジＡの領域の中心とが一致するように、クラスタ１０１１の周囲にカバレッジＡの領域が描かれる。一例では、カバレッジＡの領域は正方形の形状を有する。一例では、カバレッジＡの領域は、単に一例として、特徴のサイズに等しいサイズを有する。例えば、カバレッジＡのエリアが、特徴１０５１ｂのＷｂ％、特徴１０５１ｃのＷｃ％、特徴１０５１ｆのＷｆ％、及び特徴１０５１ｅのＷｅ％をカバーすると仮定する。すると、クラスタ１０１１に割り当てられる重み付けされた特徴値は、以下のようになる。

【0225】

【数12】

【0226】

図１０Ｋは、カバレッジＡの領域が特徴のサイズに等しいサイズを有すると仮定することに留意されたい。別の例では、カバレッジＡの領域は、例えば、特徴のサイズの２倍又は３倍に等しいサイズを有してもよいし、特徴の非整数倍（例えば、特徴のサイズの例えば、１．５倍）であってもよい。そのような例では、クラスタ１０１１の重み付けされた特徴値は、本開示の教示に基づいて当業者によって容易に理解されるように、４つより多くの特徴の特徴値に基づくことができる。

【0227】

Ｆ．他の例示的な補間技法
補間技法のいくつかの例は、本明細書において上記で論じられる。一実施形態では、任意の他の適切な補間技法を使用されてもよい。例えば、Ｌａｎｃｚｏｓリサンプリング又はＬａｎｃｚｏｓ補間を補間のために使用して、クラスタ１０１１に割り当てられるべき重み付けされた特徴値を判定してもよい。Ｌａｎｃｚｏｓフィルタリング及びＬａｎｃｚｏｓリサンプリングは、数式の２つのアプリケーションであり、デジタル信号の値をそのサンプル間で滑らかに補間するために使用することができる。例えば、この技法は、所与の信号の各サンプルを、第２のより長いｓｉｎｃ関数の中心ローブによってウィンドウ化されたｓｉｎｃ関数であるＬａｎｃｚｏｓカーネルの変換されスケーリングされたコピーにマッピングする。次に、これらの変換されスケーリングされたカーネルの合計が、所望の点で評価される。このフィルタは、その発明者であるＣｏｒｎｅｌｉｕｓ Ｌａｎｃｚｏｓにちなんで名付けられた。

【0228】

別の例示的なタイプの補間技法はＨａｎｎｉｎｇウィンドウを使用し、Ｈａｎｎｉｎｇウィンドウは、クラスタ１０１１に割り当てられるべき重み付けされた特徴値を判定するための補間に使用することができる。信号処理及び統計では、ウィンドウ関数は、ある選択された間隔の外側で０値であり、通常は間隔の中央の周りで対称であり、通常は中央の最大値の近くにあり、通常は中央から離れるにつれて次第に小さくなる数学関数である。０位相バージョンのためにレイズドコサインとしても知られているＨａｎｎｉｎｇウィンドウは、ウィンドウ関数の一例である。Ｈａｍｍｉｎｇウィンドウとは異なり、Ｈａｎｎｉｎｇウィンドウのエンドポイントは０に接触するだけである。一実施形態では、補間のために別の適切なウィンドウ関数が使用され得る。

【0229】

ベースコール
本明細書において上で論じられた補間に続いて、クラスタの重み付けされた特徴値は、そのクラスタのベースコールを作り出すために、ベースコーラー７０４への入力として供給される。ベースコーラー７０４は、非ニューラルネットワークベースのベースコーラー又はニューラルネットワークベースのベースコーラーとすることができ、両方の例は、米国特許出願第６２／８２１，７６６号及び米国特許出願第１６／８２６，１６８号のような参照により本明細書に組み込まれる出願に記載されている。

【0230】

論じられたように、クラスタへの重み付けされた特徴値の割り当ては、信号対雑音比を最大化又は増大させ、隣接するクラスタ間の空間クロストークを低減する。例えば、畳み込み（図１０Ｅを参照）及び補間により、隣接するクラスタ間の空間クロストークが低減又は除去される。例えば、鮮鋭化マスク８２０の係数は、信号対雑音比を最大化又は増加させるようにチューニングされる。信号対ノイズ比において最大化又は増大された信号は、標的クラスタからの強度放射であり、信号対ノイズ比において最小化又は低減されたノイズは、隣接するクラスタからの強度放射、すなわち、空間クロストークにいくつかのランダムノイズを（例えば、背景強度放射を説明するために）加えたものである。

【0231】

重み付けされた特徴値がクラスタに割り当てられると、ベースコールが、クラスタに割り当てられた重み付けされた特徴値に基づいて、ベースコーラーによってクラスタに対して行われる。したがって、複数の配列決定サイクルを含む配列決定動作について、配列決定画像７０２は、各配列決定サイクルについて生成される。配列決定画像７０２は、所与の配列決定サイクルについて、複数のクラスタ及び１つ以上の色チャネルについての画像を含む。

【0232】

例えば、論じられたように、特定の配列決定サイクルについて、第１の重み付けされた特徴値を第１の色チャネルについて特定のクラスタに割り当てることができ、第２の重み付けされた特徴値を第２の色チャネルについて特定のクラスタに割り当てることができる（例えば、２つの色チャネルがあると想定しているが、１つ、３つ、又は任意の他のより多くの数の色チャネルがあってもよい）。そのような例では、特定のクラスタ及び特定の配列決定サイクルについてのベースコールは、第１の重み付けされた特徴及び第２の重み付けされた特徴に基づくことができる。ベースコールの更なる詳細は、米国特許出願第６２／８２１，７６６号及び米国特許出願第１６／８２６，１６８号のような参照により本明細書に組み込まれる出願に記載されている。

【0233】

畳み込み及び補間を使用するベースコール方法及び性能結果
図１１Ａは、１つ以上の重み付けされた特徴値をクラスタに割り当てるための、配列決定画像の少なくとも１つのセクションの畳み込み及び後続の補間に基づくベースコール、並びに割り当てられた１つ以上の重み付けされた特徴値に基づくクラスタのベースコールの方法１１００を示す。

【0234】

方法１１００の１１０４において、配列決定動作の特定の配列決定サイクルについて、対応する配列決定サイクル中にフローセル（例えば、図１に関して論じられたフローセル）によって出力された配列決定画像（例えば、図７の配列決定画像７０２）が、図７のベースコーラー７０４などのベースコーラーによってアクセスされる。

【0235】

１１０８において、フローセルの色チャネル及び／又は空間部分に基づいて、配列決定画像を複数のセクションに区分し、配列決定画像の各セクションは、対応する色チャネルについて、複数のクラスタを含む。

【0236】

例えば、図８Ａでは、フローセルの各タイルは、３×３の空間部分に分割され、したがって、特定の色チャネルのためのタイルから生成された配列決定画像は、対応する３×３のセクションに区分される。更に、図８Ａでは、本開示の範囲を限定することなく、単に一例として、２つの色チャネルが想定される。したがって、特定のタイルについて、配列決定画像は、第１の色チャネルについては第１の３×３セクションに区分され、第２の色チャネルについては第２の３×３セクションに区分される。

【0237】

同様に、図８Ｂの例では、フローセルの各タイルは、１×９の部分に分割され、したがって、特定の色チャネルについてタイルから生成された配列決定画像は、第１の色チャネルについて対応する第１の１×９セクション及び第２の色チャネルについて第２の１×９セクションに区分される（すなわち、２つの色チャネルを想定している）。

【0238】

当業者であれば、本開示の教示に基づいて、例えば、タイルの異なる例示的な分割及び異なる数の色チャネルについて、配列決定画像の他の例示的な区分も想定することができる。

【0239】

方法１１００は、次いで、１１１２に進み、配列決定画像の各セクションを対応する鮮鋭化マスクで畳み込んで、対応するセクションについて対応する特徴マップを生成し、そのため、複数のセクションについて複数の特徴マップが生成される。例えば、図８Ａ及び図８Ｂに関して論じられたように、配列決定画像の各セクションは、対応する鮮鋭化マスクを有する。図１０Ｆに示すように、配列決定画像の各セクションは、対応する鮮鋭化マスクで畳み込まれて、対応する特徴マップを生成する。図１０Ｅは、配列決定画像の特定のセクションについての畳み込み演算を示す。

【0240】

配列決定画像の各セクションは、対応する複数のクラスタを有することに留意されたい。例えば、配列決定画像の第１のセクション及び第２のセクションがそれぞれ第１の色チャネル及び第２の色チャネルについて生成され、タイルの同じ第１のサブタイル部分から生成されると想定する。したがって、第１のセクション及び第２のセクションの両方が同じ第１の複数のクラスタを有することになる。別の例では、配列決定画像の第３のセクション及び第４のセクションが、それぞれ第１の色チャネル及び第２の色チャネルについて生成され、タイルの同じ第２のサブタイル部分から生成されると想定する。したがって、第３のセクション及び第４のセクションの両方は、第１の複数のクラスタとは異なる同じ第２の複数のクラスタを有することになる。

【0241】

方法１１００は、次いで、１１１６に進み、各特徴マップ内の各クラスタについて、適切な補間技法に基づいて重み付けされた特徴値を割り当て、そのため、各クラスタが１つ以上の色チャネルに対して１つ以上の対応する重み付けされた特徴値を有する。例えば、２つの色チャネルの例を想定すると、各クラスタには、２つの色チャネルに対応する２つの重み付けされた特徴値が割り当てられる。いくつかの例示的な補間技法が本明細書で前に論じられているが、本明細書で論じられていない任意の他の補間技法も使用されてもよい。

【0242】

方法１１００は、次いで、１１２０に進み、ベースコーラーは、対応するクラスタについての対応する１つ以上の重み付けされた特徴値に基づいて、各クラスタをベースコールする。例えば、クラスタの重み付けされた特徴値は、そのクラスタについてのベースコールを作り出すために、ベースコーラー７０４への入力として供給される。ベースコーラー７０４は、非ニューラルネットワークベースのベースコーラー又はニューラルネットワークベースのベースコーラーとすることができ、両方の例は、米国特許出願第６２／８２１，７６６号及び米国特許出願第１６／８２６，１６８号のような参照により本明細書に組み込まれる出願に記載されている。

【0243】

次いで、方法１１００は、１１２４に進み、方法１１００は、配列決定動作の次の配列決定サイクルに進み、方法１１００は、１１０４にループバックする。方法１１００のこの反復は、配列決定動作の全ての配列決定サイクルが完了するまで継続する。

【0244】

図１１Ｂは、鮮鋭化マスクを使用する開示される強度抽出技法と、ベースコールに関連付けられた様々な他の強度抽出技法の性能結果の比較を示す。図１１ＢのプロットのＸ軸は、配列決定サイクルを表し、プロットのＹ軸は、ベースコールについてのエラー率を表す。例えば、プロット中の赤色の線は、強度抽出のために鮮鋭化マスクを使用しないベースコールについてのであり、プロット中の緑色の線は、「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題する同時係属中の米国特許出願第１７／３０８，０３５号に開示されているような等化器技法を使用した鮮鋭化マスクによるベースコールについてのものであり、この出願は、本明細書に完全に記載されているかのように、あらゆる目的のために参照により組み込まれる。プロット中の青色の線は、図７～図１１Ａに関して本明細書で論じられる技法を使用した鮮鋭化マスクによるベースコールについてのものである。見られるように、プロット中の青色の線（論じられる技法を使用する鮮鋭化マスクによるベースコールについてのもの）は、プロット中の赤色の線（強度抽出のために鮮鋭化マスクを使用しないベースコールについてのもの）よりも実質的に低いエラー率を有する。

【0245】

図１１Ｂはまた、ベースコールについての平均エラー率及び平均パスフィルタパーセンテージを示すテーブルを示す。パスフィルタパーセンテージは、良好な品質のベースコール（例えば、閾値パーセンテージを上回る信頼レベルを有するベースコール）を有し、ベースコールされるクラスタの割合を表す。したがって、より高いパスフィルタパーセンテージはスループットを改善する。見られるように、本明細書で論じられる技法を使用する鮮鋭化マスクによるベースコール（テーブルの第３の列に表される）は、鮮鋭化マスクを使用しないシナリオ（テーブルの第１の列に表される）よりも低いエラー率及び良好なパスフィルタパーセンテージを有する。更に、本明細書で論じられる技法を使用する鮮鋭化マスクによるベースコール（テーブルの第３の列に表される）は、「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題され、本明細書では「等化器技術を使用する鮮鋭化マスクを使用するシナリオ」とも呼ばれる、同時係属中の米国特許出願第１７／３０８，０３５号に開示されるような、等化器技法を使用する鮮鋭化マスクを使用するシナリオに対して、わずかに低いエラー率及びわずかに高いパスフィルタパーセンテージを有する。図１１Ｃに関して本明細書で論じられるように、本明細書で論じられる技法を使用する鮮鋭化マスクによるベースコールは、等化器技法を使用する鮮鋭化マスクを使用するシナリオと比較して、より少ない数の鮮鋭化マスクを使用し、より速い実行時間を有することに留意されたい。

【0246】

図１１Ｃは、鮮鋭化マスクを使用する開示された技法と、ベースコールの様々な他の技法との性能結果の別の比較を示す。具体的には、図１１Ｃでは、様々なシナリオに対するベースコールの速度（又はベースコール実行時間）が比較されている。

【0247】

２つのプロット、プロット１１００ｃ１及び１１００ｃ２が示されている。プロット１１００ｃ１は、開発中の新しい配列決定プラットフォームからの配列決定データを使用して生成され、プロット１１００ｃ２は、Ｉｌｌｕｍｉｎａ ＮｅｘｔＳｅｑ １０００／ＮｅｘｔＳｅｑ ２０００シーケンサからの配列決定データを使用して生成される。更に、プロット１１００ｃ１では、ピクセル当たりのウェル又はクラスタの数は０．３であり、カーネル（又は鮮鋭化マスク）サイズは７×７で使用される。プロット１１００ｃ２では、ピクセル当たりのウェル又はクラスタの数は０．１であり、カーネル（又は鮮鋭化マスク）サイズは９×９で使用される。したがって、プロット１１００ｃ１は、プロット１１００ｃ２と比較してより高いクラスタ密度を有する。

【0248】

プロット１１００ｃ２に見られるように、本明細書で論じられる技法を使用する鮮鋭化マスクによるベースコール（緑色で表される）は、等化器技法を使用する鮮鋭化マスクを使用するシナリオよりも１２．５％速い。性能の改善は、より高いクラスタ密度を有するプロット１１００ｃ１において更により顕著である。例えば、プロット１１００ｃ１に見られるように、本明細書で論じられる技法を使用する鮮鋭化マスクによるベースコール（緑色で表される）は、等化器技法を使用する鮮鋭化マスクを使用するシナリオよりも４９．８％速い。

【0249】

レギュラーキャッシュアクセス
（「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題する同時係属中の米国特許出願第１７／３０８，０３５号に開示されるような）等化器技法を使用する鮮鋭化マスクを使用するシナリオは、例えば、ピクセルの中心に対するクラスタのサブピクセル場所に応じて、異なるクラスタに対して異なる鮮鋭化マスクを使用する。したがって、例えば、フローセルのタイル上の３つの隣接するクラスタは、ほぼ間違いなく３つの異なる鮮鋭化マスクを使用することができる。

【0250】

対照的に、本開示で開示される強度抽出技法の場合（例えば、図７～図１１Ａに関して）、タイルのサブタイル領域全体上のクラスタは、同じ鮮鋭化マスクを使用する。例えば、図８Ａを参照すると、サブタイル８１２ａ上の全てのクラスタは、色チャネル８０２Ａについて同じ鮮鋭化マスク８２０Ａａを使用する。したがって、一例では、色チャネル８０２Ａについてサブタイル８１２ａ上のクラスタを処理するときに、対応する鮮鋭化マスク８２０Ａａがキャッシュにロードされ、同じ鮮鋭化マスク８２０Ａａが、図１０Ｆの畳み込み演算１０３０Ａａ中にキャッシュから繰り返しアクセスされる。別の例では、鮮鋭化マスク８２０Ａａがキャッシュから処理ユニットにロードされると、同じ鮮鋭化マスク８２０Ａａが畳み込み演算１０３０Ａａの全体に使用される。これは、キャッシュアクセスパターンを改善し、これは、比較的より規則的であり（すなわち、規則的なキャッシュアクセスパターン）であり、キャッシュミスがより少なくなるか、又は全くなくなることをもたらす。

【0251】

対照的に、論じられるように、（「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題する同時係属中の米国特許出願第１７／３０８，０３５号に開示されるような）等化器技法を使用する鮮鋭化マスクを使用するシナリオの場合、フローセルのタイル上の異なる隣接クラスタは、対応する異なる鮮鋭化マスクを使用することができ、これは、比較的不規則なキャッシュアクセスパターン及びより多くのキャッシュミスをもたらす。したがって、本開示で開示される強度抽出技法（例えば、図７～図１１Ａに関して）は、図１１Ｃにも反映されるように、同時係属中の米国特許出願第１７／３０８，０３５号で開示される等化器ベースの強度抽出技法よりも比較的高速である。

【0252】

鮮鋭化マスクの係数のオンライン適合化
配列決定画像の対応するセクションの畳み込みに使用される各鮮鋭化マスクは、ｋ×ｋ行列であり、ｋは、３、５、７、９、又はそれ以上などの適切な正の整数であることに留意されたい。「ｍ」個の色チャネルがあると想定すると（ｍは、１、２、又はそれ以上などの正の整数である）、タイルの各サブタイルに対して、ｍ×ｋ×ｋ個の係数がある。タイルが「ｎ」個の部分にサブ分割されると想定すると（例えば、図８Ａ及び図８Ｂを参照）、訓練プロセス中に更新されるべきｎ×ｍ×ｋ×ｋ個の係数がある。ｎ、ｍ、及びｋの比較的低い値のために、更新されるべき係数の数は著しく高くない。単に一例として、２つの色チャネルが想定され、鮮鋭化マスクが３×３の寸法を有すると想定され、各タイルが、３×３又は９個のサブタイルに分割される場合、全ての鮮鋭化マスクの係数の総数は、２×９×３×３＝１６２である。

【0253】

本明細書で前に論じられたオフライン訓練に加えて、一実施形態では、鮮鋭化マスクの係数はまた、配列決定動作中に適合的に更新される。例えば、上記に論じられた例では、全ての鮮鋭化マスクの係数は１６２個しかなく、例えば、配列決定動作が進行中であるときに、１６２個の係数をオンラインで適合させることは比較的容易である（ただし、数１６２は単なる一例であることに留意されたい）。対照的に、（「Ｅｑｕａｌｉｚａｔｉｏｎ－Ｂａｓｅｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ Ｓｐａｔｉａｌ Ｃｒｏｓｓｔａｌｋ Ａｔｔｅｎｕａｔｏｒ」と題する同時係属中の米国特許出願第１７／３０８，０３５号に開示されるような）等化器技法を使用する鮮鋭化マスクは、（一例では４０５０などの）より多くの数の鮮鋭化マスクのパラメータを有してもよい。

【0254】

図１２は、１つ以上の重み付けされた特徴値をクラスタに割り当てるための、配列決定画像の少なくとも１つのセクションの畳み込み及び後続の補間に基づくベースコール、並びに割り当てられた１つ以上の重み付けされた特徴値に付けされた特徴値に基づくクラスタのベースコールの方法１２００を示し、鮮鋭化マスクの係数は、配列決定動作中に適合的に更新される。

【0255】

一例では、鮮鋭化マスクの係数のオンライン適合は、配列決定マシンが動作し、配列決定動作が周期的に進行している間に、係数が、温度、焦点（例えば、光学歪み）、化学、機械固有の変動の変化などの配列決定動作の動作パラメータの変化を追跡することを可能にする。例えば、温度（例えば、光学歪み）、焦点、化学的性質、及び／又は機械固有の変動は、鮮鋭化マスク係数のオフライン訓練を少なくとも部分的に無効にしてもよい。例えば、配列決定動作が周期的に進行しているときに、係数のオンライン適合は、係数をトラックに戻して、配列決定動作に影響を及ぼす任意のパラメータに対する任意の変化に適合させることができる。

