Супердиффузионная мембрана какую выбрать: Как выбрать мембрану гидроветрозащитную для кровли и фасада?

Содержание

Какую супердиффузионную мембрану выбрать?

Строительство любого объекта должно быть тщательно спланировано. При возведении конструкции, учитывая советы профессионалов, нужно использовать качественный строительный материал. Только так можно построить действительно теплый и уютный дом, в котором будет комфортно зимой и прохладно в летний зной.

Проводя сборку кровельной конструкции, обязательно потребуется мембрана, которая защищает от проникновения влаги. Супердиффузионная пленка сравнительно недавно была представлена потребителям на строительных рынках, но уже смогла получить немалую популярность благодаря своим отменным характеристикам. Для полноценного утепления кровли потребуется качественная мембрана, а как ее правильно выбрать среди многочисленных аналогов, стоит разобраться подробнее.

Читайте также: Монтаж стропил на шатровую крышу

Мембрана супердифузионная: сведения

Мембрана такого типа является качественным гидроизоляционным строительным материалом. Изделие может предусматривать от 2-х до 4-х структур. За основу продукции берется прочный холст нетканого изготовления.

Супердиффузионная пленка выполняет следующие функции:

  1. Утепляет кровлю строения.
  2. Не позволяет проникать во внутренние слои конструкции испарениям.
  3. Защищает строительный объект от влаги и холодных ветров.

Универсальная основа, которой обладает мембрана, позволяет эксплуатировать материал в любых климатических зонах, наличие пленки на длительный период времени увеличивает эксплуатационные характеристики всего строения. Использование подкровельного изделия дает строителям скрыть незначительные упущения, при этом оставив целостность сборки, которые могли иметь место при монтаже.

Предназначение пароизоляционной продукции

Как уже говорилось ранее, мембрана защищает строение от проникновения внутрь влаги и не позволяет наружной попасть в структуру теплоизоляции. Кроме этого, мембрана обладает следующими свойствами:

  • эффективно отводит скопившуюся влагу, которая образовалась вследствие разных причин;
  • снижает уровень потери тепла в доме, что позволяет сэкономить денежные средства, которые необходимы для оплаты отопления;
  • производители установили приемлемую цену на подкровельные пленки, поэтому потребителям не потребуется много денежных средств для их приобретения.

Подводя итог, можно сказать, что если важно сберечь деньги и имеется желание построить действительно теплый дом, в котором будет поддерживаться оптимальная температура и не будет ощущаться сырости, то вопрос о приобретении можно даже не рассматривать. Мембрана, особенно супердиффузионная, нужна при сборке кровли в обязательном порядке.

Преимущества подкровельной пленки

Если мембрана супердиффузионная используется при монтаже кровли, а не традиционные виды строительных материалов, обладающие аналогичными свойствами, то застройщик получит немало весомых преимуществ. Среди самых значимых можно выделить следующие:

  • одна мембрана способна справиться с объемом работ, которые под силу двум или даже трем традиционным подкровельным пленкам. Их использование позволяет не сооружать зазор для вентиляции, который необходим по техническим правилам возведения объекта;
  • мембрана супердиффузионная может укладываться на любой вид покрытия, благодаря этому реально в значительной мере увеличить теплоизоляционный слой. В итоге удастся собрать теплоизоляцию, усиленную в несколько раз;
  • использование материала в значительной степени продлевает эксплуатационные характеристики кровли, так как деревянная основа будет надежно защищена от разрушительного воздействия влаги;
  • использование такой формы мембран в значительной степени сокращает процесс монтажа, сборка конструкции осуществляется проще и легче.

Что нужно учитывать при выборе материала

Чтобы точно выбрать качественный вид мембраны, следует учитывать советы специалистов. Лучше всего покупать изделие, обладающее тремя слоями. Определить, сколько слоев имеет мембрана, можно таким способом:

  • край материала потереть, производя действия как при стирке белья;
  • спустя несколько секунд станет заметно, что изделие расслоится;
  • если слои будут плохо отделены друг от друга, это укажет на то, что при изготовлении продукции было использовано клеящее вещество, что негативно отобразится на характеристике изделия, или на термический вид обработки;
  • при нормальном разделении слоев следует подсчитать, сколько их образовалось. Если четко видно 3 слоя, то можно смело покупать изделие. Приобретенная мембрана будет качественной и надежной.

Покупать гидроизоляционную усовершенствованную пленку нужно плотностью не менее 120 г/м кв. Определяется процент плотности ручным способом, ощупывая одновременно два варианта исполнения продукции.

Мембрана для кровли не должна подвергаться ультрафиолетовому воздействию, то есть обладать иметь защиту от них примерно на 3-4 месяца. Паропроницаемость должна быть не менее 1500 г/м кв./в сутки, а гидроизоляционная защита выдерживать примерно 2200 г/м кв.

Читайте также: Срок службы ондулина на крыше

Мембрана продается в рулонах. На каждом рулоне указывается инструкция по эксплуатации с пояснительными рисунками.

На строительных рынках и в магазинах можно выбрать мембрану от разных производителей, разумеется, цена будет немного отличаться. Но в любом случае, какой бы марке ни было отдано предпочтение, качество приобретаемого материала для гидроизоляции нужно проверять в обязательном порядке, учитывая при этом советы.

Как выбрать супердиффузионную мембрану

Супердиффузионные мембраны появились на строительном рынке недавно, поэтому информацию об их свойствах бывает сложно найти. В статье мы рассмотрим виды мембран, изучим их особенности и поможем выбрать подходящую мембрану для изоляции стен и крыши.


Нюансы выбора супердиффузионных мембран

Сначала необходимо определить тип здания (отапливаемое или неотапливаемое, для временного или постоянного проживания) для отапливаемых домов лучше приобрести более эффективную защиту.

Определитесь с ценовой категорией. Для дач и нежилых помещений можно выбрать мембраны подешевле. Желательно, чтобы на край полотна был нанесен липкий слой.

При выборе мембраны необходимо ориентироваться на следующие параметры:

  • Водоупорность. Основная функция мембраны состоит в защите утеплителя от попадания влаги. В идеале материал должен сохранять свои гидроизолирующие свойства даже в мокром состоянии.

  • Стойкость к УФ-лучам/атмосферная устойчивость. Этот показатель говорит о том, что материал можно использовать в качестве временной кровли.

  • Прочность на разрыв.

    Здесь производители упоминают 2 характеристики – прочность на продольный и поперечный разрыв. Рекомендуемые показатели – от 100 Н/5см и 190 Н/5 см соответственно.

  • Универсальность применения. Желательно, чтобы мембрану можно было использовать и на стенах, и на кровле. В этом случае будет меньше отходов.

  • Удобство монтажа. Обратите внимание, как укладывается супердиффузионная мембрана: является ли она одно- или двусторонней, нужно ли делать вентиляционный зазор. Оптимально, если края рулона будут оснащены липкой лентой – это значительно ускорит процесс монтажа.

  • Стоимость.

Виды мембран

Главное отличие мембран от пароизоляционных пленок состоит в их способности пропускать пар, выходящий изнутри помещения, и одновременно задерживать влагу, проникающую снаружи. Мембраны классифицируются по степени паропроницаемости:

  • Псевдодиффузионные (до 300 г/м2 в сутки). Это перфорированные пленки, которые нужно укладывать с вентиляционным зазором. Они подходят для обустройства неутепленной кровли из шифера или битумного листа.

  • Диффузионные (400-1000 г/м2 в сутки). Укладываются без вентиляционного зазора, защищают от ветра и влаги. Подходят для каркасных стен и вентилируемых фасадов.

  • Супердиффузионные (от 1000 г/м2 в сутки). Монтируются непосредственно на утеплитель, подходят для обустройства крыши из металлического профиля либо черепицы.

  • Разделительные диффузионные. Предназначены для защиты кровельных покрытий, подверженных коррозии (медь, сталь, алюминий, цинк-титановый сплав). Оптимальны для пологих и плоских крыш, кровли сложной формы.

Мембраны Ондутис

Торговая марка Ондутис выпускает две разновидности супердиффузионных мембран, которые отличаются по области применения и степени паропроницаемости:

Вид

Сферы использования

Особенности

Паропроницаемость, г/м2 (24 часа)

Водоупорность, мм рт. ст.

Температурный диапазон

Атмосферная стойкость, месяцев

  • стены с наружным утеплителем

  • утепленные скатные кровли

  • утепленные каркасные стены

  • перекрытия

  • диффузионная мембрана для дач

  • внутренний слой закрыт с обеих сторон нетканым полимерным волокном

  • используется в вентилируемых фасадах многоэтажных домов

1100,0

≥1100

от -40ºС до + 80ºС

2

  • утепленные скатные кровли

  • вентилируемые фасады

  • стены с наружным утеплением

  • крыши из металлического профиля

  • диффузионная мембрана для жилых домов

  • при монтаже на кровле требует обустройства вентиляционного зазора

  • пропускает пар, но задерживает воду и воздух

2000,0

≥1000

от -40ºС до + 80ºС

3

Пометка «Смарт» обозначает, что на край супердиффузионной мембраны нанесен липкий слой. Для установки вам не потребуется докупать монтажную ленту.

Яку мембрану вибрати для покрівлі

Супердифузійна мембрана – це сучасний, і що важливо, вдосконалений аналог класичного гідробар’єру. У покрівельному пирозі вона розташовується безпосередньо під покрівельним матеріалом і над утеплювачем. Основна мета не тільки захищати шар теплоізоляції та дерев’яні конструкції від води і впливу УФ-променів, але й відводити пар зсередини даху, так би мовити, дозволяючи йому дихати.

У цій статті ми детально розглянемо чому мембрана краща за гідроізоляційну плівку, а також як вибрати мембрану в залежності від покрівельного покриття.

 

Чим супердифузійна мембрана краща за гідробар’єр?

Класична гідроізоляція – це плівка. Звичайно посилена, але все ж проста плівка. І вона має всі випливаючі з цього недоліки:

  • Під дією високих температур, а також за рахунок їх постійного перепаду вона втрачає свої властивості, висихає, і з часом просто розійдеться.
  • Наглухо закриває підпокрівельний простір і не дозволяє йому дихати. В разі потрапляння вологи крізь паробар’єр вона там і залишиться, і буде постійно псувати утеплювач та дерев’яні балки.

Від негативного впливу високих температур також нікуди не дітися. Під сонцем будь-який, особливо металевий дах, дуже сильно нагрівається. І передає високі температури всім матеріалам. А всім відомо, що поліетилен з часом зсихається, а постійний вплив на нього спеки тільки прискорює ці процеси. У підсумку, гідробар’єр служить 5, ну від сили 10 років. Проте дах укладається на значно триваліший час.

Що стосується того, що він не випускає пар, звичайно це може бути не критично, але ж усім відомо, що в будь-якому випадку дихаючі матеріали набагато кращі за цільні. Наприклад, в паробар’єрі з’явиться дірка або десь відклеїться скотч і волога буде вільно надходити в дах, а подітися їй буде нікуди. І весь пиріг буде повільно та впевнено псуватися, приходити в непридатність.

 

Можливо вам буде цікаво «Яка гідроізоляція краща для даху?»

 

Існує негласне правило, що всі компоненти повинні знаходитися в одному ціновому діапазоні. Так, наприклад, купуючи металочерепицю з гарантією 40 років, утеплюючи дах базальтовою ватою, абсолютно не має сенсу класти туди гідробар’єр. Так, він заощадить невелику суму, але максимум через 10 років його доведеться міняти. А дістатися до плівки можна буде лише знявши дахове покриття або утеплювач, тобто переробивши дах. А ось використовуючи супердифузійну мембрану, такого робити не доведеться.

Супердифузійна мембрана має пористу структуру, де отвори звужуються донизу. Саме тому важливо яким боком її укладати. Такі отвори дозволяють випускати пар назовні та не пропускають воду зверху. Мембрану часто порівнюють з людською шкірою, так як вона може «дихати».

Що ми отримуємо в результаті? При використанні мембрани, якщо волога потрапила всередину, вона не має негативного впливу на всі внутрішні компоненти і вільно виходить назовні. Гідробар’єр же утворює цілісну плівку і вологе повітря залишається всередині, псує крокви, балки, базальтову вату.

Підіб’ємо підсумок, головні доводи щодо того, що мембрана краще гідробар’єру:

 

  • Строк служби
  • Стійкість до високих температур
  • Усередині даху не буде застоюватися волога

 

Як вибрати мембрану для покрівлі

Супердифузійні мембрани відрізняються між собою щільністю і саме вона обумовлює сферу їх застосування. Так, наприклад, мембрана повинна витримувати високі температури, дію вітру, вологи, а також УФ-променів. Інтенсивність дії того чи іншого чинника залежить від покрівельного матеріалу. 

Мембрани низької щільності, до яких відносяться 100 г/м2 і менше, краще взагалі не застосовувати для даху, а використовувати для вентильованого фасаду. Так як в такому випадку на них буде впливати мінімальна кількість негативних чинників. 

 

Трохи розберемося в будові покрівельного пирога, щоб пояснити чому так. Бітумна черепиця стелиться на лист з OSB і тільки під ним вкладається мембрана. Тобто, волога до неї не потрапляє, температура буде зменшуватися за рахунок перегородки з фанери, та й УФ-промені точно не дійдуть до неї.

Для бітумної черепиці краще за все використовувати мембрани з щільністю 110 г/м2. Це оптимальний варіант. Брати більшу щільність марно, це буде порожня переплата.

Супердифузійна мембрана під металочерепицю повинна бути вже більшої щільності 115-125 г/м2. Мембрана укладається відразу під металочерепицю. Тому вона приймає на себе весь удар від високих температур і повинна витримувати конденсат, який утворюється на зворотньому боці черепиці.

 

При чому, якщо для металочерепиці, яка відслужила вже 20-30 років можна брати мембрану з щільністю 115 г/м2, а якщо її термін служби досягає 50 років, то краще вибрати щільність 125 г/м2, що буде надійніше.

