ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS 16-28 |04|2007 Miguel Concha / Steffen Härtel Programa de Anatomía y Biología del Desarollo,

Presentación del tema: "ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS 16-28 |04|2007 Miguel Concha / Steffen Härtel Programa de Anatomía y Biología del Desarollo,"— Transcripción de la presentación:

1 ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS 16-28 |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

2 Muestra Microscopio Confocal (LSM) Imágenes I(x,y,z,c,t) Pretratamiento Segmentación Modelo Tridimensional Reconstrucción Visualización Parametrización Steffen Härtel | 04.07 | Santiago | Chile

3 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 3. Colores La fóvea Steffen Härtel | 04.07 | Santiago | Chile

4 3. Colores -> 10 8 Bastones -> 6·10 6 Conos: [Azul] / [Amarillo]: [+S] / [M+L] [Verde] / [Rojo]: [M-L] / [L-M] Steffen Härtel | 04.07 | Santiago | Chile S - Conos M - Conos L - Conos ‘Midget-Cell‘

5 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 | 04.07 | Santiago | Chile

6 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 | 04.07 | Santiago | Chile

7 3. Colores Steffen Härtel | 04.07 | Santiago | Chile Representación simbólica o modelo individual del mundo real

8 3. Colores Steffen Härtel | 04.07 | Santiago | Chile

9 3. Colores Steffen Härtel | 04.07 | Santiago | Chile

10 3. Colores Steffen Härtel | 04.07 | Santiago | Chile Alessandro Rizzi GIC - Graphic, Imaging and Color research group Università di Milano http://www.dti.unimi.it/~rizzi/

11 3. Colores RGB (Red Green Blue), (R:0-255, G: 0-255, B:0-255) : R G B H V S HSV (Hue Saturation Value), (H:0-2 , S:0-1, V:0-1)

12 3. Colores http://www.wikipedia.org/wiki/HSV_color_space The Hue Saturation Value (or HSV) model defines a color spacecolor space in terms of three constituent components: HueHue, the color type (such as red, blue, or yellow); Measured in values of 0-360 by the central tendency of ist wavelength SaturationSaturation, the 'intensity' of the color (or how much greyness is present), Measured in values of 0-100% by the amplitude of the wavelength. ValueValue, the brightness of the color. Measured in values of 0-100% by the spread of the wavelength HSV is a non-linear transformation of the RGB color space.non-lineartransformationRGB color space

13 -> RGB.....Se puede usar muy bien para fines científicos pero no sirve para obtener una medida para lo que el ser humano califica como diferencia entre colores (R 1 G 1 B 1 ) y (R 2 G 2 B 2 ). -> Diferencia entre (H 1 S 1 I 1 ) y (H 2 S 2 I 2 ): 3. Colores

14 I( 290,267 ) = 220 r g b 0 : 220 : 255 0 : 220 : 255 0 : 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 Steffen Härtel | 04.07 | Santiago | Chile 3. Colores

15 r g b 000::::0::0000::::0::0 0 1 2 : 200 : 255 000::::0::0000::::0::0 3. Colores Steffen Härtel | 04.07 | Santiago | Chile

16 r g b 0 1 2 : 220 : 255 000::::0::0000::::0::0 000::::0::0000::::0::0 3. Colores Steffen Härtel | 04.07 | Santiago | Chile

17 3. Colores Steffen Härtel | 04.07 | Santiago | Chile

18 3. Colores Steffen Härtel | 04.07 | Santiago | Chile

19 ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS 16-28 |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

20 Scaling Index Methods for the Automated Quantification of Colocalization in Fluorescence Microscopy Steffen Härtel | CECS | 2005 1| Introduction 3| Statistics: PSF & PDF 2| Colocalization Scaling Index Methods C-SIMs 4| Diffusion C-SIM

21 6| Introduction: QueryStat in PubMed 2000 2001 2002 2003 2004 colocalization = colocalization + co-localization

22 6| Introduction: QueryStat in PubMed

23 6| Introduction: ClC-2 & … ?

24 6| Introduction: Global Methods PC = r’ Pearson's Product Moment Pearson's Correlation Coefficient …

25 6| Introduction: Global Methods

26 6| Introduction: Costes et al. 2004

27 6| C-SIM C-SIM(x i,y j,r) x i -> y j -> r=2 C-SIM(x i,y j,r) * I 1/2 (x,y) Imagenes I 1/2 (x,y) I2I2 I1I1 CSI C-SIM(x,y,r) PC = r’

28 6| C-SIM (PC)

29 6| C-SIMs Correlation Coefficient of Raw Images (CCRI) | Joint Moment of Standardized Images (JMSI):

30 6| PC, CCRI, & JMCI:  = 500

31 6| CCRI, & JMCI:  = 500

32 6| JMCI(r): r = 1 r = 2 r = 3 r = 4 r = 5 r = 6 r = 7

33 6| Auto – correlation & FCS: ‘Auto-correlation measures self-similarity of a time signal and highlights characteristic time constants of underlying processes.’

34 6| Auto – correlation & FCS: