NSM-002
演繹の流れ: CTMC 仮定から実験検証まで
作成日: 2026-05-24 / 更新: 2026-05-24 (Gemini レビュー反映 — Aggregated Markov, Dead time, Detailed Balance, 相関関数格上げ); 2026-05-24 (典拠 Chapter 18 — Colquhoun & Hawkes 1995 追記、5段階 vs 8段階対応表追加) / プレゼン全体ストーリーの骨格 / Mathematics in Neuroscience プレゼン準備
このノートの位置づけ
本ノートは プレゼン全体の論理骨格 を 5 段階に整理したメタノート。各段階の詳細は対応する個別ノートにリンクしている。「なぜ Q 行列なのか」「なぜ指数分布なのか」を一直線の演繹として捉え直したい時に読む。
数学者向けに CTMC の公理 → 半群 → Q → exp(Qt) という順序で進めたい場合は、[NSM-019] 数学者向けプレゼン構成 — B 方式パイプライン
主張: たった 1 つの仮定（CTMC） から、指数分布・指数減衰・Q 行列力学・固有値スペクトル・実験検証可能量まで、すべてが 数学的必然 として降りてくる。仮定そのものを実験的に検証している ことになる。
典拠
Colquhoun, D. & Hawkes, A. G. (1995). The principles of the stochastic interpretation of ion channel mechanisms. Single-Channel Recording , 2nd edition, pp. 397–482. Plenum Press, New York.（第 1 版: 1983 年にも同タイトルの章が存在するが、章番号・ページは異なる。本ノートは 1995 年第 2 版 第 18 章を典拠とする。）
本ノートが提示する 5 段階の論理連鎖 は、上記 Chapter 18 の説明順序を数学者向け 1 時間プレゼン用に再構成・簡略化したものである。Chapter 18 の元の 8 段階と本ノートの 5 段階の対応を下表に示す。
Chapter 18 の 8 段階と本ノート 5 段階の対応
本ノートの段階
Chapter 18 の対応部分
備考
① CTMC 仮定 2 状態モデルの導入 / 指数分布の導出
最も単純な open–shut 2 状態から出発し、滞在時間が指数分布に従うことを示す箇所
② 指数分布 / 指数和減衰 マクロ電流との関係 / 複数 shut 状態への拡張
単一チャネルの指数分布がアンサンブル平均（マクロ電流）の指数減衰に対応することを示す。状態数を増やすと指数の和になる。
③ Q 行列の導入 複数 shut 状態への拡張（行列形式の整備）
遷移速度を成分形式に書き下すと自然に Q 行列が現れる。Chapter 18 では状態数拡張の文脈で導入される。
④ 固有値・分布・相関の予測 dwell time 分布の解析 / 相関の解析 / 確率変数の和の分布
Q 行列の固有値分解から dwell time 分布・open–shut 相関・隣接間隔分布などの予測式が導かれる。
⑤ 実験検証 チャネル数の問題 / 確率変数の和の分布
パッチ内に複数チャネルが存在する場合の補正（確率変数の和）を含め、実測データと予測を照合する際の実際的問題を扱う。
本ノートの簡略化方針
目的: 数学者向け 1 時間プレゼンの骨格として「1 仮定 → 演繹の連鎖 → 実験検証」という
論理構造 を際立たせるため、Chapter 18 の 8 段階から以下の方針で再構成した。
統合: 「2 状態モデル」「指数分布の導出」を仮定（①）として一括。マクロ電流との関係と複数 shut 状態への拡張を②にまとめ、指数の和という共通テーマで統一。格上げ: Q 行列を独立した段階（③）として強調。Chapter 18 では拡張の過程で自然に現れるが、本ノートでは「記法を導入した瞬間に全てが代数化される」という転換点として位置づける。集約: dwell time 分布解析・相関解析・確率変数の和を「Q から計算できる予測量（④）+ 実験検証（⑤）」の 2 段階に集約。予測と検証の論理的分離を明示する。省略: チャネル数推定・missed event 補正・detailed balance などの実際的問題は §5 のサブセクションで言及するにとどめ、数学的骨格の見通しを優先した。
