IMAGE-PRO Ποσοτική ανάλυση συνεντοπισµού φθοριοχρωµάτων Quantitative colocalization analysis



Σχετικά έγγραφα
3D-Deconvolution. Πριν την εφαρµογή του λογισµικού για 3D deconvolution: 1. Λήψη της εικόνας

Image J Plugin MTrackJ- Manual Object Tracker για παρακολούθηση της κίνησης σωµατιδίων

Ανοίξτε την εικόνα Hel_MDSGEO και δημιουργήστε δύο έγχρωμα σύνθετα ένα σε πραγματικό χρώμα (True color) και ένα σε ψευδοέχρωμο υπέρυθρο (CIR)

2. Δημιουργία και Διαχείριση Πολυφασματικών εικόνων

2 Ο Ε.Κ.Φ.Ε. ΗΡΑΚΛΕΙΟΥ. Οδηγίες χρήσης PDFCreator

Εργαστήριο Γαλαξίες - Χάρτης του Πάλομαρ

ΣΗΜΕΙΩΣΕΙΣ ΣΤΑΤΙΣΤΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ «ΦΡΟΝΤΙ Α ΣΤΟ ΣΑΚΧΑΡΩ Η ΙΑΒΗΤΗ» ΑΝΑΛΥΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Εισαγωγή στη Χρήση του SPSS for Windows Σελίδα:

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΙ ΠΑΤΡΑΣ ΤΕΙ ΠΑΤΡΑΣ ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΏΝ ΠΑΙΓΝΙΩΝ- ΠΡΟΓΡΑΜΜΑ GAMBIT

ζωγραφίζοντας µε τον υπολογιστή

2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ

Εκπαιδευτικό λογισµικό κατασκευής φασµάτων Educational SPECtrum. ESPECsoftware

Ρουτίνα χρήσης του συνεστιακού Μικροσκοπίου Leica TCS-SP

ΑΣΚΗΣΗ 6. Ηλικία και απόσταση Αστρικών Σµηνών

Μικροσκοπία Φθορισμού Μέρος 2 ο

Εισαγωγή στη Χρήση του SPSS for Windows Σελίδα:

ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ARIS

ΗΜΙΟΥΡΓΙΑ ΙΣΤΟΣΕΛΙ ΑΣ ΣΤΟ MICROSOFT WORD

Βιβλιοθήκη συµβόλων κιθάρας.

Εκπαιδευτική έρευνα Οργάνωση & Παρουσίαση Δεδομένων (Εργαστήριο SPSS) Άγγελος Μάρκος, Λέκτορας Δημοκρίτειο Πανεπιστήμιο Θράκης

Το πρόγραμμα συγχρηματοδοτείται 75% από το Ευρωπαϊκό κοινωνικό ταμείο και 25% από εθνικούς πόρους.

9. Ανάλυση κυρίων συνιστωσών *Principal Component Analysis)

Σύντοµες οδηγίες χρήσης atube Catcher

Ανάλυση εικόνων DSLR με το πρόγραμμα IRIS

Εκπαίδευση στη χρήση του µικροσκοπίου φθορισµού ευρέως πεδίου OLYMPUS Time lapse Cell R IX-81

ΤΕΙ ΠΕΙΡΑΙΑ Τµήµα Μηχανολογίας

Πως καλιµπράρουµε έναν χάρτη στον Ozi Explorer. Παράδειγµα «καλιµπραρίσµατος» - Χάρτης 1

ΚΕΦΑΛΑΙΟ 5. Matlab GUI για FWSVM και Global SVM

MESSAGE EDITOR FOR WINDOWS Ο ΗΓΙΕΣ ΧΡΗΣΕΩΣ

IMAGE-PRO Ποζοηική ανάλςζη ζςνενηοπιζμού θθοπιοσπυμάηυν Quantitative colocalization analysis

Κεφάλαιο Ι : Το περιβάλλον εργασίας και το πρώτο απλό πρόγραµµα σε Java.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Τεχνική Σχεδίαση

