Method Article

测绘在细胞膜分子扩散,多目标跟踪(MTT)

DOI:

10.3791/3599

May 27th, 2012

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

多目标跟踪是一个自制的算法跟踪单独标记分子在活细胞的细胞膜。有效地检测,估计和跟踪在高密度的分子随着时间的推移,提供一个用户友好,全面的工具来研究纳米膜动力学。

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们的目标是获得细胞膜发生在不同的生物功能的分子过程的全面描述。我们的目标是在描述复杂的组织和细胞膜的动态,在单分子水平,开发的分析工具,专门在高密度单粒子追踪 (SPT): 多目标跟踪 (MTT)1。电视显微镜,单分子提供毫秒级和纳米级分辨率1-11,允许膜组织12-14详细表示,通过精确映射,如细 ​​胞受体的定位,流动性,禁闭或相互作用的描述。

我们重新审视六方会谈,实验和算法。实验方面包括:优化设置和细胞标记,以达到尽可能高的标签密度特别强调,为了提供一个分子动力学动态快照就这样发生在膜。算法的问题有关的每一步都用于重建的轨迹:峰值检测,估计和重新从15,16图像分析处理,通过特定的工具。实施后,检测通缩允许抢救峰最初隐藏相邻,峰强。值得注意的是,提高检测直接影响重联,减少内轨迹的差距。已评估使用各种标签密度和噪声值,这通常代表两个主要局限在高时空分辨率的并行测量的蒙特卡罗模拟表演。

17纳米的精度得到单分子,无论是连续使用开/关photoswitching或非线性光学,可以提供详尽的意见。这是19,20风暴18日 ,棕榈,RESOLFT 21 STED 22,23,WHI17 nanoscopy方法的基础上CH可能常常需要固定的样品成像。中心任务是有限的单分子所产生的衍射峰的检测和估计。因此,提供足够的假设,如恒定的定位精度,而不是处理布朗运动,MTT法是直截了当地适用于纳米级的分析。此外,MTT法可以从根本上被使用在任何规模:不仅为分子,同时也为细胞或动物,例如。因此,MTT法是一个功能强大的跟踪算法,发现在细胞和分子尺度的应用。

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在这段视频中,我们提出了一个完整的单粒子追踪实验,利用量子点定位到一个特定的膜受体。这项实验的主要目标包括在鉴别不同类型的测量活细胞的细胞膜内的分子扩散行为。事实上,在膜产生的分子运动,通常可以从布朗扩散偏离线性指示或局限在nanodomains 26日至29日,例如。我们的目标,同时为许多技术上是可行的受体后,提供了在一个活细胞的细胞膜内发生的动力学产生的各种快照。这是最终有望使细胞表面的受体信号的调节机制破译。

1。细胞培养

  1. 准备细胞样品:使用附着COS-7细胞内源性表达的表皮生长因子受体(EGFR)30。何时与活细胞的工作,不用抗生素,确保有没有潜子检出污染,使用适当的无菌技术,在任何时候都在准备。
  2. 生长在细胞完全培养基(DMEM培养液,10%小牛血清,1%谷氨酰胺,肝素钠1%和1%丙酮酸钠,见下面的特定试剂的表),在37°C,7%的CO 2,照顾,让他们分合流,之前他们在Lab-Tek的传播呈指数增长。
  3. 实验前的一天,传播5000细胞/以及在8室(实验室TEK)孵育过夜。计数细胞,保证了恒定的细胞密度,因此每个细胞中的量子点的重现率。

2。细胞标记

量子点准备与一个特定的涂层。量子点是半导体荧光纳米粒子组成。这些纳米粒子呈现出高息,因为它们是非常明亮,耐光古典荧光探针31,32,这使得单分子成像成就一个适当的信号噪声比(SNR)。

