[논문 리뷰] Fluctuation analysis with cell deaths

Bernard Ycart|arXiv (Cornell University)|2012. 07. 18.

Complex Systems and Time Series Analysis참고 문헌 18인용 수 9

한 줄 요약

이 논문은 세포 사멸을 포함하기 위해 고전적인 Luria-Delbrück 모델을 확장하여, 기존 모델을 일반화하는 새로운 3파라미터 분포인 LDD(α, ρ, δ)를 제안한다. 시뮬레이션, 계산 및 추정 방법을 제공하며, δ가 알려져 있을 경우 α와 ρ는 신뢰성 있게 추정 가능하지만, 일반적인 변동 분석 데이터에서는 높은 불확실성으로 인해 δ 자체는 정확히 추정할 수 없음을 보여주며, 사전 지식이 없을 경우 실무적으로는 이를 무시하는 것이 타당하다고 설명한다.

ABSTRACT

The classical Luria-Delbrück model for fluctuation analysis is extended to the case where cells can either divide or die at the end of their generation time. This leads to a family of probability distributions generalizing the Luria-Delbrück family, and depending on three parameters: the expected number of mutations, the relative fitness of normal cells compared to mutants, and the death probability of mutants. The probabilistic treatment is similar to that of the classical case; simulation and computing algorithms are provided. The estimation problem is discussed: if the death probability is known, the two other parameters can be reliably estimated. If the death probability is unknown, the model can be identified only for large samples.

연구 동기 및 목표

• 세포 사멸을 포함하는 고전적인 Luria-Delbrück 모델을 확장하여 생물학적으로 현실적이지만 종종 忽略되는 요소를 반영한다.
• 변이, 상대적 적합도, 돌연변이 세포 사망 확률을 포함하는 Luria-Delbrück 가족을 일반화하는 새로운 확률 분포인 LDD(α,ρ,δ)를 개발한다.
• 새로운 LDD 분포를 위한 통계 도구—시뮬레이션, 계산 및 파라미터 추정—을 제공한다.
• 실험 데이터에서 사망 확률 δ를 추정하는 데의 신뢰성을 평가한다. 특히 작은 표본에서의 경우를 중심으로 한다.
• δ에 대한 사전 지식이 없을 경우 파라미터 추정에서 세포 사멸을 忽略하는 것이 타당한지 평가한다.

제안 방법

• 모델은 연령에 따라 변화하는 세대를 가지는 Bellman-Harris 분할 과정을 사용하며, 정상 세포는 분열, 변이 또는 사망할 수 있고, 돌연변이 세포는 분열 또는 사망할 수 있다.
• 최종 돌연변이 수의 확률 생성 함수(PGF)는 g_{α,ρ,δ}(z) = exp(α(h_{ρ,δ}(z) - 1))로 유도되며, h_{ρ,δ}(z)는 ρ와 δ를 포함하는 적분으로 정의된다.
• 파라미터는 다음과 같다: α (변이의 기대 수), ρ (정상 세포 대비 돌연변이 세포의 상대적 적합도), δ (돌연변이 세포의 사망 확률).
• 시뮬레이션 및 확률 계산 알고리즘은 고전적인 Luria-Delbrück 방법에서 유도되었으며, 사망 사건을 고려하기 위해 수정되었다.
• 파라미터 추정은 생성 함수 기반 방법을 사용하며, Hamon과 Ycart(2012)의 기법을 3파라미터 경우로 확장하였다.
• 모델 적합도 평가를 위해 신뢰구간 및 적합도 측정치(PGF 및 CDF 거리)를 계산하여 시뮬레이션 및 실제 데이터에 적용하였다.

실험 결과

연구 질문

• RQ1 고전적인 Luria-Delbrück 모델은 세포 사멸을 의미 있게 확장할 수 있으며, 그 결과로 도출되는 확률 분포는 무엇인가?
• RQ2 돌연변이 세포의 사망을 포함할 경우, 핵심 파라미터인 α(변이율)와 ρ(상대적 적합도)의 추정에 어떤 영향을 미치는가?
• RQ3 일반적인 변동 분석 데이터에서 사망 확률 δ는 신뢰성 있게 추정 가능한가? 특히 α × n < 10^5 일 경우에 대해.
• RQ4 진정한 δ가 0이 아니지만 δ = 0으로 가정할 경우, α와 ρ 추정의 정확도에 어떤 영향을 미치는가?
• RQ5 기존의 계산 도구를 사용하여 LDD(α,ρ,δ) 분포를 효과적으로 시뮬레이션하고 통계적으로 분석할 수 있는가?

주요 결과

• LDD(α,ρ,δ) 분포는 고전적인 Luria-Delbrück 모델을 일반화하며, ρ와 δ에 의존하는 적분을 포함하는 PGF로 특징지어진다.
• δ가 알려져 있을 경우, 생성 함수 기반 방법을 사용하여 α와 ρ는 안정적으로 추정 가능하며, 기대 변이 수 α가 클수록 추정 정밀도가 향상된다.
• Boe 등(1994)의 실제 데이터에서는 δ = 0.06에서 최적의 적합도를 보였지만, δ의 95% 신뢰구간은 ±0.13로 매우 높은 불확실성을 나타낸다.
• α와 ρ의 추정치는 δ에 따라 약간 변화하지만, 그 영향의 크기는 δ 자체와 같은 주기대이므로, δ를 忽略하는 것이 α와 ρ 추정에 미치는 영향은 미미하다.
• α × n < 10^5인 표본(일반적인 변동 분석에서 흔한 경우)에서는 δ를 안정적으로 추정할 수 없으며, 다양한 δ 값이 거의 구분되지 않는 적합도를 제공한다.
• 보고된 사망 확률는 일반적으로 작다(몇 퍼센트 내외)며, α와 ρ 추정에 미치는 영향도 무시할 수 있으므로, 사전 지식가지 δ = 0으로 가정하는 것은 타당하다.