Dissertação
Enhancing high-density single-molecule super-resolution imaging EVALUATED
Técnicas de microscopia de fluorescência de super-resolução, como microscopia de localização de moléculas únicas (SMLM), permitem a visualização de estruturas biológicas com resoluções na ordem de nanómetros com alta fidelidade. Contudo, analisar os extensos datasets adquiridos por estes métodos exige uma grande capacidade computacional. Adicionalmente, a capacidade dos algoritmos de localização de SMLM de resolver estruturas com elevadas densidades de fluoróforos com precisão representa uma limitação fundamental. Esta tese aborda estes desafios através do desenvolvimento de ferramentas computacionais otimizadas, abordagens analíticas e experimentais. Em primeiro lugar, é introduzida uma biblioteca em Python - NanoPyx - desenvolvida para acelerar computação para análise de imagem em super-resolução. Esta optimização é feita através da geração de múltiplas implementações de métodos e com a seleção dinâmica da mais rápida para cada hardware e dataset. Em segundo lugar, foram desenvolvidas simulações realistas de SMLM na biblioteca NanoPyx para sistematicamente avaliar a capacidade de quantificação de moléculas dos algoritmos de localização, revelando um limite de fidelidade de 1 molécula/ µm2. Em último lugar, foi desenvolvida uma estratégia experimental envolvendo competição de anticorpos para controlar linearmente a densidade de moléculas com fluoróforos. Variando o rácio de moléculas com e sem fluoróforos, a fidelidade dos algoritmos em contar moléculas pode ser caracterizada para diferentes condições de densidade, em experiências reais. O trabalho desenvolvido em otimização computacional, simulação e experiências contribui para um melhoramento na velocidade, fidelidade e caracterização quantitativa de técnicas de microscopia de super-resolução.
setembro 25, 2023, 14:30
Documentos da dissertação ainda não disponíveis publicamente
Orientação
