Single particle tracking (SPT) of fluorescent molecules provides significant insights into the diffusion and relative motion of tagged proteins and other structures of interest in biology. However, despite the latest advances in high-resolution microscopy, individual particles are typically not distinguished from clusters of particles. This lack of resolution obscures potential evidence for how merging and splitting of particles affect their diffusion and any implications on the biological environment. The particle tracks are typically decomposed into individual segments at observed merge and split events, and analysis is performed without knowing the true count of particles in the resulting segments. Here, we address the challenges in analyzing particle tracks in the context of cancer biology. In particular, we study the tracks of KRAS protein, which is implicated in nearly 20% of all human cancers, and whose clustering and aggregation have been linked to the signaling pathway leading to uncontrolled cell growth. We present a new analysis approach for particle tracks by representing them as tracking graphs and using topological events – merging and splitting, to disambiguate the tracks. Using this analysis, we infer a lower bound on the count of particles as they cluster and create conditional distributions of diffusion speeds before and after merge and split events. Using thousands of time-steps of simulated and in-vitro SPT data, we demonstrate the efficacy of our method, as it offers the biologists a new, detailed look into the relationship between KRAS clustering and diffusion speeds.

中文翻译：

---

利用跟踪图中的拓扑事件来理解粒子扩散

荧光分子的单粒子跟踪 (SPT) 提供了对标记蛋白质和其他生物学感兴趣结构的扩散和相对运动的重要见解。然而，尽管在高分辨率显微镜方面取得了最新进展，但通常无法将单个粒子与粒子簇区分开来。这种分辨率的缺乏掩盖了粒子的合并和分裂如何影响它们的扩散以及对生物环境的任何影响的潜在证据。在观察到的合并和分裂事件中，粒子轨迹通常被分解为单独的片段，并且在不知道结果片段中粒子的真实计数的情况下进行分析。在这里，我们解决了在癌症生物学背景下分析粒子轨迹的挑战。我们特别研究了 KRAS 蛋白的轨迹，这与近 20% 的人类癌症有关，其聚集和聚集与导致不受控制的细胞生长的信号通路有关。我们提出了一种新的粒子轨迹分析方法，将它们表示为跟踪图并使用拓扑事件——合并和分裂，来消除轨迹的歧义。使用这种分析，我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。并且其聚集和聚集与导致不受控制的细胞生长的信号通路有关。我们提出了一种新的粒子轨迹分析方法，将它们表示为跟踪图并使用拓扑事件——合并和分裂，来消除轨迹的歧义。使用这种分析，我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。并且其聚集和聚集与导致不受控制的细胞生长的信号通路有关。我们提出了一种新的粒子轨迹分析方法，将它们表示为跟踪图并使用拓扑事件——合并和分裂，来消除轨迹的歧义。使用这种分析，我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。我们提出了一种新的粒子轨迹分析方法，将它们表示为跟踪图并使用拓扑事件——合并和分裂，来消除轨迹的歧义。使用这种分析，我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。我们提出了一种新的粒子轨迹分析方法，将它们表示为跟踪图并使用拓扑事件——合并和分裂，来消除轨迹的歧义。使用这种分析，我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。我们推断粒子数量的下限，因为它们聚集并在合并和分裂事件之前和之后创建扩散速度的条件分布。使用模拟和体外 SPT 数据的数千个时间步长，我们证明了我们方法的有效性，因为它为生物学家提供了对 KRAS 聚类和扩散速度之间关系的新的详细研究。