用于异构时序动力学变点问题的可逆跳跃马尔可夫链蒙特卡洛方法扩展
统计方法学
2026-03-25 v2
摘要
检测时间序列数据中短暂变化仍是多个领域的主要挑战，尤其是那些短暂状态具有意义的领域。在单分子局部显微镜学中，这一问题尤为突出，因为用于标记蛋白奇异聚体的荧光分子显示出异构的光物理行为，可能干扰荧光素步分析；后者是解析纳米尺度蛋白质组织的关键步骤。现有方法常需 extensive filtering 或先验校准，无法准确地考虑闪烁或可逆暗状态，这些状态可能污染后续分析。本文提出了一种用于异构时序动力学变点检测的可逆跳跃马尔可夫链蒙特卡洛（RJMCMC）方法的扩展。该方法应用于从基于光荧光素显微图（FLImP）的一维集成强度痕迹中估计每帧活性荧光分子数，其中引入了复合变点对移动，以更好地考虑称为闪烁和暗状态的短暂事件。该方法通过使用模拟数据和实验数据进行验证，显示在当前荧光素步分析方法和现有 FLImP 数据分析方法的基础上，具有更好的准确性和鲁棒性。该复合 RJMCMC（CRJMCMC）算法在宽广的荧光分子数和信噪比条件下均能可靠运行，信噪比（SNR）可降至 0.001，荧光分子数可高达十九个，同时也能有效估计研究 EGFR 奇异聚集时观察到的低计数。除了单分子成像之外，本工作还可应用于多种具有异构状态持续时间的时序变点检测问题。例如，脑电图脑状态分段、工业过程监控中的故障检测以及金融时间序列中的实现波动率。
引用
@article{arxiv.2602.17503,
title = {An extension to reversible jump Markov chain Monte Carlo for change point problems with heterogeneous temporal dynamics},
author = {Emily Gribbin and Benjamin Davis and Daniel Rolfe and Hannah Mitchell},
journal= {arXiv preprint arXiv:2602.17503},
year = {2026}
}