平码五不中公式规律
  • / 28
  • 下载费用:30 金币  

解构实验数据中的重叠峰.pdf

关 键 ?#21097;?/dt>
解构 实验 数据 中的 重叠
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201580032246.X

申请日:

2015.07.02

公开号:

CN106663147A

公开日:

2017.05.10

当前法律状态:

实审

?#34892;?#24615;:

审中

法?#19978;?#24773;: 实质审查的生效IPC(主分类):G06F 19/18申请日:20150702|||公开
IPC分类号: G06F19/18 主分类号: G06F19/18
申请人: 生物辐射实验室股份有限公司
发明人: J·雷纳
地址: 美国加利福尼亚州
优?#28909;ǎ?/td> 2014.07.03 US 62/020,783
专利代理机构: 上海专利商标事务所有限公司 31100 代理人: 钱慰民
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201580032246.X

授权公告号:

|||

法律状态公告日:

2017.06.06|||2017.05.10

法律状态类型:

实质审查的生效|||公开

摘要

为了确定与样本的特定部分相对应的峰信号,可以将集群的数据信号变换成局部函数集合。例如,可以对该数据信号进行变换,以获得小波集合的系数,这些系数可以跨越对小波的指数衰减进行定义的各种尺度。可以使用对其他峰的尾部的行为进行建模的系数来替换要针对其获得峰信号的时间区域中的系数。可以使用非线性回归来确定尾部模型,该非线性回归可能仅需要执行一次。然后,逆变换可以提供背景信号,可以从输入数据信号中减去该背景信号,以便提供所期望的峰信号。

权利要求书

1.一种从样本的其他部分的其他峰信号当中识别与所述样本的第一部分相对应的第
一峰信号的方法,所述方法包括:在计算机系统处,
接收来自涉及所述样本的实验的数据信号,所述数据信号具有随着时间变化的振幅,
其中,所述数据信号包括在不同时间的多个重叠峰;
对所述数据信号进行变换,以获得与局部函数对应的系数的二维阵列,每一个系数对
应于具有时间位置和尺度因子的局部函数;
识别与所述第一峰信号的第一峰相对应的第一时间区域;
移除所述二维阵列中与具?#24615;?#25152;述第一时间区域内的时间位置的局部函数相对应的
系数;
使用对所述其他峰信号的尾部进行建模的截断函数来确定所述二维阵列的新系数;
使用所述新系数来获得改变的二维阵列;
执行对所述改变的二维阵列的逆变换,以获得背景信号;以及
从所述数据信号中减去所述背景信号,以获得与所述样本的所述第一部分相对应的所
述第一峰信号。
2.如权利要求1所述的方法,其中,所述实验是微滴数字PCR实验,并且所述样本包括含
有核酸的多个微滴,所述多个微滴对应于所述样本的不同部分。
3.如权利要求1所述的方法,进一步包括通过以下方式来计算所述截断函数的参数:
从重叠预定峰信号的第一集合中创建人工数据信号;
针对所述重叠预定峰信号中的每一个,通过计算人工背景信号并且从所述人工数据信
号中减去所述人工背景信号来计算?#25351;?#23792;;以及
确定所述?#25351;?#23792;与所述重叠预定峰信号之间的差异;
在回归分析中使用所述差异来确定所述截断函数的所述参数。
4.如权利要求3所述的方法,其中,对所述参数进行更新,以确定新的?#25351;?#23792;和新的差
异,并且其中,所述回归分析使所述差异最小化。
5.如权利要求3所述的方法,其中,所述差异包括以下各项中的至少一项:高度失配、宽
度失配、位置失配、以及?#25351;?#23792;的负值的量。
6.如权利要求3所述的方法,其中,所述重叠预定峰信号的第一集合具有第一宽度,并
且使用所述重叠预定峰信号的第一集合来确定参数的第一集合,所述方法进一步包括:
使用重叠预定峰信号的第二集合来确定参数的第二集合,所述重叠预定峰信号的第二
集合具有不同于所述第一宽度的第二宽度;
对所述参数的第一集合和所述参数的第二集合求平均,以为所述参数获得种子值;
在下一次回归迭代中使用所述种子值来确定参数的新集合,对所述参数的新集合求平
均,以为所述参数确定新种子;
重复对种子值的计算,直到所述参数的第一集合和所述参数的第二集合收敛于彼此为
止。
7.如权利要求1中任一项所述的方法,其中,所述截断函数被定义为:

其中,A、B、C和D是回归参数,i对应于所述二维阵列中的所述尺度因子的尺度指数,j对
应于所述二维阵列中的所述时间位置的时间指数,最小值是所述二维阵列中的最小值,尺
度宽度是由所述二维阵列所覆盖的所述尺度因子的宽度,时间宽度是所述第一时间区域的
宽度,尺度中心是所述尺度因子的宽度的中?#27169;?#24182;且时间中心是所述第一时间区域的中心。
8.如权利要求1所述的方法,其中,对所述数据信号进行变换以获得所述二维阵列的特
定系数包括:
计算所述数据信号的卷积以及以时间t为中心并具有尺度因子a的特定局部函数。
9.如权利要求8所述的方法,其中,计算所述卷积包括:
计算所述数据信号的第一离散变换,以获得数据点的第一集合;
计算所述特定局部函数的第二离散变换,以获得数据点的第二集合;以及
将所述第一集合的数据点乘以所述第二集合的相应数据点并进行求和,以获得所述卷
积的结果。
10.如权利要求9所述的方法,其中,所述第一离散变换和所述第二离散变换是傅里叶
变换。
11.如权利要求1所述的方法,其中,识别所述第一时间区域包括:
将所述第一时间区域的第一边界识别为所述第一峰与第二峰之间的局部最小值。
12.如权利要求1所述的方法,其中,尺度因子对应于所述局部函数的周期或频率。
13.如权利要求1所述的方法,其中,所述局部函数是小波。
14.一种计算机产品,所述计算机产品包括存储有多条指令的非瞬态计算机可读介?#21097;?br />所述指令当被执行时控制计算机系统以执行以上方法中的任何方法。
15.一种系统,包括:
一个或多个处理器;以及
如权利要求14所述的计算机产品,其中,所述一个或多个处理器可通信地耦合?#20102;?#36848;
计算机产品。
16.如权利要求15所述的系统,进一步包括:
样本保持器,所述样本保持器被配置来保持所述样本;
检测器,所述检测器被配置来在涉及所述样本的所述实验中检测所述数据信号,其中,
所述检测器与所述一个或多个处理器可通信地耦合。

?#24471;?#20070;

解构实验数据中的重叠峰

优?#28909;?#35201;求

本申请要求于2014年7月3日提交的题为“Deconstructing Overlapped Peaks(解
构重叠峰)”的美国临时申请号62/020,783的优?#28909;?#24182;并且是该申请的非临时申请,该申请
的全部内容出于所有目的通过引用结合在此。

