[논문 리뷰] Hidden Markov modeling of single particle diffusion with stochastic tethering

Amit Federbush, Amit Moscovich외 1명|arXiv (Cornell University)|2023. 08. 02.

Diffusion and Search Dynamics참고 문헌 38인용 수 4

한 줄 요약

이 논문은 2차원 단일 입자 궤적에서 직접 측정할 수 없는 일시적인 터널링 상태와 확산 계수, 터널링 속도, 구속 영역과 같은 물리적 매개변수를 추론하기 위해 교차 최대화 알고리즘을 사용하는 숨겨진 마르코프 모델(HMM)을 제안한다. 이 방법은 가장 가능성이 높은 숨겨진 상태 시퀀스를 식별하기 위해 안장점 근사법을 사용하며, 다양한 영역에서 신뢰할 수 있는 매개변수 추정을 가능하게 하며, 초기화에 대해 강건하고 합성 데이터를 통한 검증을 통해 검증된다.

ABSTRACT

The statistics of the diffusive motion of particles often serve as an experimental proxy for their interaction with the environment. However, inferring the physical properties from the observed trajectories is challenging. Inspired by a recent experiment, here we analyze the problem of particles undergoing two-dimensional Brownian motion with transient tethering to the surface. We model the problem as a Hidden Markov Model where the physical position is observed, and the tethering state is hidden. We develop an alternating maximization algorithm to infer the hidden state of the particle and estimate the physical parameters of the system. The crux of our method is a saddle-point-like approximation, which involves finding the most likely sequence of hidden states and estimating the physical parameters from it. Extensive numerical tests demonstrate that our algorithm reliably finds the model parameters, and is insensitive to the initial guess. We discuss the different regimes of physical parameters and the algorithm's performance in these regimes. We also provide a ready-to-use open source implementation of our algorithm.

연구 동기 및 목표

• 실험적으로 관측된 2차원 입자 궤적에서 터널링이 직접 측정되지 않는 조건에서 숨겨진 터널링 상태와 물리적 매개변수를 추론하는 데 도전하는 것.
• 자유 상태에서는 정규 확산을, 터널링 상태에서는 옴스타인-울렌벡 역학을 따르는 이중 상태 연속 시간 마르코프 과정으로 일시적인 터널링을 모델링하는 것.
• 희소하고 노이즈가 많은 궤적 데이터에서 확산 계수, 터널링/해제 속도, 효과적 구속 영역을 효율적으로 추정하는 알고리즘을 개발하는 것.
• 초기화에 대해 강건하고 짧고 긴 터널링 시간을 포함한 다양한 물리적 영역에 적용 가능한 것.
• 실제 실험 데이터 분석에 활용 가능한 무료로 공개된 소스 코드를 제공하는 것.

제안 방법

• 관측된 위치를 가시 변수로, 자유/터널링 상태를 숨겨진 변수로 하는 히든 마르코프 모델로 시스템을 모델링한다.
• 터널링($\tau_0$)과 해제($\tau_1$) 사건에 대해 지수 분포를 가지는 연속 시간 마르코프 체인을 사용한다.
• 터널링 기간 동안 상태 의존성 힘의 퍼텐셜을 갖는 옴스타인-울렌벡 과정을 사용하여 역학을 기술하며, 이는 비율 $k/\gamma$로 제어된다.
• 반복적으로 가장 가능성이 높은 숨겨진 경로(비터비 유사 탐색)를 추정하고 최대우도 추정을 통해 모델 매개변수를 업데이트하는 교차 최대화 알고리즘을 적용한다.
• 모든 숨겨진 경로의 합을 가장 가능성이 높은 경로의 가능성으로 대체하는 안장점 근사법을 구현하여 계산 복잡도를 감소시킨다.
• 전이 확률과 역학을 조정함으로써 다른 확산 유형과 비 포isson 터널링에 일반화할 수 있으며, 정확도 향상을 위해 최상위 K개 경로로의 확장을 선택적으로 적용할 수 있다.

Figure 1: A snapshot of an experimental microscopy video of peptide-coated microparticles, in a system similar to that of Chakraborty et. al. [ 9 ] . The colored curve represents the top-right particle’s recorded trajectory in the 320 seconds preceding the snapshot. The trajectory is colored based o

실험 결과

연구 질문

• RQ1 터널링이 직접 관측되지 않는 2차원 단일 입자 궤적에서 히든 마르코프 모델이 일시적인 터널링 상태를 효과적으로 추론할 수 있는가?
• RQ2 다양한 매개변수 영역에서 알고리즘이 확산 계수, 터널링/해제 속도, 구속 영역과 같은 핵심 물리적 매개변수를 얼마나 정확하게 추정할 수 있는가?
• RQ3 궤적 데이터의 노이즈 또는 샘플링 속도에 대해 알고리즘이 초기화에 얼마나 강건하고 민감한가?
• RQ4 가장 가능성이 높은 경로를 사용한 안장점 근사법이 전체 경로 통합과 비교해 신뢰할 수 있는 매개변수 추정을 제공하는가?
• RQ5 최소한의 수정으로 비 포isson 터널링 또는 비정상 확산에 일반화할 수 있는가?

주요 결과

• 알고리즘은 다양한 물리적 영역에서 모든 모델 매개변수(확산 계수, 터널링/해제 속도, 구속 영역)를 높은 정확도로 복원한다.
• 초기화에 대해 강건하여 초기 매개변수 추측에 관계없이 일관된 성능을 보인다.
• 시간 간격 $\Delta t$가 터널링 상태의 평형 시간과 유사하거나 그보다 길어지는 경우에도 알고리즘이 정확하게 유지되며, 다운샘플링을 통해 정확도가 유지된다.
• 최상위 K개 경로 확장(최대 K=100)은 추정 정확도에 유의미한 향상 없이, 가장 가능성이 높은 경로들이 본질적으로 유사하고 터널링/해제 시간의 미세한 변형만 다를 뿐이기 때문이다.
• 어떤 경우에서는 짧은 터널링 또는 자유 상태 간격이 존재하지 않음을 올바르게 식별하며, 이는 기초 통계 모델과 궤적 특성과 일치한다.

Figure 2: An example trajectory of $N=2000$ steps generated from the discrete model with $\tau_{0}=\tau_{1}=100$ , $D=1$ and $A=0.5$ . The sampling time step is $\Delta t=1$ . The trajectory is color-coded according to the particle’s state, where blue and orange depict the free and tethered states,