使用单分子光共振能量转移实验的分子机器对散射的估计的信息理论极限
Kevin Song1, Dmitrii E Makarov2,3, Etienne Vouga1
1Department of Computer Science, University of Texas at Austin, Austin, Texas 78712, USA.
The Journal of chemical physics
|July 24, 2024
概括
在使用单分子光共振能量转移 (FRET) 的分子机器中估计能量消耗是具有挑战性的. 本研究评估了马尔科夫模型和信息理论方法,发现这两种方法都不是分析FRET数据的明确赢家.
科学领域:
- 生物物理学的生物物理.
- 化学物理 化学物理
- 分子生物物理学 分子生物物理学
背景情况:
- 单分子光共振能量转移 (FRET) 对于研究分子机器动力学至关重要.
- 从FRET数据中确定分子机器中的时间方向性和能量消耗是复杂的,特别是在循环过程中.
- 现有的方法在分子动力学中与时间逆对称的细微差别作斗争.
研究的目的:
- 从单分子FRET数据中批判性地评估估计能量消耗和产生的实际方法.
- 为了比较基于马尔科夫模型的方法与无模型的信息理论方法的性能.
- 评估这些分析分子机器动态的技术的可行性和局限性.
主要方法:
- 应用基于马尔科夫模型的方法来分析FRET轨迹.
- 使用基于产生的信息理论,无模型的方法.
- 量化观察到的光子序列及其时间逆转之间的统计差异.
主要成果:
- 马尔科夫模型在计算上是可行的,可以超过无模型方法,但严重依赖于模型的准确性,并不能保证消散的下限.
- 没有模型的方法系统地低估了低光发射率的产量.
- 光子序列中的长记忆效应增加了对无模型方法的计算需求.
结论:
- 在使用FRET数据分析分子机器中的能量消耗时,没有一种单一的方法是普遍优越的.
- 马尔科夫模型和信息理论方法都有限制和优势.
- 一个全面的数据分析工具包应该包括多种方法来进行可靠的评估.
