Objetivos múltiples de seguimiento es un algoritmo desarrollado para el seguimiento de fabricación casera individualmente moléculas marcadas dentro de la membrana plasmática de las células vivas. De manera eficiente la detección, la estimación y el seguimiento de las moléculas a través del tiempo en la alta densidad proporcionan un fácil de usar, herramienta completa para investigar la dinámica de la membrana a nanoescala.
Nuestro objetivo es obtener una descripción completa de los procesos moleculares que ocurren en las membranas celulares de diferentes funciones biológicas. Nuestro objetivo es la caracterización de la organización compleja y dinámica de la membrana plasmática en una sola molécula de nivel, mediante el desarrollo de herramientas analíticas dedicadas a una sola partícula de seguimiento (SPT) en alta densidad: Múltiples-Objetivo de Búsquedas (MTT) 1. Una sola molécula de videomicroscopía, ofreciendo milisegundos y resolución nanométrica 1-11, permite una representación detallada de la organización de la membrana 12-14 con precisión la cartografía descriptores tales como la localización de los receptores de la célula, la movilidad, el parto o interacciones.
Volvimos a visitar el SPT, tanto a nivel experimental y algorítmicamente. Aspectos experimentales incluyeron la optimización de la configuración y el etiquetado de células, con un énfasis particular en alcanzar la densidad de etiquetado más alto posible, a fin de proporcionar una instantánea dinámica de una dinámica moleculars que se produce dentro de la membrana. Problemas algorítmicos en cuestión cada paso utilizado para la reconstrucción de las trayectorias: la detección de picos, la estimación y la reconexión, se dirigió a las herramientas específicas de análisis de imagen 15,16. Implementación de la deflación después de la detección permite que los picos rescate oculto inicialmente por los picos vecinos, más fuertes. Es de destacar que la mejora de la detección de un impacto directo en la reconexión, por la reducción de las diferencias dentro de las trayectorias. Las presentaciones han sido evaluadas utilizando simulaciones de Monte Carlo para la densidad de etiquetado diferentes y los valores de ruido, que normalmente representan las dos principales limitaciones de las mediciones paralelas con una resolución espacial y temporal de alta.
La precisión nanométrica 17 obtenido por moléculas individuales, usando ya sea sucesiva de encendido / apagado óptica photoswitching o no lineal, puede entregar observaciones exhaustivas. Esta es la base de los métodos de Nanoscopia 17 como TORMENTA 18, PALM 19,20, 21 o RESOLFT STED 22,23, WHICH menudo pueden requerir muestras de imágenes fijas. La tarea principal es la detección y estimación de los escasos picos de difracción que emanan de una sola molécula. Por lo tanto, proporcionar las hipótesis adecuadas, tales como el manejo de una precisión de posicionamiento constante en lugar del movimiento browniano, el MTT es francamente adecuado para el análisis de nanoscópicos. Además, MTT fundamentalmente se puede utilizar en cualquier escala: no sólo para las moléculas, sino también para las células o animales, por ejemplo. Por lo tanto, MTT es un algoritmo de seguimiento de gran alcance que tiene aplicaciones a escala molecular y celular.
En una sola partícula de seguimiento, junto a los aspectos celulares y microscopía, el análisis representa una parte sustancial de la obra. Esto se dirige el algoritmo utilizado para realizar las tres tareas principales: la detección, la estimación y volver a conectar picos de más de cada fotograma. Pero el aspecto consecuente de este trabajo reside en la elaboración del propio algoritmo, que puede ser necesario adaptar a cualquier nueva investigación dedicada, fundamentalmente por los últimos pasos, extra (com…
The authors have nothing to disclose.
Damos las gracias a los miembros de nuestro equipo, sobre todo Blache MC para la asistencia técnica, así como M Irla y Imhof B, por su apoyo y fructíferos debates. Las cifras de la deflación y el confinamiento reproducido por cortesía de Nature Methods. Este proyecto es apoyado por becas institucionales del CNRS, el INSERM y la Universidad de Marsella, y por ayudas económicas de la región de Provenza-Alpes-Costa Azul, Instituto Nacional del Cáncer, la Agence Nationale de la Recherche (ANR-08-PCVI- 0034-02, la ANR 2010 BLAN 1214 01) y Fondation pour la Recherche Médicale (Equipe labélisée FRM-2009). VR con el apoyo de una beca de la Ligue Nationale Contre le Cancer.