背景技术

在微滴数字聚合酶链式反应(Droplet Digital Polymerase Chain Reaction,
ddPCR)中,微滴经过传感器,该传感器检测微滴是否包括特定模板核酸序列(例如,DNA或
RNA)。随着微滴在时间上移动经过传感器,获得数据信号。来自多个微滴的信号可能彼此重
叠,这可能引起确定特定微滴的性?#23454;?#38382;题。通常,具有重叠信号的这种微滴被丢弃。

序列中的数据通常由振幅峰组成,这些振幅峰可以或可以不由某个基线水平区域
分离。如果它们被分离,那么通常可以通过某个函数来对它们进行建模并且通过非线性回
归来对它们进行分析或者通过峰识别方法来对它们进行分析,比如,对极值进行定位以及
将峰和谷与峰位置和峰边界相关联。当峰变得靠近得足以重叠时,因为这些峰不仅互相遮
挡,而且它们实际上提升了邻近峰,使得难以针对峰确定?#23454;被?#32447;,所以这可能变得难以进
行分析。此外,如果存在许多峰,那么典型的回归方法可能无法收敛。并且,这种回归方法要
求提取所有组分峰,以便对任何单个峰进行检查。由此引起的执行成本可能过高。

发明内容

实施例可以提供用于确定来自样本的特定部分的信号的系统、方法和装置,其中,
来自样本的各部分的信号彼此重叠。例如,为了确定与样本的特定部分相对应的峰信号,可
以将集群的数据信号变换成局部函数集合。例如,可以对数据信号进行变换,以获得小波集
合的系数,这些系数可以跨越对小波的指数衰减进行定义的各种尺度。可以使用对其他峰
的尾部的行为进行建模的系数来替换要针对其获得峰信号的时间区域中的系数。可以使用
非线性回归来确定尾部模型,该非线性回归可能仅需要执行一次。然后,逆变换可以提供背
景信号,可以从输入数据信号中减去该背景信号,以便提供所期望的峰信号。所产生的峰信
号可能具有任何形式,并?#20063;?#19968;定是峰的特定模型的形式。

其他实施例涉及与本文中所描述的方法相关联的系统和计算机可读介质。

可以?#24944;?#20197;下详细?#24471;骱透?#22270;来获得对本发明的实施例的性质和优点的更好理
解。

附图?#24471;?br />

图1A是图100,示出了微?#26410;?#36807;管。图1B是图150,示出了从图1A中的微滴中生成的
数据信号。

图2是可能在数据信号中发生的各种类别的峰的曲线图200。

图3是根据本发明的实施例的识别第一峰信号的方法300的流程图。

图4A示出了根据本发明的实施例的在时间周期内得到的数据信号中的峰的集群
410的曲线图400。图4B示出了根据本发明的实施例的从输入数据信号中确定的局部函数的
2D系数阵列的热图450。

图5示出了根据本发明的实施例的墨西哥帽小波(Mexican Hat Wavelet)的曲线
图500。

图6A示出了根据本发明的实施例的峰的集群610的曲线图600。

图6B示出了根据本发明的实施例的对应于集群610的热图650。

图7A示出了根据本发明的实施例的包括具有为14的宽宽度的基础峰720的人工数
据信号710的曲线图700。图7B是曲线图750,示出了根据本发明的实施例的重构内部峰770。

图8A示出了根据本发明的实施例的包括具有为10的窄宽度的基础峰820的人工数
据信号810的曲线图800。图8B是曲线图850,示出了根据本发明的实施例的重构内部峰870。

图9示出了曲线图900和热图950,展示了根据本发明的实施例的对内部峰的?#25351;础?br />

图10示出了曲线图1000和热图1050,展示了根据本发明的实施例的对内部峰的恢
复。

图11展示了根据本发明的实施例的系统1100。

图12展示了可以与根据本发明的实施例的系统和方法一起使用的示例性计算机
系统10的框图。

定义

样本可以是特定分子(例如,如DNA分子等多核苷酸)或者是包括不同类型的许多
分子的混合物。可以在不同时间从混合物中提取相同类型的分子(例如,通过色谱)。例如,
随着样本的多个微滴通过通道,可以对这些微滴进行分析。由此,样本的不同部分可以在不
同时间提供不同信号,其中,这些信号可能重叠。

数据信号可能对应于在时间周期内对任何物理量的测量结果。数据信号可能对应
于样本的多个部分。峰信号是来自样本的一部分(例如,样本的特定微滴)的信号。当峰信号
彼此重叠时,数据信号可能包括多个峰信号。集群指一组彼此重叠的峰信号。

具体实施方式

在某些实验中,来自样本的不同部分的信号可能彼此干扰。例如,来自微滴数字聚
合酶链式反应(ddPCR)中的不同微滴的信号在这些微滴彼此粘住时可能彼此干扰。可能难
以在峰集群(例如,对应于一组微滴的集群)中识别特定峰。

为了确定与样本的特定部分相对应的峰信号,实施例可以将集群的数据信号变换
成局部函数集合。例如,可以对数据信号进行变换,以获得小波集合的系数,这些系数可以
跨越对小波的指数衰减进行定义的各种尺度。可以使用对其他峰的尾部的行为进行建模的
系数来替换要针对其获得峰信号的时间区域中的系数。可以使用非线性回归来确定尾部模
型,该非线性回归可能仅需要执行一次。然后,逆变换可以提供背景信号,可以从输入数据
信号中减去该背景信号,以便提供所期望的峰信号。所产生的峰信号可能具有任何形式,并
?#20063;?#19968;定是峰的特定模型的形式。

I.数据

微滴数字PCR(ddPCR)是可以看到重叠的数据峰的一个测量过程。由于重叠信号的
原因,可能难以对ddPCR数据流中的这些群集的微滴进行分析。具有相同问题的其他类型的
数据的示例包括来自测序(例如,纳米孔测序)、qPCR(定量实时PCR)中的熔融峰、以及色谱
的数据流。这种示例还涉及这样的数据流:在该数据流中,来自样本的不同部分的信号在时
间上彼此靠近。问题是如何分离这些信号,从而使得特定信号可以归属于样本的特定部分。
由此,尽管一些示例?#24944;糳dPCR,但是这种讨论或这种讨论的部分适用于其他技术。

与ddPCR一样,样本的不同部分可以是不同微滴。在另一个示例中,样本的不同部
分可能对应于DNA分子中的不同碱基。DNA分子可以移动横跨获得每一个碱基的信号的传感
器。这些信号可能在时间上重叠。对于色谱,样本的不同部分可能对应于在不同时间洗脱的
不同分子样本。

图1A是图100,示出了微?#26410;?#36807;管。示出了三个微滴105a、105b、和105c。这些微滴
是在ddPCR中生成的。每一个微滴可以包含并提供特定DNA序列的拷贝,可以使用荧光探针
来标记这些拷?#30784;?#22914;果光从微滴中发射出来,那么检测器(例如,血细胞计数器)可以检测该
光并生成数据信号。每一个微滴加入有染料,从而使得背景信号可以识别不具有信号的微
滴。