【0256】

方法１２００及び方法１１００は、２つの図において同じ標識を使用して標識された様々な共通の動作を共有する。例えば、両方の図におけるブロック１１０４、１１０８、１１１２、１１１６、１１２０、及び１１２４は、同じであり、同じく標識されており、これらのブロックの動作は、図１２に関して再び論じない。

【0257】

（図１１Ａに関して論じられる）ブロック１１０４～１１２０に関して論じられる動作を完了した後、図１２の方法１２００は１２０４に進み、鮮鋭化マスクの係数が、現在の配列決定サイクルのデータを使用して更新／訓練されるべきかどうかが判定される。例えば、鮮鋭化マスクの係数は、配列決定動作の配列決定サイクルごとに更新されなくてもよい。むしろ、一例では、鮮鋭化マスクの係数は、配列決定動作の１つ以上の選択された配列決定サイクル（必ずしも全てではない）の間に更新されてもよい（ただし、別の例では、係数は、各配列決定サイクルの間に更新されてもよい）。

【0258】

例えば、係数が更新されるべき配列決定サイクルは、実装固有であり得、ユーザ構成可能なパラメータであってもよい。例えば、本明細書において後で図１４に見られるように、結果は、鮮鋭化マスク係数が配列決定サイクル１０及び３０の間に更新されるシナリオについて提示される。

【0259】

１２０４において「Ｎｏ」である（すなわち、係数が現在の配列決定動作中に更新されない）場合、方法１２００は、１１２４に進み、次いで、図１１Ａの方法１１００に関して論じられたように、１１０４にループバックする。

【0260】

１２０４において「はい」である（すなわち、係数が現在の配列決定動作中に更新されるべきである）場合、方法１２００は、１２０８に進み、現在の配列決定サイクルＣからのデータを使用して、鮮鋭化マスクの係数が更新又は適合される。一例では、鮮鋭化マスクの更新された係数は、配列決定サイクル（Ｃ＋２）及び後続の配列決定サイクル中に強度抽出のために適用される。適合又は更新プロセスは、式１並びに図９Ａ及び図９Ｂに関して、本明細書で更に詳細に前で論じられている。次いで、方法は、ブロック１１２４に進み、次いで、ブロック１１０４にループバックする。

【0261】

一例では、図１２には示されていないが、配列決定サイクルＣからのデータを使用する鮮鋭化マスクの係数の更新又は適合は、ブロック１１０４～１１０２の動作のうちの少なくともいくつかの次の反復時に少なくとも部分的に生じる。すなわち、ベースコーラーが配列決定サイクル（Ｃ＋１）からのデータを処理している間、ベースコーラーは、配列決定サイクルＣからのデータを使用して係数の更新を並行して実施してもよい。したがって、一例では、更新された係数は、配列決定サイクル（Ｃ＋１）の画像に適用されなくてもよく、配列決定サイクル（Ｃ＋２）の画像に適用されてもよい。

【0262】

現在の配列決定サイクルＣをベースコールするために、配列決定サイクル（Ｃ＋１）の強度が最初に抽出されなければならないことに留意されたい。例えば、配列決定サイクル（Ｃ＋１）の強度は、配列決定サイクルＣのプリフェージング／フェージングを補正するために使用される。フェージング及びプリフェージングに関する更なる詳細は、「Ｂａｓｅ Ｃａｌｌｉｎｇ Ｕｓｉｎｇ Ｍｕｌｔｉｐｌｅ Ｂａｓｅ Ｃａｌｌｅｒ Ｍｏｄｅｌｓ」と題する同時係属中の米国仮特許出願第６３／２２８，９５４号で論じられており、これは、本明細書に完全に記載されているかのように、あらゆる目的のために参照することによって組み込まれる。

【0263】

図１３は、強度抽出に使用される鮮鋭化マスクの係数の適合を示す。例えば、１３０４において、ベースコーラーは、配列決定サイクル（Ｃ＋１）についてフローセルから配列決定画像を受信し、本明細書に開示される技法を使用して強度を抽出する（例えば、畳み込みを使用した後に補間を行う）。配列決定サイクルＣなどのより早いサイクルについての強度抽出は、配列決定サイクル（Ｃ＋１）について動作１３０４が実行されるときにすでに完了していると想定されることに留意されたい。

【0264】

１３０８において、ベースコーラーはサイクル（Ｃ＋１）の位相誤差を補正する。１３１２において、ベースコーラーは、例えば、配列決定サイクル（Ｃ＋１）の抽出された（及びフェージング補正された）強度を使用して、配列決定サイクルＣのプリフェージング誤差を補正する。１３１６において、ベースコーラーは、配列決定サイクルＣについて様々なクラスタの塩基をコールする。１３２０において、ベースコーラーは、配列決定サイクルＣからのデータを使用して、鮮鋭化マスクの係数を適合又は更新する。最後に、鮮鋭化マスクの更新された係数は、配列決定サイクル（Ｃ＋２）以降に使用される。実際の適合又は更新プロセスは、式１並びに図９Ａ及び図９Ｂに関して、本明細書で前に論じられている。

【0265】

図１４は、鮮鋭化マスク及び適合を使用する開示される強度抽出技法と、適合を使用しない別の強度抽出技法の性能結果の比較を示す。図１４のプロット及び表は、ＮｅｘｔＳｅｑ １０００／ＮｅｘｔＳｅｑ ２０００シーケンサからの配列決定データに基づいて生成された。図１４のプロットのＸ軸は、配列決定サイクルを表し、プロットのＹ軸は、ベースコールについてのエラー率を表す。例えば、プロット中の赤色の点線は、強度抽出のために鮮鋭化マスクの適合を使用しないベースコールについてのものであり、プロット中の青色の線は、本開示に開示されるような鮮鋭化マスクの適合ありのベースコールについてのものである（図１２を参照）。図１４のテーブルは、２つのシナリオについてエラー率とパスフィルタパーセンテージとを比較している。テーブルに見られるように、鮮鋭化マスクに適合が使用されるとき、平均エラー率は約９．４％改善する。図１４の例では、適合は、非インデックスリードの配列決定サイクル１０及び３０に対して実施される。配列決定サイクル１５０及びその後のグラフにおける不連続性は、それらの配列決定サイクル中に生じるインデックスリードに起因する。インデックスリードについての更なる詳細は、２０２０年２月２０日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ ｏｆ Ｉｎｄｅｘ Ｓｅｑｕｅｎｃｅｓ」と題する米国仮特許出願第６２／９７９，３８４号に見出すことができ、これは、参照により本明細書に組み込まれる。

【0266】

図１５は、鮮鋭化マスク及び適合を使用する開示される強度抽出技法と、適合を使用しない別の強度抽出技法の性能結果の比較を示す。図１５のプロット及びテーブルは、Ｉｌｌｕｍｉｎａ，Ｉｎｃ．（Ｓａｎ Ｄｉｅｇｏ，Ｃａｌｉｆ．）によって開発中の新しい配列決定プラットフォームからの配列決定データに基づいて生成された。図１５のプロットのＸ軸は、配列決定サイクルを表し、プロットのＹ軸は、ベースコールについてのエラー率を表す。例えば、プロット内の赤色の線は、本開示に開示されるような強度抽出のために鮮鋭化マスクの適合を使用するベースコールについてのものであり（例えば、図１２を参照）、プロット中の青色の線は、鮮鋭化マスクの適合なしのベースコールについてのものである。図１５のテーブルは、２つの強度抽出技法についてエラー率とパスフィルタパーセンテージとを比較している。テーブルに見られるように、鮮鋭化マスクに適合が使用されるときに、平均エラー率は約２３％改善し、パスフィルタパーセンテージもいくらか改善する。配列決定サイクル１５０及びその後のグラフにおける不連続性は、それらの配列決定サイクル中に生じるインデックスリードに起因する。インデックスリードについての更なる詳細は、２０２０年２月２０日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｂａｓｅ Ｃａｌｌｉｎｇ ｏｆ Ｉｎｄｅｘ Ｓｅｑｕｅｎｃｅｓ」と題する米国仮特許出願第６２／９７９，３８４号に見出すことができ、これは、参照により本明細書に組み込まれる。

【0267】

本出願において、用語「クラスタ」、「ウェル」、「試料」及び「蛍光試料」は、ウェルが対応するクラスタ／試料／蛍光試料を含有するので、交換可能に使用される。本明細書中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検体、培養物などを含む。いくつかの実施態様において、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、大気検体又は水検体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検体を含む。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。いくつかの実施態様において、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。

【0268】

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。別の実施態様では、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。いくつかの実施態様において、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み得る。いくつかの実施態様において、試料は、疫学的、農業的、法医学又は病原性試料であり得る。いくつかの実施態様において、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において、核酸分子の供給源は、保存又は絶滅した試料又は種であり得る。

【0269】

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以上の軍隊若しくはそのような要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材に由来する、精製された試料又は溶解物を含む粗ＤＮＡであり得る。それ自体、いくつかの実施態様において、核酸試料は、ゲノムＤＮＡのようなＤＮＡの少量又はフラグメント化された部分を含み得る。いくつかの実施態様において、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において、標的配列は、毛髪、皮膚、組織試料、剖検又は犠牲者の遺体から得ることができる。いくつかの実施態様において、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において、標的配列は、微生物、植物細胞又は昆虫学的のような非ヒトから得られた核酸を含むことができる。いくつかの実施態様において、標的配列又は増幅された標的配列は、ヒト同定を対象とする。いくつかの実施態様において、本開示は、一般に、法医学試料の特徴を同定するための方法に関する。いくつかの実施態様において、本開示は、一般に、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。一実施態様において、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。

【0270】

本明細書で使用するとき、用語「隣接する」は、２つの反応部位に関して使用される場合、２つの反応部位の間に他の反応部位が存在しないことを意味する。用語「隣接する」は、隣接する検出経路及び隣接する光検出器に関して使用される場合、同様の意味を有し得る（例えば、隣接する光検出器はその間に他の光検出器を有さない）。場合によっては、反応部位は他の反応部位に隣接していなくてもよいが、依然として他の反応部位の直近に存在していてもよい。第１の反応部位からの蛍光発光信号が第２の反応部位と関連する光検出器によって検出される場合、第１の反応部位は第２の反応部位の直近にあってもよい。より具体的には、第１の反応部位は、第２の反応部位と関連する光検出器が、例えば、第１の反応部位からのクロストークを検出する場合、第２の反応部位のすぐ近くにあってもよい。隣接する反応部位は、互いに隣接するように連続していてもよく、又は隣接部位は、間に介在スペースを有する非連続であってもよい。

【0271】

アップサンプリングされた実施態様
一実施態様では、画像は、例えば、１つ以上の補間技法又は転置畳み込み技法を使用することによってアップサンプリングされて、アップサンプリング画像を生成することができる。いくつかの実施態様では、画像は、ピクセル解像度を有することができ、アップサンプリングされた画像は、サブピクセル解像度を有することができる。一実施態様では、畳み込みカーネル／鮮鋭化マスク／マスクは、例えば、１つ以上の補間技法又は転置畳み込み技法を使用することによってアップサンプリングされて、アップサンプリングされた畳み込みカーネル／鮮鋭化マスク／マスクを生成することができる。いくつかの実施態様では、畳み込みカーネル／鮮鋭化マスク／マスクは、ピクセル解像度を有することができ、アップサンプリングされた畳み込みカーネル／鮮鋭化マスク／マスクはサブピクセル解像度を有することができる。次いで、アップサンプリングされた畳み込みカーネル／鮮鋭化マスク／マスクは、アップサンプリングされた特徴を生成するためにアップサンプリングされた画像に適用される。いくつかの実施態様では、特徴は、ピクセル解像度を有することができ、アップサンプリングされた特徴は、サブピクセル解像度を有することができる。次いで、アップサンプリングされた特徴は、ベースコール標的クラスタに対するピクセルごとの対応に関して分析され得る。他の実施態様では、次いで、アップサンプリングされた特徴は、ベースコール標的クラスタへのクラスタごとの対応に関して分析され得る。

【0272】

技術的な改善及び用語
特許、特許出願、記事、書籍、論文、及びウェブページが挙げられるがこれらに限定されない、本出願において引用された全ての文献及び類似材料は、そうした文献及び類似材料の形式に関わりなく、それらの全体が参照により明示的に組み込まれる。組み込まれた文献及び類似の材料のうちの１つ以上が、以下に限定するわけではないが、定義された用語、用語使用、記載された技法などで、本出願とは異なる、又は矛盾する場合には、本出願が優越する。用語に関する更なる情報は、２０１９年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許非仮出願第１６／８２６，１６８号及び２０２０年３月２１日に出願された「Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ－Ｂａｓｅｄ Ｓｅｑｕｅｎｃｉｎｇ」と題する米国特許仮出願第６２／８２１，７６６号に見出すことができる。

【0273】

開示される技術は、核酸テンプレート又はその相補体、例えば、ＤＮＡ若しくはＲＮＡポリヌクレオチド又は他の核酸試料などの核酸試料から得ることができる核酸配列情報の品質及び量を改善するためにニューラルネットワークを使用する。したがって、開示される技術の特定の実施は、以前に利用可能な方法と比較して、より高いスループットのポリヌクレオチド配列決定、例えば、より高いＤＮＡ又はＲＮＡ配列データの収集速度、配列データ収集におけるより高い効率、及び／又はそのような配列データを得る低コストを提供する。

【0274】

開示される技術は、ニューラルネットワークを使用して、固相核酸クラスタの中心を識別し、そのようなクラスタの配列決定中に生成される光信号を解析して、隣接する、隣接する、又は重なり合うクラスタ間で曖昧さなく区別して、単一の離散したソースクラスタに配列決定信号を割り当てる。したがって、これら及び関連する実施態様は、高密度クラスタアレイの領域からの、配列データなどの有意義な情報の回収を可能にし、有用な情報は、重なり合う又は非常に近接して離間配置された隣接クラスタの影響を混乱させることに起因して、そのような領域から以前に得られなかった場合がある。重なり合う信号の効果（例えば、核酸配列決定において使用されるような）の効果を含む。

【0275】

以下により詳細に記載されるように、特定の実施態様では、本明細書で提供されるように、１つ又は複数の核酸クラスタに固定化された固体支持体を含む組成物が提供される。各クラスタは、同じ配列の複数の固定化された核酸を含み、本明細書で提供されるような検出可能な中心標識を有する識別可能な中心を有し、識別可能な中心は、クラスタ内の周囲領域において固定化された核酸と区別可能である。また、識別可能な中心を有するこのようなクラスタを作製及び使用するための方法も本明細書に記載される。

【0276】

本開示の実施態様は、多数の状況での使用が見出され、その利点は、クラスタ内の実質的に中心の場所の位置を識別、決定、アノテーション、記録、ないしは別の方法で割り当てる能力から得られる、多くの状況において使用が見出されるであろう。ハイスループット核酸配列決定、光学的又は他の信号を個別のソースクラスタに割り当てるための画像解析アルゴリズムの開発、及び固定化された核酸クラスタの中心の認識が望ましい及び有益である他の用途が望ましい。

【0277】

特定の実施態様では、本発明は、核酸配列決定（例えば、「配列決定」）などのハイスループット核酸分析に関連する方法を企図する。例示的なハイスループット核酸解析としては、非限定的に、デノボ配列決定、再配列決定、全ゲノム配列決定、遺伝子発現解析、遺伝子発現モニタリング、エピジェネティクス分析、ゲノムメチル化分析、対立遺伝子特異的プライマー伸長（allele specific primer extension、ＡＰＳＥ）、遺伝的多様性プロファイリング、全ゲノム多型発見及び解析、単一ヌクレオチド多型解析、ハイブリダイゼーション系配列決定法などが挙げられる。当業者は、様々な異なる核酸が、本発明の方法及び組成物を使用して分析され得ることを理解するであろう。

【0278】

本発明の実施は核酸配列決定に関連して記載されているが、それらは、異なる時点で取得された画像データ、空間場所、又は他の時間的若しくは物理的観点で取得された画像データが分析される任意の分野において適用可能である。例えば、本明細書に記載される方法及びシステムは、マイクロアレイ、生物学的検体、細胞、生物などからの画像データが取得され、異なる時点又は視点で取得され、分析される、分子生物学及び細胞生物学の分野において有用である。画像は、蛍光顕微鏡法、光学顕微鏡法、共焦点顕微鏡法、光学画像化法、磁気共鳴画像化法、トモグラフィ走査などが挙げられるが、これらに限定されない、当該技術分野において既知の任意の数の技法を使用して得ることができる。別の例として、本明細書に記載される方法及びシステムは、監視、空中、又は衛星撮像技術などによって取得された画像データが、異なる時点又は視点で取得され、分析される場合に適用することができる。本方法及びシステムは、視野内で取得された画像を分析するのに特に有用であり、この視野内で、観察される分析物は、視野内の互いに対して同じ場所に留まる。しかしながら、分析物は、別個の画像で異なる特性を有してもよく、例えば、分析物は、視野の別々の画像において異なるように見える場合がある。例えば、分析物は、異なる画像で検出された所与の分析物の色とは異なるように見える場合があり、異なる画像内の所与の分析物のために検出された信号の強度の変化、又は更には、１つの画像中の所与の分析物の信号の外観、及び別の画像内の分析物の信号の消失を示し得る。

【0279】

本明細書で使用するとき、用語「分析物」は、相対的な場所に従って他の点又は領域と区別することができるパターンの点又は領域を意味することを意図する。個々の分析物は、特定のタイプの１つ以上の分子を含むことができる。例えば、分析物は、特定の配列を有する単一の標的核酸分子を含むことができ、又は分析物は、同じ配列（及び／又はその相補的配列）を有するいくつかの核酸分子を含むことができる。パターンの異なる分析物である異なる分子は、パターン内の分析物の場所に従って互いに分化させることができる。例示的な分析物としては、基材中のウェル、基材中又は基材上のビーズ（又は他の粒子）、基材からの突出部、基材上の隆起部、基材上のゲル材料のパッド、又は基材内のチャネルが挙げられる。

【0280】

検出、特徴付け、又は識別される様々な標的分析物のいずれも、本明細書に記載される装置、システム、又は方法で使用することができる。例示的な分析物としては、限定するものではないが、核酸（例えば、ＤＮＡ、ＲＮＡ又はそれらの類似体）、タンパク質、多糖類、細胞、抗体、エピトープ、受容体、リガンド、酵素（例えば、キナーゼ、ホスファターゼ又はポリメラーゼ）、小分子薬物候補、細胞、ウイルス、生物などが挙げられるが、これらに限定されない。

【0281】

用語「分析物」、「核酸」、「核酸分子」、及び「ポリヌクレオチド」は、本明細書において互換的に使用される。様々な実施態様では、核酸は、特定のタイプの核酸分析のために、本明細書で提供されるようなテンプレート（例えば、核酸テンプレート、又は核酸テンプレートに相補的な核酸相補体）として使用されてもよく、核酸増幅、核酸発現解析、及び／又は核酸配列決定、又はこれらの好適な組み合わせが挙げられるが、これらに限定されない。特定の実施における核酸としては、例えば、３’－５’ホスホジエステル中のデオキシリボヌクレオチドの直鎖ポリマー、又はデオキシリボ核酸（deoxyribonucleic acid、ＤＮＡ）、例えば、一本鎖及び二本鎖ＤＮＡ、ゲノムＤＮＡ、コピーＤＮＡ若しくは相補的ＤＮＡ（complementary DNA、ｃＤＮＡ）、組換えＤＮＡ、又は任意の形態の合成ＤＮＡ若しくは修飾ＤＮＡが挙げられる。他の実施態様では、核酸としては、例えば、３’－５’ホスホジエステル中のリボヌクレオチドの直鎖ポリマー、又はリボ核酸（ribonucleic acid、ＲＮＡ）などの他の結合、例えば、一本鎖及び二本鎖ＲＮＡ、メッセンジャー（ｍＲＮＡ）、コピーＲＮＡ又は相補的ＲＮＡ（complementary RNA、ｃＲＮＡ）、代替的に、スプライシングされたｍＲＮＡ、リボソームＲＮＡ、小核ＲＮＡ（small nucleolar RNA、ｓｎｏＲＮＡ）、マイクロＲＮＡ（microRNA、ｍｉＲＮＡ）、低干渉ＲＮＡ（small interfering RNA、ｓＲＮＡ）、ピウイＲＮＡ（piwi RNA、ｐｉＲＮＡ）、又は任意の形態の合成若しくは修飾ＲＮＡ。本発明の組成物及び方法において使用される核酸は、長さが変化してもよく、無傷又は完全長の分子若しくはフラグメント、又はより大きい核酸分子のより小さい部分であってもよい。特定の実施態様では、核酸は、本明細書の他の箇所に記載されるように、１つ以上の検出可能な標識を有してもよい。