ουλεύοντας µε το Finale (6η συνέχεια)

ΕΙΣΑΓΩΓΗ ΕΙΚΟΝΑΣ ΣΤΟ ΛΟΓΙΣΜΙΚΟ ERDAS

Συστήµατα Πολυµέσων Ενδιάµεση Εξέταση: Οκτώβριος 2004

Π.Τ..Ε. Σηµειώσεις Σεµιναρίου «Τα µήλα των Εσπερίδων», Η ζωγραφική (Paint) Τα µενού της ζωγραφικής

Περιεχόµενα. Λίγα λόγια από τους συγγραφείς...9. Για τον εκπαιδευτή και το γονέα Αριθµοί και Υπολογισµοί (Numbers and Calculations)

Το μικροσκόπιο ως αναλυτικό όργανο. Το μικροσκόπιο δεν μας δίνει μόνο εικόνες των παρασκευασμάτων μας.

Ηλεκτρονικές Υπηρεσίες: ηλώσεις Μαθηµάτων Συγγραµµάτων, Ηλεκτρονικό Ταχυδροµείο, Πιστοποιητικό Ασφάλειας

Σηµαντικές παρατηρήσεις σχετικά µε το backround:

ΠΑΡΑ ΟΤΕΟ 2 ΕΞΕΙ ΙΚΕΥΜΕΝΟ ΛΟΓΙΣΜΙΚΟ ΓΙΑ ΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΚΑΙ ΑΠΕΙΚΟΝΙΣΗ Ε ΟΜΕΝΩΝ LIDAR ΣΕ ΠΡΑΓΜΑΤΙΚΟ ΧΡΟΝΟ

ΕΡΓΑΣΤΗΡΙΟ 7 ο : Ταξινομήσεις εικόνων Eπιβλεπόμενη ταξινόμηση

Θέµα 2: Φασµατογράφηµα στενής και ευρείας ζώνης, ενός σήµατος οµιλίας. Προέµφαση της οµιλίας. Παράµετροι οµιλίας (Ενέργεια, Pitch, Formants, LPC.

Ηλεκτρονικό Λεξικό Ρηµάτων Αρχαίας Ελληνικής Γλώσσας. Περίληψη

ΕΓΧΕΙΡΙ ΙΟ ΒΑΣΙΚΩΝ ΛΕΙΤΟΥΡΓΙΩΝ ΓΙΑ ΤΟ ΠΡΟΓΡΑΜΜΑ PRAAT

Αρχίστε αµέσως το πρόγραµµα xline Εσόδων Εξόδων.

Σηµαντικές παρατηρήσεις σχετικά µε το backround:

ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΒΙΟΛΟΓΙΑΣ ΤΟΜΕΑΣ ΦΥΣΙΟΛΟΓΙΑΣ ΖΩΩΝ ΚΑΙ ΑΝΘΡΩΠΟΥ ΟΡΓΑΝΟΛΟΓΙΑ ΑΘΗΝΑ 2010

ΟΜΗ ΤΗΣ ΕΦΑΡΜΟΓΗΣ... 3 ΕΡΩΤΗΣΕΙΣ... 5 ΕΡΕΥΝΕΣ... 8

2. ΠΡΟΕΤΟΙΜΑΣΙΑ ΑΙΣΘΗΤΗΡΑ MULTILOG ΓΙΑ ΜΕΤΡΗΣΗ ΜΕ ΑΙΣΘΗΤΗΡΑ ΟΡΙΖΟΝΤΙΟ

Θέµα 1: Φασµατική ανάλυση. Συναρτήσεις παραθύρου. Ψηφιακά φίλτρα. Ανάλυση σε Χρόνο-Συχνότητα (Φασµατογράφηµα).

Κ α τ α σ κ ε υ ή µ ο ν τ έ λ ο υ σ τ ο λ ο γ ι σ µ ι κ ό E c o t e c t

Στην ενότητα αυτή θα γνωρίσετε την εφαρμογή Photoshop και τις δυνατότητες της.

