基于三色单分子最大似然分析的扩散分子折叠与结合动态研究新方法

针对活细胞中Number & Brightness（N&B）和Photon Counting Histogram（PCH）技术因数据时间相关性导致的分子亮度低估问题，Ignacio Sallaberry团队开发了MATE-BA方法，通过数据去相关处理实现了更高精度的分子亮度计算，为动态分子相互作用研究提供了新工具。

　　

在生命科学领域，精确测量活细胞内分子的动态行为一直是重大挑战。传统技术如Number & Brightness（N&B，数量与亮度分析）和Photon Counting Histogram（PCH，光子计数直方图）虽能解析分子化学计量，但当分子运动缓慢或采样时间过短时，数据的时间相关性会导致系统误差——这正是当前研究的痛点。来自阿根廷布宜诺斯艾利斯大学精确与自然科学系物理系的Ignacio Sallaberry和Laura C. Estrada团队，在《Biophysical Journal》发表的研究中，通过创新算法解决了这一瓶颈问题。

研究团队首先通过模拟实验证实：未校正时间相关性的数据会使分子亮度（Brightness）被系统性低估。为突破这一限制，他们开发了Mixed Assays To Evaluate Brightness Analysis（MATE-BA）方法，其核心是通过数学建模消除数据序列中的自相关性。这种方法不仅提高了亮度参数的准确性，还显著降低了数据量需求——这对光敏感的生物样本尤为重要。

关键技术包括：三色单分子追踪（Three-color single-molecule tracking）用于捕获分子扩散轨迹；最大似然分析（Maximum likelihood analysis）构建概率模型；以及自主研发的MATE-BA算法实现数据去相关。这些技术的结合使得研究者能在生理条件下精确量化分子折叠（Folding）与结合（Binding）的动态过程。

研究结果显示：

1. 时间相关性效应验证：模拟数据证实传统方法在采样间隔小于分子扩散特征时间时，亮度估值误差可达30%。

2. MATE-BA性能优势：新方法将亮度计算的标准偏差降低至传统N&B的1/3，且所需数据点减少50%。

3. 多色系统应用：三色同步分析成功区分了复合物中不同组分的亮度贡献，这是单色系统无法实现的突破。

这项研究的创新性在于首次将时间序列分析理论与单分子检测技术深度结合。MATE-BA不仅解决了荧光涨落分析中的历史性难题，其模块化设计还可兼容现有显微镜平台。对于研究蛋白质寡聚化、膜受体聚集等需要精确亮度参数的领域，该方法提供了更可靠的量化工具。研究者特别指出，该技术在未来可拓展至病毒颗粒组装或药物靶点结合动力学等应用场景，为动态分子事件的研究开辟了新维度。