图7是在大约5小时内拍摄的单个成纤维细胞的细胞轮廓质心的1分钟位移在1至100分钟的时间滞后时的自相关直方图。该相关图是细胞迁移能力的图片,因为自相关曲线下的面积以及位移的方差,确定总平方位移天2之后的单元格n个1分钟步长:
相关图中与显著自相关相关的最大滞后显示了细胞持续运动的程度。在图8这个最大的滞后表明细胞的速度与大约提前1h的速度显著相关。然而,这种1小时的保留时间并不意味着细胞除了运动本身保留的记忆外,还有其他任何类型的单独记忆。自相关过程的一种非常简单的形式,即一阶自回归或马尔可夫过程,也具有这种性质。这就好比沙漠中的旅行者试图沿着直线行走,使每一步都与前一步的方向准确对齐。除了记住前面的步骤外,这不需要记忆,但任何时刻的行进方向都与前面的许多步骤相关。
部分相关图是揭示成纤维细胞是否对其先前的运动有更复杂的记忆的一种方法。在这种情况下,针对较小滞后时的相关性影响,对每个相关性进行校正。例如,第二个部分自相关在考虑到相邻位移相似的事实后,测量由干预位移分隔的所有位移对之间的相似性。合并的部分相关图图9使用NAg例程G13ACF从合并的自相关中计算。从这个偏相关图中可以看出,前两个或三个偏自相关可能是显著正的。对于离散马尔可夫过程,如沙漠旅行者的行走,应该只有一个非零偏自相关。这表明,成纤维细胞能够更准确地保持其运动速度和方向,而不是通过每个位移与前一个位移之间的相似性来解释。这表明存在一个单独的记忆或引导系统,在持续2或3分钟的微小偏差后,使成纤维细胞回到正常轨道。
虽然2或3分钟不是很长的时间,考虑到成纤维细胞大约需要一个小时才能覆盖其自身长度,但了解运动机制很重要,以发现这种短期记忆的明显证据是否具有误导性。细胞运动观察中有两种内在效应,它们可以结合起来产生虚假的偏自相关。首先,观察到的过程由离散间隔的样本组成,而运动的基本过程是连续的。第二,在估计位置时不可避免地会出现一些错误;成纤维细胞明显偏离其路线可能是由于这些错误。为了解释这些偏自相关是如何产生的,我们必须介绍一些连续随机过程和观测误差的理论。
通过以这种方式对连续O.U.过程进行采样而导出的ARMA(1,1)过程可以通过以下事实来识别θ取决于,因为两者都取决于基础参数β这种关系的细节相当复杂,我们可以在稍后的一篇更具理论性的论文中发表。这里只需说,如果采样间隔相当短,那么,如果⌀的值远高于0·5,那么θ应具有接近2-√3或大约0.268的值。我们从一维过程的考虑中得出这个结果并不重要;很容易表明,我们在上面定义的点自相关与投影到任何轴上的运动的传统自相关具有相同的期望。样本点自相关仅提供两倍于运动的信息,因此可以更好地估计总体值。
可以进一步表明,单元位置随机误差的影响是产生一个更复杂的随机过程,称为ARMA(1,2)模型。在将ARMA模型拟合到细胞易位数据之前,通过对观测误差影响的自方差进行补偿,可以避免这种复杂情况。c(c)o个应将误差方差减少两倍c(c)1应增加误差的方差。然而,这需要事先了解误差的变化,另一种方法是找出观察到的成纤维细胞运动是否像是在取样过程中引入位置误差的O.U.过程。
图10是使用NAg程序G13CAF从自相关函数中获得的成纤维细胞混合1分钟位移的功率谱。这显示了细胞速度和方向的变化是如何分布在不同的频率上的。理论上,采样O.U.过程的频谱应随着频率的增加呈指数下降,随机位置误差的影响是添加另一个频谱,该频谱以高频端误差方差的2/π倍从零到平台呈S形增加。这正是光谱图10看起来像。移动细胞的缓慢变化的速度和方向导致频谱低频端的大浓度,而由观测误差引入细胞轨道的快速随机摆动由向高频端逐渐增加的噪声水平表示。根据高频平台水平估计的误差方差为0.314μ米2当对该估计误差进行自相关补偿并拟合ARMA(1,1)过程时,θ的估计值为0.245,与预期值0.268非常接近。补偿自相关得到的频谱如所示图11因此,在补偿了仅为0.560的观测误差后μm标准差时,自相关结构几乎与采样O.U.过程的预期结构完全相同。