科研之友
微信
新浪微博
Facebook
分享链接
摘要
膜蛋白在细胞膜上的时空分布形式决定其活性状态及功能，在调控细胞生命活动过程中起着重要作用。单分子定位超分辨成像技术（SMLM）为在纳米尺度解析膜蛋白的空间分布提供了可能，但分辨率的极大提升对图像的准确聚类分割也提出了更高的要求。基于密度的空间聚类算法（DBSCAN）是常用的聚类方法之一，但对于密度分布不均匀的膜蛋白SMLM超分辨图像，其分割效果往往不太理想。本文提出一种结合多次DBSCAN和层次聚类的混合聚类方法，以DBSCAN方法为分割基础，通过进一步的面积阈值分析和层次聚类，在保持超分辨点簇图像精确聚类识别的前提下，仍能保留每个点簇内多次定位信号。将该方法应用于模拟数据集和实验数据，分割得到的轮廓系数等性能普遍优于传统DBSCAN方法。这种混合聚类方法为膜蛋白SMLM超分辨图像的聚类分割提供了新思路和新方法，有助于更精准地分析膜蛋白纳米尺度的空间分布信息。
- 单位
