Abstract Axial force-spectroscopy with optical tweezers provides a natural geometry for performing rupture force measurements of protein and nucleic acid binding interactions. Axial traps, however, are typically weaker than their lateral counterparts requiring a high laser power to maintain a well calibrated, linear restoring force. Moreover, at higher forces, unless the surface tethering is carefully designed, various linkages involved in the tethering may rupture before the actual system of interest. Here we show how rupture force measurements on surface tethered molecules, up to a maximum force of ∼ 45 pN, may be designed and performed with axial optical tweezers. As both a proof of principle and a study in designing a protein handle, we explore the rupture forces involved in detaching ssDNA oligomers of varying lengths from a tethered DNA substrate. We find that the presence of short stretches of ssDNA, between the bound oligomer and substrate DNA, can significantly stabilize the binding interaction under an applied force.

This paper presents a new methodology for generating continuous statistical distributions, integrating the exponentiated odds ratio within the framework of survival analysis. This new method enhances the flexibility and adaptability of distribution models to effectively address the complexities inherent in contemporary datasets. The core of this advancement is illustrated by introducing a particular subfamily, the “Type 2 Gumbel Weibull-G family of distributions”. We provide a comprehensive analysis of the mathematical properties of these distributions, including statistical properties such as density functions, moments, hazard rate and quantile functions, Rényi entropy, order statistics, and the concept of stochastic ordering. To test the robustness of our new model, we apply five distinct methods for parameter estimation. The practical applicability of the Type 2 Gumbel Weibull-G distributions is further supported through the analysis of three real-world datasets. These real-life applications illustrate the exceptional statistical precision of our distributions compared to existing models, thereby reinforcing their significant value in both theoretical and practical statistical applications.