[論文レビュー] Fragmentation dynamics of DNA sequence duplications

M. V. Koroteev, Jonathan Miller|arXiv (Cornell University)|Apr 4, 2013

Fractal and DNA sequence analysis参考文献 2被引用数 4

ひとこと要約

本稿では、DNA配列の繰り返しの定常分布を解析的に導出する離散的二重化・置換モデルを提案し、パラメータのチューニングなしに指数−3の代数的長さ分布が自然に出現することを示している。このモデルは断片化ダイナミクスに写像可能であり、二重化と点突然変異の相互作用によって自然ゲノムに観察される−3乗法則の尾部が説明可能であり、シミュレーションおよび生物学的推定値と定量的に整合する。

ABSTRACT

Motivated by empirical observations of algebraic duplicated sequence length distributions in a broad range of natural genomes, we analytically formulate and solve a class of simple discrete duplication/substitution models that generate steady-states sharing this property. Continuum equations are derived for arbitrary time-independent duplication length source distribution, a limit that we show can be mapped directly onto certain fragmentation models that have been intensively studied by physicists in recent years. Quantitative agreement with simulation is demonstrated. These models account for the algebraic form and exponent of naturally occuring duplication length distributions without the need for fine-tuning of parameters.

研究の動機と目的

• 自然ゲノムにおける繰り返し配列長の経験的代数的分布、特に−3乗法則の指数を説明すること。
• 繰り返し源分布の微調整を必要としない、この分布を再現する二重化・置換モデルの構築。
• 二重化ダイナミクスと統計物理学でよく知られた断片化プロセスとの直接的対応関係の確立。
• 特に二重化源分布の一次モーメントに関連して、−3指数がどのように出現するかの条件の特定。
• 漸近的パrameter解析を用いて、実ゲノムにおける非代数的または異なる指数の分布といった−3則からの逸脱を説明すること。

提案手法

• 時間離散の確率的モデルを定式化し、配列の二重化がレートβで発生し、長さmの断片が源分布P(m)からコピーされ、染色体の他の場所に挿入される。
• 時間発展を記述するマスター方程式（式1）を導出。二重化に起因する断片化と、レートμでの塩基置換を組み込む。
• 連続体極限において、統計物理学で研究されている断片化モデルに直接写像される偏微分方程式（式7）を導出。
• マスター方程式の定常解を解析し、m ≪ M₁のとき、二重化源分布の一次モーメントM₁に依存して−3指数が漸近的に出現することを示す。
• 数値シミュレーションを用いて解析的予測を検証し、観測された長さ分布と定量的に一致することを示す。
• μ/λ（突然変異率／二重化率）のさまざまな漸近的レジームを検討し、パラメータスケーリングに応じて異なる指数または非代数的形態が出現することを示す。

実験結果

リサーチクエスチョン

• RQ1 なぜ自然ゲノムにおける繰り返し配列長の分布が、顕著なチューニングなしに−3乗法則の分布を示すのか？
• RQ2 二重化プロセスと点突然変異がどのように相互作用し、代数的尾部を持つ定常長さ分布を生じるのか？
• RQ3 二重化源分布の一次モーメントM₁が定常状態での観察指数を決定する役割は何か？
• RQ4 特定の源分布を仮定せず、最小限の二重化と置換のモデルから観察される−3指数を解析的に導出できるか？
• RQ5 どのようなパrameterレジームで非代数的または異なる指数の分布が出現し、それらは実ゲノムデータとどのように関係するのか？

主な発見

• 二重化源分布の具体的な形に依存せず、m ≪ M₁のとき、モデルの定常状態で−3指数が自然に出現する。
• モデルの定常解は、シミュレーションと定量的に一致し、広いパrameter条件下でも指数−3の代数的尾部の頑健性を確認する。
• ヒト染色体3では、30 bp以上の同一繰り返し配列が約600万〜700万年前に出現したと推定され、ヒト・チンパンジーの分化時と整合的である。
• ヒトchr.3では平均二重化長M₁ ≈ 300 bp、二重化レートβ ≈ 500/10⁶年、突然変異レートμ ≈ 10⁻⁵/塩基/時間単位であり、μ ≫ λレジームにある。
• モデルは、μ ≈ λまたはm ≫ M₁レジームでは、異なる指数または非代数的分布が出現すると予測しており、実ゲノムの観察された逸脱（例：補足図3）と整合的である。
• ダイナミクスは直接的に断片化プロセスに写像可能であり、ゲノム的二重化と物理的断片化モデルとの理論的リンクを確立し、M₁が観察される指数の主要制御パrameterであることを示す。