[论文解读] Mesoscopic Biochemical Basis of Isogenetic Inheritance and Canalization: Stochasticity, Nonlinearity, and Emergent Landscape

Hong Qian, Hao Ge|arXiv (Cornell University)|Feb 21, 2012

Gene Regulatory Network Analysis参考文献 50被引用 8

一句话总结

本文提出了一种基于随机非线性动力学的介观生物化学框架，用于解释同基因型遗传与通道化现象，表明基因调控与信号转导网络中的多重吸引子（源于内在噪声或反馈回路）可作为可遗传的细胞状态。其核心贡献是在一个涌现的非平衡景观上提出广义的Kramers速率理论，解释了为何在无DNA序列改变的情况下，稳定状态之间的随机切换仍能实现稳健且可遗传的表型状态。

ABSTRACT

Biochemical reaction systems in mesoscopic volume, under sustained environmental chemical gradient(s), can have multiple stochastic attractors. Two distinct mechanisms are known for their origins: ($a$) Stochastic single-molecule events, such as gene expression, with slow gene on-off dynamics; and ($b$) nonlinear networks with feedbacks. These two mechanisms yield different volume dependence for the sojourn time of an attractor. As in the classic Arrhenius theory for temperature dependent transition rates, a landscape perspective provides a natural framework for the system's behavior. However, due to the nonequilibrium nature of the open chemical systems, the landscape, and the attractors it represents, are all themselves {\em emergent properties} of complex, mesoscopic dynamics. In terms of the landscape, we show a generalization of Kramers' approach is possible to provide a rate theory. The emergence of attractors is a form of self-organization in the mesoscopic system; stochastic attractors in biochemical systems such as gene regulation and cellular signaling are naturally inheritable via cell division. Delbrück-Gillespie's mesoscopic reaction system theory, therefore, provides a biochemical basis for spontaneous isogenetic switching and canalization.

研究动机与目标

• 建立同基因型遗传的理论基础——即在无DNA序列改变的情况下实现表型稳定性，跨越细胞分裂过程。
• 阐明介观生物化学系统中多重稳定性的起源，区分随机机制与非线性机制。
• 证明生物化学网络中的吸引子由于其鲁棒性与自组织特性，可在细胞分裂过程中实现可遗传性。
• 基于景观视角，为非平衡开放化学系统发展广义的Kramers速率理论。

提出的方法

• 使用Delbrück-Gillespie介观反应系统理论，对细胞体积内的随机生物化学动力学进行建模。
• 应用化学主方程与Gillespie算法，模拟反应网络的精确随机轨迹。
• 构建稳态概率分布作为景观函数，形式为 $ f^{ss}(x) \propto e^{-V\phi(x)} $，其中 $ \phi(x) $ 编码有效势能。
• 利用广义Kramers公式推导吸引子之间切换时间的解析表达式，考虑体积依赖性。
• 识别出两种不同的双稳态类型：随机型（无宏观对应）与非线性型（在大体积极限下为确定性）。
• 利用景观表示法可视化并量化吸引子稳定性、吸引盆区域及跃迁速率。

实验结果

研究问题

• RQ1 在介观细胞体积中，生物化学动力学如何导致同基因型遗传——即无遗传改变的表型稳定性？
• RQ2 生物化学网络中多重稳定性的不同起源是什么：内在噪声（随机基因开关）还是非线性反馈（确定性双稳态）？
• RQ3 在不同系统体积下，随机吸引子之间的切换时间如何变化？是否可由广义Kramers理论描述？
• RQ4 在细胞分裂过程中，生物化学系统中的吸引子以何种方式作为可遗传的细胞状态？
• RQ5 涌现景观函数如何在开放生物化学系统中作为非平衡、自组织结构发挥作用？

主要发现

• 介观生物化学系统的稳态概率分布可表示为 $ f^{ss}(x) \propto e^{-V\phi(x)} $，其中 $ \phi(x) $ 定义了一个涌现的非平衡景观。
• 存在两种不同的双稳态类型：随机型（无宏观极限）与非线性型（在大体积下为确定性），其吸引子驻留时间具有不同的体积依赖性。
• 吸引子之间的切换时间遵循广义Kramers公式：$ T_{1\rightarrow 2} \approx \frac{2\pi e^{V(\phi(x_3^*) - \phi(x_1^*))}}{w(x_3^*)\sqrt{-\phi''(x_1^*)\phi''(x_3^*)}} $，显示对体积的指数依赖性。
• 景观框架解释了鲁棒性与自组织性：系统能自发地在吸引盆区域内松弛至稳定状态。
• 基因调控与信号转导网络中的吸引子由于其稳定性和动态鲁棒性，自然具备可遗传性。
• 该理论为表观遗传通道化与自发的同基因型切换提供了生物化学基础，其根源在于介观尺度的随机非线性动力学。