[論文レビュー] Steps and bumps: precision extraction of discrete states of molecular machines using physically-based, high-throughput time series analysis

Max A. Little, Bradley C. Steel+6 more|arXiv (Cornell University)|Apr 7, 2010

ATP Synthase and ATPases Research参考文献 31被引用数 29

ひとこと要約

本論文は、ノイズの多い回転または並進データから分子マシンにおける離散的状態を正確かつ自動的に抽出することを可能にする物理的制約を組み込んだ高スループット時系列解析フレームワークを提案する。自己回帰モデルと最適フィルタリングをフーリエ基盤のボンプハントと統合することで、従来手法に比べて精度、速度、相関ノイズへのロバスト性において優れている。細菌性フラジェラムモーターおよびF1-ATPアーゼにおいて、隠れた対称性と非ポisson的動力学を明確に解明した。

ABSTRACT

We report new statistical time-series analysis tools providing significant improvements in the rapid, precision extraction of discrete state dynamics from large databases of experimental observations of molecular machines. By building physical knowledge and statistical innovations into analysis tools, we demonstrate new techniques for recovering discrete state transitions buried in highly correlated molecular noise. We demonstrate the effectiveness of our approach on simulated and real examples of step-like rotation of the bacterial flagellar motor and the F1-ATPase enzyme. We show that our method can clearly identify molecular steps, symmetries and cascaded processes that are too weak for existing algorithms to detect, and can do so much faster than existing algorithms. Our techniques represent a major advance in the drive towards automated, precision, highthroughput studies of molecular machine dynamics. Modular, open-source software that implements these techniques is provided at http://www.eng.ox.ac.uk/samp/members/max/software/

研究の動機と目的

• 相関した熱的ノイズによって汚染された分子マシンにおける離散的状態遷移を検出するための既存のアルゴリズムの限界を克服すること。
• 単一分子実験からの大規模時系列データを高スループットかつ自動的に解析できるようにすること。
• 分子マシンにおける隠れた対称性、留時間分布、および段階的反応機構を正確に回復すること。
• 広く利用可能なバイオフィジックスおよびシステム生物学分野での応用を想定した、計算的に効率的でオープンソースのソフトウェアフレームワークを開発すること。

提案手法

• 本手法は、分子運動の物理的モデルと自己相関構造を組み込んだL1-PWCおよびL1-PWC-AR1フィルタを用い、固定ウィンドウを用いない時系列の平滑化を実現する。
• 自己回帰ノイズ（AR1）を用いた一般化されたランジュヴィン力学を用いて、動的挙動をモデル化することで、ノイズ抑制を向上させつつステップ遷移を保持する。
• 平滑化された信号に対するフーリエ係数選択を用いたボンプハントにより、ヒストограмやカーネル密度推定を回避し、対称性検出のロバスト性を向上させる。
• 平滑化された時系列のフーリエスペクトルにおけるピークを特定することで、状態分布における主要な周期性を同定する。
• 推定された状態分布の各ピークに最も近い時間点に、各時系列点を分類することで離散的状態を特定する。
• アプローチはモジュラー構造であり、オープンソースであり、単一分子データのリアルタイムかつ高スループット解析に利用可能である。

実験結果

リサーチクエスチョン

• RQ1 相関した熱的ノイズに埋もれた弱い離散的状態遷移を、分子マシンで検出できるか？
• RQ2 変動する留時間とノイズの存在下でも、分子状態遷移の対称性と周期性を正確に回復できるか？
• RQ3 時系列解析を用いて、分子モーターにおける非ポアソン的ステッピング行動および段階的制限速度ステップを同定できるか？
• RQ4 ノイズや遷移時間に関する事前仮定なしに、大規模データセットにおいて高速かつ自動的かつ高精度に状態抽出を実現できるか？

主な発見

• シミュレートされたフラジェラムモーターのデータにおいて、L1-PWC-AR1フィルタは古典的手法に比べ、平均絶対誤差（MAE）を最大50％低減し、相対的絶対粗さ（RAR）を最大70％低減した。
• ECF-Bump手法は、20％の留時間位置の非対称性やガンマ分布に従う留時間がある状況下でも、95％のテストケースで真の対称性（例：26、30、40状態）を正しく同定した。
• 本手法は細菌性フラジェラムモーターにおける非ポアソン的ステッピングを検出し、F1-ATPアーゼにおいては高い統計的信頼性で段階的制限速度ステップの明確なパターンを明らかにした。
• 実データにおいて、アルゴリズムは数千本の角度-時間トレースを迅速かつ明確に処理し、フラジェラムモーターの26状態対称性を解明した。
• ヒストограм-FFTおよびカーネル密度推定に加え、ピーク検出を用いた手法に比べ、ボンプハント手法はすべてのテストケースで優れた性能を示したが、特に高ノイズまたはi.i.d.でない留時間条件下で顕著であった。
• オープンソースのソフトウェア実装により、最小限のユーザー介入で再現可能かつ高スループットの単一分子ダイナミクス解析が可能になった。