Journal reading - Single-particle diffusional fingerprinting: A machine-learning framework for quantitative analysis of heterogeneous diffusion

Single-particle diffusional fingerprinting

Overview

Single-particle tracking(SPT)으로 얻은 분자 궤적(trajectory)을 분류하고 해석하기 위한 머신러닝 프레임워크. “Diffusional fingerprint”란 각 궤적에서 추출한 17개의 특성 분포로, 이것을 이용해 입자의 종류를 분류하고 확산 메커니즘에 대한 물리적 통찰을 얻는다.

핵심 아이디어: 기존 방법들은 특정 확산 모델(e.g., anomalous diffusion, confined diffusion)을 사전에 가정해야 했지만, diffusional fingerprinting은 모델-무관(model-agnostic)하게 작동한다.

The main benefit of a fingerprinting approach compared to model-based analysis is that it does not require an a priori assumption of the type of diffusion.

또한 시뮬레이션 데이터로 pretrain할 필요 없이, 실험 데이터 자체를 학습/예측에 사용한다.

→ 17개의 특성을 이용해 ‘이 입자는 이런 diffusion dynamics를 가지고 있다! ’ 라는 걸 제시하는것 까지는.. 이 논문에서 바라지 않는다. 그저 서로 다른 diffusion dynamics를 구별할 수 있는 지표를 제공한다.

Link to PDF and DOI

• DOI: 10.1073/pnas.2104624118
• PDF: single-particle-diffusional-fingerprinting-a-machine-learning-framework-for-quantitative-analysis-of.pdf
• Supporting data: S_single-particle-diffusional-fingerprinting.pdf

주요 내용 요약

방법론: 17개 Feature 추출

각 궤적에서 아래 4가지 범주의 feature를 계산한다:

1. HMM (Hidden Markov Model) features

• 4-state HMM을 전체 궤적에 global fitting
• 각 state의 체류 시간: , 평균 체류 시간
• State-shifting(속도 전환) 확산을 포착하는 데 핵심적

2. MSD scaling features

• Power law fit to MSD:
• 추출 feature: (anomalous exponent), (diffusion constant), MSDratio, Pval

3. Trajectory shape features

• kurtosis, dimension (fractal dimension), efficiency, trappedness
• 운동의 지속성(persistence)과 갇힘(confinement) 포착

4. Step statistics

• Gaussianity (non-Brownian displacement 검출)
• meanSL (average step length), meanMSD, N (track length)

전체 Feature 목록 및 설명

Feature	Description
	Time in the slowest diffusion state
	Time in the second slowest diffusion state
	Time in the second fastest diffusion state
	Time in the fastest diffusion state
	Average residence time in a diffusion state
meanSL	Average step length for the trace
Pval	Quality of a power law fit to the MSD curve
	MSD power law scaling coefficient ( for subdiffusive, for superdiffusive)
	Diffusion constant from power law fit
Trappedness	Estimates whether the walker is trapped ( for Brownian motion)
meanMSD	Intermediate time spread of the trajectory
Kurtosis	Heaviness of the tails in the distribution of points in the entire trajectory ( for Brownian motion)
Gaussianity	Heaviness of the tails of the distribution for the steps ( for Brownian motion)
Fractal dimension	Space-filling-ness of the trajectory (slightly less than 2 for Brownian motion)
Efficiency	Linearity of the trajectory ( for Brownian motion)
MSD ratio	MSD power law scaling coefficient from trajectory statistics, not fit ( for Brownian motion)
(track duration)	Bleaching rate or binding affinity to the substrate

분류 파이프라인

1. 각 궤적 → 17개 feature 계산
2. Linear Discriminant Analysis (LDA)로 feature ranking
3. Logistic regression으로 입자 identity 분류
4. 상위 feature 해석 → 물리적/메커니즘적 통찰

