[论文解读] Cellular signaling networks function as generalized Wiener-Kolmogorov filters to suppress noise

Michael Hinczewski, D. Thirumalai|arXiv (Cornell University)|Jun 12, 2014

Gene Regulatory Network Analysis被引用 14

一句话总结

本文证明了细胞激酶-磷酸酶推拉网络作为广义维纳-科尔莫戈罗夫滤波器，可最优地抑制生化信号传导中的噪声。通过使用差分演算扩展线性维纳-科尔莫戈罗夫理论，作者推导出噪声抑制的严格非线性约束，揭示了一个单一的无量纲参数，该参数编码滤波器效率，并可在超敏感和离散分子区域实现优化。

ABSTRACT

Cellular signaling involves the transmission of environmental information through cascades of stochastic biochemical reactions, inevitably introducing noise that compromises signal fidelity. Each stage of the cascade often takes the form of a kinase-phosphatase push-pull network, a basic unit of signaling pathways whose malfunction is linked with a host of cancers. We show this ubiquitous enzymatic network motif effectively behaves as a Wiener-Kolmogorov (WK) optimal noise filter. Using concepts from umbral calculus, we generalize the linear WK theory, originally introduced in the context of communication and control engineering, to take nonlinear signal transduction and discrete molecule populations into account. This allows us to derive rigorous constraints for efficient noise reduction in this biochemical system. Our mathematical formalism yields bounds on filter performance in cases important to cellular function---like ultrasensitive response to stimuli. We highlight features of the system relevant for optimizing filter efficiency, encoded in a single, measurable, dimensionless parameter. Our theory, which describes noise control in a large class of signal transduction networks, is also useful both for the design of synthetic biochemical signaling pathways, and the manipulation of pathways through experimental probes like oscillatory input.

研究动机与目标

• 理解细胞信号传导网络如何在保持信号保真度的同时，抑制由随机生化反应引起的噪声。
• 解决非线性、离散和非平稳生物系统中噪声控制缺乏通用理论框架的问题。
• 推导激酶-磷酸酶推拉结构中噪声滤波的严格性能边界，该结构是细胞信号级联的基本单元。
• 识别一个单一、可测量的无量纲参数，以捕捉滤波效率并实现信号传导网络的优化。
• 为设计合成信号通路和解释振荡输入的实验数据提供理论基础。

提出的方法

• 使用差分演算将经典的维纳-科尔莫戈罗夫（WK）滤波理论——最初适用于线性、连续、平稳过程——推广至非线性、离散和非平稳的生化系统。
• 将激酶-磷酸酶推拉网络建模为具有离散分子数量和非线性动力学的随机生化系统。
• 利用线性化朗之万方程和傅里叶变换推导输入和输出波动的功率谱，得到频率的有理函数形式。
• 对输入变化缓慢（ω ≪ κ⁻¹, ρ⁻¹）和激酶浓度较低（K̄ ≪ S̄, P̄）的情况应用渐近近似，将谱简化为低阶有理形式。
• 从简化后的功率谱中提取有效滤波参数（γI, γO, R1, Λ），实现与WK理论的直接比较，并揭示非线性修正项。
• 利用所得解析框架计算在生物学相关区域（如超敏感响应）中信号与噪声比和滤波性能的边界。

实验结果

研究问题

• RQ1 经典的维纳-科尔莫戈罗夫最优滤波框架能否推广至非线性、离散和非平稳的生化系统？
• RQ2 在现实生物条件下，激酶-磷酸酶推拉网络在噪声抑制效率方面存在哪些基本约束？
• RQ3 分子离散性和非线性信号转导如何影响生化滤波器的性能？
• RQ4 是否存在一个单一、可测量的无量纲参数，能够捕捉不同信号传导区域中噪声滤波的效率？
• RQ5 该框架能否用于预测和优化合成生物学中以及使用振荡输入实验探测中的滤波性能？

主要发现

• 激酶-磷酸酶推拉结构作为广义维纳-科尔莫戈罗夫滤波器，可在随机生化动力学下实现最优噪声抑制。
• 输入噪声的有效时间常数 γI⁻¹ 由 γI = (κ₋γK/κ) + (κ₊²(ρrρ₊ + κrρ)γK K̄)/(κ²ρrρ₊ S̄) 给出，包含非线性和离散效应。
• 对于输出，γO⁻¹ 是一个涉及速率常数和底物浓度的复杂表达式，其修正项依赖于 K̄/P̄。
• 信噪比受一个无量纲参数 Λ 限制，该参数量化滤波器性能，并取决于动力学速率和分子数量。
• 在超敏感区域，当系统在非线性响应阈值附近运行时，滤波效率达到最大，性能受激酶与底物浓度比的约束。
• 该框架可解析预测输入和输出波动的功率谱，其简化形式在输入信号变化缓慢且激酶水平较低时有效。