自动回归HMM解决了从被动光学 tweezer 力量测量的生物分子过渡

科学领域:

• 生物物理学的生物物理.
• 单分子生物物理学的单分子生物物理
• 化学物理 化学物理

背景情况:

• 光学针 (OT) 单分子力光谱对于研究生物复杂的能量景观至关重要.
• 隐藏的马尔科夫模型 (HMM) 通常用于分析OT数据,通常假设探测轨迹的白噪声.
• 标准白噪声HMM (wnHMM) 可能无法完全捕捉真实OT数据的复杂性,特别是在更高的频率.

研究的目的:

• 调查标准白噪声HMM在分析OT数据中的局限性.
• 开发和验证一个改进的HMM,包括自回归,以更准确地分析OT单分子转换.
• 为了证明自动回归HMM (arHMM) 对OT数据的 wnHMM 的优势.

主要方法:

• 从理论上推导出一个自回归的HMM (arHMM) 来解释在OT中的探头过度缓解的扩散.
• 计算机建模模拟和比较wnHMM和arHMM的性能.
• 使用OT测量单个DNA发针折叠/展开过渡的实验验证.

主要成果:

• 由于忽视探针扩散动态,标准的 wnHMM 无法捕捉真实 OT 数据的关键特征.
• 由此衍生的arHMM通过整合自回归,准确地模拟所有频率的OT数据.
• 对DNA发针转换的分析显示,arHMM产生的寿命比wnHMM更为一致和准确,与之前的预期相匹配.

结论:

• 自动回归HMM (arHMM) 是一种更适合分析光学笔单分子力光谱数据的模型.
• 采用arHMM可以显著提高分子形状转换的测量准确度和精度.
• arHMM应被认为是分析OT单分子过渡数据的默认模型.