I gymnasiet kemi, vi lärde oss alla om kemiska reaktioner. Men vad förenar två reagerande molekyler? Som förklarat för oss av Einstein, det är den slumpmässiga rörelsen av inerta molekyler som drivs av bombardemang av lösningsmedelsmolekyler. Om de förs tillräckligt nära varandra, av en slump, dessa molekyler kan reagera.

Att fånga rörelsen hos enstaka molekyler uppnås med en metod som kallas fluorescenskorrelationsspektroskopi (FCS). Fångsten? Det krävs väldigt många upptäckter av ljuspartiklar, fotoner, emitteras av enstaka molekyler för att få en tydlig bild av molekylär rörelse.

Som en illustration, tänk på en politisk undersökning. När som helst i en kampanjcykel, undersökningar används för att förutsäga resultatet av ett kommande val. Men hur många väljare måste vi förhöra för att få en korrekt förutsägelse och, med tanke på hur tidskänslig omröstningsinformation är, hur snabbt kan vi undersöka nationens politiska lutningar? Att fråga varje väljare i varje stat skulle ge korrekta resultat men vara för kostsamt i tid och dollar. Av praktiska skäl, vi måste ta ett urval av väljare och effektivt utnyttja all information som finns i det urvalet. Väljarna i den här illustrationen är våra ökända fotoner här.

Den långa tid som krävs för att skaffa data i FCS är precis som den naiva pollingstrategi som belysts tidigare. Det tar för lång tid, och den kemi vi bryr oss om att lära oss kanske redan är gjord. Vidare, exponering av prover för lasern under långa tidsperioder kan resultera i fotokemisk skada på molekyler som studeras, förhindra den utbredda användningen av FCS i biologisk forskning.

"Enkelmolekylära fluorescenstekniker har revolutionerat vår förståelse av dynamiken i många kritiska molekylära processer, men signaler är i sig brusiga och experiment kräver långa inhämtningstider, " förklarade Marcia Levitus, en docent vid Institutionen för molekylära vetenskaper och Biodesigninstitutet.

Detta arbete utnyttjar nya verktyg från datavetenskap för att få varje detekterad foton att räknas och förfina vår bild av molekylär rörelse.

"Nya matematiska verktyg gör det möjligt att tänka på gamla men kraftfulla experiment i ett nytt ljus, " sa Steve Pressé, huvudförfattare på studien och gemensam professor vid institutionen för fysik och skolan för molekylära vetenskaper vid ASU vid Arizona State University.

En tidning publicerad i Naturkommunikation av Pressé och medarbetare tar nu upp dessa problem med hjälp av verktyg från datavetenskap och, mer specifikt, Bayesian nonparametrics — en typ av statistiskt modelleringsverktyg som hittills till stor del använts utanför naturvetenskaperna. Levitus tillägger "Gamla strategier begränsade vår förmåga att undersöka allt annat än långsamma processer, lämnar ett stort antal intressanta biologiska frågor som involverar snabbare kemiska reaktioner utom räckhåll. Nu kan vi börja ställa frågor om processer som lösts på kort tid."