[论文解读] Category Theory for Genetics

Rémy Tuyéras|arXiv (Cornell University)|Aug 17, 2017

Biomedical Text Mining and Ontologies被引用 2

一句话总结

本文提出了一种基于极限图式的范畴论框架，用于形式化核心遗传过程，如DNA测序、比对、CRISPR、同源重组以及遗传连锁。该框架通过一个普遍构造，将集合中的模型（用于遗传物质）与布尔半环{0,1}上的半模组模型（用于单倍型）相联系，从而恢复Haldane的作图函数，并通过结构化锥对重组干扰进行建模。

ABSTRACT

We introduce a categorical language in which it is possible to talk about DNA sequencing, alignment methods, CRISPR, homologous recombination, haplotypes, and genetic linkage. This language takes the form of a class of limit-sketches whose categories of models can model different concepts of Biology depending on what their categories of values are. We discuss examples of models in the category of sets and in the category of modules over the Boolean semi-ring $\{0,1\}$. We identify a subclass of models in sets that models the genetic material of living beings and another subclass of models in modules that models haplotypes. We show how the two classes are related via a universal property.

研究动机与目标

• 开发一种基于范畴论的正式代数语言，用于建模遗传学中的核心生物过程。
• 在单一范畴框架内统一建模多种遗传概念，如DNA比对、CRISPR、同源重组和连锁。
• 提供一种形式化体系，以捕捉生物机制（例如重组）与随机突变相区分，从而实现更清晰的理论建模。
• 通过极限图式中的结构化锥，对具有干扰的遗传连锁及非相邻重组事件进行建模。
• 通过形式化重组事件上的概率空间，恢复经典作图函数（如Haldane的函数）。

提出的方法

• 本文采用极限图式作为形式语言，用于定义遗传概念模型的范畴。
• 模型在两个关键范畴中构建：集合（用于遗传物质）和布尔半环{0,1}上的B2-半模组（用于单倍型）。
• 通过普遍构造将基于集合的模型类（遗传物质）与基于半模组的模型类（单倍型）相联系。
• 极限图式中的锥编码重组事件及其干扰，拓扑结构用于指定DNA片段之间的空间或染色体关系。
• 在互不相交的重组事件上定义概率测度，确保可加性（℘(A∪B) = ℘(A)+℘(B)），适用于独立或非重叠事件。
• Haldane的作图函数被形式化为二项概率的极限，导出泊松近似表达式 ℘(odd recombination events) = (1−e−2x)/2。

实验结果

研究问题

• RQ1 如何构建一个统一的范畴语言，以建模DNA比对、CRISPR和重组等多样化的遗传操作？
• RQ2 如何在范畴框架内正式区分同源重组与突变？
• RQ3 能否利用极限图式中的结构化锥对重组干扰及非相邻交叉事件进行建模？
• RQ4 如何形式化重组事件的概率空间，以恢复已知的作图函数（如Haldane的函数）？
• RQ5 遗传物质在集合中的模型与单倍型在半模组中的模型之间存在何种普遍关系？

主要发现

• 本文建立了将集合范畴中的遗传物质模型与{0,1}上B2-半模组范畴中的单倍型模型相联系的普遍构造。
• 该框架通过极限图式成功建模了同源重组与比对操作，其中锥用于编码重组事件及其干扰。
• 通过在互不相交的重组事件上定义概率测度，该框架确保了可加性，满足基本概率公理。
• Haldane的作图函数被形式化地恢复为二项概率的极限，得出奇数次重组事件概率的表达式为(1−e−2x)/2。
• 通过改变锥的拓扑结构（如(••)(••)或(•••)(◦◦◦◦)），该方法可对非相邻重组干扰进行建模，以反映物理包装或间距效应。
• 该框架为多基因座连锁与重组方案的建模提供了形式基础，通过将锥组织为染色体谱系（chromologies），实现了对重组拓扑结构的系统研究。