胆固醇与含PUFA磷脂作用的分子动力学影响研究

通过分子动力学研究了胆固醇对含有PUFA的SDPC磷脂双层膜的影响,引入了单不饱和的SOPC磷脂膜进行对比。模拟结果表明,加入胆固醇能够提高脂膜的有序度,增加脂膜的厚度。该效果在胆固醇的摩尔浓度为25%左右增大了两种磷脂的差异,在50%左右差异减小。通过对胆固醇周围最近邻磷脂链密度的分析发现,低饱和度的DHA链影响了SDPC中饱和链与胆固醇的相互作用,说明一定浓度下的胆固醇可能通过对PUFA微区性质的调节,促进细胞膜中不同饱和度磷脂的液相分离。

基于多测量矢量压缩感知的超分辨荧光显微成像研究

在超分辨荧光显微成像技术中,单分子定位显微方法是被广泛应用的技术之一。根据荧光显微成像原理构造多测量矢量压缩感知模型(Multiple Measurement Vector-Compressed Sensing,MMVCS),并采用多重稀疏贝叶斯学习算法进行求解,来实现超分辨荧光图像重建。分析了有效像元大小、荧光分子生成的光子数和背景信号泊松化噪声对重建结果的影响,以及在图像进行分块处理时算法运行时间的分析。模拟和实验计算分析表明,当点扩展函数的标准差在160 nm时,有效像元大小在120、160、200 nm能取得较好的重构效果,而在60 nm时效果较差。探测器收集的光子数越多,重构效果越好,随着背景信号光子数增加时,离得越近的样品结构越不能分辨。在同样的分块处理情况下,MMV-CS比同伦算法(L1-Homotopy,L1-H)和凸优化算法(CVX)分别快一个数量级和三个数量级,因此,在研究三维超分辨荧光显微成像时,MMV-CS算法在运行时间上具有更大的优势。

基于压缩感知的三维单分子定位显微成像方法研究

本文建立了一种三维压缩感知模型以实现对高密度荧光分子图像的快速三维定位。首先,根据荧光显微的三维点扩展函数成像理论,设计测量矩阵,并建立压缩感知模型。接着,对荧光显微成像过程进行了模拟,并采用凸优化方法(CVX)、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法和同伦算法对建立的压缩感知模型中模拟生成的图像进行了定位分析,分别从恢复率、定位精度、重构时间几方面进行了对比。最后,采用同伦算法对模拟的生物样品和实验室采集的细胞进行了三维定位,并获得了三维超分辨图像。对比结果表明:在重构密度和定位精度接近的情况下,同伦算法比CVX方法的重构速度快2个数量级。同伦算法较OMP算法的定位精度要高一倍。采用同伦算法来实现三维的超分辨荧光显微成像在节约计算时间、实现实时成像方面具有一定的意义。

基于极大似然法的超分辨荧光显微成像方法研究

由于光的衍射极限限制,人们无法观察精细的细胞结构和获得纳米级的蛋白质以及生物分子信息.本研究采用极大似然算法来实现单分子定位.首先,对荧光分子图像进行解卷积和二值化处理降噪;其次,对荧光显微成像过程建立极大似然模型;最后,用优化工具箱函数进行求解.模拟结果表明:相邻20 nm的2条分子带可以分辨;将此算法应用于实际生物样品的超分辨成像时,原本不能区别的2条微丝可以进行区分,且分辨能力得到了提高;极大似然法可以很好地完成分子定位,进而实现超分辨图像的重构.