Christoph Florian Schaller - FU Berlin, FB MI

Contents
1 Introduction 3
1.1 The diraction barrier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Imaging and noise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 STORM - the basic idea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Motivation and classication of the present thesis . . . . . . . . . . . . . . . . . . . . . 6
2 Fitting algorithms 7
2.1 Preliminaries and overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Gaussian mask and full least squares tting . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Numerical integration algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Poissonian background tting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.5 Fitting a Gaussian background noise . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Uncertainty and precision 14
3.1 Error estimation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.2 Numerical verication of a systematic error caused by pixelation . . . . . . . . . . . . 15
4 Random STORM images 17
4.1 Image generation and setup . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Error dependencies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.3 Eect of numerical integrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.4 Quantication of occuring shifts caused by pixelation . . . . . . . . . . . . . . . . . . . 20
4.5 Fitting a Poissonian background . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.6 Simulation results for Gaussian background tting . . . . . . . . . . . . . . . . . . . . 23
5 Processing experimental data 24
5.1 Available tting tools . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
5.2 Identifying trajectories . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.3 Drift . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
6 xStorm 27
6.1 Necessity of the development . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2 Input and output . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.3 The tagged image le format (TIFF) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.4 Program design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.5 Parallel processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
7 Experimental observations 30
7.1 Noise statistics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
7.2 Single bead . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7.3 Multiple beads . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
7.4 Antibody tting benchmark . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
7.5 Bias due to the tting method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
8 Summary and Outlook 36
8.1 Our results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
8.2 Future possibilities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36