검증: 시뮬레이션 데이터

• Speed-switching (fast vs slow HMM): F1 = 95.7 ± 0.4%
  • 주요 discriminating features: , meanSL
• Anomalous diffusion (subdiffusive , normal , superdiffusive ): F1 = 92.1 ± 0.4%
  • 주요 features: MSDratio, Dimension, alpha, Trappedness
• CNN(state-of-the-art)과 비슷한 성능, 하지만 feature ranking으로 mechanistic insight 제공

실험 데이터 적용

1. TLL Lipase (L3 vs native)

• 촉매 효율은 거의 동일하나, step-length 분포가 overlap 되어 원래는 분류하기 까다로운 두 분자 → fingerprinting으로 분리 가능 (F1 = 65.7%)
• LDA 상위 feature: L3는 빠른 state(, )를 더 많이 점유, native는 느린 state(, )를 더 많이 점유
• 핵심 해석 체인:
  1. Product inhibition: 효소가 반응을 촉매하면 생성물(product)이 주변에 쌓임. 이 생성물이 효소 활성 부위에 다시 결합하면 효소 활성을 저하하는 product inhibition이 발생한다.
  2. Chemotaxis vs Antichemotaxis: chemotaxis는 화학 농도 기울기를 따라 이동하는 현상. 반대로 antichemotaxis는 생성물 농도가 높은 곳에서 멀어지는 방향으로 이동 → 방금 반응한 자리를 탈출.
  3. L3의 large jump → antichemotaxis: L3가 stochastically 큰 점프를 한다는 것은, 반응 후 생성물이 쌓인 자리에서 멀리 이탈한다는 의미 → product 농도가 낮은 새 자리에서 반응 재개 → product inhibition 회피.
     → 얼마 전에 저널 클럽에서 소개된 ‘맥스웰의 악마’ 논문이 생각남 Journal reading - Enzyme as Maxwell’s Demon
  4. 실험적 검증: 실제로 L3는 bulk product inhibition이 낮다는 게 기존 실험(ref. 19)에서 확인됨 → fingerprinting이 제시한 메커니즘 가설을 뒷받침
• 이 분석은 fingerprinting이 단순 분류를 넘어 기존에 몰랐던 메커니즘적 통찰을 새롭게 도출한 대표적 예시

2. Transcription factors in cells (Sox2 vs NLS)

• Sox2: 중간 확산계수, mouse embryonic stem cell
• NLS: 더 빠른 확산, 낮은 DNA 결합 친화도
• F1 = 72.7%, NLS 91% / Sox2 52% (NLS 내 두 population 존재)

3. Nanoparticles in mucus (PLGA vs TPGS-coated)

• TPGS coating이 mucus 투과성 향상
• F1 높음: TPGS 93%, PLGA 91%
• TPGS: 더 빠르고, less confined, more Brownian (, fractal dim ≈ 2)
• 해석: PLGA가 mucus channel에 갇혀 subdiffusive → TPGS coating이 이를 해제

Questions & Insights

• Q: 왜 일반 Markov model이 아니라 Hidden Markov Model을 쓰는가?
  A: SPT에서 실제로 관측하는 건 분자의 위치(좌표)뿐이고, 분자가 어떤 내부 state(빠름/느림/갇힘 등)에 있는지는 직접 보이지 않는다. state는 hidden이고 displacement만 observed이기 때문에 HMM이 필요하다. 일반 Markov model은 state를 직접 관측할 수 있다고 가정하므로 SPT에 적합하지 않다.

• Q: 4-state HMM의 가정은 무엇인가?
  A: (1) Markov property: 현재 state는 바로 직전 state에만 의존. . (2) Gaussian emission: 각 hidden state 에서 관측되는 displacement는 를 따름. 즉 각 state는 고유한 확산계수 를 가진다.

• Q: 왜 하필 4개의 state인가?
  A: 논문이 4를 엄밀하게 최적화한 것은 아니다. 실용적 이유: 생물학적 확산의 다양한 속도 레짐(bound/free, fast/slow 등)을 포착하기에 충분하면서, 모든 시스템에 동일하게 적용할 수 있는 범용 표현이 됨. 2-state는 너무 단순하고, state가 너무 많으면 overfitting + 계산 부담이 커진다.