  1. 实验前,产生杂交瘤细胞株(108单克隆抗体,ATCC HB - 9764)针对表皮生长因子受体的Fab片段与木瓜蛋白酶消化,如前面所述21。
  2. 共轭厂与生物素,为制造商的说明(EZ链接磺酸基NHS-LC-生物素包; Thermo Scientific的, 图1A)。
  3. 使用功能在605纳米(最佳发射波长的辉煌,从细胞自体荧光检测和分离)与链霉亲和素(Invitrogen公司)和发光的量子点。
  4. 准备在完全培养基的标签解决方案(见特定试剂的表),以饱和的streptavidins目前量子点周围,以及防止聚集和非特异性结合到细胞和盖玻片。
  5. 准备两个中间的解决方案:量子点 - 亲和另一个与生物素厂之一,在20纳米之一。
  6. 混合等量的这两个解决方案:在1:1的比例混合厂的量子点,获​​得最后的工作浓度为10纳米晶圆厂:量子点复杂。使用摩尔比,有利于形成一个量子点和一个生物素化的Fab片段组成的单官能络合物。这有利于单价标签,由于受体交联33,34限制工件的意见。
  7. 在25°C孵育15分钟,每分钟1200转振动筛,以防止聚集。混合,然后准备使用活细胞。
  8. 在37℃孵育细胞100μL混合5分钟,7%的CO 2。
  9. 用细胞非萤光成像介质(HBSS中的缓冲区,1%肝素钠,看到表的特定试剂)预温37°C。
  10. 仔细去除多余的标签,以防止联合国必要通过绑定破坏信噪比,重点量子点,通过广泛与成像介质,在室温下通常为5倍延迟至少5分钟前,最后一次洗涤洗涤每口井。

3。光学装置

视频显微镜设置四个主要部分组成:

  1. 倒置显微镜与一个特定的荧光立方体(FF01-457/50激励,FF495-Di02分色,FF01-617/73排放过滤器,Semrock)和高数值孔径(1.3或1.49)油浸泡100X目标。
  2. 一个100瓦汞灯(通过光纤耦合到显微镜,避免干扰与体温)。
  3. 512 x 512像素高灵敏度EMCCD相机达到了足够的信噪比。
  4. 孵化器保持在37°C,在实验过程中的生物样品。

4。获得

  1. 选择孤立和传播良好的细胞。这利于延长不错,平坦的伪足,最适合寻找分子膜的平面运动,。
  2. 评估细胞的生理状态,其外观都在透射光荧光:紧张水疱交通,坏死或凋亡的迹象,低自体荧光,平均强大的量子点标记(通常高达1000每单元量子点的情况下,请参阅图1b)。
  3. 选择一个高的标签密度,同时监测尽可能多的受体是至关重要的。这实际上是有限的生理(表面的表达,抗原无障碍,横向运动)和算法参数(非重叠的点扩散函数(PSF),即使考虑到由于议案的帐户模糊,允许适当的检测和重新连接)。
  4. 对于每一个细胞,首次获得明场图像(优先使用,DIC,如果有的话),可以进一步让检查细胞方面和空间限制的lamellipodia。
  5. 保存该图像,视频栈(如例如cell1.tifcell1.stk)使用相同的名称,在名为DIC的一个子文件夹,因为,这些公约,该算法可以自动找回来的图像匹配每个堆栈。
  6. 收购每单元1至3部影片,连续,通常在36毫秒率,以最快的速度在全画幅,这台相机实现。但是人们可以获取更高的频率,可达1毫秒率,使用专用的CCD具有更高的灵敏度和/或更少的像素。帧传输技术,提供帧之间的延迟可以忽略不计。
  7. 电子乘法增强应始终设置为最大(仅低于饱和,如果有关的话),可以达到单个分子的敏感性,有足够的信噪比,至少超过20分贝(高效的峰值检测1),通常约为25-30分贝。
  8. 通常情况下获得300帧,每部影片,罪CE轨迹〜100帧平均多长的闪烁事件的限制,重建了。视频频率和长度可以适应一个给定的措施,例如可能需要更长的痕迹。

