[논문 리뷰] Network Structure and Dynamics, and Emergence of Robustness by Stabilizing Selection in an Artificial Genome

Thimo Rohlf, Christopher R. Winkler|ArXiv.org|2008. 04. 30.

Gene Regulatory Network Analysis참고 문헌 17인용 수 3

한 줄 요약

이 연구는 전사, 번역 및 전사 인자 결합을 시뮬레이션하는 인공 게놈 모델에서 안정화 선택을 통해 유전적 조절 네트워크의 강건성이 어떻게 유도되는지 조사한다. 목표 표현형을 위한 안정화 선택을 적용한 진화 알고리즘을 통해, 단일 염기 변이와 환경 변동에 대한 강건성이 동시에 나타나며, 이는 역학적 안정성을 향상시키는 시퀀스 및 네트워크 구조의 적응적 변화에 의해 이끌린다.

ABSTRACT

Genetic regulation is a key component in development, but a clear understanding of the structure and dynamics of genetic networks is not yet at hand. In this work we investigate these properties within an artificial genome model originally introduced by Reil. We analyze statistical properties of randomly generated genomes both on the sequence- and network level, and show that this model correctly predicts the frequency of genes in genomes as found in experimental data. Using an evolutionary algorithm based on stabilizing selection for a phenotype, we show that robustness against single base mutations, as well as against random changes in initial network states that mimic stochastic fluctuations in environmental conditions, can emerge in parallel. Evolved genomes exhibit characteristic patterns on both sequence and network level.

연구 동기 및 목표

• 전사 및 번역과 같은 분자 수준의 과정으로부터 유전적 조절 네트워크의 구조와 역학이 어떻게 유도되는지 이해하는 것.
• 인공 게놈에서 변이와 환경 변동에 대한 강건성이 동시에 진화할 수 있는지 조사하는 것.
• 표현형 안정성 향상을 위한 선택 과정에서 네트워크 구조와 시퀀스 수준의 변화가 어떻게 진화하는지 추적하는 것.
• 안정화 선택이 조절 네트워크 구조의 측정 가능한 재조직화와 보존된 게노믹 영역을 유도하는지 확인하는 것.

제안 방법

• 핵산을 나타내는 4자리 알파벳(0–3)을 사용하여 인공 게놈을 생성하며, 유전자는 프로모터 서열로 정의되고 디지털 증가를 통해 단백질로 번역된다.
• 전사 인자는 단백질 서열을 게노믹 영역과 일치시켜 식별되며, 각 TF는 하류 유전자를 활성화하거나 억제할 가능성이 동일하다.
• 조절 네트워크 역학은 무작위 임계값 네트워크(RTN) 규칙을 사용하여 모델링되며, 유전자 활성도는 활성 TF의 총합 입력과 임계값에 따라 변화한다.
• 진화는 단일 염기 변이를 적용하고, 무작위 초기 조건 하에서 목표 표현형을 유지하는 유전자만 선택하는 알고리즘을 통해 시뮬레이션된다.
• 강건성은 두 가지 지표로 측정되며, 환경 변동에 대한 강건성(R_f)은 무작위 초깃 Zustände 중 목표 안정점으로 도달하는 비율이며, 변이에 대한 강건성(R_m)은 시간에 따라 수락된 돌연변이의 비율이다.
• 전 게놈의 염기 교환 비율을 시간에 따라 추적하여 보존된 영역 및 높은 변이 전환율을 보이는 영역을 식별한다.

실험 결과

연구 질문

• RQ1 명시적인 분자 과정을 포함하는 인공 게놈이 실제 생물학적 네트워크 통계를 반영하는 조절 네트워크를 생성할 수 있는가?
• RQ2 목표 표현형을 위한 안정화 선택이 변이와 환경 변동에 대한 강건성의 동시 유도로 이어지는가?
• RQ3 표현형 강건성 향상을 향한 진화 과정에서 시퀀스 수준의 변화와 네트워크 구조 재편성이 어떻게 일어나는가?
• RQ4 특정 게노믹 영역들이 진화 과정에서 보존되는가? 그리고 그 기능적 역할은 무엇인가?

주요 결과

• 환경 변동에 대한 강건성(R_f)과 변이에 대한 강건성(R_m)이 모두 진화 초기에 급격히 증가하며, 강한 양의 상관관계를 보인다.
• 조절 네트워크의 출력도 분포는 더 높은 연결성으로 이동하는 반면, 입력도 분포는 좁아지며, 네트워크 재편성이 나타난다.
• 기본 염기 교환 히트맵에서 안정적인 회색 밴드로 나타나는 보존된 게노믹 영역이 진화 시간에 걸쳐 지속되며, 기능적 중요성을 시사한다.
• 높은 염기 교환 비율을 보이는 영역는 중립적 또는 안정화 돌연변이를 포함할 가능성이 있으며, 보존된 영역는 일정한 표현형 역학을 위한 핵심 조절 요소를 암시할 수 있다.
• 진화 역학은 간헐적인 행동을 보이며, 점진적 평형과 유사한 준안정 상태 단계를 거치며 약 1500세대 이후에 결국 불안정해진다.
• 강건성의 유도를 이해하는 데 있어 시퀀스 수준의 변화는 네트워크 수준의 변화보다 더 유의미한 정보를 제공하며, 이는 게노믹 보존이 표현형 안정성의 기초가 된다는 것을 시사한다.