如何用python计算光谱重叠或J重叠积分
如何用python计算光谱重叠或J重叠积分
介绍:
今天的主题将是一个与荧光分子之间的能量转移分析相关的重要课题。在分子尺度上精确测量和预测能量转移事件对于与医学、生物技术、材料科学和工程相关的众多应用极为重要。虽然分子可以通过多种机制传递能量,但在这里我们将专门讨论 福斯特共振能量转移 (FRET) 机制。 FRET 可以简单地描述为激发态“供体”分子通过其电子跃迁偶极子之间的相互作用将其能量转移到基态“受体”分子的机制。结果是供体返回基态并且受体被激发。
当一个分子被激发到更高的能量状态时,分子可以通过多种机制放松回到它的基态。例如,电子激发可以转化为热能或在光子发射中释放。最终,FRET 与这些其他辐射和非辐射弛豫途径竞争,因此不能保证。幸运的是,Förster 提出的模型允许我们考虑其中一些因素并预测能量转移发生的概率或效率。通常,FRET 是用 R0 来描述的,它是能量转移效率为 50% 的距离。求解以纳米为单位的 R₀ 的方程可见于 方程。 1 是 Förster 理论的中心方程之一。
Eq. 1
R₀ 值取决于几个不同的变量,但这里我们将特别关注 J 重叠积分或光谱重叠积分 (Jλ)。
什么是光谱重叠积分:
顾名思义,FRET是一种共振能量转移。与单壁上的两个摆钟或单个框架上的摆动是耦合振荡器一样,Förster 理论将供体和受体荧光团视为共享某些共振频率的耦合振荡点偶极子。然后,光谱重叠积分是一种表达供体-受体对可以共享共振跃迁程度的方法。在数学上,光谱重叠积分是根据 方程。 2.
Eq. 2
在哪里 l 是采样波长 , fD(λ) 是给定波长下供体的荧光发射,归一化为单位,εA 是受体的摩尔吸收或消光系数。 __ 归一化的荧光发射由下式表示 方程。 3 其中标识( l ) 是在采样波长处测得的发射强度。
Eq. 3
从概念上讲,光谱重叠积分起初可能难以掌握,但在实践中,根据测量的供体发射光谱和受体吸收光谱非常容易计算。为了演示,我们将通过一个使用 AlexaFluor 488 供体和罗丹明红受体的真实示例进行演示。可从 Thermo Fisher 光谱查看器工具下载吸收光谱和发射光谱,该工具可用 这里 .
计算重叠积分:
为了帮助计算,我们将使用 Pandas 和 Matplotlib 模块。
将熊猫导入为 pd
将 matplotlib.pyplot 导入为 plt
然后,一旦从 Thermo 网站下载了适当的数据文件,我们就可以使用 read_csv 方法将光谱存储在 pandas 数据帧中。
af = pd.read_csv('Alexa Fluor 488.csv', index_col=0)
rho = pd.read_csv('Rhodamine Red.csv', index_col=0)
为了计算重叠积分,Alexa 发射和罗丹明吸光度是相关光谱。因此,这些光谱和采样波长可以存储在单独的阵列中以进行简单计算。
wl = of.index.values 捐助者 = of['Emission'].values
接受器 = rho['Excitation'].values
在开始计算之前,将光谱可视化以确认供体发射和受体吸收之间确实存在重叠总是一个好主意。
# 吸光度和发射光谱的双轴图
斧头 = plt.axes()
ax2 = ax.twinx() # 绘制 alexa 供体发射
ax.plot(wl,donor/donor.max(), alpha=0.8,label='Alexa 488 Emission', linestyle='--') # 绘制罗丹明受体吸光度
ax.plot(wl, acceptor/acceptor.max(), alpha=0.8,label='Rho Absorbance', linestyle='-') # 配置轴标签
ax.set_xlabel('波长 (nm)')
ax.set_ylabel('Norm. Emission')
ax2.set_ylabel('标准吸光度') # 配置绘图限制
ax.set_xlim(400, 675)
ax.set_ylim(0, 1.05)
ax2.set_ylim(0, 1.05) 斧头传奇() plt.show()
图1 展示了上述代码生成的图,并清楚地验证了 Alexa 488 发射峰与罗丹明吸光度显着重叠。
Figure 1: Normalized donor emission and acceptor absorbance spectra
现在为了开始计算重叠积分,需要将供体发射归一化为单位, fD(λ) .这意味着每个波长的发射需要除以每个波长的发射总和。
fD = 捐助者/捐助者.sum()
通过可视化 fD(λ) 频谱在 图 2 ,我们看到峰的形状没有改变,只是缩小了。
Figure 2: Donor emission spectrum normalized to unity
这就是为了 fD(λ) 积分中的术语。
接下来需要计算 εA(λ) 学期。在这个学期, e 指 __ 为受体的消光系数。该值通常由制造商报告,但也可以在实验室中使用 比尔-朗伯定律 .然而,为了简单起见,我们假设最大消光系数由 AAT 生物探索 .这 εA(λ) 通过报告的最大消光系数缩放归一化的 Rho 吸收光谱可以很容易地计算光谱 .
ε = 129000 # M-1 cm-1
epsilonA = (acceptor/acceptor.max()) * epsilon
与通常具有任意单位的发射光谱不同,消光光谱通常以反摩尔 cm 为单位报告。
Figure 3: Acceptor extinction spectrum
在 图 3 ,很明显峰的形状没有改变,光谱只是通过消光来缩放。
现在我们可以通过简单的乘法轻松计算完全重叠的被积函数 fD(λ)、εA(λ) 和 λ ⁴。
J = fD * epsilonA * wl**4
Figure 4: J integrand plotted as a function of wavelength
图 4 显示绘制为波长函数的 J 被积函数或 l .光谱清楚地显示了 Alexa 发射和 Rho 吸光度之间重叠最大的区域中的峰值。最后,J( l ) 光谱需要积分,可以通过对采样波长范围内的值求和来计算。
J_sum = J.sum()
最后,这个值可以插入 方程。 1 并用于预测 R₀。
离别词:
这篇文章写得很快,所以我可能需要回来做一些编辑。但我想现在我会把它留下来,希望它对荧光光谱学的新手有所帮助。如果你对 FRET 感兴趣,我会给你一些 Algar 的精选读物 你在里面。 这里 .
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 【.NET】调用本地 Deepseek 模型
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· DeepSeek “源神”启动!「GitHub 热点速览」
· 我与微信审核的“相爱相杀”看个人小程序副业
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库