[논문 리뷰] Notes on stochastic (bio)-logic gates: the role of allosteric cooperativity

Elena Agliari, Matteo Altavilla외 3명|arXiv (Cornell University)|2014. 08. 12.

Computational Drug Discovery Methods참고 문헌 55인용 수 18

한 줄 요약

이 논문은 통계역학적 프레임워크를 제시하여 Monod-Wyman-Changeaux(MWC) 이소성 모델의 확률적 논리 연산 능력을 체계적으로 분석한다. 분할 함수와 볼츠만 가중치를 사용하여 리간드 결합을 확률적 상태 전이로 매핑함으로써, 저자들은 이소성 협동성이 확률적 AND, OR, NAND, NOR 게이트의 견고한 실행 가능성을 보여주며, 고전적 협동성 모델에 비해 뚜렷한 계산적 이점을 드러낸다.

ABSTRACT

Recent experimental breakthroughs have finally allowed to implement in-vitro reaction kinetics (the so called {\em enzyme based logic}) which code for two-inputs logic gates and mimic the stochastic AND (and NAND) as well as the stochastic OR (and NOR). This accomplishment, together with the already-known single-input gates (performing as YES and NOT), provides a logic base and paves the way to the development of powerful biotechnological devices. The investigation of this field would enormously benefit from a self-consistent, predictive, theoretical framework. Here we formulate a complete statistical mechanical description of the Monod-Wyman-Changeaux allosteric model for both single and double ligand systems, with the purpose of exploring their practical capabilities to express logical operators and/or perform logical operations. Mixing statistical mechanics with logics, and quantitatively our findings with the available biochemical data, we successfully revise the concept of cooperativity (and anti-cooperativity) for allosteric systems, with particular emphasis on its computational capabilities, the related ranges and scaling of the involved parameters and its differences with classical cooperativity (and anti-cooperativity).

연구 동기 및 목표

• 통계역학을 사용하여 확률적(생물)논리 게이트를 모델링하기 위한 자기일관된 이론적 프레임워크를 개발하기.
• 이소성 시스템의 계산 능력을 명확히 하며, 특히 협동성과 반협동성과의 관계를 규명하기.
• 고전적 Hill형 협동성과 대비하여 MWC형 이소성 동역학의 기능적 및 계산적 이점들을 구분하기.
• 생화학적 매개변수와 효소 기반 시스템의 논리 게이트 행동 사이에 정량적 다리를 제공하기.
• 이소성 단백질 역학을 기반으로 한 생물학적으로 영감을 받은 노이즈 내성 있는 계산 장치의 설계를 이끌기.

제안 방법

• 리간드 결합을 위한 해밀토니안 함수를 사용하여 MWC 이소성 메커니즘의 통계역학적 모델을 수립한다.
• 맥스웰-볼츠만 가중치 exp(−βH)를 사용하여 활성 상태와 비활성 상태의 분할 함수 ZA와 ZI를 유도한다.
• 리간드 농도, 협동성, 온도에 따라 상태 확률 pA = ZA/(ZA + ZI) 및 pI = ZI/(ZA + ZI)를 계산한다.
• 이 확률들을 이론적 부울 논리 출력(예: 둘 다 존재할 경우 pA ≈ 1)으로 매핑한다.
• 단일 및 이중 리간드 시스템에 모델을 적용하여 YES, NOT, AND, OR, NAND, NOR 게이트 행동을 시뮬레이션한다.
• 예측 결과를 실험 기반 효소 논리 데이터와 비교하여 정량적 일치를 확인한다.

실험 결과

연구 질문

• RQ1 통계역학을 사용하여 MWC 이소성 모델을 어떻게 체계적으로 확률적 논리 연산으로 매핑할 수 있는가?
• RQ2 논리 게이트 설계에서 고전적 협동성과 대비하여 이소성 협동성의 독특한 계산 능력은 무엇인가?
• RQ3 MWC 모델의 매개변수 스케일링과 범위 제약 조건이 논리 게이트의 신뢰성과 기능성에 어떻게 영향을 미치는가?
• RQ4 이소성 반협동성은 논리 연산 정밀도와 노이즈 내성 측면에서 협동성과 어떤 점에서 다를까?
• RQ5 MWC 모델은 실험적으로 관찰된 효소 기반 논리 반응, 예를 들어 S자형 입력-출력 곡선을 정량적으로 재현할 수 있는가?

주요 결과

• 적절한 매개변수 스케일링을 통해 MWC 모델은 리간드 농도와 협동성 매개변수를 조절함으로써 확률적 AND, OR, NAND, NOR 게이트를 견고하게 실현할 수 있다.
• 이소성 협동성은 고전적 협동성보다 더 날카우며 스위치처럼 작동하는 반응을 가능하게 하여, 노이즈가 많은 생화학적 환경에서 논리 게이트의 정밀도를 향상시킨다.
• 모델은 고도의 협동성이 비활성 상태와 활성 상태 사이의 전이를 더 급격하게 만들며, 확률적 노이즈를 줄여 부울 논리와 유사한 동작을 모방한다고 예측한다.
• 이 프레임워크는 실험 기반 효소 기반 논리 반응을 성공적으로 재현하였으며, 이중 S자형 필터링을 통한 OR 게이트에서 관찰된 S자형 입력-출력 곡선도 재현하였다.
• 이 연구는 협동성과 반협동성의 차이점이 생화학적 차이를 넘어서 계산적 측면에서도 중요하다는 것을 드러내며, 반협동성은 역전환 응답 패tern과 같은 고유한 논리 행동을 가능하게 한다.
• 매개변수 스케일링 제약 조건이 핵심 요소로 규명되었다: 잘못된 스케일링은 정확한 생화학적 매개변수를 가진다 해도 시스템이 신뢰할 수 있는 논리 게이트로 기능하지 못하게 할 수 있다.