zhpsЖурнал прикладной спектроскопииZhurnal Prikladnoii Spektroskopii0514-7506B. I. Stepanov Institute of Physics of the National Academy of Sciences10.47612/0514-7506-2022-89-5-726-735zhps-1143Research ArticleСтатьиПРИМЕНЕНИЕ МЕТОДА ГЛАВНЫХ КОМПОНЕНТ ДЛЯ АНАЛИЗА ГИСТОГРАММ ЧИСЛА ФОТООТСЧЕТОВ В ЭКСПЕРИМЕНТАХ ФЛУОРЕСЦЕНТНОЙ ФЛУКТУАЦИОННОЙ СПЕКТРОСКОПИИPRINCIPAL COMPONENT ANALYSIS OF PHOTON COUNTING HISTOGRAMS IN FLUORESCENCE FLUCTUATION SPECTROSCOPY EXPERIMENTSСкакунВ. В.SkakunV. V.

Минск

Minsk

skakun@bsu.byЯцковН. Н.YatskouM. M.

Минск

Minsk

Недервин-ШипперсЛ.Nederveen-SchippersL.

Гронинген

Groningen

КортхольтА.KortholtA.

Гронинген

Groningen

АпанасовичВ. В.ApanasovichV. V.

Минск

Minsk

Белорусский государственный университетBelarusian State UniversityУниверситет ГронингенаUniversity of Groningen202226092022895726735Copyright © Скакун В.В., Яцков Н.Н., Недервин-Шипперс Л., Кортхольт А., Апанасович В.В., 20222022Скакун В.В., Яцков Н.Н., Недервин-Шипперс Л., Кортхольт А., Апанасович В.В.Skakun V.V., Yatskou M.M., Nederveen-Schippers L., Kortholt A., Apanasovich V.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://zhps.ejournal.by/jour/article/view/1143

Для повышения эффективности анализа гистограмм счета фотонов при изучении молекулярного состава вещества методом флуоресцентной флуктуационной спектроскопии предложен комплексный подход, основанный на применении методов интеллектуального анализа данных. Для проверки гипотезы о разделимости кластеров многомерных экспериментальных данных используется метод главных компонент. Исследована причина сжатия облака данных в характеристическую нелинейность, или так называемое дугообразное облако, в пространстве первых двух главных компонент. Рассмотрены примеры смоделированных наборов данных молекулярных систем различных яркостей и концентраций. Нелинейные эффекты усложняют интерпретацию и последующий количественный анализ данных. Установлено, что дугообразность облака данных — следствие наличия значительной вариации одного или нескольких физических параметров, в частности, результат значительного увеличения разброса яркости или концентрации молекул. Данные параметры могут служить дополнительными показателями при оценке качества экспериментов, если изучается только один тип молекулы, и при описании исследуемой системы — в случае смеси молекул разных видов. Предложено использовать нормировку локального взвешенного сглаживания диаграммы рассеяния для устранения нелинейных эффектов в пространстве главных компонент.

An integrated approach based on the use of data mining methods has been proposed to improve the efficiency of the analysis of photon counting histograms in the study of the molecular composition of a substance by the method of fluorescence fluctuation spectroscopy. The method of principal components is used to test the hypothesis about the cluster separability of multidimensional experimental data. The reason for the compression of a point cloud into a characteristic nonlinearity, or so-called arc-shaped cloud, in the space of first two principal components is investigated. Examples of simulated data sets on some selected molecular systems of various brightness and concentration are considered. Nonlinear effects complicate interpretation and subsequent quantitative analysis of data. It has been established that the arching of the data cloud is a consequence of the presence of a significant variation in one or more physical parameters. In particular, it is the result of a significant increase in the variation in the parameters of the brightness or concentration of molecules. These parameters can be as additional measure in assessing the quality of the experiments if only one type of molecule is studied, and also can be used for characterizing the system under study in the case of a mixture of molecules of different types. It is proposed to apply the locally weighted scatterplot smoothing normalization to eliminate the nonlinear effects in the space of principal components.

флуоресцентная флуктуационная спектроскопиягистограмма числа фотоотсчетовимитационное моделированиеметод главных компонентнормировка локального взвешенного сглаживанияfluorescence fluctuation spectroscopyphoton counting histogramsimulation modellingprincipal component analysislocal weighted scatterplot smoothing normalizationReferencesE. L. Elson, D. Magde. Biopolymers, 13, N 1 (1974) 1—27, doi:10.1002/BIP.1974.360130102E. L. Elson, D. Magde. Biopolymers, 13, N 1 (1974) 1—27, doi:10.1002/BIP.1974.360130102A. Kitamura, M. Kinjo. Int. J. Mol. Sci., 19, N 4 (2018) 964(1—18), doi:10.3390/IJMS19040964A. Kitamura, M. Kinjo. Int. J. Mol. Sci., 19, N 4 (2018) 964(1—18), doi:10.3390/IJMS19040964M. A. Hink. Protoplasma, 251, N 2 (2014) 307—316, doi:10.1007/S00709-013-0602-ZM. A. Hink. Protoplasma, 251, N 2 (2014) 307—316, doi:10.1007/S00709-013-0602-ZY. Chen, J. D. Müller, P. T. C. So, E. Gratton. Biophys. J., 77, N 1 (1999) 553—567, doi:10.1016/S0006-3495(99)76912-2Y. Chen, J. D. Müller, P. T. C. So, E. Gratton. Biophys. J., 77, N 1 (1999) 553—567, doi:10.1016/S0006-3495(99)76912-2P. Kask, K. Palo, D. Ullmann, K. Gall. Proc. Nat. Acad. Sci. USA, 96, N 24 (1999) 13756—13761, doi:10.1073/PNAS.96.24.13756PP. Kask, K. Palo, D. Ullmann, K. Gall. Proc. Nat. Acad. Sci. USA, 96, N 24 (1999) 13756—13761, doi:10.1073/PNAS.96.24.13756PB. Huang, T. D. Perroud, R. N. Zare. Chem. Phys. Chem., 5, N 10 (2004) 1523—1531, doi:10.1002/CPHC.200400176B. Huang, T. D. Perroud, R. N. Zare. Chem. Phys. Chem., 5, N 10 (2004) 1523—1531, doi:10.1002/CPHC.200400176T. D. Perroud, B. Huang, R. N. Zare. Chem. Phys. Chem., 6, N 5 (2005) 905—912, doi:10.1002/cphc.200400547T. D. Perroud, B. Huang, R. N. Zare. Chem. Phys. Chem., 6, N 5 (2005) 905—912, doi:10.1002/cphc.200400547K. Palo, Ü. Mets, S. Jäger, P. Kask, K. Gall. Biophys. J., 79, N 6 (2000) 2858—2866, doi:10.1016/S0006-3495(00)76523-4K. Palo, Ü. Mets, S. Jäger, P. Kask, K. Gall. Biophys. J., 79, N 6 (2000) 2858—2866, doi:10.1016/S0006-3495(00)76523-4K. Palo, Ü. Mets, V. Loorits, P. Kask. Biophys. J., 90, N 6 (2006) 2179—2191, doi:10.1529/BIOPHYSJ.105.066084K. Palo, Ü. Mets, V. Loorits, P. Kask. Biophys. J., 90, N 6 (2006) 2179—2191, doi:10.1529/BIOPHYSJ.105.066084V. V. Skakun, R. Engel, A. V. Digris, J. W. Borst, A. J. W. G. Visser. Front Biosci. (Elite Ed.), 3, N 2 (2011) 489—505, doi:10.2741/E264V. V. Skakun, R. Engel, A. V. Digris, J. W. Borst, A. J. W. G. Visser. Front Biosci. (Elite Ed.), 3, N 2 (2011) 489—505, doi:10.2741/E264L. M. Nederveen-Schippers, P. Pathak, I. Keizer-Gunnink, A. H. Westphal, P. J. M. van Haastert, J. W. Borst, A. Kortholt, V. V. Skakun. Int. J. Mol. Sci., 22, N 14, 7300 (2021), doi:10.3390/IJMS22147300L. M. Nederveen-Schippers, P. Pathak, I. Keizer-Gunnink, A. H. Westphal, P. J. M. van Haastert, J. W. Borst, A. Kortholt, V. V. Skakun. Int. J. Mol. Sci., 22, N 14, 7300 (2021), doi:10.3390/IJMS22147300Н. Н. Яцков, В. В. Скакун, Л. Недервин-Шипперс, А. Кортхольт, В. В. Апанасович. Журн. прикл. спектр., 87, № 4 (2020) 628—636 doi:10.1007/S10812-020-01055-6M. M. Yatskou, V. V. Skakun, L. Nederveen-Schippers, A. Kortholt, V. V. Apanasovich. J. Appl. Spectrosc., 87, N 4 (2020) 685—692, doi:10.1007/S10812-020-01055-6I. T. Jollife, J. Cadima. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374, N 2065 (2016), doi:10.1098/RSTA.2015.0202I. T. Jollife, J. Cadima. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374, N 2065 (2016), doi:10.1098/RSTA.2015.0202P. Bassan, A. Kohler, H. Martens, J. Lee, H. J. Byrne, P. Dumas, E. Gazi, M. Brown, N. Clarkefgh, P. Gardner. Analyst., 135, N 2 (2010) 268—277, doi:10.1039/B921056CP. Bassan, A. Kohler, H. Martens, J. Lee, H. J. Byrne, P. Dumas, E. Gazi, M. Brown, N. Clarkefgh, P. Gardner. Analyst., 135, N 2 (2010) 268—277, doi:10.1039/B921056CW. S. Cleveland. J. Am. Stat. Ass., 74, N 368 (1979) 829—836W. S. Cleveland. J. Am. Stat. Ass., 74, N 368 (1979) 829—836P. J. M. van Haastert, I. Keizer-Gunnink, A. Kortholt. J. Cell Biol., 177, N 5 (2007) 809—816, doi:10.1083/JCB.200701134P. J. M. van Haastert, I. Keizer-Gunnink, A. Kortholt. J. Cell Biol., 177, N 5 (2007) 809—816, doi:10.1083/JCB.200701134Н. Н. Яцков. Интеллектуальный анализ данных: пособие, Минск, БГУ (2014)M. M. Yatskou. Data Mining: Manual [in Russ.], BSU, Minsk (2014)I. P. Shingaryov, V. V. Skakun, V. V. Apanasovich. Methods Mol. Biol., 1076 (2014) 743—755, doi:10.1007/978-1-62703-649-8_34I. P. Shingaryov, V. V. Skakun, V. V. Apanasovich. Methods Mol. Biol., 1076 (2014) 743—755, doi:10.1007/978-1-62703-649-8_34J. R. Lakowicz. Principles of Fluorescence Spectroscopy, 3rd ed., Springer, New York (2006), doi:10.1007/978-0-387-46312-4J. R. Lakowicz. Principles of Fluorescence Spectroscopy, 3rd ed., Springer, New York (2006), doi:10.1007/978-0-387-46312-4M. M. Yatskou. Computer Simulation of Energy Relaxation and Transport in Organized Porphyrin Systems, Wageningen (2001)M. M. Yatskou. Computer Simulation of Energy Relaxation and Transport in Organized Porphyrin Systems, Wageningen (2001)W. S. Cleveland. The American Statistician, 35, N 1 (1981) 54, doi: 10.2307/2683591W. S. Cleveland. The American Statistician, 35, N 1 (1981) 54, doi: 10.2307/2683591V. V. Skakun, A. V. Digris, V. V. Apanasovich. Methods Mol. Biol., 1076 (2014) 719—741, doi:10.1007/978-1-62703-649-8_33V. V. Skakun, A. V. Digris, V. V. Apanasovich. Methods Mol. Biol., 1076 (2014) 719—741, doi:10.1007/978-1-62703-649-8_33

The authors declare that there are no conflicts of interest present.