ΚΕΦΑΛΑΙΟ 4 ΤΟ ΕΡΓΑΛΕΙΟ SOLVER

Πληροφοριακά Συστήµατα ιοίκησης Τµήµα Χρηµατοοικονοµικής και Ελεγκτικής Management Information Systems Εργαστήριο 5 ΤΕΙ Ηπείρου (Παράρτηµα Πρέβεζας)

Σχήµα 4.1: Εισαγωγή βρόγχου while-loop.

ΠΕΡΙΕΧΟΜΕΝΑ. Περιγραφή της αρχικής οθόνης κάθε τάξης α. Εικονίδια επιλογής θεµατικών ενοτήτων β. Εικονίδια διαφυγής...

Αναγνώριση υποθεµάτων αρχείων Αντιγραφή κειµένου Αντιγραφη εικόνων Αντιγραφή video

Version X. Οδηγίες χρήσης

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Τεχνική Σχεδίαση

ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ (1 ος ΤΡΟΠΟΣ)

Ηλεκτρονικό Λατινικό Λεξικό Ρηµάτων. Περίληψη

ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 1

ΒΙΟΣΤΑΤΙΣΤΙΚΗ Πρακτική με SPSS (1)

Άσκηση 5 Ανύψωση Σχηµάτων. Στόχος της άσκησης

Μάθηµα: Χαρτογραφική Εικόνα

ΠΡΟΓΡΑΜΜΑ ΕΠΕΞΕΡΓΑΣΙΑΣ ΕΙΚΟΝΑΣ

Ο είκτης Συσχέτισης. Υπάρχουν πολλές οι έρευνες στις οποίες µας ενδιαφέρει να µελετήσουµε αν υπάρχει ΑΛΛΗΛΕΞΑΡΤΗΣΗ µεταξύ δύο µεταβλητών

5. MΑΚΡΟΕΝΤΟΛΕΣ. Η δηµιουργία Μακροεντολής γίνεται µε δύο τρόπους :

Εκπαιδευτικό λογισµικό µονοβάθµιου ταλαντωτή Educational Single Degree Of Freedom Software. ESDOFsoftware

Περιγραφή του βασικού παραθύρου του Cubase SE3. Εικόνα 1

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

ΒΕΣ 04: Συµπίεση και Μετάδοση Πολυµέσων. Περιεχόµενα. Βιβλιογραφία. Εικόνες και Πολυµεσικές Εφαρµογές. Ψηφιακή Επεξεργασία Εικόνας.

Εγκατάσταση Posi Fiscal II

ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΙΑΓΝΩΣΕΙΣ ΚΑΙ ΕΞΕΤΑΣΕΙΣ

ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB- SIMULINK

ΤΕΙ Ιονίων Νήσων Εργαστηριακές Ασκήσεις στα Γεωγραφικά Συστήματα Πληροφοριών

Άσκηση 6 Ανύψωση Σχηµάτων. Στόχος της άσκησης

3. Στο Block Diagram αναπτύσουµε το υπολογιστικό µέρος του προγράµµατος. Σχήµα 1.1: Το Front Panel του LabVIEW.

ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ

ΕΓΧΕΙΡΙ ΙΟ ΒΑΣΙΚΩΝ ΛΕΙΤΟΥΡΓΙΩΝ ΓΙΑ ΤΟ ΠΡΟΓΡΑΜΜΑ PRAAT

ΕΡΓΑΣΤΗΡΙΟ 1 ο. Τροποποίηση (editing) δεδοµένων ΣΓΠ

Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων

ΑΣΚΗΣΗ 5. Χρώµα στην Αστρονοµία

Οδηγίες κατασκευής Ιστοσελίδων µε το πρόγραµµα FRONTPAGE 2003

Θα συµπληρώσετε τα απαραίτητα στοιχεία που βρίσκονται µε έντονα γράµµατα για να δηµιουργήσετε την νέα εταιρεία.