 

Наприклад, для металочерепиці кращою вважається мембрана Ruukki 125

 

 

Для використання з композитною черепицею необхідна ще більша щільність. По-перше, на стиках фрагментів можуть утворитися невеликі зазори, в які будуть проникати сонячні промені та дощова вода, і знову-таки не можна забувати про негативний вплив високих температур. До того ж, композитна черепиця має тривалий термін служби і мембрана повинна бути відповідною. А з низькою щільністю вона розсипається щонайбільше через 30-років, чого для композитної черепиці всеодно мало.

 

 

Найщільніші мембрани слід використовувати з натуральною черепицею. По-перше, її термін служби від 50 років і більше. І звичайно мембрана повинна теж відслужити стільки, так як ми вже писали вище, всі компоненти покрівельного пирога повинні мати однаковий діапазон. Плюс, під час монтажу окремих блоків черепиці між ними знов таки можуть утворитися зазори, як і в випадку з композитною. Тому для натуральної черепиці використовується найщільніша мембрана.

Повний каталог супердифузійних мембран представлений тут.

Підводячи підсумок, можна сказати, що про гідробар’єр як про матеріал для покрівлі варто взагалі забути. А ось супердифузійних мембран представлений великий вибір, залежно від їх застосування.

Сподобалась стаття? Підпишіться на розсилку і першими отримуйте найцікавіші новини!

Как выбрать диффузионную мембрану: различия и сферы применения

Рынок строительных материалов предлагает огромнейший выбор строительных пленок. Производителей много, при этом каждый выпускает несколько марок. В такой ситуации потребителю сложно выбрать подходящую диффузионную мембрану. Нужно ли учитывать особенности конструкции? А сферы применения? Как определить качество материала? Найти ответы на все вопросы поможет Руслан Кобозев, федеральный технический специалист направления «Строительные пленки» ТЕХНОНИКОЛЬ.

 

Зачем нужна диффузионная мембрана?

Выбирая качественную строительную пленку, прежде всего нужно четко понимать, какие задачи она решает. Может быть, и вовсе можно отказаться от нее? Рассмотрим это на примере кровельного пирога мансарды.

Россия — страна с довольно суровым климатом. В холодные зимы, чтобы не отапливать улицу, нужно утеплить кровлю. Оптимальным решением для теплоизоляции кровли — является каменная вата. Высокая теплоизолирующая способность каменной ваты образуется за счет большого количества пор, заполненных воздухом в толще плиты.

Для оптимальной работы и сохранения высоких теплотехнических характеристик в течение всего срока эксплуатации, каменная вата должна быть надежно защищена от атмосферных осадков и иметь возможность отвода влаги возникающей в результате сорбционного увлажнения в процессе эксплуатации. В результате избыточного увлажнения теплотехнические характеристики каменной ваты могут снизиться, что может привести к негативным последствиям, включая снижение уровня тепловой защиты конструкции ниже требуемого.

Влаго и ветрозащитные пленки Технониколь

Для защиты теплоизоляционного слоя от пагубных воздействий влаги, были разработаны пароизоляционные пленки и гидроветрозащитные мембраны.

Пароизоляция защищает утеплитель от увлажнения водяными парами постоянно содержащимися в воздухе, а так же образующимися в результате жизнедеятельности человека в помещении.

Гидроветрозащитная (диффузионная) мембрана будет предохранять утеплитель снаружи от избыточного сорбционного увлажнения и конвективных потерь тепла, возникающих при движении воздуха в вентиляционном зазоре. Диффузионная мембрана служит барьером от влаги, которая возникает от протечек или конденсата, возникающего на обратной стороне кровельного покрытия. Особенно это актуально для металлической кровли, а также ситуаций, когда снег во время метелей задувается в вентиляционный зазор. Во время оттепели он благополучно растает, но уже внутри кровельной конструкции.

Функция диффузионной мембраны не сводится только к защите от влаги и ветра. Она обладает еще одним важным свойством: способностью пропускать через себя влагу, если она все же попала в утеплитель.

А попадет она туда по разным причинам:

  • использовалась пароизоляция с низкой степенью защиты,
  • монтаж пароизоляционной пленки был выполнен с нарушениями,
  • несущие конструкции выполнены из непросохшего пиломатериала и т. п.

Слово «диффузионная» в названии материала не случайно. Все дело в том, что каждая такая пленка состоит из нескольких слоев, один из которых функциональный (основной). Он обладает микропористой структурой. Поры этого слоя настолько малы, что они могут пропускать воду только в парообразном состоянии за счет диффузии: из зоны с высоким парциальным давлением (жилое помещение) в зону низкого парциального давления (на улицу) при одинаковом атмосферном давлении на разных сторонах материала.

 

Критерии качества диффузионной мембраны

Паропроницаемость диффузионной мембраны определяется количеством граммов водяного пара, которое она способна через себя пропустить в течение 24 часов. Проблема в том, что коэффициент паропроницаемости может существенно различаться у одной и той же мембраны в зависимости от того, при какой температуре проводились исследования. Незнание этой крайне важной информации может ввести потребителей в заблуждение.

Вот простой пример. Одна и та же мембрана, испытуемая при температуре 23 °С, имеет коэффициент паропроницаемости 2000 г/м²/24 ч., а при температуре 38 °С — уже 3000 г/м²/24 ч.

Для уточнения характеристик паропроницаемых мембран используют еще один коэффициент — Sd.

Он более точный, хотя более сложный с точки зрения понимая процессов, которые отражает. Данный коэффициент характеризует сопротивление строительного материала паропроницаемости, измеренное толщиной неподвижного слоя воздуха, обладающего таким же сопротивлением проникновению водяного пара. Рассчитывается на основе сопротивления проникновению водяного пара и толщины материала. Проще говоря, сравнивается паропроницаемость материала с паропроницаемостью слоя воздуха некой определенной толщины.

Например, если показатель Sd (приведенный в метрах) составляет 0,02, это означает, что сопротивление мембраны проникновению водяного пара будет такое же, как и слоя воздуха толщиной 2 см. Чем ниже параметр Sd, тем выше паропроницаемость мембраны. И наоборот: если Sd равен 20, то перед вами уже пароизоляционная пленка, у которой сопротивление проникновению водяного пара будет такое же, как у слоя воздуха толщиной 20 м.

 

Как различаются между собой диффузионные мембраны?

Существует два вида функционального слоя. Одни производят его из полипропилена, другие из термопластичного полиуретана (TPU).

Мембраны с функциональным слоем из полипропилена относятся к классическому виду и в большинстве случаев являются трехслойными. Зачем ей три слоя, если функциональный только один? Дело в том, что прочность данного слоя не очень велика, и чтобы его защитить, к нему с двух сторон прикрепляются защитные слои, состоящие из нетканого полипропилена (Spunbond).

Задача внешних слоев не только предохранять функциональный слой от механических повреждений. В момент монтажа мембрана подвергается атмосферным воздействиям, самое опасное из которых УФ-излучение. Именно оно способно разрушить структуру полимера. В составе функционального слоя есть УФ-стабилизаторы, но они также есть и в защитном слое, что в комплексе дает большую защиту и повышает УФ-стабильность всего материала.
На паропроницаемость защитные слои в отдельности никак не влияют. В их нетканой структуре нити находятся на слишком большом расстоянии, и вода спокойно через них просачивается, не говоря о паре.

Различие трехслойных диффузионных мембран заключается в их плотности. Чем больше плотность, тем мембрана толще, соответственно, прочность ее больше. А это значит, что ей не страшны порывы ветра, пешеходные нагрузки, а также вероятные механические повреждения от упавшего инструмента. Ну и работать с более плотной мембраной намного приятнее и удобнее. К тому же диффузионные мембраны повышенной плотности более устойчивы к УФ-излучению. К этой категории относятся мембраны с плотностью 130 г/м² и выше.

Трехслойная диффузионная мембрана Технониколь

Немаловажный момент — качество сырья, из которого производится материал. Крупные производители дорожат своей репутацией и используют только первичное сырье. А это говорит о том, что в любом случае на такой материал будет гарантия и он прослужит заявленный срок.

Структура диффузионной мембраны

Еще один вид диффузионных мембран — мембраны нового поколения с функциональным слоем из термопластичного полиуретана. Состоят они из двух слоев — функционального из TPU и нетканого полиэстера, обеспечивающего прочность всего полотна.

Двухслойная диффузионная мембрана Технониколь

Преимуществами такой диффузионной мембраны перед классической трехслойной будут:

  • Высокая износостойкость.
  • Эластичность и гибкость в широком диапазоне температур.
  • Высокая стойкость к воздействию нефтепродуктов, смазочных веществ и пропиточных составов для древесины. В отличие от мембран из термополиуретана, мембраны с функциональным слоем из полипропилена боятся воздействия этих веществ, от них функциональный слой разрушается. А такое происходит часто. Попадание масла с цепной пилы при распиле пиломатериалов над полотном мембраны. Или смыв пропитки для древесины в момент дождя с обрешетки или контробрешетки.
  • Высокая стойкость к атмосферным воздействиям. Термополиуретан не боится УФ-излучения, поэтому такие мембраны могут выступать в качестве временной кровли до 6 месяцев.
  • Не содержит пластификаторов и нет эмиссии вредных веществ.
  • Непроницаема для жидкостей, но хорошо проницаема для водяных паров.
  • Устойчивый цвет, мембрана будет выглядеть как новая даже после многих лет эксплуатации.
  • Механическая прочность, функциональный слой из термополиуретана намного прочнее функционального слоя из полипропилена.

Если есть хоть малейшая вероятность задержки монтажа финишного кровельного покрытия, то правильнее всего воспользоваться диффузионной мембраной со слоем из термопластичного полиуретана. Она может выполнять роль временного покрытия до полугода.

 

Как правильно определить, какую мембрану лучше использовать?

Для начала определяемся с конструкцией: кровля, стена.

Если речь об утепленной кровле, то лучше всего в этой конструкции с задачей справится двухслойная мембрана с функциональным слоем из термопластичного полиуретана. Если все же выбор идет в пользу трехслойных мембран с функциональным слоем из полипропилена, то их плотность должна составлять не менее 130 г/м². Больше можно, меньше не рекомендуется. Почему?

Во-первых, кровля является самым ответственным участком в плане протечек. Во-вторых, именно через нее стремится выйти большая часть тепла и парообразной влаги, накопленной в помещении. Начиная с монтажа и все последующее время мембрана в этом месте будет максимально подвержена разным воздействиям.

Монтаж пароизоляционной пленки

В момент монтажа мембрана должна выдержать механические нагрузки, возникающие при передвижении кровельщика. Никто не застрахован от падения инструментов. Мембрана должна выдержать и не порваться.

До тех пор, пока крыша не закрыта кровлей, мембрана испытывает воздействие УФ-лучей и порывов ветра.

Очевидно, что в кровельной конструкции мембрана должна обладать повышенной плотностью, иметь высокие прочностные характеристики, а также высокую стойкость к УФ-излучению. В период эксплуатации она подвергается температурным воздействиям, особенно под металлической кровлей. В летнее время на солнце металл нагревается до очень высоких температур. Поэтому для мембран с полипропиленовым слоем есть ограничения. Однако для пленок с полиуретановым функциональным слоем допустимы гораздо более высокие температуры.

Для защиты стен нет смысла использовать мембраны повышенной надежности.

Стены не подвергаются столь серьезным механическим и атмосферным воздействиям. В этой конструкции вполне подойдут трехслойные мембраны. К тому же вертикальное расположение позволяет воде, если она вдруг проникла, просто стечь вниз. Также менее вероятно и механическое повреждение. Перемещений по мембране не будет. Но материал на стене по-прежнему должен быть ветровлагозащитным. При использовании в конструкциях каркасных стен достаточно будет плотности 110 г/м², при использовании в системах навесных вентилируемых фасадов рекомендуется плотность увеличить до 130 г/м² и выше.

Эти простые советы помогут сделать правильный выбор с точки зрения долговечности, надежности и рациональности. Определяясь с видом материала, необходимо внимательно изучить его состав, характеристики, а также четко понимать, в какой конструкции она будет использована.

 

 

 

 

 

 

Что бы еще почитать?

Супердиффузионная мембрана какую выбрать?

Главная » Полезное » Пленки подкровельные — Статьи » Супердиффузионная мембрана какую выбрать?

Чтобы обеспечить дому долголетие, нужно тщательно продумать его защиту от ветра, снега, дождя, града и других атмосферных воздействий. С этой целью в современном строительстве успешно применяются различные виды пленок.

Чтобы повысить эффективность утеплителя должны применяться гидро и пароизоляционные пленки. На строительном рынке широко представлены пленки для полов, стен, кровли. При покупке пленки следует учитывать температуру воздуха в помещениях и паропроницаемость материалов.

Какую мембрану выбрать для дома?

Это покрытие с многослойной структурой позволяет регулировать паропроницаемость в кровельной, фасадной конструкции. Применяется в качестве гидроизоляции и ветрозащиты мансарды, перекрытий, чердачных помещений, полов, стен.

В компании Azimyt вам будут предложены гидроизоляционные пленки для пола, для кровли и супердиффузионные мембраны лучших производителей. Среди них — Ютафол 90 и 110 с армированным полиэтиленом, Ютавек 115 на полипропиленовой основе, Strotex Basic и др. Они различаются плотностью, горючестью, стойкостью к УФ лучам и способностью отталкивать влагу. Защищают также от пыли, плесени, грязи.

С чем совместима супердиффузионная мембрана и какую выбрать теплоизоляцию?

Мембраны Ютавек, Strotex — производят ведущие мировые концерны, поэтому качество, супердиффузионной мембраны Ютавек 115 цена и технические характеристики на высоте. Наша компания заключила прямой договор с производителями, в результате чего определен низкий уровень стоимости фирменных строительных материалов.

Свойства супердиффузионных мембран:

• Прочность
• Высокая паропроницаемость
• Ветрозащита
• Гидроизоляция
• Стойкость к ультрафиолету
• Отсутствие коррозии, гниения, бактерий
• Долгий срок эксплуатации

Современная супердиффузионная мембрана Ютавек 115 легко сочетается с каменной ватой Парок Экстра  и любыми другими видами утеплителей.

 

Полезное — Скатная кровля – утепление мансарды изнутри

Супердиффузионная мембрана для пароизоляции и гидроизоляции кровли

Супердиффузионная мембрана – подкровельное гидро- и пароизоляционное покрытие, предназначенное для скатных крыш простых и сложных конструкций. За счет тканевой структуры супердиффузионная мембрана эффективно пропускает испаряющуюся влагу, не давая утеплителю намокнуть. Также в условиях с высокой или низкой температурой данный материал сохраняет первичные эксплуатационные характеристики, чего не может предложить большинство конкурентных аналогов.

Монтаж супердиффузионной мембраны своими руками

Прокладка супердиффузионной мембраны выполняется горизонтальными полосами на слой утеплителя без необходимости формирования второго вентиляционного зазора. Каждый последующий лист укладывается внахлест от 10 см как с вертикальной, так горизонтальной стороны. Величина нахлеста определяется в зависимости от угла ската кровли:

до 9,5° – 20 см;

от 9,5° до 18° – 15 см;

от 18° – 10 см.

Места соединения супердиффузионной мембраны проклеиваются гидроизоляционной лентой (строительным скотчем). Крепиться полотно к теплоизоляции, стропилам, лагам или иным элементам кровли при помощи оцинкованных гвоздей с широкой шляпкой или сшивателя/степлера. Также для более надежной фиксации используются контррейки, устанавливающиеся с шагом приблизительно в 0,9-1,2 м.

Примечание! Прежде чем приступить к монтажу супердиффузионной мембраны, важно ознакомиться с технической документацией от производителя и уточнить, какой стороной должны укладываться полотна.

Как выбрать супердиффузионную мембрану?

На российском рынке представлен широкий ассортимент супердиффузионных мембран от различных производителей, однако в целом между ними нет каких-либо кардинальных отличий. Есть всего лишь два ключевых параметра, по которым нужно выбирать материал: плотность и паропроницаемость. Соответственно, данные характеристики для каждой кровли определяются индивидуально, в зависимости от окружающих ее климатических условий и типа конструкции.

Среди наиболее «ходовых» и проверенных марок супердиффузных мембран можно отметить:

Mastermax;

Juta;

Aqua-Control;

Strotex;

Delta-Trela;

MARMA Dachowa.

Примечание! Для кровель, эксплуатируемых в агрессивных условиях, существую многослойные супердиффузионные мембраны, превосходящие классические аналоги по прочности, однако уступающие в цене.

Какую мембрану выбрать для кровли

Супердиффузионная мембрана – это современный, и что важно, усовершенствованный аналог классического гидробарьера. В кровельном пироге она располагается непосредственно под кровельным материалом и над утеплителем. Основная цель не только защищать слой теплоизоляции и деревянные конструкции от воды и воздействия УФ-лучей, но и отводить пар изнутри крыши, так сказать позволяя ей дышать.

В этой статье мы подробно рассмотрим почему мембрана лучше, чем гидроизоляционная пленка, а также как выбрать мембрану в зависимости от кровельного покрытия.

 

Чем супердиффузионная мембрана лучше, чем гидробарьер?

Классическая гидроизоляция – это пленка. Конечно усиленная, но все же всего лишь пленка. И она обладает всеми выплывающими из этого недостатками:

  • Под действием высоких температур, а также за счет их постоянного перепада она теряет свои свойства, высыхает, и со временем просто разлезется.
  • Наглухо закрывает подкровельное пространство и не позволяет ему дышать. И в случае если сквозь паробарьер все-таки попала влага из комнат, то она там и останется, и будет постоянно портить утеплитель и деревянные балки.

От негативного воздействия высоких температур и вовсе никуда не деться. Под солнцем любая, особенно металлическая крыша очень сильно нагревается. И передает высокие температуры всем материалам. А всем известно, что полиэтилен со временем рассыхается, а постоянное воздействие на него жары только ускоряет эти процессы. В итоге, гидробарьер служит 5, ну от силы 10 лет. А ведь крыша укладывается на более продолжительное время?

Что касается того,что он не выпускает пар, конечно это может быть и не критично, но ведь всем известно, что в любом случае дышащие материалы намного лучше нежели цельные, которые наглухо закрывают. Например, в паробарьере появится дырка, либо где-то отклеится скотч и влага будет свободно поступать в крышу, а деваться ей будет некуда. И весь пирог будет медленно и уверенно портиться и приходить в негодность.

 

Возможно вам будет интересно «Какая гидроизоляция лучше для крыши?»

Существует негласное правило, что все компоненты должны находиться в одном ценовом диапазоне. Так, например, покупая металлочерепицу с гарантией 40 лет, утепляя крышу базальтовой ватой, совершенно не имеет смысла класть туда гидробарьер. Да, он сэкономит небольшую сумму, но возьмем по максимуму, через 10 лет его придется менять. А добраться до него можно будет только сняв кровельное покрытие или утеплитель. То есть переделав крышу. А вот используя супердиффузионную мембрану такого делать не придется.

Супердиффузионная мембрана имеет пористую структуру, где отверстия сужаются вниз. Именно поэтому важно какой стороной его нужно укладывать. Такие отверстия позволяют выпускать пар наружу и не пропускают воду сверху. Ее часто сравнивают с человеческой кожей, так как она может «дышать».

Что мы получаем в итоге? При использовании мембраны, если влага попала внутрь, она не оказывает негативного влияния на все внутренние компоненты и свободно выходит наружу. Гидробарьер же образует цельную пленку и влажный воздух остается внутри, портит стропила, балки, базальтовую вату.

Подведем итог, главные преимущества того, что мембрана лучше гидробарьера состоят в:

 

  • Срок службы
  • Стойкость к высоким температурам
  • С ней внутри крыши не будет застаиваться влага

 

 

 

Как выбрать мембрану для кровли

Супердиффузионные мембраны отличаются между собой плотностью и именно она обусловливает сферу их применения. Так, например, мембрана должна выдерживать высокие температуры, действие ветра, влаги, а также УФ-лучей. Действие того или иного фактора зависит от кровельного материала и будет меньше либо больше. Именно поэтому можно применять четкие рекомендации касательно выбора.

Мембраны низкой плотности, к ним относятся 100 г/м2 и меньше, их лучше вообще не применять для крыши, а использовать для вентилируемого фасада. Так как в таком случае на них будет оказываться минимальное действие негативных факторов. Максимум – это использование в кровлях из битумной черепицы.

 

Немного разберемся в строении кровельного пирога, дабы объяснить почему так. Битумная черепица стелится на лист из OSB и только под него уже вкладывается мембрана. То есть, влага к ней не попадает, температура будет уменьшаться за счет перегородки из фанеры, и УФ-лучи уже точно не дойдут до нее.

Для битумной черепицы лучше всего использовать мембраны с плотностью 110 г/м2. Это оптимальный вариант. Брать большую плотность совершенно бесполезно, это будет пустая переплата.

Супердиффузионная мембрана под металлочерепицу должна быть уже большей плотности 115-125 г/м2. Мембрана укладывается сразу под металлочерепицу. Поэтому она принимает на себя весь удар от больших температур и должна выдерживать конденсат, который образовывается на обратной стороне черепицы.

 

При чем, если для металлочерепицы со сроком службы 20-30 лет можно брать мембрану с плотностью 115 г/м2, а если ее срок службы достигает 50 лет, то лучше выбрать плотность 125 г/м2, это будет надежней.

Например, для металлочерепицы лучше считается мембрана Ruukki 125

 

Для использования с композитной черепицей необходима еще большая плотность. Во-первых, при стыке фрагментов, могут образоваться небольшие зазоры, в которые будут проникать солнечные лучи и дождевая вода, и снова-таки нельзя забывать о негативном воздействии высоких температур. К тому же, композитная черепица имеет длительный срок службы и мембрана должна также его весь отслужить. А с низкой плотностью, она рассыпается пусть даже по истечении 30-лет, но для композитной этого все равно мало

 

Самые плотные мембраны следует использовать с натуральной черепицей. Во-первых, ее срок службы от 50 лет и больше. И конечно мембрана должна тоже отслужить столько, так как мы уже писали выше, все компоненты кровельного пирога должны иметь одинаковый диапазон. Плюс, при монтаже отдельных блоков черепицы между ними снова таки могут образоваться зазоры, как и в случае с композитной, только даже еще больше. Поэтому для натуральной черепицы используется самая плотная мембрана.

Полный каталог супердиффузионных мембран представлен тут: https://iteragroup.com.ua/krovel-nye-pokrytija/plenki-i-membrany-2/krovel-nye-membrany-2.html

Подводя итог, можно сказать, что о гидробарьере как о материале для кровли стоит вообще забыть. А вот супердиффузионных мембран представлен большой выбор, в зависимости от их применения.

Понравилась статья? Подпишитесь на рассылку и первыми получайте самые интересные новости!

Неброуновская диффузия в липидных мембранах: эксперименты и моделирование

https://doi.org/10.1016/j.bbamem.2016.01.022Get rights and content

Основные моменты

Концепции аномальной диффузии 90 00509 90 0509 90 6

аномальная диффузия в липидных бислоях

Эргодическая вязкоупругая диффузия в жидких неупорядоченных, упорядоченных и гелевых фазах

негассовской аномальной диффузии в переполненных липидных бислоях

мембрана дефекты палочковидными адсорбированными объектами

Abstract

Динамика составляющих и поверхностный отклик клеточных мембран, в том числе в связи со связыванием различных частиц и макромолекул с мембраной, до сих пор являются предметом споров в области мембран. сообщества биофизиков, особенно в отношении переполненных мембран живых биологических клеток.Здесь мы рассматриваем недавние эксперименты по отслеживанию одиночных частиц в плазматических мембранах живых клеток и суперкомпьютерные исследования модельных мембран липидного бислоя с скоплением белков и без него. Особое внимание уделяется наблюдению за аномальной неброуновской диффузией как липидных молекул, так и белков, встроенных в липидный бислой. В то время как однокомпонентные, чистые липидные бислои в моделировании демонстрируют только кратковременную аномальную диффузию молекул липидов в наносекундных масштабах времени, постоянство аномальной диффузии становится значительно более продолжительным при добавлении беспорядка — за счет добавления холестерина или белков — и при прохождении мембранных липидов в гелевую фазу.В то же время эксперименты демонстрируют аномальную диффузию белков, встроенных в мембрану, вплоть до макроскопических масштабов времени в минутном временном диапазоне. Особое внимание будет уделено физическому характеру аномальной диффузии, в частности наблюдаемому в экспериментах возникновению старения — эффективная диффузионная способность измеряемых частиц является убывающей функцией времени. Кроме того, мы представляем результаты для зависящего от времени показателя локального масштабирования среднеквадратичного смещения контролируемых частиц.Сообщается о недавних результатах, обнаруживающих отклонения от общепринятых паттернов гауссовой диффузии в мембранах, насыщенных белком. Свойства автокорреляционной функции смещения липидных молекул обсуждаются в свете их соответствующих физических моделей аномальной диффузии как для непереполненных, так и для переполненных мембран. В последней части этого обзора мы обращаемся к предстоящей области искажения мембран удлиненными частицами, связывающимися с мембраной. Мы обсуждаем, как компартментализация мембран и энергия связывания частиц с мембраной могут влиять на динамику и реакцию липидных мембран.Эта статья является частью специального выпуска под названием «Биосимуляции» под редакцией Илпо Ваттулайнена и Томаша Рога.

Ключевые слова

ключевые слова

Липидный биловый

Белковый прогресс

аномальная диффузия

симуляции

Стохастическое моделирование

Негассовские процессы

Рекомендуемые статьи, рекомендуемые статьи (0)

© 2016 Авторы. Опубликовано Elsevier B.V.

Рекомендуемые статьи

Ссылки на статьи

Frontiers | Аномальная субдиффузия в живых клетках: преодоление разрыва между экспериментами и реалистичными моделями с помощью совместных задач

1.Введение

Жизнь клетки регулируется высокодинамичными микроскопическими процессами, происходящими в различных пространственных и временных масштабах от отдельных макромолекул до органелл. Оптическая микроскопия предоставила четыре десятилетия назад первые измерения движения биомолекул в клетках. Сначала с помощью восстановления флуоресценции после фотообесцвечивания (FRAP) [1] и корреляционной спектроскопии флуоресценции (FCS) [2], а в последнее время с помощью отслеживания одиночных частиц (SPT) [3, 4]. Несколько факторов объединились для популяризации этих методов во многих биофизических и биологических лабораториях: (i) разработка высокочувствительных детекторов, (ii) появление в конце 90-х годов генетически кодируемого мечения флуоресцентных белков [5-7] и (iii) появление в 2000–2010 годах микроскопии сверхвысокого разрешения в дальней зоне [8–12].Все эти технологические усилия предоставили нам доступ к мониторингу молекулярного движения в клетках с беспрецедентным пространственным (вплоть до одиночной молекулы) и временным разрешением [13, 14]. Принятие этих методов имело первостепенное значение в продвижении понимания клеточной организации и динамики [15-17].

Хотя получение достаточных наборов экспериментальных данных раньше было ограничивающим фактором, эти технологические достижения в сочетании с распараллеливанием сбора данных в настоящее время обеспечивают огромные объемы данных, доступных для анализа молекулярного движения внутри клетки.В свою очередь, богатство этих данных выявило непредвиденную сложность и разнообразие механизмов движения биомолекул в клетках. Поэтому много усилий уделяется анализу данных, предоставляемых FCS или SPT, с использованием прямого подхода или подхода вывода.

Однако выбор подходящих алгоритмов для анализа сложности наблюдаемых явлений по-прежнему остается серьезной проблемой. Действительно, богатство экспериментальных данных часто затрудняет определение того, какие физические модели следует рассматривать и какие соответствующие биофизические параметры следует оценивать на их основе.Мы рассматриваем и рассматриваем этот вопрос в этой перспективе.