图1B是图150,示出了从图1A中的微滴中生成的数据信号160。水平轴上是时间。垂
直轴上是检测器信号的强度。如所示出的,峰对应于不同微滴。两个信号FAM和VIC对应于不
同荧光染料,这些荧光染料将对应于不同模板DNA分子(例如,不同序列之一)。对于其他应
用,每一个峰可能对应于来自序列上的不同碱基的信号。

在ddPCR中,使用区域来将样本分割成对应微滴,这些区域充当反应室。理想地,进
行分割,从而使得只有一个模板DNA分子在微滴中。如果微滴包括模板DNA分子,那么可以对
模板进行放大,以便提供足量的模板DNA用于生成信号。在图1B中,在大约30时间单位与50
时间单位之间穿过检测器的微滴好像生成模板DNA分子两者的信号。可以对示出了特定模
板DNA的信号的正微滴的数量进行计数,以便以对单个微滴中的多个模板的?#27492;?#20462;正为模
来确定样本中模板DNA的量。由此,人们可以得到具有特定序列的所有微滴的百分比。微滴
的此数字内容提供优于qPCR的优势。

可以从对于模板序列中的任何模板序列而言是正的所有微滴中,并且从可能具有
微弱但可检测的信号的负微滴(例如,该信号可能低于用于正地指示模板DNA分子的存在的
阈值)中确定微滴的总数。在其他实施方式中,可以使用不同的标记探针来检测不包括兴趣
模板DNA的微滴。使用这种第二探针可以允许人们检测所有微滴,即使在一些微?#23614;?#21253;括兴
趣模板的时候。由此,可以确定包括兴趣模板的微滴的准确百分比。

如人们在视觉上可以看到的,数据信号160具有峰170。但是,由于数据信号在大于
60秒内在500以上,所以数据信号的宽度可能很大。由此,数据信号160由于太宽而可能被丢
弃,并?#20063;?#33021;对其进行分析。现在提供对数据峰的重叠的进一步讨论。

II.数据峰

数据信号中与样本的不同部分相对应的峰可能彼?#21496;?#26377;不同的关系。即,一些峰
可能彼此靠近、彼此重叠、或者从其他峰中分离。例如,由于复杂的射流学的原因以及由于
微滴反应中的特定技术的原因(例如,无皮微滴可能更有可能彼此粘住),ddPCR中的微滴可
能?#30001;?#33267;彼此和/或彼此粘住。

在此,我们对三种类别的峰进行定义。(1)分离型?#22909;?#26377;重叠,在峰之间具有显著间
距。每一个峰下?#26723;交?#32447;水平。(2)可分离型:峰对或小量的峰靠近但并不太靠近,由此峰/
?#30830;?#26512;可能是足够的,或者多峰非线性回归可能收敛,虽然很慢。邻近峰之间的区域并不下
?#26723;交?#32447;。(3)重叠型:因为重叠如此大,所以难以确定是什么将峰分离的。在方案之间不存
在对分界线的严格定义,但是通过观察,分界线是清楚的。以下示出了此组的示例。

图2是可能在数据信号中发生的各种类别的峰的曲线图200。对于ddPCR,每一个峰
可能对应于不同微滴。当通过血细胞计数器时,一些微?#24944;?#36817;其他微滴,并且由此,来自一
个微滴的信号可能与另一个微滴的信号重叠。而且,微滴可能彼此粘住并且形成微滴集群。
峰可能对应于同一颜色(荧光色)。或者,数据可以是所有信号(例如,具有不同颜色的信号)
的总和。

峰210是分离型(类别1)并且可以使用基于模型(例如,高斯(Gaussian))的单峰非
线性回归来对其进行分析。这种类别的峰易于识别。两个峰的集群220对应于类别2。这些峰
是重叠的,但是可以使用基于模型(例如,高斯)的多峰非线性回归来将其分离。

集群230对应于类别3,其中,重叠的量很大。当重叠很大时,峰的高度可能从其他
峰的尾部显著增加。进一步地,在ddPCR的情况下,微滴可能彼此粘住,这可能使来自特定微
滴的信号由于微滴的物理?#25442;?#32780;发生改变。

通常,由于不存在可以?#34892;?#22320;对此情况进行分析的方法,所以当前在许多应用中
丢弃这种集群(也别称作团块、小球体、或小团快)的数据信号。例如,如果宽度太大(例如,
基于所以信号的总和),那么可以移除小球体。但是,当人们试图识别稀少事件时,这丢弃可
能特别有问题的数据。由于不存在可以?#34892;?#22320;对此情况进行分析的方法,所以在分析中通
常丢弃这些数据。实施例提供用于在峰的小球体(例如,如在集群230中所示出的)中识别与
样本的特定部分相对应的峰信号的技术。

在一些实例中,人们可以基于宽度来丢弃微滴团块以及单个微滴,并且因为丢弃
了相同数量的负微滴和正微滴,所以这无关紧要。由于正微滴与负微滴之比通常是令人期
望的,因为正微滴的数量?#36879;?#24494;滴的数量大约相等,所以该比值?#25442;?#26174;著变化。但是,存在
稀少事件,在这些稀少事件中,丢弃个别微滴很要紧。或者,如果您具有非常高的负载(即,
具有多个模板的许多微滴),那么您的个别微?#25105;部?#33021;很要紧。

因为紧密接近可能引起严重的形?#35789;?#30495;,所以使用非线性回归来对类别3中的峰
进行建模可能是有问题的。多峰非线性回归可能具?#34892;?#22810;参数,对于大于或等于3个峰,这
些参数的收敛概率很低。邻近的重叠峰提升彼此,由于迹线移位而引起振幅失真。这种建模
可能无法表示失真。另一个问题是:多峰回归要求对所有峰进行求解,以获得任何单个峰,
而可能令人期望的是提取特定峰。峰分析经常要求并不固有于该问题的幻数。进一步地,不
同峰可能要求不同模型。并且,非线性回归可能由于计算复杂性而很慢。

为了避免以上问题,一些实施例使用固?#34892;?#36136;。例如,实施例可以使用数据(例如,
在数据信号中经由频率分析来获得的数据)中呈现的尺度的范围或者峰的相对位置。实施
例可以使用这些性质来获得特定峰信号和所产生的背景信号。实施例可以从严重重叠的数
据中分离出具有极其复?#26377;?#29366;的峰(不能对这些峰进行建模)。

III.方法

如上所提及的,可能难以在峰集群中识别特定峰。为了确定与样本的特定部分相
对应的峰信号,实施例可以将集群的数据信号变换成局部函数集合。例如,可以对数据信号
进行变换,以获得小波集合的系数,这些系数可以跨越对小波的指数衰减进行定义的各种
尺度。可以使用对其他峰的尾部的行为进行建模的系数来替换要对其获得峰信号的时间区
域中的系数。可以使用非线性回归来确定尾部模型,该非线性回归可能仅需要执行一次。然
后,逆变换可以提供背景信号,可以从输入数据信号中减去该背景信号,以便提供所期望的
峰信号。所产生的峰信号可能具有任何形式,并?#20063;?#19968;定是峰的特定模型的形式。

