我们的实验方案可以使用一系列光学显微镜技术量化许多系统中的动力学。我们强调这种方法如何特别有助于表征重构细胞骨架网络的动力学。使用我们的差分动态显微镜软件包的主要优点是它具有良好的文档记录，具有多个示例分析文件，并且可以轻松适应研究不同类型的动力学。
我们的软件包不仅可用于量化重构的细胞骨架网络中的动力学，还可用于量化其他软质和生物学相关材料的动力学。根据时间和长度尺度，使用显微镜控制软件（如Micro-Manager）采集超过1， 000帧的图像序列。在 PyDDM 代码存储库中提供的示例文件夹下，创建名为 example_parameter_file.yml 的参数文件的副本。
使用文本编辑器（如记事本+）或JupyterLab中的文本编辑器打开此EML文件。在复制的 EML 文件中，提供与要分析的图像序列对应的数据目录和文件名。在元数据部分下，提供像素大小和帧速率。
在分析参数部分下，选择DDM矩阵的计算参数，如不同滞后次数和最长滞后时间。在拟合参数部分中提供有关 DDM 矩阵或中间散射函数的拟合的详细信息，例如模型和模型参数的名称、初始猜测、下限和上限。通过将 EML 文件的文件名与完整文件路径传递给 DDM 分析，在分析参数中提供元数据，从而初始化 DDM 分析类的实例。
或者，将元数据和参数作为 Python 字典数据结构传递。运行函数以计算 DDM 矩阵。使用关联的变量和元数据检查返回的数据，这些变量和元数据作为数据集存储在 Xarray 包中。
然后，检查另存为 PDF 文件和数据目录的绘图和图形。其中一个图显示了如何估计背景的默认方法。如果需要，请使用 EML 文件中的参数背景方法或作为函数计算 DDM 矩阵的可选关键字参数来更改估计背景的方法。
通过传递包含图像元数据和拟合参数的 EML 文件的文件名来初始化 DDM 适合类的实例。通过执行函数打印拟合模型列出可用模型。指定要在 EML 参数文件中使用的模型，或使用函数按名称重新加载拟合模型。
对于所选模型中的每个参数，如果与 EML 文件中指定的值不同，则使用函数设置初始猜测和边界，设置参数初始猜测和边界。使用函数拟合执行拟合。使用函数拟合报告生成用于检查拟合参数 q 依赖性中的拟合曲线的拟合图。
检查输出，包括带有二乘二子图的数字，该子图显示了 DDM 矩阵或 ISF 在四个 q 值下以及拟合。使用类浏览 DDM 拟合在 Jupyter 笔记本环境中以交互方式绘制 DDM 矩阵或 ISF 以及最佳拟合。单击衰减时间与波数图中的点将显示数据和拟合。
检查保存在 Xarray 数据集中的拟合结果，并使用函数 two netCDF 或 Python 的内置泡菜模块将此数据结构保存到磁盘。对活体蛋白网络中0.6微米微米微球的明场图像系列进行了DDM分析，并对来自具有光谱独特荧光标记的活性肌动蛋白 - 微管复合网络的共聚焦显微镜图像进行了分析。将中间散射函数绘制为不同波数下滞后时间的函数，以及具有19微摩尔和34微摩尔的维门汀浓度的网络。
值远高于零时函数的长滞后时间平台表示非遗传性。对于具有不同维门汀浓度的两个网络，作为q的函数绘制的衰变时间tau显示亚扩散或受限运动。将非能性参数c绘制为具有34和49微摩尔vimentin的网络的q平方函数，表明c的对数与限制运动的预期q平方成正比。
均方位移与滞后时间图表明，从DDM确定的值与通过单粒子跟踪找到的值非常吻合。对于更集中的网络，值在较长的滞后时间内稳定下来。活性肌动蛋白-微管复合网络的DDM矩阵与滞后时间的比较表明，特定q值的DDM矩阵在低滞后时间具有平台，然后在大滞后时间进一步趋于稳定。
从拟合到DDM矩阵的特征衰减时间tau表明tau和q之间的关系表示弹道运动。在开发该PyDDM软件包后，我们用它来研究活性细胞骨架网络和其他系统的各向异性和时变动力学。