Сначала мы кратко рассмотрим ключевые модели аномальной диффузии, имеющие отношение к клеточной биологии, и вкратце опишем некоторые из существующих методов либо для определения параметров модели, либо для выполнения выбора модели. Мы обсудим актуальность численного моделирования и важность разработки реалистичных наборов данных, точно имитирующих результаты, полученные в экспериментах на биологических образцах. Мы также подчеркнем часто упускаемые из виду ограничения в современных методах сбора данных и подчеркнем роль экспериментального шума и погрешностей вышеупомянутых методов.Наконец, мы представим и выступим за разработку всеобъемлющих наборов смоделированных данных и показателей, что позволит сообществу объективно оценить существующие и новые инструменты анализа. Мы надеемся, что эта работа вызовет открытую дискуссию об ограничениях и проблемах анализа и моделирования диффузии молекул в сложной среде клетки.

2. Броуновская и аномальная диффузия

Возможно, одним из самых известных результатов теории броуновской диффузии является то, что среднеквадратичное смещение (СКО) случайного блуждающего человека линейно увеличивается со временем и пропорционально коэффициенту диффузии жидкости, в которой происходит диффузия.Если x ( t ) является положением случайного блуждающего во время t (в одном измерении), это означает, что MSD 〈 x ( t ) 2 〉 = 2 8 , где 〈·〉 означает усреднение по ансамблю и x (0) = 0. Однако броуновская диффузия не объясняет физику неупорядоченных систем. Интересно, что повсеместное наблюдение в клеточной биологии состоит в том, что диффузионное движение макромолекул и органелл носит аномальный характер, т. е. изменение СКО во времени обычно характеризуется сублинейным увеличением.В большинстве случаев это сублинейное возрастание СКО со временем можно описать степенной зависимостью 〈 x ( t ) 2 〉 ∝ t α с показателем α < 1, что оправдывает голос «субдиффузии». Субдиффузию обычно связывают со скученностью клеток, пространственной неоднородностью или молекулярными взаимодействиями. Другой возможностью аномальной диффузии является супердиффузия, при которой 1 < α < 2. Действительно, многие процессы в биологии демонстрируют активный перенос или комбинации активных и случайных движений.

Таким образом, аномальная диффузия в клетках является очень активной областью исследований, включающих биофизику, клеточную биологию, статистическую физику и математическое моделирование.

При столкновении с набором данных, полученных в результате экспериментов FCS или SPT, первый вопрос, на который нужно ответить, заключается в том, действительно ли измеренная субдиффузия является проявлением аномального процесса. Часто сочетание нескольких механизмов нормальной диффузии или экспериментальных артефактов приводит к кажущейся диффузии.Если аномальная субдиффузия, характеризующаяся степенным масштабированием СКО во времени, может быть идентифицирована, установление физической модели, лежащей в основе процесса диффузии, может пролить свет на молекулярные механизмы, управляющие движением интересующей молекулы.

Ниже мы сначала сосредоточимся на трех классических моделях аномальной субдиффузии и их общей биологической интерпретации, а именно модели случайных блужданий с непрерывным временем (CTRW), модели дробного броуновского движения (fBm) и случайных блужданий во фрактальных и неупорядоченных системах ( обзор см. e.g., [18]), затем мы кратко опишем различные модели, охватывающие супердиффузионные процессы, которые могут встречаться в ячейках, такие как модель бега и падения, полеты Леви и супердиффузионный fBm.

Модель случайного блуждания с непрерывным временем представляет собой обобщение случайного блуждания, в котором диффундирующая частица выжидает случайное время между прыжками. В более общем случае, когда распределение ϕ(τ) времени ожидания τ имеет длинный хвост и не может быть усреднено (например, ϕ(τ) ∝ τ − (1+α) и 0 < α < 1), ансамбль -усредненное СКО показывает аномальное масштабирование со степенным законом.Прямая интерпретация CTRW в контексте молекулярной биологии - это уподобление времени ожидания взаимодействиям молекулы с неподвижным субстратом (в соответствующих временных и пространственных масштабах). Важно отметить, что взаимодействие с характерным временем пребывания не удовлетворяет условиям модели. Интересно, однако, что распределение времени ожидания неспецифических взаимодействий, распространенных в клетке, может быть неусредняемым и, таким образом, CTRW является хорошей микроскопической моделью для одного типа аномальной субдиффузии в клетке.Было предложено управлять цитозольной диффузией наноразмерных объектов в клетках млекопитающих [19], а также использовать для объяснения латерального движения калиевых каналов в плазматической мембране клеток [20].

Модель дробного броуновского движения представляет собой другое обобщение броуновской диффузии, в котором скачки между временами запаздывания следуют нормальному распределению, но подчиняются корреляционной функции, определяемой формулой 〈 x ( t ) > = 1/2 ( T 2 H + S 2 H — ( T S ) 2 H ) Для T > S > 0.Таким образом, fBm-процесс характеризуется индексом Херста H в диапазоне от 0 до 1. Значение H определяет тип скачкообразной зависимости в fBm-процессе, так что H > 1/2 указывает на положительную корреляцию между приращениями броуновское движение достигается при H = 1/2, а приращения имеют отрицательную корреляцию, когда H < 1/2. СКО fBm определяется как 〈 x ( t ) 2 〉 ∝ t 2 H , что, опять же, включает броуновскую диффузию для H для H < 1/2 или супердиффузия для H > 1/2 (см. ниже).Модель fBm точно описывает диффузию частиц в вязкоупругой жидкости [21], и часто утверждалось, что скопление молекул в ячейке приводит к микровязкости и, следовательно, к аномальной диффузии. Он был предложен в качестве модели диффузии теломер в ядре [22, 23].

Другой возможной моделью аномальной диффузии в клетке является модель случайных блужданий во фрактальных средах и неупорядоченных системах . Фракталы — это самоподобные математические объекты, построенные на повторении простых правил и характеризуемые нецелым числом: фрактальная размерность .Хотя это все еще обсуждается, некоторые авторы предположили, что организация хроматина в первом приближении соответствует фрактальной структуре, и были предложены оценки его фрактальной размерности [24]. Случайные блуждания на фракталах являются субдиффузионными из-за пространственной корреляции смещений, и степенной коэффициент масштабирования СКО во времени определяется как 2/ d w , где d w 78 78 78 78 78 размерность прогулки , специфичная для фрактала.Хотя уместность модели фрактальной сети для описания молекулярной диффузии все еще обсуждается, оправдана попытка интегрировать многомасштабные характеристики клеточной организации в такую ​​фрактальную модель.

Среди существующих супердиффузионных движений в клетках есть процесс бега и падения, который состоит из чередующихся фаз быстрого активного и медленного пассивного движения, приводящего к преходящей аномальной диффузии [25]. Первоначально наблюдаемый для движения бактерий, он недавно был использован для описания молекулярных движений в клетках, таких как движение моторов вдоль нитей цитоскелета.Моторные белки выполняют ряд стадий (run), пока они случайным образом не оторвутся от филаментов и не диффундируют в переполненную цитоплазму (tumble) перед повторным связыванием [26]. То же самое можно сказать и о факторах транскрипции в ядре, ищущих свой кодон инициации, чередуя последовательно диффузию и одномерное скольжение по ДНК. Супердиффузионная fBm, характеризуемая индексом Херста H > 1/2, была описана как внутриклеточное движение частиц в переполненной цитоплазме амибы [27].Наконец, полеты Леви ранее были предложены для внутриклеточного транспорта на основе актина, опосредованного молекулярными моторами [28], и недавно в случае мембранного нацеливания на белок C2 [29].

Заметим, что описанные выше модели никоим образом не исчерпывающе охватывают круг моделей, о которых известно, что они проявляют аномальную диффузию (см., например, [30–32]). Однако CTRW, fBM и случайные блуждания во фрактальных моделях широко изучались; что еще более важно, они могут сопоставлять параметры модели с соответствующими биологическими и биофизическими характеристиками.Поэтому мы ограничим наше обсуждение вышеупомянутыми случаями и тем, как их можно использовать для анализа и интерпретации экспериментальных данных, полученных с помощью FCS и SPT.

3. Какими методами правильно анализировать диффузионный процесс?

3.1. Флуоресцентная корреляционная спектроскопия

Принцип FCS заключается в измерении временных изменений молекулярной концентрации в заданном положении в объеме биологического образца. Это достигается путем наблюдения за временными флуктуациями флуоресцентного сигнала, излучаемого молекулами, находящимися в наблюдаемом объеме, который возбуждается сфокусированным лазером.Основное предположение FCS заключается в том, что система находится в динамическом равновесии, и поэтому флуктуация сигнала может быть связана с диффузией молекул в пределах объема наблюдения. В то время как амплитуда флуктуаций связана с количеством молекул в наблюдаемом объеме, затухание их автокорреляции во времени зависит от их подвижности.

Типичная установка FCS состоит из осветительного лазера и конфокального микроскопа с быстрым одноканальным однофотонным детектором.Лазерный луч освещает объем обнаружения, как правило, с гауссовским профилем интенсивности и возбуждает флуорофоры в фокальном объеме. Излучаемый флуоресцентный свет улавливается детектором и зависит от колебаний локальной концентрации меченых молекул.

Параметры, такие как среднее число молекул (N) и их среднее время пребывания (τ d ) в конфокальном объеме (поверхности), могут быть получены либо непосредственно из этого измерения флуктуаций интенсивности флуоресценции, либо косвенно с помощью временного автоматического — корреляция этого колебания.Второй метод является наиболее популярным для анализа данных FCS (см. рис. 1). Основным недостатком стандартной FCS является отсутствие прямого контроля возможных пространственных и/или временных неоднородностей, которые приведут к отклонению от чисто броуновского движения. Для преодоления этой проблемы было предложено несколько подходов, включая FCS с точечной вариацией (sv-FCS) [14, 33], FCS с линейным сканированием и STED-FCS [34, 35], а также подходы к визуализации, такие как (пространственно)-временная. корреляционная спектроскопия изображений [(S)TICS], корреляционная спектроскопия растровых изображений (RICS) [36] или, совсем недавно, визуализация всей плоскости FCS (Im-FCS) [37].С развитием коммерческих микроскопов в сочетании с возможностями FCS этот метод и его производные становятся все более и более популярными в биологических лабораториях.

Рисунок 1 . Схематическое изображение типичной установки, используемой в экспериментах по флуоресцентной корреляционной спектроскопии (A) и отслеживанию одиночных/множественных частиц (B) . (A) Лазер фокусируется на флуоресцентно меченном образце с помощью объектива микроскопа. Затем флуоресценция собирается объективом и конфокально фокусируется (используя точечное отверстие) на детекторе, считающем одиночные фотоны (лавинный фотодиод, APD).Этот детектор регистрирует флуктуации флуоресцентного излучения в пределах конфокального объема образца. Прямая ссылка на электронный коррелятор разрешает генерацию автокоррелограммы в режиме реального времени. (B) Лазер фокусируется в задней фокальной плоскости объектива микроскопа для получения полного поля освещения образца. Флуоресценция, испускаемая каждой отдельной частицей, присутствующей в поле освещения, затем непосредственно отображается на чувствительной камере (устройство с зарядовой связью, ПЗС).Получается фильм, и постобработка этого фильма позволяет отслеживать отдельный излучатель, а затем генерировать среднеквадратичное смещение (MSD) как функцию кривых времени запаздывания.

Был исследован широкий спектр динамических процессов, приводящих к флуктуациям концентрации (т. е. диффузия, течение, химические реакции и их различные комбинации), для получения соответствующих аналитических выражений временной автокорреляционной кривой G ( t ) в случае гауссовой (лазерной конфокальной) геометрии освещения/обнаружения (обзор см. в [38] и ссылки там).Например, в случае броуновского движения в 2D G(t)=1/{N̄(1+4Dt/w2)}, где w — размер перетяжки пучка, а N̄ — среднее число молекул в объем наблюдения. Основной подход к идентификации и количественной оценке диффузионных процессов в FCS состоит в нелинейной аппроксимации экспериментальных кривых автокорреляции методом наименьших квадратов с использованием описанных выше аналитических выражений и выборе среди этих моделей наиболее подходящей модели с использованием различных статистических тестов. Хотя он может дать количественные значения параметров статистически выбранной модели движения, он может быть сильно смещен, в частности, для сложных движений.Байесовский подход к одноточечному анализу коррелограммы FCS был предложен для беспристрастного различения различных моделей [39, 40].

Еще один способ различать разные типы движения — исследовать пространство и время с помощью FCS, например, используя svFCS. svFCS дает возможность генерировать так называемые «законы диффузии» путем построения графиков изменений времени пребывания (τ d ) в зависимости от исследуемой поверхности (т. е. лазерной перетяжки) w 2 .Это позволило напрямую идентифицировать отклонения от чисто броуновского движения в плазматической мембране клеток [41] или аномальную диффузию, возникающую либо при липидном фазовом переходе первого рода [42], либо в негомогенных жидкостях, гелях и скученных растворах [43, 44]. ]. Недавно он был распространен на STED-FCS с линейным сканированием [45] и Im-FCS [46].

3.2. Отслеживание одной или нескольких частиц

В то время как концентрация подмножества флуоресцентных молекул в конфокальном объеме в экспериментах FCS близка к одномолекулярному режиму, измерение измеряет среднее движение ансамбля молекул, диффундирующих в точку наблюдения и из нее.И наоборот, SPT по своей конструкции представляет собой одномолекулярный подход, контролирующий, таким образом, движение отдельных молекул. Одной из сильных сторон SPT является возможность фиксировать редкие события или модели поведения, которые в противном случае были бы скрыты в среднем значении.

Принцип проведения СПД-экспериментов прост, он заключается в восстановлении изменений положения отдельных молекул в пределах интересующей выборки, т. е. временного ряда двумерных или трехмерных координат положения молекулы.Это достигается в два этапа: во-первых, путем оценки центроида измеренной функции рассеяния точки (PSF) каждого обнаруженного отдельного излучателя, а во-вторых, путем связывания траектории одной и той же молекулы между последовательными изображениями. Важно отметить, что точность, с которой можно точно определить положение молекулы, зависит только от отношения сигнал-шум измеренного PSF, получая субволновую точность, как правило, порядка ~ 10 нм.