【0282】

用語「分析物」、「クラスタ」、「核酸クラスタ」、「核酸コロニー」、及び「ＤＮＡクラスタ」は互換的に使用され、固体支持体に結合された核酸テンプレート及び／又はその相補体の複数のコピーを指す。典型的には、特定の好ましい実施態様では、核酸クラスタは、それらの５’末端を介して固体支持体に結合されたテンプレート核酸及び／又はその相補体の複数のコピーを含む。核酸クラスタを構成する核酸鎖のコピーは、一本鎖又は二本鎖形態であってもよい。クラスタ内に存在する核酸テンプレートのコピーは、例えば、標識部分の存在に起因して、互いに異なる対応する位置にヌクレオチドを有することができる。対応する位置はまた、異なる化学構造を有するが、ウラシル及びチミンの場合など、類似のＷａｔｓｏｎ－Ｃｒｉｃｋ塩基対形成特性を有するアナログ構造を含むことができる。

【0283】

核酸のコロニーはまた、「核酸クラスタ」と称されることもある。核酸コロニーは、本明細書の他の箇所で更に詳細に記載されるように、クラスタ増幅又はブリッジ増幅技法によって任意選択的に作成することができる。標的配列の複数の反復は、ローリングサークル増幅手順を使用して作成された混乱剤などの単一の核酸分子中に存在し得る。

【0284】

本発明の核酸クラスタは、使用される条件に応じて、異なる形状、サイズ、及び密度を有することができる。例えば、クラスタは、実質的に円形、多面、ドーナツ形、又はリング形状の形状を有することができる。核酸クラスタの直径は、約０．２μｍ～約６μｍ、約０．３μｍ～約４μｍ、約０．４μｍ～約３μｍ、約０．５μｍ～約２μｍ、約０．７５μｍ～約１．５μｍ、又は任意の介在直径であるように設計することができる。特定の実施態様において、核酸クラスタの直径は、約０．５μｍ、約１μｍ、約１．５μｍ、約２μｍ、約２．５μｍ、約３μｍ、約４μｍ、約５μｍ、又は約６μｍである。核酸クラスタの直径は、クラスタの産生において実施される増幅サイクルの数、核酸テンプレートの長さ、又はクラスタが形成される表面に付着したプライマーの密度を含むが、これらに限定されない多数のパラメータによって影響され得る。核酸クラスタの密度は、典型的には、０．１／ｍｍ^２、１／ｍｍ^２、１０／ｍｍ^２、１００／ｍｍ^２、１，０００／ｍｍ^２、１０，０００／ｍｍ^２～１００，０００／ｍｍ^２の範囲であるように設計することができる。本発明は、一部では、より高密度の核酸クラスタ、例えば、１００，０００／ｍｍ^２～１，０００，０００／ｍｍ^２、及び１，０００，０００／ｍｍ^２～１０，０００，０００／ｍｍ^２を更に企図する。

【0285】

本明細書で使用するとき、「分析物」は、検体又は視野内の対象領域である。マイクロアレイデバイス又は他の分子分析デバイスに関連して使用される場合、分析物は、類似又は同一の分子によって占有される領域を指す。例えば、分析物は、増幅オリゴヌクレオチド、又は同じ又は類似の配列を有するポリヌクレオチド又はポリペプチドの任意の他の群であり得る。他の実施態様では、分析物は、検体上の物理的領域を占有する任意の要素又は要素群であり得る。例えば、分析物は、ランドのパセル、水の本体などであってもよい。分析物が撮像されると、各分析物は、一部の領域を有する。したがって、多くの実施態様では、分析物は、単に１つのピクセルではない。

【0286】

分析物間の距離は、任意の数の方式で説明することができる。いくつかの実施態様では、分析物間の距離は、１つの分析物の中心から別の分析物の中心まで説明することができる。他の実施態様では、距離は、１つの分析物の縁部から別の分析物の縁部まで、又は各分析物の最も外側の識別可能な点間に記載することができる。分析物の縁部は、チップ上の理論的若しくは実際の物理的境界、又は分析物の境界内のいくつかの点として説明することができる。他の実施態様では、距離は、検体上の固定点、又は検体の画像に関して説明することができる。

【0287】

一般に、分析方法に関して、いくつかの実施態様が本明細書に記載される。自動又は半自動化方式で方法を実行するためのシステムも提供されることが理解されるであろう。したがって、本開示は、ニューラルネットワークベースのテンプレート生成及びベースコールシステムを提供し、システムは、プロセッサと、記憶デバイスと、画像分析のためのプログラムと、を含み、プログラムは、本明細書に記載の方法のうちの１つ以上を実行するための命令を含む。したがって、本明細書に記載される方法は、例えば、本明細書に記載されるか又は当該技術分野において既知の構成要素を有するコンピュータ上で実行することができる。

【0288】

本明細書に記載される方法及びシステムは、様々な物体のうちのいずれかを分析するのに有用である。特に有用な物体は、固体担体又は付着した分析物を有する固相表面である。本明細書に記載される方法及びシステムは、ｘｙ平面における分析物の繰り返しパターンを有する物体とともに使用される場合、利点を提供する。一例は、細胞、ウイルス、核酸、タンパク質、抗体、炭水化物、小分子（薬物候補など）、生物学的活性分子、又は他の対象分析物の集合を有するマイクロアレイである。

【0289】

核酸及びポリペプチドなどの生物学的分子を有する分析物を有するアレイの用途の数が増えてきた。このようなマイクロアレイは、典型的には、デオキシリボ核酸（ＤＮＡ）又はリボ核酸（ＲＮＡ）プローブが挙げられる。これらは、ヒト及び他の生物に存在するヌクレオチド配列に特異的である。特定の用途では、例えば、個々のＤＮＡ又はＲＮＡプローブをアレイの個々の分析物に取り付けることができる。既知のヒト又は生物からのものなどの試験試料は、標的核酸（例えば、遺伝子フラグメント、ｍＲＮＡ、又はアンプリコン）が配列中のそれぞれの分析物で相補的プローブにハイブリダイズするように、アレイに曝露することができる。プローブは、標的特異的プロセス（例えば、標的核酸上に存在する標識に起因して、又は分析物においてハイブリダイズした形態で存在するプローブ又は標的の酵素標識に起因して）標識することができる。次いで、分析物の上の特定の光の周波数を走査して、どの標的核酸が試料中に存在するかを識別することによって検査することができる。

【0290】

生物学的マイクロアレイは、遺伝子配列決定及び類似の用途に使用され得る。一般に、遺伝子配列決定は、ＤＮＡ又はＲＮＡのフラグメントなどの標的核酸の長さのヌクレオチドの順序を決定することを含む。比較的短い配列は、典型的には、各分析物において配列決定され、得られた配列情報は、様々な生物情報科学法において使用されて、フラグメントが由来する多くの広範な長さの遺伝物質の配列を確実に決定するために、様々な生物情報科学法において使用されてもよい。特徴的フラグメントの自動化されたコンピュータベースのアルゴリズムが開発されており、ゲノムマッピング、遺伝子の識別、及びそれらの機能などにおいて、より最近使用されてきた。マイクロアレイは、多数の変異体が存在するため、ゲノム含有量を特徴付けるのに特に有用であり、このことは、個々のプローブ及び標的に対して多くの実験を実施する代替物であるため、ゲノム含有量を特徴付けるのに特に有用である。マイクロアレイは、実用的な様式でこのような調査を実施するための理想的なフォーマットである。

【0291】

当該技術分野において既知の様々な分析物アレイ（「マイクロアレイ」とも称される）のいずれも、本明細書に記載される方法又はシステムにおいて使用することができる。典型的なアレイは、各々が個々のプローブ又はプローブの集団を有する分析物を含む。後者の場合、各分析物におけるプローブの集団は、典型的には、単一種のプローブを有する均質である。例えば、核酸配列の場合、各分析物は、各々、共通の配列を有する複数の核酸分子を有することができる。しかしながら、いくつかの実施態様では、アレイの各分析物における集団は、不均質であり得る。同様に、タンパク質配列は、単一のタンパク質又はタンパク質の集団を有する分析物を有することができ、典型的には、同じアミノ酸配列を有するが、必ずしもそうではない。プローブは、例えば、プローブを表面に共有結合することによって、又はプローブと表面との非共有相互作用を介して、アレイの表面に取り付けることができる。いくつかの実施態様では、核酸分子などのプローブは、ゲル層を介して表面に付着させることができ、例えば、米国特許出願第１３／７８４，３６８号及び米国特許出願公開第２０１１／００５９８６５（Ａ１）号に記載されており、これらの各々は、参照により本明細書に組み込まれる。

【0292】

例示的なアレイとしては、限定するものではないが、Ｉｌｌｕｍｉｎａ，Ｉｎｃ（Ｓａｎ Ｄｉｅｇｏ，Ｃａｌｉｆ．）から入手可能なＢｅａｄＣｈｉｐアレイ又は他のもの、例えば、プローブが、表面上に存在するビーズ（例えば、表面上のウェル内のビーズ）に取り付けられる、以下、米国特許第６，２６６，４５９号、同第６，３５５，４３１号、同第６，７７０，４４１号、同第６，８５９，５７０号、若しくは米国特許第７，６２２，２９４号、又は国際公開第００／６３４３７号に、記載されたものなどの他のものが挙げられ、これらの各々は、参照により本明細書に組み込まれる。使用することができる市販のマイクロアレイの更なる例としては、例えば、ＶＬＳＩＰＳ（商標）（Ｖｅｒｙ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｍｍｏｂｉｌｉｚｅｄ Ｐｏｌｙｍｅｒ Ｓｙｎｔｈｅｓｉｓ）技術と称されることがある技法に従って合成されたＡｆｆｙｍｅｔｒｉｘ（登録商標）ＧｅｎｅＣｈｉｐ（登録商標）マイクロアレイ又は他のマイクロアレイが挙げられる。スポッティングされたマイクロアレイはまた、本開示のいくつかの実施態様による方法又はシステムにおいて使用することができる。例示的なスポッティングされたマイクロアレイは、Ａｍｅｒｓｈａｍ Ｂｉｏｓｃｉｅｎｃｅｓから入手可能なＣｏｄｅＬｉｎｋ（商標）Ａｒｒａｙである。有用な別のマイクロアレイは、Ａｇｉｌｅｎｔ Ｔｅｃｈｎｏｌｏｇｉｅｓから入手可能なＳｕｒｅＰｒｉｎｔ（商標）Ｔｅｃｈｎｏｌｏｇｙなどのインクジェット印刷法を使用して製造されるものである。

【0293】

他の有用な配列としては、核酸配列決定用途で使用されるものが挙げられる。例えば、ゲノムフラグメント（多くの場合、クラスタと称される）のアンプリコンを有するアレイは、Ｂｅｎｔｌｅｙ ｅｔ ａｌ．，Ｎａｔｕｒｅ ４５６：５３－５９（２００８）、国際公開第０４／０１８４９７号、同第９１／０６６７８号、同第０７／１２３７４４号、米国特許第７，３２９，４９２号、同第７，２１１，４１４号、同第７，３１５，０１９号、米国特許７，４０５，２８１号若しくは米国特許７，０５７，０２６号、又は米国特許出願公開第２００８／０１０８０８２（Ａ１）号に記載されており、これらの各々は、参照により本明細書に組み込まれる。核酸配列決定に有用な別のタイプの配列は、エマルションＰＣＲ技法から作り出される粒子の配列である。実施例は、Ｄｒｅｓｓｍａｎ ｅｔ ａｌ．，Ｐｒｏｃ．Ｎａｔｌ．Ａｃａｄ．Ｓｃｉ．ＵＳＡ １００：８８１７－８８２２（２００３）、国際公開第０５／０１０１４５号、米国特許出願公開第２００５／０１３０１７３号、又は米国特許出願公開第２００５／００６４４６０号に記載されており、これらの各々は、その全体が参照により本明細書に組み込まれる。

【0294】

核酸配列に使用される配列は、多くの場合、核酸分析物のランダムな空間パターンを有する。例えば、Ｉｌｌｕｍｉｎａ Ｉｎｃから入手可能なＨｉＳｅｑ又はＭｉＳｅｑ配列決定プラットフォーム（Ｓａｎ Ｄｉｅｇｏ，Ｃａｌｉｆ．）は、核酸配列がランダム播種、続いてブリッジ増幅によって形成されるフローセルを利用する。しかしながら、パターン化されたアレイは、核酸配列決定又は他の分析用途にも使用することができる。パターン化されたアレイの例、それらの製造方法及びその使用方法は、米国特許出願第１３／７８７，３９６号、米国特許出願第１３／７８３，０４３号、米国特許出願第１３／７８４，３６８号、米国特許出願公開第２０１３／０１１６１５３（Ａ１）号、及び米国特許出願公開第２０１２／０３１６０８６（Ａ１）号に記載されており、これらの各々は、参照により本明細書に組み込まれる。このようなパターン化された配列の分析物を使用して、単一の核酸テンプレート分子を捕捉して、例えば、ブリッジ増幅を介して、均質なコロニーの後続の形成を行うことができる。このようなパターン化されたアレイは、核酸配列決定用途に特に有用である。

【0295】

アレイ（又は本明細書の方法又はシステムで使用される他の物体）上の分析物のサイズは、特定の用途に適するように選択することができる。例えば、いくつかの実施態様では、アレイの分析物は、単一の核酸分子のみを収容するサイズを有することができる。このサイズ範囲の複数の分析物を有する表面は、単一分子分解能で検出するための分子の配列を構築するのに有用である。このサイズ範囲の分析物もまた、核酸分子のコロニーをそれぞれ含む分析物を有するアレイでの使用にも有用である。したがって、アレイの分析物は各々、約１ｍｍ^２以下、約５００μｍ^２以下、約１００μｍ^２以下、約１０μｍ^２以下、約１μｍ^２以下、約５００ｎｍ^２以下、又は約１００ｎｍ^２以下、約１０ｎｍ^２以下、約５ｎｍ^２以下、又は約１ｎｍ^２以下の面積を有することができる。代替的に又は追加的に、アレイの分析物は、約１ｍｍ^２以上、約５００μｍ^２以上、約１００μｍ^２以上、約１０μｍ^２以上、約１μｍ^２以上、約５００ｎｍ^２以上、約１００ｎｍ^２以上、約１０ｎｍ^２以上、約５ｎｍ^２以上、又は約１ｎｍ^２以上である。実際に、分析物は、上記に例示したものから選択される上限と下限との間の範囲内の大きさを有することができる。表面の分析物のいくつかのサイズ範囲が核酸及び核酸のスケールに関して例示されてきたが、これらのサイズ範囲の分析物は、核酸を含まない用途に使用され得ることが理解されるであろう。分析物のサイズは、核酸用途に使用されるスケールに必ずしも限定される必要はないことが更に理解されるであろう。

【0296】

分析物のアレイなどの複数の分析物を有する物体を含む実施例では、分析物は、互いの間の空間で分離されている、別個のものとすることができる。本発明において有用なアレイは、最大で１００μｍ、５０μｍ、１０μｍ、５μｍ、１μｍ、０．５μｍ以下の縁部から縁部までの距離によって分離される分析物を有することができる。代替的に又は追加的に、アレイは、少なくとも０．５μｍ、１μｍ、５μｍ、１０μｍ、５０μｍ、１００μｍ以上の縁部から縁部までの距離によって分離される分析物を有することができる。これらの範囲は、分析物の平均縁部間隔及び縁部間隔、並びに最小又は最大間隔に適用することができる。

【0297】

いくつかの実施態様では、アレイの分析物は、別個である必要はなく、代わりに、隣接する分析物は互いに当接することができる。分析物が別個であるか否かに関わらず、分析物及び／又は分析物のピッチの大きさは、アレイが所望の密度を有することができるように変化し得る。例えば、規則的なパターンにおける平均分析物ピッチは、最大で１００μｍ、５０μｍ、１０μｍ、５μｍ、１μｍ、０．５μｍ以下であり得る。代替的に又は追加的に、規則的なパターンにおける平均分析物ピッチは、少なくとも０．５μｍ、１μｍ、５μｍ、１０μｍ、５０μｍ、１００μｍ以上であり得る。これらの範囲は、規則的なパターンの最大ピッチ又は最小ピッチにも適用することができる。例えば、規則的なパターンの最大分析物ピッチは、１００μｍ以下、５０μｍ以下、１０μｍ以下、５μｍ以下、１μｍ以下、０．５μｍ以下とすることができ、かつ／又は規則的なパターンにおける最小分析物ピッチは、少なくとも０．５μｍ、１μｍ、５μｍ、１０μｍ、５０μｍ、１００μｍ以上であり得る。

【0298】

アレイ内の分析物の密度は、単位面積当たりに存在する分析物の数に関しても理解され得る。例えば、アレイに関する分析物の平均密度は、少なくとも約１×１０^３個の分析物／ｍｍ^２、１×１０^４個の分析物／ｍｍ^２、１×１０^５個の分析物／ｍｍ^２、１×１０^６検／ｍｍ^２、１×１０^７個の分析物／ｍｍ^２、１×１０^８個の分析物／ｍｍ^２、又は１×１０^９個の分析物／ｍｍ^２以上であり得る。代替的に又は追加的に、アレイに関する分析物の平均密度は、最大で約１×１０^９個の分析物／ｍｍ^２、１×１０^８個の分析物／ｍｍ^２、１×１０^７個の分析物／ｍｍ^２、１×１０^６個の分析物／ｍｍ^２、１×１０^５個の分析物／ｍｍ^２、１×１０^４個の分析物／ｍｍ^２、又は１×１０^３個の分析物／ｍｍ^２以下であり得る。

【0299】

上記の範囲は、例えば、分析物のアレイの全て又は一部を含む規則的なパターンの全て又は一部に適用することができる。

【0300】

パターン内の分析物は、様々な形状のいずれかを有することができる。例えば、アレイの表面上などの二次元平面で観察される場合、分析物は、丸みを帯びた、円形、楕円形、矩形、正方形、対称、非対称、三角形、多角形などに見える場合がある。分析物は、例えば六角形又は直線パターンを含む規則的な繰り返しパターンで配置することができる。パターンは、所望のレベルのパッキングを達成するように選択され得る。例えば、円形分析物は、六角形の配置で最適に充填される。当然のことながら、他のパッキング構成もまた、円形分析物のために使用することができ、逆もまた同様である。

【0301】

パターンは、パターンの最小幾何学的単位を形成するサブセット内に存在する分析物の数に関して特徴付けることができる。サブセットは、例えば、少なくとも約２、３、４、５、６、１０個以上の分析物を含み得る。分析物のサイズ及び密度に応じて、幾何学的単位は、１ｍｍ^２、５００μｍ^２、１００μｍ^２、５０μｍ^２、１０μｍ^２、１μｍ^２、５００ｎｍ^２、１００ｎｍ^２、５０ｎｍ^２、１０ｎｍ^２以下の面積を占めることができる。代替的に又は追加的に、幾何学的単位は、１０ｎｍ^２、５０ｎｍ^２、１００ｎｍ^２、５００ｎｍ^２、１μｍ^２、１０μｍ^２、５０μｍ^２、１００μｍ^２、５００μｍ^２、１ｍｍ^２以上の面積を占めることができる。形状、サイズ、ピッチなどの幾何学的単位における分析物の特性は、アレイ又はパターンの分析物に関して、より一般的に本明細書に記載されるものから選択することができる。