5。 MTT法分析

  1. 目录中包含的视频文件与Matlab或倍频评价一个给定的数据集选择的路径。
  2. 要启动的完全自动化的分析1,35,键入精明,或MTT23i在Matlab命令detect_reconnex23。这个方案表示"2.3版本的用户界面,"可供下载,与以前的2.2版本。它首先显示的图形界面,列出所有使用的参数, 如图所示。 2。

6。代表结果

MTT法自动分析每个视频录像机,实现目标的检测和估计的痕迹,进一步补充如坐月子检测vestigations。这最终使细胞图像( 图1C&3)映射的痕迹。

MTT法说明

核心MTT法进行了每一帧,调用3( 图3)主要任务:

  1. 作为一个双维高斯峰:存在存在或没有一个目标(量子点),在滑动分区域先后围绕每个像素的中心,其中两个假设进行了比较,无论是信号检测与PSF模型化,或唯一的噪音,投保足够低的误报的一个门槛,用虚假检测不到百分之一帧。这将导致检测概率图。被认为是一个假定的目标,每个地方的最高投保,其概率是根据所需的误报警(PFA)的概率,比最低值高。此限制设置得足够低,有效地辨别信号噪音花费较长时间,避免在(10-6 PFA默认情况下,以保证在512×512像素的图像误差不到一)虚假检测,同时仍然允许足够高的检测概率,达到了理论预测最佳1。需要注意的是,使用一个分区域的要求意味着,图像边界(3个像素,为7×7像素的默认窗口)无法评估。
  2. 估计,对有关参数,如亚像素位置和信号强度,每个检测到的目标。对于每一个检测到的目标,最小二乘高斯 - 牛顿适合未来执行估计检测高斯的位置,宽度和高度。这提供了显着的染料的亚像素位置(10至20纳米精度典型的SNR值和静止或缓慢扩散的染料,增加染料在0.1微米的2 / s的扩散到约100 nm)。
  3. 重联的新目标已建成超过前一帧的痕迹。以前的痕迹,再配上一套新的目标。为此,为了给每个目标跟踪,如果可能的话,使用所有可用的统计资料,从检测步骤获得,不仅地位,但也强度,宽度,闪烁和相关的统计。因此,目标不只是分配到最近的痕迹:在过路的痕迹,强度,速度,宽度和闪烁的情况下将被视为。这也提供了统计最优的重联得分。此策略避免了可能的时候,向近邻偏置重联。

检测峰可以拒绝,如果他们的估计或重新连接失败后验。一个特殊的测试处理检测新的高峰,这将启动新的痕迹。本试验采用更严格的PFA(10-7),自重新高峰跟踪验证Ø可以解释为事实上 f的相关性(这个标准定义不适用新的高峰)。

轨迹分析

未来可能短暂监禁评估当地扩散24-29负相关的功能。应用门槛,允许定义限制或不发作。通过遍历所有的痕迹,我们可以将膜动力学,在短暂的禁闭/放慢事件。这可以交替使用二进制或本隔离指数的离散值代表。

默认情况下,MTT法自动执行这些任务,保存在一个文本文件中的8个峰参数:车架号,i和j的位置,信号强度,半径,偏移和闪烁每个视频帧(组7行)和微量元素(列), 。这些输出参数,可以重新使用Matlab或倍频fread_data_spt脚本,为进一步分析即走线或信号强度,作为体现在 "https://www.jove.com/files/ftp_upload/3599/MTT_example.txt"> MTT_example脚本附录。

进一步的分析,导致映射的每个单元的痕迹( 图1C),并提供相关参数(如峰值强度,信噪比或局部扩散值)直方图分布。对于每个文件,平均每个参数的标准偏差都保存在一个文本文件,图像的直方图。对数分布,如R 2平方位移,导致以几何平均数。从以上的MSD曲线的第一个五点的线性拟合计算的扩散系数D。这些值涉及细胞反应或影响膜组织的制药/酶处理的例子动力学实验提供了一个概述。由于MTT法是一个开放的源代码,这方面可以很容易适应任何专门的调查。

