TrackMate-ExTrack：活细胞中的扩散并结合动力学。
TrackMate-ExTrack 是一个 TrackMate 操作，包含 Python 分析工具 ExTrack 到 Java 和 TrackMate 的端口。 描述该工具背后科学原理的论文所在：
如果 ExTrack 对您的研究有用，请引用它。
ExTrack 的 Python 版本应该被视为名义上的主要来源，可以在 on its GitHub repo 中找到。 本页仅记录 TrackMate 端口。
TrackMate 中的 ExTrack 分析。
ExTrack 膳食分析，可以确定粒子是否执行扩散运动或被束缚并显示为卡住。 重要的是，ExTrack 可以解决单个粒子从一种状态到另一种状态的转变。 它的设计对噪声指标具有鲁棒性，即使在面临更大的定位偏差时也能提供出色的精度。 查看文章以了解有关 ExTrack 工作原理的详细信息。
此 TrackMate 端口包含您可以在 Python 标称版本中找到功能的子集。 主要是：假设您接下来的消耗品状态最多有2种。 它可以是束缚态和扩散态，也可以是具有不同扩散系数的两种扩散态。 如果您需要解析 2 个以上的状态，请遵循上面链接的 Python 实现。
＃＃安装。
TrackMate-ExTrack 作为可选 ImageJ update site 提供。 点击转到斐济更新程序并在更新站点列表中，检查TrackMate-ExTrack更新站点并重新启动斐济。
满足。
ExTrack 对现有曲目进行分析，因此您需要使用 TrackMate 生成它们或导入它们。 TrackMate-ExTrack 分析是一个操作，通过 TrackMate UI 中的最后一个面板启动：
选择此操作并单击Execute按钮。
TrackMate-ExTrack UI窗口显示：
简短教程。
这是关于合成数据的简短教程，最好地解释了 ExTrack 如何工作。 Francois 准备了 400 个在扩散态和束缚态之间切换的合成道具，将它们排列在 20x20 的网格上。 然后他将相应的曲目保存为 TrackMate 文件。 您可以在 Zenodo 上获取 TrackMate 文件（以及更多）：
我们将首先处理simulated_tracks.xml文件。
这是一个 TrackMate XML 文件：
<?xml version="1.0" encoding="UTF-8"?>
<TrackMate version="7.7.2">
<Log>Session log saved in the file
...</Log>
<Model spatialunits="µm" timeunits="s">
<FeatureDeclarations>
<SpotFeatures>
<Feature feature="QUALITY" name="Quality" shortname="Quality" dimension="QUALITY" isint="false" />
在斐济，转至_插件>跟踪>加载TrackMate文件_菜单项。
浏览至simulated_tracks.xml文件。
TrackMate 将打开曲目，但由于没有关联的图像，因此您将在空白图像中看到它们：
在 TrackMate 窗口中，单击 Next 按钮移至 操作 面板。
选择名为_计算 ExTrack 概率_的操作，然后单击 Execute 按钮。
应出现如上所示的 ExTrack 窗口。
ExTrack界面由3个面板组成：手动输入、最大似然估计_和_高级。
为了使 ExTrack 工作，它需要估计几个参数的值：
Localization error是物理单位中点位置精度的担忧。Diffusion length for diffusive state涉及第一运动状态的扩散系数，假设为扩散状态。在2D中，它等于_2√Dt_，其中_D_是扩散系数，_t_是帧间隔。- 同样，
Diffusion length for bound state涉及第二运动状态，假设为卡居住状态。 Fraction in diffusive state是第一个状态（扩散状态）的粒子的平均份额。Probability of unbinding是粒子在帧间隔内从束缚态进入扩散态的概率。
第一个面板允许手动输入这些参数的值（如果已知）。 当然，这些值只有在理想情况下才是已知的，这就是为什么 ExTrack 提供了一种仅根据粒子运动来估计它们的方法。
转到第二个面板，最大似然估计。
点击Start estimaton按钮。
该过程依赖于最大似然估计（MLE）并使用手动输入的值作为起始猜测。
ExxTrack 相对平稳，因此如果初始值不是太远，MLE 应该收敛。
估计可能会很长；在我的 2021 年工作站上，这 400 个曲目大约需要 1 分钟，但起始值很接近。
我们利用多线程来加速迭代，因此您应该听到计算机中的风扇发出噪音。
以下是我得到的估计：
大家的价值观应该接近，但不一定必须。
我们确实发现，束缚态的扩散长度比其他态的扩散长度更小。
您可以使用窗口左下角的Save按钮将参数保存到JSon文件中。
将生成一个简单的文本文件，如下所示：
{
"localizationError": 0.020066601029511685,
"diffusionLength0": 0.09013966560752623,
"diffusionLength1": 0.0012129577182051934,
"F0": 0.45455903522933716,
"probabilityOfUnbinding": 0.09100120643275995,
"nbSubteps": 2,
"nFrames": 5
}
您可以稍后使用Load按钮重新加载。
现在最困难的部分已经完成了。
您可以使用这些参数让 ExTrack 估计某种状态或另一种状态的概率。
单击右下角的Compute probabilities按钮即可执行此操作。
这个计算应该相对比较快。
计算结束后，将会有新的数字特征主体到 TrackMate 会话。
例如，如果您返回 TrackMate 主窗口，然后单击_显示选项_面板中的Spots按钮，您将在这些点上出现两个新的数字特征：P 卡住 和 P 扩散：
这些数值可用于在 TrackMate 中生成当前状态的可视化结果。
在同一个 TrackMate 面板中的_点颜色选择_中，选择_点功能_类别下的Probability diffusive。
对“轨道颜色”设置执行相同的操作。
单击中间和顶部旁边的两个 auto 按钮可将显示范围自动设置为 0 到 1。
颜色反应在轨道显示上：
我们可以看到粒子从一种状态转变为另一种状态。 在这个模拟数据集上，状态概率与抽样的表观判断给出了直觉很好地对应。
注：
州的意义可以颠倒。
根据初始参数和估计，被称为 diffusive 的状态实际上可能代表卡住状态。
我们选择了一个规定，其中状态名称是明确的，但最终，第一个状态是扩散状态还是束缚状态由扩散长度的值决定。
编写 TrackMate-ExTrack 脚本。
与大多数 TrackMate 生态系统一样，ExTrack 可以使用 Jython 编写的脚本。 这是一个示例脚本：
import os
import time
from java.io import File
from fiji.plugin.trackmate.io import TmXmlReader
from fr.pasteur.iah.extrack import ExTrack
from fr.pasteur.iah.extrack.compute import ExTrackParameters
def process( path ):
# Load tracks.
print( "Loading " + path )
reader = TmXmlReader( File( path ) )
model = reader.getModel()
if not reader.isReadingOk():
print( "Problem reading the file:" )
print( reader.getErrorMessage() )
print( "Aborting." )
return
print( "Loading done." )
# Create an ExTrack object.
extrack = ExTrack( model )
# We only estimate parameters if we do not have them already saved.
parent = File( path ).getParent()
savefile = File( parent, "extrack-params.json" )
if savefile.exists():
print( "\nFound an existing save-file for parameters. Skipping parameter estimation." )
else:
# Estimate motility parameters.
print( "\nEstimating motility parameters (can be long)..." )
# Use the default as starting point.
startpoint = ExTrackParameters.create() \
.localizationError( 0.02 ) \
.diffusionLength0( 0.001 ) \
.diffusionLength1( 0.1 ) \
.F0( 0.5 ) \
.probabilityOfUnbinding( 0.1 ) \
.nbSubSteps( 1 ) \
.nFrames( 6 ) \
.build()
print( "Using the following as starting point:" )
print( startpoint.toString() );
start = time.time()
optimum = extrack.estimateParameters( startpoint )
end = time.time()
print( "Estimation done in %.1f seconds.\nFound the following optimum:" % ( end - start ) )
print( optimum.toString() )
# Save.
print( "\nSaving the parameters to a JSon file." );
ExTrack.saveParameters( optimum, savefile.getAbsolutePath() )
print( "Saved to " + savefile.getAbsolutePath() )