• Q: 각 state에 체류하는 시간 를 어떻게 알아내는가?
  A: 두 단계로 구성됨. (1) Baum-Welch (EM): 모든 궤적 데이터를 global하게 사용해 전이 확률 와 각 state의 를 학습. (2) Viterbi algorithm: 학습된 파라미터로 각 궤적의 “가장 그럴듯한 state sequence”를 복원 (). 이 Viterbi path에서 state 에 연속으로 머문 구간들의 평균 길이가 체류 시간 가 된다.

• Q: MSD scaling feature인 , , MSDratio, Pval은 각각 무엇을 의미하며 왜 묶여 있는가?
  A: 이 4개는 모두 MSD curve에 power law 를 fit하는 단 하나의 과정에서 나오는 결과들이다. (anomalous exponent)는 확산의 “스타일” — 이면 subdiffusion(갇힘), 이면 normal Brownian diffusion, 이면 superdiffusion(directed motion). 는 확산의 전반적인 “속도”. MSDratio는 short-time MSD와 long-time MSD의 비율로, confinement의 독립적 신호를 제공함(갇힌 분자는 장기 MSD가 포화되므로 비율이 작아짐). Pval은 power law fit의 통계적 유의성 — “이 모델이 얼마나 잘 맞는가”라는 메타정보 자체가 분자 dynamics의 복잡성을 나타내는 feature가 된다.

• Q: 왜 PCA가 아니라 LDA를 쓰는가? 둘의 차이는 무엇인가?
  A: 한 줄 핵심: PCA는 “데이터를 가장 잘 설명하는” 방향을 찾고, LDA는 “집단 간 차이를 가장 잘 드러내는” 방향을 찾는다. PCA는 label을 모른 채 분산이 최대인 방향 를 찾는다(). 반면 LDA는 label을 알고, between-class scatter (집단 간 거리)를 키우고 within-class scatter (집단 내 퍼짐)를 줄이는 방향을 찾는다(, Fisher’s discriminant). 데이터를 가장 많이 설명하는 방향이 집단을 가장 잘 구분하는 방향과 다를 수 있기 때문에, classification이 목적이라면 LDA가 적합하다. 직관적으로 LDA는 “classification 목적으로 PCA를 돌리는 것”과 유사하다. 이 논문에서 PCA는 3D 시각화(fingerprint 분리도 확인)에만 쓰이고, LDA는 feature ranking + 1D projection(실제 분류 및 메커니즘 해석)에 쓰인다 — LDA 해의 각 성분 가 feature 의 집단 분리 기여도를 나타내므로 ranking이 자동으로 나온다.

• Q: F1 score는 무엇을 나타내는 값인가? 왜 accuracy 대신 쓰는가?
  A: F1 score는 Precision(내가 양성이라 예측한 것 중 실제 양성 비율, )과 Recall(실제 양성 중 내가 맞힌 비율, )의 조화평균이다: . 조화평균의 핵심 성질상 둘 중 하나라도 낮으면 F1이 확 낮아진다. 단순 accuracy는 클래스 불균형에 취약하다 — 예컨대 L3(68,200개) vs native(5,630개) 데이터에서 모든 것을 L3로 예측해도 accuracy ≈ 92%가 나오지만, recall이 0이라 F1은 낮게 나온다. 논문에서 TLL lipase의 F1(65.7%)이 각 클래스 accuracy(81.8%, 84.9%)보다 낮은 것도 이 불균형 때문이며, F1이 더 정직한 지표다. 3개 이상 클래스에서는 클래스별 F1의 평균(macro/weighted F1)을 사용한다.

