単一分子の動力学と統計

単一分子のノイズの多い確率的な軌跡から、滞留時間と状態遷移の統計を用いて、速度定数、隠れた状態、およびメカニズムを導き出す方法。

Definition

単一分子の動力学と統計とは、確率的な単一分子の軌跡を解析し、根底にある分子プロセスの速度、状態、およびメカニズムを推測することです。

Scope

このトピックは、単一分子生物物理学の解析側を扱います。分子の挙動を確率過程として扱い、滞留時間分布から動力学を抽出し、マルコフモデルで隠れた状態を推測し、単一分子データのノイズとサンプリング限界を理解します。これは、生データからメカニズムへの統計的枠組みを提供することで、測定トピックを補完します。

Core questions

• 単一分子の滞留時間から速度定数はどのように抽出されますか？
• ノイズの多い軌跡から隠れた状態はどのように推測できますか？
• 滞留時間分布の形状は、ステップ数について何を明らかにしますか？
• 一度に1つの分子を観察することから生じる統計的限界は何ですか？

Key theories

滞留時間からのマルコフ状態動力学

分子が離散状態間を飛び跳ねるものとしてモデル化すると、その滞留時間は指数関数的（または多指数関数的）に分布するため、これらの分布をフィッティングすることで遷移速度と根底にある状態の数が得られます。

隠れた状態の推論

状態がノイズによって不明瞭な場合、隠れマルコフモデルは、観測された信号から最も可能性の高い状態のシーケンスとその速度を推測し、直接見えない動力学を回復します。

Mechanisms

単一分子はその状態を確率的に探索するため、その軌跡は滑らかな平均ではなく、ランダム過程の実現です。分子が離散状態間をジャンプするマルコフ系として振る舞う場合、各状態に留まる時間は、脱出速度の合計に等しい速度で指数関数的に分布し、多指数関数的またはピークのある滞留時間分布は、追加の隠れた状態または多段階遷移を示します。隠れマルコフモデルおよび関連する統計的手法は、ノイズの多い信号を状態に割り当て、速度を推定しますが、観測される事象の有限な数が統計的不確実性を決定します。

Clinical relevance

これらの分析は、生理学および薬理学に関連するチャネル、酵素、およびモーターの挙動のメカニズム的解釈を支え、臨床的ガイダンスではなく、教育的および方法論的な基礎を提供します。

History

NeherとSakmannのパッチクランプ研究後に開拓された単一チャネル記録の統計分析は、ColquhounとHawkesによって開発された滞留時間およびゲーティング分析を含め、現在単一分子蛍光および力データ全体に適用されている枠組みを確立しました。

Key figures

• Erwin Neher
• Bert Sakmann
• David Colquhoun

Seminal works

• neher1976
• nelson2014

Frequently asked questions

滞留時間とは何ですか？

分子が別の状態に切り替わる前に1つの状態に留まる時間のことです。多くの遷移にわたる滞留時間の分布は、速度定数と関与する状態の数を明らかにします。

単一分子データはなぜ統計的に分析されるのですか？

各分子はランダムに振る舞うため、単一の軌跡はノイズが多いです。統計モデルは、データを確率過程のサンプルとして扱うことで、根底にある速度と状態を抽出します。