[论文解读] Determining the Statistics of Fluctuating Currents: General Markovian Dynamics and its Application to Motor Proteins

Artur Wachtel, Jürgen Vollmer+1 more|arXiv (Cornell University)|Jul 8, 2014

Advanced Thermodynamics and Statistical Mechanics被引用 4

一句话总结

本文提出了一种通用的解析方法，用于在不求解稳态概率分布的情况下计算马尔可夫电流的涨落谱。该方法将Schnakenberg分解推广至任意阶统计量，表明拓扑环路完全决定了稳态电流涨落，并将该方法应用于驱动蛋白马达蛋白，实现了简化的计算与新的洞见。

ABSTRACT

Fluctuations in biological systems are commonly modeled by Markovian jump processes. Here we present a method for the analytical calculation of the fluctuation spectrum for any fluctuating physical current – without need to solve for the steady-state probability distribution. Our result provides a generalization of the Schnakenberg decomposition for currents to their fluctuation spectrum at arbitrary order. The decomposition shows that topological cycles in the system fully characterize the steady-state statistics. For the biochemical motor protein kinesin our method reproduces previous results via considerably less involved calculations, and it unveils previously hidden features of the models.

研究动机与目标

• 开发一种通用的解析框架，用于在不依赖稳态概率分布的情况下计算马尔可夫电流的涨落谱。
• 将Schnakenberg分解推广至电流涨落的任意阶统计量。
• 阐明系统状态空间中的拓扑环路如何完全表征稳态电流统计特性。
• 将该方法应用于马达蛋白，特别是驱动蛋白，以简化现有计算并揭示模型中隐藏的特征。

提出的方法

• 该方法采用Schnakenberg分解的推广形式，用于电流涨落的高阶累积量。
• 它利用马尔可夫过程的拓扑结构，特别是状态转移图的环基。
• 该方法通过聚焦于环路对电流统计的贡献，避免求解完整的主方程。
• 它利用马尔可夫过程的生成元矩阵，推导出电流任意阶累积量的表达式。
• 该方法依赖于将电流分解为状态空间中基本环路的贡献。

实验结果

研究问题

• RQ1 如何在不求解稳态概率分布的情况下计算马尔可夫电流的涨落谱？
• RQ2 状态转移网络中的拓扑环路在多大程度上决定了电流涨落的稳态统计特性？
• RQ3 广义的Schnakenberg分解能否应用于电流涨落的任意阶累积量？
• RQ4 该方法在分析驱动蛋白等生化马达蛋白时提供了哪些简化？

主要发现

• 仅通过系统的拓扑环路结构，即可解析确定任意马尔可夫电流的涨落谱，而无需计算稳态分布。
• 该方法将Schnakenberg分解推广至任意阶累积量，揭示了环路拓扑与电流统计之间的直接关联。
• 对于驱动蛋白，该方法以显著更低的计算量重现了已知结果，凸显了其高效性。
• 该方法揭示了驱动蛋白模型中此前隐藏的结构特征，暗示了其动态行为的全新洞见。