立即注册找回密码

QQ登录

只需一步,快速开始

微信登录

微信扫一扫,快速登录

手机动态码快速登录

手机号快速注册登录

搜索

图文播报

查看: 1153|回复: 0

[分享] ImageJ实用技巧——荧光共定位分析原理(解析篇)

[复制链接]
发表于 2024-11-1 08:13 | 显示全部楼层 |阅读模式

登陆有奖并可浏览互动!

您需要 登录 才可以下载或查看,没有账号?立即注册 微信登录 手机动态码快速登录

×
荧光共定位分析(colocalization),是一种重要的荧光分析方法。
它的本质其实就是分析不同荧光标记的蛋白(这两种荧光必须有独立的发射波长),在空间中的重叠,从而判断这两种蛋白是否处于同一区域,即在同一像素上是否“恰巧”出现了两种不同的荧光分子。
共定位分析能间接地说明两个蛋白与同一结构有联系,但不是两种蛋白有相互作用的直接证据。荧光偏振能量转移(FRET)是研究蛋白质之间相互作用的一种比较直观的方法。

上一篇文章介绍了怎样利用ImageJ的插件进行荧光共定位:
但没有对具体的原理以及参数进行仔细的说明。这一篇会对荧光共定位的原理进行深入地解析,只有懂得了原理,才能避免在进行共定位分析的时候出现错误或者大的误差。
英语阅读不错的同学可以直接看官网说明以及Coloc 2的说明:

注:能打开下面视频的同学,请看完视频后,再看这篇文章。不能打开的,想办法。
参考视频:https://www.youtube.com/watch?v=QumGrxwajeE

一、两种荧光分子的共定位关系

如下图所示[1],用绿色荧光和红色荧光分别标记两种蛋白,这两种荧光的定位关系可以分为以下4类:
1、位置重合且亮度相近(Complete);
2、位置重合但亮度差别较大(Different intensity);
3、部分重合(Partial);
4、完全不重合(Exclusion)。


<hr/>二、共定位表征参数

共定位分析可以通过一系列不同的参数进行表征的,现在常用的两种参数是PCC和MCC[2],其中MCC这一参数使用最为广泛。还有其他的一些参数例如Spearman, Kendal&#39;s Tau, Li&#39;s ICQ,在这里就不再赘述。
1、皮尔森相关系数——Pearson’s correlation coefficient (PCC)


PCC的取值在1到-1之间。1表示完美相关; -1表示完全负相关,零表示随机关系(蛋白A和蛋白B随机分布,无相关性)。

2、曼德斯共定位系数——Manders&#39;  Colocalization Coefficients (MCC)




这两个系数使用地最为广泛,因为M1、M2代表一种蛋白质与另一种蛋白质共定位的部分,占这种蛋白总量的比例。相当于确定了两种荧光分子的重叠比例。例如,公式中的M1表示和绿色荧光共定位的红色荧光部分占总红色荧光区域的比例。

三、PCC和MCC的优缺点对比

很多同学在进行共定位分析的时候,常常会发现某个参数的大小与肉眼观察到的共定位情况差别很大。这是因为每一个参数都有其适用条件和优缺点,不对图像进行合理的分析和处理,会得到错误的分析结果。
1、PCC的适用条件即优缺点
适用条件:荧光A、B同时出现时比例相近,含量有比例关系


PCC只对线性数据有很好的解释和准确性,比如A、B在不同地方同时出现时的比例相近,例如都是1:1,这时候PCC能准确描述。但如果A、B虽然同时出现,但是不同地方的A、B含量比例不同,则用得到PCC会不准确。且背景对PCC有较大影响,测量时需要框选ROI以去除背景的影响
优点:PCC测量不需要对图片进行预处理,简单且不受用户偏差的影响,分析速度快。
缺点:PCC只适合两种荧光强度呈单一线性关系的情况进行共定位分析,对于没有固定比例分配的两种蛋白的共定位,PCC得到的结果较差。PCC只能得出一个抽象的整体值,不能反映共定位比例,且不适于表征3D图像的共定位。

2、MCC的适用条件即优缺点
适用条件:要求荧光信号有一定强度,能和背景很好地区分开。


优点:MCC最明显的优势在于它比PCC更直观地衡量共定位,能够显示荧光之间的重叠比例。对于PCC不能很好测量的非线性比例的情况,MCC也能很好表征。MCC分析也更适合于3D共定位分析。
缺点:MCC需要进行背景校正,检测前需要利用Threshold或者框选ROI以去除过多背景,因为背景对MCC的影响很大,需要对图片进行预处理。

四、共定位流程总结

如下图所示[2],这一流程图总结了在进行共定位分析时注意事项,什么情况下选择PCC、什么情况下选择MCC。
虽然现在应用的系数大多是MCC,但是也要分析具体的情况,例如荧光是否呈线性比例、物体是否能与背景准确分割等。


不论是选择PCC还是MCC,都需要框选ROI,以减小背景对结果的影响!

五、共定位散点图(scatterplot)分析

下图是一个典型的共定位散点图[1],x轴为绿色荧光的灰度值,y轴为红色荧光的灰度值。散点图上的每一个点,都代表图像上一个像素点红色和绿色强度的值。


Basal noise区域靠近原点,代表暗的背景。如果两种颜色的荧光呈1:1的共定位关系,则会看到一条斜率为1的趋势线:


如果两种颜色的荧光呈一定比例的共定位关系,但一种颜色将比另一种颜色更暗,会导致趋势线的斜率更倾向于该轴,例如下图:


如果两种颜色的荧光无明显的共定位关系,则出现的散点图如下所示:


<hr/>如果对于ImageJ使用有什么问题可以私信我,或者给我发邮件:zhaoyc9@163.com
更多教程可以关注我的专栏:
希望对大家有帮助~

参考文献:
[1]. Bolte S , F. P. CORDELIèRES. A guided tour into subcellular colocalization analysis in light microscopy[J]. Journal of Microscopy (Oxford), 2006, 224(3):213-232.
[2]. Dunn K W , Kamocka M M , Mcdonald J H . A practical guide to evaluating colocalization in biological microscopy[J]. AJP: Cell Physiology, 2011, 300(4):C723-C742.
[3]. Measurement of co-localization of objects in dual-colour confocal images[J]. Journal of Microscopy, 1993, 169(3):375-382.


原文地址:https://zhuanlan.zhihu.com/p/58194789
楼主热帖
回复

使用道具 举报

发表回复

您需要登录后才可以回帖 登录 | 立即注册 微信登录 手机动态码快速登录

本版积分规则

关闭

官方推荐 上一条 /3 下一条

快速回复 返回列表 客服中心 搜索 官方QQ群 洽谈合作
快速回复返回顶部 返回列表