[論文レビュー] Asymptotic and numerical methods for metastable events in stochastic gene networks

Jay Newby|arXiv (Cornell University)|Jan 1, 2015

Gene Regulatory Network Analysis参考文献 6被引用数 3

ひとこと要約

この論文は、自己調節を有する確率的遺伝子ネットワークにおける準安定遷移を分析するための大偏差原理を開発した。この手法により、断熱限界や拡散近似に依存せずに、正確な準停留状態解析が可能となる。この方法は、連続マルコフ過程に対する漸近的および数値的手法を、ランダムな遺伝子スイッチングを含む完全モデルへと拡張し、遺伝子調節における弱いノイズ条件下での厳密なフレームワークを提供する。

ABSTRACT

A general class of stochastic gene expression models with self regulation is considered. One or more genes randomly switch between regulatory states, each having a different mRNA transcription rate. The gene or genes are self regulating when the proteins they produce affect the rate of switching between regulatory states. Under weak noise conditions, the deterministic forces are much stronger than fluctuations from gene switching and protein synthesis. Metastable transitions, such as bistable switching, can occur under weak noise conditions, causing dramatic shifts in the expression of a gene. A general tool used to describe metastability is the quasi stationary analysis (QSA). A large deviation principle is derived so that the QSA can explicitly account for random gene switching without using an adiabatic limit or diffusion approximation, which are unreliable and inaccurate for metastable events.This allows the existing asymptotic and numerical methods that have been developed for continuous Markov processes to be used to analyze the full model.

研究の動機と目的

• 確率的遺伝子ネットワークにおける準安定遷移をモデル化する際の、断熱的および拡散近似の限界を克服すること。
• 自己調節的遺伝子ネットワークにおける弱いノイズ条件を分析するための一般化されたフレームワークを構築すること。
• 連続マルコフ過程に対する既存の漸近的および数値的手法を、完全な確率的遺伝子発現モデルに適用可能にするための手段を提供すること。
• 簡略化仮定に依存せずに、準停留状態解析においてランダムな遺伝子スイッチングを明示的に扱うこと。
• 二価性スイッチングや希少遷移を含む遺伝子発現ダイナミクスにおける準安定性を理解するための厳密な数学的基盤を提供すること。

提案手法

• 自己調節および遺伝子調節状態間のランダムスイッチングを有する確率的遺伝子ネットワークに特化した大偏差原理を導出する。
• 大偏差原理を適用して、断熱限界や拡散近似を必要としない準停留状態解析（QSA）を可能にする。
• 大偏差フレームワークを用いて、弱いノイズ条件下での準安定遷移（例：二価性スイッチング）を記述する。
• 遺伝子スイッチングとタンパク質フィードバックの両方を含む完全なモデルダイナミクスを、漸近的解析フレームワークに統合する。
• 連続マルコフ過程に対する既存の手法を、遺伝子調節状態における離散的ランダムスイッチング事象を含む形に拡張する。
• 確率的遺伝子モデルと大偏差形式的記述の間の明示的関係を確立し、準安定性解析における解析的厳密性を保証する。

実験結果

リサーチクエスチョン

• RQ1 断熱的または拡散近似に依存せずに、確率的遺伝子ネットワークにおける準安定遷移をどのように正確にモデル化できるか？
• RQ2 ランダムな遺伝子スイッチングを自己調節系において取り入れるための数学的フレームワークは何か？
• RQ3 大偏差原理は、遺伝子発現における弱いノイズ誘発遷移の記述をどのように改善するか？
• RQ4 提案手法は、既存の漸近的および数値的手法を、完全な確率的遺伝子ネットワークモデルにどのように拡張するか？
• RQ5 大偏差アプローチが標準的近似よりも準安定性をより正確に記述する条件は何か？

主な発見

• 大偏差原理は、確率的遺伝子ネットワークにおける準安定遷移を分析するための、断熱的および拡散近似の代替としての厳密な手法を提供する。
• この手法により、簡略化仮定に依存せずに、ランダムな遺伝子スイッチングを含む準停留状態解析（QSA）が可能になる。
• 弱いノイズ条件下では、導出された大偏差フレームワークにより、二価性スイッチングなどの準安定遷移が正確に記述される。
• このアプローチにより、連続マルコフ過程に対する既存の漸近的および数値的手法を、完全な確率的遺伝子ネットワークモデルに適用可能になる。
• フレームワークは、自己調節的遺伝子系における決定的力と確率的フラクチュエーションの相互作用を高精度で捉える。
• 解析により、標準的近似では準安定ダイナミクスを正しく捉えられないことが判明した一方、大偏差アプローチは希少事象の領域でも精度を維持する。