รูปที่ 1: (ก) แสดงเส้นทางการเดินของ Random walker ในสองมิติ เส้นทึบแสดงการกระจัดที่เป็น single step และเส้นประแสดงการกระจัดที่เป็น double step, (ข) กราฟระหว่าง time intervals กับ square displacements และ (ค) แสดง linear fit เพื่อดูว่า diffusion exponent เป็นเท่าไรเพื่อนำไปแปลความหมายต่อไป (รูปที่1 ยกมาจาก Ref. [1] ขอกราบขอบพระคุณมา ณ ที่นี้) |
พิจารณารูปที่1 (ก) จากตำแหน่งที่ 1 ไปยังตำแหน่งที่ 2 และถัดไปมีเวลาห่างกันเป็น $\Delta {t}$ ซึ่งเรียกว่า lag time จากนั้นลองหาค่า displacement ที่ lag time เท่ากับ $\Delta {t}$
$\; \; \; \; \; \; \; \; \; \;x_{1}=x(t_{1})\; \; \; \; \; \; \; \; \; \; x_{2}=x(t_{1}+\Delta{t}) \; \; \; \; \; \; \; \; \; \; \Delta x_{1}(\Delta t)=x_{2}-x_{1}$
$\; \; \; \; \; \; \; \; \; \; y_{1}=y(t_{1})\; \; \; \; \; \; \; \; \; \; y_{2}=y(t_{1}+\Delta{t})\; \; \; \; \; \; \; \; \; \; \Delta y_{1}(\Delta t)=y_{2}-y_{1}$
$\; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; $
$\; \; \; \; \; \; \; \; \; \; x_{i}=x(t_{i})\; \; \; \; \; \; \; \; \; \; x_{i+1}=x(t_{i}+\Delta{t})\; \; \; \; \; \; \; \; \; \; \Delta x_{i}(\Delta t)=x_{i+1}-x_{i}$
$\; \; \; \; \; \; \; \; \; \; y_{i}=y(t_{i})\; \; \; \; \; \; \; \; \; \; y_{i+1}=y(t_{i}+\Delta{t})\; \; \; \; \; \; \; \; \; \; \Delta y_{i}(\Delta t)=y_{i+1}-y_{i}$
ดังนั้นค่า square displacement ก็สามารถได้ว่า
สำหรับ single lag time $\Delta t$
$\; \; \; \; \; \; \; \; \; \; (\Delta r_{i}(\Delta{t}))^{2}=(\Delta x_{i}(\Delta{t}))^{2}+(\Delta y_{i}(\Delta{t}))^{2}$
สำหรับ double lag time $\Delta t$
$\; \; \; \; \; \; \; \; \; \; (\Delta r_{i}(\Delta{t}))^{2}=(\Delta x_{i}(\Delta{t}))^{2}+(\Delta y_{i}(\Delta{t}))^{2}$
$\; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \; \;$
สำหรับ n lag time $n\Delta t$
$\; \; \; \; \; \; \; \; \; \; (\Delta r_{i}(\Delta{t}))^{2}=(\Delta x_{i}(\Delta{t}))^{2}+(\Delta y_{i}(\Delta{t}))^{2}$
และค่า mean square displacement ตลอดการเคลื่อนที่สำหรับ single lag time $\Delta{t}$ สามารถเขียนได้เป็น
$\; \; \; \; \; \; \; \; \; \; \left \langle (\Delta r_{i}(\Delta{t}))^{2} \right \rangle=\frac{1}{n}\left ( (\Delta r_{1}(\Delta{t}))^{2}+(\Delta r_{2}(\Delta{t}))^{2}+\Delta r_{3}(\Delta{t}))^{2}+\cdots \right )=\frac{1}{n}\sum_{i=1}^{n}r_{i}^{2}(\Delta t)$
ในทำนองเดียวกันนะครับ ถ้าเป็น double step ในช่วงเวลา $2\Delta t$ หรือจะเป็น $3\Delta t$, $4\Delta t$ ซึ่งจะให้ได้ข้อมูล MSD เหมือนในรูปที่ 1 (ข)
ขอยกสมการในเอกสารการศึกษาของ Kanthang และคณะ [3] ที่หาค่า MSD สำหรับตลอดเส้นทางการเคลื่อนที่ของโปนตีนชนิดหนึ่งซึ่งอยู่ในแบคทีเรียที่ชื่อว่า E. coli
$\; \; \; \; \; \; \; \; \; \;\left \langle (\Delta r)^2 \right \rangle=\frac{1}{N-1-n}\sum_{i=1}^{N-1-n}\left \{ \left [ x(i\Delta t+n\Delta t)-x(i\Delta t) \right ]^2 + \left [ y(i\Delta t+n\Delta t)-y(i\Delta t) \right ]^2 \right \}$
โดยที่
$N$ คือ the total number of frames, $n$ คือ the number of the time interval ซึ่งเกี่ยวข้องกับ lag time
และ $i$ คือ the positive integer
References
[1] Jakob C. Schweizer, January 26, 2007. Practical Course: Single-Particle-Tracking.
[2] M.J. Saxton, K. Jacobson, "SINGLE-PARTICLE TRACKING: Applications to Membrane Dynamics" Annu. Rev. Biophys. Biomol. Struct. 26, 373 (1997)
[3] Kanthang P, Ngamsaad W, Nuttavut N, Triampo W, Triampo D, Krittanai C, "Biophysical approach for studying the MinD protein dynamics and energy landscape: a novel use of the spot tracking technique" European Physical Journal-Applied Physics 2011, 55(1):11201.
[4] Unai S, Kanthang P, Junthon U, Ngamsaad W, Triampo W, Modchang C, Krittanai C, "Quantitative analysis of time-series fluorescence microscopy using a spot tracking method : application to Min protein dynamics" Biologia 2009, 64(1):27-42.
[5] D. Sage, F.R. Neumann, F. Hediger, S.M. Gasser, M. Unser, "Automatic Tracking of Individual Fluorescence Particles: Application to the Study of Chromosome Dynamics," IEEE Transactions on Image Processing, vol. 14, no. 9, pp. 1372-1383, September 2005.
[6] ImageJ, free software, available online: http://rsbweb.nih.gov/ij/
สนใจทำเรื่อง Image processing ด้วย Matlab ค่ะ
ReplyDeleteหากไม่เป็นการรบกวนเกินไป ของ E-mail ติดต่อได้ไหมคะ
ชื่อต้นหอมค่ะ jasmine.1100@hotmail.com