时间分辨荧光各向异性分析。
blitzcurve的Python项目详细描述
时间分辨荧光各向异性测量(trams)的数据分析。
trams是最先进的技术,可用于分析蛋白质功能和相互作用。
为什么要使用电车技术?
测量分子旋转速度(如蛋白质大小、结构、配体结合)。
通过两个荧光分子之间的foerster共振能量转移(fret)来测量齐聚特性。
闪电战的目的是什么?
- 试验电车数据拟合曲线
- 提取有用的拟合参数
- 比较样本
实验是如何进行的?
- 荧光分子的激发
- 发射光的退色测量(偏振/各向异性)
- 时间分辨方法:脉冲激励,测量各向异性随时间的变化,单位为纳秒
分析方法
- 合适的拟合方法仍在开发中
- 电流输入:csv,具有各向异性和时间(ns)值
- 各向异性与时间的当前拟合方法
- Savitzky Golay适合所有原始数据
- 指数拟合初始衰减数据
- 指数拟合到最终衰减数据
- 关键测量参数:
- r_inf(在无限时间范围内预测的各向异性)
用法
importblitzcurve# define data directory with csv filesdata_dir=r"D:\data\20180229_TRdata"# OPTIONAL: define which data files will be analysedfile_list=["10nM-FGC1-2min_aniso.txt","10nM-FGC2-2min_aniso.txt"]# run blitzcurve function to fit curves to individual samplesblitzcurve.run_fit(data_dir,figs_to_plot=file_list)# setup a dictionary to shorten long sample namesname_dict={"10nM-FGC1-2min_aniso.txt":"FGC1","10nM-FGC2-2min_aniso.txt":"FGC2","10nM-FGC3-2min_aniso.txt":"FGC3"}# run blitzcurve function to compare curves and parameters for multiple samplesblitzcurve.run_compare(data_dir,name_dict=name_dict)
贡献
欢迎合作者和拉取请求。给我们发邮件。
许可证
这个python包是在允许的mit许可下发布的。
联系人
有关详细联系方式,请参阅Mark Teese或Philipp Heckmeier的工作人员页,该页位于Langosch lab内。 慕尼黑技术大学的。
示例
适合获得r_max
适合获取r_inf
barchart比较r\u max
比较r_inf的条形图
linechart比较适合三个样本的完整数据
linechart比较三个示例的fit与r_inf