Detecting active Lévy particles using differential dynamic microscopy

Dieser Beitrag erweitert die differentielle dynamische Mikroskopie zur Detektion aktiver Lévy-Teilchen, indem er die Methode an synthetischen Daten validiert und ihre Anwendung auf experimentelle Daten demonstriert, was zeigt, dass *E. coli* keine Lévy-Walk-Signaturen aufweist, während *E. gracilis* dies tut.

Das Wesentliche

Stellen Sie sich vor, Sie versuchen zu verstehen, wie winzige, einzellige Organismen sich durch einen Wassertropfen bewegen. Manche schwimmen auf sehr vorhersehbare Weise: Sie gehen eine Weile geradeaus, stoppen, drehen sich zufällig im Kreis und gehen wieder geradeaus weiter. Wissenschaftler nennen dies „Run-and-Tumble" (Laufen und Kollern). Es ist wie bei einer Person, die einen Flur entlanggeht, alle paar Sekunden anhält, sich im Kreis dreht und dann eine neue Richtung einschlägt.

Andere Organismen bewegen sich jedoch möglicherweise anders. Sie könnten eine kurze Zeit geradeaus gehen, dann aber einen sehr langen, geraden Weg zurücklegen, bevor sie sich wenden. Dies wird als „Lévy-Walk" bezeichnet. Es ist wie bei einem Wanderer, der normalerweise kurze Schritte macht, aber gelegentlich beschließt, ein ganzes Feld ohne Unterbrechung zu sprinten. Das Erkennen dieser seltenen, langen „Sprints" ist unglaublich schwierig, da man den Organismus über einen langen Zeitraum und über ein großes Gebiet hinweg beobachten muss, um das Muster zu sehen.

Diese Arbeit stellt eine neue, leistungsstarke Methode vor, um diese „Sprints" zu erkennen, ohne jede einzelne Zelle einzeln verfolgen zu müssen. Hier ist die Aufschlüsselung ihrer Entdeckung:

Das Problem: Die „Nadel im Heuhaufen"

Um nachzuweisen, dass ein Organismus einen Lévy-Walk ausführt, müssen Sie seine Bewegungsmuster über viele verschiedene Größenordnungen und Zeiträume hinweg beobachten. Wenn Sie nur einen winzigen Fleck Wasser betrachten, könnten Sie die langen Sprints völlig übersehen. Herkömmliche Methoden erfordern oft die Verfolgung einzelner Zellen, eine nach der anderen, was langsam ist und den Überblick über das Gesamtbild verliert.

Die Lösung: Ein „Gruppenfoto"-Ansatz

Die Autoren verwenden eine Technik namens Differential Dynamic Microscopy (DDM). Anstatt eine einzelne Zelle zu verfolgen, stellen Sie sich vor, Sie nehmen ein Video einer überfüllten Tanzfläche auf.

• Der alte Weg: Sie versuchen, einen bestimmten Tänzer zu verfolgen, um seine Schritte zu sehen.
• Der Weg dieser Arbeit: Sie betrachten das gesamte Video und messen, wie sich die „Unschärfe" der Menge im Laufe der Zeit verändert.

Sie analysieren das „Flackern" der gesamten Gruppe. Indem sie betrachten, wie sich die Lichtmuster verschieben und verwischen, können sie die Bewegungsstatistik der gesamten Menge mathematisch gleichzeitig rekonstruieren. Es ist wie das Hören des Dröhnens einer Stadionmenge, um herauszufinden, ob die Fans in kurzen Stößen oder in langen, anhaltenden Wellen jubeln, ohne jede einzelne Stimme hören zu müssen.

Die Entdeckung: Zwei verschiedene Tänzer

Das Team wandte diese Methode auf zwei Arten von Mikroorganismen an:

1. E. coli (Der vorhersehbare Tänzer):
   Sie untersuchten E. coli-Bakterien. Obwohl einige Theorien nahelegten, dass sie lange, zufällige Sprints (Lévy-Walks) ausführen könnten, zeigten die Daten, dass sie tatsächlich sehr konsistent sind. Sie laufen, kollern und laufen wieder in einem vorhersehbaren Rhythmus weiter. Die „langen Sprints" waren nur eine Illusion, die durch die falsche Betrachtung der Daten entstand. Sie sind klassische „Run-and-Tumble"-Gänger.

2. E. gracilis (Der plötzliche Sprinter):
   Anschließend untersuchten sie eine Algenart namens Euglena gracilis. Diese ist anders. Die Daten zeigten eindeutig, dass diese Zellen diese seltenen, sehr langen geraden Wege tatsächlich zurücklegen. Sie sind echte „Aktive Lévy-Teilchen". Die neue Methode erfasste erfolgreich die Signatur dieser langen Sprints und bewies, dass sie in diesem Organismus existieren.