Базовая экспериментальная установка SPT состоит из лазера возбуждения, объектива с высокой числовой апертурой, набора дихроичных фильтров и фильтров для разделения длин волн возбуждения и излучения, трубчатой ​​линзы и высокочувствительной камеры, способной обнаруживать отдельные флуорофоры (см. рис. 1). .Лазер фокусируется на задней фокальной плоскости объектива для получения конфигурации освещения с широким полем, которое можно настроить на полное внутреннее отражение (TIRF) или сильно наклонное освещение (HILO) [47] для увеличения SNR при изучении молекулярной динамики. в клеточных мембранах или внутри клеток соответственно. Флуоресцентный свет собирается тем же объективом, а изображение одиночных излучателей формируется на плоскости камеры через трубчатый объектив [13, 48].

Количество полученной информации о биологической системе из анализа SPT зависит от характера эксперимента.Изучение медленно диффундирующего трансмембранного белка даст гораздо более длинные следы, чем быстро диффундирующего фактора транскрипции в ядре. В последнем случае следы будут ограничены количеством изображений, на которых отслеживаемая частица остается в пределах глубины резкости вокруг плоскости изображения, в отличие от первого случая, когда ограничивающим фактором является фотообесцвечивание.

Классический анализ набора траекторий состоит в вычислении зависимости СКО (средней по времени или по ансамблю) во времени от распределения скачков с увеличивающимся временем запаздывания, определяемым камерой, обычно порядка десятков РС.Однако, как мы увидим в следующем разделе, для полного анализа и интерпретации данных SPT были предложены различные подходы и оценки. По сравнению с FCS анализ SPT интенсивно исследуется, и можно выделить несколько семейств методик (см. также обзоры: [24, 49, 50]). В области случайных процессов вывод коэффициента диффузии из процесса выборки является обычной проблемой (см., например, [51, 52]). Однако эта теория не может быть применена при переходе к экспериментальным траекториям, и были предложены другие подходы.

3.2.1. Методы на основе МСД

Первое семейство алгоритмов анализа SPT пытается выполнить надежный вывод MSD. Использование МСД для изучения диффузии было введено Эйнштейном в 1906 г. и возрождено в биологии [53]. Анализ СКО может быть выполнен либо путем вывода коэффициента диффузии из одной траектории (настройка, изученная в [54]), либо путем объединения различных траекторий [55], и было предложено множество уточнений и оценок, основанных на СКО [56, 57] .

При выводе кинетических параметров из серии одиночных траекторий возникает проблема, что при общих длинах траекторий, полученных в ядерном СПД (длина << 20 точек на трек) и общей ошибке локализации, неточность может достигать 100% [54, 58] .Таким образом, любой подход, использующий MSD на коротких траекториях, следует оценивать с большой осторожностью. Для более длинных траекторий (таких как диффузия в мембране) были предложены подходы, которые могут сегментировать траектории в зависимости от типа движения [59].

3.2.2. Скрытые марковские модели (HMM)

Второе семейство алгоритмов анализа SPT основано на марковских моделях и скрытых марковских моделях. Большинство из них были получены для выполнения классификации сегментов траектории, при этом скрытая переменная выводится как состояние диффузии или текущий коэффициент диффузии.Например, Монье и др. [60] вводит метод HMM-Байеса, чтобы сделать вывод, находится ли сегмент траектории в одном (или нескольких) диффузионном или активном транспортном состоянии. Более того, Slator et al. [61] реализовал вывод локализационного шума для вывода переключений коэффициента диффузии в пределах одной траектории. Аналогичный подход использовался для обнаружения ограничения свободы [62].

Эти методы часто полагаются на фиксированное количество состояний, что связано со значительными математическими ограничениями. Некоторые из этих ограничений были преодолены с помощью так называемого вариационного байесовского вывода [63].Прототипом алгоритма, выполняющего вариационный байесовский вывод на HMM, является vbSPT [64]. Этот алгоритм может оценивать количество диффузных состояний и постепенно объединять увеличивающуюся информацию об этих состояниях по мере анализа траекторий. Алгоритм был доработан, чтобы включить оценку ошибки локализации [65].

3.2.3. Вывод карт коэффициентов диффузии

Третье семейство алгоритмов анализа SPT не только выводит коэффициент диффузии по совокупности диффундирующих молекул, но также и пространственную карту диффузии [66, 67].Этот подход впервые был применен к мембранам, где можно легко получить высокую плотность дорожек. Расширение этого подхода с использованием передемпфированного уравнения Ланжевена для движения одиночной молекулы пролило новый свет на сборку ВИЧ-1 в живых клетках [68]. Эти многообещающие методы не были проверены за пределами мембранных молекул, но высокие коэффициенты диффузии свободно диффундирующих клеточных белков могут затруднить создание такой карты. Более того, в отличие от мембран, белки могут находиться в одном и том же месте с разными коэффициентами диффузии в зависимости от того, взаимодействуют ли они с данной структурой или нет.

3.2.4. Вывод об аномальной диффузии

Было предложено много подходов для определения аномальной диффузии в клетках; обзор некоторых из них содержится у Guigas и Weiss [69]. Можно использовать прямой метод, подгоняя МСД степенным законом для оценки коэффициента аномальной диффузии α. Однако были предложены альтернативные методы, многие из которых были сосредоточены на выводе параметров, характерных для модели, или на методах различения типов аномальной диффузии.

Было предложено несколько методов для определения параметров диффузии для нескольких моделей аномальной диффузии.Для случая диффузии в неупорядоченных (фрактальных) средах Шкилев [70] предлагает оценки, которые могут быть применены к СПД, FCS и FRAP. Для случая частичного броуновского движения были предложены методы определения как коэффициента аномальной диффузии (α), так и обобщенного коэффициента диффузии ( D α ). Первый подход [71] учитывает шум (ошибку локализации) и дрейф и использует байесовский вывод. Последний [72] опирается на квадрат смещения и использует метод наименьших квадратов для оценки D α .

И наоборот, вместо того, чтобы пытаться оценить параметры известной модели, ключевой вопрос состоит в том, чтобы различать различные модели аномальной диффузии. Прототипный подход [73] использовал байесовский вывод, чтобы различать броуновскую, аномальную, замкнутую и направленную диффузию, и использует пропагаторы, связанные с каждой отдельной моделью диффузии. Однако Хеллманн и соавт. [74] с помощью моделирования обнаружили, что очень трудно отличить fBm от диффузии на фрактале, когда присутствует шум локализации, как в SPT, так и в FCS.Авторы использовали комбинацию методов для вывода, в том числе MSD и методы p -вариации. В Burnecki и соавт. [23] авторы предлагают серию тестов для «однозначной» идентификации fBm, постепенно доказывая, что несколько других моделей ошибочны. Были предложены и другие тесты для отличия fBm от CTRW с использованием теста, основанного на p -вариациях [75]. p -вариаций представляют собой конечную сумму p -х степеней приращений траектории.Наконец, для разграничения CTRW и диффузии во фракталах использовались подходы, основанные на среднем времени первого прохождения частицы [76, 77].

Было предложено много других семейств методов для определения типов диффузии. Некоторые полагались на оценки максимального правдоподобия [78], автокорреляционные функции [79] или на более экзотические оценки [80]. Еще одна линия прогресса была достигнута в типе моделируемых моделей. Напр., Amitai [81] представил модель, в которой TFs могут связываться и повторно связываться в плотной хроматиновой сетке.Эта модель была успешно приспособлена для объяснения аномальной диффузии динамики CTCF [82].

Наконец, мы отмечаем, что многие модели были разработаны для определения потенциала захвата в мембранах (например, [83, 84]). Мы не рассматриваем их здесь, поскольку их применение ограничено мембранами.

3.3. Сильные стороны и ограничения двух методов

Серьезным ограничением является то, что экспериментальный контекст, как в FCS, так и в SPT, может привести к ложному определению аномальной диффузии.Другими словами, специфические экспериментальные параметры (низкая статистика, локационный шум, пространственное ограничение и т. д.) и/или неправильный анализ данных могут привести к неправильному выводу о том, что показатель диффузии α≠1. Эти артефакты касаются как SPT [85], так и FCS [43]. Это имеет место, например, в том случае, если α определяется подгонкой СКО или автокорреляцией со временем, а статистическая мощность мала (малая выборка моментов времени или короткие траектории в СПД, низкий сигнал/шум на малых или больших временах в ФСС).Чтобы избежать таких предостережений, при выборе модели должны использоваться более сложные подходы, чтобы однозначно продемонстрировать и охарактеризовать лежащий в основе сложный процесс диффузии.

На данный момент большинство инструментов вывода, доступных в литературе, лишь частично учитывают систематические ошибки, подробно описанные выше, и обычно ограничены с точки зрения моделей аномальной диффузии, которые они рассматривают. Например, в Hansen et al. [58] авторы показали, что алгоритм, не учитывающий ошибку локализации, вероятно, неправильно оценивает коэффициенты диффузии.Точно так же тот факт, что наблюдаемые белки диффундируют в ограниченном объеме, приводит к сублинейному MSD, явлению, которое было широко задокументировано и которое необходимо учитывать, чтобы правильно различать подлинную аномальную диффузию и простой эффект ограничения. Точно так же ошибки отслеживания (неправильные связи между дорожками) также могут выглядеть как аномальная диффузия.

Некоторые из этих погрешностей можно свести к минимуму на этапе сбора данных (например, с помощью высокой частоты кадров и низкой плотности маркировки [58]), другие должны быть явно учтены в модели.На сегодняшний день большинство доступных алгоритмов логического вывода не сравнивались с реалистичными условиями визуализации. Кроме того, до сих пор отсутствует общий реалистичный алгоритм вывода.

4. Заключение: необходимость контролируемых эталонных показателей

Столкнувшись с разнообразием подходов, описанных выше, хотелось бы знать эффективность каждого подхода на типичных репрезентативных наборах данных. Чтобы сравнение было справедливым, требуются два основных ингредиента: (i) наличие эталонного набора данных или эталона — возможно, по одному эталонному набору данных для каждого основного класса экспериментальных методов и (ii) справедливое, объективное, прозрачное и открытое сравнение. процесса, с наборами данных, процедурами сравнения и результатами деятельности, которые четко сформулированы и общедоступны.Несколько областей компьютерных наук используют открытые соревнования сообщества для организации процесса и создания открытых эталонных тестов для сообщества. Компьютерное зрение, прикладное машинное обучение или прогнозирование временных рядов, среди многих других, имеют давнюю традицию использования этих соревнований. Стратегия оказалась очень успешной, потому что она распараллеливает исследования в обширном сообществе высококвалифицированных исследователей. Интернет-платформы или службы даже доступны для этой цели, включая, среди многих других, Kaggle (www.kaggle.com) или DrivenData (www.drivendata.org). Это еще больше увеличивает размер конкурирующего сообщества и богатство предложений. На самом деле, в дополнение к предоставлению справочных наборов данных и ориентиров, открытые конкурентные вызовы могут также способствовать появлению радикально новых подходов к открытой проблеме. Многие из этих конкурентных задач связаны с биомедицинскими приложениями (например, http://dreamchallenges.org или https://grand-challenge.org), в том числе несколько связанных с микроскопией (см.г., https://cremi.org). Недавно в серии последовательных соревнований сообщества по визуализации одиночных молекул участвовали десятки лабораторий, и они были сосредоточены на алгоритмах отслеживания [86] и локализации 2D и 3D для сверхвысокого разрешения [87]. Наконец, недавно была поставлена ​​еще одна задача, чтобы вывести показатель аномальной диффузии из траекторий частиц (http://www.andi-challenge.org/) [88].

На практике важной особенностью соревновательных задач является предоставление примеров размеченных данных, которые участники смогут использовать в качестве тренировочного набора.Действительно, в соответствии со стандартной практикой машинного обучения этот набор данных для обучения должен отличаться от набора тестов, который включает данные, используемые для оценки производительности алгоритма. Поэтому организаторы обычно публикуют два набора данных (обучающий набор данных и тест), из которых только обучающий набор данных имеет метку каждого примера — только организаторы знают истинную метку тестового набора данных. После обучения результаты задачи основаны на некоторой количественной оценке производительности инструментов участников на тестовом наборе, хотя производительность на обучающем наборе также может быть сообщена как способ оценки способностей к переобучению/обобщению.Однако во многих случаях невозможно дать «истинную» маркировку экспериментальных данных, потому что такого золотого стандарта не существует. В этом случае для получения синтетических данных можно использовать компьютерное моделирование, если это моделирование достаточно реалистично, чтобы производительность алгоритмов не отличалась от их производительности при реальных экспериментальных измерениях. В недавних задачах сверхвысокого разрешения обучающие и тестовые данные представляли собой комбинацию данных, сгенерированных компьютером, и экспериментальных данных.Сгенерированные компьютером данные дают четкий доступ к истине, в то время как экспериментальные данные содержат нехарактерные предубеждения, которые могут повлиять на процесс вывода.

Здесь мы предлагаем организовать международную открытую совместную задачу для количественного определения и анализа движения молекул в живых клетках с помощью SPT и FCS. На сегодняшний день создание реалистичных данных, смоделированных компьютером, затруднено из-за количества экспериментальных погрешностей, которые необходимо учитывать, а также из-за разнообразия моделей диффузии, в частности для аномальной диффузии.Для решения задачи мы будем генерировать данные SPT и FCS из одного и того же набора смоделированных траекторий и в разных модальностях (2D в мембранах и 3D в ядре) с использованием специального программного обеспечения для моделирования с открытым исходным кодом, simSPT (https://gitlab.com). /tjian-darzacq-lab/simSPT), который свободно доступен участникам для создания собственных дополнительных обучающих наборов, если это необходимо.