图3是根据本发明的实施例的识别第一峰信号的方法300的流程图。第一峰信号对
应于来自样本的其他部分的其他峰信号当中的样本的第一部分。第一峰可以是任何峰,这
是因为该术语简单地指特定峰。方法300可以部分或完全地由计算机系统执行。

在框310处,接收来自涉及样本的实验的数据信号。数据信号具有随着时间变化的
振幅。数据信号对应于许多峰信号。例如,数据信号可能对应于许多微滴、核酸上的碱基、蛋
?#23383;实陌被?#37240;、或者分子的其他部分。可以在各种时间(例如,在周期时间)获得来自样本的
信号。假设数据信号对应于样本的多个部分,则数据信号包括在不同时间的多个重叠峰。实
验可以是微滴数字PCR实验,其中,样本包括含有核酸的多个微滴。该多个微滴可能对应于
样本的不同部分。

在一个实施例中,数据信号的宽度可以用于确定待执行的分析的类型。例如,可以
使用方法300来分析宽?#32676;?#22823;的数据信号。可以使用如回归等其他技术来分析单个峰(例
如,宽?#32676;?#23567;的数据信号)。

数据信号可能具有仅一种颜色或者是各种颜色(例如,所有颜色)的信号的总和。
实施例可以进一步首先使用该总和(例如,以便确定用于使用方法300的峰集群),并且之后
在方法300中使用每一种颜色的信号。

在框320处,对数据信号进行变换,以获得与局部函数对应的系数的二维阵?#23567;?#27599;
一个系数对应于具有时间位置和尺度因子的局部函数。局部函数的时间位置可能对应于获
得数据信号的时间。

不同的时间位置允许对兴趣峰进行建模,?#36824;?#23792;位于哪里。尺度因子可能对应于
局部函数的周期(或者如频?#23454;?#30456;应变量)。例如,不同周期的小波将在时间上具有不同宽
度。在同一时间位置处使用不同尺度因子的小波提供更大的数据信号表示准确度。可以基
于所产生的系数的值来确定要使用的尺度因子的数量。例如,一旦系数变得足够小(例如,
小于阈值),那么可以对所有位置确定最大尺度因子。

变换可以包括使用该局部函数集合来进行对数据信号的卷积。例如,可以使用特
定局部函数(即,唯一的时间位置和尺度因子对)来进行对数据信号的卷积,该局部函数可
能以时间t为中心并且具有尺度因子a。使用特定位置函数来进行的这种卷积提供了2D阵列
中的矩阵元素。由此,这种卷积可以提供对应于特定局部函数的特定系数。

在一个实施例中,可以使用离散傅里叶变换(例如,FFT)或者在有限域上整合的其
他数值技术来确定该卷积。不同的数值技术可以包括有限边界内的信号的数据点之间的插
值(例如,假设数据信号在重叠峰的集群之前或之后为零)。然后,可以使用插值函数来确定
信号的数据点之间的区域。相应地,计算该卷积可以包括:计算数据信号的第一离散变换,
以获得数据点的第一集合;计算特定局部函数的离散变换,以获得数据点的第二集合;以及
将第一集合中的数据点乘以第二集合中的相应数据点并进行求和,以获得卷积的结果。

在框330处,识别与第一峰信号的第一峰相对应的第一时间区域。第一时间区域对
应于要确定第一峰信号的时间。可以采用各种方式来确定这种时间区域。例如,可以识别峰
之间的最小值。第一峰与第二峰之间的局部最小值可以被识别为第一时间区域的第一边
界。在另一个示例中,当峰是终峰时,可以识别与相邻峰之间的最小值,并且可以确定从最
小?#26723;?#26368;大值的距离。该距离可以用于确定时间区域的终点,从而使得其在时间区域内关
于最大值对称。

在框340处,移除二维阵列中与具?#24615;?#31532;一时间区域内的时间位置的局部函数相
对应的系数。这些系数可能主要与第一峰信号相关联。由此,移除第一峰信号的系数,以获
得背景信号,可以从数据信号中减去背景信号来获得第一峰信号。

所移除的系数可能仅对应于尺度值的范围的一部分。例如,该范围可以是系数具
有最大值的地方。较小的值具有很小的影响,并且由此,保持不变,或者在计算的稍后部分
中被忽略。

在框350处,使用对其他峰信号的尾部进行建模的截断函数(cut function)来确
定二维阵列的新系数。截断函数可以接收特定时间和尺度值作为输入并且为2D阵列的特定
系数提供值。截断函数对第一时间区域内的其他峰的尾部进行建模。因为其他峰将由于重
叠而向第一时间区域贡献尾部,所以不应当忽略其他峰的影响。由此,截断函数可以提供对
邻近峰如何衰减到第一时间区域中的准确表示(即,在局部函数的空间中)。在一个实施例
中,可以计算一次截断函数,并且之后将其用于分析任何数据信号。以下提供了截断函数的
示例。

在框360处,使用新系数来获得改变的二维阵?#23567;?#20363;如,可以在第一时间区域(以及
尺度值的任何所选范围)中将新系数插入到2D阵列中。改变的2D阵列现在在局部函数的空
间中表示背景信号(即,集群中的其他峰的数据信号)。

在框370处,执行对改变的二维阵列的逆变换,以获得背景信号。可以在特定时间
位置处通过对与特定时间位置相对应的系数进行求和(例如,经由积分)来获得逆变换。可
以通过在数值上对每一个尺度值求解卷积积分(例如,使用FFT或其他离散变换)来确定逆
变换。然后,可以对所有尺度值在特定时间位置处的结果进行求和。在一个实施例中,用于
进行变换的数值积分技术还可以用于进行逆变换。例如,FFT可以用于在两种变换中确定积
分。

在框380处,可以从数据信号中减去背景信号,以获得与样本的第一部分相对应的
第一峰信号(例如,?#25351;?#23792;)。由于背景信号对应于其他峰(即,除了第一峰以外),并且数据
信号对应于集群中的所有峰,所以相减的结果可以提供第一峰。

以此方式,可以获得兴趣峰。结果是似是而非的,并且以下示例可以示出数据峰不
是高斯,并且由此,对于使峰信号从分离型峰的高斯形状改变的群集的物理效果,这些数据
峰是似是而非的。

IV.局部函数中的表示

如以上所提及的,实施例可以得到峰集群的数据信号并将数据信号变换成对局部
函数集合的表示。该局部函数集合以不同位置为中心并且具有不同尺度因子,即,每一个局
部函数具有唯一的尺度因子和位置对。该变换可以将局部函数用作基函数来对数据信号进
行描绘。该表示可以包括足够数量的局部函数,人们并不执行回归来确定局部函数的系数,
但是相反,从积分中确定这些系数。

A.变换

在一个实施例中,可以经由方程式:


变量u(t’)是待分析的信号;并且ψ()对应于局部基函数。该变换提供系数的二维阵列
的特定系数。a和t中的每一个值对应于不同系数。积分涉及数据信号u(t)和具有尺度因
子a并且以时间t为中心的特定局部函数。积分随着时间t’变化并且提供对以时间t为中心
的特定局部函数表示多少数据信号u(t’)的测量。可以通过改变尺度a或时间t来获得下一
个系数。