Der Haken: Geschwindigkeitsvariabilität

Die Arbeit entdeckte auch eine Einschränkung. Wenn die Organismen ihre Geschwindigkeit zu stark ändern (einige schwimmen schnell, andere langsam, und sie wechseln zufällig), wird es schwieriger, das Lévy-Muster zu erkennen. Es ist wie beim Versuch, einen bestimmten Rhythmus in einem Lied zu hören, bei dem jeder ein anderes Tempo spielt; das Muster wird undeutlich. Die Methode funktioniert am besten, wenn die Schwimmer in ihrer Geschwindigkeit relativ konsistent sind.

Das Fazit

Diese Arbeit bietet Wissenschaftlern ein neues „High-Throughput"-Werkzeug (schnell und effizient). Es ermöglicht ihnen, zwischen Organismen zu unterscheiden, die sich in kurzen, zufälligen Stößen bewegen, und solchen, die seltene, langstreckige Sprints unternehmen. Indem sie die „Unschärfe" der gesamten Gruppe betrachten, anstatt Individuen zu verfolgen, bestätigten sie, dass E. coli ein beständiger Gänger mit kurzen Schritten ist, während E. gracilis ein Meister des langen, unvorhersehbaren Sprints ist.

Technische Zusammenfassung

Technische Zusammenfassung: Detektion aktiver Lévy-Teilchen mittels differentieller dynamischer Mikroskopie

Problemstellung
Die Detektion von Lévy-Flügen in biologischen Systemen, insbesondere bei Mikroorganismen, bleibt eine erhebliche experimentelle Herausforderung. Die Kernschwierigkeit liegt in der Notwendigkeit, Daten über räumlich-zeitliche Skalen zu erfassen, die mehrere Größenordnungen umfassen, um eine zuverlässige Extraktion der Potenzgesetz-Skalierung zu ermöglichen, ein Kennzeichen von Lévy-Walks. Obwohl die differentielle dynamische Mikroskopie (DDM) als Hochdurchsatz-Methode etabliert wurde, die den Zugang zu Skalen über zwei Größenordnungen gleichzeitig ermöglicht, war ihre Anwendung auf selbstantreibende Teilchen mit algebraischen Laufzeitverteilungen (aktive Lévy-Teilchen oder ALPs) noch nicht vollständig geklärt. Insbesondere war unklar, ob DDM ALPs robust von Standard-Lauf-und-Tumble-Teilchen (RTPs), die exponentiell verteilte Laufzeiten aufweisen, unterscheiden kann, gegeben experimentelle Einschränkungen wie Geschwindigkeitsvariabilität und endliche Beobachtungsfenster.

Methodik
Die Autoren erweitern das DDM-Rahmenwerk zur Charakterisierung aktiver Lévy-Teilchen. Die Methodik umfasst drei Hauptkomponenten:

1. Theoretische Modellierung: Die Studie definiert ein paradigmatisches Modell für ALPs, bei dem die Laufzeitverteilung einer Lomax-Verteilung folgt (ein algebraischer Schwanz, der bei kleinen Zeiten abgeschnitten ist), im Gegensatz zur exponentiellen Verteilung von RTPs. Unter Verwendung der Erneuerungstheorie leiten die Autoren die intermediäre Streufunktion (ISF), $f(k, \tau)$, für ALPs sowohl in 2D als auch in 3D ab. Sie analysieren das asymptotische Verhalten der ISF, wobei sie insbesondere die Zerfallsrate $\lambda(k)$ und die Skalierung der mittleren quadratischen Verschiebung (MSD) untersuchen.
2. Validierung durch Simulation: Um das Detektionsprotokoll zu validieren, generieren die Autoren synthetische Bilddaten sowohl für ALPs als auch für RTPs. Sie simulieren Teilchentrajektorien mit variierenden Potenzgesetz-Exponenten ($\mu$), Persistenzlängen und Geschwindigkeitsvariabilitäten ($\sigma_v$). Die synthetischen Daten werden mittels DDM verarbeitet, um ISFs zu berechnen, die dann sowohl an ALP- als auch an RTP-theoretische Modelle angepasst werden, um die Fähigkeit des Protokolls zu testen, Grundwahrheitsparameter wiederherzustellen und zwischen den beiden Modellen zu unterscheiden.
3. Experimentelle Anwendung: Das Protokoll wird auf bestehende und neue experimentelle Daten angewendet:
   • Escherichia coli (unter Verwendung veröffentlichter Daten aus Ref. [14]).
   • Euglena gracilis (unter Verwendung neuer experimenteller Daten bei variierenden Lichtintensitäten).
     Die experimentellen ISFs werden simultan über mehrere Wellenzahlen ($k$) unter Verwendung sowohl des ALP- als auch des RTP-Modells angepasst, um zu bestimmen, welches Modell die Bewegung am besten beschreibt.