599fig1.jpg"ALT ="图1"/>
图1。膜受体的动态监测采用MTT。(一)膜元件,如表皮生长因子受体,与生物素化的Fab片段(约正确的,每个分子尺度的示意图)耦合量子点标记。 (二)典型的荧光图像获得从现场的COS-7细胞,用36毫秒的曝光时间,描绘有限衍射峰对应的个别标记的受体。 (三)MTT法显示输出受体重组后的轨迹,对细胞的明图像覆盖。

figure-protocol-1
图2。 MTT法输入参数。运行MTT23i打开图形用户界面,列出所有的输入参数,名称和默认值,在我们以前出版1。在算法,空间和时间参数(搜索窗口,峰值半径,最大扩散闪烁)是无量纲的标准单位,像素和帧。校准可用于事后转换输出结果。默认值,相应的一个梯级512BFT 100X倍率,像素大小:156海里/ PXL和帧延迟:36毫秒/帧。

调查人员应优化几个关键参数,如预期的最大扩散系数("变化最大")和最大闪烁失踪("T OFF")。这两个时间和空间的限制,几乎是唯一的,需要重新考虑,对于一个给定的实验条件下,健壮的默认值被设置为其他的。例如,误报的数量直接设置,以确保每万像素不到一个错误,因此比每一个框架,这在大多数情况下是令人满意的。所有参数都保存在一个文本文件输出文件夹中,让用户核实后的设置被用于分析。

s/ftp_upload/3599/3599fig3.jpg"ALT ="图3"/>
图3。 MTT法的主要步骤。从实验的荧光图像栈开始,峰顺序,并自动检测,估计高斯拟合和多帧重新连接(第一的经营范围,上部流程图)。假定禁闭的痕迹可以进一步加以分析,例如,最终导致了相关描述(第二经营范围,下部)的动态地图。

figure-protocol-2
图4。标签价不会影响MTT法评估可能的偏差,通过人工的多价标签介绍,MTT法进行跟踪标签使用2个不同的方案,以生成和分析的轨迹图的内源性表皮生长因子受体。 (A)受体与生物素化的Fab和量子dots605的 - 亲标签,在协议中所述。在这种情况下,量子点和streptavidins多价可能会导致在一个单一的染料耦合几个受体。 (二)受体标记直接耦合到一个有机染料,Atto647N晶圆厂。在这种情况下,一个晶圆厂,因此一个受体,可以再加上一个以上的染料。 (三)平均平方位移(MSD)的曲线,计算出每个单元的所有痕迹,标记与量子点或阿托染料(左边和右边的图形,分别)。超过五个第一的MSD(红色虚线)点的线性拟合计算扩散系数。每个标签导致类似的扩散值(图中央)的计划。 qdot:量子dots605(N = 5个细胞),阿托:Atto647N(N = 7细胞),NS:不显着(学生t检验P值> 0.05)。

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

旁边的细胞和显微镜的各个方面,在单粒子跟踪,分析代表了相当一部分的工作。这解决了算法用于执行三大任务:检测,评估和重新连接了每帧的山峰。但随之而来的这项工作方面驻留在拟订算法本身,这可能需要适应任何新的专门调查,基本上最后,额外的步骤(如破译运动模式,相互作用或化学计量学)。

然而,一旦该算法充分开发,运行,它是简单的,特别是因为我们付出的输入参数的数量保持在最低( 图3)注意。这使得MTT法非常强大的,易于实现。制定MTT法时,我们的目的完全重新考虑每个任务所用的分析选项。我们要优化过程中,沿着两个具有挑战性的轴:

  1. 处理机智h高密度标签提供在长期的细胞表面采样空间的详细信息。理想的情况下,一会尝试遵循一个几乎完整的分子人口,同时,为了获得一个全面的观察。然而,如此详尽的标签会导致类似古典通过免疫获得的图像,而不单分子决议,强烈的,因为所有的标签重叠由于衍射。对于典型的分子数(即〜10 5受体30细胞)和细胞大小(即〜30微米),如果我们假设均匀分布,分子间的平均距离约100 nm...

