[論文レビュー] Fluctuation analysis with cell deaths

Bernard Ycart|arXiv (Cornell University)|Jul 18, 2012

Complex Systems and Time Series Analysis参考文献 18被引用数 9

ひとこと要約

この論文は、細胞死を組み込むために古典的Luria-Delbrückモデルを拡張し、新しい3パラメータ分布LDD(α, ρ, δ)を導入した。この分布は元のモデルを一般化する。シミュレーション、計算、推定手法を提供しており、δが既知であればαとρは信頼性高く推定可能であるが、通常のフラクチュエーション解析データではδ自体が非常に高い不確実性を伴うため、正確に推定できない。したがって、事前の知識がない場合、実用上はδを無視することが正当化される。

ABSTRACT

The classical Luria-Delbrück model for fluctuation analysis is extended to the case where cells can either divide or die at the end of their generation time. This leads to a family of probability distributions generalizing the Luria-Delbrück family, and depending on three parameters: the expected number of mutations, the relative fitness of normal cells compared to mutants, and the death probability of mutants. The probabilistic treatment is similar to that of the classical case; simulation and computing algorithms are provided. The estimation problem is discussed: if the death probability is known, the two other parameters can be reliably estimated. If the death probability is unknown, the model can be identified only for large samples.

研究の動機と目的

• 細胞死を組み込むことで古典的Luria-Delbrückモデルを拡張し、生物学的に現実的だがしばしば無視されている要因を反映すること。
• 突然変異、相対的適合度、変異株の死滅確率を含む、Luria-Delbrück族を一般化する新しい確率分布LDD(α,ρ,δ)を構築すること。
• 新しいLDD分布に対する統計的手法—シミュレーション、計算、パラメータ推定—を提供すること。
• 実験データから死滅確率δの推定の信頼性を評価すること、特に小標本の場合。
• δが未知である場合に、細胞死を無視してもパラメータ推定が正当化されるかどうかを検証すること。

提案手法

• モデルは年齢依存の世代を持つBellman-Harris分岐過程を用い、通常細胞は分裂・突然変異・死滅のいずれかを経験し、変異株細胞は分裂または死滅する。
• 変異株の漸近的数の確率生成関数（PGF）は、g_{α,ρ,δ}(z) = exp(α(h_{ρ,δ}(z) - 1)) として導出され、h_{ρ,δ}(z)はρとδを含む積分で定義される。
• パラメータは：α（突然変異の期待数）、ρ（通常細胞と変異株細胞の相対的適合度）、δ（変異株細胞の死滅確率）。
• シミュレーションおよび確率計算アルゴリズムは、古典的Luria-Delbrück手法を基盤とし、死滅イベントを考慮するように修正された。
• パラメータ推定は、生成関数に基づく手法を用い、HamonとYcart（2012）の手法を3パラメータケースに拡張した。
• モデルの適合度を評価するために、信頼区間およびPGFとCDFの距離（適合度指標）が計算された。

実験結果

リサーチクエスチョン

• RQ1 古典的Luria-Delbrückモデルは、細胞死を含めることで意味的に拡張可能であり、その結果得られる確率分布は何か？
• RQ2 変異株細胞の死滅を含めると、α（突然変異率）とρ（相対的適合度）の推定にどのような影響を与えるか？
• RQ3 通常のフラクチュエーション解析データから、死滅確率δは信頼性高く推定可能か？特にα × n < 10^5 の場合に。
• RQ4 真のδが0でないにもかかわらずδ = 0と仮定した場合、αとρの推定精度にどのような影響を与えるか？
• RQ5 LDD(α,ρ,δ)分布は、既存の計算ツールを用いて効果的にシミュレートされ、統計的に分析可能か？

主な発見

• LDD(α,ρ,δ)分布は古典的Luria-Delbrückモデルを一般化し、ρとδに依存する積分を含むPGFで特徴づけられる。
• δが既知であれば、生成関数に基づく手法を用いてαとρは信頼性高く推定可能であり、突然変異の期待数αが大きいほど推定精度が向上する。
• Boeら（1994）の実データでは、δ = 0.06で最も良い適合が得られたが、δの95％信頼区間は±0.13にわたり、高い不確実性を示している。
• αとρの推定値はδに応じてわずかに変化するが、その影響はδそのものと同数量級であり、δを無視してもαとρの推定にほとんど影響がないことが示唆される。
• α × n < 10^5 である小標本では、δは信頼性なく推定可能ではなく、異なるδ値でもほぼ同一の適合度が得られる。
• 報告される死滅確率は通常数パーセント程度であり、αとρの推定に与える影響は無視できるほど小さい。したがって、事前の知識がない場合、δ = 0と仮定することは正当化される。