Objective quantification of nanoscale protein distributions.
Objective quantification of nanoscale protein distributions.
复制标题
DOI：
10.1038/s41598-017-15695-w
复制
发表时间：
2017-11-10
影响因子：
4.6
通讯作者：
Nusser Z
中科院分区：
文献类型：
--
作者：
Szoboszlay M;Kirizs T;Nusser Z
神经元小亚细胞区室中分子的纳米级分布严重影响其功能作用。尽管已经描述了多种分析蛋白质空间排列的方法，但缺乏对其有效性的彻底比较。在这里，我们提出了一个开源软件 GoldExt，它具有大量用于量化神经细胞亚细胞区室（例如突触）中蛋白质纳米级分布的措施。首先，我们比较了五种不同措施区分人工均匀和聚类模式与随机点模式的能力。然后，在具有预定义聚类数量的模拟数据集上评估一组聚类算法的性能。最后，我们将性能最佳的方法应用于实验数据，并分析了不同突触前和突触后蛋白质的纳米级分布，揭示了随机、均匀和聚集的亚突触分布模式。我们的结果表明，应用单一测量就足以区分不同的分布。
Nanoscale distribution of molecules within small subcellular compartments of neurons critically influences their functional roles. Although, numerous ways of analyzing the spatial arrangement of proteins have been described, a thorough comparison of their effectiveness is missing. Here we present an open source software, GoldExt, with a plethora of measures for quantification of the nanoscale distribution of proteins in subcellular compartments (e.g. synapses) of nerve cells. First, we compared the ability of five different measures to distinguish artificial uniform and clustered patterns from random point patterns. Then, the performance of a set of clustering algorithms was evaluated on simulated datasets with predefined number of clusters. Finally, we applied the best performing methods to experimental data, and analyzed the nanoscale distribution of different pre- and postsynaptic proteins, revealing random, uniform and clustered sub-synaptic distribution patterns. Our results reveal that application of a single measure is sufficient to distinguish between different distributions.
登录
查看更多内容
DOI：
10.1523/jneurosci.2921-12.2013
发表时间：
2013-02-20
期刊：
The Journal of neuroscience : the official journal of the Society for Neuroscience
影响因子：
--
作者：
Indriati DW;Kamasawa N;Matsui K;Meredith AL;Watanabe M;Shigemoto R
通讯作者：
Shigemoto R
影响因子：
2.5
作者：
Hagiwara, A;Fukazawa, Y;Shigemoto, R
通讯作者：
Shigemoto, R
影响因子：
5.3
作者：
Eltes, Timea;Kirizs, Tekla;Holderith, Noemi
通讯作者：
Holderith, Noemi
DOI：
10.1073/pnas.1605256113
发表时间：
2016-10-11
影响因子：
11.1
作者：
Grauel, M. Katharina;Maglione, Marta;Rosenmund, Christian
通讯作者：
Rosenmund, Christian
影响因子：
34.7
作者：
O'Rourke, Nancy A.;Weiler, Nicholas C.;Micheva, Kristina D.;Smith, Stephen J.
通讯作者：
Smith, Stephen J.