ステップとバンプ：分子機械の離散状態の精度抽出

分子機械の実験的観測の時間痕跡から離散状態ダイナミクスの迅速かつ精度抽出を改善する統計的時系列分析ツールを報告します。物理的な知識と統計的革新を分析ツールに構築することにより、高度に相関した分子ノイズに埋もれた離散状態遷移を推定するための手法を提供します。私たちは、細菌の鞭毛モーターとF1-ATPase酵素の段階的な回転のシミュレートされた実際の例に対するアプローチの有効性を実証します。私たちの方法は、既存のアルゴリズムが検出するには弱すぎる分子ステップ、周期性、カスケードプロセスを明確に識別できることを示しています。私たちの技術は、高サンプルレートの分子マシンダイナミクスの自動分析に向けた方向へのステップを表しています。これらの手法を実装するモジュラーのオープンソースソフトウェアが提供されます。

We report statistical time-series analysis tools providing improvements in the rapid, precision extraction of discrete state dynamics from time traces of experimental observations of molecular machines. By building physical knowledge and statistical innovations into analysis tools, we provide techniques for estimating discrete state transitions buried in highly correlated molecular noise. We demonstrate the effectiveness of our approach on simulated and real examples of steplike rotation of the bacterial flagellar motor and the F1-ATPase enzyme. We show that our method can clearly identify molecular steps, periodicities 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 step in the direction toward automated analysis of high-sample-rate, molecular-machine dynamics. Modular, open-source software that implements these techniques is provided.