Analyzing complex single-molecule emission patterns with deep learning.
Analyzing complex single-molecule emission patterns with deep learning.
复制标题
DOI：
10.1038/s41592-018-0153-5
复制
发表时间：
2018-11
期刊：
影响因子：
48
通讯作者：
Huang F
中科院分区：
文献类型：
--
作者：
Zhang P;Liu S;Chaurasia A;Ma D;Mlodzianoski MJ;Culurciello E;Huang F
荧光发射体通过其发射模式同时传输其身份、位置和细胞背景。我们开发了smNet，这是一种用于多路复用单分子分析的深度神经网络，可以高精度地检索这些信息。我们证明，smNet可以提取三维分子的位置，方向和波前失真的精度接近理论极限，因此将允许通过一个单一分子的发射模式的多路复用测量。深度神经网络smNet能够从单分子的发射模式中提取多路复用参数，例如3D位置，方向和波前失真。
A fluorescent emitter simultaneously transmits its identity, location, and cellular context through its emission pattern. We developed smNet, a deep neural network for multiplexed single-molecule analysis to enable retrieving such information with high accuracy. We demonstrate that smNet can extract three-dimensional molecule location, orientation, and wavefront distortion with precision approaching the theoretical limit and therefore will allow multiplexed measurements through the emission pattern of a single molecule. The deep neural network smNet enables extraction of multiplexed parameters such as 3D position, orientation and wavefront distortion from emission patterns of single molecules.
登录
查看更多内容
影响因子：
3.7
作者：
Cutler PJ;Malik MD;Liu S;Byars JM;Lidke DS;Lidke KA
通讯作者：
Lidke KA
影响因子：
62.1
作者：
von Diezmann L;Shechtman Y;Moerner WE
通讯作者：
Moerner WE
DOI：
10.1073/pnas.0900245106
发表时间：
2009-03-03
影响因子：
11.1
作者：
Pavani, Sri Rama Prasanna;Thompson, Michael A.;Moerner, W. E.
通讯作者：
Moerner, W. E.
DOI：
10.1364/josaa.17.000294
发表时间：
2000-02-01
影响因子：
1.9
作者：
Piestun, R;Schechner, YY;Shamir, J
通讯作者：
Shamir, J
影响因子：
56.9
作者：
Femino, A;Fay, FS;Singer, RH
通讯作者：
Singer, RH