Задача будет организована вокруг различных подзадач, которые представляют основные классы экспериментальных ситуаций (короткие траектории с высокой плотностью в мембранах, длинные траектории с меньшей плотностью в мембранах, очень короткие траектории в ядре) и основные типы броуновских и аномальных диффузия (броуновское движение, дробное броуновское движение, случайные блуждания с непрерывным временем и диффузия на фракталах) и их смеси.В долгосрочной перспективе мы также предложим дополнительные задачи, в которых динамика молекул зависит от местоположения, для имитации локализованной пространственной неоднородности в динамике (локальные потенциалы, зависящие от положения коэффициенты диффузии). Более того, мы будем постепенно предлагать две категории задач. В задачах на вывод параметров будут даны модели, используемые для генерации траекторий (броуновское движение, аномальная диффузия и т. д.), и задача будет состоять в том, чтобы как можно точнее вывести значение параметров, используемых для генерации.В задачах выбора модели цель будет состоять в том, чтобы сделать вывод, какая модель использовалась для генерации данных с учетом известного ограниченного списка моделей.

Наконец, мы понимаем, что вполне может случиться так, что ни один универсальный инструмент не сможет решить все перечисленные выше подзадачи. Мы также понимаем, что сложность каждого подзадачи может быть весьма различной. Поэтому мы предлагаем начать с простых задач и работать в сотрудничестве с сообществом, занимающимся анализом молекулярной динамики в живых клетках, чтобы постепенно подниматься по ступеням к более сложным подзадачам.В этой стратегии поддержание открытого канала связи между организаторами и участниками имеет первостепенное значение. С этой целью мы предлагаем начать со списка рассылки, который будет использоваться для поддержки этой коммуникации. Поэтому каждый заинтересованный человек может подписаться на список рассылки конкурса, посетив https://listes.services.cnrs.fr/wws/info/diffusion.challenge. После регистрации в списке рассылки на этом веб-сайте участники смогут обмениваться сообщениями с самими собой и с организаторами, а также получат инструкции по доступу к наборам данных конкурса.

Вклад авторов

MW, II, CF и HB разработали эти перспективы и написали рукопись.

Финансирование

Эта работа частично финансировалась GDR ImaBio, поддерживаемой CNRS, http://imabio-cnrs.fr.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Ссылки

1.Аксельрод Д., Коппель Д.Э., Шлессингер Дж., Элсон Э., Уэбб В.В. Измерение подвижности путем анализа кинетики восстановления флуоресцентного фотообесцвечивания. Биофиз J . (1976) 16 : 1055–69. doi: 10.1016/S0006-3495(76)85755-4

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

2. Магде Д., Уэбб В., Элсон Э. Термодинамические флуктуации в реагирующей системе – измерение с помощью флуоресцентной корреляционной спектроскопии. Phys Rev Lett . (1972) 29 :705.doi: 10.1103/PhysRevLett.29.705

Полнотекстовая перекрестная ссылка | Академия Google

3. Geerts H, De Brabander M, Nuydens R, Geuens S, Moeremans M, De Mey J, et al. Нановидное отслеживание: новый автоматический метод исследования подвижности живых клеток на основе коллоидного золота и видеомикроскопии. Биофиз J . (1987) 52 : 775–82. doi: 10.1016/S0006-3495(87)83271-X

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

5. Хейм Р., Прашер Д.К., Цзянь Р.Ю.Мутации длины волны и посттрансляционное автоокисление зеленого флуоресцентного белка. Proc Natl Acad Sci USA . (1994) 91 :12501–4. doi: 10.1073/pnas.91.26.12501

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

6. Хейм Р., Цзянь Р.Ю. Разработка зеленого флуоресцентного белка для улучшения яркости, увеличения длины волны и резонансной передачи энергии флуоресценции. Карр Биол . (1996) 6 : 178–82. doi: 10.1016/S0960-9822(02)00450-5

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

7.Мац М.В., Фрадков А.Ф., Лабас Ю.А., Савицкий А.П., Зарайский А.Г., Маркелов М.Л., и соавт. Флуоресцентные белки небиолюминесцентных видов Anthozoa. Нат Биотехнолог . (1999) 17 : 969–73. дои: 10.1038/13657

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

8. Hell SW, Wichmann J. Нарушение предела дифракционного разрешения с помощью стимулированного излучения: флуоресцентная микроскопия с истощением стимулированного излучения. Доп. письмо . (1994) 19 :780–2.doi: 10.1364/OL.19.000780

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

9. Betzig E, Patterson GH, Sougrat R, Lindwasser OW, Olenych S, Bonifacino JS, et al. Визуализация внутриклеточных флуоресцентных белков с нанометровым разрешением. Наука . (2006) 313 : 1642–5. doi: 10.1126/science.1127344

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

10. Хесс С.Т., Гирираджан Т.П., Мейсон М.Д. Визуализация сверхвысокого разрешения с помощью флуоресцентной микроскопии локализации фотоактивации. Биофиз J . (2006) 91 :02222. doi: 10.1529/biophysj.106.0

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

11. Клар Т.А., Якобс С., Дайба М., Эгнер А., Хелл С.В. Флуоресцентная микроскопия с преодолением барьера дифракционного разрешения вынужденным излучением. Proc Natl Acad Sci USA . (2000) 97 :8206–10. doi: 10.1073/pnas.97.15.8206

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

13.Manley S, Gillette JM, Patterson GH, Shroff H, Hess HF, Betzig E, et al. Картирование траекторий одиночных молекул с высокой плотностью с помощью фотоактивируемой локализационной микроскопии. Естественные методы . (2008) 5 : 155–7. doi: 10.1038/nmeth.1176

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

14. Эггелинг С., Рингеманн С., Медда Р., Шварцманн Г., Сандхофф К., Полякова С. и соавт. Прямое наблюдение за наномасштабной динамикой мембранных липидов в живой клетке. Природа . (2009) 457 : 1159–62. doi: 10.1038/nature07596

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

15. Саркар П., Чаттопадхай А. Изучение организации мембран при различном пространственно-временном разрешении с использованием подходов на основе флуоресценции: значение в биологии мембран. Физ Хим Хим Физ . (2019) 21 : 11554–63. дои: 10.1039/C9CP02087J

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

17.Прист Д.Г., Солано А., Лу Дж., Хинде Э. Спектроскопия флуктуаций флуоресценции: бесценный инструмент микроскопии для раскрытия биофизических правил навигации в ядерном ландшафте. Биохим Сок Транс . (2019) 47 : 1117–29. дои: 10.1042/BST20180604

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

19. Etoc F, Balloul E, Vicario C, Normanno D, Lie D, Sittner A, et al. Неспецифические взаимодействия управляют цитозольной диффузией наноразмерных объектов в клетках млекопитающих. Нат Матер . (2018) 17 : 740–6. doi: 10.1038/s41563-018-0120-7

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

20. Вейгель А.В., Саймон Б., Тамкун М.М., Крапф Д. Эргодические и неэргодические процессы сосуществуют в плазматической мембране, наблюдаемые при отслеживании одиночных молекул. Proc Natl Acad Sci USA . (2011) 108 : 6438–43. doi: 10.1073/pnas.1016325108

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

21.Эрнст Д., Хеллманн М., Келер Дж., Вайс М. Дробное броуновское движение в переполненных жидкостях. Мягкая материя . (2012) 8 : 4886–9. дои: 10.1039/c2sm25220a

Полнотекстовая перекрестная ссылка | Академия Google

23. Бурнецкий К., Кептен Э., Янчура Дж., Бронштейн И., Гарини Ю., Верон А. Универсальный алгоритм идентификации дробного броуновского движения. Случай субдиффузии теломер. Биофиз J . (2012) 103 : 1839–47. doi: 10.1016/j.bpj.2012.09.040

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

24.Rcamier V, Izeddin I, Bosanac L, Dahan M, Proux F, Darzacq X. Фрактальная размерность корреляции одиночных клеток хроматина: основа для интерпретации трехмерного суперразрешения одиночных молекул. Ядро . (2014) 5 : 75–84. doi: 10.4161/nucl.28227

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

25. Шаэбани М.Р., Ригер Х. Переходная аномальная диффузия в динамике беготни. Фронт Физ . (2019) 7 :120. doi: 10.3389/fphy.2019.00120

Полнотекстовая перекрестная ссылка | Академия Google

27. Reverey JF, Jeon JH, Bao H, Leippe M, Metzler R, Selhuber-Unkel C. Супердиффузия доминирует над внутриклеточным движением частиц в переполненной цитоплазме патогенных Acanthamoeba castellanii . Научный представитель . (2015) 5 :11690. дои: 10.1038/srep11690

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

28. Бруно Л., Леви В., Брунштейн М., Деспозито М.А. Переход к супердиффузионному поведению во внутриклеточном актиновом транспорте, опосредованном молекулярными моторами. Phys Rev E . (2009) 80 :011912. doi: 10.1103/PhysRevE.80.011912

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

30. Мецлер Р., Джеон Дж. Х., Черствый А. Г., Баркай Э. Модели аномальной диффузии и их свойства: нестационарность, неэргодичность и старение к столетию отслеживания одиночных частиц. Физ Хим Хим Физ . (2014) 16 : 24128–64. дои: 10.1039/C4CP03465A

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

31.Павлос Г.П., Каракацанис Л.П., Ксенакис М.Н., Павлос Э.Г., Илиопулос А.С., Сарафопулос Д.В. Универсальность неэкстенсивной статистики Тсаллиса и анализа временных рядов: теория и приложения. Приложение Phys A Stat Mech . (2014) 395 : 58–95. doi: 10.1016/j.physa.2013.08.026

Полнотекстовая перекрестная ссылка | Академия Google

32. Lenzi EK, Ribeiro HV, Tateishi AA, Zola RS, Evangelista LR. Аномальная диффузия и транспорт в гетерогенных системах, разделенных мембраной. Proc R Soc A Math Phys Eng Sci .(2016) 472 :20160502. doi: 10.1098/rspa.2016.0502

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

33. Wawrezinieck L, Rigneault H, Marguet D, Lenne PF. Законы диффузии корреляционной спектроскопии флуоресценции для исследования субмикронной клеточной мембранной организации. Биофиз J . (2005) 89 : 4029–42. doi: 10.1529/biophysj.105.067959

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

34. Петрек З., Швилле П.Точное измерение коэффициентов диффузии с помощью сканирующей флуоресцентной корреляционной спектроскопии. Биофиз J . (2008) 94 : 1437–48. doi: 10.1529/biophysj.107.108811

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

35. Honigmann A, Mueller V, Ta H, Schoenle A, Sezgin E, Hell SW, et al. Сканирование STED-FCS выявляет пространственно-временную неоднородность взаимодействия липидов в плазматической мембране живых клеток. Нац Коммуна . (2014) 5 :5412.дои: 10.1038/ncomms6412

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

36. Digman MA, Brown CM, Sengupta P, Wiseman PW, Horwitz AR, Gratton E. Измерение быстрой динамики в растворах и клетках с помощью лазерного сканирующего микроскопа. Биофиз J . (2005) 89 : 1317–27. doi: 10.1529/biophysj.105.062836

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

37. Kannan B, Har JY, Liu P, Maruyama I, Ding JL, Wohland T. Электронное умножающее устройство с зарядовой связью на основе корреляционной спектроскопии флуоресценции. Анальная химия . (2006) 78 : 3444–51. дои: 10.1021/ac0600959

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

40. Guo SM, He J, Monnier N, Sun G, Wohland T, Bathe M. Байесовский подход к анализу данных флуоресцентной корреляционной спектроскопии II: применение к смоделированным данным и данным in vitro . Анальная химия . (2012) 84 : 3880–8. дои: 10.1021/ac2034375

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

41.Ленне П.Ф., Ваврезинек Л., Кончоно Ф., Вюрц О., Бонед А., Го XJ и др. Динамическое молекулярное удержание в плазматической мембране микродоменами и сеткой цитоскелета. EMBO J . (2006) 25 : 3245–56. doi: 10.1038/sj.emboj.7601214

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

42. Favard C, Wenger J, Lenne PF, Rigneault H. Законы диффузии FCS в двухфазных липидных мембранах: определение среднего размера домена с помощью экспериментов и моделирования методом Монте-Карло. Биофиз J . (2011) 100 : 1242–51. doi: 10.1016/j.bpj.2010.12.3738

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

43. Бэнкс Д.С., Тресслер С., Петерс Р.Д., Хфлинг Ф., Фрадин С. Характеристика аномальной диффузии в переполненных растворах и гелях полимеров за пять десятилетий с помощью корреляционной спектроскопии флуоресценции с переменным масштабом. Мягкая материя . (2016) 12 : 4190–203. дои: 10.1039/C5SM01213A

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

44.Масуда А., Усида К., Окамото Т. Прямое наблюдение пространственно-временной зависимости аномальной диффузии в неоднородной жидкости с помощью флуоресцентной корреляционной спектроскопии с контролируемым объемом отбора проб. Phys Rev E . (2005) 72 :060101. doi: 10.1103/PhysRevE.72.060101

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

45. Schneider F, Waithe D, Galiani S, Bernardino de la Serna J, Sezgin E, Eggeling C. Наномасштабные пространственно-временные диффузионные режимы, измеренные с помощью одновременной конфокальной и стимулированной эмиссионной наноскопии. Нано Летт . (2018) 18 : 4233–40. doi: 10.1021/acs.nanolett.8b01190

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

48. Изеддин И., Рекамье В., Босанак Л., Сиссе II, Бударен Л., Дугаст-Дарзак С. и соавт. Отслеживание одиночных молекул в живых клетках выявляет различные стратегии поиска мишеней факторов транскрипции в ядре. eLife . (2014) 3 :e02230. doi: 10.7554/eLife.02230

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

51.Флоренс-Змиру Д. Об оценке коэффициента диффузии по дискретным наблюдениям. J Appl Probab . (1993) 30 :790. дои: 10.1017/S0021

0044570

Полнотекстовая перекрестная ссылка | Академия Google

52. Хоффманн М. Об оценке коэффициента диффузии: параметрический и непараметрический. Ann l’IHP Probab Stat . (2001) 37 : 339–72. дои: 10.1016/S0246-0203(00)01070-0

Полнотекстовая перекрестная ссылка | Академия Google

53.Цянь Х., Шитц М.П., ​​Элсон Э.Л. Отслеживание отдельных частиц. Анализ диффузии и течения в двумерных системах. Биофиз J . (1991) 60 : 910–21. дои: 10.1016/S0006-3495(91)82125-7