以此方式,可以对由一系列尺?#32676;?#26102;间定义的空间确定的2D系数阵?#23567;?#36755;入可能
对应于一维信号,例如,多个采样时间中的每一个采样时间的信号值。积分可能随着这些采
样时间变化,并且可以采用数值的方式来进行。

2D阵列的系数以及该位置函数集合提供相当于输入数据信号的线性和。由此,输
入数据信号被表示为局部基函数的叠加,这些局部基函数中的每一个局部基函数具有给定
位置和尺度。该位置确定局部函数以哪里为中?#27169;?#22312;此情况下,该中心是t。该尺度提供局部
函数衰减得有多快,并且由此,可以提供与特定函数相关联的长度。2D阵列可能对应于不同
时间和尺度的矩阵。对于每一个时间和每一个尺度(例如,周期),存在与其相关联的振幅。

图4A示出了根据本发明的实施例的在时间周期内得到的数据信号中的峰的集群
410的曲线图400。水平轴是时间,并且垂直轴是数据信号的振幅。集群410被示出为在大约
35秒与115秒之间。集群410对应于多个微滴。

图4B示出了根据本发明的实施例的从输入数据信号中确定的局部函数的2D系数
阵列的热图450。水平轴是时间(与在图4A中相同),并且垂直轴是周期(示例性尺度)。

具有10以下?#20197;?00以上的周期的局部函数具有很小的系数振幅。在系数子集425
中使用?#24944;?#27700;平420来示出最高振幅。此2D阵列(矩阵)在局部函数的空间中限定了输入数
据信号,并且可以用于限定背景信号,该背景信号反过来可以用于确定特定峰信号。

热图450还在0秒到约23秒的时间内示出了可感知的系数(子集430),以及在大于
118秒内示出了可感知的系数(子集440)。这两个子集由于使用平均值为零的小波而具有很
大的值。由此,时间区域中对应于子集430和440的局部函数抵消了子集425的局部函数的负
面影响。

B.局部函数(小波)

可以使用将尺度与位置相组合的各种局部函数(例如,平均值不为零的函数)。可
以选择局部函数来表示邻近峰的尾部。将尺度与位置/区域相组合的信号分析的一种类型
是小波分析。输入信号可以被表示为小波函数之和。小波函数由唯一尺?#32676;?#21807;一位置表征。

在一个实施例中,局部函数可以满足容许性?#38469;?#23481;许性?#38469;?#21487;以被定义为:


函数上的脱?#22336;?#34920;示傅里叶变换。

考虑到?#38469;?#22522;函数的积分是有限的——对待局部化的基函数进行?#38469;?#21363;,
衰减得足够快。如正弦波的情况一样,该?#38469;?#21487;以是对零均值的条件(即,积分为零)。对于
零均值条件,其?#34892;?#22320;要求零频率傅里叶变换分量等于零。容许性?#38469;?#21487;以确保可以执行
变换或逆变换。

相应地,可以选择局部函数,从而使得可以执行逆变换。逆变换可以定义如下:


存在许多类型的小波分析。两个示例是:离散小波变换(DWT)和连续小波变换
(CWT)。DWT具?#24615;?#25968;值上经由递归关系来定义的基元素。

因为人们可以选择受制于相当弱的?#38469;?例如,容许性?#38469;?的各种不同的基元素,所
以CWT具有唯一优点,该优点可以允许人们自由地选择适合于当前问题的物理学的函数。在
以下示例中使用CWT。

在一个实施方式中,使用了墨西哥帽小波,墨西哥小波被定义为:


因为这?#20013;?#27874;可以合理地对相邻峰的邻近尾部的行为进行建模,所以选择了这?#20013;?br />波。从单峰分析中已知背景尾部的高斯形?#35789;鞘实?#30340;并且对于对峰尾部进行建模而言是合
理的。由此,可以使用可以对其他峰的尾部进行建模的其他系数来替换截断时间范围的系
数。并且,与此同时,小波?#37096;?#20197;对峰进行建模。假设这些函数可以用于对尾部进行建模,则
这些函数可以用于相对于所选峰而对重叠峰的背景进行建模。微滴的?#25351;?#23792;可能具有任何
形状。

图5示出了根据本发明的实施例的墨西哥帽小波的曲线图500。该小波从零开始、
稍微向负值转、然后更大程度地向正值转、并?#20197;?#22238;到零之前转回到负值。其他小波在正值
与负值之间可能具有更多振幅。

C.确定积分(FFT)

在一个实施例中,可以在数值上使用傅里叶分析来确定变换和逆变换中涉及的积
分。使用傅里叶分析来计算积分隐含地将周期边界条件强加到计算上,因为其?#34892;?#22320;将其
看作有限域上的傅里叶级数(Fourier Series)。相应地,基于傅里叶的实施方式可以?#34892;?br />地将周期边界条件强加到时间区域t的截断区域上,以便计算积分。

为了计算积分,可以例如使用如快速傅里叶变换(FFT)等离散傅里叶变换(DFT)来
对输入数据信号进行傅里叶变换。FFT使用有限数量的数据点,这些数据点可能对应于检测
器的采样点。结果以频?#23454;?#26041;式提供具有最大频?#23454;?#36755;入数据信号。更高的频率没有做出
贡?#20303;?#36824;对特定局部函数进行傅里叶变换。对于DFT中使用的有限频率集合中的每一个频
?#21097;?#23558;经变换的u()和ψ()的振幅相乘,然后进行求和。

在另一个实施例中,可以在数值上通过将u(t)的值与局部函数的值相乘来计算积
分。由此,将不需要进行傅里叶分析。人们可能需要确定时间截止以便计算积分,即,使用截
止而不是无穷。

V.减去某个峰数据

作为确定背景信号(即,除了兴趣峰以外的信号)的一部分,移除2D矩阵的某些系
数。所移除的系数可能对应于与兴趣峰相关联的系数。例如,以峰的时间区域为中心的函数
的系数可以被设置为零(并且之后可以对这些系数添加截断函数)。在从2D矩阵中移除某些
系数之前,首先确定这种系数的时间区域。

可以基于峰集群的性质来选择峰的时间区域。例如,可以确定与兴趣峰相关联的
?#30475;?#20301;置。然后,可以确定?#30475;?#23792;的起点和终点。在一个实施方式中,移除(也被称为?#38236;?
区域内的所有尺度。

图6A示出了根据本发明的实施例的峰的集群610的曲线图600。在此示例中,峰620
可以被检测为位于左方的谷625(局部最小值)与右方的基线(例如,零)之间。在一个实施例
中,可以将谷625选择作为与峰620相对应的时间区域的起点。可以采用各种方式来选择时
间区域的终点。比如,可以选择时间区域的终点,从而使得峰620以时间区域为中心。由此,
谷625与峰620之间的距离将等于峰620与时间区域(也被称为截断区域)的终点之间的距
离。

