用于分子机器动力学高通量分析的稀疏贝叶斯阶跃滤波
定量方法
2010-03-30 v1 应用统计
摘要
自然界演化出了许多分子机器，如驱动蛋白、肌球蛋白以及由来自线粒体的离子流驱动的旋转鞭毛马达。随着新型实验检测方法的出现，最近已能够对这些机器的阶跃式运动进行时间序列的直接观测。这些时间序列受到分子和实验噪声的破坏而需要去除，但经典信号处理在恢复此类阶跃式动力学方面作用有限。本文报告了简单新颖的贝叶斯滤波器，其对噪声中的阶跃式动力学具有鲁棒性，并引入了一种L1正则化的全局滤波器，其稀疏解可通过标准凸优化方法快速获得。我们表明，在准确恢复潜在阶跃动力学的能力方面，这些技术在模拟时间序列上优于经典滤波器。为展示这些技术的实际应用，我们从类球红细菌鞭毛马达的时间序列中提取了阶跃式速度转换。实现这些算法的代码可从http://www.eng.ox.ac.uk/samp/members/max/software/获取。
引用
@article{arxiv.1003.5535,
title = {Sparse bayesian step-filtering for high-throughput analysis of molecular machine dynamics},
author = {Max A. Little and Nick S. Jones},
journal= {arXiv preprint arXiv:1003.5535},
year = {2010}
}
备注
4 pages, link to code available from author's website.