全体フロー — 5 段階の論理連鎖
① 仮定
チャネルの状態遷移は 連続時間マルコフ過程 (CTMC) である
(物理的根拠: 熱平衡・無記憶性)
数学的必然
② 導出
滞在時間 $T$ が 指数分布 に従う ↔ マクロ電流が 指数（和）で減衰
(無記憶性 ⇔ 指数分布 の同値定理)
モデル化
③ Q 行列の導入
系全体は Q 行列 1 つで記述できる
時間発展: $p(t) = p(0)\,e^{Qt}$
予測の導出
④ Q 行列から計算できる量
▸ 固有値 $\lambda_k$
→ 時定数 $\tau_k = -1/\lambda_k$（$\lambda_k < 0$）
▸ 定常分布 $\pi$ ($\pi Q = 0$)
→ 開口確率 $P_{\mathrm{open}}$
▸ Dwell time 分布
→ 指数の混合 / 畳み込み
▸ 相関関数
→ 隣接 dwell の相関・自己相関
(すべて Q の固有値分解から導出可能)
検証
⑤ 実験との一致
記録の時定数・分布・相関が Q 行列の予測と一致 → 仮定の実験的支持
図 1: CTMC 仮定 (①) から実験検証 (⑤) まで一直線に流れる演繹の連鎖。各矢印には論理的接続の種類が記されている。
1 仮定 — CTMC
チャネルの状態遷移は 連続時間マルコフ過程 (CTMC) である
これが唯一の仮定。具体的には次を要請する:
マルコフ性 : 未来は現在の状態のみに依存し、過去履歴に依存しない時間均一性 : 遷移レートは時刻 $t$ に依存しない（電位固定など外部条件が一定）有限状態空間 : チャネルは有限個の離散状態を取る
この仮定の物理的根拠: 熱平衡下では分子のコンフォメーション変化は 過去履歴を持たない （無記憶）。チャネルタンパクが「自分が前にいつ閉じたか」を覚えていないと考えるのは自然。
↓ 数学的必然
2 導出 — 指数分布 / 指数（和）減衰仮定 ① から、観測される 2 種類の量について次が 数学的に必然 として導かれる:
観測量 導かれる形 根拠 滞在時間 $T$（単一状態） 指数分布 $f_T(t) = \mu e^{-\mu t}$ 無記憶性 ⇔ 指数分布 の同値 マクロ電流 $\langle I(t) \rangle$ 指数の和 $\sum_k a_k e^{\lambda_k t}$ で steady state へ緩和 $p(t) = p(0) e^{Qt}$ の固有値分解
単一状態の dwell time は純粋指数だが、「Open / Closed のクラス」 として観測する場合、クラスが複数の状態を含むなら密度は 指数の混合 (mixture) または畳み込み (Erlang/hypoexp) になる。同様にマクロ電流も一般には 1 個ではなく複数の指数の和 で減衰する。「指数関数的減衰」という言葉は厳密には「指数の和による緩和」を指す。
$$P(T > s + t \mid T > s) = P(T > t) \quad \Longleftrightarrow \quad f_T(t) = \mu e^{-\mu t}$$
左辺の無記憶性が CTMC の心臓部であり、右辺の指数分布が その唯一の数学的帰結 である（Cauchy 関数方程式の唯一解）。
↓ モデル化
3 Q 行列の導入仮定 ① の マルコフ性 + 時間均一性 を成分形式で書き下すと、遷移確率行列 $P(t)$ は 1 つの行列 $Q$（生成作用素 / infinitesimal generator） で完全に記述される:
$$\frac{dP(t)}{dt} = QP(t) \quad \Longrightarrow \quad P(t) = e^{Qt}$$
$Q$ の成分の意味:
非対角 $q_{ij} \ge 0$: 状態 $i$ から $j$ への遷移レート
対角 $q_{ii} = -\sum_{j \ne i} q_{ij}$: 状態 $i$ からの脱出レート（負の符号）
初期分布 $p(0)$ が与えられると時間発展は:
