单分子荧光共振能量转移数据处理的优化算法

单分子荧光共振能量转移(smFRET)技术是当今单分子生物物理研究领域的重要实验手段,该技术通过测量供体、受体荧光光强以及二者间的共振能量转移效率,揭示标记位点间的距离,用于研究DNA、蛋白质等生物大分子的构象变化.然而,当前传统数据处理方法大量依赖人工干预,噪音大,严重影响了实验效率和数据的可靠性.本文提出了一种针对smFRET数据的自动分析算法.该算法主要包括三个部分:基于计算供体与受体荧光光强的相关系数来确定受体与供体对应荧光点的自动匹配算法、甄别错误点的筛选算法以及基于隐马尔可夫模型的全局拟合算法.经改进后的算法大大简化了传统算法中需要人工干预的步骤,而且自动筛除了实验数据中主要的几类噪音.将改进的算法应用于人类端粒重复序列G-四联体(G4)DNA折叠动力学的数据分析,结果显示优化算法比传统算法能够更快地得到更高信噪比的数据,而且该数据结果清晰地表明G4的折叠体现出多态性并受到钾离子浓度的影响.