[論文レビュー] Defining Autocatalysis in Chemical Reaction Networks

Jakob L. Andersen, Christoph Flamm+2 more|University of Southern Denmark Research Portal (University of Southern Denmark)|Jul 7, 2021

Origins and Evolution of Life参考文献 43被引用数 10

ひとこと要約

本稿では、整数ハイパーフローと拡張ハイパーグラフを用いた形式的枠組みを提案し、化学反応ネットワークにおける自己触媒反応を定義・同定するものであり、従来の定義に曇りがかった点を解消する。反応の時間的順序を捉えるためにサイクルとイヤー（耳）のモチーフを導入し、代謝ネットワークにおける自己触媒経路の正確な検出を可能にし、応用により37種のコアな分子が全体的および排他的に自己触媒的であることが明らかになった。

ABSTRACT

Autocatalysis is a deceptively simple concept, referring to the situation that a chemical species $X$ catalyzes its own formation. From the perspective of chemical kinetics, autocatalysts show a regime of super-linear growth. Given a chemical reaction network, however, it is not at all straightforward to identify species that are autocatalytic in the sense that there is a sub-network that takes $X$ as input and produces more than one copy of $X$ as output. The difficulty arises from the need to distinguish autocatalysis e.g. from the superposition of a cycle that consumes and produces equal amounts of $X$ and a pathway that produces $X$. To deal with this issue, a number of competing notions, such as exclusive autocatalysis and autocatalytic cycles, have been introduced. A closer inspection of concepts and their usage by different authors shows, however, that subtle differences in the definitions often makes conceptually matching ideas difficult to bring together formally. In this contribution we make some of the available approaches comparable by translating them into a common formal framework that uses integer hyperflows as a basis to study autocatalysis in large chemical reaction networks. As an application we investigate the prevalence of autocatalysis in metabolic networks.

研究の動機と目的

• 異なる化学反応ネットワークモデルにおける自己触媒反応の定義に生じる概念的不一致を解消すること。
• 触媒サイクルと、物質の純増を生じる真の自己触媒サイクルとの明確な区別を形式化すること。
• 大規模ネットワークにおける自己触媒的物質を同定する数学的に厳密かつ計算的に実行可能な手法を開発すること。
• この枠組みを実際の代謝ネットワークに適用し、コアな自己触媒的分子を同定すること。
• 反応ネットワークにおける構造的自己触媒反応の包括的な数学的理論の基盤を確立すること。

提案手法

• 化学反応ネットワークを整数ハイパーフローとして表現し、化学 Stoichiometric なバランスと反応フラックスをモデル化する。
• 時間的順序と反応順序制約を静的フローを超えて表現するため、拡張ハイパーグラフを導入する。
• 自己触媒反応をサイクルとイヤーのモチーフにより定義する：頂点 X を通るサイクルに、X の追加コピーを生成してから再びサイクルに戻る枝（イヤー）が接続されているもの。
• ルーティング制約を適用し、フローが化学的経路として物理的に解釈可能であることを保証する。
• 5つのゲノムスケール代謝モデル（iJO1366, iMM904 など）にこの枠組みを適用し、自己触媒的物質を同定する。
• 「排他的自己触媒性」を形式化するため、サイクル自身の生成物を除いて外部入力が不要であることを要件とする。

実験結果

リサーチクエスチョン

• RQ1 複雑な化学反応ネットワークにおいて、自己触媒反応を曇りのない方法で形式的に定義するにはどうすればよいか？
• RQ2 自己触媒系における反応の時間的および化学 Stoichiometric な順序を捉えるために、どのような数学的構造が必要か？
• RQ3 ゲノムスケール代謝ネットワークにおいて、全体的および排他的に自己触媒的である分子は何か？
• RQ4 標準的な代謝モデルには、主要代謝物の純増を生じる自己触媒サイクルがどの程度含まれているか？
• RQ5 拡張ハイパーグラフ枠組みは、従来のフロー分析では見逃されがちな自己触媒機構を検出できるか？

主な発見

• この枠組みにより、5つのゲノムスケール代謝モデルにおいて37種の分子が全体的および排他的に自己触媒的であることが明確に同定された。
• サイクルとイヤーのモチーフは、単純なサイクルを超えた真の自己触媒反応を同定するためのトポロジカルに整合的で数学的に形式化可能な条件を提供する。
• 整数ハイパーフローと拡張ハイパーグラフの組み合わせにより、化学Stoichiometricバランスと反応順序制約を同時にモデル化できる。
• この手法は、標準的なフラックス解析だけでは明らかでない代謝ネットワーク内の自己触媒経路を検出できる。
• このアプローチにより、ATP、GTP、UDP-グルコース、フォル酸誘導体などのコア代謝物が代謝における自己触媒コアの中心的役割を果たしていることが明らかになった。
• 本研究は、自己触媒反応が理論的構成物にとどまらず、現実の代謝ネットワークにおいても広く見られる構造的特徴であることを示した。