[論文レビュー] Bayesian hidden Markov model analysis of single-molecule force spectroscopy: Characterizing kinetics under measurement uncertainty

John D. Chodera, Phillip Elms+7 more|arXiv (Cornell University)|Aug 6, 2011

Force Microscopy Techniques and Applications参考文献 57被引用数 21

ひとこと要約

本論文は、測定ノイズと有限サンプルの不確実性を明示的に取り入れたベイジアン隠れマルコフモデル（BHMM）を導入し、単一分子力分光法における力学的パラメータおよびコンformational状態を推定する。詳細なバランスを組み込み、ギブスサンプリングを用いることで、パラメータの精度が向上し、中間状態が支配的であるにもかかわらず、高力および低力状態間の非逐次的遷移を含む、RNAヘアピンにおける三状態動的挙動の頑健な推定が可能になった。

ABSTRACT

Single-molecule force spectroscopy has proven to be a powerful tool for studying the kinetic behavior of biomolecules. Through application of an external force, conformational states with small or transient populations can be stabilized, allowing them to be characterized and the statistics of individual trajectories studied to provide insight into biomolecular folding and function. Because the observed quantity (force or extension) is not necessarily an ideal reaction coordinate, individual observations cannot be uniquely associated with kinetically distinct conformations. While maximum-likelihood schemes such as hidden Markov models have solved this problem for other classes of single-molecule experiments by using temporal information to aid in the inference of a sequence of distinct conformational states, these methods do not give a clear picture of how precisely the model parameters are determined by the data due to instrument noise and finite-sample statistics, both significant problems in force spectroscopy. We solve this problem through a Bayesian extension that allows the experimental uncertainties to be directly quantified, and build in detailed balance to further reduce uncertainty through physical constraints. We illustrate the utility of this approach in characterizing the three-state kinetic behavior of an RNA hairpin in a stationary optical trap.

研究の動機と目的

• 観測された力または拡張長が真の反応座標を完全に表さない場合の、単一分子力分光法におけるコンformational動的挙動の推定の課題に対処すること。
• 隠れマルコフモデル（HMM）のパラメータ推定における、機器ノイズおよび有限データサイズに起因する実験的不確実性を定量化すること。
• 推定プロセスに物理的制約として詳細バランスを組み込むことで、パラメータの精度を向上させること。
• モデルパラメータの完全な事後分布を提供し、寿命や速度といった複雑な関数の不確実性を定量化すること。

提案手法

• ノイズの多い力または拡張長の時間系列からコンformational状態を推定するためのベイジアン拡張された隠れマルコフモデルを開発した。
• 測定不確実性と有限サンプル統計を組み込み、モデルパラメータの事後分布からのサンプリングにギブスサンプリングを用いた。
• 詳細バランスを満たすために可逆遷移行列を採用し、動的パラメータの不確実性を低減した。
• モデルは、バイオ分子のダイナミクスと装置ノイズの両方を反映した、状態別平均力と標準偏差を推定した。
• サンプリングスキームの拡張により、装置のドリフトやレーザーの揺らぎといった追加の余分パラメータの組み込みが可能となった。
• 状態の寿命や遷移速度といった派生量の信頼区間の計算が可能となった。

実験結果

リサーチクエスチョン

• RQ1 観測信号が測定ノイズによって汚染され、真の反応座標を完全に表さない場合、単一分子力分光法における動的パラメータをどのように信頼性高く推定できるか？
• RQ2 データが限られる状況下で、HMMに詳細バランスを強制することで、推定された動的パラメータの精度はどの程度向上するか？
• RQ3 RNAヘアピンの折りたたみ経路において、中間力状態が果たす役割は何か？ また、この状態を通る遷移は必須であるか？
• RQ4 異なるコンformational状態における力分布の幅は、バイオ分子のダイナミクスと装置ノイズのどちらに起因する寄与が大きいのか？
• RQ5 モデルパラメータの完全な事後分布を用いて、状態の寿命や遷移速度といった派生量の不確実性を定量化できるか？

主な発見

• 中間力状態（状態2）は明確に解像され、高力および低力状態間のフラックスの主要な通路として機能しており、$K_{12}$および$K_{23}$の大きな遷移率を示している。
• 高力状態と低力状態の間には、非自明な直接遷移（$K_{13}$）が存在し、ヘアピン折りたたみにおいて中間状態を経由する必要がないことを示している。
• すべての3つの状態の力分布の標準偏差は、重複する信頼区間を示しており、この実験設定では測定ノイズが内在的なバイオ分子の不均一性を上回っている可能性を示唆している。
• 中間状態の寿命は著しく短く、高力および低力状態よりもほぼ1桁短いが、その寿命は狭い信頼区間を有し、良好に決定されている。
• ベイジアンフレームワークは、ノイズが強く限られたデータ下でも、モデルパラメータの不確実性を適切に定量化でき、頑健な動的パラメータ推定を可能にした。
• 本手法は、連合分布や合成データ生成を含む完全な事後推定を可能とし、将来的な実験設計および仮説検証の支援に役立つ。