[論文レビュー] Small Cycles in Small Worlds

Petra M. Gleiss, Peter F. Stadler+2 more|arXiv (Cornell University)|Sep 8, 2000

Complex Network Analysis Techniques参考文献 4被引用数 13

ひとこと要約

本稿は、*E. coli* 代謝ネットワークにおける短いサイクルの分布を調査し、ランダムネットワークモデルと比較している。代謝ネットワークは、ランダムネットワークと比較して、三角形が著しく多く、長サイクルが著しく少ないことが判明した。これは、代謝状態の変化に伴う遷移時間を最小限に抑え、発振を回避するための進化的選択を示唆している。

ABSTRACT

We characterize the distributions of short cycles in a large metabolic network previously shown to have small world characteristics and a power law degree distribution. Compared with three classes of random networks, including Erdoes-Renyi random graphs and synthetic small world networks of the same connectivity, the metabolic network has a particularly large number of triangles and a deficit in large cycles. Short cycles reduce the length of detours when a connection is clipped, so we propose that long cycles in metabolism may have been selected against in order to shorten transition times and reduce the likelihood of oscillations in response to external perturbations.

研究の動機と目的

• 短いサイクルが代謝ネットワークの構造的役割を理解すること、特にネットワークの頑健性と動的安定性との関係を明らかにすること。
• E. coli 代謝ネットワークのサイクル構造を、Erdős-Rényi (ER)、Watts-Strogatzの小手頃性ネットワーク (SW1)、Barabási-Albert (AB) スケールフリーネットワークという3つのランダムネットワークモデルと比較すること。
• 観察されたサイクル分布が、環境変化への迅速な応答を目的とした生物学的最適化を反映しているかどうかを調査すること。
• グラフ理論におけるサイクル基底形式を用いて、より短いサイクルの対称差として表現できないサイクルの集合（関連サイクル）を同定・特徴づけること。
• 特に、サイクル長の分布が遷移時間の延長や発振リスクを高める可能性があるという点について、サイクル長分布の生物学的意味を探索すること。

提案手法

• E. coli コア代謝の基質グラフを用いて、無向・重みなしグラフとして代謝ネットワークを表現した。一部の補酵素やヌクレオチドは除外した。
• Vismaraのアルゴリズムを適用して、より短いサイクルの対称差として表現できないサイクルの集合 $\mathcal{R}(G)$ を計算した。
• 最小サイクル基底 (MCB) を計算し、E. coli ネットワークと3つのランダムネットワークモデル（ER, SW1, AB）におけるサイクル長分布を比較した。
• $\{0,1\}$ 上のサイクル空間形式を用い、サイクルをベクトルとし、加法を対称差として定義することで、サイクル基底の定義とその性質を分析した。
• 各辺を通る最短サイクル ($\mathcal{S}(e)$) を分析し、辺の除去に伴う迂回路の長さを評価することで、ネットワークの頑健性と経路長の安定性を関連づけた。
• 最大の関連サイクル（例：9-サイクル）を可視化し、従来の代謝フラックス解析では捉えきれない構造的ボトルネックや重要なネットワーク経路を特定した。

実験結果

リサーチクエスチョン

• RQ1 E. coli 代謝ネットワークにおける短いサイクルの分布は、類似した連結性と小手頃性を持つランダムネットワークと比較してどのように異なるか？
• RQ2 なぜ E. coli 代謝ネットワークはランダムモデルと比較して、顕著に多くの三角形を示すのか？
• RQ3 観察された長サイクル（例：五角形、六角形、それ以上）の不足は、生物学的にどのような意味を持つのか？
• RQ4 長サイクルが環境的摂動への反応における長時間の遷移と発振リスクをどれほど増大させるのか？
• RQ5 特に、関連サイクルの集合に基づくサイクル空間の構造は、標準的なフラックスバランス解析では捉えきれない機能的または頑健性関連の特徴を明らかにできるか？

主な発見

• E. coli 代謝ネットワークには3７９個の関連三角形があり、ランダムネットワークと比較して約10倍多い。これは3-サイクルの著しい過剰表現を示している。
• E. coli ネットワークにおける関連サイクル数（723）は、ABモデル（1060）、ERモデル（904）、SW1モデル（805）と比較して顕著に少ない。これは、長サイクルの著しい不足を示している。
• E. coli ネットワークには関連6-サイクルが2０個しかなく、SW1モデルの427個と比較して顕著に少ない。これは中〜長サイクルの強い抑制を示している。
• MCBにおける三角形の数と関連サイクル総数の比は約0.744であり、多くの三角形が4クライークに埋め込まれており、構造的に安定した部分グラフである可能性を示唆している。
• E. coli における最長の関連サイクルは9-サイクルであり、複数の代謝経路を接続しており、摂動伝播のための重要な非冗長経路である可能性がある。
• より短いサイクルの対称差として表現できないすべてのサイクルを含む関連サイクル集合 $\mathcal{R}(G)$ は、MCBのみでは明らかにされない重要なトポロジカル特徴を捉えている。