Nanoscale Pattern Extraction from Relative Positions of Sparse 3D Localizations.
Nanoscale Pattern Extraction from Relative Positions of Sparse 3D Localizations.
复制标题
DOI：
10.1021/acs.nanolett.0c03332
复制
发表时间：
2021-02-10
期刊：
影响因子：
10.8
通讯作者：
Peckham M
中科院分区：
文献类型：
--
作者：
Curd AP;Leng J;Hughes RE;Cleasby AJ;Rogers B;Trinh CH;Baird MA;Takagi Y;Tiede C;Sieben C;Manley S;Schlichthaerle T;Jungmann R;Ries J;Shroff H;Peckham M
从单分子定位显微镜（SMLM）数据推断荧光标记的纳米结构的组织，通常被随机噪声和背景掩盖，仍然具有挑战性。为了克服这一点，我们开发了一种方法来提取高分辨率的有序功能SMLM数据，只需要一小部分的目标定位精度高。首先，实验测量的本地化进行分析，以产生相对位置分布（RPD）。接下来，使用分子如何组织的假设来构建模型RPD。最后，使用统计比较来选择最可能的模型。这种方法允许在大的和异质的样品中以及在2D和3D数据集中以低于1%的检测效率对目标分子进行模式识别。作为概念验证，我们推断核孔内Nup 107的超微结构、DNA折纸结构和心肌细胞Z盘内的α-辅肌动蛋白-2，并评估中心粒图像的质量以改善平均单颗粒重建。
Inferring the organization of fluorescently labeled nanosized structures from single molecule localization microscopy (SMLM) data, typically obscured by stochastic noise and background, remains challenging. To overcome this, we developed a method to extract high-resolution ordered features from SMLM data that requires only a low fraction of targets to be localized with high precision. First, experimentally measured localizations are analyzed to produce relative position distributions (RPDs). Next, model RPDs are constructed using hypotheses of how the molecule is organized. Finally, a statistical comparison is used to select the most likely model. This approach allows pattern recognition at sub-1% detection efficiencies for target molecules, in large and heterogeneous samples and in 2D and 3D data sets. As a proof-of-concept, we infer ultrastructure of Nup107 within the nuclear pore, DNA origami structures, and α-actinin-2 within the cardiomyocyte Z-disc and assess the quality of images of centrioles to improve the averaged single-particle reconstruction.
登录
查看更多内容
影响因子：
48
作者：
Sengupta, Prabuddha;Jovanovic-Talisman, Tijana;Skoko, Dunja;Renz, Malte;Veatch, Sarah L.;Lippincott-Schwartz, Jennifer
通讯作者：
Lippincott-Schwartz, Jennifer
影响因子：
14.8
作者：
Schnitzbauer, Joerg;Strauss, Maximilian T.;Jungmann, Ralf
通讯作者：
Jungmann, Ralf
影响因子：
16.6
作者：
Fox-Roberts P;Marsh R;Pfisterer K;Jayo A;Parsons M;Cox S
通讯作者：
Cox S
影响因子：
3
作者：
BOZDOGAN, H
通讯作者：
BOZDOGAN, H
DOI：
10.1073/pnas.1704908114
发表时间：
2017-08-29
影响因子：
11.1
作者：
Salas, Desiree;Le Gall, Antoine;Nollmann, Marcelo
通讯作者：
Nollmann, Marcelo