Forskere bruger nye datavidenskabelige værktøjer til at fange enkeltmolekyler i aktion

I gymnasiet kemi, vi lærte alle om kemiske reaktioner. Men hvad bringer to reagerende molekyler sammen? Som forklaret for os af Einstein, det er tilfældig bevægelse af inerte molekyler drevet af bombardementet af opløsningsmiddelmolekyler. Hvis det bringes tæt nok sammen, tilfældigt, disse molekyler kan reagere.

Optagelse af bevægelse af enkelte molekyler opnås ved en metode kendt som Fluorescence Correlation Spectroscopy (FCS). Fangsten? Det tager meget mange påvisninger af lyspartikler, fotoner, udsendes af enkelte molekyler for at få et klart billede af molekylær bevægelse.

Som en illustration, tænk på en politisk meningsmåling. På et givet tidspunkt i en kampagnecyklus, meningsmålinger bruges til at forudsige udfaldet af et kommende valg. Men hvor mange vælgere skal vi forhøre for at få en præcis forudsigelse og, givet, hvor tidsfølsomme meningsmåling oplysninger er, hvor hurtigt kan vi undersøge nationens politiske tilbøjeligheder? At spørge hver vælger i hver stat ville give nøjagtige resultater, men være for dyrt i tid og dollars. Af praktiske årsager, vi skal tage en stikprøve af vælgere og effektivt udnytte alle oplysninger i denne prøve. Vælgerne i denne illustration er vores ordsprogede fotoner her.

De lange tider, der er nødvendige for at erhverve data i FCS, er ligesom den naive afstemningsstrategi, der blev fremhævet tidligere. Det tager for lang tid, og den kemi, vi interesserer os for at lære, er måske allerede klar. Desuden, udsættelse af prøver for laseren i lange perioder kan resultere i fotokemisk skade på molekyler under undersøgelse, forhindre udbredt brug af FCS i biologisk forskning.

"Enkeltmolekyle fluorescens teknikker har revolutioneret vores forståelse af dynamikken i mange kritiske molekylære processer, men signaler er i sagens natur støjende, og eksperimenter kræver lange erhvervelsestider, "forklarede Marcia Levitus, en lektor på School of Molecular Sciences og Biodesign Institute.

Dette arbejde udnytter nye værktøjer fra datavidenskab for at få hver registreret foton til at tælle og forfine vores billede af molekylær bevægelse.

"Nye matematiske værktøjer gør det muligt at tænke på gamle, men kraftfulde eksperimenter i et nyt lys, "sagde Steve Pressé, hovedforfatter på undersøgelsen og fælles professor i Institut for Fysik og School of Molecular Sciences ved ASU ved Arizona State University.

Et papir udgivet i Naturkommunikation af Pressé og samarbejdspartnere løser nu disse spørgsmål ved hjælp af værktøjer fra datavidenskab og, mere specifikt, Bayesiansk nonparametrics - en type statistisk modelleringsværktøj, der hidtil stort set er brugt uden for naturvidenskaberne. Levitus tilføjer "Gamle strategier begrænsede vores evne til at undersøge alt andet end langsomme processer, efterlader et stort antal interessante biologiske spørgsmål, der involverer hurtigere kemiske reaktioner, uden for rækkevidde. Nu kan vi begynde at stille spørgsmål om processer, der er løst på kort tid. "