Recovering a stochastic process from super-resolution noisy ensembles of single-particle trajectories.
Recovering a stochastic process from super-resolution noisy ensembles of single-particle trajectories.
复制标题
从单粒子轨迹的超分辨率噪声集合中恢复随机过程。
DOI：
--
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
David Holcman
中科院分区：
文献类型：
--
作者：
N. Hozé;David Holcman
这里使用粗粒度朗之万方程作为模型，解决了从单粒子轨迹的噪声系综中恢复随机过程的问题。单粒子跟踪数据中包含的大量冗余允许恢复底层物理模型的局部参数。我们使用几个参数和非参数估计器来计算过程的一阶矩和二阶矩，恢复局部漂移、其导数和扩散张量，并对物理噪声中的仪器进行反卷积。我们还使用数值模拟来探索这些估计量的有效性范围。目前的分析允许定义从用于表征细胞功能的分子运输的超分辨率显微镜轨迹的统计数据中可以准确恢复什么。
Recovering a stochastic process from noisy ensembles of single-particle trajectories is resolved here using the coarse-grained Langevin equation as a model. The massive redundancy contained in single-particle tracking data allows recovering local parameters of the underlying physical model. We use several parametric and nonparametric estimators to compute the first and second moments of the process, to recover the local drift, its derivative, and the diffusion tensor, and to deconvolve the instrumental from the physical noise. We use numerical simulations to also explore the range of validity for these estimators. The present analysis allows defining what can exactly be recovered from statistics of super-resolution microscopy trajectories used for characterizing molecular trafficking underlying cellular functions.
影响因子：
3.4
作者：
Thompson, RE;Larson, DR;Webb, WW
通讯作者：
Webb, WW
影响因子：
2.4
作者：
Vestergaard, Christian L.;Blainey, Paul C.;Flyvbjerg, Henrik
通讯作者：
Flyvbjerg, Henrik