Leveraging Topological Events in Tracking Graphs for Understanding Particle Diffusion
Leveraging Topological Events in Tracking Graphs for Understanding Particle Diffusion
复制标题
利用跟踪图中的拓扑事件来理解粒子扩散
DOI：
10.1111/cgf.14304
复制
发表时间：
2021
影响因子：
2.5
通讯作者：
Bremer, P.‐T.
中科院分区：
文献类型：
--
作者：
McDonald, T.;Shrestha, R.;Yi, X.;Bhatia, H.;Chen, D.;Goswami, D.;Pascucci, V.;Turbyville, T.;Bremer, P.‐T.
荧光分子的单粒子跟踪（SPT）提供了对标记蛋白质和生物学中感兴趣的其他结构的扩散和相对运动的重要见解。然而，尽管高分辨率显微镜技术取得了最新进展，但单个颗粒通常无法与颗粒簇区分开来。这种分辨率的缺乏掩盖了粒子的合并和分裂如何影响其扩散以及对生物环境的任何影响的潜在证据。粒子轨迹通常在观察到的合并和分裂事件处被分解成各个片段，并且在不知道所得到的片段中的粒子的真实计数的情况下执行分析。在这里，我们解决了在癌症生物学背景下分析粒子轨迹的挑战。特别是，我们研究了KRAS蛋白的轨迹，该蛋白与近20%的人类癌症有关，其聚集和聚集与导致细胞生长失控的信号通路有关。我们提出了一种新的分析方法，粒子轨迹表示为跟踪图，并使用拓扑事件合并和分裂，以消除歧义的轨道。使用这种分析，我们推断出一个下限的粒子计数，因为它们集群和创建条件分布的扩散速度之前和之后合并和分裂事件。使用模拟和体外SPT数据的数千个时间步，我们证明了我们方法的有效性，因为它为生物学家提供了一个新的，详细的研究KRAS聚类和扩散速度之间的关系。
Single particle tracking (SPT) of fluorescent molecules provides significant insights into the diffusion and relative motion of tagged proteins and other structures of interest in biology. However, despite the latest advances in high‐resolution microscopy, individual particles are typically not distinguished from clusters of particles. This lack of resolution obscures potential evidence for how merging and splitting of particles affect their diffusion and any implications on the biological environment. The particle tracks are typically decomposed into individual segments at observed merge and split events, and analysis is performed without knowing the true count of particles in the resulting segments. Here, we address the challenges in analyzing particle tracks in the context of cancer biology. In particular, we study the tracks of KRAS protein, which is implicated in nearly 20% of all human cancers, and whose clustering and aggregation have been linked to the signaling pathway leading to uncontrolled cell growth. We present a new analysis approach for particle tracks by representing them as tracking graphs and using topological events – merging and splitting, to disambiguate the tracks. Using this analysis, we infer a lower bound on the count of particles as they cluster and create conditional distributions of diffusion speeds before and after merge and split events. Using thousands of time‐steps of simulated and in‐vitro SPT data, we demonstrate the efficacy of our method, as it offers the biologists a new, detailed look into the relationship between KRAS clustering and diffusion speeds.
登录
查看更多内容
DOI：
--
发表时间：
--
期刊：
--
影响因子：
--
作者：
通讯作者：
--
拓扑仙人掌：可视化基于轮廓的统计数据
影响因子：
1.7
作者：
G. Weber;P. Bremer;Valerio Pascucci
通讯作者：
Valerio Pascucci
通过拓扑感知匹配将粘性手指模拟与获得的地面实况进行排序
DOI：
10.1109/ldav48142.2019.8944365
发表时间：
2019
期刊：
2019 IEEE 9th Symposium on Large Data Analysis and Visualization (LDAV)
影响因子：
--
作者：
Maxime Soler;M. Petitfrère;G. Darche;Mélanie Plainchault;B. Conche;Julien Tierny
通讯作者：
Julien Tierny
跟踪非结构化数据集中的标量特征
DOI：
10.1109/visual.1998.745288
发表时间：
1998
期刊：
Proceedings Visualization '98 (Cat. No.98CB36276)
影响因子：
--
作者：
D. Silver;Xin Wang
通讯作者：
Xin Wang
影响因子：
2.5
作者：
Valerio Pascucci;D. Laney;R. J. Frank;F. Gygi;G. Scorzelli;L. Linsen;B. Hamann
通讯作者：
B. Hamann