Parameter-free molecular super-structures quantification in single-molecule localization microscopy.
Parameter-free molecular super-structures quantification in single-molecule localization microscopy.
复制标题
DOI：
10.1083/jcb.202010003
复制
发表时间：
2021-05-03
期刊：
影响因子：
--
通讯作者：
Michieletto D
中科院分区：
文献类型：
--
作者：
Marenda M;Lazarova E;van de Linde S;Gilbert N;Michieletto D
Marenda等人介绍了一种无参数算法来量化SMLM数据集中的超结构和连接簇。该算法在模拟和实验数据集上进行了测试，证明它可以作为一种无偏的工具来提取简单聚类之外的信息。了解生物功能需要识别和表征分子的复杂模式。单分子定位显微镜（SMLM）可以在远远超过衍射极限的分辨率下定量测量分子组分和相互作用，但只有当这些图案可以量化和解释时，这些信息才有用。我们提供了一种新的方法来分析SMLM数据，该方法发展了由互连元素（例如较小的蛋白质簇）形成的结构和超结构的概念。使用一个正式的框架和无参数的算法，（超）结构形成的较小的组件被发现是丰富的核蛋白类，如异质核核糖核蛋白颗粒（hnRNP），但不存在位于质膜的神经酰胺。我们认为，由相互连接的蛋白质簇形成的介观结构在细胞核内是常见的，并且在基因组的组织和功能中具有重要作用。我们的算法SuperStructure可用于分析和探索复杂的SMLM数据，并提取功能相关的信息。
Marenda et al. introduce a parameter-free algorithm to quantify super-structures and connected clusters in SMLM datasets. The algorithm is tested on simulated and experimental datasets, demonstrating that it can be used as an unbiased tool to extract information beyond simple clustering. Understanding biological function requires the identification and characterization of complex patterns of molecules. Single-molecule localization microscopy (SMLM) can quantitatively measure molecular components and interactions at resolutions far beyond the diffraction limit, but this information is only useful if these patterns can be quantified and interpreted. We provide a new approach for the analysis of SMLM data that develops the concept of structures and super-structures formed by interconnected elements, such as smaller protein clusters. Using a formal framework and a parameter-free algorithm, (super-)structures formed from smaller components are found to be abundant in classes of nuclear proteins, such as heterogeneous nuclear ribonucleoprotein particles (hnRNPs), but are absent from ceramides located in the plasma membrane. We suggest that mesoscopic structures formed by interconnected protein clusters are common within the nucleus and have an important role in the organization and function of the genome. Our algorithm, SuperStructure, can be used to analyze and explore complex SMLM data and extract functionally relevant information.
登录
查看更多内容
影响因子：
48
作者：
Levet, Florian;Hosy, Eric;Sibarita, Jean-Baptiste
通讯作者：
Sibarita, Jean-Baptiste
影响因子：
3.4
作者：
Goundaroulis, Dimos;Aiden, Erez Lieberman;Stasiak, Andrzej
通讯作者：
Stasiak, Andrzej
影响因子：
3.7
作者：
Caudron-Herger, Maiwen;Mueller-Ott, Katharina;Rippe, Karsten
通讯作者：
Rippe, Karsten
影响因子：
64.8
作者：
Larson AG;Elnatan D;Keenen MM;Trnka MJ;Johnston JB;Burlingame AL;Agard DA;Redding S;Narlikar GJ
通讯作者：
Narlikar GJ
影响因子：
17.1
作者：
Hennig, Simon;van de Linde, Sebastian;Sauer, Markus
通讯作者：
Sauer, Markus