图6B示出了根据本发明的实施例的对应于集群610的热图650。突出时间区域660,
以便从2D矩阵中?#38236;?#31995;数。截断区域的起点675对应于谷625。终点670限定了时间区域660
的宽度。在此示例中,当前区域包括所有尺度。在另一个实施例中,未明显地移除所有尺度,
例如,其中,对应系数足够小。在使用FFTS的实施例中,当前区域的尺?#30830;?#22260;可以是2的幂。
可以使用包含数据的最小的2的幂。

VI.添加其他峰的尾部

一旦已经在移除的系数的旧值中识别了截断区域,就可以添?#26377;?#20540;。新值对应于
其他峰的尾部的模型。新?#24403;?#31034;出了兴趣峰以外的任何事物。可以从截断函数中确定新值,
可以一次计算然后重新使用该截断函数。在一个实施例中,截断函数可以在数据信号的时
间空间中提供低谷,其中,低谷将对应于兴趣峰两侧的相邻峰的尾部。

A.截断函数

在一个实施例中,截断函数可以接收尺度值i和时间值j,以便确定i和j的相应系
数。在一个实施方式中,截断函数是:


其中,A、B、C和D是回归参数;i对应于二维阵列中的尺度因子的指数;j对应于二维阵列
中的时间位置的指数;最小值是二维阵列中的最小值;尺度宽度是由二维阵列所覆盖的尺
度的宽度;时间宽度是第一时间区域的宽度;尺度中心是尺度的宽度的中?#27169;?#24182;且时间中心
是第一时间区域的中心。

由此,在如图6B中所示出的系数的2D矩阵中,i的值对应于2D矩阵中的特定行,并
且j的值对应于2D矩阵中的特定?#23567;?#25351;数(高斯)项允许对其他峰的尾部进行建模。可以将尺
度中心当作使用的尺?#30830;?#22260;的中部。例如,可以将中心取为图6B中的60秒周围。并且,尺度
宽度可以是大约120秒。由此,由于指数项在指数中具有负号,所以随着值i移动远离尺度中
?#27169;?#25130;断函数的值减小。类似地,由于指数项在指数中具有负号,所以随着值j移动远离时间
中心(例如,图6B中的约99秒),截断函数的值减小。时间宽度为约92秒至约106秒。参数B和C
控制远离中心减小的速率。

D的值可以限制截断函数的最大值,并?#19968;?#20801;许对最小值进行设置。类似地,参数A
可以限定系数值的范围。最小值的值可以来自2D矩阵,并且可以是跨输入数据信号的所有
时间的最小值。

在一个实施例中,如果从截断函数中确定的系数经受逆变换,那么所产生的信号
将是以时间范围的中心为中心的低谷。例如,可以获得倒置的高斯形状。此形状可以对兴趣
峰两侧的相邻峰的尾部进行建模。

在一些实施例中,可以将截断函数应用于2D图内的任何截断范围。除了如时间宽
度所传达的以外,该模型并不取决于集群中有多少峰或者峰有多靠近彼此。可以使用截断
函数的各种其他函数形式。例如,可以使用指数衰减。

B.使用新系数

一旦确定了当前区域的新值,就可以将新值放入到2D矩阵中,以获得改变的2D矩
阵。新值可以直接代替旧值。可以使用?#20132;?#25805;作来移除系数位于截断区域的边缘的值中的
任?#23614;?#36830;续性。在一个实施例中,使用新值来进行的替换可由低通滤波器来执行,以便?#20132;?br />截断区域的不连续边缘。

C.计算参数

可以从对形成集群的示例性峰信号的分析中确定参数(例如,以上示例中的A、B、C
和D)。基础峰信号可以是模仿分离型信号的人工信号。以此方式,已知实际峰信号,并且由
此,可以确定对基础峰信号的各?#20013;?#29366;提供准确回答的参数。例如,可以使用宽宽?#32676;?#31364;宽
度计算来确定参数,从而使得这些参数适用于宽范围的数据。宽宽度指很宽的基础峰信号。
窄宽度指很窄的基础峰信号。

使用宽宽度峰来进行的单个回归计算可以提供使得所有峰中的五分之一足够准
确的参数。类似地,使用窄宽度峰来进行的单独回归计算仅对所遭遇的峰信号的一部分提
供准确结果。在一些实施例中,可以通过识别适合于基础峰的从宽到窄的范围宽度的参数
来获得普遍适用的参数。以此方式,参数可能仅取决于与物理系统相关联的宽?#30830;?#22260;,以及
取决于该局部函数集合(例如,用于该集合的尺度的范围)。由此,截断函数可以应用于任何
新数据信号,条件是采用鲁棒的方式来确定截断函数。

在一个实施例中,可以通过应用非线性回归计算来将并入了在考虑中的问题的物
理尺度的?#23454;?#23450;义的原型模型的误差最小化从而确定参数。对于定义的物理系统和问题,
可以使用执行的辅助计算来一次计算这些值。可以使用优化来?#39029;?#26368;适合于所使用的示例
的范围的A、B、C和D。这种计算可以是缓慢的,但是一旦被确定,这些值从?#21496;?#26159;固定的。由
此,使用这些固定值来进行的峰提取可能非常快,例如,远小于一秒,在一些情况下,数百毫
秒。

图7A示出了根据本发明的实施例的包括具有为14的宽宽度的十个基础峰720的人
工数据信号710的曲线图700。基础峰720彼此重叠。集群中的峰的数?#23458;?#24120;小于十。基础峰
720具有宽宽度并?#20197;?#27492;示例中是高斯函数。由此,人工数据信号710是包括许多紧密重叠
的高斯函数的人工重叠函数。基础峰720具有变化的振幅,并且可以被选择用于表?#38236;?#21069;问
题(例如,ddPCR)的典型峰大小范围。每一个问题可能具有其自己的振幅范围、宽度、以及该
局部函数集合的尺?#32676;?#20301;置的分辨率。

任务是尝试从人工数据信号710中的微滴的总叠加中?#25351;?#20869;部峰。?#25351;?#30340;内部峰
应当与基础峰720相匹配,并?#19968;指?#30340;内部峰的重叠应当等于人工数据信号710。对于一系
列实验,使用非线性回归来确定参数(A、B、C、D)。对于每一个实验,在非线性数据信号710上
使用非线性回归来将同时拟合所有?#25351;?#30340;内部峰中的误差(差异)最小化,以便通过将各种
性?#39318;?#23567;化来确定截断函数参数(A、B、C、D),例如,一个或多个?#25351;?#23792;的特定性?#21097;?#27604;如,恢
复峰与人工数据信号和/或基础峰的特定差异。

相应地,在一些实施例中,可以使用人工数据信号(例如,710)来计算截断函数的
参数。可以从重叠预定峰信号(例如,基础峰720)的第一集合中创建人工数据信号。对于重
叠预定峰数据信号中的每一个重叠预定峰信号,可以通过计算人工背景信号(例如,如以上
所描述的)以及从人工数据信号中减去人工背景信号来确定?#25351;?#23792;。可以确定?#25351;?#23792;与重
叠预定峰信号之间的差异。可以在回归分析中使用这些差异来确定截断函数的参数。