• Q: 2D Brownian motion에서 step length의 분포는 Gaussian인가? Rayleigh인가? 둘의 차이는?
  A: Displacement(변위, 또는 ) 는 Gaussian을 따르지만, step length() 는 Rayleigh 분포를 따른다: . Gaussian과 달리 앞에 이 곱해지는 이유는 기하학적 효과 때문 — 반지름 에서 사이의 annulus 넓이가 로 에 비례하므로 Gaussian 확률밀도에 면적 factor 이 곱해진다. 논문이 HMM emission으로 Rayleigh 대신 Gaussian을 사용하는 이유: 실제 확산 모델을 fit하는 게 목적이 아니라 “속도 레짐 분리”가 목적이기 때문. Rayleigh는 꼼리가 넓어 state 경계가 흐릿하지만, Gaussian은 더 localized되어 있어 빠른/느린 state를 더 선명하게 구분한다. 직관: displacement 성분은 Gaussian, step length은 성분 Gaussian 두 개를 제곱합한 후 제곱근을 취한 것이라 다른 종류의 분포로 변환된다.

• Q: 카메라 프레임 간격(temporal resolution)이 달라지면 같은 Brownian motion이 다른 확산처럼 보일 수 있는가?
  A: 맞다. 분자가 빠른/느린 state를 전환하는 timescale을 라 할 때, 세 가지 극단이 있다. (1) 프레임 간격 : state 전환이 포착됨 → heterogeneous state-switching diffusion으로 보임. (2) 프레임 간격 : 한 프레임 동안 수많은 전환이 평균화 → 유효 확산계수 를 따르는 단일 Brownian motion처럼 보임. (3) 프레임 간격 : 전환이 일부만 평균화 → MSD curve가 꺾여 겉보기 subdiffusion()처럼 보일 수 있음. 실제론 normal diffusion인데도. 이 때문에 diffusional fingerprinting의 feature들(, MSDratio, 등)은 모두 temporal resolution에 의존하며, 논문이 시뮬레이션 pretraining 없이 실험 데이터로 직접 train/predict하는 이유 중 하나가 바로 이 temporal resolution 불일치 문제를 피하기 위해서다.

Related Concepts

이 논문을 이해하기 위해 필요한 학습 노트를 연결한다.
글리아와 논문을 읽으며 새로 공부하고, 작성한 학습노트를 이곳에 자동으로 추가한다.

• Hidden Markov Model (HMM)
• Linear Discriminant Analysis (LDA)

17개 Feature 상세 (Supplementary 기반)

17개 feature는 4개 범주로 묶인다. 아래에 각 feature의 수식과 물리적 의미를 정리한다.

---

범주 A. HMM Features:

4-state HMM (Gaussian emission)을 모든 궤적의 step length에 global fitting한 뒤, 각 궤적에 Viterbi algorithm을 적용해 가장 그럴듯한 state sequence를 복원한다.

• : 가장 느린 state에서 보낸 시간 비율
• : 두 번째로 느린 state 체류 비율
• : 두 번째로 빠른 state 체류 비율
• : 가장 빠른 state 체류 비율
• : 궤적 전체에서의 평균 state 체류 시간

왜 step length 분포가 아닌 Gaussian을 emission으로 쓰나?
HMM의 목적이 실제 확산 모델을 fit하는 게 아니라 궤적의 “속도 레짐”을 대략적으로 포착하는 것이기 때문. Gaussian은 step length의 실제 분포(Rayleigh)보다 더 localized되어 있어 state 구분에 유리하다.

---

범주 B. MSD Scaling Features: , , MSDratio, Pval

MSD curve에 power law를 fit하는 하나의 과정에서 나오는 4개의 결과:

• (anomalous exponent): 확산의 “스타일”. 이면 subdiffusion(anti-persistent, 갇힘), 이면 normal Brownian diffusion, 이면 superdiffusion(persistent, directed)
• (diffusion constant): 전반적인 이동 속도 (일반화된 확산계수)
• Pval: power law fit의 검정 p-value. fit이 잘 맞을수록 높음. “이 궤적이 얼마나 깔끔한 power law를 따르는가”라는 메타정보 자체가 feature
• MSDratio: MSD curve의 형태를 두 점에서 직접 추정 (fit 없이):

은 번의 step 이후 변위를 나타낸다.

normal diffusion이면 0, superdiffusion이면 양수, subdiffusion이면 음수. power law fit의 와 유사하지만 fitting 없이 trajectory statistics에서 직접 계산하므로 독립적인 신호.