Hauptbeiträge und Ergebnisse

• Asymptotische Signaturen von ALPs: Die theoretische Analyse zeigt, dass RTPs und ALPs bei kleinen Längenskalen (nahe der Persistenzlänge $\ell_p$) ein ähnliches Verhalten aufweisen, sich jedoch bei größeren Skalen signifikant unterscheiden. Für ALPs mit $2 < \mu < 3$ zeigt die ISF anhaltende Oszillationen und zerfällt gemäß einem Skalierungsgesetz $k^{\mu-1}\tau$ bei großen Längenskalen (bis zu $\sim 10\ell_p$). Im Gegensatz dazu konvergieren RTPs viel schneller zu einem exponentiellen Zerfall ($k^2\tau$).
• Einfluss der Geschwindigkeitsvariabilität: Die Studie zeigt, dass Geschwindigkeitsvariabilität ($\sigma_v$) die oszillatorischen Merkmale in der ISF unterdrückt. Eine zuverlässige Unterscheidung zwischen ALPs und RTPs erfordert eine moderate Geschwindigkeitsvariabilität ($\sigma_v \lesssim 0.2\bar{v}$). Ist die Variabilität hoch, nehmen die Unterschiede zwischen den Modellen ab, was den Zugang zu noch größeren Längenskalen für die Detektion erforderlich macht.
• Endliche Tumble-Zeit: Die Analyse zeigt, dass eine endliche Tumble-Zeit (ob exponentiell oder algebraisch verteilt) bei großen Skalen primär als Zeit-Skalierungsfaktor ($p_R$) wirkt, sofern die mittlere Tumble-Zeit endlich ist. Sie verändert die asymptotische Skalierung der ISF nicht qualitativ.
• Validierung durch Simulation: Das Protokoll stellt den Potenzgesetz-Exponenten $\mu$ und die Persistenzlänge $\tau_R$ aus synthetischen Daten erfolgreich wieder her, wenn die Geschwindigkeitsvariabilität moderat ist. Das ALP-Modell liefert eine bessere Anpassung für ALP-Daten, während das RTP-Modell versagt, die langreichweitigen Oszillationen zu erfassen. Umgekehrt neigt das ALP-Modell beim Anpassen von RTP-Daten zur Überanpassung und liefert instabile oder unphysikalisch große $\mu$-Werte.
• Experimentelle Befunde:
  • E. coli: Die experimentellen ISFs werden am besten durch das RTP-Modell beschrieben. Obwohl das ALP-Modell die Daten anpassen kann, führt dies zu großen Schätzfehlern und instabilen Exponenten (oft $\mu \gg 3$), was auf Überanpassung hindeutet. Dies stützt die Schlussfolgerung, dass E. coli auf den beobachteten Skalen diffuses Verhalten zeigt und keine Lévy-Walks ausführt.
  • E. gracilis: Die ISFs von E. gracilis zeigen starke Oszillationen bei kleinen $k$, die vom ALP-Modell gut erfasst, aber vom RTP-Modell schlecht angepasst werden. Die angepassten Exponenten sind stabil und konsistent kleiner als 3 ($\mu \approx 2.05 - 2.30$), was bestätigt, dass E. gracilis auf Längenskalen bis zu $10^3$ µm als aktive Lévy-Teilchen agiert.

Bedeutung und Behauptungen
Die Arbeit beansprucht, ein robustes Hochdurchsatz-Protokoll zur Detektion aktiver Lévy-Teilchen mittels DDM bereitzustellen. Die Autoren betonen, dass die Detektion von Lévy-Walks kritisch davon abhängt, Längenskalen zu erreichen, die eine Größenordnung größer als die Persistenzlänge sind ($\sim 10\ell_p$), um die charakteristische asymptotische Skalierung der ISF zu beobachten. Die Studie validiert, dass DDM ein vielseitiges Werkzeug für diesen Zweck ist, sofern experimentelle Bedingungen (insbesondere die Geschwindigkeitsvariabilität) die Auflösung des charakteristischen oszillatorischen Zerfalls ermöglichen. Die Anwendung auf E. coli und E. gracilis dient als konkrete Demonstration, indem sie frühere Unklarheiten auflöst, indem gezeigt wird, dass E. coli auf den gemessenen Skalen RTP-Dynamiken folgt, während E. gracilis Signaturen aktiver Lévy-Walks aufweist. Die Arbeit unterstreicht die Bedeutung der Multiskalenanalyse zur Unterscheidung zwischen verschiedenen Modi des Transports aktiver Materie.