[论文解读] Unravelling Heterogeneous Transport of Endosomes

Nickolay Korabel, Daniel Han+5 more|arXiv (Cornell University)|Jul 16, 2021

Diffusion and Search Dynamics参考文献 47被引用 5

一句话总结

本文提出了一种时空异质分数布朗运动（hFBM）模型，用于模拟活细胞内内体运输的高变异性，采用具有随机切换异常指数和广义扩散系数的超统计系综。关键发现是，实验测得的内体轨迹（>10⁵条）表现出幂律分布的位移、指数分布的局部异常指数，以及幂律分布的局部扩散系数，验证了hFBM作为细胞内运输异质性的综合模型的有效性。

ABSTRACT

A major open problem in biophysics is to understand the highly heterogeneous transport of many structures inside living cells, such as endosomes. We find that mathematically it is described by spatio-temporal heterogeneous fractional Brownian motion (hFBM) which is defined as FBM with a randomly switching anomalous exponent and random generalized diffusion coefficient. Using a comprehensive local analysis of a large ensemble of experimental endosome trajectories (> 10^5), we show that their motion is characterized by power-law probability distributions of displacements and displacement increments, exponential probability distributions of local anomalous exponents and power-law probability distributions of local generalized diffusion coefficients of endosomes which are crucial ingredients of spatio-temporal hFBM. The increased sensitivity of deep learning neural networks for FBM characterisation corroborates the development of this multi-fractal analysis. Our findings are an important step in understanding endosome transport. We also provide a powerful tool for studying other heterogeneous cellular processes.

研究动机与目标

• 为解决长期存在的在活细胞内内体运输中时空异质性的建模挑战。
• 开发一种数学框架，以捕捉实验数据中观测到的异常扩散指数与广义扩散系数的共现变异性。
• 通过大规模实验追踪内体轨迹分析，验证所提出的模型。
• 提供一种稳健的多尺度模型，可适用于内体以外的其他异质性细胞过程。

提出的方法

• 采用具有随机切换异常指数 $\alpha$ 和广义扩散系数 $D$ 的分数布朗运动（FBM）超统计系综。
• 使用局部时间平均均方位移（LTMSD）估算每条轨迹段的 $\alpha$ 和 $D$，从而实现对时空异质性的分析。
• 应用幂律与指数概率分布，以建模位移与局部扩散系数的重尾统计特性。
• 通过数值积分由超统计系综推导出的位移概率密度函数（PDF），验证模型。
• 利用深度学习神经网络增强FBM表征，确认模型对异质性动力学的敏感性。
• 分析系综平均均方位移（EMSD）与速度自相关函数（EACF与TACF），以比较理论预测与实验数据。

实验结果

研究问题

• RQ1 单一数学模型能否捕捉内体运输中观测到的异常扩散与扩散系数的共现时空异质性？
• RQ2 实验内体轨迹是否如hFBM模型所预测的那样，表现出幂律分布的位移与指数分布的局部异常指数？
• RQ3 在内体运动中，局部异常指数 $\alpha$ 与广义扩散系数 $D_{\bar{\alpha}}$ 之间是否存在显著相关性？
• RQ4 内体轨迹的统计特性（如MSD、位移PDF与速度自相关性）与超统计hFBM框架的预测相比如何？
• RQ5 深度学习能否提升单颗粒追踪数据中异质性FBM动力学的检测与表征能力？

主要发现

• 实验内体轨迹（>10⁵条）表现出幂律分布的位移，$P(x,t) \sim |x|^{-1-2\gamma}$，证实其非高斯统计特性。
• 局部异常指数 $\alpha$ 服从指数概率分布，表明其在亚扩散与超扩散状态之间频繁切换。
• 局部广义扩散系数 $D_{\bar{\alpha}}$ 服从幂律分布，反映出运输效率在时空上的强变异性。
• 观察到 $\alpha$ 与 $D_{\bar{\alpha}}$ 之间存在正相关性，表明移动更快的内体也表现出更强的超扩散行为。
• 系综平均速度自相关函数（EACF）在 $t = \delta$ 处出现负峰，且随时间减弱，与实验观测一致，支持hFBM模型。
• 在缩放位移PDF中出现的数据重叠（图S7B）证实了hFBM过程在不同时间尺度下的自相似性与多分形特性。