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

没有利益冲突的声明。

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

我们感谢我们的团队成员提供技术援助,特别是管委会Blache,以及M Irla和乙Imhof,对他们的支持和富有成效的讨论。通缩和分娩的数字再现自然方法提供。支持这个项目是由国家科学研究中心(INSERM)和马赛大学,体制补助和特定地区研究所国家杜癌症,法新社国立德拉Recherche(普罗旺斯 - 阿尔卑斯 - 科特迪瓦-d'Azur补助的ANR-08-PCVI 0034-02,国家情报局2010汪曾祺1214 01)基金会争取,LA RECHERCHEMédicale(队报labéliséeFRM-2009)。 VR是支持从法甲国立CONTRE LE癌症的奖学金。

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
试剂 公司 目录编号 数量
COS-7细胞系 ATCC CRL-1651 5000细胞/孔
无钙的HBSS中2 + GIBCO公司 14175 1毫升
胰蛋白酶EDTA的0.05% GIBCO公司 25300 1毫升
8以及实验室TEK NUNC 155441 1
QDot-605链霉 Invitrogen公司 Q10101MP 20毫米
生物素厂 (为晶圆厂合成,见参考文献21)
从单克隆抗体的Fab 108 ATCC HB-9764 200微克
NHS-生物素 Thermo Scientific的 21435 18.5微克
完全培养基
DMEM培养液 GIBCO公司 41965 500毫升
胎牛血清西格玛 F7524 50毫升
L-谷氨酰胺 GIBCO公司 25030 5毫升
肝素钠 GIBCO公司 15630 5毫升
丙酮酸钠 GIBCO公司 11360 5毫升
成像介质
与钙的HBSS中2 + GIBCO公司 14025 25毫升
肝素钠 GIBCO公司 15630 250μL

1"> 设备 公司 参考 倒置显微镜尼康日食TE2000U 日光灯尼康 intensilightÇ-HGFIE 1.3适用100X目标尼康计划氟1.30 1.49不适用100X目标尼康亚洲生产力组织的TIRF 1.49 相机罗珀科学级联512 B的恒温箱生活影像服务包装盒

附录:例如MTT的补充分析脚本

,功能 MTT_example(FILE_NAME)
%%%Basic示例显示如何恢复MTT法的输出结果
%%%绘制每个TRAC
e和建立直方图
荧光强度的%%

nargin <1%,如果没有提供FILE_NAME?
文件= DIR('* STK');
如果的isEmpty(文件),DISP('没有数据'在当前目录), 返回,结束
FILE_NAME =文件(1)名称;%默认:第一STK文件
DISP(['使用'FILE_NAME'默认'])
结束

file_param = [FILE_NAME"_tab_param.dat'];%的输出文件

%负载数据
CD%或("output22)("output23),根据版本使用
声明:版本2.2只产生7个参数,
%一个额外的参数,噪声,2.3版本中添加了

%在一个表中一次读取所有的参数,
%tab_param = fread_all_param(file_param);
%TA
b_i = tab_param(2:8结束,:); tab_j = ...

%在不同的表读取所有参数(除frame_number)
%[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);%,指数是3,因为跟踪号码和车架号码,非知识性,被丢弃!
tab_j = fread_data_spt(file_param,4);
tab_alpha = fread_data_spt(file_param,5);
tab_blk = fread_data_spt(file_param,8);

%%循环过的痕迹
n_traces =大小(tab_i,1);
%表是由N_frames colums N_traces线

ITRC = 1:N_traces
no_blk_index = tab_blk(ITRC,:)> 0%,非只有闪烁的步骤
情节(tab_i(ITRC No_blk_index)的,tab_j(ITRC No_blk_index)的)
&NBSP; xlabel('I(像素)'),ylabel('J(像素)")
标题([微量#'num2str(ITRC)])
DISP('请取得任何未来跟踪的关键"),暂停
结束

