基于深度学习的单分子荧光成像痕迹自动化学计量分析

Scidown文献预览系统！

作者：scidown 发布时间：2021-07-02 09:25:07 文章标题：

基于深度学习的单分子荧光成像痕迹自动化学计量分析( Automated Stoichiometry Analysis of Single-Molecule Fluorescence Imaging Traces via Deep Learning )

文章作者：

J Xu G Qin F Luo L Wang R Zhao N Li J Yuan X Fang

文章简述：

蛋白质复合物的化学计量比在细胞中被精确调节，是蛋白质功能的基础。基于单分子荧光成像的光漂白事件计数是生理条件下蛋白质化学计量测定的一种新方法。由于高噪声和光闪烁事件的干扰，从单分子荧光痕迹中准确提取真实的漂白步骤仍然是一项具有挑战性的任务。本文提出了一种新的利用卷积和长短期记忆深度学习神经网络(CLDNN)进行光漂白事件计数的方法。我们设计了卷积层来准确地提取阶梯式光漂白滴和长短时记忆(LSTM)复发层的特征，以区分光漂白和光闪烁事件。与传统的算法相比，CLDNN算法具有更高的精度，效率至少提高了2个数量级，并且不需要用户指定的参数。我们用体外单个染料标记分子和细胞表皮生长因子受体(EGFR)成像的实验数据验证了我们的CLDNN方法。我们的CLDNN方法有望为化学计量学研究和时间序列分析提供一种新的策略。

文章下载地址（开放版）：