用于单分子轨迹运动模式分类的贝叶斯决策树

膜蛋白在异质环境中运动，其摩擦在空间上（有时在时间上）变化，并与各种伙伴发生生化相互作用。可靠区分不同运动模式对于增进我们对膜结构的了解以及理解膜蛋白与其环境相互作用的本质十分重要。在此，我们提出一种用于单分子追踪（SMT）轨迹的分析技术，能够确定最匹配观测轨迹的运动偏好模型。信息论准则，如贝叶斯信息准则（BIC）、赤池信息准则（AIC）和修正AIC（AICc），被用于选择偏好模型。所考虑的模型组包括自由布朗运动，以及二阶或四阶势中的受限运动。我们确定了用于轨迹分类的最佳信息准则。我们通过匹配大量实验条件的模拟测试了其极限，并构建了决策树。该决策树首先使用BIC区分自由布朗运动与受限运动；第二步，进一步使用AIC对限制势进行分类。我们将该方法应用于实验性产气荚膜梭菌epsilon毒素（CPepsilonT）受体轨迹，表明这些受体受到类弹簧势的限制。该技术的一种适配版本被应用于沿轨迹时间维度的滑动窗口。我们将此适配应用于因限制域离散而失去限制的实验性CPepsilonT轨迹。这一新技术为SMT数据的讨论增添了另一个维度。受体的运动模式比扩散系数或域尺寸具有更多生物学相关信息，并可能成为分类和比较不同SMT实验的更好工具。