%FLUO直方图的
n_datapoints = SUM(tab_blk(:)> 0);%,无闪烁的步骤
* SQRT(N_datapoints)的)历史(tab_alpha(tab_blk> 0),2%使用2sqrt(N)的垃圾箱
xlabel('强度(非盟)'),ylabel('发生')
标题("粒子的荧光强度的直方图')

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Serge, A., Bertaux, N., Rigneault, H., Marguet, D. Dynamic multiple-target tracing to probe spatiotemporal cartography of cell membranes. Nat. Methods. 5, 687-694 (2008).
  2. Schmidt, T., Schutz, G. J., Baumgartner, W., Gruber, H. J., Schindler, H. Imaging of single molecule diffusion. Proc. Natl. Acad. Sci. U S A. 93, 2926-2929 (1996).
  3. Lommerse, P. H. Single-molecule imaging of the H-ras membrane-anchor reveals domains in the cytoplasmic leaflet of the cell membrane. Biophys. J. 86, 609-616 (2004).
  4. Marguet, D., Lenne, P. F., Rigneault, H., He, H. T. Dynamics in the plasma membrane: how to combine fluidity and order. EMBO. J. 25, 3446-3457 (2006).
  5. Saxton, M. J., Jacobson, K. Single-particle tracking: applications to membrane dynamics. Annu. Rev. Biophys. Biomol. Struct. 26, 373-399 (1997).
  6. Dahan, M. Diffusion dynamics of glycine receptors revealed by single-quantum dot tracking. Science. 302, 442-445 (2003).
  7. Harms, G. S. Single-molecule imaging of l-type Ca(2+) channels in live cells. Biophys. J. 81, 2639-2646 (2001).
  8. Iino, R., Koyama, I., Kusumi, A. Single molecule imaging of green fluorescent proteins in living cells: E-cadherin forms oligomers on the free cell surface. Biophys. J. 80, 2667-2677 (2001).
  9. Sako, Y., Minoghchi, S., Yanagida, T. Single-molecule imaging of EGFR signalling on the surface of living cells. Nat. Cell Biol. 2, 168-172 (2000).
  10. Schutz, G. J., Kada, G., Pastushenko, V. P., Schindler, H. Properties of lipid microdomains in a muscle cell membrane visualized by single molecule microscopy. Embo. J. 19, 892-901 (2000).
  11. Seisenberger, G. Real-time single-molecule imaging of the infection pathway of an adeno-associated virus. Science. 294, 1929-1932 (2001).
  12. Jacobson, K., Sheets, E. D., Simson, R. Revisiting the fluid mosaic model of membranes. Science. 268, 1441-1442 (1995).
  13. Saffman, P. G., Delbruck, M. Brownian motion in biological membranes. Proc. Natl. Acad. Sci. U S A. 72, 3111-3113 (1975).
  14. Singer, S. J., Nicolson, G. L. The fluid mosaic model of the structure of cell membranes. Science. 175, 720-731 (1972).
  15. Papoulis, A. Probability, Random Variables and Stochastic Process 277. , McGraw Hill. (2001).
  16. Van Trees, H. L. Detection, Estimation, and Modulation Theory, Wiley Inter-Science. , (1968).
  17. Moerner, W. E. Single-molecule mountains yield nanoscale cell images. Nat. Methods. 3, 781-782 (2006).
  18. Rust, M. J., Bates, M., Zhuang, X. Sub-diffraction-limit imaging by stochastic optical reconstruction microscopy (STORM). Nat. Methods. 3, 793-795 (2006).
  19. Betzig, E. Imaging intracellular fluorescent proteins at nanometer resolution. Science. 313, 1642-1645 (2006).
  20. Manley, S. High-density mapping of single-molecule trajectories with photoactivated localization microscopy. Nat. Methods. 5, 155-157 (2008).
  21. Andrew, S. M. Enzymatic digestion of monoclonal antibodies. Methods Mol. Med. 40, 325-331 (2000).
  22. Hell, S. W., Wichmann, J. Breaking the diffraction resolution limit by stimulated emission: stimulated-emission-depletion fluorescence microscopy. Opt. Lett. 19, 780-782 (1994).