ΜΕΡΟΣ 1: ΠΡΟΕΤΟΙΜΑΣΙΑ ΤΗΣ ΠΕΙΡΑΜΑΤΙΚΗΣ ΙΑΤΑΞΗΣ

Εφαρμογές Πληροφορικής

ΤΣΑΛΤΑ ΜΑΡΙΑ Α.Μ: 1946 ΠΑΥΛΕΛΛΗ ΛΟΥΙΖΑ Α.Μ: 2342 ΤΣΑΪΛΑΚΗ ΦΑΝΗ Α.Μ: Οικονομετρικά. Εργαστήριο 15/05/11

1. PHOTOMOD Montage Desktop (βασικό πρόγραμμα)

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Τεχνική Σχεδίαση

DIP_06 Συμπίεση εικόνας - JPEG. ΤΕΙ Κρήτης

Οδοραµα mobile ΑΠΟΘΗΚΗ

Εισαγωγή στην Στατιστική (ΔΕ200Α-210Α)

Επεξεργασία πολλαπλών φύλλων εργασίας - Γραφημάτων Excel

Κατασκευή ιστοσελίδων (FrontPage)

ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ ΜΕ ΕXCEL

Επεξεργασία Χαρτογραφικής Εικόνας

Στατιστικό κριτήριο χ 2

Transcript:

IMAGE-PRO Ποσοτική ανάλυση συνεντοπισµού φθοριοχρωµάτων Quantitative colocalization analysis Η ανάλυση συνεντοπισµού σε πολυχρωµατικές εικόνες µικροσκοπίας φθορισµού βασίζεται στην µελέτη παρουσίας σήµατος διαφορετικού φθορισµού στο ίδιο pixel της ψηφιακής εικόνας. Θα πρέπει να λαµβάνεται υπ οψιν ότι η επιβεβαίωση συνεντόπισης των αντιγόνων που µας ενδιαφέρουν δεν αποτελεί απόδειξη της λειτουργικής τους σχέσης. Για παράδειγµα η συνεντόπιση πράσινου και κόκκινου φθορισµού που προέρχεται από σήµανση διαφορετικών αντιγόνων ανιχνεύεται µε 3 εικόνες. 1) µια µε φθορισµό στο κόκκινο, 2) µια µε φθορισµό στο πράσινο και 3) µια συνδυασµένη, όπου τα επικαλυπτόµενα pixels φαίνονται κίτρινα. Το λογισµικό που χρησιµοποιούµε υπολογίζει ποσοτικά το βαθµό συνεντόπισης, εφαρµόζοντας αλγόριθµους στην περιοχή ενδιαφέροντος (ROI=region of interest) και παράγει έναν αριθµό συντελεστών. Η κατανοµή των pixels µπορεί να οπτικοποιηθεί σε 2D σκεδαστικό διάγραµµα (εικόνα 1). Εικόνα 1. Παραδείγµατα των σκεδαστικών διαγραµµάτων που προέρχονται από το λογισµικό ανάλυσης συνεντόπισης και δείχνουν τις διαφορές στην κατανοµή των pixels στις εικόνες που µελετήθηκαν (A C). Το επιλεγµένο ζευγάρι ήταν κόκκινο-πράσινο. Τα επικαλυπτόµενα κίτρινα pixels βρίσκονται στη διαγώνιο. Στο διάγραµµα C παρατηρείται ο µικρότερος βαθµός συνεντόπισης. 1