【0302】

分析物の規則的なパターンを有するアレイは、分析物の相対的な場所に対して順序付けられるが、各分析物の１つ以上の他の特性に対してランダムであってもよい。例えば、核酸配列の場合、核酸分析物は、それらの相対的な場所に関して規則的であるが、任意の特定の分析物に存在する核酸種に関する配列の知識に関してランダムであってもよい。より具体的な例として、テンプレート核酸を有する分析物の反復パターンを播種し、各分析物でテンプレートを増幅して、分析物においてテンプレートのコピーを形成することによって形成される核酸配列（例えば、クラスタ増幅又はブリッジ増幅を介して、核酸分析物の規則的なパターンを有するが、配列にわたる核酸の配列の分布に関してランダムであろう。したがって、アレイ上の核酸材料の存在の検出は、分析物の繰り返しパターンをもたらすことができるのに対し、配列特異的検出は、アレイにわたる信号の非反復分布をもたらすことができる。

【0303】

本明細書におけるパターン、順序、ランダム性などの説明は、アレイ上の分析物などの物体上の分析物にも関するだけでなく、画像中の分析物にも関連することが理解されるであろう。したがって、パターン、順序、ランダム性などは、限定するものではないが、グラフィカルユーザインターフェース又は他の出力デバイスなどのコンピュータ可読媒体又はコンピュータ構成要素を含むがこれらに限定されない、画像データを記憶、操作、又は通信するために使用される様々なフォーマットのうちのいずれかに存在することができる。

【0304】

本明細書で使用するとき、用語「画像」は、物体の全て又は一部の表現を意味することを意図する。表現は、光学的に検出された再現であり得る。例えば、蛍光、発光、散乱、又は吸収信号から画像を得ることができる。画像内に存在する物体の部分は、物体の表面又は他のｘｙ面であり得る。典型的には、画像は二次元表現であるが、場合によっては、画像内の情報は、３つ以上の次元から導出することができる。画像は、光学的に検出された信号を含む必要はない。非光信号を代わりに存在させることができる。画像は、本明細書の他の箇所に記載されるもののうちの１つ以上などの、コンピュータ可読フォーマット又は媒体に提供することができる。

【0305】

本明細書で使用するとき、「画像」は、検体又は他の物体の少なくとも一部分の再現又は表現を指す。いくつかの実施態様では、再現は、例えばカメラ又は他の光学検出器によって作り出される光再現である。再現は、非光学的再現、例えば、ナノ細孔分析物のアレイから得られる電気信号の表現、又はイオン感応性ＣＭＯＳ検出器から得られた電気信号の表現であり得る。特定の実施態様では、非光学的再現性は、本明細書に記載される方法又は装置から除外され得る。画像は、例えば、１００μｍ、５０μｍ、１０μｍ、５μｍ、１μｍ、又は０．５μｍ未満離れたものを含む、様々な間隔のいずれかで存在する検体の分析物を区別することができる解像度を有することができる。

【0306】

本明細書で使用するとき、「取得」、「取得」、及び同様の用語は、画像ファイルを取得するプロセスの任意の部分を指す。いくつかの実施態様では、データ取得は、検体の画像を生成することと、検体内の信号を探すことと、信号の画像を探すか又は生成するように検出デバイスに指示することと、画像ファイルの更なる分析又は変換のための命令、及び画像ファイルの任意の数の変換又は操作のための命令を与えることと、を含むことができる。

【0307】

本明細書で使用するとき、用語「テンプレート」は、信号又は分析物間の場所又は関係の表現を指す。したがって、いくつかの実施態様では、テンプレートは、検体中の分析物に対応する信号の表現を有する物理的グリッドである。いくつかの実施態様では、テンプレートは、チャート、テーブル、テキストファイル、又は分析物に対応する場所を示す他のコンピュータファイルであり得る。本明細書に提示される実施態様では、異なる基準点で捕捉された検体の画像のセットにわたって検体の分析物の場所を追跡するためにテンプレートが生成される。例えば、テンプレートは、ｘ、ｙ座標のセット、又は別の分析物に対する１つの分析物の方向及び／若しくは距離を記述する値のセットであり得る。

【0308】

本明細書で使用するとき、用語「検体」は、画像が取り込まれる物体又は物体の領域を指すことができる。例えば、画像が土壌の表面から撮影される実施例では、ランドのパセルは、検体であり得る。生体分子の分析がフローセル内で実施される他の実施態様では、フローセルは、任意の数のサブディビジョンに分割されてもよく、これらの各々が検体であってもよい。例えば、フローセルは、様々な流路又はレーンに分割されてもよく、各レーンは、画像化される２、３、４、５、６、７、８、９、１０、２０、３０、４０、５０、６０、７０、８０、９０、１００、１１０、１２０、１４０、１６０、１８０、２００、４００、６００、８００、１０００個以上の別個の領域に更に分割され得る。フローセルの一例は８つのレーンを有し、各レーンは１２０個の検体又はタイルに分割されている。別の実施態様では、検体は、複数のタイル、又は更にはフローセル全体で作製されてもよい。したがって、各検体の画像は、撮像されるより大きい表面の領域を表すことができる。

【0309】

本明細書に記載される範囲及び連続数リストへの言及は、列挙された数だけではなく、列挙された数字間の全ての実数を含むことが理解されるであろう。

【0310】

本明細書で使用するとき、「参照点」は、画像間の任意の時間的又は物理的区別を指す。好ましい別の実施態様では、基準点は時間点である。より好ましい実施態様では、参照点は、配列決定反応中の時点又はサイクルである。しかしながら、用語「基準点」は、画像を区別又は分離することができる、角度、回転、時間、又は他の態様などの画像を区別又は分離する他の態様を含むことができる。

【0311】

本明細書で使用するとき、「画像のサブセット」は、セット内の画像のグループを指す。例えば、サブセットは、画像のセットから選択される１、２、３、４、６、８、１０、１２、１４、１６、１８、２０、３０、４０、５０、６０又は任意の数の画像を含んでもよい。特定の別の実施態様では、サブセットは、１、２、３、４、６、８、１０、１２、１４、１６、１８、２０、３０、４０、５０、６０以下、又は画像のセットから選択される任意の数の画像を含んでもよい。好ましい別の実施態様では、画像は、各サイクルに相関する４つの画像を有する１つ以上の配列決定サイクルから得られる。したがって、例えば、サブセットは、４サイクルにわたって取得された１６画像のグループであり得る。

【0312】

塩基は、ヌクレオチド塩基又はヌクレオチド、（アデニン）、Ｃ（シトシン）、Ｔ（チミン）、又はＧ（グアニン）を指す。本出願は、「塩基」及び「ヌクレオチド」を互換的に使用する。

【0313】

用語「染色体」は、ＤＮＡ及びタンパク質成分（特にヒストン）を含むクロマチンストランドに由来する、生きている細胞の本発明の有効性を有する遺伝子キャリアを指す。従来の国際的に認識されている個々のヒトゲノム染色体番号付けシステムが本明細書で使用される。

【0314】

「部位」という用語は、参照ゲノム上の固有の位置（例えば、染色体ＩＤ、染色体位置及び配向）を指す。いくつかの実施態様では、部位は、残基、配列タグ、又は配列上のセグメントの位置であってもよい。用語「遺伝子座」は、参照染色体上の核酸配列又は多型の特定の場所を指すために使用されてもよい。

【0315】

本明細書における用語「試料」は、典型的には、配列決定及び／又はフェーズドされる核酸を含有する生物液、細胞、組織、器官、又は生物に由来する試料、又は配列決定及び／又はフェーズドされる核酸配列を少なくとも１つ含有する核酸の混合物に由来する試料を指す。このような試料としては、痰／口腔流体、羊水、血液、血液画分、細針生検試料（例えば、外科生検、針生検など）、尿、腹膜流体、胸膜流体、組織外植片、臓器培養物、及びこれらの任意の他の組織若しくは細胞調製物、又はこれらの画分若しくは誘導体が挙げられるが、これらに限定されない。試料は、多くの場合、ヒト被験者（例えば、患者）から採取されるが、試料は、イヌ、ネコ、ウマ、ヤギ、ヒツジ、ウシ、ブタなどを含むがこれらに限定されない、染色体を有する任意の生物から採取することができる。試料は、生物学的源から得られるように、又は試料の特性を修正する前処理後に、直接使用することができる。例えば、このような前処理は、血漿を血液から調製すること、粘性流体を希釈することなどを含んでもよい。前処理の方法には、濾過、沈殿、希釈、蒸留、混合、遠心分離、凍結、凍結乾燥、濃縮、増幅、核酸フラグメント化、干渉成分の不活性化、試薬の添加、溶解などを含んでもよいが、これらに限定されない。

【0316】

用語「配列」は、互いに結合されたヌクレオチドの鎖を含むか、又はそれを表す。ヌクレオチドは、ＤＮＡ又はＲＮＡに基づくことができる。１つの配列は、複数のサブ配列を含んでもよいことを理解されたい。例えば、単一の配列（例えば、ＰＣＲアンプリコン）は、３５０ヌクレオチドを有してもよい。試料読み取りは、これらの３５０ヌクレオチド内に複数のサブ配列を含んでもよい。例えば、試料読み取りは、例えば、２０～５０ヌクレオチドを有する第１及び第２のフランキングサブ配列を含んでもよい。第１及び第２の隣接するサブ配列は、対応するサブ配列（例えば、４０～１００ヌクレオチド）を有する反復セグメントの両側に位置してもよい。隣接するサブ配列の各々は、プライマーサブ配列（例えば、１０～３０ヌクレオチド）を含んでもよい（又はその一部分を含み得る）。読み取りを容易にするために、用語「サブ配列」は「配列」と称されるが、２つの配列は、共通のストランド上で互いに別個である必要はないことが理解される。本明細書に記載の様々な配列を区別するために、配列は、異なる標識（例えば、標的配列、プライマー配列、隣接配列、参照配列など）を与えられてもよい。「対立遺伝子」などの他の用語は、同様の物体を区別するために異なるラベルを与えられてもよい。アプリケーションは、「読み取り」及び「配列読み取り」を互換的に使用する。

【0317】

用語「ペアエンド配列決定（paired end sequencing）」は、標的フラグメントの両端を配列する配列決定方法を指す。ペアエンド配列決定は、ゲノム再構成及び反復セグメントの検出、並びに遺伝子融合及び新規転写物の検出を容易にし得る。ペアエンド配列決定の方法は、国際公開第０７０１０２５２号、国際出願第ＧＢ２００７／００３７９８号、及び米国特許出願公開第２００９／００８８３２７号に記載されており、これらは各々参照により本明細書に組み込まれる。一実施例では、一連の動作は、以下のように実施され得る。（ａ）核酸のクラスタを生成し、（ｂ）核酸を線形化し、（ｃ）上記のように、第１の配列決定プライマーをハイブリダイズし、伸長、走査及びデブロッキングのサイクルを繰り返し実行し、（ｄ）相補的なコピーを合成することによって、フローセル表面上の標的核酸を「反転」させ、（ｅ）再合成された鎖を線形化し、（ｆ）上記のように、第２の配列決定プライマーをハイブリダイズし、伸長、走査及びデブロッキングのサイクルを繰り返し実行する。反転操作は、ブリッジ増幅の単一サイクルについて上述した試薬を送達することができる。

【0318】

用語「参照ゲノム」又は「参照配列」は、対象からの識別された配列を参照するために使用され得る任意の生物の部分的又は完全ないずれかの特定の既知のゲノム配列を指す。例えば、ヒト被験者に使用される参照ゲノム、並びに多くのその他の生物が、Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ Ｉｎｆｏｒｍａｔｉｏｎ（ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ）で見出される。「ゲノム」とは、核酸配列で発現される、生物又はウイルスの完全な遺伝子情報を意味する。ゲノムは、ＤＮＡの遺伝子及び非コード配列の両方を含む。参照配列は、それに位置合わせされたリードよりも大きくてもよい。例えば、参照配列は、少なくとも約１００倍大きい、又は少なくとも約１０００倍大きい、又は少なくとも約１０，０００倍大きい、又は少なくとも約１０５倍大きい、又は少なくとも約１０６倍大きい、又は少なくとも約１０７倍大きい場合がある。一実施例では、参照ゲノム配列は、完全長ヒトゲノムのものである。別の例では、参照ゲノム配列は、染色体１３などの特定のヒト染色体に限定される。いくつかの実施態様では、参照染色体は、ヒトゲノムバージョンｈｇ１９からの染色体配列である。このような配列は、染色体参照配列と称される場合があるが、用語参照ゲノムは、そのような配列を網羅することを意図している。参照配列の他の例としては、その他の種のゲノム、並びに任意の種の染色体、部分染色体領域（ストランドなど）などが挙げられる。様々な実施態様では、参照ゲノムは、複数の個体に由来するコンセンサス配列又は他の組み合わせである。しかしながら、特定の用途では、参照配列は、特定の個体から採取されてもよい。他の実施態様では、「ゲノム」はまた、ゲノム配列の特定の記憶形式及び表現を使用するいわゆる「グラフゲノム」も被覆する。一実施態様では、グラフゲノムは、線形ファイルにデータを記憶する。別の実施態様では、グラフゲノムは、代替的な配列決定（例えば、小さい差異を有する染色体の異なるコピー）がグラフ内の異なる経路として記憶されている表現を指す。グラフゲノムの実装に関する追加情報は、ｈｔｔｐｓ：／／ｗｗｗ．ｂｉｏｒｘｉｖ．ｏｒｇ／ｃｏｎｔｅｎｔ／ｂｉｏｒｘｉｖ／ｅａｒｌｙ／２０１８／０３／２０／１９４５３０．ｆｕｌｌ．ｐｄｆ．にて参照することができ、その内容は、その全体が参照により本明細書に組み込まれる。

【0319】

用語「読み取り」は、ヌクレオチド試料又は参照のフラグメントを記述する配列データの集合を指す。用語「読み取り」は、試料読み取り及び／又は参照読み取りを指し得る。典型的には、必ずしもそうではないが、読み取りは、試料又は参照における連続的な塩基対の短い配列を表す。読み取りは、試料又は参照フラグメントのベース対配列（ＡＴＣＧ）によって記号的に表されてもよい。読み取りが参照配列と一致するか、又は他の基準を満たすかを判定するために、メモリデバイスに記憶され、適切に処理されてもよい。リードは、シーケンシング装置から直接、又は試料に関する記憶された配列情報から間接的に得られてもよい。場合によっては、例えば、染色体又はゲノム領域又は遺伝子に位置合わせされ、特異的に割り当てられ得る、より大きい配列又は領域を識別するために使用することができる十分な長さ（例えば、少なくとも約２５ｂｐ）のＤＮＡ配列である。

【0320】

次世代配列決定法としては、例えば、合成技術（Ｉｌｌｕｍｉｎａ）、ピロ配列決定（４５４）、イオン半導体技術（Ｉｏｎ Ｔｏｒｒｅｎｔ ｓｅｑｕｅｎｃｉｎｇ）、一分子リアルタイム配列決定（Ｐａｃｉｆｉｃ Ｂｉｏｓｃｉｅｎｃｅｓ）及びライゲーションによる配列決定（ＳＯＬｉＤ配列決定）が挙げられる。配列決定法に応じて、各読み取りの長さは、約３０ｂｐ～１０，０００ｂｐを超えて変化し得る。例えば、ＳＯＬｉＤシーケンサを用いたＤＮＡ配列決定法は、約５０ｂｐの核酸リードを生成する。別の例では、Ｉｏｎ Ｔｏｒｒｅｎｔ Ｓｅｑｕｅｎｃｉｎｇは、最大４００ｂｐの核酸リードを生成し、４５４のピロ配列は、約７００ｂｐの核酸リードを生成する。更に別の例では、単分子リアルタイム配列決定法は、１０，０００ｂｐ～１５，０００ｂｐのリードを生成し得る。したがって、特定の実施態様では、核酸配列のリードは、３０～１００ｂｐ、５０～２００ｂｐ、又は５０～４００ｂｐの長さを有する。

【0321】

用語「試料読み取り」、「試料配列」又は「試料フラグメント」は、試料から対象とするゲノム配列に関する配列データを指す。例えば、試料読み取りは、順方向及び逆方向プライマー配列を有するＰＣＲアンプリコンからの配列データを含む。配列データは、任意の選択配列方法論から得ることができる。試料の読み取りは、例えば、合成による配列決定（sequencing-by-synthesis、ＳＢＳ）反応、配列決定・ライゲーション反応、又は反復要素の長さ及び／若しくは同一性を決定することが望ましい任意の他の好適な配列決定方法論であり得る。試料読み取りは、複数の試料読み取りに由来するコンセンサス（例えば、平均又は加重）配列であり得る。特定の実施態様では、参照配列を提供することは、ＰＣＲアンプリコンのプライマー配列に基づいて目的の遺伝子座を識別することを含む。

【0322】

用語「生フラグメント」は、試料読み取り又は試料フラグメント内の対象とする指定位置又は二次位置に少なくとも部分的に重なり合う、対象とするゲノム配列の一部の配列データを指す。生フラグメントの非限定的な例としては、二重ステッチされたフラグメント、単純なステッチされたフラグメント、及び単純な非ステッチのフラグメントが挙げられる。用語「生」は、生フラグメントが試料読み取りにおける配列データとのいくつかの関係を有する配列データを含むことを示すために使用され、生フラグメントが、試料読み取りにおける潜在的変異体に対応し、かつそれを認証又は確認する支持変異体を示すかどうかに関わらず、使用される。用語「生フラグメント」は、フラグメントが、試料読み取りにおける変異型コールを検証する支持変異体を必ずしも含むことを示すものではない。例えば、試料読み取りが、第１の変異体を呈するために、変異型コールアプリケーションによって判定されるとき、この変異型コールアプリケーションは、１つ以上の生フラグメントが、試料読み取りにおける変異体を考慮して、そうでなければ発生することが予想され得る、対応するタイプの「支持」変異体を欠くと判定することができる。

【0323】

用語「マッピング」、「位置合わせされた」、「位置合わせ」、又は「位置合わせする」という用語は、読み取り又はタグを参照配列と比較し、それによって、参照配列が読み取り配列を含むかどうかを判定するプロセスを指す。参照配列が読み取られた場合、読み取りは参照配列にマップされてもよく、又は特定の別の実施態様では、参照配列内の特定の場所にマッピングされてもよい。いくつかの場合において、位置合わせは、リードが特定の参照配列のメンバーであるか否か（すなわち、リードが参照配列中に存在するか又は存在していないか）を単に伝える。例えば、ヒト染色体１３についての参照配列に対するリードの位置合わせは、染色体１３の参照配列中にリードが存在するかどうかを伝える。本情報を提供するツールは、セットメンバーシップテスタ（set membership tester）と呼ばれる場合がある。場合によっては、位置合わせは、読み取り又はタグマップがある参照配列内の場所を更に示す。例えば、参照配列がヒトゲノム配列全体である場合、位置合わせは、染色体１３上にリードが存在することを示してもよく、更に、リードが染色体１３の特定の鎖及び／又は部位にあることを更に示してもよい。

【0324】

用語「インデル」は、生物のＤＮＡ中の塩基の挿入及び／又は欠失を指す。マイクロインデルは、１～５０ヌクレオチドの正味変化をもたらすインデルを表す。インデルの長さが３の倍数でない限り、ゲノムの領域をコードする際に、フレームシフト変異が生じる。インデルは、点突然変異と対比することができる。インデル挿入物は、配列からヌクレオチドを欠失させるが、点変異は、ＤＮＡ中の全体的な数を変えることなくヌクレオチドのうちの１つを置き換える置換の形態である。インデルはまた、隣接するヌクレオチドにおける置換として定義され得るＴａｎｄｅｍ Ｂａｓｅ変異（Tandem Base Mutation、ＴＢＭ）と対比することもできる（主に２つの隣接するヌクレオチドで置換されるが、隣接する３つのヌクレオチドでの置換が観察された。