  23. Klar, T. A., Hell, S. W. Subdiffraction resolution in far-field fluorescence microscopy. Opt. Lett. 24, 954-956 (1999).
  24. Meilhac, N., Guyader, L. L. e, Salome, L., Destainville, N. Detection of confinement and jumps in single-molecule membrane trajectories. Phys. Rev. E. Stat. Nonlin. Soft. Matter Phys. 73, 011915(2006).
  25. Saxton, M. J. Single-particle tracking: effects of corrals. Biophys. J. 69, 389-398 (1995).
  26. Serge, A., Fourgeaud, L., Hemar, A., Choquet, D. Receptor activation and homer differentially control the lateral mobility of metabotropic glutamate receptor 5 in the neuronal membrane. J. Neurosci. 22, 3910-3920 (2002).
  27. Simson, R., Sheets, E. D., Jacobson, K. Detection of temporary lateral confinement of membrane proteins using single-particle tracking analysis. Biophys. J. 69, 989-993 (1995).
  28. Jacobson, K., Dietrich, C. Looking at lipid rafts. Trends Cell Biol. 9, 87-91 (1999).
  29. Kusumi, A., Sako, Y., Yamamoto, M. Confined lateral diffusion of membrane receptors as studied by single particle tracking (nanovid microscopy). Effects of calcium-induced differentiation in cultured epithelial cells. Biophys. J. 65, 2021-2040 (1993).
  30. Livneh, E. Large deletions in the cytoplasmic kinase domain of the epidermal growth factor receptor do not affect its laternal mobility. J. Cell Biol. 103, 327-331 (1986).
  31. Medintz, I. L., Uyeda, H. T., Goldman, E. R., Mattoussi, H. Quantum dot bioconjugates for imaging, labelling and. 4, 435-446 (2005).
  32. Wu, X., Bruchez, M. P. Labeling cellular targets with semiconductor quantum dot conjugates. Methods Cell Biol. 75, 171-183 (2004).
  33. Mohammadi, M. Aggregation-induced activation of the epidermal growth factor receptor protein tyrosine kinase. Biochemistry. 32, 8742-8748 (1993).
  34. Howarth, M. Monovalent, reduced-size quantum dots for imaging receptors on living cells. Nat. Methods. 5, 397-399 (2008).
  35. Bertaux, N., Marguet, D., Rigneault, H., Sergé, A. Multiple-target tracing (MTT) algorithm probes molecular dynamics at cell surface. Protocol Exchange. , (1038).
  36. Groc, L. Surface trafficking of neurotransmitter receptor: comparison between single-molecule/quantum dot strategies. The Journal of neuroscience : the official journal of the Society for Neuroscience. 27, 12433-12437 (2007).
  37. Cui, B. One at a time, live tracking of NGF axonal transport using quantum dots. Proceedings of the National Academy of Sciences of the United States of America. 104, 13666-13671 (2007).
  38. He, H. T., Marguet, D. Detecting nanodomains in living cell membrane by fluorescence correlation spectroscopy. Annu. Rev. Phys. Chem. 62, 417-436 (2011).
  39. Cebecauer, M., Spitaler, M., Serge, A., Magee, A. I. Signalling complexes and clusters: functional advantages and methodological hurdles. J. Cell. Sci. 123, 309-320 (2010).
  40. Kao, H. P., Verkman, A. S. Tracking of single fluorescent particles in three dimensions: use of cylindrical optics to encode particle position. Biophys. J. 67, 1291-1300 (1994).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Multiple Target TracingSingle Particle TrackingEpidermal Growth Factor ReceptorQuantum Dot LabelingHigh Density ImagingTrajectory ReconstructionPeak DetectionDeflation AlgorithmTransient Confinement AnalysisMonte Carlo Simulations

Related Articles