Experimentally accessible measurement of irreversibility in stochastic systems by categorizing single-molecule displacements

技术摘要：随机系统中不可逆性的实验可及测量方法

问题陈述
量化非平衡过程的不可逆性和耗散，对于理解随机系统（特别是像蛋白质折叠这样的生物学背景）的行为、能力和效率至关重要。虽然随机热力学提供了严谨的理论框架（例如涨落定理、Kullback-Leibler 散度），但将这些概念应用于实验数据仍具有挑战性。现有方法通常需要：

1. 完全了解作用于系统的力和扩散系数。
2. 获取完整的轨迹数据，而这由于有限的时间分辨率往往是无法实现的。
3. 特定条件（例如平稳性）或复杂的数据处理（例如机器学习超参数调优）。
4. 对于某些估计量（例如 Crooks 关系），需要前向和后向两种方案。

因此，需要一种模型无关的、实验可及的方法，用于测量信息受限系统（如单分子追踪中力或扩散系数可能未知或难以估计的系统）中的不可逆性。

方法论
作者引入了一种基于在有限时间间隔 ($\Delta t$) 内对单分子位移进行分类的技术，用于量化过阻尼 Langevin 系统中的不可逆性。

1. 位移分类： 该方法并非分析完整轨迹，而是观察粒子在时间 $\Delta t$ 后的初始位置 ($x'$) 和最终位置 ($x$)，定义位移 $\ell = x - x'$。这些位移根据其相对于定义的边界（例如从左向右跨越边界 $k$、从右向左跨越边界或留在本体内）的空间位置被归类为不同的类别 ($C$)。
2. 不可逆性度量 ($\Sigma_{\Delta t}$)： 作者将不可逆性度量定义为前向位移及其时间反向对应项在这些类别上的联合概率分布之间的 Kullback-Leibler (KL) 散度：
   $$\Sigma_{\Delta t}(C_n) \equiv k_B \sum_{C \in C_n} \int d\ell \, q_{\Delta t}(\ell, C) \ln \frac{q_{\Delta t}(\ell, C)}{q_{\Delta t}(-\ell, \tilde{C})}$$
   其中 $q_{\Delta t}(\ell, C)$ 是属于类别 $C$ 的位移 $\ell$ 的概率密度，$\tilde{C}$ 是时间反向类别。
3. 理论界限：
   • 平稳系统： 对于平稳动力学，$\Sigma_{\Delta t}$ 提供了平均熵产生 $\langle \Delta S_{tot} \rangle$ 的一个严格下界。随着位移类别数量的增加，该界限会变得更加紧致（形成一个界限层级）。
   • 非平稳方案： 对于非平稳方案，该度量在 $\Delta t$ 趋于零的极限下提供了一个下界。
   • 局部耗散： 通过关注跨越特定边界的位移，该方法可以估计局部的耗散率。
4. 实验实现： 该方法应用于单分子磁镊实验，研究对象为蛋白质 talin R3（野生型和突变体）。系统受到循环线性力阶梯驱动（展开和折叠）。通过将位移按相对于折叠态与展开态之间边界的四个类别进行分箱，计算出不可逆性。

核心贡献与结果

• 模型无关估计： 该方法不需要预先知道确定性力、扩散系数或潜在的能量景观。它仅依赖于观测到的位移统计数据。
• 模拟系统验证：
  • 在环形上的驱动粒子（具有方势阱）实验中，该方法成功捕捉到了熵产生。作者证明，通过增加位移类别（更精细地划分空间），可以显著提高估计精度，特别是在接近平衡态的系统中，此时热力学不确定性关系 (TUR) 仅能提供较松的界限。
  • 该方法被证明能够准确绘制局部耗散的空间分布图。
• 蛋白质折叠应用 (Talin R3)：
  • 野生型 vs. 突变型： 该方法区分了野生型 talin R3 和机械稳定性更高的突变体 (R3IVVI)。它正确识别出突变体表现出更高的总不可逆性。
  • 折叠动力学的不对称性： 一个关键发现是检测到了突变体的动力学不对称性：研究发现展开过程系统性地比折叠过程更具不可逆性。而在野生型中并未观察到这种现象。
  • 景观推断： 通过将实验结果与非对称双阱势的模拟进行比较，作者将观察到的不对称不可逆性与潜在的自由能景观联系起来。具体而言，突变体的行为表明其存在一个非对称景观，其中展开阱比折叠阱更宽且距离势垒更远。
• 鲁棒性： 该方法对测量噪声（模拟高斯噪声）和有限数据集具有鲁棒性，能够保持对系统耗散程度的排序能力，并识别不可逆事件发生的时间点（不可逆率峰值对应于转变事件）。

意义与主张
论文声称该方法提供了一个“理性化机械活性蛋白质功能的严谨工具”，为生物分子转变中的非平衡热力学提供了一个定量框架。

• 实验可及性： 该方法的主要意义在于其在无法获取完整轨迹重建或力学知识的实验系统中的可行性。它通过关注粗粒化的初始态和末态，避开了对指数级庞大的轨迹空间的采样。
• 对景观特征的敏感性： 作者展示了量化不可逆性可以揭示能量景观的微妙属性（例如势垒距离的不对称性），这些属性是标准平衡测量或仅通过滞后环面积难以获取的。
• 与现有方法的比较： 作者将其方法定位为对于空间异质系统优于热力学不确定性关系 (TUR)，并且比机器学习方法或需要前向和后向方案的方法（如 Crooks 关系或特定的分箱方法）更具鲁棒性和可解释性。他们指出，虽然该度量是一个下界，但它能高保真地捕捉系统间的相对趋势和差异（例如野生型 vs. 突变型，以及不同的拉伸速率）。

论文总结道，这种方法允许研究人员评估系统偏离平衡态的程度，并表征性能与耗散之间的权衡，特别强调了其在剖析蛋白质折叠机制的热力学特征方面的效用。