以模拟为指导,探索PAINT参数空间,以准确的分子量化.
Wei Shan Tan1,2, Arthur M de Jong3,2, Menno W J Prins1,3,2,4
1Department of Biomedical Engineering, Eindhoven University of Technology, Eindhoven, Netherlands. m.w.j.prins@tue.nl.
Nanoscale
|November 7, 2025
概括
优化分子量化以点积累为成像纳米级拓学 (PAINT) 是至关重要的. 这项研究开发了一个模拟框架,以确定最佳的PAINT参数,以准确测量密度和空间分布.
科学领域:
- 生物物理学的生物物理.
- 纳米技术 纳米技术
- 分子成像学分子成像学
背景情况:
- 使用点积累用于纳米级拓图像 (PAINT) 的分子量化至关重要,但对实验参数敏感.
- 准确的PAINT分析需要了解探头动力学,成像条件和表面特性.
研究的目的:
- 开发一个模拟引导的框架,以优化PAINT参数空间.
- 为了确定条件,确保高精度 (≥90%) 的分子密度和空间分布量化.
主要方法:
- 利用蒙特卡洛模拟来训练一个神经网络代理模型.
- 进行了Sobol灵敏度分析,以确定影响PAINT输出的关键因素.
- 定义了点差函数密度,局部化云密度和绑定事件密度的检测值.
主要成果:
- 探头动力学和度被确定为影响PAINT输出变化的主要因素.
- 该框架迅速绘制了可行的参数制度,以便准确量化.
- 在密集的集群系统中,可解释的空间量化需要先前的知识或增强的分辨率.
结论:
- 这种以模拟为导向的框架为优化PAINT实验提供了定量见解.
- 这种方法支持用于更广泛的分子系统应用的PAINT兼容探头的合理设计.


