编辑推荐：
在生命科学研究中，荧光相关光谱技术（FCS）虽常用，但存在需高激光强度、长采集时间及数据拟合假设存问题等弊端。研究人员开展荧光强度轨迹统计分析（FITSA）的研究，结果显示 FITSA 收敛更快、更稳定，且能以更短测量时间实现与 FCS 相当的精度，推动了分子过程定量分析。
在微观的生命科学世界里，研究分子运动和相互作用就像在探索一个神秘的微观宇宙。荧光相关光谱技术（Fluorescence Correlation Spectroscopy，FCS）一直是研究分子在单分子水平，尤其是活细胞中运动和变化的重要工具。它通过记录小体积内荧光强度的瞬变变化，再利用共聚焦显微镜和自相关分析来揭示分子的扩散系数（Diffusion Coefficients，DCs）、浓度等信息，帮助科学家们了解细胞内环境的特性和细胞内过程的调控机制。
然而，FCS 就像一把双刃剑，虽然强大却有着明显的缺陷。一方面，它需要较高的激光强度和较长的采集时间，这无疑增加了对细胞的光毒性，就好比用强光长时间照射花朵，花朵也会受到伤害一样。另一方面，在数据拟合时，FCS 常常依赖一些有问题的统计假设，导致对模型参数的估计过于自信，使得判断拟合优度和比较不同复杂度模型变得困难，这就像戴着一副不准确的眼镜看东西，看到的结果可能与真实情况相差甚远。
为了解决这些问题，研究人员开展了荧光强度轨迹统计分析（Fluorescence Intensity Trace Statistical Analysis，FITSA）的研究。该研究成果发表在《SCIENCE ADVANCES》上，为分子过程的定量分析带来了新的曙光。
研究人员采用了多种关键技术方法。在数据处理方面，通过自适应信号分箱（adaptive signal binning）和子部分分割（subsection splitting）对荧光信号进行预处理，将信号分为不同的部分，以便分别分析背景发射和粒子起源的信号。在模型构建上，运用贝叶斯方法（Bayesian approach），假设粒子在三维空间中自由扩散，根据测量的荧光强度轨迹来估计粒子轨迹、扩散系数、分子亮度和背景发射率的后验分布。
在研究结果部分：
- 方法整体描述：FITSA 通过识别高光子计数部分来区分信号成分，利用自适应分箱跟踪光子数量，根据信号分箱持续时间确定子部分边界，并选择种子点来估计粒子轨迹和扩散系数。这种方法可以有效分析粒子在共聚焦体积内的运动，还能跟踪粒子的进出。
- 模拟数据演示：用合成荧光强度轨迹进行测试，FITSA 在分析短轨迹时，能快速收敛到真实的扩散系数值，且精度高。而传统 FCS 在拟合数据时存在过拟合问题，估计的扩散系数与真实值偏差较大。
- 与替代贝叶斯拟合方法比较：与 Jazani 等人的方法相比，FITSA 收敛速度更快，对先验差异的鲁棒性更强。FITSA 使用哈密顿蒙特卡罗（Hamiltonian Monte Carlo）和无 U 型转弯采样器（No U-Turn Sampler，NUTS）算法，在较少的迭代次数内就能满足收敛标准，且能更准确地估计分子亮度。
- 与 FCS 精度比较：通过对合成轨迹的分析，FITSA 在达到相同精度时，所需的光子数比考虑自相关函数（Autocorrelation Function，ACF）协方差的 FCS 少得多。例如，对于不同扩散系数的合成轨迹，FITSA 达到相对精度 10 时，所需光子数比 FCS 少 2 - 11 倍。
- 实验数据演示：在多种实验条件下记录荧光轨迹进行分析，FITSA 在分析实验数据时，估计的扩散系数精度更高，变异性更小。在研究心肌细胞内的扩散系数时，FITSA 能从相对较短的瞬变中成功恢复扩散系数，且结果与 FCS 分析 60 秒轨迹的结果相似。
在结论和讨论部分，FITSA 相比传统 FCS 和早期基于贝叶斯方法的技术有显著优势。它能更快地收敛，更稳健地处理荧光强度轨迹，克服了 FCS 在统计分析中的困难。FITSA 将荧光轨迹视为较小部分的集合，通过自适应分箱和战略种子点选择，提高了采样效率和方法性能。虽然 FITSA 目前还存在一些局限性，如在处理多粒子模型时面临挑战，计算资源需求较大等，但随着模型的进一步优化和实验条件的改进，FITSA 有望成为研究分子事件的有力工具，为深入了解细胞内环境和分子相互作用提供更精确的信息，推动生命科学和健康医学领域的研究进展。
