A generative model of microtubule distributions, and indirect estimation of its parameters from fluorescence microscopy images.
A generative model of microtubule distributions, and indirect estimation of its parameters from fluorescence microscopy images.
复制标题
DOI：
10.1002/cyto.a.20854
复制
发表时间：
2010-05
期刊：
影响因子：
3.7
通讯作者：
Rohde, Gustavo K.
中科院分区：
文献类型：
--
作者：
Shariff, Aabid;Murphy, Robert F.;Rohde, Gustavo K.
微管网络在许多细胞过程中起着关键作用，其组织如何在细胞类型和条件下变化的定量模型是理解这些作用所必需的，也是细胞模拟的输入。高通量图像采集技术对于这一目的具有潜在的价值，但是对于依赖于单个微管的追踪的当前分析方法不能提供足够的分辨率。我们描述了一个参数条件模型的微管分布，可以产生一个微管网络在完整的细胞使用持续的随机游走方法。模型参数具有物理意义，因为它们直接描述了微管的空间分布，包括微管的数量以及长度分布的平均值。我们还提出了一种间接的方法，用于估计模型的参数，从三维荧光显微镜图像的细胞，依赖于比较采集的图像与模拟图像生成的模型。我们的研究结果表明，我们的方法可以合理地恢复参数为一个给定的查询图像，我们提出了我们的方法估计的HeLa细胞图像的集合的参数的分布。
The microtubule network plays a critical role in many cellular processes, and quantitative models of how its organization varies across cell types and conditions are required for understanding those roles and as input to cell simulations. High-throughput image acquisition technologies are potentially valuable for this purpose, but do not provide sufficient resolution for current analysis methods that rely on tracing of individual microtubules. We describe a parametric conditional model of microtubule distribution that can generate a microtubule network in intact cells using a persistent random walk approach. The model parameters are physically meaningful as they directly describe the spatial distribution of microtubules and include the number of microtubules as well as the mean of the length distribution. We also present an indirect method for estimating the parameters of the model from three-dimensional fluorescence microscope images of cells that relies on comparing acquired images with simulated images generated from the model. Our results show that our method can reasonably recover parameters for a given query image, and we present the distributions of parameters estimated by our method for a collection of HeLa cell images.
登录
查看更多内容
影响因子：
10.6
作者：
Chan, TF;Vese, LA
通讯作者：
Vese, LA
DOI：
10.1073/pnas.0703094104
发表时间：
2007-10-09
影响因子：
11.1
作者：
Brangwynne, Clifford P.;MacKintosh, F. C.;Weitz, David A.
通讯作者：
Weitz, David A.
影响因子：
4
作者：
Schaub, Sebastien;Meister, Jean-Jacques;Verkhovsky, Alexander B.
通讯作者：
Verkhovsky, Alexander B.
影响因子：
64.8
作者：
Ross-Macdonald, P;Coelho, PSR;Snyder, M
通讯作者：
Snyder, M
影响因子：
5.8
作者：
Boland, MV;Murphy, RF
通讯作者：
Murphy, RF