# Load.
print( "\nLoading the parameters from a JSon file." )
loadedparams = ExTrack.loadParameters( savefile.getAbsolutePath() );
print( "Loaded from " + savefile.getAbsolutePath() )
print( "Parameters loaded:" )
print( loadedparams )
# Predict probabilities.
print( "\nPredicting diffusive & stuck probabilities..." )
extrack.computeProbabilities( loadedparams )
print( "Done." )
# Print probabilities.
print( "\nContent of model features now:" )
print( "-----------------------------------------------------------------" )
print( "| %-25s | %-15s | %-15s |" % ( "", "P stuck", "P diffusive" ) )
print( "-----------------------------------------------------------------" )
allspots = model.getSpots()
frames = allspots.keySet()
for frame in frames:
print( "Frame " + str( frame ) + ":" )
spots = allspots.iterable( frame, True )
for spot in spots:
print( "| %-25s | %-15.3g | %-15.3g |" % ( spot.getName(), spot.getFeature( "EXTRACK_P_STUCK" ), spot.getFeature( "EXTRACK_P_DIFFUSIVE" ) ) )
break # Remove to get all spots.
print( "-----------------------------------------------------------------" )
break # Remove to get all frames.
if __name__ == "__main__":
print( 'Current working dir: %s' % os.getcwd() )
# Path to the TrackMate file containing your tracks.
path = "scripts/samples/tracks.xml"
process( path )
您需要修改第 95 行，使 path 标记指向 TrackMate XML 文件。
以下是使用我们在上面教程中使用的相同模拟数据集的脚本的剧本：
Started ExTrackScritExample.py at Wed Jul 20 10:53:09 CEST 2022
Current working dir: C:\Users\tinevez\Development\Fiji.app
Loading /Users/tinevez/Development/TrackMateWS/TrackMate-ExTrack/samples/simulated_tracks.xml
Started ExTrackScritExample.py at Wed Jul 20 10:54:40 CEST 2022
Current working dir: C:\Users\tinevez\Development\Fiji.app
Loading /Users/tinevez/Development/TrackMateWS/TrackMate-ExTrack/samples/simulated-tracks.xml
Loading done.
Estimating motility parameters (can be long)...
Using the following as starting point:
fr.pasteur.iah.extrack.compute.ExTrackParameters@132517e5
- Localization error : 0.0200
- Diffusion length for diffusive state : 0.00100
- Diffusion length for bound state : 0.100
- Fraction in diffusive state : 0.500
- Probability of unbinding : 0.100
- Number of sub-steps for optimization : 1
- Number of frames for optimization : 6
Estimation done in 27.8 seconds.
Found the following optimum:
fr.pasteur.iah.extrack.compute.ExTrackParameters@56c79383
- Localization error : 0.0201
- Diffusion length for diffusive state : 0.00139
- Diffusion length for bound state : 0.0908
- Fraction in diffusive state : 0.555
- Probability of unbinding : 0.0744
- Number of sub-steps for optimization : 1
- Number of frames for optimization : 6
Saving the parameters to a JSon file.
Saved to C:\Users\tinevez\Development\TrackMateWS\TrackMate-ExTrack\samples\extrack-params.json
Loading the parameters from a JSon file.
Loaded from C:\Users\tinevez\Development\TrackMateWS\TrackMate-ExTrack\samples\extrack-params.json
Parameters loaded:
fr.pasteur.iah.extrack.compute.ExTrackParameters@14de5359
- Localization error : 0.0201
- Diffusion length for diffusive state : 0.00139
- Diffusion length for bound state : 0.0908
- Fraction in diffusive state : 0.555
- Probability of unbinding : 0.0744
- Number of sub-steps for optimization : 1
- Number of frames for optimization : 6
Predicting diffusive & stuck probabilities...
Done.
Content of model features now:
-----------------------------------------------------------------
| | P stuck | P diffusive |
-----------------------------------------------------------------
Frame 0:
| ID0 | 0.872 | 0.128 |
-----------------------------------------------------------------
JYT，2022年7月
