ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS |04|2007 Miguel Concha / Steffen Härtel Programa de Anatomía y Biología del Desarollo, Instituto de Ciencias Biomédicas, Facultad de Medicina, Universidad de Chile, Santiago, Chile
Muestra Microscopio Confocal (LSM) Imágenes I(x,y,z,c,t) Pretratamiento Segmentación Modelo Tridimensional Reconstrucción Visualización Parametrización Steffen Härtel | | Santiago | Chile
Muestra Microscopio Confocal (LSM) Imágenes I(x,y,z,c,t) Pretratamiento Segmentación Modelo Tridimensional Reconstrucción Visualización Parametrización Huygens Professional Steffen Härtel | | Santiago | Chile
Muestra Microscopio Confocal (LSM) Imágenes I(x,y,z,c,t) Pretratamiento Segmentación Modelo Tridimensional Reconstrucción Visualización Parametrización Steffen Härtel | | Santiago | Chile
x/y z Steffen Härtel | | Santiago | Chile Confocal Microscopy 2-photon spinning disc STED conventional confocal 4-
Basics of Fluorescence | Jablonski Diagram / E, t Steffen Härtel | | Santiago | Chile Intercombinación s s Transiciones: con radiación Niveles: vibracionales sin radiación | -> calor electrónicos -> transferencia de energía (FRET) -> radicales... STED s Fluorescencia s Fosforescencia s Absorción s Conversión interna x/y z
3| Microscopía confocal de fluorescencia: - Segmentation... - Color/Visualisation Steffen Härtel | | Santiago | Chile
Muestra Microscopio Confocal (LSM) Imágenes I(x,y,z,c,t) Pretratamiento Segmentación Modelo Tridimensional Reconstrucción Visualización Parametrización Steffen Härtel | | Santiago | Chile 3. Segmentation
A. Transformación B. Umbral C. Erosión & Dilatación 3. Segmentation Steffen Härtel | | Santiago | Chile
H (x i,y j,r) · I(x,y) Mean: Simplest Low Pass Simplest High Pass H =1/9 · H = Segmentation Steffen Härtel | | Santiago | Chile H (x i,y j,r): X -> Y ->
- variaciones de H,... - introducción de reglas adicionales. H = Más filtros morfológicos : Filtros de polinomios : 3. Segmentation Steffen Härtel | | Santiago | Chile H (x i,y j,r): X -> Y ->
3. Segmentation Definición de Minkowski Adición... Dilatación : Substracción... Erosión :... Opening :... Closing : S A
F = 1 2 F 1 F 1 F = 2 2 F 1 F 2 F = 3 4 F 1 F 3 F = F 1 F 9 F = F 1 F Segmentation Steffen Härtel | | Santiago | Chile Filtros locales: - Lineales - No lineales Filtros globales: - Análisis de Fourier - Análisis de Wavelet -... Filtros especiales: - Análisis adaptativo -...
3. Segmentation Filtros locales: - Lineales - No lineales Filtros globales: - Análisis de Fourier - Análisis de Wavelet -... Filtros especiales: - Análisis adaptativo -... Steffen Härtel | | Santiago | Chile
ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS |04|2007 Miguel Concha / Steffen Härtel Programa de Anatomía y Biología del Desarollo, Instituto de Ciencias Biomédicas, Facultad de Medicina, Universidad de Chile, Santiago, Chile
3. Colores Steffen Härtel | | Santiago | Chile Representación simbólica o modelo individual del mundo real
3. Colores La fóvea S - Conos M - Conos L - Conos ‘Midget-Cell‘ Bastones Conos (S, M, L) -> 10 8 Bastones -> 6·10 6 Conos: L : M : S (primates) 580 nm : 545 nm : 420 nm ~10: ~10: 1 en cantidad y sensitividad [Azul] / [Amarillo]: [+S] / [M+L] [Verde] / [Rojo]: [M-L] / [L-M] Steffen Härtel | | Santiago | Chile
3. Colores 10 8 Conos & bastones Nervus opticus 8· 10 5 Células horizontales Células bipolares [Glutamato]~1/I Células amacrin Celulas del Ganglio Células del ganglio Se conocen~15 tipos diferentes de células de ganglio. Steffen Härtel | | Santiago | Chile
3. Colores ->[I, L, M, S, x, y, t] - Receptores: - [Glu] ~ [Na + ] en ‘Off-cells‘ bipolares - [Glu] ~ [Na + ] -1 en ‘On-cells‘ bipolares ->[] = [] + [dI/dt, dL/dt, dM/dt, dS/dt] ->[] = [] + [z] - Activación/Inhibición lateral: - Células horizontales emiten GABA, en caso de una excitación homogenia en [x,y] ->[] = [] + [dI/dxy, dL/dxy, dM/dxy, dS/dxy] Steffen Härtel | | Santiago | Chile
I( 290,267 ) = 220 r g b 0 : 220 : : 220 : : 220 : 255 Una mesa de color está definida por 3 vectores r, g, b de 8 bits c/u Amarillo (255, 255, 0) Negro (0, 0, 0) Rojo (255, 0, 0) Verde (0, 255, 0) Blanco (255, 255, 255) Cian (0, 255, 255) Magenta (255, 0, 255) Azul (0, 0, 255) red = [r 0, r 1,…...…...,r 255 ] green = [g 0, g 1,……...,g 255 ] blue = [b 0, b 1,……...,b 255 ] Un canal tiene 8 bits y se pueden codificar 256 colores o intensidades 3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
r g b 000::::0::0000::::0:: : 200 : ::::0::0000::::0::0 3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
r g b : 220 : ::::0::0000::::0::0 000::::0::0000::::0::0 3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
r = [r 0, r 1, r 2,…...., r 255 ] = [0, 0, 0,……..,0] g = [g 0, g 1, g 2,…, g 255 ] = [0, 1, 2,…..,255] b = [b 0, b 1, b 2,…., b 255 ] = [0, 0, 0,……..,0] o = [o 0, o 1, o 2,….., o 255 ] = [255, 255,.,255] r = [r 0, r 1, r 2,…...., r 255 ] = [0, 1, 2,…..,255] g = [g 0, g 1, g 2,…, g 255 ] = [0, 0, 0,……..,0] b = [b 0, b 1, b 2,…., b 255 ] = [0, 0, 0,……..,0] o = [o 0, o 1, o 2,….., o 255 ] = [80, 80,…….,80] 3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
3. 3D reconstruction | Colores Steffen Härtel | | Santiago | Chile
The observation volume (femtoliter) defined by the Point Spread Function (PSF) must be considered as a mini-sprectrofluorimeter: 1.You need to consider the Offset I(0) in order to calibrate your signal I(0) 0 ! 2.Never saturate the signal: I I max (255 for 8 bit) ! I(0) > 0 I > I max Steffen Härtel | | Santiago | Chile Parameters for optimal image adquisition
From the Nyquist Theorem: The sampling frequency (or sampling distance) is a function of the observation volume (femtoliter) defined by the Point Spread Function (PSF): 3.You need to consider sampling distances in x and y 50 nm and … 4. z nm for later deconvolution. xy 50 nm Steffen Härtel | | Santiago | Chile Parameters for optimal image adquisition