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

56. Michalet X. Анализ среднеквадратичного смещения траекторий одной частицы с ошибкой локализации: броуновское движение в изотропной среде. Phys Rev E . (2010) 82 :041914. дои: 10.1103/PhysRevE.82.041914

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

57. Бойер Д., Дин Д.С., Мехия-Монастерио С., Ошанин Г. Оптимальные оценки коэффициента диффузии одиночной броуновской траектории. Phys Rev E . (2012) 85 :031136. doi: 10.1103/PhysRevE.85.031136

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

58. Хансен А.С., Ворингер М., Гримм Дж.Б., Лэвис Л.Д., Тиан Р., Дарзак Х. Надежный модельный анализ экспериментов по отслеживанию одиночных частиц с точечным наблюдением. eLife . (2018) 7 :e33125. doi: 10.7554/eLife.33125

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

59. Monnier N, Guo SM, Mori M, He J, Lénárt P, Bathe M. Байесовский подход к основанному на MSD анализу движения частиц в живых клетках. Биофиз J . (2012) 103 : 616–26. doi: 10.1016/j.bpj.2012.06.029

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

60. Monnier N, Barry Z, Park HY, Su KC, Katz Z, English BP, et al.Вывод переходной динамики переноса частиц в живых клетках. Естественные методы . (2015) 12 : 838–40. doi: 10.1038/nmeth.3483

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

61. Slator PJ, Cairo CW, Burroughs NJ. Обнаружение диффузионной неоднородности в траекториях слежения за отдельными частицами с использованием скрытой марковской модели с распространением шума измерения. ПЛОС ОДИН . (2015) 10 :e0140759. doi: 10.1371/journal.pone.0140759

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

63.Блей Д.М., Кукукельбир А., МакОлифф Д.Д. Вариационный вывод: обзор для статистиков. архив . (2016) 112 : 859–77. дои: 10.1080/01621459.2017.1285773

Полнотекстовая перекрестная ссылка | Академия Google

64. Перссон Ф., Линдн М., Уносон С., Эльф Дж. Извлечение внутриклеточных диффузных состояний и скоростей перехода из данных отслеживания одиночных молекул. Естественные методы . (2013) 10 : 265–9. doi: 10.1038/nmeth.2367

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

66.Masson JB, Casanova D, Türkcan S, Voisinne G, Popoff MR, Vergassola M, et al. Вывод карт сил внутри микродоменов клеточной мембраны. Phys Rev Lett . (2009) 102 :048103. doi: 10.1103/PhysRevLett.102.048103

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

68. Floderer C, Masson JB, Boilley E, Georgeault S, Merida P, El Beheiry M, et al. Микроскопия локализации отдельных молекул показывает, как белки Gag ВИЧ-1 обнаруживают места сборки мембранных вирусов в живых Т-клетках CD4 хозяина. Научный представитель . (2018) 8 :16283. doi: 10.1038/s41598-018-34536-y

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

70. Шкилев В.П. Кинетическая модель для экспериментов по флуоресцентной микроскопии в неупорядоченных средах, содержащих сайты связывания и препятствия. Phys Rev E . (2018) 98 :032140. doi: 10.1103/PhysRevE.98.032140

Полнотекстовая перекрестная ссылка | Академия Google

71. Крог Дж., Якобсен Л.Х., Лунд Ф.В., Встнер Д., Ломхольт М.А.Выбор байесовской модели с дробным броуновским движением. J Stat Mech Theory Exp . (2018) 2018 :093501. дои: 10.1088/1742-5468/aadb0e

Полнотекстовая перекрестная ссылка | Академия Google

72. Бойер Д., Дин Д.С., Мехиа-Монастерио С., Ошанин Г. Об эргодических методах наименьших квадратов обобщенного коэффициента диффузии для дробного броуновского движения. Биофиз J . (2013) 87 :030103. doi: 10.1103/PhysRevE.87.030103

Полнотекстовая перекрестная ссылка | Академия Google

73.Робсон А., Беррейдж К., Лик М.С. Вывод диффузии в одиночных живых клетках на уровне одной молекулы. Philos Trans R Soc B Biol Sci . (2012) 368 :20120029. doi: 10.1098/rstb.2012.0029

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

74. Хеллманн М., Клафтер Дж., Херманн Д.В., Вайс М. Проблемы определения аномальной диффузии в скученных жидкостях. J Phys Condens Matter . (2011) 23 :234113. дои: 10.1088/0953-8984/23/23/234113

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

75.Магдзиарц М., Верон А., Бурнецкий К., Клафтер Дж. Дробное броуновское движение в сравнении со случайным блужданием в непрерывном времени: простой тест на субдиффузионную динамику. Phys Rev Lett . (2009) 103 :180602. doi: 10.1103/PhysRevLett.103.180602

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

77. Кондамин С., Техедор В., Войтуриес Р., Бенишу О., Клафтер Дж. Исследование микроскопических источников ограниченной субдиффузии с помощью наблюдений первого прохода. Proc Natl Acad Sci USA .(2008) 105 : 5675–80. doi: 10.1073/pnas.0712158105

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

78. Thapa S, Lomholt MA, Krog J, Cherstvy AG, Metzler R. Байесовский анализ данных отслеживания одной частицы с использованием алгоритма вложенной выборки: выбор модели максимального правдоподобия применительно к данным стохастической диффузии. Физ Хим Хим Физ . (2018) 20 :29018–37. дои: 10.1039/C8CP04043E

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

79.Вебер С.К., Томпсон М.А., Мёрнер В.Е., Спаковиц А.Дж., Териот Дж.А. Аналитические инструменты для выявления влияния ошибки локализации, локализации и эластичности среды на автокорреляционную функцию скорости. Биофиз J . (2012) 102 : 2443–50. doi: 10.1016/j.bpj.2012.03.062

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

80. Вестергаард К.Л., Блейни П.С., Фливбьерг Х. Оптимальная оценка коэффициентов диффузии по траекториям одиночных частиц. Phys Rev E . (2014) 89 :022726. doi: 10.1103/PhysRevE.89.022726

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

82. Hansen AS, Amitai A, Cattoglio C, Tjian R, Darzacq X. Управляемая ядерная разведка повышает эффективность поиска целей CTCF. биоRXiv . (2018) 495457. doi: 10.1101/495457

Реферат PubMed | Полный текст перекрестной ссылки

83. Тюрккан С., Александру А., Массон Дж.Б. Схема байесовского вывода для извлечения диффузионных и потенциальных полей из ограниченных траекторий одиночных молекул. Биофиз J . (2012) 102 : 2288–98. doi: 10.1016/j.bpj.2012.01.063

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

84. Masson JB, Dionne P, Salvatico C, Renner M, Specht CG, Triller A, et al. Картирование энергетических и диффузионных ландшафтов мембранных белков на клеточной поверхности с использованием изображений одиночных молекул высокой плотности и байесовского вывода: применение к многомасштабной динамике глициновых рецепторов в нейронной мембране. Биофиз J .(2014) 106 : 74–83. doi: 10.1016/j.bpj.2013.10.027

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

86. Chenouard N, Smal I, de Chaumont F, Maka M, Sbalzarini IF, Gong Y, et al. Объективное сравнение методов отслеживания частиц. Естественные методы . (2014) 11 : 281–9. doi: 10.1038/nmeth.2808

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

87. Sage D, Pham Ta, Babcock H, Lukes T, Pengo T, Chao J, et al.Бойцовский клуб сверхвысокого разрешения: оценка программного обеспечения для 2D- и 3D-микроскопии локализации одиночных молекул. Естественные методы . (2019) 16 : 387–95. дои: 10.1101/362517

Реферат PubMed | Полный текст перекрестной ссылки | Академия Google

88. Muñoz-Gil G, Volpe G, Garcia-March MA, Metzler R, Lewenstein M, Manzo C. AnDi: проблема аномальной диффузии. архив. (2020) ArXiv:2003.12036 .

Академия Google

Автоматическое определение режимов диффузии в биологических мембранах с использованием нейронной сети обратного распространения | BMC Биоинформатика

А.Архитектура нейронных сетей обратного распространения и алгоритм

BPNN был создан с одним скрытым слоем между входными и выходными блоками (рис. 1). Все узлы слоя были связаны со всеми узлами соседних слоев. BPNN включала две рабочие фазы: фазу обучения и фазу припоминания. На этапе обучения известные наборы данных использовались в качестве обучающего сигнала во входных и выходных слоях. Первой операцией на этапе обучения является операция прямой связи. Во время этой операции каждый входной нейрон получает входной сигнал и транслирует этот сигнал подключенным нейронам скрытого слоя.m{W}_{ij}{X}_i}\right)\right) $$

(1)

О к — расчетный результат k . -й нейрон в выходном слое, X и входные значения сети, W и вес соединения от узла i (входной слой) к узлу j (скрытый слой), W джк — вес соединения от узла j (скрытый слой) к узлу k (выходной слой), f — функция активации нейрона, которая классически представляет собой сигмовидную функцию, как определено в уравнении.2} $$

(3)

p — количество выходных нейронов, O к и Т к — расчетный выход и целевой выход соответственно k -й нейрон в выходном слое.

Второй операцией фазы обучения является обратный проход, в котором метод градиентного спуска используется для минимизации ошибки в обучающей выборке. Начиная с выходного слоя, ошибка распространяется обратно по сети, слой за слоем, рекурсивно вычисляя локальную ошибку градиента каждого нейрона. Затем вес соединения изменяется пропорционально отрицательной производной ошибки, используя следующее уравнение:

$$ \varDelta {W}_{i,j}\left(t+1\right)=-\eta \frac {\partial E}{\partial {W}_{i,j}} + \alpha \varDelta {W}_{i,j}(t) $$

(4)

ΔW и , и ( t  + 1) — приращение веса, минимизирующее E между j -й нейрон и -й нейрон на (t + 1) -й итерации. η — скорость обучения, а α — параметр импульса. α выбирается в диапазоне от 0 до 1, обычно 0,9, что обеспечивает высокую скорость обучения [24]. Использование термина импульса — самый простой способ избежать проблем с осцилляциями при поиске минимального значения поверхности ошибки. Этот процесс «вперед-назад» повторяется для каждого входного сигнала.

BPNN обучается путем многократного представления серии наборов входных/выходных шаблонов для минимизации среднеквадратичной ошибки (MSE) (уравнение2 $$

(5)

n — количество входных векторов, а p — количество выходных нейронов. О лк и Т лк соответственно обозначают расчетный выход и желаемый выход k -й нейрон, когда входной вектор l применяется к сети.2}\вправо\}} $$

(6)

, где δt — интервал времени между двумя последовательными кадрами, x (t) и y (t) — координаты частицы в момент времени t , N — общее количество кадров, а n — количество временных интервалов [25] (подробнее см. в разделе «Методы»).Для броуновского движения кривая СКО линейно возрастает с приращением времени δt . Кривая показывает восходящую или нисходящую кривизну для направленных или замкнутых движений соответственно. В нашей системе 3 типа движений, описанных выше, различаются путем анализа траектории с помощью алгоритма с использованием скользящего окна размером S1 (рис. 1б). Была построена трехслойная BPNN с тремя выходными узлами, по одному для каждого типа движения, а именно броуновского, направленного и ограниченного.Мы выбрали один скрытый слой с пятью скрытыми узлами (подробнее см. в разделе «Материалы и методы»). Входные переменные были нормализованы и масштабированы до значений в диапазоне 0,0–1,0). Каждому режиму движения присваиваются и нормализуются три выходных значения.

Процедура обучения и проверочные наборы

Сеть обучалась с использованием наборов данных смоделированных траекторий. Была смоделирована тысяча траекторий продолжительностью 3,1 с (31 кадр, размер скользящего окна в данном примере) для каждого типа режима диффузии с шагом времени 100 мс.Для ограниченной диффузии частица демонстрирует броуновскую диффузию в ограниченной области с переменным значением диаметра L . Для направленной диффузии к броуновскому движению добавляется член постоянной скорости дрейфа V в одном направлении на всем протяжении траектории. Одна часть наборов данных используется для обучения, другая — для перекрестной проверки с разными параметрами (см. Материалы и методы).

Производительность обученной BPNN сначала оценивалась с использованием новых наивных смоделированных шаблонов и путем вычисления процентной ошибки между рассчитанным выходом и ожидаемыми значениями (вероятность обнаружения).Он увеличивался для данного коэффициента диффузии, когда размер ограничения уменьшался для замкнутых траекторий (рис. 2а) или когда скорость увеличивалась для направленных траекторий (рис. 2б). Процедура обучения выполнялась с 3 различными наборами данных траекторий продолжительностью 2,1, 3,1 и 4,1 с. В наших условиях одинаковая вероятность обнаружения мод направленной диффузии была получена для 31 и 41 кадров. Таким образом, размер скользящего окна был зафиксирован на уровне 31 кадра (синяя кривая на рис.2), значение, при котором вероятность обнаружения конфайнмента диаметром 1 мкм (разумный размер конфайнмента в клеточных мембранах) все еще возможна и, очевидно, позволяет обнаруживать более мелкие сегменты по сравнению с 41 кадром. Учитывая 2 направленные траектории T 0 и Т 1 с соответствующим коэффициентом диффузии D 0 и Д 1 и скорость В 0 и В 1 , нормированные кривые СКО будут подобны, если:

Рис.2

Процент обнаружения ограниченной и направленной диффузии в зависимости от размера скользящего окна S1. Вероятность обнаружения удержания или направленного движения на смоделированных траекториях рассчитывалась для разной длины отрезка, используемого для расчета МСД (S1 равна 21 (красному), 31 (синему) или 41 (зеленому) кадру). Вероятность обнаружения удержания в траекториях выражается как функция диаметра удержания L ( a ), тогда как вероятность обнаружения направленного движения выражается как функция скорости ( b )

$$ {V}_1={V}_0\sqrt{\frac{D_1}{D_0}} $$

(7)

Аналогичным образом нормализованные кривые СКО будут похожи между двумя ограниченными траекториями T 0 и Т 1 с соответствующим коэффициентом диффузии D 0 и Д 1 и диаметр ограничения L 0 и л 1 , если:

$$ {L}_1={L}_0\sqrt{\frac{D_1}{D_0}} $$

(8)

Определение порога обнаружения ограниченного и направленного движения в пределах траектории

Описанное выше скользящее окно на 31 кадр используется для разделения траектории на разные сегменты и располагается в точке i = (S 1 -1)/2 траектории, чтобы определить первый сегмент, содержащий первые 31 точку.Кривая MSD рассчитана для этой траектории из 31 кадра и представлена ​​в качестве входных данных для нейронной сети после нормализации. 3 выходных значения нейронной сети O Б , О С и О Д соответствуют вероятности диффузии частицы по одному из 3-х режимов диффузии (броуновскому, замкнутому и направленному соответственно).Эти 3 значения присваиваются каждому кадру скользящего окна. Затем скользящее окно перемещается в точку i + 1 для анализа следующего участка траектории, и процедура повторяется до точки i + n = N-[(S 1 -1)/2] . Для каждого кадра траектории среднее значение выходных значений ( O Б , О С и О Д ), соответствующие вероятности присвоения одного из 3-х режимов диффузии каждого кадра при анализе BPNN, строятся как функция времени (для данного кадра предоставляется несколько выходных значений из-за скользящих окон).Однако статистически некоторые чистые броуновские траектории могут кратковременно демонстрировать поведение, подобное ограниченным или направленным траекториям. Поэтому мы определили пороговое значение, чтобы отличить истинно ограниченную или направленную часть траектории от части, обусловленной броуновскими флуктуациями. Для этого были сгенерированы и проанализированы 100 броуновских траекторий из 1000 кадров (приращение времени 100 мс; D, 0,25 мкм 2 /с). Затем мы построили порог выходных значений BPNN Y C (или Y D ) как функцию количества последовательных кадров (от 5 до 45 кадров), для которых нейронная сеть не превышала 5 % от общего числа кадров броуновской траектории (95 % достоверность) (рис.3). Эти пороги используются для идентификации сегментов, которые ограничены или направлены в пределах траектории (см. пример на рис. 4c).

