[論文レビュー] A Jump Distance-based Bayesian analysis method to unveil fine single molecule transport features

Sylvain Tollis|arXiv (Cornell University)|Jun 3, 2015

Advanced Fluorescence Microscopy Techniques参考文献 87被引用数 4

ひとこと要約

本論文は、単分子トラッキング（SMT）データにおけるジャンプ距離分布を分析するベイジアン推論手法を導入し、固定時間間隔内の分子移動確率をモデル化することで、微細な輸送行動—例えば、指向的運動、拡散、または閉じ込められた運動—を区別する。この手法は、生体内SMTで一般的な希釢で短いトラジェクトリに適しており、運動モデルの正確な分類とパラメータ推定の感度を向上させる。モンテカルロシミュレーションで生成されたデータを用いた検証では、定められたパrameter範囲内での高い正確性を示した。

ABSTRACT

Single-molecule tracking (SMT) methods are under considerable expansion in many fields of cell biology, as the dynamics of cellular components in biological mechanisms becomes increasingly relevant. Despite the development of SMT technologies, it is still difficult to reconcile a sparse signal at all times (required to distinguish single molecules) with long individual trajectories, within confined regions of the cell and given experimental limitations. This strongly reduces the performance of current data analysis methods in extracting meaningful transport features from single molecules trajectories. In this work, we develop and implement a new mathematical analysis method of SMT data, which takes advantage of the large number of (short) trajectories that are typically obtained with cellular systems in vivo. The method is based on the fitting of the jump distance distribution, e.g. the distribution that represents how far molecules travel in a set time interval; it uses a Bayesian approach to compare plausible molecule motion models and extract both qualitative and quantitative information. Finally, the method is tested on in silico trajectories simulated using Monte Carlo algorithms, and ranges of parameters for which the method yields accurate results are determined.

研究の動機と目的

• ライブセルイメージングにおける希釘で短い単分子トラジェクトリから意味のある輸送特徴を抽出する課題に対処すること。
• 低SN比とトラジェクトリの短さに苦しむ現在のSMTデータ解析の限界を克服すること。
• 限られたデータから微細な運動モード（例：拡散、指向的輸送、閉じ込め）を区別できる強固な統計的フレームワークを開発すること。
• ベイジアンアプローチを用いて実験的SMTデータからバイオフィジカルパラメータを定量的に推論すること。
• モンテカルロシミュレーションで生成されたインシリコトラジェクトリを用いて、手法の正確性とパラメータ感度を検証すること。

提案手法

• 本手法は、複数の短いトラジェクトリにわたるジャンプ距離（固定時間間隔内の分子移動距離）の分布をモデル化する。
• 観察されたジャンプ距離分布を生成する可能性の高い複数の候補運動モデル（例：ブラウン運動、指向的運動、閉じ込め拡散）を、ベイジアンフレームワークを用いて比較する。
• 尤度関数は、各運動モデル下でのジャンプ距離の確率密度関数から導出され、ベイズの定理を用いたモデル比較が可能になる。
• 個々のトラジェクトリの長さに制限があるものの、生体内SMT実験で一般的に得られる多数の短いトラジェクトリを活用することで、統計的パワーを向上させる。
• モデル比較にはベイズ因子を用い、各運動タイプの事後確率を推定してモデルをランク付けする。
• 妥当なパrameter範囲に関する事前知識を組み込み、事後分布推定にはマルコフ連鎖モンテカルロ（MCMC）サンプリングを用いる。

実験結果

リサーチクエスチョン

• RQ1 希釘なSMTデータにおける異なる単分子運動モデルを、ジャンプ距離分布のベイジアン解析によって信頼性高く区別できるか？
• RQ2 この手法を用いて運動タイプとバイオフィジカルパラメータを正確に推定できるパラメータ範囲は何か？
• RQ3 トラジェクトリが短く信号が希釘な場合、この手法は運動モードの分類にどの程度効果を発揮するか？
• RQ4 微細な輸送特徴を解明する観点で、従来のSMT解析手法に比べてどの程度性能が向上するか？
• RQ5 実世界のSMTデータにおけるノイズや実験的制限に対して、この手法の感度はどの程度か？

主な発見

• 制御された条件下で生成されたインシリコトラジェクトリに本手法を適用した結果、運動モデル（例：拡散、指向的運動、閉じ込め）の分類が高精度で実現された。
• フレーム間隔が分子運動の特徴的時間スケールに対して十分に短い場合に、正確な推定が達成された。
• 短いトラジェクトリでも高い性能を維持し、長期間のトラジェクトリを要する従来手法を上回った。
• 拡散係数、漂流速度、閉じ込め半径のパラメータ推定は、定められたパラメータ範囲内で正確であり、モンテカルロシミュレーションによる検証で裏付けられた。
• ベイジアンフレームワークによりベイズ因子を用いた強固なモデル比較が可能となり、運動タイプ分類における誤検出を低減した。
• 本手法は事前分布の選択に敏感であるが、適切に情報化された事前分布を用いれば、安定的かつ正確に動作した。