一种面向多状态布朗（Brownian）轨迹的轻量级数据驱动分割方法

《npj Biological Physics and Mechanics》：A light-weight, data-driven segmentation method for multi-state Brownian trajectories

　　

单粒子追踪（Single-particle tracking, SPT）方法已成为表征一系列生物和合成系统中动态和扩散过程的关键工具。在此，研究人员提出了一种简单、轻量级且准确的多状态布朗（Brownian）轨迹分割方法，该方法基于位移时间序列的优化高斯（Gaussian）滤波，并结合自动拟合至高斯混合模型（Gaussian mixture model, GMM）。研究人员使用合成的2状态布朗轨迹验证了该方法，并表明该方法在扩散系数值分离合理的情况下，在分割和自扩散系数（self-diffusion coefficients）估计方面提供了高水平的准确性。此外，研究人员使用结合到支撑脂质双分子层上的扩散膜蛋白的单粒子追踪数据，证明了该方法在实验系统中的可行性。与基于深度学习或隐马尔可夫模型（hidden Markov models, HMMs）的方法相比，该方法的计算负荷要低得多，使其适用于显微镜图像中单粒子轨迹的快速准确在线处理。

论文解读：一种面向多状态布朗轨迹的轻量级数据驱动分割方法

本研究论文发表于《npj Biological Physics and Mechanics》。在生命科学和材料科学领域，单粒子追踪（Single-particle tracking, SPT）技术是表征分子动力学和扩散过程的重要工具，它能提供传统群体平均方法无法获得的时空异质性信息。然而，分析具有多种扩散状态的单粒子轨迹仍面临核心挑战：当粒子（如配体与受体结合时）在不同状态间切换时，其扩散系数会发生改变，传统基于均方位移（Mean-square displacement, MSD）的分析方法在时空分辨采样上统计难度较大，且难以准确分割轨迹和估计状态相关的动力学参数。

目前，解决多状态轨迹分割的主流方法主要包括隐马尔可夫模型（Hidden Markov models, HMMs）和深度学习方法。HMMs 虽然准确，但对于多状态复杂系统计算量大，且通常需预设状态数；深度学习方法虽功能强大，但计算繁重，需要大量训练数据，且模型缺乏物理可解释性，难以评估参数提取质量。鉴于此，研究人员开展了一项研究，旨在开发一种轻量级、数据驱动且物理透明的多状态布朗轨迹分割方法，以实现高效、准确的在线数据处理。

研究人员通过合成轨迹和实验数据验证表明，该方法能在扩散系数分离度较好且状态寿命较长的条件下实现高精度分割与参数估计，且计算效率显著优于 HMMs 和深度学习方法。该方法的意义在于为 SPT 数据分析提供了一个计算负担低、易于实现且具有物理可解释性的新工具，特别适合需要快速在线处理的实验场景，有助于更高效地表征分子结合动力学及不同扩散群体的比例。

为开展此项研究，研究人员主要采用了以下几个关键技术方法：生成合成2状态布朗轨迹（基于离散化过阻尼朗之万方程（overdamped Langevin equation）和欧拉法，并引入模拟相机快门时间的运动模糊及高斯局部化误差）；构建位移时间序列并对其施加一维离散高斯滤波；利用高斯混合模型（Gaussian Mixture Model, GMM）通过期望最大化（Expectation-Maximization, EM）算法拟合滤波后的位移分布，以最小化分布重叠为代价函数自动优化滤波宽度；基于拟合概率进行轨迹点态分类与分割；以及利用分割后的单状态轨迹计算自扩散系数（修正运动模糊和定位误差）并通过指数分布拟合估计状态寿命。实验验证部分使用了支撑脂质双分子层上锚定的 Alexa Fluor 647 标记 SLAMF6 蛋白的单粒子追踪数据（经 TrackMate 处理）。