$$\boxed{p(t) = p(0) \, e^{Qt}}$$
これが Kolmogorov 順方程式の解 。チャネル状態の全情報がこの 1 行に集約される。
↓ 予測の導出
4 Q 行列から計算できる予測量$Q$ の 固有値分解 $Q = V \Lambda V^{-1}$ から、観測可能な 4 種類の量が直接導かれる:
予測量 $Q$ からの導出 実験での観測 時定数 $\tau_k$ $\tau_k = -1/\lambda_k$（$\lambda_k$ は $Q$ の固有値、$\lambda_k < 0$） マクロ電流の緩和時定数 定常分布 $\pi$ $\pi Q = 0$（$Q$ の左固有ベクトル、固有値 $0$） 長時間平均の開口確率 $P_{\mathrm{open}}$ Dwell time 密度 $f_C(t) = \boldsymbol{\pi}_C e^{Q_{CC}t}(-Q_{CC}\mathbf{1})$ = 指数の混合 or 畳み込み 滞在時間ヒストグラム 相関関数 隣接 dwell の同時分布・自己相関も $Q$ から導出可 O-C 相関係数・autocorrelation function
時定数は厳密には $\tau_k = -1/\lambda_k$（負の逆数）。$Q$ の非零固有値はすべて負（確率保存と離脱性の帰結）なので $\tau_k > 0$ が保証される。並列トポロジー の場合で、直列トポロジー の場合は 畳み込み (Erlang/hypoexponential) （peak 付き）になる。両者は係数 $c_k$ の符号で判別される（観測 pdf 上ではどちらも $\sum_k c_k e^{\lambda_k t}$ の形に書ける）。
4.1 $Q$ の代数的性質 — 特異性と固有値の実数性
$Q$ は次の 2 つの特殊な代数構造を持ち、これが ④ の予測を正当化する:
$Q$ は特異 (singular) : 行和がすべて 0（$Q \mathbf{1} = \mathbf{0}$）なので $\det(Q) = 0$、つまり 固有値 $0$ を必ず 1 つ持つ 。この固有値に対応する左固有ベクトルが定常分布 $\pi$（$\pi Q = 0$）。残りの $n - 1$ 個の固有値はすべて負で、緩和の時定数を与える。Detailed Balance ⇒ 実固有値 : 熱力学的平衡（あるいは外部エネルギー供給による定常状態）下では 微視的可逆性 (microscopic reversibility) が成立し、$\pi_i q_{ij} = \pi_j q_{ji}$（detailed balance）が要求される。これにより $Q$ は適当な対角行列で対称化可能となり、固有値はすべて実数 になる。複素固有値（減衰振動） が原理的に許される。イオンチャネルの定常状態解析では通常 detailed balance を仮定する。
↓ 検証
5 実験との一致 — 仮定の実験的検証④ で計算した予測（時定数・分布・相関）が、実際の single channel recording から測定した値と一致する ことを確認する。一致すれば:
仮定 ①（CTMC）は実験的に支持される
具体的に何を測って何と比較するか:
実験で測る量 Q 予測との比較 滞在時間ヒストグラム（log-binned） $\sum_k c_k e^{\lambda_k t}$ の指数の本数 = $Q_{CC}$ の固有値数 → 状態数推定 マクロ電流の緩和時定数 $Q$ の固有値の絶対値の逆数 定常開口確率 $\pi$ の Open 成分の和 隣接 dwell の相関 $Q$ 全体構造（直列 vs 並列 vs cyclic）
最尤推定（Colquhoun-Hawkes 1981, 1982）の枠組みで、観測 dwell time 列から $Q$ の各成分を直接推定する。状態数の決定は 指数の本数 から、トポロジー（直列/並列/cyclic）は 係数の符号と相関構造 から判別される。同定可能性 (identifiability) の問題 が浮上する: 異なる Q 行列が同じ dwell time 分布を与える場合があり、状態数を超えてトポロジーまで一意に決まるとは限らない。
