生体分子のペア間の相関を示す能力は、アムステルダム大学のErik Mandersによって、Pearsonの相関係数と、他の係数を顕微鏡医に紹介したことにより、大きく向上しました。 この係数を用いる目的は、異なる発光波長で記録された多次元顕微鏡画像における画像間の重なりの度合いを特徴付けることである。 一般的なアプローチはSylvain Costesによって紹介され、彼はM1とM2が必要とする閾値を客観的に設定するためのツールとしてピアソンの相関係数を利用した。 Costesのアプローチは、正の相関のみが注目されるという前提に立っており、PCCの有用な測定はできない。
係数の使用は、共焦点検出の信頼性を著しく高めることができるが、蛍光を持つ試料の調製方法、共焦点を持つ画像の取得と処理方法の条件など、多くの要因に依存する。 研究は十分に注意し、背景をよく読んだ上で行うべきである。 現在、この分野は混乱に満ちており、標準的なアプローチはまだしっかりと確立されていない。 この問題を解決するために、いくつかの係数の再検討と改訂、ノイズを補正する係数の適用、”Replicate based noise corrected correlations for accurate measurement of colocalization”、さらなるプロトコルの提案などが行われ、Bolte and Cordelieres（2006）により徹底的に再検討されている。 また、蛍光画像にはある程度のピンボケ信号やポアソンショットなどのノイズが含まれる傾向があるため、通常、定量化する前に前処理が必要となる。 デコンボリューションによる丁寧な画像復元は、ノイズを除去し、画像のコントラストを高め、コロカライゼーション解析結果の品質を向上させる。 これまで、コロカライゼーションの定量化には、2つの異なる顕微鏡チャンネルにおける画素強度の統計的相関を計算する方法がよく用いられてきました。 最近の研究では、異なる細胞区画に存在することが知られているターゲットであっても、高い相関係数を導くことができることが示されています。 デジタル物体認識、重なり面積の計算、画素強度相関値との組み合わせにより、より強固なコロカライゼーションの定量化が可能である。 これにより、オブジェクト補正されたピアソン相関係数という概念が生まれた
。