【0325】

用語「変異体」は、核酸参照とは異なる核酸配列を指す。典型的な核酸配列変異体としては、限定するものではないが、単一のヌクレオチド多型（Single Nucleotide Polymorphism、ＳＮＰ）、短い欠失及び挿入多型（Ｉｎｄｅｌ）、コピー数変動（Copy Number Variation、ＣＮＶ）、マイクロ衛星マーカー、又は短いタンデム反復及び構造変異が挙げられる。体細胞変異体コールは、ＤＮＡ試料中に低頻度で存在する変異体を識別するための努力である。体細胞変異体のコーリングは、癌治療の文脈において対象となる。癌は、ＤＮＡにおける変異の蓄積によって引き起こされる。腫瘍由来のＤＮＡ試料は、一般的に不均質であり、いくつかの正常細胞、癌進行の早期段階（より少ない突然変異を伴う）、及び一部の後期細胞（より多くの変異を有する）を含む。この不均一性のため、腫瘍を配列決定するとき（例えば、ＦＦＰＥ試料から）、体細胞変異は、多くの場合、低頻度で現れる。例えば、ＳＮＶは、所与の塩基を被覆するリードの１０％のみに見られ得る。変異体分類子によって体細胞又は生殖細胞系として分類される変異体は、本明細書では「試験中の変異体」とも称される。

【0326】

用語「ノイズ」は、配列決定プロセス及び／又は変異型コールアプリケーションにおける１つ以上の誤差から生じる、誤りのある変異型コールを指す。

【0327】

用語「変異体頻度」は、集団内の特定の遺伝子座における対立遺伝子（遺伝子の変異体）の相対頻度を表し、分画又は割合として表される。例えば、分画又は割合は、その対立遺伝子を保有する集団中の全ての染色体の割合であってもよい。一例として、試料変異体頻度は、個体から対象となるゲノム配列について得られたリード及び／又は試料の数に対応する「集団」にわたって、対象とするゲノム配列に沿った特定の遺伝子座／位置における対立遺伝子／変異体の相対頻度を表す。別の例として、ベースライン変異体頻度は、１つ以上のベースラインゲノム配列に沿った特定の遺伝子座／位置における対立遺伝子／変異体の相対頻度を表し、ここで、１つ以上のベースラインゲノム配列について得られた、１つ以上のベースラインゲノム配列に沿った特定の遺伝子座／位置における対立遺伝子／変異体の相対頻度を表す。

【0328】

用語「変異型対立遺伝子頻度（Variant Allele Frequency、ＶＡＦ）」は、変異体を標的位置での全体的な被覆率で割った、配列決定されたリードの割合を指す。ＶＡＦは、変異体を保有する配列決定されたリードの割合の尺度である。

【0329】

用語「位置」、「指定位置」、及び「遺伝子座」は、ヌクレオチド配列内の１つ以上のヌクレオチドの場所又は座標を指す。用語「位置」、「指定位置」、及び「遺伝子座」はまた、ヌクレオチドの配列における１つ以上の塩基対の場所又は座標を指す。

【0330】

用語「ハプロタイプ」は、互いに遺伝する染色体上の隣接する部位における対立遺伝子の組み合わせを指す。ハプロタイプは、存在する場合、座の所与のセットの間に生じた組換えイベントの数に応じて、１つの遺伝子座、いくつかの座、又は染色体全体であってもよい。

【0331】

本明細書における「閾値」という用語は、試料、核酸、又はその一部（例えば、読み取り）を特徴付けるためのカットオフとして使用される数値又は数値を指す。閾値は、経験的分析に基づいて変化してもよい。閾値は、そのような値を生じさせる源が特定の様式で分類されるべきかどうかを判定するために、測定値又は計算値と比較することができる。閾値は、経験的又は分析的に識別することができる。閾値の選択は、ユーザが分類を行う必要があることを望む信頼度に依存する。閾値は、特定の目的（例えば、感度及び選択性のバランスのために）選択されてもよい。本明細書で使用するとき、用語「閾値」は、分析の過程が変化し得る点、及び／又はアクションがトリガされ得る点を示す。閾値は、所定の数である必要はない。その代わりに、閾値は、例えば、複数の因子に基づく関数であってもよい。閾値は、状況に適合し得る。更に、閾値は、上限、下限、又は限界間の範囲を示し得る。

【0332】

いくつかの実施態様では、配列決定データに基づく指標又はスコアは、閾値と比較され得る。本明細書で使用するとき、用語「メトリック」又は「スコア」は、配列決定データから決定された値又は結果を含んでもよく、又は配列決定データから決定された値又は結果に基づく関数を含んでもよい。閾値と同様に、指標又はスコアは、状況に適合し得る。例えば、指標又はスコアは、正規化された値であってもよい。スコア又はメトリックの例として、１つ以上の実施態様は、データを分析する際にカウントスコアを使用することができる。計数スコアは、試料読み取りの数に基づいてもよい。試料読み取りは、試料読み取りが少なくとも１つの共通の特性又は品質を有するように、１つ以上のフィルタリング段階を経ていてもよい。例えば、計数スコアを決定するために使用される試料読み取りの各々は、参照配列と位置合わせされていてもよく、又は潜在的な対立遺伝子として割り当てられてもよい。共通の特性を有する試料読み取りの数をカウントして、リードカウントを決定することができる。カウントスコアは、読み取りカウントに基づいてもよい。いくつかの実施態様では、計数スコアは、リードカウントと等しい値であってもよい。他の実施例では、計数スコアは、リードカウント及び他の情報に基づいてもよい。例えば、計数スコアは、遺伝子座の特定の対立遺伝子のリードカウント、及び遺伝子座の合計リード数に基づいてもよい。いくつかの実施態様では、計数スコアは、遺伝子座のリードカウント及び以前に得られたデータに基づいてもよい。いくつかの実施態様では、計数スコアは、所定の値間の正規化スコアであってもよい。計数スコアはまた、試料の他の遺伝子座からのリードカウントの関数、又は対象となる試料と同時に動作された他の試料からのリードカウントの関数であってもよい。例えば、計数スコアは、特定の対立遺伝子の読み取りカウント及び試料中の他の遺伝子座の読み取りカウント、及び／又は他の試料からのリードカウントの関数であってもよい。一例として、他の遺伝子座からのリードカウント及び／又は他の試料からのリードカウントを使用して、特定の対立遺伝子についての計数スコアを正規化してもよい。

【0333】

用語「被覆率」又は「フラグメント被覆率」は、配列の同じフラグメントに対する多数の試料読み取りの計数又は他の尺度を指す。リードカウントは、対応するフラグメントをカバーするリードの数のカウントを表し得る。代替的に、被覆率は、履歴知識、試料の知識、遺伝子座の知識などに基づく指定された因子を、リードカウントに掛けることによって決定されてもよい。

【0334】

用語「読み取り深さ」（従来、「×」が続く数）は、標的位置における重なり合うアライメントを伴う配列決定されたリードの数を指す。これは、多くの場合、間隔のセット（エキソン、遺伝子、又はパネルなど）のカットオフを超える平均又は百分率として表現される。例えば、臨床報告は、パネル平均被覆率が、標的化されたベースカバー＞１００×の９８％を有する１，１０５×であると言うことができる。

【0335】

用語「ベースコール品質スコア」又は「Ｑスコア」は、単一の配列決定された塩基が正しい確率に反比例する０－５０からの範囲のＰＨＲＥＤスケールされた確率を指す。例えば、２０のＱを有するＴベースコールは、９９．９９％の確率で正しいと考えられる。Ｑ＜２０での任意のベースコールは、低品質であるとみなされるべきであり、変異体を支持する配列決定されたリードのかなりの割合が低い場合に識別される任意の変異体は、潜在的に偽陽性であるとみなされるべきである。

【0336】

用語「変異体リード」又は「変異体リード番号」は、変異体の存在を支持する配列決定されたリードの数を指す。

【0337】

「撚れ性（strandedness）」（又はＤＮＡ撚れ性）に関して、ＤＮＡ中の遺伝的メッセージは、文字Ａ、Ｇ、Ｃ、及びＴの文字、例えば、５’－ＡＧＧＡＣＡ－３’として表すことができる。多くの場合、配列は、本明細書に示される方向、すなわち、５’端を左に、３’端を右に書き込む。ＤＮＡは、（特定のウイルスのように）一本鎖分子として生じる場合があるが、通常、二本鎖単位としてＤＮＡを見つける。これは、２つの抗平行ストランドを有する二重螺旋構造を有する。この場合、「逆平行」という語は、２つのストランドが平行に動作するが、反対の極性を有することを意味する。二本鎖ＤＮＡは、塩基とペアリングによって一緒に保持され、ペアリングは、アデニン（Ａ）対がチミン（Ｔ）及びシトシン（Ｃ）対とグアニン（Ｇ）との対となるように、常に保持される。このペアリングは相補性と称され、１本のＤＮＡ鎖は、他方の相補体であると言われる。したがって、二本鎖ＤＮＡは、５’－ＡＧＧＡＣＡ－３’及び３’－ＴＣＣＴＧＴ－５’と同様に、２つのストリングとして表され得る。２つのストランドは、反対の極性を有することに留意されたい。したがって、２つのＤＮＡ鎖のストランド性は、基準ストランド及びその補体、順方向及び逆方向ストランド、トップ及びボトムストランド、センス及びアンチセンスストランド、又はワトソン及びクリックストランドと称され得る。

【0338】

リードアライメント（リードマッピングとも呼ばれる）は、ゲノム中の配列が由来する場合に、参照するプロセスである。位置合わせが実施されると、所与の読み取りの「マッピング品質」又は「マッピング品質スコア（mapping quality score、ＭＡＰＱ）」は、ゲノム上のその位置が正しい確率を定量化する。マッピング品質は、位相スケールで符号化され、Ｐはアライメントが正しくない確率である。確率はＰ＝１０^{（－ＭＡＱ／１０）}のように計算され、ＭＡＰＱはマッピング品質である。例えば、－４の電力に対する４０＝１０のマッピング品質は、読み取りが不正確に位置合わせされた０．０１％の機会が存在することを意味する。したがって、マッピング品質は、読み取りの基本品質、参照ゲノムの複雑性、及びペアエンド情報などのいくつかの位置合わせ因子と関連付けられる。最初に、読み取りの基本品質が低い場合、観察された配列が誤っている可能性があり、したがってそのアライメントが誤っていることを意味する。第２に、マッピング能力はゲノムの複雑さを指す。反復領域は、これらの領域に含まれるマップ及びリードをマッピングすることがより困難であり、通常、マッピング品質が低くなる。この文脈では、ＭＡＰＱは、リードが一意的に位置合わせされておらず、それらの実際の原点を決定することができないという事実を反映する。第３に、パリッドエンド配列決定データの場合、コンコダント対は、より良好に位置合わせされる可能性が高い。マッピング品質が高いほど、アライメントがより良好である。良好なマッピング品質と整合された読み取りは、通常、読み出し配列が良好であり、高いマッピング可能領域内ではわずかな不一致と位置合わせされたことを意味する。ＭＡＰＱ値は、アライメント結果の品質管理として使用することができる。２０よりも高いＭＡＰＱと位置合わせされたリードの割合は、通常、下流分析のためである。

【0339】

本明細書で使用するとき、「信号」は、例えば画像内の発光、好ましくは発光などの検出可能なイベントを指す。したがって、好ましい別の実施態様では、信号は、画像内に捕捉された任意の検出可能な発光（すなわち、「スポット」）を表すことができる。したがって、本明細書で使用するとき、「信号」は、検体の分析物からの実際の放出の両方を指すことができ、実際の分析物と相関しない擬似発光を指すことができる。したがって、信号はノイズから生じ得、検体の実際の分析物を代表しないように後に廃棄することができる。

【0340】

本明細書で使用するとき、用語「クランプ」は、一群の信号を指す。特定の実施態様では、信号は、異なる分析物に由来する。好ましい別の実施態様では、信号クランプは、一緒にクラスタ化する信号群である。より好ましい実施態様では、信号クランプは、１つの増幅オリゴヌクレオチドによって覆われた物理的領域を表す。各信号クランプは、理想的には、いくつかの信号（テンプレートサイクル当たり１つ、恐らくはクロストークによってより多く）として観察されるべきである。したがって、２つ（以上）の信号が同じ信号のクランプからテンプレートに含まれる、重複する信号が検出される。

【0341】

本明細書で使用するとき、「最小」、「最大」、「最小化」、「最大化」、及びその文法的変異形などの用語は、絶対最大値又は最小値ではない値を含むことができる。いくつかの実施態様では、値は、最大値及び最小値付近を含む。他の実施例では、値は、局所的最大値及び／又は局所最小値を含むことができる。いくつかの実施態様では、値は、絶対最大値又は最小値のみを含む。

【0342】

本明細書で使用するとき、「クロストーク」は、別個の画像においても検出される１つの画像内の信号の検出を指す。好ましい別の実施態様では、クロストークは、放射された信号が２つの別個の検出チャネルで検出されるときに発生し得る。例えば、放射された信号が１つの色で発生する場合、その信号の放射スペクトルは、別の色で別の放射された信号と重なり合ってもよい。好ましい実施態様では、ヌクレオチド塩基Ａ、Ｃ、Ｇ、及びＴの存在を示すために使用される蛍光分子は、別個のチャネルで検出される。しかし、Ａ及びＣの発光スペクトルは重なり合うため、色チャネルを使用した検出中に、Ｃ色信号の一部が検出され得る。したがって、Ａ信号とＣ信号との間のクロストークにより、１つのカラー画像からの信号が他のカラー画像に現れることを可能にする。いくつかの実施態様では、Ｇ及びＴクロストークがある。いくつかの実施態様では、チャネル間のクロストークの量は非対称である。チャネル間のクロストークの量は、とりわけ、適切な放射スペクトルを有する信号分子の選択、並びに検出チャネルのサイズ及び波長範囲の選択によって制御され得ることが理解されるであろう。

【0343】

本明細書で使用するとき、「整合させる（register）」、「整合させる（registering）」、「整合（registration）」、及び同様の用語は、画像又はデータセット内の信号を、別の時点又は視点からの画像又はデータセット内の信号と相関させるための任意のプロセスを指す。例えば、整合を使用して、画像のセットからの信号を位置合わせしてテンプレートを形成することができる。別の例では、整合を使用して、他の画像からの信号をテンプレートに位置合わせすることができる。１つの信号は、別の信号に直接又は間接的に整合されてもよい。例えば、画像「Ｓ」からの信号は、画像「Ｇ」に直接整合されてもよい。別の例として、画像「Ｎ」からの信号は、画像「Ｇ」に直接整合されてもよく、代替的に、画像「Ｎ」からの信号は、以前に画像「Ｇ」に整合された画像「Ｓ」に整合されてもよい。すなわち、画像「Ｎ」からの信号は、間接的に画像「Ｇ」に整合される。

【0344】

本明細書で使用するとき、用語「基準」は、物体内又は物体上の区別可能な基準点を意味することを意図する。基準点は、例えば、マーク、第２の物体、形状、縁部、領域、不規則性、チャネル、ピット、ポストなどであり得る。基準点は、物体の画像内に、又は物体を検出することに由来する別のデータセット内に存在することができる。基準点は、物体の平面内のｘ及び／又はｙ座標によって指定することができる。代替的に又は追加的に、基準点は、例えば、物体と検出器との相対的な場所によって定義される、ｘｙ平面に直交するｚ座標によって指定することができる。基準点に対する１つ以上の座標は、物体の１つ以上の他の分析物、又は物体に由来する画像又は他のデータセットに対して指定することができる。

【0345】

本明細書で使用するとき、用語「光信号」は、例えば、蛍光、発光、散乱、又は吸収信号を含むことを意図する。光信号は、紫外線（ultraviolet、ＵＶ）範囲（約２００～３９０ｎｍ）、可視（visible、ＶＩＳ）範囲（約３９１～７７０ｎｍ）、赤外線（infrared、ＩＲ）範囲（約０．７７１～２５マイクロメートル）、又は電磁スペクトルの他の範囲で検出することができる。これらの範囲のうちの１つ以上の全て又は一部を除外する方式で、光信号を検出することができる。

【0346】

本明細書で使用するとき、用語「信号レベル」は、所望又は所定の特性を有する検出されたエネルギー又は符号化された情報の量又は量を意味することを意図する。例えば、光信号は、強度、波長、エネルギー、周波数、電力、輝度などのうちの１つ以上によって定量化することができる。他の信号は、電圧、電流、電界強度、磁場強度、周波数、電力、温度などの特性に従って定量化することができる。信号の不在は、ゼロの信号レベル、又はノイズとは有意に区別されない信号レベルであると理解される。

【0347】

本明細書で使用するとき、用語「シミュレートする」は、物又はアクションの特性を予測する物又はアクションの表現又はモデルを作成することを意味することを意図する。表現又はモデルは、多くの場合、物又はアクションと区別可能であり得る。例えば、表現又はモデルは、色、被加工、サイズ、又は形状の全て又は一部から検出される信号の強度などの１つ以上の特性に対するものと区別することができる。特定の実施態様では、表現又はモデルは、物又はアクションと比較して、理想化、誇張、ミュート、又は不完全であり得る。したがって、いくつかの実施態様では、モデルの表現は、例えば、上記の特性のうちの少なくとも１つに関して表すものであることを表すものであることができる。表現又はモデルは、本明細書の他の箇所に記載されるもののうちの１つ以上などの、コンピュータ可読フォーマット又は媒体に提供され得る。

【0348】

本明細書で使用するとき、用語「特定の信号」は、背景エネルギー又は情報などの他のエネルギー又は情報にわたって選択的に観察される、検出されたエネルギー又は符号化情報を意味することを意図する。例えば、特定の信号は、特定の強度、波長、又は色で検出された光信号；特定の周波数、電力、又は電界強度で検出された電気信号；又は分光法及び分析検出に関連する当該技術分野で既知の他の信号であり得る。

【0349】

本明細書で使用するとき、用語「スワス（swath）」は、物体の矩形部分を意味することを意図する。スワスは、ストリップの最長寸法に平行な方向に、物体と検出器との間の相対移動によって走査される細長いストリップであり得る。一般に、矩形部分又はストリップの幅は、その全長に沿って一定である。物体の複数のスワスは、互いに平行であってもよい。物体の複数のスワスは、互いに重なり合い、互いに隣接するか、又は間質領域によって互いに分離され得る。

【0350】

本明細書で使用するとき、用語「分散」は、予想される差、及び観察される差、又は２つ以上の観測結果間の差を意味することを意図する。例えば、分散は、期待値と測定値との間の不一致であり得る。標準偏差、標準偏差の二乗、変動係数などの統計関数を使用して、分散を表すことができる。

【0351】

本明細書で使用するとき、用語「ｘｙ座標」は、ｘｙ平面内の場所、サイズ、形状、及び／又は向きを指定する情報を意味することを意図する。情報は、例えば、デカルト座標系における数値座標であり得る。座標は、ｘ軸及びｙ軸の一方又は両方に対して提供することができ、又はｘｙ平面内の別の場所に対して提供することができる。例えば、物体の分析物の座標は、対象物の基準又は他の検体の場所に対する検体の場所を指定することができる。

【0352】

本明細書で使用するとき、用語「ｘｙ平面」は、直線軸ｘ及びｙによって画定される二次元領域を意味することを意図する。検出器及び検出器によって観察される物体を参照して使用される場合、領域は検出器と検出されている物体との間の観測方向に直交するように更に指定することができる。

【0353】

本明細書で使用するとき、用語「ｚ座標」は、ｘｙ平面に直交する軸に沿った点、線、又は領域の場所を指定する情報を意味することを意図する。特定の実施態様では、ｚ軸は、検出器によって観察される物体の領域に直交する。例えば、光学系の焦点の方向は、ｚ軸に沿って指定されてもよい。

