细胞膜离子单通道电流重构的计算机仿真

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 218-220.

细胞膜离子单通道电流重构的计算机仿真

乔晓艳，吴晋芝，耿晓勇，董有尔

山西大学物理电子工程学院，太原 030006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Computer simulation of current restoration for ionic single-channel

QIAO Xiaoyan，WU Jinzhi，Geng Xiaoyong，DONG You’er

College of Physics and Electronics Engineering，Shanxi University，Taiyuan 030006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 细胞膜离子单通道电流十分微弱（PA级），用膜片钳技术测量离子电流往往淹没在强噪声背景中。目前，采用阈值检测方法恢复通道电流信号。但是，通道开放和关闭的电流阈值需要人为设定，并且阈值法在较低信噪比时失效。采用隐马尔可夫模型（HMM）重构离子单通道电流并估计模型参数。对离子通道HMM进行描述和分析;运用Baum-Welch迭代算法训练HMM并估计模型参数;利用Viterbi算法重构通道电流最佳状态序列。将HMM与阈值法进行比较，对不同信噪比和不同转移概率情况下HMM恢复算法进行计算机仿真。结果表明：HMM与阈值法相比，具有较强抗噪能力。在较低信噪比情况下，该模型恢复信号精度高，参数收敛速度快，且电流重构误差主要出现在状态突变点。

关键词: 离子单通道, 阈值检测法, 隐马尔可夫模型, 电流重构

Abstract: Single ion channel current signal of cell membrane is a stochastic ionic current in the order of picoampere（PA）.The background noise always dominates in the patch-clamp recordings.At present，the threshold detection method is used to restore channel current signal.However，the current threshold need be setted artificially，and this method cannot work satisfactorily when signal-to-noise ratio is lower.Hidden Markov Model（HMM） is adopted for restoring the ion-channel current and estimating parameters of the model.HMM on ion-channel is described and analyzed.Iterative algorithm based Baum-Welch is used for training HMM and estimating model parameters.Viterbi algorithm is adopted for restoring the best state sequence of ion-channel currents.Comparing HMM with the threshold detection method，the algorithm based HMM is simulated under the different transition probability and signal-to-noise ratio.The experimental results have shown that compared with the threshold detector，HMM has strong ability of anti-noise，high restoration precision，and fast convergent rate under the low signal-to-
noise ratio.Moreover，the restored error appears mainly on the mutational points of the current signal.

Key words: ionic single-channel, threshold detector method, Hidden Markov Model（HMM）, current restoration

乔晓艳，吴晋芝，耿晓勇，董有尔. 细胞膜离子单通道电流重构的计算机仿真[J]. 计算机工程与应用, 2011, 47(16): 218-220.

QIAO Xiaoyan，WU Jinzhi，Geng Xiaoyong，DONG You’er. Computer simulation of current restoration for ionic single-channel[J]. Computer Engineering and Applications, 2011, 47(16): 218-220.

[1]	吴楚田，陈永乐，陈俊杰. 多协议交叉的HMM协议异常检测算法[J]. 计算机工程与应用, 2020, 56(8): 81-86.
[2]	贾志淳，卢元，李想，邢星. 一种多参数的Web服务选择方法[J]. 计算机工程与应用, 2019, 55(21): 74-78.
[3]	杨世强，罗晓宇，李小莉，杨江涛，李德信. 基于DBN-HMM的人体动作识别[J]. 计算机工程与应用, 2019, 55(15): 169-176.
[4]	郇战，李晨，万彩艳，陈学杰. 基于步行加速度信息分割的人员识别[J]. 计算机工程与应用, 2019, 55(1): 203-209.
[5]	吴小全1，2，李晖1，2，陈梅1，2，戴震宇1，2. DRVisSys：基于属性相关性分析的可视化推荐系统[J]. 计算机工程与应用, 2018, 54(7): 251-256.
[6]	马正华1，李雷2，乔玉涛2，戎海龙3，曹海婷2. 基于多传感器融合的动态手势识别研究分析[J]. 计算机工程与应用, 2017, 53(17): 153-159.
[7]	肖晓红1，张懿2，刘冬生1，欧阳春娟1. 基于隐马尔可夫模型的音乐分类[J]. 计算机工程与应用, 2017, 53(16): 138-143.
[8]	戈永侃，于凤芹. 后置滤波器参数自适应的语音合成改进算法[J]. 计算机工程与应用, 2017, 53(1): 168-171.
[9]	胡一帆，胡友彬，李骞，耿冬冬. 基于视频监控的人脸检测跟踪识别系统研究[J]. 计算机工程与应用, 2016, 52(21): 1-7.
[10]	姜芳1，2，李国和1，2，3，岳翔4，吴卫江1，2，3，洪云峰3，刘智渊3，程远3. 基于粗分和词性标注的中文分词方法[J]. 计算机工程与应用, 2015, 51(6): 204-207.
[11]	杨明霞1，3，王万良1，2，邵鹏飞1，4. WSNs中基于隐马尔科夫模型的目标识别问题研究[J]. 计算机工程与应用, 2015, 51(22): 228-232.
[12]	张继军1，马登武2，王琳1. 基于改进HMM的模拟电路早期故障识别和诊断[J]. 计算机工程与应用, 2014, 50(3): 261-264.
[13]	杨秋芬1，2，桂卫华1，胡豁生1，阳若宁2. Gabor小波优化HMM算法的眼部疲劳状态识别[J]. 计算机工程与应用, 2014, 50(15): 13-17.
[14]	陈莉，古丽拉·阿东别克. 基于HMM的柯尔克孜语词性标注的研究[J]. 计算机工程与应用, 2014, 50(15): 120-124.
[15]	包希日莫1，高光来1，张璟2. 基于遗传算法的声学模型拓扑结构优化[J]. 计算机工程与应用, 2014, 50(14): 5-8.