blitzcurve 0.0.2

为什么使用 TRAM 技术？

测量分子旋转速度（例如蛋白质大小、结构、配体结合）。

通过两个荧光分子之间的福斯特共振能量转移 (FRET) 来测量低聚特性。

闪电曲线有什么用？

• 将曲线拟合到实验 TRAM 数据

• 提取有用的拟合参数

• 比较样本

实验如何进行？

• 荧光分子的激发

• 测量发射光的去极化（偏振/各向异性）

• 时间分辨方法：脉冲激发，以及以纳秒为单位测量各向异性随时间的变化

分析方法

• 合适的拟合方法仍在开发中

• 当前输入：具有各向异性和时间 (ns) 值的 csv

• 各向异性与时间的当前拟合方法

  • Savitzky Golay 适合所有原始数据

  • 初始衰减数据的指数拟合

  • 最终衰减数据的指数拟合

• 关键测量参数：

  • r_inf（在无限时间范围内预测的各向异性）

  • r_max（在任何时间点测量的最大各向异性）

安装

pip install blitzcurve

• Blitzcurve 应该与Anaconda python 3.x 或任何科学 python 包兼容

用法

import blitzcurve
# define data directory with csv files
data_dir = r"D:\data\20180229_TRdata"
# OPTIONAL: define which data files will be analysed
file_list = ["10nM-FGC1-2min_aniso.txt", "10nM-FGC2-2min_aniso.txt"]
# run blitzcurve function to fit curves to individual samples
blitzcurve.run_fit(data_dir, figs_to_plot=file_list)
# setup a dictionary to shorten long sample names
name_dict = {"10nM-FGC1-2min_aniso.txt": "FGC1", "10nM-FGC2-2min_aniso.txt": "FGC2", "10nM-FGC3-2min_aniso.txt": "FGC3"}
# run blitzcurve function to compare curves and parameters for multiple samples
blitzcurve.run_compare(data_dir, name_dict=name_dict)

贡献

欢迎合作者和请求请求。给我们发一封电子邮件。

执照

这个 python 包是在宽松的 MIT 许可下发布的。

接触

联系方式可在 慕尼黑工业大学Langosch 实验室的Mark Teese或Philipp Heckmeier的员工页面上找到。

例子

适合获得 r_max

适合获得 r_inf

条形图比较 r_max

条形图比较 r_inf

折线图比较适合三个样本的完整数据

线图比较适合三个样本的 r_inf