【0354】

いくつかの実施態様では、獲得された信号データは、アフィン変換を用いて変換される。いくつかのそのような実施態様では、テンプレートの生成は、色チャネル間のアフィン変換が動作間に一貫しているという事実を使用する。この一貫性のため、検体中の分析物の座標を決定する際に、デフォルトオフセットのセットを使用することができる。例えば、デフォルトオフセットファイルは、Ａチャネルなどの１つのチャネルに対する異なるチャネルに対する相対変換（シフト、スケール、スキュー）を含むことができる。しかしながら、他の実施態様では、動作中及び／又は動作間の色チャネルドリフト間のオフセットは、オフセット駆動型テンプレート生成を困難にする。このような実施例では、本明細書で提供される方法及びシステムは、オフセットしたテンプレート生成を利用することができ、これについては以下で更に説明する。

【0355】

上記の実施態様のいくつかの態様では、システムはフローセルを含み得る。いくつかの態様では、フローセルは、レーン、又は他の構成のタイルを含み、タイルの少なくとも一部は、１つ以上の分析物群を含む。いくつかの態様では、分析物は、核酸などの複数の分子を含む。特定の態様では、フローセルは、標識されたヌクレオチド塩基を核酸の配列に送達し、それによって、核酸を含む分析物に対応する信号を作り出すように、分析物内の核酸にハイブリダイズするプライマーを伸長させるように構成される。好ましい実施態様では、分析物内の核酸は、互いに同一又は実質的に同一である。

【0356】

本明細書に記載される画像解析システムのいくつかにおいて、画像のセット内の各画像は、色信号を含み、異なる色は、異なるヌクレオチド塩基に対応する。いくつかの態様では、画像のセットの各画像は、少なくとも４つの異なる色から選択される単一の色を有する信号を含む。いくつかの態様では、画像のセット内の各画像は、４つの異なる色から選択される単一の色を有する信号を含む。本明細書に記載されるシステムのいくつかにおいて、核酸は、４つの異なる画像を作り出すように、４つの異なる標識ヌクレオチド塩基を分子の配列に提供することにより、核酸を配列決定することができ、各画像は単一の色を有する信号を含み、信号色が、４つの異なる画像の各々に対して異なることにより、核酸内の特定の位置に存在する４つの可能なヌクレオチドに対応する４つのカラー画像のサイクルを作り出す。特定の態様では、システムは、追加の標識ヌクレオチド塩基を分子の配列に送達するように構成されているフローセルを含み、それによって複数のカラー画像のサイクルを作り出す。

【0357】

好ましい実施態様形態では、本明細書で提供される方法は、プロセッサがアクティブにデータを収集しているか、又はプロセッサが低活動状態にあるかどうかを判定することを含み得る。多数の高品質画像を収集及び記憶することは、典型的には、大量の記憶容量を必要とする。更に、収集され記憶されると、画像データの分析はリソース集約的になり得、追加の画像データの収集及び記憶などの他の機能の処理能力を妨げる可能性がある。したがって、本明細書で使用するとき、用語「低活動状態」は、所与の時間におけるプロセッサの処理能力を指す。いくつかの実施態様では、低活動状態は、プロセッサがデータを収集及び／又は記憶していないときに生じる。いくつかの実施態様では、一部のデータ収集及び／又は記憶が行われる場合には、低いアクティビティ状態が生じるが、他の機能に干渉することなく画像解析が同時に生じ得るように、追加の処理能力が残る。

【0358】

本明細書で使用するとき、「競合を識別する」とは、複数のプロセスがリソースに対して競合する状況を識別することを指す。いくつかのそのような実施態様では、１つのプロセスは、別のプロセスに対して優先度を与えられる。いくつかの実施態様では、競合は、時間、処理能力、記憶能力、又は優先度が与えられる任意の他のリソースの割り当てに対する優先度を与える必要性に関連し得る。したがって、いくつかの実施態様では、処理時間又は容量が、データセットを分析し、データセットを取得及び／又は記憶するかのいずれかなどの２つのプロセス間に分散される場合、２つのプロセス間の不一致が存在し、プロセスのうちの１つに優先度を与えることによって解決することができる。

【0359】

本明細書では、画像解析を実施するためのシステムも提供される。システムは、プロセッサと、記憶容量と、画像解析用のプログラムと、を含むことができ、プログラムは、記憶のための第１のデータセット及び分析のための第２のデータセットを処理するための命令を含み、処理は、記憶装置上の第１のデータセットを取得及び／又は記憶することと、プロセッサが第１のデータセットを取得していないときに第２のデータセットを解析することと、を含む。特定の態様では、プログラムは、第１のデータセットを収集及び／又は記憶することと、第２のデータセットを解析することとの間の競合の少なくとも１つのインスタンスを識別するための命令を含み、第１のデータセットを収集及び／又は記憶することが優先度を与えられるように、画像データを取得及び／又は記憶することが優先される。特定の態様では、第１のデータセットは、光学撮像デバイスから収集された画像ファイルを含む。特定の態様では、システムは、光学撮像デバイスを更に備える。いくつかの態様では、光学撮像デバイスは、光源と検出デバイスとを備える。

【0360】

本明細書で使用するとき、用語「プログラム」は、タスク又はプロセスを実施するための命令又はコマンドを指す。用語「プログラム」は、用語「モジュール」と互換的に使用され得る。特定の実施態様では、プログラムは、同じコマンドセットの下で実行される様々な命令のコンパイルであり得る。他の実施態様では、プログラムは、別個のバッチ又はファイルを参照することができる。

【0361】

以下に記載されるのは、本明細書に記載される画像解析を実施するための方法及びシステムを利用する驚くべき効果の一部である。いくつかの配列決定の実現例では、配列決定システムの有用性の重要な尺度は、その全体的な効率である。例えば、１日当たりに作り出されるマッピング可能なデータの量、並びに機器の設置及び動作の総コストは、経済的な配列決定ソリューションの重要な態様である。マッピング可能なデータを生成し、システムの効率を高めるための時間を短縮するために、リアルタイムのベースコールを機器コンピュータ上で有効にすることができ、配列決定ケミストリ及び画像化と並行して動作することができる。これにより、配列決定ケミストリ仕上げの前に、データ処理及び分析が完了することを可能にする。更に、中間データに必要な記憶を低減し、ネットワークを横切って移動する必要があるデータの量を制限することができる。

【0362】

配列出力が増加している間、本明細書で提供されるシステムからネットワークに転送された動作ごとのデータ、及び二次分析処理ハードウェアは、実質的に減少している。機器コンピュータ（取得コンピュータ）上でデータを変換することにより、ネットワークロードが劇的に低減される。これらのオン機器、オフネットワークデータ低減技法を伴わずに、ＤＮＡ配列決定機器のフレットの画像出力は、ほとんどのネットワークをクリップルするであろう。

【0363】

ハイスループットＤＮＡ配列決定機器の広範な採用は、使用の容易さ、用途の範囲に対する支持、及び実質的に任意のラボ環境に対する適合性によって、部分的に駆動されてきた。本明細書に提示される高度に効率的なアルゴリズムは、配列決定機器を制御することができる単純なワークステーションに、有意な分析機能を加えることを可能にする。計算ハードウェアの必要条件のこの低減は、配列決定出力レベルが増加し続けるにつれて、更に重要となる、いくつかの実用的な利点を有する。例えば、単純なタワー、熱生成、実験室設置面積、及び電力消費を最小限に抑えるために、画像解析及びベースコールを実施することによって、最小に保たれる。対照的に、他の商業的な配列決定技術は、１次分析のために、最大５回の処理電力で、そのコンピューティングインフラストラクチャを最近ランプアップして、熱出力及び電力消費の増加を開始する。したがって、いくつかの実施態様では、本明細書で提供される方法及びシステムの計算効率は、サーバハードウェアを最小限に抑えながら、それらの配列決定スループットを増加させることを可能にする。

【0364】

したがって、いくつかの実施態様では、本明細書に提示される方法及び／又はシステムは、状態マシンとして機能し、各検体の個々の状態の追跡を保ち、試料が次の状態に進む準備ができていることを検出すると、適切な処理を行い、検体をその状態に前進させる。状態マシンがファイルシステムを監視して、好ましい実施態様に従って検体が次の状態に進む準備ができているかを判定する方法のより詳細な例が、以下に記載されている。

【0365】

好ましい実施態様では、本明細書で提供される方法及びシステムは、マルチスレッドであり、構成可能な数のスレッドと協働することができる。したがって、例えば、核酸配列決定の文脈において、本明細書で提供される方法及びシステムは、リアルタイム分析のためのライブ配列決定動作中に背景において作用することができ、又はオフライン分析のために既存の画像データセットを使用して動作することができる。特定の好ましい実施態様では、方法及びシステムは、各スレッドを、それが関与する検体のそれ自体のサブセットを与えることによって、マルチスレッドを取り扱う。これにより、スレッド保持の可能性が最小限に抑えられる。

【0366】

本開示の方法は、検出装置を使用して物体の標的画像を取得する工程を含むことができ、この画像は、物体上の分析物の繰り返しパターンを含む。表面の高解像度撮像が可能な検出装置が特に有用である。特定の実施態様では、検出装置は、本明細書に記載される密度、ピッチ、及び／又は分析物サイズにおける分析物を区別するのに十分な分解能を有するであろう。表面から画像又は画像データを得ることができる検出装置が特に有用である。例示的な検出器は、物体と検出器とを静的関係に維持しつつ、面積画像を取得するように構成されたものである。走査装置も使用することができる。例えば、連続領域画像を取得する装置（例えば、「工程及びショット」検出器と呼ばれる）を使用することができる。また、物体の表面上の点又は線を連続的に走査して、表面の画像を構築するためにデータを蓄積するデバイスも有用である。点走査検出器は、表面のｘ－ｙ平面内のラスタ運動を介して物体の表面上の点（すなわち、小さい検出領域）を走査するように構成することができる。線走査検出器は、物体の表面のｙ寸法に沿った線を走査するように構成することができ、この線の最長寸法は、ｘ寸法に沿って生じる。検出デバイス、物体、又はその両方を移動させて、走査検出を達成することができることが理解されるであろう。例えば核酸配列決定用途において特に有用な検出装置は、米国特許出願公開第２０１２／０２７０３０５（Ａ１）号、第２０１３／００２３４２２（Ａ１）号及び同第２０１３／０２６０３７２（Ａ１）号、並びに米国特許第５，５２８，０５０号、同第５，７１９，３９１号、米国特許第８，１５８，９２６号、及び米国特許第８，２４１，５７３号に記載されており、これらの各々は、参照により本明細書に組み込まれる。

【0367】

本明細書に開示される実施態様は、ソフトウェア、ファームウェア、ハードウェア、又はそれらの任意の組み合わせを作り出すためのプログラミング技法又は工学技法を使用して、製造方法、装置、システム、又は物品として実装されてもよい。本明細書で使用するとき、用語「製造物品」は、光学記憶デバイスなどのハードウェア又はコンピュータ可読媒体、並びに揮発性又は不揮発性メモリデバイス内に実装されるコード又は論理を指す。そのようなハードウェアとしては、フィールドプログラマブルゲートアレイ（field programmable gate array、ＦＰＧＡ）、粗粒度再構成可能構造（coarse grained reconfigurable architecture、ＣＧＲＡ）、特定用途向け集積回路（application-specific integrated circuit、ＡＳＩＣ）、複合プログラマブル論理デバイス（complex programmable logic device、ＣＰＬＤ）、プログラマブルロジックアレイ（programmable logic array、ＰＬＡ）、マイクロプロセッサ、又は他の同様の処理装置が挙げられるが、これらに限定されない。特定の実施態様では、本明細書に記載される情報又はアルゴリズムは、非一過性記憶媒体中に存在する。

【0368】

特定の実施態様形態では、本明細書に記載されるコンピュータ実装の方法は、物体の複数の画像が取得されている間、リアルタイムで発生することができる。このようなリアルタイム分析は、核酸配列が流体及び検出工程の繰り返しサイクルに供される核酸配列決定用途に特に有用である。配列決定データの分析は、多くの場合、本明細書に記載される方法をリアルタイム又は背景で実施するのに有益であり得る一方で、他のデータ収集又は分析アルゴリズムがプロセス中である間に、本明細書に記載される方法を実行することが有益であり得る。本方法で使用することができるリアルタイム分析法の例は、Ｉｌｌｕｍｉｎａ，Ｉｎｃ（Ｓａｎ Ｄｉｅｇｏ，Ｃａｌｉｆ）から市販されており、及び／又は、参照により本明細書に組み込まれる米国特許出願公開第２０１２／００２０５３７（Ａ１）号に記載されているＭｉＳｅｑ及びＨｉＳｅｑ配列決定機器に使用されるものである。

【0369】

１つ以上のプログラムされたコンピュータによって形成され、本明細書に記載される方法の１つ以上の工程を実行するために実行されるコードを有するプログラミングが、１つ以上の機械可読媒体上に記憶されている、例示的データ分析システム。一実施態様では、例えば、システムは、標的物体からデータを取得するように構成されている１つ以上の検出システム（例えば、光学撮像システム）へのシステムのネットワーキングを可能にするように設計されたインターフェースを含む。インターフェースは、適切な場合には、データを受信及び条件することができる。特定の実施態様では、検出システムは、例えば、アレイ又は他の物体の画像を一緒に形成する個々の画像要素又はピクセルを表す画像データを出力する。プロセッサは、処理コードによって定義された１つ以上のルーチンに従って、受信した検出データを処理する。処理コードは、様々なタイプのメモリ回路に記憶されてもよい。

【0370】

現時点で企図される実施態様によれば、検出データ上で実行される処理コードは、検出データを分析して、データ内で可視又は符号化された個々の分析物の場所、及び分析物が検出されない場所（すなわち、分析物が存在しないか、又は、既存の分析物から有意な信号が検出されない場所）及びメタデータを判定するように設計されたデータ分析ルーチンを含む。特定の実施態様では、アレイ内の分析物場所は、典型的には、撮像された分析物に付着した蛍光染料の存在に起因して、非分析物場所よりも明るく見える。分析物は、例えば、分析物におけるプローブの標的が検出されているアレイ内に存在しない場合、分析物は、それらの周囲領域よりも明るく見える必要はないことが理解されるであろう。個々の分析物が現れる色は、使用される染料、並びに撮像目的のために撮像システムによって使用される光の波長の関数であり得る。標的が結合されていない、又は特定のラベルを有さない分析物は、マイクロアレイ内の予想される場所などの他の特性に従って識別することができる。

【0371】

データ分析ルーチンがデータ中に個々の分析物を配置すると、値割り当てが実行され得る。一般に、値割り当ては、対応する場所における検出器構成要素（例えば、ピクセル）によって表されるデータの特性に基づいて、各分析物にデジタル値を割り当てる。すなわち、例えば、画像化データが処理されるとき、値割り当てルーチンは、特定の場所で特定の色又は波長の光が特定の場所で検出されたことを認識するように設計されてもよい。典型的なＤＮＡ画像化用途では、例えば、４つの共通ヌクレオチドは、４つの別個の区別可能な色によって表される。次いで、各色は、そのヌクレオチドに対応する値を割り当てられてもよい。

【0372】

本明細書で使用するとき、用語「モジュール」、「システム」、又は「システムコントローラ」は、１つ以上の機能を実施するように動作するハードウェア及び／又はソフトウェアシステム及び回路を含み得る。例えば、モジュール、システム、又はシステムコントローラは、コンピュータメモリなどの有形及び非一時的コンピュータ可読記憶媒体上に記憶された命令に基づいて動作を実施する、コンピュータプロセッサ、コントローラ、又は他のログベースのデバイスを含んでもよい。代替的に、モジュール、システム、又はシステムコントローラは、有線論理及び回路に基づいて動作を実施する、有線デバイスを含んでもよい。添付の図面に示されるモジュール、システム、又はシステムコントローラは、ソフトウェア又は結線命令に基づいて動作するハードウェア及び回路、ハードウェアに動作を実施させるように命令するソフトウェア、又はそれらの組み合わせを表し得る。モジュール、システム、又はシステムコントローラは、１つ又はコンピュータマイクロプロセッサなどの１つ以上のプロセッサを含む、及び／又はそれと接続されるハードウェア回路又は回路を含むか、又は表すことができる。

【0373】

本明細書で使用するとき、用語「ソフトウェア」及び「ファームウェア」は互換可能であり、ＲＡＭメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、及び不揮発性ＲＡＭ（ＮＶＲＡＭ）メモリを含むコンピュータによって実行されるメモリに記憶された任意のコンピュータプログラムを含む。上記メモリタイプは単なる例であり、コンピュータプログラムの記憶に使用可能なメモリのタイプに限定されるものではない。

【0374】

分子生物学分野では、使用中の核酸配列決定のためのプロセスの１つは、配列番号合成である。この技法は、非常に平行な配列決定プロジェクトに適用することができる。例えば、自動プラットフォームを使用することにより、数百万の配列決定反応を同時に行うことが可能である。したがって、本発明の実施態様の１つは、核酸配列決定中に生成された画像データを収集、記憶、及び分析するための機器及び方法に関する。

【0375】

収集及び記憶することができるデータ量の莫大なゲインは、合理化された画像解析方法を更により有益にする。例えば、本明細書に記載される画像解析方法は、設計者及びエンドユーザの両方が、既存のコンピュータハードウェアの効率的な使用を行うことを可能にする。したがって、本明細書では、迅速に増加するデータ出力の面における処理データの計算量を低減する方法及びシステムが本明細書に提示される。例えば、ＤＮＡ配列決定の分野では、収率は最近の過程で１５倍に拡大され、ＤＮＡ配列決定デバイスの単一の動作において何百ギガーゼに達する可能性がある。計算インフラストラクチャの要件が比例的に増加した場合、大規模なゲノム規模の実験は、ほとんどの研究者に到達していない。したがって、より多くの生配列データの生成は、二次分析及びデータ記憶の必要性を増加させ、データ輸送及び記憶の最適化を非常に有益にする。本明細書に提示される方法及びシステムのいくつかの実施態様は、使用可能な配列データを作り出すために必要な時間、ハードウェア、ネットワーキング、及び実験室インフラストラクチャ要件を低減することができる。

【0376】

本開示は、方法を実行するための様々な方法及びシステムを説明する。方法のいくつかの例は、一連の工程として記載される。しかしながら、実施態様は、本明細書に記載される特定の工程及び／又は工程の順序に限定されないことを理解されたい。工程は省略されてもよく、工程は修正されてもよく、及び／又は他の工程が追加されてもよい。更に、本明細書に記載される工程を組み合わせることができ、工程は同時に実施されてもよく、工程は同時に実施されてもよく、工程は複数のサブ工程に分割されてもよく、工程は、異なる順序で実施されてもよく、又は工程（又は一連の工程）は、反復的に再実施されてもよい。加えて、本明細書には異なる方法が記載されているが、他の実施態様では、異なる方法（又は異なる方法の工程）を組み合わせてもよいことを理解されたい。

【0377】

いくつかの実施態様では、タスク又は動作を実施するように「構成された」処理ユニット、プロセッサ、モジュール、又はコンピューティングシステムは、タスク又は動作を実行するように特に構造化されていると理解され得る（例えば、タスク又は動作を実施するように調整又は意図された、及び／又はタスク若しくは動作を実施するように調整若しくは意図された１つ以上のプログラム又は命令を有すること、及び／又はタスク若しくは動作を実施するように調整又は意図された処理回路の配置を有する）。明確さ及び疑義の回避のために、汎用コンピュータ（適切にプログラムされた場合にタスク又は動作を実施するように構成された」となり得る）汎用コンピュータは、タスク又は動作を実施するために具体的にプログラム又は構造的に変更されない限り、タスク又は動作を実施するように「構成されている」ように構成されていない）。

【0378】

更に、本明細書に記載される方法の操作は、操作が、商業的に妥当な時間期間内に、当業者には、平均的なヒト又は当業者によって実施されることができないように、十分に複雑であり得る。例えば、本方法は、そのような人が商業的に妥当な時間内で方法を完了することができないように、比較的複雑な計算に依存し得る。

【0379】

本出願全体を通して、様々な刊行物、特許、又は特許出願が参照されている。これらの出版物の全体の開示は、本発明が属する技術分野の状態をより完全に説明するために、本出願において参照により本明細書に組み込まれる。