Πρακτικές οδηγίες για µελέτες συνεντόπισης 1. Σωστή ετοιµασία του δείγµατος στο οποίο επιθυµούµε να µελετήσουµε πιθανή συνεντόπιση δύο αντιγόνων: - Προσοχή ώστε τα επιλεγµένα φθοριοχρώµατα που χρησιµοποιούµε να έχουν καλά διαχωρισµένα φάσµατα εκποµπής και απορρόφησης. - Χρήση αντισωµάτων µε υψηλή ειδικότητα για τα συγκεκριµένα αντιγόνα και απουσία cross reactivity. - Σταθερή χρήση υλικού σταθεροποίησης (mounting) (π.χ. Μowiol, cityfluor etc) στα δείγµατά µας, καθώς µπορεί αλλαγή του υλικού να επηρεάσει το επίπεδο του background φθορισµού. - Καθορισµός του ποσοστού του αυτοφθορισµού, µε χρήση µη σηµασµένων δειγµάτων ως µάρτυρες. 2. Σωστή λήψη και επεξεργασία εικόνων: -Θα πρέπει να αποφεύγεται η λήψη εικόνων µε έντονο φθορισµό ή υψηλό contrast, καθώς αυτό µπορεί να οδηγήσει σε κορεσµό του σήµατος. - Να αποφεύγεται η ταυτόχρονη λήψη εικόνων, αλλά η χρήση του sequential scanning. Αυτό βοηθά να ελαχιστοποιηθεί το bleed-through effect. - Κατά την αποθήκευση της εικόνας, να επιλέγουµε το TIFF format (αποθήκευση σαν JPEG, PICT, BMP, οδηγεί σε απώλεια δεδοµένων της ψηφιακής εικόνας) - Να αποφεύγεται πριν τη µελέτη της συνεντόπισης, η επεξεργασία της εικόνας µε προγράµµατα όπως το Adobe Photoshop. 3. Περιορισµοί στις εικόνες που συλλέγουµε µε το µικροσκόπιο και η σηµασία της διόρθωσης του Background: Το πρόβληµα κατά τη λήψη της εικόνας είναι ότι συχνά µπορεί να υπάρχει υψηλός θόρυβος (background), που να φτάνει έως και το 30% της µέγιστης έντασης φθορισµού. Για το λόγο αυτό, πριν γίνουν οι µετρήσεις για τη συνεντόπιση πρέπει να διορθωθεί ο θόρυβος των εικόνων. Αν οι εικόνες έχουν ληφθεί µε το Olympus Cell R σύστηµα, το λογισµικό Cell R παρέχει τη δυνατότητα αφαίρεσης/διόρθωσης του background. Το βήµα αυτό είναι πολύ σηµαντικό και επηρεάζει σε µεγάλο βαθµό το αποτέλεσµα του υπολογισµού των συντελεστών συνεντόπισης. 4. Σηµασία της µείωσης της επικάλυψης (Cross-talk) των φασµάτων των φθοριοχρωµάτων: Ένα εµπόδιο στον αξιόπιστο υπολογισµό συντελεστών συνεντόπισης είναι η επικάλυψη των φασµάτων των φθοριοχρωµάτων. Αυτό µπορεί να µειωθεί µε εφαρµογή sequential laser scanning στο συνεστιακό µικροσκόπιο. Το Sequential scanning βοηθά στη µείωση της επικάλυψης µε διέγερση κάθε χρωστικής χωριστά. 2

