[論文レビュー] Understanding the Dynamics and Optimizing the Performance of Chemostat Selection Experiments

Aryeh Wides, Ron Milo|arXiv (Cornell University)|Jun 1, 2018

Evolution and Genetic Dynamics参考文献 36被引用数 14

ひとこと要約

本論文は、微生物進化における化学時計選択実験の理解と最適化を図る定量的フレームワークを構築し、解析的モデルとシミュレーションを用いて5つの実験段階にわたるダイナミクスを予測する。非直感的な挙動（例えば、流入濃度に依存しない基質濃度）を同定し、選択時間を最小限に抑えつつ効果的な株の増幅を保証するための実用的ルール of thumb を提供する。結果は最適条件下において選択期間が頑健であることを示している。

ABSTRACT

A chemostat enables long-term, continuous, exponential-phase growth in an environment limited as prescribed by the researcher. It is thus a potent tool for laboratory evolution - selecting for strains with desired phenotypes. However, despite the apparently simple design governed by a limited set of rules, analysis of chemostat dynamics shows that they display counter-intuitive properties. For example, the concentration of limiting substrate in the chemostat is independent of the concentration in the influx and only dependent on the dilution rate and the strain parameters. Moreover, choosing optimal operational parameters (dilution rate, volume size, etc.) can be challenging. There are conflicting requirements in the experimental design, such as a need for relatively fast growth conditions for mutation accumulation on the one hand versus slow dilution for a large fitness advantage for mutants to take over the population quickly on the other.In this study, we provide analytic and computational tools to help understand and predict chemostat dynamics, and choose suitable operational parameters. We refer to five stages of the process: (A) parameter choice and setup, (B) basic steady state growth, (C) mutation, (D) single takeover and (E) successive takeovers. We present a qualitative and quantitative framework to answer the questions confronted in each of these stages. We provide a set of simulations which support the quantitative results, and a graphical user interface to give a hands-on opportunity to experience and visualize the analytic results. We detail conditions that produce ineffectual selection regimes, and find that when avoided, the selection time is relatively robust, and usually varies by less than an order of magnitude. Finally, we suggest rules of thumb to help ensure that the chosen parameters lead to effective selection and minimize the duration of the selection process.

研究の動機と目的

• 実験的設計を妨げる化学時計選択実験における非直感的ダイナミクスを解消すること。
• 突然変異の蓄積と変異株の優位性獲得の速度の両立を図る最適な操作パラメータ（希釈レート、体積など）を特定すること。
• 化学時計選択の5段階（準備、定常状態、突然変異、単一株の優位性獲得、連続的優位性獲得）を体系的に扱うフレームワークを提供すること。
• 無効なパラメータ領域を回避し、条件変動に対しても頑健な性能を確保することで、選択期間を短縮すること。
• 実験者による信頼性の高い効率的株進化を実現するための実用的かつデータ駆動のルール of thumb を提供すること。

提案手法

• モノイドキネティクスに基づく解析的モデルを構築し、化学時計内の基質消費と集団ダイナミクスを記述する。
• コンピュータシミュレーションを用いて、全5段階の実験段階にわたる予測されたダイナミクスの妥当性を検証・可視化する。
• 選択結果に与えるパラメータ効果を直接操作可能なグラフィカルユーザインターフェース（GUI）を導入する。
• 定常状態解析を適用し、希釈レート、株特異的パラメータ、制限基質濃度の関係を導出する。
• 希釈レートと体積が変異株の優位性獲得時間および選択効率に与える影響を定量的に評価する。
• 変異株が優位性を獲得できない無効な選択状態（例：希釈レートが高すぎたり低すぎたりする）を同定し、頑健なパラメータ範囲を導出する。

実験結果

リサーチクエスチョン

• RQ1 化学時計内の制限基質濃度は、実験パラメータにどのように依存するのか。また、なぜ流入濃度に依存しないのか。
• RQ2 有益な突然変異株が化学時計内の集団を優位に取るまでの時間を最小限に抑えるために、どの希釈レートと体積設定が最適か。
• RQ3 急速な成長による突然変異蓄積と、変異株の優位性を発揮させるために遅い希釈の両立を図るという、相反する実験的要件が選択効率に与える影響は何か。
• RQ4 選択プロセスが無効になる条件は何か。また、それらを回避するにはどうすればよいか。
• RQ5 最適条件が選ばれた場合、操作パラメータの変動に対して選択時間はどの程度頑健か。

主な発見

• 化学時計内の制限基質濃度は、希釈レートと株特異的パラメータにのみ依存し、流入濃度とは無関係である。
• 最適条件が選ばれた場合、パラメータの変動に対して選択期間は比較的頑健であり、通常は1桁の変動以内に収まる。
• 変異株が優位性を獲得できない無効な選択レジーム（特に希釈レートが高すぎたり低すぎたりする場合）は、一般的に不適切な希釈レートに起因する。
• 本研究は、選択効率を最大化し、期間を最小限に抑えるための希釈レートと体積の範囲を同定し、実用的なルール of thumb を提供した。
• シミュレーションにより、解析的フレームワークが優位性獲得ダイナミクスを正確に予測できることを確認し、実験計画にモデルを活用する根拠が得られた。
• グラフィカルユーザインターフェースにより、パラメータ効果のリアルタイムな探索が可能となり、実験設計の直感的で正確な理解が可能になった。