单分子动力学与统计

如何利用停留时间统计和状态转换，将单个分子的嘈杂随机轨迹转化为速率常数、隐藏状态和作用机制。

Definition

单分子动力学与统计是对随机单分子轨迹进行分析，以推断潜在分子过程的速率、状态和机制。

Scope

本主题涵盖单分子生物物理学的分析方面：将分子的行为视为随机过程，从停留时间分布中提取动力学，利用马尔可夫模型推断隐藏状态，以及理解单分子数据的噪声和采样限制。它通过提供将原始轨迹与机制联系起来的统计框架，补充了测量主题。

Core questions

• 如何从单个分子的停留时间中提取速率常数？
• 如何从嘈杂的轨迹中推断出隐藏状态？
• 停留时间分布的形状揭示了步骤数量的什么信息？
• 一次观察一个分子会产生哪些统计限制？

Key theories

基于停留时间的马尔可夫状态动力学

将分子建模为在离散状态之间跳跃，使其停留时间呈指数（或多指数）分布，因此拟合这些分布可以得出转换速率和潜在状态的数量。

隐藏状态推断

当状态被噪声遮蔽时，隐马尔可夫模型从观察到的信号中推断出最可能的状态序列及其速率，从而恢复无法直接观察到的动力学。

Mechanisms

单个分子随机地探索其状态，因此其轨迹是随机过程的实现，而非平滑的平均值。如果分子表现为在离散状态之间跳跃的马尔可夫系统，则其在离开前在每个状态中停留的时间呈指数分布，速率等于逃逸速率之和；多指数或峰值停留时间分布则表明存在额外的隐藏状态或多步转换。隐马尔可夫模型和相关的统计方法将嘈杂信号分配给状态并估计速率，而观察到的事件的有限数量则决定了统计不确定性。

Clinical relevance

这些分析是通道、酶和马达行为机制解释的基础，与生理学和药理学相关，提供的是教育和方法学基础，而非临床指导。

History

Neher和Sakmann的膜片钳工作之后，单通道记录的统计分析（包括Colquhoun和Hawkes开发的停留时间与门控分析）开创了现在应用于单分子荧光和力数据的框架。

Key figures

• Erwin Neher
• Bert Sakmann
• David Colquhoun

Seminal works

• neher1976
• nelson2014

Frequently asked questions

什么是停留时间？

它是分子在切换到另一个状态之前在一个状态中停留的时间；许多转换的停留时间分布揭示了速率常数和所涉及的状态数量。

为什么单分子数据需要进行统计分析？

因为每个分子的行为都是随机的，单个轨迹是嘈杂的；统计模型通过将数据视为随机过程的样本来提取潜在的速率和状态。