【0380】

用語「含む（comprising）」は、本明細書では、列挙された要素のみならず、任意の追加の要素を更に包含する、オープンエンドであることが意図される。

【0381】

本明細書で使用するとき、用語「各々」は、項目の集合を参照して使用されるとき、集合内の個々の項目を識別することを意図しているが、必ずしも集合内の全ての項目を指すものではない。明示的な開示又は文脈がそうでないことを明確に指示する場合、例外が生じ得る。

【0382】

上記の実施例を参照して本発明を説明してきたが、本発明から逸脱することなく様々な修正を行うことができることを理解されたい。

【0383】

本出願のモジュールは、ハードウェア又はソフトウェアで実装することができ、図に示されるように、正確に同じブロックで分割される必要はない。いくつかは、異なるプロセッサ若しくはコンピュータ上に実装されてもよく、又は多数の異なるプロセッサ若しくはコンピュータの中で広がることもできる。加えて、モジュールの一部は、達成される機能に影響を及ぼすことなく、図に示されるものとは並行して、又は異なる順序で操作され得ることが理解されるであろう。また、本明細書で使用するとき、用語「モジュール」は、モジュールを構成するために本明細書で考慮することができる、「サブモジュール」を含むことができる。モジュールとして指定された図のブロックはまた、方法におけるフローチャート工程と考えることができる。

【0384】

本明細書で使用するとき、情報項目の「識別」は、その情報の項目の直接仕様を必ずしも必要としない。情報は、単に、一方向の１つ以上の層を通じた実際の情報を単に参照することによって、又は情報の実際の項目を決定するのに十分である異なる情報の１つ以上のアイテムを識別することによって、フィールド内で「識別され得る」ことができる。加えて、用語「指定する」は、本明細書では、「識別する」と同じであることを意味する。

【0385】

本明細書で使用するとき、所与の信号、イベント又は値は、「前デセサー信号、イベント又は前デセサー信号の値、所与の信号、イベント、又は値によって影響されるイベント又は値に依存する。介在処理要素、工程又は期間が存在する場合、所与の信号、イベント、又は値は、「前デセサー信号、イベント又は値」に依存して「存在する」ことができる。介在処理要素又は工程が２つ以上の信号、イベント、又は値を組み合わせる場合、処理要素又は工程の信号出力は、信号、イベント、又は値入力の各々「に依存している」とみなされる。所与の信号、イベント又は値が前デセサー信号、イベント又は値と同じである場合、これは単に、所与の信号、イベント、又は値が「前デセサー信号、イベント又は値」に依存して「依存して」又は「依存して」又は「ベースデセサー信号、イベント又は値」に基づいて、「依存して」又は「依存する」とみなされる。別の信号、イベント又は値に対する所与の信号、イベント、又は値の「応答性」は、同様に定義される。

【0386】

本明細書で使用するとき、「並行して」又は「並行して」は、正確な同時性を必要としない。個人の１人の評価が、個人の別の評価が完了する前に開始する場合に十分である。

【0387】

コンピュータシステム
図１６は、開示された技術を実施するために使用することができるコンピュータシステム１６００である。コンピュータシステム１６００は、バスサブシステム１６５５を介して多数の周辺デバイスと通信する少なくとも１つの中央処理ユニット（ＣＰＵ）１６７２を含む。これらの周辺デバイスは、例えば、メモリデバイス及びファイル記憶サブシステム１６３６を含む記憶サブシステム１６１０、ユーザインターフェース入力デバイス１６３８、ユーザインターフェース出力デバイス１６７６、並びにネットワークインターフェースサブシステム１６７４を含むことができる。入力デバイス及び出力デバイスは、コンピュータシステム１６００とのユーザ相互作用を可能にする。ネットワークインターフェースサブシステム１６７４は、他のコンピュータシステム内の対応するインターフェースデバイスへのインターフェースを含む外部ネットワークへのインターフェースを提供する。

【0388】

一実施態様では、ベースコーラー７０４は、記憶サブシステム１６１０及びユーザインターフェース入力デバイス１６３８に通信可能にリンクされる。

【0389】

ユーザインターフェース入力デバイス１６３８は、キーボード、マウス、トラックボール、タッチパッド、又はグラフィックスタブレットなどのポインティングデバイス、スキャナ、ディスプレイに組み込まれたタッチスクリーン、音声認識システム及びマイクロフォンなどのオーディオ入力デバイス、並びに他のタイプの入力デバイスを含むことができる。一般に、用語「入力デバイス」の使用は、コンピュータシステム１６００に情報を入力するための全ての可能なタイプのデバイス及び方式を含むことを意図している。

【0390】

ユーザインターフェース出力デバイス１６７６は、ディスプレイサブシステム、プリンタ、ファックス装置、又はオーディオ出力デバイスなどの非視覚ディスプレイを含むことができる。ディスプレイサブシステムは、ＬＥＤディスプレイ、陰極線管（cathode ray tube、ＣＲＴ）、液晶ディスプレイ（liquid crystal display、ＬＣＤ）などのフラットパネルデバイス、投影デバイス、又は可視画像を作成するための何らかの他の機構を含むことができる。ディスプレイサブシステムはまた、オーディオ出力デバイスなどの非視覚ディスプレイを提供することができる。一般に、用語「出力デバイス」の使用は、コンピュータシステム１６００からユーザ又は別のマシン若しくはコンピュータシステムに情報を出力するための、全ての可能なタイプのデバイス及び方式を含むことを意図している。

【0391】

記憶サブシステム１６１０は、本明細書に記載されるモジュール及び方法のうちのいくつか又は全ての機能を提供するプログラミング及びデータ構築物を記憶する。これらのソフトウェアモジュールは、一般にプロセッサ１６７８によって実行される。

【0392】

プロセッサ１６７８は、グラフィック処理ユニット（graphics processing unit、ＧＰＵ）、フィールドプログラマブルゲートアレイ（field-programmable gate array、ＦＰＧＡ）、特定用途向け集積回路（application-specific integrated circuit、ＡＳＩＣ）、及び／又は粗粒度再構成可能構造（coarse-grained reconfigurable architecture、ＣＧＲＡ）であることができる。プロセッサ１６７８は、Ｇｏｏｇｌｅ Ｃｌｏｕｄ Ｐｌａｔｆｏｒｍ（商標）、Ｘｉｌｉｎｘ（商標）及びＣｉｒｒａｓｃａｌｅ（商標）などの深層学習クラウドプラットフォームによってホスティングすることができる。プロセッサ１６７８の例は、ＧｏｏｇｌｅのＴｅｎｓｏｒ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＴＰＵ）（商標）、ＧＸ４ Ｒａｃｋｍｏｕｎｔ Ｓｅｒｉｅｓ（商標）、ＧＸ１６ Ｒａｃｋｍｏｕｎｔ Ｓｅｒｉｅｓ（商標）のようなラックマウントソリューション、ＮＶＩＤＩＡ ＤＧＸ－１（商標）、Ｍｉｃｒｏｓｏｆｔ’Ｓｔｒａｔｉｘ Ｖ ＦＰＧＡ（商標）、ＧｒａｐｈｃｏｒｅのＩｎｔｅｌｌｉｇｅｎｔ Ｐｒｏｃｅｓｓｏｒ Ｕｎｉｔ（ＩＰＵ）（商標）、Ｓｎａｐｄｒａｇｏｎ ｐｒｏｃｅｓｓｏｒｓ（商標）を有するＱｕａｌｃｏｍｍのＺｅｒｏｔｈ Ｐｌａｔｆｏｒｍ（商標）、ＮＶＩＤＩＡのＶｏｌｔａ（商標）、ＮＶＩＤＩＡのＤＲＩＶＥ ＰＸ（商標）、ＮＶＩＤＩＡのＪＥＴＳＯＮ ＴＸ１／ＴＸ２ ＭＯＤＵＬＥ（商標）、ＩｎｔｅｌのＮｉｒｖａｎａ（商標）、Ｍｏｖｉｄｉｕｓ ＶＰＵ（商標）、Ｆｕｊｉｔｓｕ ＤＰＩ（商標）、ＡＲＭのＤｙｎａｍｉｃＩＱ（商標）、ＩＢＭ ＴｒｕｅＮｏｒｔｈ（商標）、Ｔｅｓｔａ Ｖ１００ｓ（商標）を有するＬａｍｂｄａ ＧＰＵ Ｓｅｒｖｅｒ、及び他のものを含む。

【0393】

記憶サブシステム１６１０で使用されるメモリサブシステム１６２２は、プログラム実行中に命令及びデータを記憶するためのメインランダムアクセスメモリ（random access memory、ＲＡＭ）１６３２と、固定命令が記憶された読み取り専用メモリ（read only memory、ＲＯＭ）１６３４とを含む多数のメモリを含むことができる。ファイル記憶サブシステム１６３６は、プログラム及びデータファイルのための永続的な記憶装置を提供することができ、ハードディスクドライブ、関連する取り外し可能な媒体、ＣＤ－ＲＯＭドライブ、光学ドライブ、又は取り外し可能な媒体カートリッジを含むことができる。特定の実施態様の機能を実施するモジュールは、記憶サブシステム１６１０内のファイル記憶サブシステム１６３６によって、又はプロセッサによってアクセス可能な他のマシン内に記憶することができる。

【0394】

バスサブシステム１６５５は、コンピュータシステム１６００の様々な構成要素及びサブシステムを、意図されるように互いに通信させるための機構を提供する。バスサブシステム１６５５は、単一のバスとして概略的に示されているが、バスサブシステムの代替の実施態様は、複数のバスを使用することができる。

【0395】

コンピュータシステム１６００自体は、パーソナルコンピュータ、ポータブルコンピュータ、ワークステーション、コンピュータ端末、ネットワークコンピュータ、テレビ、メインフレーム、サーバファーム、緩くネットワーク化されたコンピュータの緩く分散したセット、又は任意の他のデータ処理システム若しくはユーザデバイスを含む様々なタイプのものであり得る。コンピュータ及びネットワークは絶え間なく変化する性質のものであるため、図１６に示されるコンピュータシステム１６００の説明は、本発明の好ましい実施態様を例示する目的のための特定の例としてのみ意図される。コンピュータシステム１６００の多くの他の構成は、図１６に示されるコンピュータシステムより多くの又は少ない構成要素を有することができる。

【0396】

項目
開示された技術は、鮮鋭化マスクベースの画像処理技法を使用してセンサピクセルからの空間クロストークを減衰させる。開示された技術は、システム、方法、又は製品として実施することができる。実施態様の１つ以上の特徴を、塩基実施態様と組み合わせることができる。相互に排他的でない実施態様は、組み合わせ可能であると教示されている。実施態様の１つ以上の特徴を他の実施態様と組み合わせることができる。本開示は、これらのオプションのユーザを定期的に通知する。これらの選択肢を繰り返す列挙のいくつかの実施態様からの省略は、前述のセクションで教示されている組み合わせを制限するものとして解釈されるべきではない。これらの記載は、以下の実施態様の各々に参照することにより本明細書に組み込まれる。

【0397】

一実施態様では、開示された技術は、センサピクセルからの空間クロストークを減衰させるコンピュータ実装方法を提案する。

【0398】

開示された技術は、システム、方法、又は製品として実施することができる。実施態様の１つ以上の特徴を、塩基実施態様と組み合わせることができる。相互に排他的でない実施態様は、組み合わせ可能であると教示されている。実施態様の１つ以上の特徴を他の実施態様と組み合わせることができる。本開示は、これらのオプションのユーザを定期的に通知する。これらの選択肢を繰り返す列挙のいくつかの実施態様からの省略は、前述のセクションで教示されている組み合わせを制限するものとして解釈されるべきではない。これらの記載は、以下の実施態様の各々に参照することにより本明細書に組み込まれる。

【0399】

開示される技術、又はその要素の１つ以上の実施態様及び条項は、示された方法ステップを実施するためのコンピュータが使用可能なプログラムコードを備えた非一時的コンピュータ可読記憶媒体を含むコンピュータ製品の形態で実装することができる。更に、開示される技術、又はその要素の１つ以上の実施態様及び条項は、メモリと、メモリに結合され、例示的な方法ステップを実施するように動作する少なくとも１つのプロセッサと、を含む装置の形態で実装することができる。更に、別の態様では、開示される技術又はその要素の１つ以上の実施態様及び条項は、本明細書に記載の方法ステップのうちの１つ以上を実行するための手段の形態で実装することができ、この手段は、（ｉ）ハードウェアモジュール、（ｉｉ）１つ以上のハードウェアプロセッサ上で実行されるソフトウェアモジュール、又は（ｉｉｉ）ハードウェア及びソフトウェアモジュールの組み合わせ、を含むことができ、（ｉ）～（ｉｉｉ）のいずれかが、本明細書に記載の特定の技法を実施し、ソフトウェアモジュールは、コンピュータ可読記憶媒体（又は複数のそのような媒体）に記憶される。

【0400】

このセクションで記載される条項は、特徴として組み合わせることができる。簡潔性の目的で、特徴の組み合わせは、個別に列挙されず、特徴の各ベースセットで繰り返されない。読者は、このセクションで記載される条項で識別された特徴が、本出願の他のセクションにおける実施態様として識別された基本特徴のセットと容易に組み合わせることができる方法を理解するであろう。これらの条項は、相互排他的、網羅的、又は制限的であることを意味せず、開示される技術は、これらの条項に限定されず、むしろ、特許請求の範囲に記載される技術及びその均等物の範囲内の全ての可能な組み合わせ、修正、及び変形を包含する。

【0401】

このセクションで記載される条項の他の実施態様は、このセクションで記載される条項のうちのいずれかを実施するためにプロセッサによって実行可能な命令を記憶する非一時的コンピュータ可読記憶媒体を含むことができる。このセクションで記載される条項の更に別の実施態様は、メモリと、メモリ内に記憶された命令を実行して、このセクションで記載される条項のいずれかを実施するように動作可能な１つ以上のプロセッサと、を含むシステムを含むことができる。

