Multi-tau autocorrelation in CUDA for parallel fluorescence correlation spectroscopy

Fluorescence Correlation Spectroscopy (FCS) is an advanced technique for studying the movement and diffusion of fluorescently labeled molecules. Widely recognized for its versatility, FCS is a significant tool in fields of biophysics, chemistry, and biology. Its primary objective is to delve into the dynamic behavior of fluorescent molecules at the nanoscale. Through FCS, we gain invaluable insights into various molecular processes, such as diffusion, binding interactions, and fluctuations in concentration. These insights are derived from continuous observation of the fluctuations in fluorescence emission from a tiny volume of a sample. The application of the autocorrelation function to the temporal fluctuations of the fluorescence emission allows us to extract both physical and photochemical information about these diffusing molecules. Building upon the standard FCS, Parallel FCS represents an evolutionary leap in the technique, enabling faster data collection crucial for high-content screening. This method integrates multi-spot excitation with multi-pixel detectors, efficiently mapping each excitation spot to corresponding detector pixels. It necessitates the concurrent processing and acquisition of data, requiring high-efficiency, multi-input correlators. This thesis focuses on creating a software correlator designed specifically for Parallel Fluorescence Correlation Spectroscopy (FCS) analysis. By utilizing the capabilities of General-Purpose Graphics Processing Units (GPGPUs) and the CUDA API, the software achieves a substantial boost in computing the autocorrelation function (ACF) for multi-input FCS data. It provides users with an interface that is not only highly adaptable and configurable but also user-friendly. An extensive comparison against another parallel correlator highlight its exceptional computational efficiency, coupled with a consistent record of high accuracy.

La Spettroscopia di Correlazione di Fluorescenza (FCS) è una tecnica avanzata per studiare il movimento e la diffusione di molecole etichettate come fluorescenti. Ampiamente riconosciuta per la sua versatilità, la FCS è uno strumento significativo in campi come la biofisica, la chimica e la biologia. Il suo obiettivo principale è esplorare il comportamento dinamico delle molecole fluorescenti a livello nanometrico. Attraverso la FCS, otteniamo informazioni preziose su vari processi molecolari, come la diffusione, le interazioni di legame e le fluttuazioni di concentrazione. Queste intuizioni derivano dall'osservazione continua delle fluttuazioni nell'emissione di fluorescenza da un piccolo volume di un campione. L'applicazione della funzione di autocorrelazione alle fluttuazioni temporali dell'emissione di fluorescenza ci permette di estrarre informazioni sia fisiche che fotochimiche su queste molecole in diffusione. Sviluppata sulla FCS, la FCS parallela rappresenta un salto evolutivo nella tecnica, consentendo una raccolta dati più rapida, cruciale per lo screening ad alto contenuto. Questo metodo integra l'eccitazione multi-punto con rilevatori multi-pixel, mappando efficacemente ogni punto di eccitazione ai pixel del rilevatore corrispondenti. Necessita l'elaborazione e l'acquisizione dei dati in contemporanea, richiedendo correlatori multi-input ad alta efficienza. Questa tesi si concentra sulla creazione di un correlatore software, progettato specificamente per l'analisi della Spettroscopia di Correlazione di Fluorescenza Parallela (FCS). Utilizzando le capacità delle Unità di Elaborazione Grafica di Uso Generico (GPGPU) e l'API CUDA, il software ottiene un notevole incremento nella calcolo della funzione di autocorrelazione (ACF) per dati FCS multi-input. Offre agli utenti un'interfaccia che è non solo altamente adattabile e configurabile, ma anche facile da usare. Un esteso confronto con un altro correlatore parallelo evidenzia la sua eccezionale efficienza computazionale, abbinata a un costante record di alta accuratezza.