Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen
Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen
Auflösung des schnellen Schaltens bei Patch-Clamp Untersuchungen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Kapitel 7: Meßergebnisse<br />
Reale Messungen haben aber mehr als einen Kanal und meistens mehr Zustände als das<br />
OC Modell. Dies gestaltet die kinetische Untersuchung eines realen Kanals sehr<br />
schwierig.<br />
Um zu überprüfen, ob der Mechanismus von Draber und Hansen (1994) auch hier zutrifft,<br />
wird zuerst versucht, mit Hilfe der Dwell-Time-Histogramme (Abschnitt 7.3) das richtige<br />
Markov-Modell zu finden. Prinzipiell ist dieses Problem nicht eindeutig (Kienker, 1989).<br />
Allerdings genügt es für die Fragestellung hier, eine korrekte kinetische Beschreibung zu<br />
gewinnen. Es ist für die Berechnung <strong>des</strong> mittleren Stromes nicht notwendig, das "wahre"<br />
Modell aus einer Klasse kinetisch äquivalenter Modelle zu bestimmen.<br />
Die erste Information über die Anzahl der Zustände <strong>des</strong> Modells gewinnt man aus der<br />
Anzahl der Zeitkonstanten, die notwendig für den Fit der Dwell-Time-Histogramme sind. Die<br />
entsprechenden Diagramme ergeben so die Anzahl der Offen- und Geschlossenzustände.<br />
Danach werden die Ratenkonstanten ermittelt und die in verschiedenen Badlösungen<br />
erhaltenen Werte miteinander verglichen. Daraus gewinnt man die in obigen Gleichungen<br />
wichtigen Besetzungswahrscheinlichkeiten je<strong>des</strong> einzelnen Zustands. Ausgehend von der<br />
Betrachtung der Übergangsraten und Besetzungswahrscheinlichkeiten wird ein Teilsystem <strong>des</strong><br />
Markov-Modells ausgewählt, das verantwortlich für das schnelle Schalten ist. Für dieses<br />
Teilmodell werden wieder die Besetzungswahrscheinlichkeiten bestimmt. Mit Hilfe einer<br />
ähnlichen Beziehung kann dann wie in Formel 7.3 der scheinbare (gemittelte)<br />
Einzelkanalstrom abgeschätzt werden. Mit dieser Abschätzung wird versucht, die Hypothese<br />
<strong>des</strong> <strong>schnellen</strong> <strong>Schaltens</strong> für die scheinbaren Stromreduzierungen zu untermauern.<br />
7.3 Verweildauerhistogramme<br />
7.3.1 Analyseprogramme<br />
Im obigen Abschnitt wurde der Weg skizziert, um aus der kinetischen Analyse die<br />
Hypothese der Einzelkanalstromreduzierung durch schnelles Schalten zu verifizieren. Hierzu<br />
muß das Zeitverhalten <strong>des</strong> Kanals mathematisch beschrieben werden. Im Abschnitt 4.1 sind<br />
die für diesen Zweck benutzten Markov-Prozesse dargestellt.<br />
Das Schaltverhalten wird mit Hilfe der Ratenkonstanten der Übergänge zwischen den<br />
Zuständen <strong>des</strong> Kanals direkt beschrieben. Im Rahmen dieser Ar<strong>bei</strong>t interessiert die Änderung<br />
der Ratenkonstanten <strong>bei</strong> den unterschiedlichen Lösungen und Temperaturen.<br />
Es gibt zwei Möglichkeiten, die Ratenkonstanten zu bestimmen. Die erste Methode ist<br />
der direkte Fit der Zeitreihe mit einem Hidden-Markov-Modell (HMM-Fit). Das Attribut<br />
„Hidden“ bekommt ein Markov-Modell, wenn mehrere kinetisch verschiedene Zustände zur<br />
gleichen elektrischen Leitfähigkeit führen (mehrere O- oder C-Zustände) und/oder das<br />
Ausgangssignal durch Rauschen gestört ist. Bei<strong>des</strong> trifft hier zu.<br />
Beim direkten Zeitreihenfit wird ausgehend vom Zustand <strong>des</strong> Kanals zum Zeitpunkt nT<br />
die Wahrscheinlichkeit <strong>des</strong> Zustan<strong>des</strong> zum Zeitpunkt (n+1)T mit einem 1-Schritt<br />
Prädiktionsalgorithmus geschätzt und mit dem gemessenen Strom verglichen (Horn und<br />
Lange 1983; Fredkin und Rice, 1992; Albertsen und Hansen, 1994; Klein et al., 1997). Die<br />
Ratenkonstanten <strong>des</strong> verwendeten Modells werden so lange mit einem Simplex Algorithmus<br />
(Nedler und Mead, 1965; Caceci und Cacheris, 1984) variiert, bis das Maximum der<br />
Likelihood für die gemessene Zeitreihe erreicht ist.<br />
Der Nachteil dieser Analyse ist wie <strong>bei</strong> allen Verfahren, daß das Modell bekannt sein<br />
muß, so daß verschiedene Modelle sequentiell getestet werden müssen, um das mit der<br />
maximalen Maximum-Likelihood auszuwählen. Daraus ergibt sich das Hauptproblem: der<br />
43