Abstract Mean-Shift Super Resolution (MSSR) is a principle based on the Mean Shift theory that extends spatial resolution in fluorescence images, beyond the diffraction limit. MSSR works on low- and high-density fluorophore images, is not limited by the architecture of the detector (EM-CCD, sCMOS, or photomultiplier-based laser scanning systems) and is applicable to single images as well as temporal series. The theoretical limit of spatial resolution, based on optimized real-world imaging conditions and analysis of temporal image series, has been measured to be 40 nm. Furthermore, MSSR has denoising capabilities that outperform other analytical super resolution image approaches. Altogether, MSSR is a powerful, flexible, and generic tool for multidimensional and live cell imaging applications.

Rotavirus genome replication and assembly take place in cytoplasmic electron dense inclusions termed viroplasms (VPs). Previous conventional optical microscopy studies observing the intracellular distribution of rotavirus proteins and their organization in VPs have lacked molecular-scale spatial resolution, due to inherent spatial resolution constraints. In this work we employed super-resolution microscopy to reveal the nanometric-scale organization of VPs formed during rotavirus infection, and quantitatively describe the structural organization of seven viral proteins and viral dsRNA within and around the VPs. The observed viral components are spatially organized as 6 concentric layers, in which NSP5 localizes at the center of the VPs, surrounded by a layer of NSP2 and NSP4 proteins, followed by an intermediate zone comprised of the VP1, VP2, VP6 proteins and the dsRNA. In the outermost zone, we observed a ring of VP4 and finally a layer of VP7. These findings show that rotavirus VPs are highly organized organelles.

ABSTRACT Due to the wave nature of light, optical microscopy has a lower-bound lateral resolution limit of about half of the wavelength of the detected light, i.e., within the range of 200 to 300 nm. The Fluorescence Fluctuation based Super Resolution Microscopy (FF-SRM) encompases a collection of image analysis techniques which rely on the statistical processing of temporal variations of fluorescence to reduce the uncertainty about the fluorophore positions within a sample, hence, bringing spatial resolution down to several tens of nm. The FF-SRM is known to be suitable for live-cell imaging due to its compatibility with most fluorescent probes and lower instrumental and experimental requirements, which are mostly camera-based epifluorescence instruments. Each FF-SRM approach has strengths and weaknesses, which depend directly on the underlying statistical principles through which enhanced spatial resolution is achieved. In this review, the basic concepts and principles behind a range of FF-SRM methods published to date are revisited. Their operational parameters are explained and guidance for its selection is provided.

Abstract The flagellar movement of the mammalian sperm is essential for male fertility as it enables this cell to reach and fertilize an egg. In the female reproductive tract, human spermatozoa undergo a process called capacitation which promotes changes in their motility. Only those spermatozoa that change to hyperactivated (HA) motility are capable of fertilizing the egg; this type of motility is characterized by asymmetric flagellar bends of greater amplitude and lower frequency. Historically, clinical fertilization studies have used two-dimensional analysis to classify sperm motility, although, sperm motility is three-dimensional (3D). Recent studies have described several 3D beating features of sperm flagella, including curvature, torsion, and asymmetries. However, the 3D motility pattern of hyperactivated spermatozoa has not yet been characterized. One of the main difficulties in classifying these patterns in 3D is the lack of a ground-truth reference, as it can be difficult to visually assess differences in flagellar beat patterns. Additionally, only about 10 − 20% of sperm that have been induced to capacitate are truly capacitated (i.e., hyperactivated). In this work, we used an image acquisition system that can acquire, segment, and track sperm flagella in 3D+t. We developed a feature-based vector that describes the spatio-temporal flagellar sperm motility patterns by an envelope of ellipses. Our results demonstrate that the proposed descriptors can effectively be used to distinguish between hyperactivated and nonhyperactivated spermatozoa, providing a tool to characterize the 3D sperm flagellar beat motility patterns without prior training or supervision. We demonstrated the effectiveness of the descriptors by applying them to a dataset of human sperm cells and showing that they can accurately classify the motility patterns of the sperm cells. This work is potentially useful for assessing male fertility or for diagnosing.