[논문 리뷰] Stochastic fluctuations can reveal the feedback signs of gene regulatory networks at the single-molecule level

Chen Jia, Peng Xie외 2명|arXiv (Cornell University)|2017. 03. 19.

Gene Regulatory Network Analysis참고 문헌 33인용 수 6

한 줄 요약

이 논문은 비선형 피드백 조절을 고려한 단일 분자 유전자 발현의 확률적 변동을 이용하여 유전자 조절 네트워크의 피드백 구조(긍성, 음성, 또는 없음)를 추론하는 이론적 프레임워크를 제안한다. 비선형 피드백 하에서의 분석적 정상 상태 단백질 분포를 유도함으로써, 소음 분해—특히 피드백 계수와 프로모터 스위칭 소음—가 피드백 부호를 유일하게 식별할 수 있음을 밝혀내었으며, 인간 세포에서의 합성 회로 데이터로 검증되었다.

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.

연구 동기 및 목표

• 유전자 발현의 내재적 확률적 변동이 유전자 조절 네트워크의 구조적 특성과 어떻게 관련되어 있는지 이해하기.
• 노이즈가 많은 단세포 유전자 발현 데이터로부터 피드백 구조(긍성, 음성, 또는 없음)를 추론하는 데 도전 과제를 해결하기.
• 동역학적 파rameter에 대한 사전 지식이 없이도 단세포 데이터에서 구조적 정보를 추출하는 방법을 개발하기.
• 인간 신장 세포에서의 합성 유전자 회로 실험 데이터를 통해 이론적 프레임워크를 검증하기.

제안 방법

• 비선형 피드백 조절이 있는 단백질 발현의 삼단계 마르코프 모델에서 분석적 정상 상태 단백질 분포를 유도한다.
• 총 단백질 소음을 피드백 없는 소음, 프로모터 스위칭 소음(ηs), 피드백 계수(ηf)로 분리하는 소음 분해 공식을 도입하며, 이는 빠른 프로모터 스위칭 조건에서 유효하다.
• 효율적 전사 속도의 기능적 형태인 cn = (an s + bn r)/(an + bn)을 사용하여 피드백 구조를 표현: 긍성 피드백에서는 증가, 음성 피드백에서는 감소.
• 실험적 분포로부터 ηf와 ηs를 추정하여 단세포 데이터에 적용해 피드백 부호를 추론한다.
• 다양한 피드백 강도와 스위칭 속도에서 수치 시뮬레이션을 통해 방법을 검증한다.
• 스토케스틱 시뮬레이션을 위해 깁스피 알고리즘을 사용하고, 인간 세포에서의 합성 유전자 회로로부터의 실제 단세포 데이터를 분석한다.

실험 결과

연구 질문

• RQ1 단일 분자 수준의 유전자 발현에서의 확률적 변동이 유전자 네트워크의 피드백 조절 부호를 드러낼 수 있는가?
• RQ2 비선형 피드백 조절은 단백질 복수 수의 정상 상태 분포에 어떻게 영향을 미치는가?
• RQ3 소음 분해를 통해 단세포 발현 데이터로부터 유전자 조절 네트워크의 구조(긍성, 음성, 또는 피드백 없음)를 추론할 수 있는가?
• RQ4 프로모터 스위칭 소음(ηs)과 피드백 계수(ηf)는 피드백 유형을 구분하는 데 어떤 역할을 하는가?
• RQ5 제안된 방법은 실험적 노이즈와 피드백 조절의 비선형성에 대해 얼마나 강인한가?

주요 결과

• 피드백 계수 ηf는 긍성 피드백에서는 양수, 음성 피드백에서는 음수이며, 이는 소음 분해를 통한 피드백 부호 직접 추론이 가능함을 의미한다.
• 이론적으로 음성 피드백 네트워크에서는 단백질 소음이 1/q⟨n⟩ 이하로 제한되며, 강한 억제 영역에서 이론적 근사치보다 더 날카로운 경계를 제공함을 예측한다.
• 수치 시뮬레이션은 긍성 피드백에서는 피드백 강도가 증가할수록 총 소음이 증가하고, 음성 피드백에서는 감소함을 확인하여 분석 예측과 일치함을 보였다.
• 이 방법은 인간 신장 세포에서의 합성 유전자 회로로부터의 단세포 데이터에서 피드백 구조를 성공적으로 식별하였으며, 정량적 검증을 보여주었다.
• 소음 분해 공식은 높은 비선형성 조건에서도 실험 데이터로부터 피드백 없는 소음, 스위칭 소음, 피드백 소음의 세 가지 성분을 강인하게 추정할 수 있었다.
• 빠른 프로모터 스위칭 조건 하에서도 이론이 유효하며, 이전 연구에서 사용된 확산 근사에 대한 비파괴적, 분석적 대안을 제공한다.