通过推断次指数模型来揭示病毒侵入过程中的复杂动力学机制

《Biophysical Journal》：Unmasking complex kinetics in viral entry by inferring hypoexponential models

本研究提出利用hypoexponential分布分析非齐次动力学过程，成功估计速率常数差异达2-3个数量级。通过分析SARS-CoV-2进入实验数据，发现ACE2受体存在可减少反应步骤数但不会改变关键动力学速率的现象，并建立混合动力学模型。

　　

Oyinkansola Adenekan | Peter M. Kasson

弗吉尼亚大学生物医学工程系，夏洛茨维尔，VA 22903

摘要

单次事件完成时间（例如病毒入侵过程中的完成时间）为动力学解析带来了机遇与挑战。其优势在于它们比整体动力学分析更能有效地约束潜在的动力学模型；然而挑战在于仅凭完成时间无法完全确定复杂的反应过程。通常使用伽马分布或机理模型来估计此类数据的动力学参数，但伽马分布依赖于均匀过程来解释系统的限速行为。在此，我们引入了伪指数分析方法来处理非均匀动力学过程。我们证明了伪指数模型确实能够估计出相差2-3个数量级的速率常数。随后，我们将这种方法应用于SARS-CoV-2入侵过程的测量，发现SARS-CoV-2的ACE2受体减少了限速步骤的数量，但并未改变这些动力学过程的速率。我们提出了一个动力学模型，认为SARS-CoV-2的入侵是由ACE2加速的刺突蛋白激活事件和ACE2独立的刺突蛋白激活事件共同驱动的。推断此类模型需要具备检测非均匀动力学过程的能力，而这依赖于对伪指数分布的可靠估计。