通过显式考虑统计不确定性改进马尔可夫状态模型的粗粒化

马尔可夫状态模型 (MSM)——或称离散时间主方程模型——是模拟蛋白质等分子系统结构与功能的有力工具。不幸的是，具有足够多状态以与实验建立定量联系的 MSM（即使是小系统也常包含数万个状态）通常过于复杂而难以理解。在此，我提出了一种用于此类马尔可夫模型粗粒化的贝叶斯凝聚聚类引擎 (BACE)，从而降低其复杂性并使其更易于理解。该算法的一个重要特征是能够显式地考虑由有限采样引起的模型参数中的统计不确定性。这一进展建立在近期多项强调在 MSM 分析中考虑不确定性重要性的工作基础之上，并为现有的马尔可夫状态模型粗粒化方法提供了显著优势。我在此推导出的用于确定合并哪些状态的闭式表达式等价于广义 Jensen-Shannon 散度，这是信息论中一个与相对熵相关的重要度量。因此，该方法在最小化信息损失方面具有吸引人的信息论解释。该算法自下而上的特性使其可能特别适用于构建介观模型。我还提出了一种极其高效的贝叶斯模型比较表达式，可用于识别 BACE 模型层次结构中最有意义的层级。