Кинетика и статистика одиночных молекул

Как преобразовать зашумленную, стохастическую траекторию одной молекулы в константы скорости, скрытые состояния и механизм, используя статистику времен пребывания и переходов между состояниями.

Definition

Кинетика и статистика одиночных молекул — это анализ стохастических траекторий одиночных молекул для вывода скоростей, состояний и механизмов основных молекулярных процессов.

Scope

Эта тема охватывает аналитическую сторону биофизики одиночных молекул: рассмотрение поведения молекулы как стохастического процесса, извлечение кинетики из распределений времен пребывания, вывод скрытых состояний с помощью марковских моделей и понимание шума и пределов выборки данных одиночных молекул. Она дополняет темы измерений, предоставляя статистическую основу, которая связывает необработанные траектории с механизмом.

Core questions

• Как константы скорости извлекаются из времен пребывания одной молекулы?
• Как можно вывести скрытые состояния из зашумленной траектории?
• Что форма распределения времени пребывания говорит о количестве шагов?
• Какие статистические ограничения возникают при наблюдении одной молекулы за раз?

Key theories

Марковская кинетика состояний по временам пребывания

Моделирование молекулы как перескакивающей между дискретными состояниями делает ее времена пребывания экспоненциально (или мультиэкспоненциально) распределенными, поэтому подгонка этих распределений дает скорости переходов и количество основных состояний.

Вывод скрытых состояний

Когда состояния скрыты шумом, скрытые марковские модели выводят наиболее вероятную последовательность состояний и их скоростей из наблюдаемого сигнала, восстанавливая кинетику, которая не видна напрямую.

Mechanisms

Одиночная молекула стохастически исследует свои состояния, поэтому ее траектория является реализацией случайного процесса, а не плавного усреднения. Если молекула ведет себя как марковская система, перескакивающая между дискретными состояниями, время, которое она проводит в каждом состоянии до его покидания, распределено экспоненциально со скоростью, равной сумме скоростей выхода, а мультиэкспоненциальные или пиковые распределения времен пребывания сигнализируют о дополнительных скрытых состояниях или многостадийных переходах. Скрытые марковские модели и связанные статистические методы приписывают зашумленный сигнал состояниям и оценивают скорости, в то время как конечное число наблюдаемых событий устанавливает статистическую неопределенность.

Clinical relevance

Эти анализы лежат в основе механистической интерпретации поведения каналов, ферментов и двигателей, имеющей отношение к физиологии и фармакологии, предоставляя образовательную и методологическую основу, а не клинические рекомендации.

History

Статистический анализ записей одиночных каналов, впервые примененный после работы Неера и Сакмана по пэтч-клампу, включая анализ времен пребывания и гейтинга, разработанный Колкухоуном и Хоуксом, заложил основу, которая теперь применяется к данным флуоресценции и силы одиночных молекул.

Key figures

• Erwin Neher
• Bert Sakmann
• David Colquhoun

Seminal works

• neher1976
• nelson2014

Frequently asked questions

Что такое время пребывания?

Это время, в течение которого молекула остается в одном состоянии, прежде чем перейти в другое; распределение времен пребывания по многим переходам показывает константы скорости и количество задействованных состояний.

Почему данные одиночных молекул анализируются статистически?

Поскольку каждая молекула ведет себя случайным образом, отдельная траектория является зашумленной; статистические модели извлекают основные скорости и состояния, рассматривая данные как выборки стохастического процесса.