在一些实施例中,回归分析可以是?#25351;?#30340;内部峰与人工数据信号和/或基础峰之
间的逐点拟合。在其他实施例中,仅可以在回归分析中使用?#25351;?#30340;内部峰的某些性质。

要在进行优化时使用的示例性性质包括:(a)每一个?#25351;?#30340;内部峰与人工数据信
号之间的高度失配;(b)基础峰(例如,720)与?#25351;?#30340;内部峰之间的宽度失配;(c)基础峰的
峰位置与?#25351;?#30340;内部峰的峰位置之间的位置失配;以及(d)负信号的任何伪像,例如,?#25351;?br />峰的负值的量。参数允许对个别峰信号进行提取,例如,根据方法300。这些示例性性质可能
对应于被最小化以便确定新参数的?#25351;?#23792;与重叠预定峰信号的差异。

图8A示出了根据本发明的实施例的包括具有为10的窄宽度的基础峰820的人工数
据信号810的曲线图800。在此示例中,可以在人工数据信号810中看到基础峰820中的每一
个基础峰。然而,图7A中的隐藏基础峰721具有人工数据信号710中不容?#36164;?#21035;的峰。

如以上所提及的,每一个这种实验可能根据基础峰的形式而具有不同的回归参
数。并且,每一个这种非线性回归可以占据15分钟。作为确定跨范围适用的参数的一部分,
还针对窄宽度确定参数。表1示出了随着峰的宽度(即,I窄宽度10和宽宽度14)变化的回归
参数。

宽度
A
B
C
D
10
0.872547
1.541077
1.078715
0.378669
14
0.926387
1.484917
1.257813
0.376679

表1

为了?#39029;?#23558;与一系列基础峰一起工作的普遍参数,实施例可以对两种情况的回归
参数求平均,并将平均值用作新种子。可以经由将高度失配、宽度失配、?#36879;何?#20687;(或者其他
性质)用于两组基础峰来优化参数的迭代来进行回归。因此,对于每一次迭代,可以对参数
进行更新,以便确认新的?#25351;?#23792;和新的差异,并且回归分析可以将指定性?#23454;?#19981;同值最小
化。

然后,可以再次对来自每一次回归的参数求平均,并?#20197;?#36845;代中将平均值用作新
种子。此过程收敛于来自回归两者的相同参数集合,并且由此,对于宽峰和窄峰两者以及其
之间的所有范围?#34892;А?#22312;另一个实施例中,两种宽度类型的峰可以包括在对其执行回归的
单个集群中。在?#33267;?#19968;个实施例中,可以使用每一种宽度类型的集群,但是可以将集群差异
组合到单个回归中。

相应地,在一些实施例中,重叠预定峰信号的第一集合可能具有第一宽度,并且可
以使用重叠预定峰信号的第一集合来确定参数的第一集合。重叠预定峰信号的第二集合可
以用于确定参数的第二集合。重叠预定峰信号的第二集合具有不同于第一宽度的第二宽
度。可以对参数的第一集合和参数的第二集合求平均,以为参数获得种子值。可以在下一次
回归迭代中使用种子值来确定参数的新集合,对参数的新集合求平均,以为参数确定新种
子。可以重复对种子值的计算,直到参数的第一集合和参数的第二集合收敛于彼此为止。

图7B是曲线图750,示出了根据本发明的实施例的重构内部峰770。使用从回归中
获得的参数来确定重构内部峰770。然后,在方法300中使用这些参数来获得重构内部峰
770。我们看到,?#34892;?#22320;提取了除了隐藏的基础峰721以外的所有基础峰。可以通过对所提取
的峰进行求和以及从数据流中减去该总和来提取隐藏的基础峰721。剩下的将是隐藏的峰。

图8B是曲线图850,示出了根据本发明的实施例的重构内部峰870。重构内部峰870
与基础峰820很好地匹配。

VII.获得峰

通过使用截断函数来确定截断区域中的系数,确定了局部函数的空间中的背景信
号(改变的2D矩阵)。一旦确定了改变的2D系数阵列(即,在使用截断函数来进行替换之后),
可以在方程(3)中使2D阵列经受逆变换。对于给定时间t,将改变的2D矩阵中的系数乘以相
应局部化方式函数并跨尺度因子和时间将其整合。此逆变换将局部函数的空间中的整个数
据信号投射回到采样的数据点对时间的原始空间中。结果提供了兴趣峰的背景。通过计算
背景而不是峰,实施例可以获得由于邻近的重叠峰而产生的基线偏移。

从输入数据信号中减去背景信号来获得兴趣?#25351;?#30340;信号。实施例不需要对峰进行
建模,这允许获得接近诱导失真。实施例可以提取单个信号,并且因为人们将在模型上使用
多峰非线性回归,所以实施例不需要解决整个问题。

相应地,为了提取假设为具有?#25105;?#24418;状的峰,实施例可以确定除了兴趣峰以外的
任何事物(背景信号)。以此方式,可以?#23454;?#22320;解释邻近峰的影响。并且,通过知道峰宽?#32676;?br />振幅的范围,该算法对于峰宽?#32676;?#25391;幅的该范围是通用的。

VIII.结果

图9示出了曲线图900和热图950,展示了根据本发明的实施例的对内部峰的?#25351;础?br />曲线图900示出了输入数据信号910。使用本发明的实施例来确定背景信号920。从输入数据
信号910中减去背景信号920来获得?#25351;?#23792;930。热图950对应于输入数据信号910。截断区域
960是用于改变包括热图950的2D矩阵的系数的区域。相应地,截断区域960对应于?#25351;?#23792;
930。

图10示出了曲线图1000和热图1050,展示了根据本发明的实施例的对内部峰的恢
复。曲线图1000示出了输入数据信号1010。使用本发明的实施例来确定背景信号1020。从输
入数据信号1010中减去背景信号1020来获得?#25351;?#23792;1030。热图1050对应于输入数据信号
1010。截断区域1060是用于改变包括热图1050的2D矩阵的系数的区域。相应地,截断区域
1060对应于?#25351;?#23792;1030。在使用实际数据的此示例中,?#25351;?#23792;1030在形状上甚至不接近高
斯。这展示了本发明的实施例的在获得?#25105;?#24418;状的峰信号时的益处。

实施例可以允许完美重构,或者使用截断来进行的不完美重构,即,压缩。实施例
可以仅使用尺?#32676;?#30456;对位置,以便执行分析。以此方式,实施例可以避免做出关于兴趣峰的
形状的任何假设。

IX.系统

图11展示了根据本发明的实施例的系统1100。如所示出的系统包括样本保持器
1110内如DNA分子或包含DNA的微滴等样本1105。样本保持器的示例可以是微?#25105;?#21160;通过的
管,或者是DNA分子移动通过的纳米?#20303;?#30001;检测器1120检测来自样本的如荧光强度?#26723;?#29289;理
特性1115。检测器可以以一定间隔(例如,周期间隔)来进行测量,以获得组成数据信号的数
据点。在一个实施例中,模数转换器在多个时间将来自检测器的模拟信号转换成数?#20013;?#24335;。
将数据信号1125从检测器1120发送至逻辑系统1130。数据信号1125可以存储在本地存储器
1135、外部存储器1140、或存储设备1145中。

