[论文解读] Beyond activator-inhibitor networks: the generalised Turing mechanism

Stephen Bradford Smith, Neil Dalchau|arXiv (Cornell University)|Mar 21, 2018

Nonlinear Dynamics and Pattern Formation参考文献 3被引用 9

一句话总结

本文通过引入‘广义图灵系统’的概念，重新定义了图灵模式形成的条件，表明稳定的图案可从远比以往认为更广泛的反应-扩散系统中产生——超越了传统的激活-抑制（AI）框架。研究证明，即使违反经典图灵判据的系统，包括双自激活系统或长程激活/短程抑制对，仍可引发图案形成，从而挑战了长期以来关于生物与合成图案形成所必需的生化架构的假设。

ABSTRACT

The Turing patterning mechanism is believed to underly the formation of repetitive structures in development, such as zebrafish stripes and mammalian digits, but it has proved difficult to isolate the specific biochemical species responsible for pattern formation. Meanwhile, synthetic biologists have designed Turing systems for implementation in cell colonies, but none have yet led to visible patterns in the laboratory. In both cases, the relationship between underlying chemistry and emergent biology remains mysterious. To help resolve the mystery, this article asks the question: what kinds of biochemical systems can generate Turing patterns? We find general conditions for Turing pattern inception -- the ability to generate unstable patterns from random noise -- which may lead to the ultimate formation of stable patterns, depending on biochemical non-linearities. We find that a wide variety of systems can generate stable Turing patterns, including several which are currently unknown, such as two-species systems composed of two self-activators, and systems composed of a short-range inhibitor and a long-range activator. We furthermore find that systems which are widely believed to generate stable patterns may in fact only generate unstable patterns, which ultimately converge to spatially-homogeneous concentrations. Our results suggest that a much wider variety of systems than is commonly believed could be responsible for observed patterns in development, or could be good candidates for synthetic patterning networks.

研究动机与目标

• 确定反应-扩散系统在何种真实条件下可启动图灵图案，且独立于经典图灵系统定义。
• 挑战普遍认为仅激活-抑制或激活-底物网络可生成稳定生物图案的假设。
• 证明许多被广泛认为可形成图案的系统，实际上因不符合正确的色散关系条件而无法稳定图案。
• 通过识别更广泛的‘广义图灵系统’类别，拓展生物与合成图案形成网络的搜索空间。
• 表明图案启动（即从噪声中引发的初始不稳定性）是比经典图灵判据更基础且更可靠的图案形成潜力预测指标。

提出的方法

• 本研究对反应-扩散方程（RDEs）在空间均匀平衡态附近进行微扰分析，将浓度偏差分解为余弦模态之和。
• 通过推导雅可比矩阵 J 与扩散矩阵 D 的特征值问题，实施线性稳定性分析，获得每种波数 k 对应的增长率 λ。
• 从矩阵 J - k²D 的特征值推导出色散关系，以判断微小扰动是否增长（即图案启动）。
• 通过评估主导特征值 λ 的实部，评估系统是否能从噪声中启动不稳定的图案。
• 若系统支持图案启动，则无论是否满足经典图灵条件，均被归类为‘广义图灵系统’。
• 该分析被应用于多种多组分网络，包括双组分与多组分系统，以识别非经典图案启动架构。

实验结果

研究问题

• RQ1 哪些生化系统可在不依赖经典图灵系统判据的情况下启动图灵图案？
• RQ2 标准的激活-抑制或激活-底物架构是否是生物图案形成的唯一可行候选？
• RQ3 违反经典图灵条件的系统（如双自激活或长程激活）是否仍可实现图案启动？
• RQ4 为何实验室中尚未实现合成图灵图案？这是否源于鲁棒性不足，或对可行网络架构的误判？
• RQ5 经典图灵系统条件（如不同的扩散系数、激活-抑制关系）在多大程度上决定了实际图案稳定性，而非仅影响图案启动？

主要发现

• 经典图灵系统条件（如要求短程激活与长程抑制）既非稳定图案形成的必要条件，也非充分条件。
• 由两个自激活组分构成的双组分系统可启动图灵图案，挑战了此类系统本质上不稳定的长期信念。
• 具有长程激活与短程抑制的系统同样可启动图案，表明经典AI架构并非唯一可行配置。
• 许多被广泛认为是稳定图灵系统的体系，实际上因未满足完整的色散关系条件而无法形成持久图案。
• ‘广义图灵系统’的类别远大于经典图灵系统，意味着对参数变化具有更强鲁棒性，并在生物与合成应用中具有更广阔潜力。
• 图案启动（即放大噪声为空间异质性之能力）是比经典图灵分类更可靠且更广泛适用的图案形成潜力预测指标，且可在远为广泛的生化网络中实现。