本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
生物感測器在代謝限制下運作時通常必須預測其輸入。然而，確定特定感測器是否經過改進或設計為準確且高效是具有挑戰性的。造成這種情況的部分原因是存在交叉目的的功能限制，部分原因是即使在電腦中量化感測器的預測性能也可能需要非常長的模擬，特別是當高度複雜的環境導致感測器失去平衡時。為了克服這些困難，我們開發了新的表達式，用於在非平衡穩態下受到複雜、相關（單線隱藏半馬可夫）環境輸入影響的廣泛條件馬可夫感測器的預測精度和熱力學成本。預測指標包括瞬時記憶和總可預測資訊（當前感測器狀態和輸入未來之間的互資訊），而耗散指標包括從環境中提取的功率和非預測資訊率。成功推導這些公式依賴於識別環境的因果狀態，輸入的最小足夠的統計數據用於預測。使用這些公式，我們研究了大型隨機通道和最簡單的重要生物感測器模型 - Hill 分子模型，其特徵是同時結合的配體數量 - 感測器的協同性。我們發現，看似貧乏的希爾分子可以捕捉比大型隨機通道更可預測的資訊。