Reagent | Company | Catalogue number | Quantity |
Cos-7 cell line | ATCC | CRL-1651 | 5,000 cells/well |
HBSS without Ca2+ | GIBCO | 14175 | 1 ml |
0.05% Trypsin EDTA | GIBCO | 25300 | 1 ml |
8-well Lab-tek | NUNC | 155441 | 1 |
QDot-605 streptavidin | Invitrogen | Q10101MP | 20 mM |
Biotinylated Fab (for Fab synthesis, see reference 21) | |||
Fab from mAb 108 | ATCC | HB-9764 | 200 μg |
NHS-Biotin | Thermo Scientific | 21435 | 18.5 μg |
Complete medium | |||
DMEM | GIBCO | 41965 | 500 ml |
Fetal Bovine Serum | SIGMA | F7524 | 50 ml |
L-Glutamine | GIBCO | 25030 | 5 ml |
HEPES | GIBCO | 15630 | 5 ml |
Sodium Pyruvate | GIBCO | 11360 | 5 ml |
Imaging medium | |||
HBSS with Ca2+ | GIBCO | 14025 | 25 ml |
HEPES | GIBCO | 15630 | 250 μl |
Equipment | Company | Reference |
Inverted microscope | Nikon | Eclipse TE2000U |
Fluorescent lamp | Nikon | Intensilight C-HGFIE |
1.3 NA 100x objective | Nikon | Plan Fluor 1.30 |
1.49 NA 100x objective | Nikon | APO TIRF 1.49 |
Camera | Roper Scientific | Cascade 512 B |
Thermostated box | Life Imaging Services | The Box |
Appendix: example Script of MTT supplementary analysis
function MTT_example(file_name)
%%% Basic examples showing how to recover MTT output results
%%% to plot each trace and to build the histogram
%%% of fluorescence intensities
if nargin<1 % no file_name provided?
files = dir(‘*.stk’);
if isempty(files), disp(‘no data in current dir’), return, end
file_name = files(1).name; % default: first stk file
disp([‘using’ file_name ‘by default’])
end
file_param = [file_name ‘_tab_param.dat’]; % output file
%% Load data
cd(‘output23′) % or (‘output22’), according to version used
% Disclaimer: version 2.2 only generates 7 parameters,
% an extra parameter, noise, was added in version 2.3
% To read all parameters at once, in a single table
% tab_param = fread_all_param(file_param);
% tab_i = tab_param(2:8:end, :); tab_j = …
% To read all parameters (except frame_number) in separate tables
% [tab_i,tab_j,tab_alpha,tab_radius,tab_offset,tab_blk,tab_noise] = fread_all_data_spt(file_param);
tab_i = fread_data_spt(file_param, 3); % index is 3 because trace number & frame number, non informative, are discarded!
tab_j= fread_data_spt(file_param, 4);
tab_alpha = fread_data_spt(file_param, 5);
tab_blk = fread_data_spt(file_param, 8);
%% Loop over traces
N_traces = size(tab_i,1);
% Tables are N_traces lines by N_frames colums
for itrc = 1:N_traces
No_blk_index = tab_blk(itrc, :)>0; % non blinking steps only
plot(tab_i(itrc, No_blk_index), tab_j(itrc, No_blk_index))
xlabel(‘i (pixel)’), ylabel(‘j (pixel)’)
title([‘trace # ‘ num2str(itrc)])
disp(‘Please strike any key for next trace’), pause
end
%% Fluo histogram
N_datapoints = sum(tab_blk(:)>0); % non blinking steps only
hist(tab_alpha(tab_blk>0),2*sqrt(N_datapoints)) % using 2sqrt(N) bins
xlabel(‘intensity (a.u.)’), ylabel(‘occurrence’)
title(‘histogram of particles fluorescence intensity’)