单分子动态的非马尔科夫模型来自信息理论分析的轨迹
Kevin Song1, Raymond Park2,3, Atanu Das4,5
1Department of Computer Science, University of Texas at Austin, Austin, Texas 78712, USA.
The Journal of chemical physics
|August 8, 2023
概括
信息理论分析揭示了连续分子轨迹中的记忆效应. 一种新的里程碑测量方法可以准确地检测复杂系统中的非马科夫动力学.
科学领域:
- 物理化学 物理化学
- 计算生物学 计算生物学
- 统计力学 统计力学
背景情况:
- 关于像偏差扩散这样的简单模型是否足以用于单分子轨迹存在争议.
- 由于分辨率限制,从轨迹中推断记忆效应和异常扩散具有挑战性.
- 信息理论分析提供了一种通过评估轨迹可预测性来检测非马科夫效应的方法.
研究的目的:
- 开发一种用于连续分子轨迹信息理论分析的方法.
- 为应对数字化分析连续轨迹的挑战.
- 在各种模型和模拟中证明开发方法的实用性.
主要方法:
- 开发了一种基于里程碑的方法,用于连续轨迹的信息理论分析.
- 应用无损压缩算法来评估轨迹的可预测性.
- 数字化连续轨迹,同时考虑到取样依赖的非马尔科夫效应.
主要成果:
- 里程碑式方法成功地将信息理论分析应用于连续轨迹.
- 在马尔科夫模型和非马尔科夫模型上证明了该方法的有效性.
- 通过分子模拟的轨迹验证了方法.
结论:
- 通过里程碑增强的信息理论分析是研究连续分子轨迹的可行工具.
- 该方法准确地识别了非马科夫动态和记忆效应.
- 这种方法推进了分子运动的理解,超出了简单的扩散模型.