逻辑系统1130可以是,或者可以包括,计算机系统、ASIC、微处理器?#21462;?#20854;还可以包
括或者与显示器(例如,监视器、LED显示器等)和用户输入设备(例如,鼠标、键盘、按钮等)
相耦合。逻辑系统1130和其他部件可以是独立的或网络连接的计算机系统的一部分,或者
他们可以直接附接于或者并入热循环仪设备中。逻辑系统1130还可以包括在处理器1150中
执行的优化软件。

本文中所提及的计算机系统中的任何计算机系统可以利用任何?#23454;?#25968;量的子系
统。在图12中,在计算机装置10中示出了这种子系统的示例。在一些实施例中,计算机系统
包括单个计算机装置,其中,子系统可以是计算机装置的部件。在其他实施例中,计算机系
统可以包括具有内部部件的多个计算机装置,每一个计算机装置是子系统。

图12中所示出的子系统经由系统总线75互连。示出了如打印机74、键盘78、(多个)
存储设备79、耦合?#26009;?#31034;适配器82的监视器76等附加子系统。可以通过本领域中已知的任
何数量的如输入/输出(I/O)端口77(例如,USB、)等装置来将耦合至I/O控制器
71的外围设备和输入/输出(I/O)设备连接至计算机系统。例如,I/O端口77或外部接口81
(例如,以太网、Wi-Fi等)可以用于将计算机系统10连接至如互联网等广域网、鼠标输入设
备或扫描仪。经由系统总线75的互连允许中央处理器73与每一个子系统通信并控制对来自
系统存储器72或(多个)存储设备79(例如,如硬盘驱动器或光盘等固定盘)的指令的执行、
以及子系?#25345;?#38388;信息的?#25442;弧?#31995;统存储器72和/或(多个)存储设备79可以对计算机可读介
质进行具体化。本文中所提及的数据中的任何数据可以从一个部件输出到另一个部件并且
可以输出至用户。

计算机系统可以包括多个相同的部件或子系统,例如,通过外部接口81或通过内
部接口连接在一起。在一些实施例中,计算机系统、子系统或装置可以通过网络通信。在这
种实例中,一个计算机可以被考虑为客户端,并且另一个计算机可以被考虑为服务器,其
中,每一者可以是相同计算机系统的一部分。客户端和服务器中的每一者可以包括多个系
统、子系统或部件。

应当理解的是,可以采用控制逻辑的形式使用硬件(例如,专用集成电路或场可编
程门阵列)和/或使用具有模块化或集成的通常可编程的处理器的计算机软件来实施本发
明的实施例中的任何实施例。如在本文中所使用的,处理器包括同一集成芯片上的多核处
理器、或者单个电路板上或网络连接的多个处理单元。基于在本文中所提供的公开和教?#36857;?br />本领域的普通技术人员将了解和认识到使用硬件和硬件与软件的组合来实施本发明的其
他方式和/或方法。

可以使用如例如Java、C、C++、C#、Objective-C、Swift?#28909;?#20309;?#23454;?#30340;计算机语言或
者如使用例如常规或面向对象的技术的Perl或Python等脚本语言来将在本申请中描述的
软件部件或功能中的任一者实施为将由处理器执行的软件代码。可以将软件代码存储为用
于进行存储和/或传输的计算机可读介质上的一系列指令或命令。?#23454;?#30340;非瞬态计算机可
读介质可以包括随机存取存储器(RAM)、只读存储器(ROM)、如硬盘驱动器或软盘等磁?#36234;?br />质、如致密盘(CD)或DVD(数字多功能盘)等光学介质、闪存?#21462;?#35745;算机可读介质可以是这种
存储或传输设备的任何组合。

还可以使用被适配成用于经由符合各?#20013;?#35758;的有线网络、光网络、和/或无线网络
(包括互联网)来进行传输的载波信号来对这种程序进行编码和传输。如此,可以使用利用
这种程序来编码的数?#20013;?#21495;来创建根据本发明的实施例的计算机可读介质。利用程序代码
来编码的计算机可读介质可以利用兼容设备封装,或者从其他设备单独提供(例如,经互联
网下载)。任何这种计算机可读介质可以驻留在单个计算机产品(例如,硬盘驱动器、CD、或
整个计算机系统)上或内,并且可以存在于系统或网络内的不同计算机产品上或内。计算机
系统可以包括监视器、打印机、或者用于向用户提供本文中所提及的结果中的任何结果的
其他?#23454;?#30340;显示器。

可以使用包括了可以被配置成用于执行这些步骤的一个或多个处理器的计算机
系统来完全或部分地执行本文中所描述的方法中的任何方法。由此,实施例可以涉及被配
置成用于可能使用执行对应步骤或对应步骤组的不同部件来执行本文中所描述的方法中
的任何方法的步骤的计算机系统。尽管被呈现为编号的步骤,但是可以在同一时间或采用
不同的顺序来执行本文中的方法的步骤。此外,这些步骤的部分可以与来自其他方法的其
他步骤的部分一起使用。而且,步骤的全部或部分可以是可选的。此外,可以使用模块、电路
或者用于执行这些步骤的其他装置来执行这些方法中的任何方法的步骤中的任?#23614;?#39588;。

在不脱离本发明的实施例的精神和范围的情况下,可以采用任何?#23454;?#30340;方式来组
合特定实施例的特定详情。然而,本发明的其他实施例可以涉及与每一个单独方面、或这些
单独方面的特定组合相关的特定实施例。

已经为了?#24471;?#21644;描述的目的呈现了对本发明的示例性实施例的上述描述。不应认
为是穷举式的或者将本发明限制为所描述的精确形式,考虑到上面的教导可以做出许多修
改和变更。选择并且描述实施例以便最佳地解释本发明的原理和其实际应用,由此使得本
领域的技术人员能够最佳地利用在各个实施例中的并且具有适合于设想的特定用途的各
?#20013;?#25913;的本发明。

除非明确指示有相反的意?#36857;?#23545;“一个(a)”、“一个(an)”或“该(the)”的叙述意指
“一个或多个”。除非明确指示有相反的意?#36857;?#23545;“或”的使用意指“包括性的或”而不是“不包
括性的或”。

此处所提及的所有专利、专利申请、出版物和描述出于所有目的通过引用以其全
部内容结合在此。不承?#20808;魏文?#23481;为现有技术。

关于本文
本文标题:解构实验数据中的重叠峰.pdf
链接地址:http://www.pqiex.tw/p-6091860.html
关于我们 - 网?#26087;?#26126; - 网?#38236;?#22270; - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网?#26223;?#26435;所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 手机pk10计划软件下载 pk10模式长期稳赚6码 AG惊吓鬼屋开奖数据 安徽快3和值走势图 百度 北斗彩票网站 重庆时时彩一直跟34567 稳赚不爆的挂机方案 pk10免费永久计划网址 黑红梅方怎么才能稳赢 港彩三肖六码3肖6码