Рис. 3

Определение порога обнаружения ограниченной и направленной диффузии. Выходные пороги BPNN для режима ограниченной диффузии Да С (пустые кружки) и режим направленной диффузии Y Д (пустые квадраты) были рассчитаны для ограниченной диффузии ( Y С ) режим (пустые кружки) и режим направленной диффузии (пустые квадраты) путем построения графика в зависимости от количества последовательных кадров (длины обнаруженного сегмента) вывода BPNN, для которого нейронная сеть указала ложно, в 5 % случаев , замкнутое или направленное движение по броуновской траектории

Рис.4

Анализ режимов движения по синтетическим траекториям. a Вероятность обнаружения с использованием BPNN. 200 траекторий из 400 кадров, включая один сегмент направленного движения со скоростью 1,2 мкм/с и один сегмент удержания диаметром 1 мкм, были проанализированы с помощью BPPN (ограниченные светло-серым, направленные темно-серым; D  = 0,25 мкм 2 /с , время интегрирования = 100 мс; каждый сегмент из 50 кадров всегда локализуется в одной и той же позиции). Процент решения, основанный на BPNN, соответствует количеству положительных решений для определенного режима движения, обнаруженного для данного кадра по 200 траекториям и нормализованного к 1 или -1 для ограниченных или направленных траекторий соответственно (черный цвет, замкнутые траектории; серый цвет, направленные траектории). траектории).Алгоритм также был протестирован с локализационным шумом 30 нм (пунктирные линии на графике). b На верхней панели показана синтетическая траектория 40 с (400 кадров), включающая нестационарное удержание (от 10 до 15 с) диаметром 1 мкм (красная кривая, увеличено в красной окружности) и нестационарное направленное движение ( от 30 до 35 с) со скоростью V  = 1,2 мкм/с (синяя кривая). Броуновская часть выделена черным цветом. Коэффициент диффузии D составляет 0,25 мкм 2 /с, а время интегрирования 100 мс.Масштабная линейка, 1 мкм. c Нижняя панель представляет собой график зависимости вероятности обнаружения режима движения (выходные значения BPNN) от продолжительности траектории для ограниченного (красный) или направленного (синий) движения. Ограниченные (жирная красная кривая) и направленные (жирная синяя кривая) сегменты обнаруживаются соответственно между 10,0 и 14,6 с и между 30,6 и 35,3 с, как показано серыми линиями. Пороговые значения обнаружения соответствуют вероятности обнаружения с достоверностью 95 % (см.4). Расчетный диаметр удержания 1,06 мкм

B. Валидация алгоритма

Сначала алгоритм был проверен с использованием 200 синтетических траекторий из 400 кадров, содержащих один сегмент из 50 кадров как удержания, так и направленного движения (1 мкм для диаметра ограничения и 1,2 мкм/с для скорости соответственно ; 100 мс для приращения времени и 0,25 мкм 2 /с для коэффициента диффузии), протестировано с локализационным шумом 30 нм или без него.Процент решения, основанный на BPNN, соответствует количеству положительных решений для определенного режима движения, обнаруженного для данного кадра и нормализованного до 1 или -1 для замкнутых или направленных траекторий соответственно (рис. 4a). Ограниченные и направленные сегменты были обнаружены BPNN с хорошей точностью (99 и 78 % обнаружения ограниченных и направленных сегментов в сегменте из 50 кадров). Пример траектории показан на рис. 4b и c. Продолжительность конфайнмента и направленных сегментов была немного занижена BPNN, соответственно 4.6 с и 4,7 с вместо 5 с. Данные части траектории, идентифицированной как направленная или замкнутая, были соответственно сопоставлены с уравнениями 2 и 3, описанными в разделе «Методы». Диаметр ограничения и скорость были оценены как 1,06 мкм и 1,2 мкм/с соответственно. Эти значения хорошо согласуются с параметрами моделирования. Как и ожидалось, кажущиеся коэффициенты диффузии для броуновских сегментов оценивались примерно в 0,25 мкм 2 /с. Никаких изменений в решении на основе BPNN не наблюдалось при добавлении шума позиционирования 30 нм.

Мы также оценили способность BPNN обнаруживать небольшие сегменты внутри траектории. Было создано 200 смоделированных траекторий 300 кадров, содержащих замкнутые сегменты различной длины, и рассчитана вероятность обнаружения названного решения на основе BPNN как функция длины сегмента. Аналогичный процесс использовался для режима направленного движения (дополнительный файл 1: рисунок S1). Наши результаты показывают, что наш алгоритм способен обнаруживать 99 и 90 % ограниченных или направленных режимов движения в сегменте из 40 кадров соответственно.Эти значения снизились до 74 и 72 % для сегментов из 30 кадров и до 27 и 43 % для сегментов из 20 кадров. Процент обнаружения упал ниже 10 %, когда длина сегмента меньше 10 кадров. Важно отметить, что эта оценка была выполнена с параметрами диффузии, близкими к тем, которые часто встречаются в биологических мембранах (интеграция по времени 100 мс, коэффициент диффузии частиц 0,25 мкм 2 /с, скорость в диапазоне от 1 до 3 мкм/с). s для направленных траекторий и диаметра удержания от 0.от 5 до 1,2 мкм). Процент обнаружения может быть значительно улучшен при более высокой скорости (обнаружение 60 % и 100 % для V  = 4 мкм/с с использованием 10 и 20 кадров соответственно; данные не показаны). Точно так же уменьшение скользящего окна повышает точность обнаружения ограниченных траекторий. Нашей целью здесь было предоставить в качестве доказательства концепции инструмент с эффективным обнаружением как направленных, так и ограниченных сегментов в пределах одной и той же траектории.

C. Сравнение с другими методами

Как упоминалось во введении, было разработано несколько алгоритмов для сегментации различных типов движения в пределах траекторий.Затем мы сравнили наш метод, основанный на BPNN, с тремя свободно доступными алгоритмами. Два метода основаны на байесовском анализе и специализируются на обнаружении ограниченных (байесовские информационные критерии, называемые BIC [16]) или направленных (скрытое марковское моделирование (HMM)-Байеса [17]) сегментов внутри траектории. Третий метод — это метод машинного обучения, основанный на сегментации траектории с использованием классификации опорных векторов с учителем (SVM) [18]. Сравнение проводилось с использованием заданных параметров и смоделированных траекторий, аналогичных описанным выше, а именно траекторий из 300 кадров, включая один сегмент направленного движения и один сегмент удержания, всегда локализованных в одном и том же месте, обе продолжительностью 50 кадров, скорость произвольно варьируется. от 1 до 3 мкм/с для направленного движения и одного сегмента удержания диаметром от 0.5 и 1,2 мкм для ограниченного движения (дополнительный файл 2: рисунок S2). В этих условиях четыре метода оказались очень специфичными с точностью обнаружения более 95 % (метод SVM был наиболее специфичным с точностью обнаружения 99,9 %). Большие различия наблюдались с точки зрения чувствительности, и наш алгоритм смог обнаружить соответственно 75,3 и 83,1% ограниченных и направленных сегментов из 50 кадров в пределах траектории из 300 кадров (дополнительный файл 2: рисунок S2). Мы также оценили время расчета, которое важно учитывать, поскольку SPT требует большой выборки для получения значимых результатов.Скорее всего, из-за того, что наш алгоритм был разработан в среде Visual C++, время вычислений было очень низким, обычно менее 1 с для анализа траектории из 300 кадров ( D , 0,25 мкм 2 /с; время интегрирования 100 мс) с использованием ПК Windows 7 Intel (R) Core 5TM) i7-2640 M CPU 2,8 ГГц (данные не показаны).

D. Сегментация реальных траекторий

Алгоритм затем был использован для сегментации траекторий, реконструированных из фильмов, записанных в живых клетках. BPNN использовали в контексте отслеживания YFP-меченых вирусов мышиного лейкоза Молони (MLV) в клетках эмбриональной почки человека (HEK) с использованием флуоресцентной микроскопии полного внутреннего отражения (TIRF) (см. раздел «Методы»).Поведение такой вирусной частицы может быть броуновским, ограниченным при захвате мембраной клетки-хозяина или направленным при экспорте частицы из цитоплазмы на плазматическую мембрану [26, 27]. Пример такой сложной траектории, чередующейся между различными режимами движения, показан на рис. 5а, а анализ нейронной сети — на рис. 5б. Алгоритм обнаруживает три различных режима движения в пределах траектории. Удержание было обнаружено в течение 6,1 с в зоне диаметром 170 нм, размер которой хорошо согласуется с предыдущим отчетом о частицах, подобных вирусу мышиной полиомы [28].Направленное движение также наблюдалось в течение 4 с со скоростью 0,38 мкм/с, что хорошо сравнимо со скоростью, о которой сообщалось ранее для MLV (0,57 мкм/с в [29]). Остальная часть траектории была броуновской. Мы также протестировали алгоритм BPNN, проанализировав набор траекторий тетраспанина CD9, записанных в клетках HeLa (рис. 6). Эта молекула является трансмембранным белком, экспрессируемым в плазматической мембране, который, как было показано, диффундирует в основном в броуновском режиме, но может временно или постоянно ограничиваться участками мембраны, обогащенными тетраспанинами и их партнерами (rev. [30]).Траектории, включающие временное удержание молекул CD9, называются «смешанными траекториями» из-за сочетания броуновского и ограниченного поведения. Кажущийся коэффициент диффузии 1000 молекул CD9 сначала определяли с использованием первых точек (D 1-4 ) графика СКО как функции времени (верхняя часть графика рассеяния на рис. 6, каждая точка представляет одну молекулу ), а среднее значение кажущегося коэффициента диффузии CD9 (0,23 ± 0,04 мкм 2 /с) было сходно с тем, что сообщалось ранее в плазматической мембране клеток HeLa [31].Интересно, что BPNN смогла напрямую обнаружить смешанные траектории (синие точки на графике рассеяния на рис. 6), в дополнение к чисто броуновским (зеленым) и чисто ограниченным (красным) траекториям (38,5, 45,6 и 15,9 % от общего числа траекторий, соответственно). Эти проценты также хорошо сравнимы с описанными в [31]. Подобно тому, что описано на рис. 6, BPNN предоставил количество кадров каждого идентифицированного сегмента и соответствующий кажущийся коэффициент диффузии (D 1-4 ).Диаметр ограничения, связанный с этими сегментами, был рассчитан на основе анализа MSD, и, в соответствии с предыдущим отчетом, диаметр ограничения был меньше для чисто ограниченных траекторий по сравнению с ограниченным сегментом в смешанных траекториях (215   ±   68 нм по сравнению с 273 нм). ± 89 нм).

Рис. 5

Анализ режимов движения в пределах реальной траектории частицы вируса мышиного лейкоза Молони (MLV) в клетках НЕК. На верхней панели показана траектория частицы MLV, содержащей белки Gag, меченные YFP, зарегистрированная в инфицированных клетках 293 HEK, отслеженная с помощью TIRF-микроскопии и записанная при времени интеграции 100 мс.Область заключения увеличена в красном круге. Нижняя панель представляет собой график зависимости вероятности обнаружения режима движения (выходные значения BPNN) от продолжительности траектории. Зона локализации обнаруживается в течение 6,1 с (жирный красный след) с коэффициентом диффузии 0,01 мкм 2 /с и диаметром 170 нм. Направленное движение указано в течение 4 с с коэффициентом диффузии 0,012 мкм 2 /с и скоростью 0,38 мкм/с. Масштабная линейка, 500 нм

Рис.6

Отслеживание одиночной молекулы тетраспанина CD9 в клетках HeLa. Панель ( a ) представляет собой изображение DIC одной клетки HeLa, а красные линии представляют некоторые зарегистрированные траектории отдельных молекул (масштабная линейка составляет 5 мкм). Нижняя панель ( b ) представляет графики рассеяния кажущихся коэффициентов диффузии CD9, рассчитанные на основе анализа MSD 1000 траекторий в клетках HeLa. Каждая точка представляет собой одну траекторию, а поведение диффузии, которое было определено с помощью нейронной сети BPNN, обозначено цветовым кодом (красный, ограниченный ( c ) зеленый, броуновский ( b ) синий, смешанный M ).

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *