利用增强型正则化技术对多波长分析超速离心实验得到的沉积速率数据集进行全球性分析

《Analyst》：Global analysis of sedimentation velocity data sets from multiwavelength analytical ultracentrifugation experiments using enhanced regularisation techniques

多波长沉降速度分析（MW-AUC）是一种同时研究宏观和光学性质的技术，但传统方法计算复杂、速度慢。本研究开发了HDR-SVFIT工具，通过直接边界建模（DBM）和正则化技术，实现MW-AUC数据的全局高效分析。该方法在沉降系数维度和波长维度进行正则化，减少分布拓宽，提高分辨率，尤其适用于窄分布样品（如蛋白质、纳米颗粒）。实验验证表明，HDR-SVFIT与Sedfit结果一致，且在混合体系中能准确区分不同物种的光学性质和沉降系数。该工具解决了MW-AUC数据计算耗时的问题，可在标准计算机上完成，为复杂胶体系统的多维分析提供新方法。

　　多波长沉降速度分析超速离心法（MW-AUC）是一种能够同时分析生物大分子或颗粒在溶液中的水动力学和光学性质的强大技术。这项技术在分析复杂分散系统时具有独特的优势，尤其是在涉及多种具有不同吸收或发射特性的物质时。与传统的单波长AUC相比，MW-AUC不仅能够提供更丰富的光学信息，还能够通过多维数据集的全局分析，提高对样品结构-性质关系的理解。然而，由于MW-AUC的数据量巨大，其分析过程通常计算密集，限制了其广泛应用。因此，开发一种高效且易于使用的分析工具，对于推动该技术的进一步发展具有重要意义。

当前，MW-AUC数据的分析方法主要包括两种：一种是基于模型的直接边界建模（DBM）方法，另一种是无模型的模型自由方法，如SEDANAL中的时间导数方法（DCDT）。DBM方法能够更全面地考虑系统噪声，包括时间不变（TI）和径向不变（RI）噪声，从而提高分析的准确性。然而，由于其计算复杂性，DBM方法通常需要高性能计算资源，这对大多数实验室来说并不现实。相比之下，DCDT方法虽然计算速度快，但无法处理RI噪声，导致其在分析中可能引入误差。因此，需要一种能够同时处理多波长数据，并且在普通计算机上运行的高效工具，以实现更广泛的适用性。

本文介绍了一种名为HDR-SVFIT的独立MATLAB应用程序，该工具基于DBM方法，能够对多波长沉降速度数据集进行全局分析。HDR-SVFIT采用了一种结合两种主要正则化方法（Tikhonov–Phillips正则化和最大熵正则化）的策略，允许用户在沉降系数维度和波长维度上对数据进行正则化处理。这种正则化方法能够有效抑制噪声对结果的影响，同时减少由于正则化引起的分布展宽。特别地，正则化在波长维度上可以避免因沉降系数维度的正则化导致的误差，从而提高分析的精度。此外，HDR-SVFIT能够自动计算正则化参数，减少了用户手动调整的复杂性，提高了分析效率。

为了验证HDR-SVFIT的有效性，研究团队使用了合成数据集，并对多个蛋白质（如牛血清白蛋白、肌红蛋白和溶菌酶）以及银和金纳米颗粒进行了实验分析。合成数据集的生成考虑了时间不变噪声、径向不变噪声以及随机噪声的影响，并通过调整不同波长的正则化参数来模拟真实实验条件。实验数据的分析结果表明，HDR-SVFIT能够准确地拟合摩擦比和部分特定体积，同时保持较高的分辨率和稳定性。与Sedfit等传统分析工具相比，HDR-SVFIT在处理多波长数据时表现更优，尤其是在样品具有多个物种时，其全局正则化方法能够更精确地分离不同组分的特性。

研究还探讨了正则化参数在沉降系数维度和波长维度上的影响。在沉降系数维度上，正则化参数的选择通常依赖于特定波长下的信号强度，而随着支持点数的增加，正则化参数逐渐趋近于完整计算的结果。然而，对于宽谱数据集，正则化参数的计算可能需要较长时间。因此，研究提出了一种基于谱分辨率的正则化参数自动调整策略，通过线性拟合正则化参数的对数与谱分辨率之间的关系，能够有效减少计算时间，同时保持分析精度。这一策略在实验中得到了验证，表明HDR-SVFIT在处理不同分辨率的MW数据时能够保持良好的性能。

此外，HDR-SVFIT还支持对实验数据的正则化分析，包括对实际样品的沉降系数分布和光学特性进行计算。对于某些样品，如银和金纳米颗粒混合物，由于其尺寸和形状相近，传统的单波长分析可能难以区分两者。通过多波长正则化方法，HDR-SVFIT能够更精确地提取不同物种的光学特性，同时减少由于正则化引起的分布展宽。实验结果表明，HDR-SVFIT在处理多波长数据时能够提供比传统方法更精确的分析结果，尤其是在涉及多种物种时。

研究还指出，HDR-SVFIT的开发为未来多波长AUC数据的分析提供了新的可能性。通过结合沉降系数维度和波长维度的正则化方法，HDR-SVFIT能够更有效地抑制噪声和误差，提高对样品特性的理解。这种工具的引入不仅提升了分析效率，还降低了对高性能计算资源的依赖，使更多实验室能够利用MW-AUC技术进行复杂样品的多维表征。未来的研究可以进一步探索HDR-SVFIT在处理更复杂数据集中的潜力，例如通过增加正则化维度或引入更高级的分析算法，以提高分析的准确性和鲁棒性。

总之，HDR-SVFIT作为一种高效的多波长沉降速度分析工具，能够显著提升多维数据集的处理能力。它不仅能够处理复杂的分散系统，还能在普通计算机上快速运行，为研究人员提供了一种实用的解决方案。通过正则化方法的优化，HDR-SVFIT在保持高精度的同时，降低了计算负担，使多波长AUC技术在实际应用中更加可行。未来，随着该工具的进一步发展，它有望成为分析复杂生物分子和纳米材料的重要工具，推动多维表征技术在材料科学和生物化学领域的应用。