Összes szerző

Zimányi László

az alábbi absztraktok szerzői között szerepel:

Groma Géza
Fényindukált komplex folyamatok kinetikai modellezése gépi tanulás módszerével

Aug 28 - szerda

11:45 – 12:00

Bioenergetika és fotobiofizika

E32

Fényindukált komplex folyamatok kinetikai modellezése gépi tanulás módszerével

Groma Géza, Sarlós Ferenc, Sipos Áron, Nagypál Rita, Nagy Dávid, Dér András, Zimányi László

MTA Szegedi Biológiai Kutatóközpont, Biofizikai Intézet

A biológiai mintákon végzett időbontott spektroszkópiai vizsgálatok jelentős része elsőrendű kinetikák komplex rendszerével írható le [1]. Ilyenek a különböző konformációs állapotban levő FAD vagy NADH molekulákból származó fluoreszcencia kinetikák, valamint a retinál fehérjék és a fotoszintetikus rendszerek fényindukált folyamatainak kinetikái. Noha e folyamatok leggyakrabban exponenciális függvények összegével írhatók le, a modellezésnél súlyos nehézségeket okoz, hogy (1) a sokszor több nagyságrendet átfogó időtartományon kevés mérési pont áll rendelkezésre, (2) a komponensek számát nem ismerjük előre, (3) az exponenciális illesztés instabil probléma: kis bemeneti zaj is nagy bizonytalanságot eredményezhet a paraméterekben, (4) nem garantált a globális illesztési minimum elérése.

Megmutatjuk, hogy a fenti problémák elkerülhetők a modern statisztika két módszerének alkalmazásával. Egyrészt a kis- (és ismeretlen) számú exponenciális illesztése helyett az időállandók egy nagyszámú, kvázifolytonos halmazán keresünk ritka (sparse) megoldásokat, azaz olyan eloszlásokat, amelyek csak néhány pontban különböznek zérustól [2]. Másrészt a ritkaság mértékét szabályzó hiperparaméter(eke)t az adott zajszintnek megfelelően választjuk ki, valamely resampling technikán (pl. cross-validation) alapuló gépi tanulás (Bayesian Optimization) útján. Ez az eljárás automatikusan optimalizál a kevés paraméterrel való gyenge illesztés (high bias) és a sok paraméterrel való zajra illesztés (high variance) között.

A fenti eljárást elsőként alkalmaztuk komplex elsőrendű kinetikák modellezésére. Eredményességét a bakteriorodopszin fotociklus és a FAD fluoreszcencia kinetikáin fellépő Hofmester effektus tanulmányozásán mutatjuk be.

Köszönetnyilvánítás

Ez a munka az NKFIH GINOP-2.3.2-15-2016-00001 projekt támogatásával készült.

Irodalom

[1] van Stokkum IHM, Larsen DS, van Grondelle,R (2004) Biochim Biophys Acta 1657: 82−104.

[2] Groma GI, Heiner Z, Makai A Sarlos F (2012) RSC Adv 2: 11481−11490.

Steinbach Gábor
Anizotróp szerkezetek leképezése újrapásztázó konfokális mikroszkóppal (RCM)

Aug 29 - csütörtök

10:40 – 11:00

Modern biofizikai módszerek

E39

Anizotróp szerkezetek leképezése újrapásztázó konfokális mikroszkóppal (RCM)

Steinbach Gábor¹, Lucas Patty², Nagy Dávid ¹, Sipka Gábor ², Erik Manders³, Garab Győző ^2,4, Zimányi László

1 MTA Szegedi Biológiai Kutatóközpont, Biofizikai Intézet

2 MTA Szegedi Biológiai Kutatóközpont, Növénybiológiai Intézet

3 Confocal.nl

4 Biofotonika Kft.

Biológiai minták komplex molekuláris rendezett szerkezetének vizsgálata, bár a fénymikroszkópok limitált felbontóképessége miatt korlátozott, konfokális mikroszkópra épített differenciál-polarizációs mérési technikával (DP-LSM) feltérképezhető [1]. A közelmúltban sikerrel alkalmaztuk a DP mikroszkópiát rendezett növényi szerkezetek vizsgálatára [2]. Hasznos, ha a konfokális mikroszkópiában elérhető, a felbontóképességet növelő fejlesztéseket is igénybe véve kiterjesztjük a polarizált fénnyel való szerkezetvizsgálat hatókörét. Az újrapásztázó konfokális mikroszkóp (RCM) sCMOS kamerán alapuló leképezése 1,4-szeres laterális feloldóképesség javulást és kedvezőbb jel-zaj viszonyt biztosít a PMT-t használó LSM-ekhez képest, miközben megtartja a Z irányú felbontást [3].

A gerjesztőlézer polarizációját moduláló folyadékkristály (LC) alkalmazásával lehetővé válik a szerkezeti információk kinyerése, az FDLD leképezés elvégzése 2D-ben és 3D-ben. A moduláció és a képalkotás szinkronizálását egy külső programmal oldottuk meg, amely mind az eredeti Nikon szoftverrel, mint a LC vezérlővel tartja a kapcsolatot. A képfeldolgozási funkciókat MATLAB-ban elkészített, grafikus felületű program végzi [4].

Köszönetnyilvánítás

Köszönjük a GINOP-2.3.2-15-2016-00001, a GINOP-2.3.2-15-2016-00003 és a GINOP-2.3.2-15-2016-00030 pályázatok pénzügyi támogatását.

Irodalom

[1] Steinbach G, Pawlak K, Pomozi I, Tóth EA, Molnár A, Matkó J, Garab G (2014) Methods and Applications in Fluorescence 2: 015005 (9pp)

[2] Radosavljević JS, Pristov JB, Mitrović AL, Steinbach G, Mouille G, Tufegdžić S, Maksimovic V, Mutavdžić D, Janoševic D, Vuković M, Garab G, Radotić K (2017) Cellulose, 24: 4653–4669

[3] de Luca GMR, Breedijk RMP, Brandt RAJ, Zeelenberg CHC, de Jong BE, Timmermans W, Azar LN, Hoebe RA, Stallinga S, Manders EMM (2013) Biomed Opt Express 4:2644-2656.

[4] Steinbach G, Nagy N, Sipka G, Manders E, Garab G, Zimanyi L (2019) European Biophysics Journal eprint https://doi.org/10.1007/s00249-019-01365-4