[논문 리뷰] Physical limits to biochemical signaling

Bialek, W., Setayeshgar, S.|ArXiv.org|2003. 01. 01.

Gene Regulatory Network Analysis인용 수 10

한 줄 요약

이 논문은 확률적 분자 도착으로 인한 농도 측정 노이즈를 모델링하여 생화학적 신호 전달 정확도의 물리적 한계를 규명하며, 세포가 이러한 기본 한계에 가까이 운영됨을 보여준다. 통계역학과 비열역학 정리( fluctuation-dissipation theorem )를 사용하여 단일 분자 감지에 대한 보편적인 노이즈 하한을 유도하였으며, 실험적으로 E. coli의 유전자 조절과 박테리아의 화학성향 반응이 이론적 한계와 일치하는 약 10%의 정밀도를 달성함을 입증하였다.

ABSTRACT

Many crucial biological processes operate with surprisingly small numbers of molecules, and there is renewed interest in analyzing the impact of noise associated with these small numbers. Twenty--five years ago, Berg and Purcell showed that bacterial chemotaxis, where a single celled organism must respond to small changes in concentration of chemicals outside the cell, is limited directly by molecule counting noise, and that aspects of the bacteria's behavioral and computational strategies must be chosen to minimize the effects of this noise. Here we revisit and generalize their arguments to estimate the physical limits to signaling processes within the cell, and argue that recent experiments are consistent with performance approaching these limits.

연구 동기 및 목표

• 확률적 분자 수세기로 인한 물리적 한계로 인해 생화학적 신호 전달의 정확도에 미치는 영향을 규명하는 것.
• 베르그와 퍼셀의 고전적 박테리아 화학성향 모델을 다수 수용체와 공간 상관관계를 포함하여 일반화하는 것.
• 실제 세포 시스템, 예를 들어 유전자 조절과 플라젤라 모터 제어가 이러한 이론적 노이즈 한계 근처에서 작동하는지 평가하는 것.
• 확산, 수용체 크기, 통합 시간에 기반한 농도 측정 정확도에 대한 보편적 표현을 유도하는 것.

제안 방법

• 수용체 결합에서의 열 노이즈를 모델링하기 위해 비열역학 정리를 적용하며, 결합 에너지의 변동을 주요 노이즈 원천으로 간주한다.
• 분수 농도 불확실성에 대한 일반적 표현을 유도: $ \delta c / \bar{c} \sim (D a \bar{c} \tau)^{-1/2} $, 여기서 $ D $ 는 확산 계수, $ a $ 는 수용체 크기, $ \bar{c} $ 는 평균 농도, $ \tau $ 는 통합 시간이다.
• 다수 수용체로 모델을 확장하여, $ N_r $ 에 비례하여 해상도가 향상되나, $ N_r a \sim R $ (세포 반지름)에 도달하면 포화됨을 보여주며, 이로 인해 공간 상관관계로 인해 한계가 생김.
• 모터 전환의 텔레그래프 모델을 사용하여 관측된 전환 통계를 CheY-P 신호 전달의 효과적 농도 노이즈와 연결한다.
• 유도된 노이즈 한계를 E. coli의 유전자 발현 및 플라젤라 모터 제어에 대한 실험 데이터에 적용하여 물리적 한계와의 일치 여부를 검증한다.
• 전사 출력의 자연스러운 통합 시간으로서 mRNA 수명을 고려하여 분자 역학과 功能 정밀도를 연결한다.

실험 결과

연구 질문

• RQ1 특정 동역학 모델에 의존하지 않고 통계역학에서 생화학적 신호 전달의 농도 측정 정확도에 대한 기본 한계를 유도할 수 있는가?
• RQ2 근접한 수용체 간의 공간 상관관계는 농도 감지의 최종 정밀도에 어떤 영향을 미치는가?
• RQ3 노이즈 감소가 효과적으로 작용하기 위해 최소한의 통합 시간이 필요한가? 그리고 이는 신호의 시간적 상관관계와 어떻게 관련되는가?
• RQ4 유전자 조절과 박테리아의 화학성향 반응에서 관측된 정밀도 수준이 분자 수세기로 예측된 이론적 노이즈 한계에 도달하는가?

주요 결과

• 분수 농도 불확실성은 $ \delta c / \bar{c} \sim (D a \bar{c} \tau)^{-1/2} $ 로 제한되며, 분자 세부 사항과 무관하게 모든 확산 감지 시스템에 보편적으로 적용된다.
• 단일 수용체의 경우, 이 한계는 시간 $ \tau $ 동안 도착하는 분자의 수에 의해 결정되며, 노이즈는 $ \sqrt{N_{\rm meas}} $ 만큼 감소한다. 여기서 $ N_{\rm meas} \sim \tau / (a^2 / D) $ 이다.
• 다수 수용체의 경우 정밀도는 $ N_r $ 에 비례하여 향상되나, 공간 상관관계로 인해 $ N_r a \sim R $ 에 도달하면 포화되며, 이로 인해 한계는 $ \delta c / \bar{c} \sim (D R \bar{c} \tau)^{-1/2} $ 가 된다.
• E. coli 에서 저농도 전사 인자에서 관측된 약 10%의 유전자 발현 제어 정밀도는 약 1분간의 통합과 일치하며, 이는 mRNA 수명과 일치한다.
• 박테리아 플라젤라 모터는 2초 이내에 CheY-P 농도 측정에서 약 5%의 정밀도를 달성하며, 34개의 단위로 이루어진 클러스터에 대한 이론적 한계와 일치한다.
• 모델은 유전자 조절과 화학성향 반응이 분자 수세기 노이즈로 설정된 물리적 한계 근처에서 작동함을 예측하며, 민감도 최적화를 위한 진화적 적응을 시사한다.