基于小波的压缩和峰值检测方法用于三种状态下实验估计微管动态不稳定参数的研究
摘要：微管束（MTs）表现出生长、收缩和暂停的三种转变状态。在本文中，我们首先介绍了一个三状态随机演化模型，作为研究MTs在生长、暂停和收缩三个转变状态下动力学的框架。然后，我们引入了一个非传统的堆栈运行编码方案，使用5个符号来检测转变状态，并对MT实验数据进行编码。峰值检测是在小波域中进行的，以有效地检测这三种转变状态。包含峰值信息的编码的一个优势是，在解码阶段之后无需进行进一步处理，就能够高效地检测和编码这些峰值。实验证明，使用这种非传统的堆栈运行编码形式，与传统的堆栈运行编码和运行长度编码方案相比，具有更好的压缩和重构性能。对于被建模为三个状态的MTs的参数进行估计，结果显示在较低的压缩率下与原始MT数据非常接近。随着压缩率的增加，我们可能会丢弃掉检测MTs转变状态所需的细节。因此，选择合适的压缩率是在信号重构中容许的错误水平、参数估计和MT数据压缩率之间的权衡。
作者：Shantia Yarahmadian, Vineetha Menon, Majid Mahrooghy, and Vahid A. Rezania
论文ID：1510.07290
分类：Subcellular Processes
分类简称：q-bio.SC
提交时间：2015-10-27