[論文レビュー] Stochastic fluctuations can reveal the feedback signs of gene regulatory networks at the single-molecule level

Chen Jia, Peng Xie+2 more|arXiv (Cornell University)|Mar 19, 2017

Gene Regulatory Network Analysis参考文献 33被引用数 6

ひとこと要約

本論文は、単一分子レベルの遺伝子発現における確率的ゆらぎを用いて、遺伝子調節ネットワークのフィードバックトポロジー（正のフィードバック、負のフィードバック、またはなし）を推定する理論的枠組みを提案する。非線形フィードバック下での解析的定常状態タンパク質分布を導出することで、ノイズ分解——特にフィードバック係数とスイッチングノイズ——が、フィードバックの符号を一意に特定できることを明らかにした。この予測はヒト細胞における合成回路のデータで検証された。

ABSTRACT

Understanding the relationship between spontaneous stochastic fluctuations and the topology of the underlying gene regulatory network is of fundamental importance for the study of single-cell stochastic gene expression. Here by solving the analytical steady-state distribution of the protein copy number in a general kinetic model of stochastic gene expression with nonlinear feedback regulation, we reveal the relationship between stochastic fluctuations and feedback topology at the single-molecule level, which provides novel insights into how and to what extent a feedback loop can enhance or suppress molecular fluctuations. Based on such relationship, we also develop an effective method to extract the topological information of a gene regulatory network from single-cell gene expression data. The theory is demonstrated by numerical simulations and, more importantly, validated quantitatively by single-cell data analysis of a synthetic gene circuit integrated in human kidney cells.

研究の動機と目的

• 遺伝子発現における内部的確率的ゆらぎが、遺伝子調節ネットワークのトポロジカル構造とどのように関係するかを理解すること。
• ノイズを含む単細胞遺伝子発現データからフィードバックトポロジー（正、負、なし）を推定するという課題に取り組むこと。
• 動的パラメータの事前知識が不要な状態で、単細胞データからトポロジカル情報を抽出する手法を開発すること。
• ヒト腎細胞における合成遺伝子回路からの実験データを用いて、理論的枠組みを検証すること。

提案手法

• 非線形フィードバック調節を伴う3段階のマコフ過程としての確率的遺伝子発現の解析的定常状態タンパク質分布を導出する。
• 全タンパク質ノイズをフィードバックフリーのノイズ、プロモーターのスイッチングノイズ（ηs）、およびフィードバック係数（ηf）に分離するノイズ分解式を導入し、高速なプロモーターのスイッチングが成立する条件下で有効であることを示す。
• 有効転写率の関数的形 c_n = (a_n s + b_n r)/(a_n + b_n) を用いてフィードバックトポロジーを符号化する：正のフィードバックでは増加し、負のフィードバックでは減少する。
• 実験的分布からのηfとηsの推定を通じて、単細胞データに適用し、フィードバックの符号を推定する。
• さまざまなフィードバック強度とスイッチング速度の下で、数値シミュレーションを用いて手法の妥当性を確認する。
• 確率的シミュレーションにギブスプロセス（Gillespie）アルゴリズムを用い、ヒト細胞における合成遺伝子回路からの実際の単細胞データを分析する。

実験結果

リサーチクエスチョン

• RQ1 単一分子レベルの遺伝子発現における確率的ゆらぎは、遺伝子ネットワークにおけるフィードバック調節の符号を明らかにできるか？
• RQ2 非線形フィードバック調節は、タンパク質コピー数の定常状態分布にどのように影響するか？
• RQ3 ノイズ分解を用いて、単細胞発現データから遺伝子調節ネットワークのトポロジー（正、負、またはフィードバックなし）を推定できるか？
• RQ4 プロモーターのスイッチングノイズ（ηs）とフィードバック係数（ηf）は、フィードバックタイプを区別するために果たす役割は何か？
• RQ5 本手法は、実験的ノイズやフィードバック調節の非線形性に対してどれほど頑健か？

主な発見

• フィードバック係数ηfは正のフィードバックでは正、負のフィードバックでは負となり、ノイズ分解からの直接的なフィードバック符号の推定が可能である。
• 理論的予測では、負のフィードバックネットワークではタンパク質ノイズが1/q⟨n⟩で下限づけられ、強い抑制状態において従来の近似よりもタイトな境界を与えると予測される。
• 数値シミュレーションにより、正のフィードバックではノイズがフィードバック強度に応じて増加し、負のフィードバックでは減少することが確認され、解析的予測と整合的である。
• 本手法は、ヒト腎細胞における合成遺伝子回路からの単細胞データにおいて、フィードバックトポロジーを正確に同定でき、定量的検証が達成された。
• 分解式は、高い非線形性が存在する状況でも、全3つのノイズ成分（フィードバックフリー、スイッチング、フィードバック）を実験データから頑健に推定できる。
• 高速なプロモーターのスイッチング条件下でも本手法は有効であり、従来の拡散近似に代わる非摂動的・解析的代替手法を提供する。