技术摘要：
本申请涉及一种目标细胞株的筛选方法、系统、服务器和存储介质。所述方法包括：获取稀释后的细胞池细胞对应的细胞图像，对细胞图像进行图像分割处理，得到子细胞图像，对子细胞图像进行分类处理，获取子细胞图像中对应细胞包含的期望产物表达量所属类别，通过期望产物  全部
背景技术：
从细胞群中筛选高表达量的细胞株在生物领域具有重要意义。传统的细胞株筛选 方法，首先需要将目标蛋白表达载体转染至宿主细胞，获得高表达量细胞池细胞，再将细胞 池细胞接种到96孔或更多孔细胞培养板形成单克隆细胞群，并进行上清期望产物表达量测 定，之后将高表达孔板中的细胞扩大培养至更大的孔板(如24孔板)，24孔板细胞扩至6孔细 胞板，将6孔细胞板中细胞扩增至摇瓶中进行悬浮培养，进一步在摇瓶中评估不同细胞克隆 的表达量，不断重复上述过程，最终筛选出目标细胞株。 现有的筛选方法通常需要耗时6-9个月，从而大大降低了细胞株的筛选效率。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高目标细胞株的筛选效率的 目标细胞株的筛选方法、系统、服务器及存储介质。 一种目标细胞株的筛选方法，所述方法包括： 获取稀释后的细胞池细胞对应的细胞图像； 其中，所述细胞池细胞包括能够表达期望产物的细胞，所述期望产物为分泌性物 质或附着于细胞膜表面的物质； 对所述细胞图像进行图像分割处理，得到子细胞图像； 对所述子细胞图像进行分类处理，获取所述子细胞图像中对应细胞包含的期望产 物表达量所属类别； 通过所述期望产物表达量所属类别，以筛选期望产物表达量高的单克隆细胞。 在其中一个实施例中，所述期望产物为单独的目标物质，或经过偶联的偶联物质， 所述偶联物质为所述目标物质与选择性标记、信号标记以及偶联标记中的一种或多种偶联 后所得的所述偶联物质。 在其中一个实施例中，所述对所述细胞图像进行图像分割处理，得到子细胞图像， 包括： 对所述细胞图像进行直方图均衡化操作，得到均衡化图像； 对所述均衡化图像进行形态学操作，得到形态学图像；所述形态学操作包括顶帽 操作和梯度操作； 通过边缘检测算法检测所述形态学图像中的细胞边缘，得到细胞边缘图像； 对所述细胞边缘图像进行二值化处理，得到二值化细胞图像； 对所述二值化细胞图像进行细胞分割，得到所述子细胞图像。 在其中一个实施例中，所述对所述细胞边缘图像进行二值化处理，得到二值化细 4 CN 111598029 A 说　明　书 2/11 页 胞图像，包括： 对所述细胞边缘图像进行阈值处理，得到阈值化图像； 通过开运算，去除所述阈值化图像背景中的非细胞区域，得到开运算图像； 通过闭运算，去除所述开运算图像中的细胞内部边缘，得到闭运算图像； 当所述闭运算图像中仍然存在细胞内部边缘时，对所述闭运算图像进行孔洞填 充，得到所述二值化细胞图像。 在其中一个实施例中，所述对所述二值化细胞图像进行细胞分割，得到所述子细 胞图像，包括： 在所述二值化细胞图像中查找细胞轮廓，得到细胞轮廓信息； 根据所述细胞轮廓信息，获取包含所述细胞轮廓的最小外界矩形，得到所述子细 胞图像。 在其中一个实施例中，所述对所述子细胞图像进行分类处理，获取所述子细胞图 像中对应细胞包含的期望产物表达量所属类别，包括： 通过目标分类网络模型，对所述子细胞图像进行分类处理，确定所述子细胞图像 中对应细胞包含的期望产物表达量所属类别；其中，所述目标分类网络模型为对初始分类 网络模型进行训练处理得到的模型。 在其中一个实施例中，所述目标分类网络模型为通过残差网络、卷积层以及全局 平均池化层组合而成的模型。 一种目标细胞株的筛选系统，所述系统包括： 细胞图像获取模块，用于获取稀释后的细胞池细胞对应的细胞图像； 其中，所述细胞池细胞包括能够表达期望产物的细胞，所述期望产物为分泌性物 质或附着于细胞膜表面的物质； 图像分割模块，用于对所述细胞图像进行图像分割处理，得到子细胞图像； 分类模块，用于对所述子细胞图像进行分类处理，获取所述子细胞图像中对应细 胞包含的期望产物表达量所属类别； 筛选模块，用于通过所述期望产物表达量所属类别，以筛选期望产物表达量高的 单克隆细胞。 一种服务器，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于， 所述处理器执行所述计算机程序时，实现以下步骤： 获取稀释后的细胞池细胞对应的细胞图像； 其中，所述细胞池细胞包括能够表达期望产物的细胞，所述期望产物为分泌性物 质或附着于细胞膜表面的物质； 对所述细胞图像进行图像分割处理，得到子细胞图像； 对所述子细胞图像进行分类处理，获取所述子细胞图像中对应细胞包含的期望产 物表达量所属类别； 通过所述期望产物表达量所属类别，以筛选期望产物表达量高的单克隆细胞。 一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执 行时，实现以下步骤： 获取稀释后的细胞池细胞对应的细胞图像； 5 CN 111598029 A 说　明　书 3/11 页 其中，所述细胞池细胞包括能够表达期望产物的细胞，所述期望产物为分泌性物 质或附着于细胞膜表面的物质； 对所述细胞图像进行图像分割处理，得到子细胞图像； 对所述子细胞图像进行分类处理，获取所述子细胞图像中对应细胞包含的期望产 物表达量所属类别； 通过所述期望产物表达量所属类别，以筛选期望产物表达量高的单克隆细胞。 上述目标细胞株的筛选方法包括：获取稀释后的细胞池细胞对应的细胞图像，对 细胞图像进行图像分割处理，得到子细胞图像，对子细胞图像进行分类处理，获取子细胞图 像中对应细胞包含的期望产物表达量所属类别，通过期望产物表达量所属类别，以筛选期 望产物表达量高的单克隆细胞；该方法可以采用图像分割技术和人工智能技术，确定所有 单细胞的蛋白表达量所属类别，并根据蛋白表达量所属类别筛选出期望产物表达量高的单 克隆细胞，通过这种智能化技术大大节省了工作量，提高了期望产物表达量高的细胞株的 筛选效率。 附图说明 图1为一个实施例中目标细胞株的筛选方法的应用环境图； 图2为一个实施例提供的目标细胞株的筛选方法的流程示意图； 图3为一个实施例提供的一种细胞图像； 图4为另一个实施例提供的目标细胞株的筛选方法的具体流程示意图； 图5为一实施例提供的细胞图像进行直方图均衡化操作得到的均衡化图像； 图6为一实施例提供的对均衡化图像进行细胞边缘处理后得到的细胞边缘图像； 图7为一实施例提供的对细胞边缘图像进行二值化处理过程中得到的闭运算图 像； 图8为一实施例提供的对细胞图像进行处理得到的二值化细胞图像； 图9为一实施例提供的对图3所示细胞图像进行图像分割得到的子细胞图像； 图10为另一个实施例中目标细胞株的筛选系统的结构示意图； 图11为一个实施例中服务器的内部结构图。