[논문 리뷰] Asymptotic Evolution of Protein-Protein Interaction Networks for General Duplication-Divergence Models

Kirill Evlampiev, Hervé Isambert|ArXiv.org|2006. 11. 22.

Bioinformatics and Genomic Networks참고 문헌 1인용 수 3

한 줄 요약

이 논문은 단백질-단백질 상호작용(PPI) 네트워크의 渐近적 진화를 연구하기 위해 일반적 복제-다양화(GDD) 모델을 제안한다. 이 모델은 6개의 γ 매개변수를 통해 복제 유래 상호작용의 확률적 선택을 포함한다. 분석적으로 장기적 네트워크 구조를 유도하여, 생물학적으로 타당한 조건 하에서는 반드시 스케일프리인 보존되고 밀도가 낮은 네트워크만이 나타남을 보여준다.

ABSTRACT

Genomic duplication-divergence events, which are the primary source of new protein functions, occur stochastically at a wide range of genomic scales, from single gene to whole genome duplications. Clearly, this fundamental evolutionary process must have largely conditioned the emerging structure of protein-protein interaction (PPI) networks, that control many cellular activities. We propose and asymptotically solve a general duplication-divergence model of PPI network evolution based on the statistical selection of duplication-derived interactions. We also introduce a conservation index, that formally defines the statistical evolutionary conservation of PPI networks. Distinct conditions on microscopic parameters are then shown to control global conservation and topology of emerging PPI networks. In particular, conserved, non-dense networks, which are the only ones of potential biological relevance, are also shown to be necessary scale-free.

연구 동기 및 목표

• 단백질-단백질 상호작용(PPI) 네트워크의 장기적 진화를 유전자 복제와 다양화를 통해 일반적인 이론적 프레임워크를 개발하기 위해.
• 생물학적 의미가 있으려면 PPI 네트워크가 진화적으로 보존되고 구조적으로 밀도가 낮아야 하므로, 이러한 조건을 만족하는 경우를 규명하기 위해.
• 복제 유래 상호작용의 통계적 선택 기반으로 PPI 네트워크의 보존 지수를 공식적으로 정의하고 분석하기 위해.
• 지수적 복제 역학 하에서 PPI 네트워크의 渐近적 거동를 해소하고, 이는 이전의 시간선형 모델과 대비됨을 위해.
• 도메인 재배열 및 수평 유전자 이행과 같은 추가적인 진화 과정을 통합하기 위한 이론적 기초를 확립하기 위해.

제안 방법

• 각 시간 단계에서 일정한 비율 $ q $로 유전자가 복제되는 일반적 복제-다양화(GDD) 모델을 제안하며, 이후 비대칭 다양화를 통해 '오래된'(o) 및 '새로운'(n) 복제체로 분리된다.
• 유전자 파트너의 복제 상태(s: 단일, o: 오래된, n: 새로운)에 따라 상호작용의 확률적 보존을 모델링하기 위해 6개의 γ 매개변수($ \gamma_{ij} $)를 도입한다.
• 노드 유형과 연결성을 추적하기 위해 생성함수 $ H^{(n)}(x,y) $, $ T^{(n)}(x,y,z) $, $ F^{(n)}(x) $를 사용하여 네트워크 특성(예: 차수 분포, 클러스터링, 삼각형 수)의 재귀 관계를 유도한다.
• 모든 진화적 실현을 통합 평균 $ \langle Q^{(n)} \rangle $ 으로 적용하여 渐近적 네트워크 특성을 연구한다.
• 전체 7매개변수 모델을 局부($ q \ll 1 $) 및 전장게놈($ q = 1 $) 복제의 3매개변수 극한으로 축소한다.
• 재귀 관계를 渐近적으로 해석하여 PPI 네트워크의 장기적 성장과 구조를 결정하며, 삼각형 수와 같은 특성의 지수적 성장을 포함한다.

실험 결과

연구 질문

• RQ1 γ 매개변수가 어떤 조건을 만족할 경우 PPI 네트워크가 보존되고 밀도가 낮아지며, 생물학적으로 타당한가?
• RQ2 복제-다양화 역학 하에서 PPI 네트워크의 渐近적 구조—특히 스케일프리 차수 분포—는 어떻게 유도되는가?
• RQ3 지수적 복제 역학은 시간선형 모델과 비교해 PPI 네트워크 진화에 어떤 영향을 미치는가?
• RQ4 국소 복제와 전장게놈 복제의 서로 다른 복제 제도는 PPI 네트워크의 보존성과 구조적 특성에 어떤 영향을 미치는가?
• RQ5 통계적 선택 기반으로 복제 유래 상호작용을 바탕으로 PPI 네트워크에 대한 공식적 보존 지수를 정의할 수 있는가?

주요 결과

• 보존되고 밀도가 낮은 PPI 네트워크는 γ 매개변수가 특정 제약 조건을 만족할 때만 가능하며, 이는 복제 유래 상호작용의 일부만 유지됨을 보장한다.
• 모델은 보존되고 밀도가 낮은 네트워크가 반드시 스케일프리여야 하며, 장기적으로 힘의 법칙 차수 분포가 나타남을 예측한다.
• 네트워크 내 삼각형의 평균 수는 시간에 따라 지수적으로 증가하며, 이 증가율은 γ 매개변수와 복제 비율 $ q $ 의 조합에 의해 결정된다. 이는 식 (84)에 의해 보여진다.
• Ispolatov *et al.* 의 시간선형 복제-다양화 모델은 $ q \ll 1 $ 이고 특정 γ 매개변수를 설정할 경우 GDD 모델의 특수한 극한으로 복원된다.
• 전장게놈 복제($ q = 1 $)의 경우 네트워크 진화는 세 개의 γ 매개변수 $ \gamma_{oo}, \gamma_{on}, \gamma_{nn} $ 에 의해 지배되며, 이는 오래된, 새로운, 혼합된 복제체 간의 상호작용 보존을 제어한다.
• 네트워크 특성에 대한 재귀 관계는 대칭성을 유지하며, 각 노드 유형(s, o, n) 이 새 연결성과 모티프에 기여하는 방식을 추적함으로써 정확한 渐近적 분석이 가능해진다.