Στην περίπτωση που έχουµε συλλέξει εικόνες µε µικροσκοπία φθορισµού ευρέως πεδίου, µπορούµε να εφαρµόσουµε το λογισµικό για Φασµατοσκοπικό διαχωρισµό φθοριζουσών ουσιών (Spectral unmixing). 5. Συντελεστές που χρησιµοποιούνται για την εκτίµηση της συνεντόπισης: Η συνεντόπιση δύο φθοριοχρωµάτων µπορεί να αξιολογηθεί ποσοτικά χρησιµοποιώντας αλγόριθµους, που υπολογίζουν τους εξής συντελεστές: Pearson s correlation, Manders overlap, συνεντόπισης m1 και m2, συνεντόπισης M1 και M2, overlap k1 και k2 Οι συντελεστές αυτοί χρησιµοποιούν διαφορετικές προσεγγίσεις για να υπολογίσουν τη συνεντόπιση και έχουν διαφορετική ευαισθησία και εφαρµογή. Ο συντελεστής συσχέτισης Pearson (Pearson s correlation) είναι ένας από τους πιο συχνά χρησιµοποιούµενους αλγόριθµους για να περιγράψει τη συσχέτιση κατανοµής της έντασης φθορισµού σε διαφορετικά κανάλια (channels). Οι τιµές που παίρνουµε για τον συντελεστή αυτό κυµαίνονται µεταξύ 1.0 και 1.0, όπου το 0 δεν δείχνει σηµαντική συσχέτιση, και το 1.0 δείχνει πλήρως αρνητική συσχέτιση. Εντούτοις, οι αρνητικές τιµές στο Pearson s correlation coefficient, θα πρέπει να ερµηνεύονται πολύ προσεκτικά. Εάν η τιµή στο Pearson s correlation coefficient είναι >0, καλό θα ήταν να χρησιµοποιήσουµε το Manders overlap coefficient για την αξιολόγηση των αποτελεσµάτων µας. Ο συντελεστής Manders overlap δείχνει την επικάλυψη των σηµάτων και εποµένως αντιπροσωπεύει τον αληθινό βαθµό της συνεντόπισης. Οι τιµές κυµαίνονται από 0 εως 1.0. Εάν µια εικόνα έχει συντελεστή Manders overlap 0.5, αυτό δείχνει ότι το 50% των pixels επικαλύπτονται. Μία τιµή 0 σηµαίνει ότι δεν υπάρχουν επικαλυπτόµενα pixels. Οι συντελεστές συνεντόπισης m1 και m2 περιγράφουν τη συνεισφορά καθενός από τα δύο επιλεγµένα φθοριοχρώµατα (channels) στα pixels που µας ενδιαφέρουν. Για παράδειγµα, εάν το κόκκινο-πράσινο ζεύγος καναλιών είναι επιλεγµένο και τα m1 και m2 είναι 1.0 και 0.2, αντίστοιχα, αυτό σηµαίνει ότι όλα τα κόκκινα pixels συνεντοπίζονται µε τα πράσινα pixels, αλλά µόνο το 20% των πράσινων pixels συνεντοπίζονται µε τα κόκκινα. Η τιµή 1.0 και για τα δύο κανάλια υποδεικνύει τέλεια συνεντόπιση. Οι συντελεστές συνεντόπισης Μ1 και Μ2 είναι πανοµοιότυποι µε τα m1 και m2, αλλά εφαρµόζονται για την ανάλυση σκεδαστικών διαγραµµάτων (scatter gram ROI): Οι συντελεστές overlap k1 και k2 διαχωρίζουν την τιµή της συνεντόπισης σε ένα ζεύγος ξεχωριστών παραµέτρων. Εξαρτώνται από τη συνολική ένταση του φθορισµού στα δύο κανάλια και είναι ευαίσθητοι σε διαφορές στην ένταση των σηµάτων. 3

ΣΥΝΟΠΤΙΚΑ ΣΧΕΤΙΚΑ ΜΕ ΤΟΥΣ ΣΥΝΤΕΛΕΣΤΕΣ ΣΥΝΕΝΤΟΠΙΣΗΣ Στον πίνακα φαίνεται η σύγκριση των συντελεστών. Στις περισσότερες περιπτώσεις, ο συντελεστής Pearson s correlation δίνει καλά αποτελέσµατα. Εντούτοις, εάν το ένα αντιγόνο έχει σηµάνει καλύτερα από το άλλο, τότε θα πρέπει να χρησιµοποιηθεί ο συντελεστής Manders overlap. Π.χ. µπορεί ο συντελεστής Pearson να είναι 0.88, ο συντελεστής Manders να είναι 0.92, οι συντελεστές συνεντόπισης m1 και m2 να είναι 0.97 και 0.99, αντίστοιχα, και οι συντελεστές overlap k1 και k2 να είναι 1.24 και 0.68, αντίστοιχα. Αυτά τα ποσοστά δείχνουν ότι υπάρχει συνεντόπιση. (Zinchuk V. et al, 2007) 4