研究结果主要包含以下内容：

模型描述（Model description）：研究人员考虑了可在多个离散扩散状态 i 间切换的单布朗粒子，各状态由自扩散系数 D_i表征，状态间转换由泊松过程描述，过渡速率为 λ_ij。合成了2维2状态布朗轨迹，并通过平均位置和添加高斯噪声来模拟显微镜采集过程中的运动模糊（积分时间 Δt）和局部化误差（σ）。

分割算法（Segmentation algorithm）：研究人员首先计算轨迹相邻位置的欧氏距离得到位移时间序列 Δr(t)。由于各状态的位移分布服从瑞利（Rayleigh）分布，多状态合成分布为瑞利混合分布，但直接分类因分布重叠大而困难。为此，研究人员对 Δr(t) 进行离散高斯滤波得到滤波后序列 Δr?(t;f)，滤波宽度 f 为变量。滤波减少了分布标准差和状态间重叠。在最优 f* 附近，滤波后分布可用高斯混合模型（GMM）拟合。通过最小化状态间分布重叠 θ₁₂(f) 自动确定 f*。利用 GMM 软聚类得到各时间点属于某状态的概率 p_i，并以 p_i=0.5 为阈值分割轨迹，同时 p_mc≡min(p₁, p₂) 可衡量误分类概率。

分割精度（Segmentation accuracy）：研究人员定义了准确率（与真实状态匹配的时间步比例）并系统评估了不同参数下的表现。结果表明，当扩散系数比 D?≡D_fast/D_slow≥3 且最短状态寿命 τ?≡min(τ?₁, τ?₂)≥20（以 Δt 为单位）时，准确率通常高于90%。重叠 θ₁₂随 f 变化呈凸函数，且其最小值与最高准确率区域强相关。准确率与单个轨迹长度 T 无关（保持总位移数不变），因为方法依赖于位移分布采样。局部化误差 σ?（σ/√(2D_slowΔt)）<1 时准确率基本不受影响，σ?≥1 后缓慢下降。运动模糊（参数 n）对该分割方法准确率无显著负面影响。

动力学属性提取（Extraction of dynamical properties）：分割后，各状态轨迹视为单状态，利用修正的均方位移公式（考虑运动模糊因子 R=1/6 及 σ）计算 D_i。结果显示 D_fast有约10% 系统性低估（因慢态误分为快态多于反向），但 D_i估计对 σ? 较鲁棒（至 σ?≈1.5 前影响小），对运动模糊也鲁棒（修正公式有效）。状态寿命 τ?_i通过分割后连续片段长度统计并拟合指数分布获得，要求轨迹足够长以覆盖多次转换；相对误差在 τ≥30 时在 ±25% 内，误分类会引入虚拟转换导致高估转换率（低估寿命），快态更敏感。

实验验证（Experimental verification）：在支撑脂质双层上 Alexa Fluor 647 标记的 SLAMF6 蛋白 SPT 数据中，未滤波位移分布呈宽峰单瑞利混合拟合差，而最优高斯滤波后分布呈两个分离的高斯峰（GMM 拟合佳），得到 D₁=0.057 μm²s^-1和 D₂=1.44 μm²s^-1（D?≈25）。这展示了该方法在实验数据上的可行性与滤波效果。

讨论（Discussion）：研究人员指出，该方法在 D_fast/D_slow≥4 且 τ?≥10 时提供鲁棒、可解释的分割框架，适用于实验现实条件，可推断蛋白-配体结合动力学及群体比例等。方法易实现、计算高效（1000条100步轨迹约15秒），适合在线预处理与快速优化实验参数。方法不预设转换动力学形式，滤波仅依赖相邻位移，分割后单状态轨迹可用既有方法分析；虽验证于布朗运动，但滤波后分布趋近高斯并不严格限于布朗过程（非布朗统计需相应修改 D 计算）。目前局限包括状态数 K 需预设（虽可借助 BIC 等选优，但易过估，固定 K 可能是好折衷），以及假设各状态有较明确 D_i（窄分布），对于 D_i分布宽且重叠多的情况可能弱于 ML/HMM 方法。总体而言，该方法为多状态布朗轨迹 SPT 分析提供了一种轻量、透明、高效的新选项。