【0402】

本発明者らは、以下の項目を開示する。
１．ベースコールのコンピュータ実装方法であって、方法は、
バイオセンサによって出力される画像のセクションにアクセスすることであって、画像のセクションが、バイオセンサ内の複数のクラスタからの、及び複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す複数のピクセルを含み、複数のクラスタが、標的クラスタを含む、アクセスすることと、
画像のセクションを畳み込みカーネルで畳み込んで、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成することと、
重み付けされた特徴値を標的クラスタに割り当てることであって、重み付けされた特徴値が、特徴マップの複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
標的クラスタに割り当てられた重み付けされた特徴値を処理して、標的クラスタをベースコールすることと、を含む方法を実装する、方法。
２．画像のセクションが、バイオセンサのフローセルの第１の部分から生成される第１のセクションであり、畳み込みカーネルが、第１の畳み込みカーネルであり、複数のクラスタが、第１の複数のクラスタであり、複数のピクセルが、第１の複数のピクセルであり、特徴マップが、第１の特徴マップであり、複数の特徴値が、第１の複数の特徴値であり、標的クラスタが、第１の標的クラスタであり、重み付けされた特徴値が、第１の重み付けされた特徴値であり、方法は、
バイオセンサのフローセルの第２の部分によって出力される画像の第２のセクションにアクセスすることであって、画像の第２のセクションが、バイオセンサ内の第２の複数のクラスタからの、及び第２の複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す第２の複数のピクセルを含み、第２の複数のクラスタが、第２の標的クラスタを含む、アクセスすることと、
画像の第２のセクションを第１の畳み込みカーネルとは異なる第２の畳み込みカーネルで畳み込んで、対応する第２の複数の特徴値を有する第２の複数の特徴を含む第２の特徴マップを生成することと、
第２の重み付けされた特徴値を第２の標的クラスタに割り当てることであって、第２の重み付けされた特徴値が、第２の特徴マップの第２の複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
第２の標的クラスタに割り当てられた第２の重み付けされた特徴値を処理して、第２の標的クラスタをベースコールすることと、を更に含む、条項１に記載の方法。
３．
バイオセンサのフローセルのタイルが、ｋ×ｋ個の部分に分割され、ｋが、正の整数であり、第１の部分及び第２の部分が、タイルのｋ×ｋ個の部分のうちの２つの部分である、条項２に記載の方法。
４．ｋが、３、５、又は９のうちの１つである、条項３に記載の方法。
５．
全自動画像捕捉システムを使用して、バイオセンサ内の画像を捕捉することを更に含む、条項１～４のいずれか一項に記載の方法。
６．
バイオセンサのフローセルのタイルが、１×ｋ個の部分に分割され、ｋが、正の整数であり、第１の部分及び第２の部分が、タイルの１×ｋ個の部分のうちの２つの部分である、条項２に記載の方法。
７．
線走査画像捕捉システムを使用して、バイオセンサ内の画像を捕捉することを更に含む、条項１～６のいずれか一項に記載の方法。
８．
バイオセンサのフローセルのタイルが、複数の部分に分割され、複数の部分が、第１のタイプの部分及び第２のタイプの部分を含み、第２のタイプの部分が、第１のタイプの部分内に周期的にインターリーブされ、
第１の部分が、第１のタイプの部分のうちの１つであり、
第２の部分が、第２のタイプの部分のうちの１つである、条項２～７のいずれか一項に記載の方法。
９．
１つ以上のＣＭＯＳ（相補的金属酸化物半導体）センサを使用して、バイオセンサ内の画像を捕捉することを更に含む、条項１～８のいずれか一項に記載の方法。
１０．
バイオセンサのフローセルのタイルが、第１の部分、第２の部分、及び第３の部分を含む複数の部分に分割され、
フローセルのタイルの第１の部分から生成される画像の第１のセクションが、第１の畳み込みカーネルで畳み込まれ、
フローセルのタイルの第２の部分から生成される画像の第２のセクションが、第２の畳み込みカーネルで畳み込まれ、
フローセルのタイルの第３の部分から生成される画像の第３のセクションが、第１の畳み込みカーネル及び第２の畳み込みカーネルの各々とは異なる第３の畳み込みカーネルで畳み込まれる、条項２～９のいずれか一項に記載の方法。
１１．画像のセクションが、フローセルの第１の部分からの第１の色チャネルについて生成される第１のセクションであり、畳み込みカーネルが、第１の畳み込みカーネルであり、複数のピクセルが、第１の複数のピクセルであり、特徴マップが、第１の特徴マップであり、複数の特徴値が、第１の複数の特徴値であり、重み付けされた特徴値が、第１の重み付けされた特徴値であり、方法が、
フローセルの第１の部分からの第２の色チャネルについて生成される画像の第２のセクションにアクセスすることであって、画像の第２のセクションが、バイオセンサ内の複数のクラスタからの、及び複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す第２の複数のピクセルを含む、アクセスすることと、
画像の第２のセクションを第１の畳み込みカーネルとは異なる第２の畳み込みカーネルで畳み込んで、対応する第２の複数の特徴値を有する第２の複数の特徴を含む第２の特徴マップを生成することと、
第２の重み付けされた特徴値を標的クラスタに割り当てることであって、第２の重み付けされた特徴値が、第２の特徴マップの第２の複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
標的クラスタに割り当てられた第１の重み付けされた特徴値及び第２の重み付けされた特徴値を処理して、標的クラスタをベースコールすることと、を更に含む、条項１～９のいずれか一項に記載の方法。
１２．
第１の色チャネルについての画像の第１のセクションが、第１の畳み込みカーネルで畳み込まれ、
第２の色チャネルについての画像の第２のセクションが、第２の畳み込みカーネルで畳み込まれ、
第３の色チャネルについての画像の第３のセクションが、第１の畳み込みカーネル及び第２の畳み込みカーネルの各々とは異なる第３の畳み込みカーネルで畳み込まれる、条項１１に記載の方法。
１３．重み付けされた特徴値を標的クラスタに割り当てることが、
標的クラスタのサブピクセル位置又はサブ特徴位置に基づいて、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項１～１２のいずれか一項に記載の方法。
１４．標的クラスタのサブピクセル位置が、標的クラスタが位置するピクセルの境界又はピクセルの中心に対する標的クラスタの中心の位置を含む、条項１３に記載の方法。
１５．標的クラスタのサブ特徴位置が、標的クラスタが位置する特徴の境界又は特徴の中心に対する標的クラスタの中心の位置を含む、条項１３又は１４に記載の方法。
１６．重み付けされた特徴値を標的クラスタに割り当てることが、
画像のセクション内の隣接するピクセルの座標場所に対する標的クラスタの中心の座標場所に基づいて、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項１～１５のいずれか一項に記載の方法。
１７．重み付けされた特徴値を標的クラスタに割り当てることが、
特徴マップ内の隣接する特徴の座標場所に対する標的クラスタの中心の座標場所に基づいて、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項１～１６のいずれか一項に記載の方法。
１８．重み付けされた特徴値を標的クラスタに割り当てることが、
標的クラスタに関連付けられた１つ以上の中心間距離に基づいて、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項１～１７のいずれか一項に記載の方法。
１９．
標的クラスタに関連付けられた１つ以上の中心間距離を判定することであって、１つ以上の中心間距離が、（ｉ）標的クラスタの中心と、画像のセクションの複数のピクセルのうちの第１のピクセルの中心との間の第１の中心間距離であって、標的クラスタが、第１のピクセル内にある、第１の中心間距離と、（ｉｉ）標的クラスタの中心と、複数のピクセルのうちの第２のピクセルの中心との間の第２の中心間距離であって、第２のピクセルが、画像のセクション内の第１のピクセルに隣接する、第２の中心間距離と、を含む、判定することを更に含む、条項１８に記載の方法。
２０．
標的クラスタに関連付けられた１つ以上の中心間距離を判定することであって、標的クラスタに関連付けられた１つ以上の中心間距離が、（ｉ）標的クラスタの中心と特徴マップの複数の特徴のうちの第１の特徴の中心との間の第１の中心間距離と、（ｉｉ）標的クラスタの中心と複数の特徴のうちの第２の特徴の中心との間の第２の中心間距離であって、第２の特徴が、特徴マップ内の第１の特徴に隣接する、第２の中心間距離と、を含む、判定することを更に含む、条項１８又は１９に記載の方法。
２１．重み付けされた特徴値を標的クラスタに割り当てることが、
標的クラスタの中心に最も近い複数の特徴のうちの１つ以上の特徴を選択することと、
選択された１つ以上の特徴に対応する１つ以上の特徴値を補間して、重み付けされた特徴値を標的クラスタに割り当てることと、を含む、条項１～２０のいずれか一項に記載の方法。
２２．選択された１つ以上の特徴に対応する１つ以上の特徴値を補間して、重み付けされた特徴値を標的クラスタに割り当てることが、
バイリニア保管、バイキュービック補間、重み付けされた領域カバレッジに基づく補間、ランチョス補間、又はＨａｎｎｉｎｇウィンドウに基づく補間のうちの１つを使用することを含む、条項２１に記載の方法。
２３．
畳み込みカーネルの係数を生成及び／又は更新するためにベースコーラーを訓練することを更に含む、条項１～２２のいずれか一項に記載の方法。
２４．ベースコーラーを訓練することが、
係数を生成及び／又は更新するために、最小二乗推定、通常最小二乗、最小平均二乗、及び再帰的最小二乗のうちの少なくとも１つを使用して、ベースコーラーを訓練することを含む、条項２３に記載の方法。
２５．ベースコーラーを訓練することが、
畳み込みカーネルの係数を更新するために、配列決定動作中にベースコーラーを訓練することを含む、条項２３又は２４に記載の方法。
２６．配列決定動作中にベースコーラーを訓練することが、
配列決定動作の１つ以上の配列決定サイクルからのデータを使用して、ベースコーラーを訓練して、畳み込みカーネルの係数を更新することと、
配列決定動作の後続の１つ以上の配列決定サイクル中に生成される画像の畳み込みについて畳み込みカーネルの更新された係数を使用することと、を含む、条項２３～２５のいずれか一項に記載の方法。
２７．配列決定動作中にべースコーラーを訓練することが、
配列決定動作の第１の配列決定サイクルからのデータを使用して、ベースコーラーを訓練して、畳み込みカーネルの係数を更新することと、
配列決定動作の第２の配列決定サイクル及び１つ以上の後続の配列決定サイクル中に生成される画像の畳み込みについて畳み込みカーネルの更新された係数を使用することと、を含む、条項２３～２６のいずれか一項に記載の方法。
２８．
訓練データ内の画像の以前のベースコール中に生成された４つの塩基Ａ、Ｃ、Ｇ、及びＴの各々の塩基ごとの特徴値分布にアクセスすることと、
塩基ごとの特徴値分布のそれぞれの中心を、対応する色チャネルについての塩基ごとのグラウンドトゥルース標的として選択することと、
ベースコーラーを訓練するために塩基ごとのグラウンドトゥルース標的を使用することと、を更に含む条項２３～２７のいずれか一項に記載の方法。
２９．ベースコールを実施するためのコンピュータプログラム命令を記憶している非一時的コンピュータ可読記憶媒体であって、命令は、プロセッサ上で実行されると、
配列決定動作の複数の配列決定サイクルのうちの第１の配列決定サイクル中にフローセルによって出力される第１の画像にアクセスすることであって、第１の画像が、フローセル内の複数のクラスタからの強度放射値を示す第１の複数のピクセルを含む、アクセスすることと、
第１の配列決定サイクル中に出力される第１の画像を処理して、畳み込みカーネルの係数を更新することと、
配列決定動作の複数の配列決定サイクルのうちの第２の配列決定サイクル中にフローセルによって出力される第２の画像にアクセスすることであって、第２の画像が、複数のクラスタからの強度放射値を示す第２の複数のピクセルを含む、アクセスすることと、
第２の画像を畳み込みカーネルの更新された係数で畳み込んで、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成することと、
特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、標的クラスタについての重み付けされた特徴値を生成することと、
標的クラスタに割り当てられた重み付けされた特徴値を処理して、標的クラスタをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
３０．係数を更新するために第１の画像を処理することが、
第１の画像内の標的クラスタのグラウンドトゥルースにアクセスすることであって、標的クラスタのグラウンドトゥルースが、関連付けられたグラウンドトゥルース特徴値を有する、アクセスすることと、
係数の以前の値を使用して第１の画像を処理することに基づいて、標的クラスタについての出力特徴値を生成することと、
グラウンドトゥルース特徴値と出力特徴値との間の差に基づいて、係数を更新して、差を低減することと、を含む、条項２９に記載の非一時的コンピュータ可読記憶媒体。
３１．第２の配列決定サイクルがｍ第１の配列決定サイクルの後であり、第１の配列決定サイクルと第２の配列決定サイクルとの間に少なくとも１つの配列決定サイクルが存在する、条項２９又は３０に記載の非一時的コンピュータ可読記憶媒体。
３２．畳み込みカーネルが、第１の畳み込みカーネルであり、第１の画像を処理することが、
（ｉ）第１の配列決定サイクル中にフローセルのタイルの第１のセクションによって出力される第１の画像の第１のセクションを処理して、第１の畳み込みカーネルの係数を更新し、（ｉｉ）第１の配列決定サイクル中にタイルの第２のセクションによって出力される第１の画像の第２のセクションを処理して、第２の畳み込みカーネルの係数を更新することを含む、条項２９～３１のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
３３．第１の画像を処理することが、
第１の配列決定サイクル中にタイルの第３のセクションによって出力される第１の画像の第３のセクションを処理して、第３の畳み込みカーネルの係数を更新することを更に含む、条項３２に記載の非一時的コンピュータ可読記憶媒体。
３４．特徴マップの１つ以上の特徴の１つ以上の特徴値を補間することが、
バイリニア補間、バイキュービック補間、又は重み付けされた領域カバレッジに基づく補間のうちの１つを使用して、特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項２９～３３のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
３５．特徴マップ内で、特徴マップの複数の特徴のうちの１つ以上の特徴の中心が、標的クラスタの中心に最も近い、条項２９～３４のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
３６．メモリに結合された１つ以上のプロセッサを含むシステムであって、メモリは、ベースコールを実施するためのコンピュータ命令がロードされ、命令は、プロセッサ上で実行されると、
標的クラスタからの、及び標的クラスタに隣接する場所からの第１の色チャネル及び第２の色チャネルについての強度放射をピクセルが示す画像にアクセスすることと、
画像内の第１の色チャネルについてのピクセルの強度放射で第１のマスクを畳み込んで、第１の特徴マップを作り出し、画像内の第２の色チャネルについてのピクセルの強度放射で第２のマスクを畳み込んで、第２の特徴マップを作り出すことと、
（ｉ）第１の特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、標的クラスタについての第１の重み付けされた特徴値を生成し、（ｉｉ）第２の特徴マップの１つ以上の特徴の１つ以上の特徴値を補間して、標的クラスタについての第２の重み付けされた特徴値を生成することと、
標的クラスタに割り当てられた第１の重み付けされた特徴値及び第２の重み付けされた特徴値を処理して、標的クラスタをベースコールすることと、を含むアクションを実装する、システム。
３７．ベースコールを実施するためのコンピュータプログラム命令を記憶している非一時的コンピュータ可読記憶媒体であって、命令は、プロセッサ上で実行されると、
バイオセンサによって出力される画像のセクションにアクセスすることであって、画像のセクションが、バイオセンサ内の複数のクラスタからの、及び複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す複数のピクセルを含み、複数のクラスタが、標的クラスタを含む、アクセスすることと、
画像のセクションを畳み込みカーネルで畳み込んで、対応する複数の特徴値を有する複数の特徴を含む特徴マップを生成することと、
重み付けされた特徴値を標的クラスタに割り当てることであって、重み付けされた特徴値が、特徴マップの複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
標的クラスタに割り当てられた重み付けされた特徴値を処理して、標的クラスタをベースコールすることと、を含む方法を実装する、非一時的コンピュータ可読記憶媒体。
３８．画像のセクションが、バイオセンサのフローセルの第１の部分から生成される第１のセクションであり、畳み込みカーネルが、第１の畳み込みカーネルであり、複数のクラスタが、第１の複数のクラスタであり、複数のピクセルが、第１の複数のピクセルであり、特徴マップが、第１の特徴マップであり、複数の特徴値が、第１の複数の特徴値であり、標的クラスタが、第１の標的クラスタであり、重み付けされた特徴値が、第１の重み付けされた特徴値であり、方法が、
バイオセンサのフローセルの第２の部分によって出力される画像の第２のセクションにアクセスすることであって、画像の第２のセクションが、バイオセンサ内の第２の複数のクラスタからの、及び第２の複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す第２の複数のピクセルを含み、第２の複数のクラスタが、第２の標的クラスタを含む、アクセスすることと、
画像の第２のセクションを第１の畳み込みカーネルとは異なる第２の畳み込みカーネルで畳み込んで、対応する第２の複数の特徴値を有する第２の複数の特徴を含む第２の特徴マップを生成することと、
第２の重み付けされた特徴値を第２の標的クラスタに割り当てることであって、第２の重み付けされた特徴値が、第２の特徴マップの第２の複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
第２の標的クラスタに割り当てられた第２の重み付けされた特徴値を処理して、第２の標的クラスタをベースコールすることと、を含む、条項３７に記載の非一時的コンピュータ可読記憶媒体。
３９．
バイオセンサのフローセルのタイルが、ｋ×ｋ個の部分に分割され、ｋが、正の整数であり、第１の部分及び第２の部分が、タイルのｋ×ｋ個の部分のうちの２つである、条項３８に記載の非一時的コンピュータ可読記憶媒体。
４０．ｋが、３、５、又は９のうちの１つである、条項３９に記載の非一時的コンピュータ可読記憶媒体。
４１．
全自動画像捕捉システムを使用して、バイオセンサ内の画像を捕捉することを更に含む、条項３７～４０のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
４２．
バイオセンサのフローセルのタイルが、１×ｋ個の部分に分割され、ｋが、正の整数であり、第１の部分及び第２の部分が、タイルの１×ｋ個の部分のうちの２つである、条項３８に記載の非一時的コンピュータ可読記憶媒体。
４３．
線走査画像捕捉システムを使用して、バイオセンサ内の画像を捕捉することを更に含む、条項３７～４２のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
４４．
バイオセンサのフローセルのタイルが、複数の部分に分割され、複数の部分が、第１のタイプの部分及び第２のタイプの部分を含み、第２のタイプの部分が、第１のタイプの部分内に周期的にインターリーブされ、
第１の部分が、第１のタイプの部分のうちの１つであり、
第２の部分が、第２のタイプの部分のうちの１つである、条項３８に記載の非一時的コンピュータ可読記憶媒体。
４５．
１つ以上のＣＭＯＳ（相補的金属酸化物半導体）センサを使用して、バイオセンサ内の画像を捕捉することを更に含む、条項３７～４４のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
４６．
バイオセンサのフローセルのタイルが、第１の部分、第２の部分、及び第３の部分を含む複数の部分に分割され、
フローセルのタイルの第１の部分から生成された画像の第１のセクションが、第１の畳み込みカーネルで畳み込まれ、
フローセルのタイルの第２の部分から生成される画像の第２のセクションが、第２の畳み込みカーネルで畳み込まれ、
フローセルのタイルの第３の部分から生成される画像の第３のセクションが、第１の畳み込みカーネル及び第２の畳み込みカーネルの各々とは異なる第３の畳み込みカーネルで畳み込まれる、条項３８に記載の非一時的コンピュータ可読記憶媒体。
４７．画像のセクションが、フローセルの第１の部分からの第１の色チャネルについて生成される第１のセクションであり、畳み込みカーネルが、第１の畳み込みカーネルであり、複数のピクセルが、第１の複数のピクセルであり、特徴マップが、第１の特徴マップであり、複数の特徴値が、第１の複数の特徴値であり、重み付けされた特徴値が、第１の重み付けされた特徴値であり、方法が、
バイオセンサのフローセルの第１の部分からの第２の色チャネルについて生成される画像の第２のセクションにアクセスすることであって、画像の第２のセクションが、バイオセンサ内の複数のクラスタからの、及び複数のクラスタに隣接するバイオセンサ内の場所からの強度放射値を示す第２の複数のピクセルを含む、アクセスすることと、
画像の第２のセクションを第１の畳み込みカーネルとは異なる第２の畳み込みカーネルで畳み込んで、対応する第２の複数の特徴値を有する第２の複数の特徴を含む第２の特徴マップを生成することと、
第２の重み付けされた特徴値を標的クラスタに割り当てることであって、第２の重み付けされた特徴値が、第２の特徴マップの第２の複数の特徴値のうちの１つ以上の特徴値に基づく、割り当てることと、
標的クラスタに割り当てられた第１の重み付けされた特徴値及び第２の重み付けされた特徴値を処理して、標的クラスタをベースコールすることと、を更に含む、条項３７～４６のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
４８．重み付けされた特徴値を標的クラスタに割り当てることが、
標的クラスタに関連付けられた１つ以上の中心間距離に基づいて、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項３７～４７のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
４９．
標的クラスタに関連付けられた１つ以上の中心間距離を判定することであって、１つ以上の中心間距離が、（ｉ）標的クラスタの中心と、画像のセクションの複数のピクセルのうちの第１のピクセルの中心との間の第１の中心間距離であって、標的クラスタが、第１のピクセル内にある、第１の中心間距離と、（ｉｉ）標的クラスタの中心と、複数のピクセルのうちの第２のピクセルの中心との間の第２の中心間距離であって、第２のピクセルが、画像のセクション内の第１のピクセルに隣接する、第２の中心間距離と、を含む、判定することを更に含む、条項４８に記載の非一時的コンピュータ可読記憶媒体。
５０．
標的クラスタに関連付けられた１つ以上の中心間距離を判定することであって、標的クラスタに関連付けられた１つ以上の中心間距離が、（ｉ）標的クラスタの中心と特徴マップの複数の特徴のうちの第１の特徴の中心との間の第１の中心間距離と、（ｉｉ）標的クラスタの中心と複数の特徴のうちの第２の特徴の中心との間の第２の中心間距離であって、第２の特徴が、特徴マップ内の第１の特徴に隣接する、第２の中心間距離と、を含む、判定することを更に含む、条項４８又は４９に記載の非一時的コンピュータ可読記憶媒体。
５１．重み付けされた特徴値を標的クラスタに割り当てることが、
標的クラスタの中心に最も近い複数の特徴のうちの１つ以上の特徴を選択することと、
選択された１つ以上の特徴に対応する１つ以上の特徴値を補間して、重み付けされた特徴値を標的クラスタに割り当てることと、を含む、条項３７～５０のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
５２．選択された１つ以上の特徴に対応する１つ以上の特徴値を補間して、重み付けされた特徴値を標的クラスタに割り当てることが、
バイリニア補間、バイキュービック補間、又は重み付けされた領域カバレッジに基づく補間のうちの１つを使用して、重み付けされた特徴値を標的クラスタに割り当てることを含む、条項５１に記載の非一時的コンピュータ可読記憶媒体。
５３．
畳み込みカーネルの係数を生成及び／又は更新するためにベースコーラーを訓練することを更に含む、条項３７～５２のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
５４．ベースコーラーを訓練することが、
係数を生成及び／又は更新するために、最小二乗推定、通常最小二乗、最小平均二乗、及び再帰的最小二乗のうちの少なくとも１つを使用して、ベースコーラーを訓練することを含む、条項５３に記載の非一時的コンピュータ可読記憶媒体。
５５．ベースコーラーを訓練することが、
畳み込みカーネルの係数を更新するために、配列決定動作中にベースコーラーを訓練することを含む、条項５３又は５４に記載の非一時的コンピュータ可読記憶媒体。
５６．配列決定動作中にベースコーラーを訓練することが、
配列決定動作の１つ以上の配列決定サイクルからのデータを使用して、ベースコーラーを訓練して、畳み込みカーネルの係数を更新することと、
配列決定動作の後続の１つ以上の配列決定サイクル中に生成される画像の畳み込みについて畳み込みカーネルの更新された係数を使用することと、を含む、条項５３～５５のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
５７．配列決定動作中にベースコーラーを訓練することが、
配列決定動作の第１の配列決定サイクルからのデータを使用して、ベースコーラーを訓練して、畳み込みカーネルの係数を更新することと、
配列決定動作の第２の配列決定サイクル及び１つ以上の後続の配列決定サイクル中に生成される画像の畳み込みについて畳み込みカーネルの更新された係数を使用することと、を含む、条項５３～５６のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。
５８．
訓練データ内の画像の以前のベースコール中に生成された４つの塩基Ａ、Ｃ、Ｇ、及びＴの各々の塩基ごとの強度分布にアクセスすることと、
塩基ごとの強度分布のそれぞれの中心を、対応する色チャネルについての塩基ごとのグラウンドトゥルース標的として選択することと、
ベースコーラーを訓練するために塩基ごとのグラウンドトゥルース標的強度を使用することと、を更に含む条項５３～５７のいずれか一項に記載の非一時的コンピュータ可読記憶媒体。

【0403】

本発明は、上述の好ましい実施態様及び実施例を参照して開示されているが、これらの実施例は、限定的な意味でではなく例示的な意味で意図されていることが理解されるべきである。当業者であれば、変更及び組み合わせが容易に生じ、その変更及び組み合わせは、本発明の趣旨及び以下の特許請求の範囲の範囲内にあると考えられる。

【符号の説明】

【0404】

１６００ コンピュータシステム
１６１０ 記憶サブシステム
１６２２ メモリサブシステム
１６３４ 専用メモリ（read only memory、ＲＯＭ）
１６３６ ファイル記憶サブシステム
１６３８ ユーザインターフェース入力デバイス
１６５５ バスサブシステム
１６７２ 中央処理ユニット（ＣＰＵ）
１６７４ ネットワークインターフェースサブシステム
１６７６ ユーザインターフェース出力デバイス
１６７８ プロセッサ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】

【図8C】

【図9A】

【図9B】

【図10A】

【図10B】

【図10C】

【図10D】

【図10E】

【図10F】

【図10G】

【図10H】

【図10I】

【図10J】

【図10K】

【図11A】

【図11B】

【図11C】

【図12】

【図13】

【図14】

【図15】

【図16】

【国際調査報告】