[论文解读] Characteristic, completion or matching timescales? An analysis of temporary boundaries in enzyme kinetics

Justin Eilertsen, Wylie Stroberg+1 more|arXiv (Cornell University)|Sep 11, 2018

Protein Structure and Dynamics参考文献 47被引用 15

一句话总结

本文区分了特征时间尺度（用于缩放和区域划分）与匹配时间尺度（对估计酶反应动力学从快速瞬态过渡到稳态行为的关键时间点至关重要）。通过Tikhonov–Fenichel理论推导出匹配时间尺度，表明其在预测酶复合物峰值形成和最大产物生成速率方面优于特征时间尺度，尤其是在具有四个显著时间尺度的多时间尺度系统（如辅助酶机制）中。

ABSTRACT

Scaling analysis exploiting timescale separation has been one of the most important techniques in the quantitative analysis of nonlinear dynamical systems in mathematical and theoretical biology. In the case of enzyme catalyzed reactions, it is often overlooked that the characteristic timescales used for the scaling the rate equations are not ideal for determining when concentrations and reaction rates reach their maximum values. In this work, we first illustrate this point by considering the classic example of the single-enzyme, single-substrate Michaelis--Menten reaction mechanism. We then extend this analysis to a more complicated reaction mechanism, the auxiliary enzyme reaction, in which a substrate is converted to product in two sequential enzyme-catalyzed reactions. In this case, depending on the ordering of the relevant timescales, several dynamic regimes can emerge. In addition to the characteristic timescales for these regimes, we derive matching timescales that determine (approximately) when the transitions from initial fast transient to steady-state kinetics occurs. The approach presented here is applicable to a wide range of singular perturbation problems in nonlinear dynamical systems.

研究动机与目标

• 澄清酶动力学中特征时间尺度与匹配时间尺度在概念和实践上的区别。
• 证明特征时间尺度虽适用于缩放和区域定义，但无法准确预测关键动力学事件（如[ES]峰值、最大产物生成速率）发生的时间。
• 推导并验证能精确估计复杂酶机制中稳态行为起始时间的匹配时间尺度。
• 将分析从经典的Michaelis–Menten机制扩展至具有四个显著时间尺度的更复杂的辅助酶反应机制。
• 为非线性动力系统中奇异摄动问题提供可推广的匹配时间尺度识别框架。

提出的方法

• 应用几何奇异摄动理论（GSPT）和Tikhonov–Fenichel理论，分析酶机制中的快/慢动力学。
• 通过相平面中固定点的线性化推导特征时间尺度，即雅可比矩阵主特征值的倒数。
• 将匹配时间尺度定义为快速瞬态阶段结束、慢速动力学主导的时刻，其推导基于快速变量达到拟稳态的条件。
• 采用匹配渐近分析构建在所有时间尺度上均有效的复合解，确保一致的精度。
• 对质量作用方程进行数值模拟，以验证分析预测，并可视化轨迹相对于零曲率线的行为。
• 在辅助酶机制中考虑四类时间尺度（tc1, ts1, tc2, ts2）的多种排序，以映射不同的动力学区域。

实验结果

研究问题

• RQ1 为何特征时间尺度无法预测酶-底物复合物浓度达到峰值的时间？
• RQ2 如何严格推导出定义快速瞬态向稳态动力学过渡的匹配时间尺度？
• RQ3 在多步酶机制（如辅助酶反应）中，不同时间尺度排序有何影响？
• RQ4 匹配时间尺度与可观测动力学事件（如最大产物生成速率）有何关联？
• RQ5 Tikhonov–Fenichel理论框架能否系统性地应用于复杂非线性酶机制中匹配时间尺度的推导？

主要发现

• 在Michaelis–Menten机制中，所确立的快速时间尺度为特征时间尺度，正确地将时间划分为快慢区域，但无法预测酶-底物复合物浓度达到峰值的时间。
• 在Michaelis–Menten机制中，匹配时间尺度被推导为 t∗c1 = −tc1 ln(tc1/ts1)，该值估计了快速瞬态结束、稳态动力学开始的时间。
• 在辅助酶机制中，四类时间尺度（tc1, ts1, tc2, ts2）的六种不同排序导致定性不同的动力学行为，每种情形均需独立的匹配时间尺度。
• 辅助机制中的诱导期（即产物生成速率最大时的时间）恰好对应于系统中慢速变量的匹配时间尺度。
• 数值模拟证实，轨迹仅在匹配时间尺度之后才紧密跟随零曲率线，验证了分析预测。
• 该框架可推广至非线性动力系统中的其他奇异摄动问题，特别是具有多个显著差异时间尺度的情形。