---

범주 C. Trajectory Shape Features: Trappedness, Kurtosis, Gaussianity, Fractal dimension, Efficiency

Trappedness — 분자가 갇혀 있을 확률:

는 MSD 첫 두 점에서 추정한 확산계수, 은 궤적 내 임의의 두 점 사이 최대 거리의 절반. Brownian motion에서 .

Trappedness가 크다 → 가 크다, 즉 똑같은 diffusion coefficient로 운동한 Brownian particle에 비해서 이 작다.

Kurtosis — 궤적의 공간 분포 가 Gaussian 대비 얼마나 heavy-tailed인지. 궤적 좌표의 공분산 행렬(gyration tensor)에서 최대 eigenvalue 방향으로 투영한 1D 분포 의 kurtosis:

Brownian motion에서 . ==이면 superdiffusion==, 이면 subdiffusion을 시사.

Gaussianity — step 분포 가 Brownian과 얼마나 다른지 (단일 프레임 스케일의 step 분포). quartic moment와 second moment의 비율:

Brownian motion에서 . 이면 step 분포가 Brownian보다 좁고, 이면 더 넓음(heavy-tailed).

Fractal dimension — 궤적이 공간을 얼마나 빽빽하게 채우는지 (Katz-George estimator):

은 궤적 전체 경로 길이, 는 궤적 내 임의의 두 점 사이 최대 거리, 은 step 수.

• : 직선 (ballistic)
• : Brownian motion
• : subdiffusion (confined, 공간 재방문 과다)

Efficiency — 시작-끝 거리 vs 전체 이동 거리의 비율 (직진성):

Brownian motion에서 (lognormal 분포). Directed motion이면 가 높아짐.

---

범주 D. Step Statistics: meanSL, meanMSD, N

• meanSL: 평균 step length. 전반적 속도의 가장 직접적 지표. 짧은 궤적에서 HMM feature보다 robust
• meanMSD: 중간 time scale에서의 궤적 spreading. MSD curve 전체에 power law를 fit해서 얻는 , 와 달리, fit 없이 중간 time lag에서의 MSD 값 하나를 직접 읽는다. 와 는 궤적이 짧으면 데이터 포인트가 부족해 fit이 불안정해지지만, meanMSD는 fit이 없으므로 짧은 궤적에서도 상대적으로 안정적이다. 다른 MSD-derived feature들이 흔들릴 때 “이 궤적이 전반적으로 얼마나 퍼졌는가”를 보완하는 anchor 역할.
• N (track duration): 궤적 길이(프레임 수). TIRF 등 surface-based tracking에서 결합 kinetics 및 bleaching rate 정보를 담음

---

요약 테이블

Feature	범주	Brownian 기준값	포착하는 것
	HMM	—	state-switching 속도 분포
	HMM	—	평균 state 체류 시간
	MSD	1	확산 스타일 (sub/normal/super)
	MSD	—	전반적 속도
MSDratio	MSD	0	confinement/directionality (fit-free)
Pval	MSD	—	power law 적합도
Trappedness	Shape	0.5	갇힘 확률
Kurtosis	Shape	2	공간 분포 heavy-tailedness
Gaussianity	Shape	1	step 분포의 Brownian 유사도
Fractal dimension	Shape	~2	궤적의 공간 충전도
Efficiency	Shape	~−7	직진성/방향성
meanSL	Step stats	—	평균 속도
meanMSD	Step stats	—	전반적 spreading
N	Step stats	—	결합 kinetics / bleaching rate

더 읽어보고 싶은 레퍼런스

이 논문의 레퍼런스 중에서 읽어보고 싶은 것을 링크.