5.1 観測される量は $Q$ そのものではなく block 部分行列 — Aggregated Markov Process
実験で直接観測できるのは「Open か Closed か」の 2 クラスのみで、各クラス内の個別状態（$C_1, C_2, \dots$ や $O_1, O_2, \dots$）は区別できない。これを Aggregated Markov Process と呼ぶ（Colquhoun & Hawkes 1982, Phil. Trans. R. Soc. Lond. B 300:1–59）。
$$Q = \begin{pmatrix} Q_{OO} & Q_{OC} \\ Q_{CO} & Q_{CC} \end{pmatrix} \quad \xrightarrow{\text{観測}} \quad f_O(t) \text{ には } Q_{OO}, \; f_C(t) \text{ には } Q_{CC} \text{ の固有値のみ現れる}$$
つまり実験データから直接 spectroscopy できるのは $Q$ 全体ではなく、$Q_{OO}, Q_{CC}$ の固有値 。$Q$ 全体の構造は Open/Closed dwell time の 同時分布 や 相関関数 （次の §5.2）から間接的に再構成する。
5.2 相関関数は時定数・分布より強い識別力を持つ
④ の表で挙げた 4 種類の予測のうち、相関関数（隣接 dwell の相関・自己相関） は単なる「軽微な追加」ではなく、モデル識別可能性に本質的 。
Dwell time 分布（1 次モーメント的情報）だけでは 異なる Q 行列が同じ分布を与えうる （identifiability 問題）。
隣接 Open dwell と Open dwell、あるいは Open dwell と次の Closed dwell の 同時分布や相関係数 を取ると、$Q_{OC}, Q_{CO}$ の構造（どの Open 状態がどの Closed 状態と繋がっているか）が判別できる（Fredkin, Montal & Rice 1985）。
これにより 直列 vs 並列 vs cyclic のトポロジー判別が可能になる。
5.3 不感時間 (Dead time) の補正 — Missed event correction
実験的検証で
最大の現実的制約 は、計測系の
時間分解能（不感時間 dead time, 典型的に 20–100 μs） 。これより短い遷移は
検出されず 、結果として観測 dwell time は実際より
長く 歪む。
この歪みを補正する厳密理論が
HJC theory （Hawkes-Jalali-Colquhoun 1990, 1992; Colquhoun, Hawkes & Srodzinski 1996
Phil. Trans. R. Soc. A 354:2555–2590）。実装は
HJCFIT として公開されている。
④ で計算した「理想的な Q 予測」と「観測値」を直接比較すると一般に一致しない。Dead time 補正後の予測分布で比較するのが正しい。
全体総括 — 演繹の連鎖の意義
5 段階を 1 行で:
数学者へのフック: たった 1 つの仮定から、観測可能な複数の量に対する具体的な予測が同時に出てくる 」点にある。実験的に複数の予測が同時に一致すれば、それは仮定の 過剰決定的 (over-determined) な検証になる。
各段階の論理的接続のタイプ
段階間 接続のタイプ 意味 ① → ② 数学的必然 定理: 無記憶性 ⇔ 指数分布（同値） ② → ③ モデル化 無記憶性を成分形式に書き下すと Q 行列 1 つにまとまる ③ → ④ 計算 (演繹) $Q$ の固有値分解から各種予測量を導出 ④ → ⑤ 実験的検証 予測と実測の照合
関連項目
作成日: 2026-05-24 / 更新: 2026-05-24 (Gemini レビュー反映 — Aggregated Markov, Dead time, Detailed Balance, 相関関数格上げ) / プレゼン全体ストーリーの骨格 / Mathematics in Neuroscience プレゼン準備