IMAGE-PRO: 1. Υπολογισµός των συντελεστών συνεντόπισης (Colocalization co-efficients) ιπλό κλικ στο image-pro plus στο desktop File open ανοίγουµε την εικόνα Window hide/show tool bar Επιλέγουµε είτε ολόκληρη την εικόνα είτε κάποιο από τα AOI (area of interest) π.χ. Irregular AOI Measure co-localisation ανοίγει το παράθυρο co-localisation analysis. Το παράθυρο περιέχει τις εξής επιλογές: 1. CREATE GRAY CO-LOCALISATION WITH FREQUENCIES 2. CREATE COLOR CO LOCALISATION 3. CREATE 3-D VIEW OF COLOR CO-LOCALISATION 4. CALCULATE CORRELATION BETWEEN IMAGES Μπορούµε να επιλέξουµε το CREATE COLOR CO LOCALISATION, οπότε εµφανίζονται σκεδαστικά διαγράµµατα Όποια επιλογή και αν διαλέξουµε, υπολογίζονται οι τιµές των συντελεστών: Pearson's correlation Rr Overlap coefficient/ Manders overlap Overlap coefficient k1 Overlap coefficient k2 Co-localization (ch2>0) m1 Co-localization (ch1>0) m2 Co-localization (ch2 within AOI) M1 Co-localization (ch1 within AOI) M2 R 2. Υπολογισµός των συντελεστών συνεντόπισης σε Z-stack ιπλό κλικ στο image-pro plus στο desktop Pasteur Leica (Z-stack colocalization) στο παράθυρο που ανοίγει select a Leica Z-stack sequence, επιλέγουµε το αρχείο.lei που θέλουµε και το ανοίγουµε. στο παράθυρο που ανοίγει αυτόµατα επιλέγουµε continue και στη συνέχεια proceed to colocalization analysis. 5

Στο τέλος επιλέγουµε εάν θέλουµε να σώσουµε τα αποτελέσµατα µε τους συντελεστές συνεντόπισης σε αρχείο excel. 3. Εφαρµογή για υπολογισµό συνεντόπισης σε χρώση διπλού φθορισµού (co-localisation in double fluorescence staining) ιπλό κλικ στο image-pro plus στο desktop pasteur fluro colocalisation image per sheet (δίνει όλα τα colocalisation ratios σε ένα φύλλο στο excel). Επίσης, υπάρχει και η επιλογή image in a sheet, στην οποία µπαίνουν τα αποτελέσµατα της κάθε εικόνας σε ένα αρχείο Εxcel. fluoro colocalise activate load διαλέγουµε το αρχείο µε την φωτογραφία και το ανοίγουµε active spatial calibration πχ. 63x φακός, 1024 pixel ok continue διαλέγουµε π.χ. το red signal assign φτιάχνουµε τα όρια µέχρι να κυκλώσει όλες τις περιοχές που µας ενδιαφέρουν continue διαλέγουµε π.χ. το blue signal assign φτιάχνουµε τα όρια µέχρι να κυκλώσει όλες τις περιοχές που µας ενδιαφέρουν continue από την εντολή draw/merge, επιλέγουµε σε ποιο κανάλι θα γίνει το draw/merge. Με αριστερό κλικ φτιάχνουµε το σχήµα (την περιοχή που µας ενδιαφέρει) και µε δεξί κλικ κλείνουµε το σχήµα ok Co-Localise save data Στη συνέχεια, ανοίγει αυτόµατα ένα excel. Στο excel ανοίγουµε το φύλλο Ipp Co-localise. Εκεί φαίνονται τα εξής αποτελέσµατα µε ποσοστά % co-localisation: - Green in red - Blue in red - Red in green - Blue in green - Red in blue - Green in blue 6