A simple mathematical model for the discontinuity in average nucleotide identity distributions in prokaryotes

Resumen Técnico: Un modelo matemático simple para la discontinuidad en las distribuciones de Identidad de Nucleótidos Promedio en procariotas

Planteamiento del problema
Se observa que las especies microbianas son cúmulos genómicos discretos, un fenómeno evidenciado por el "hueco de ANI" (ANI gap), una discontinuidad bien documentada en las distribuciones de la Identidad de Nucleótidos Promedio (ANI). Si bien los umbrales de ANI (típicamente del 95% para intra-especie y <85% para inter-especie) son estándares para la delineación de especies procariotas, la anchura de este hueco y los valores de frontera específicos varían significamente entre grupos taxonómicos. El entendimiento actual postula que esta variación surge de la interacción entre dos fuerzas evolutivas: la mutación, que impulsa la divergencia, y la recombinación homóloga, que promueve la cohesión. Sin embargo, mientras que modelos teóricos previos han establecido que la relación entre mutación y recombinación determina si los cúmulos se disuelven o persisten, los mecanismos específicos que dan forma al tamaño de los cúmulos, su espaciamiento y las características del hueco de ANI en regímenes intermedios siguen siendo insuficientemente comprendidos. Este trabajo aborda la cuestión de si un modelo matemático simplificado de mutación y recombinación puede explicar analíticamente la variación en las distribuciones de ANI observada en diferentes grupos taxonómicos.

Metodología
Los autores desarrollaron un modelo de aproximación de campo medio que representa la dinámica genómica en un espacio euclidiano bidimensional continuo y simplificado. En esta abstracción, los genomas son tratados como vectores donde la distancia espacial codifica la disimilitud genómica (ej., $1 - \text{ANI}$). El modelo integra tres componentes primarios:

1. La mutación como difusión: La mutación se modela como un proceso de difusión estocástica donde los genomas se comportan como caminantes aleatorios. Las mutaciones ocurren mediante un proceso de Poisson con una tasa $\mu$, resultando en desplazamientos aleatorios extraídos de una distribución gaussiana. Este proceso causa la expansión del cúmulo genómico a lo largo del tiempo.
2. La recombinación homóloga como atracción: La recombinación se modela como una fuerza atractiva que atrae a los genomas entre sí. La probabilidad de recombinación entre dos genomas depende de su distancia ($d$) y decae exponencialmente con la divergencia de la secuencia: $p_{ij} = p e^{-\alpha d_{ij}}$. Aquí, $p$ es la tasa de recombinación base y $\alpha$ representa la tasa de decaimiento de la eficiencia de la recombinación. Cuando ocurre la recombinación, un genoma se desplaza una fracción $s$ de la distancia hacia su pareja.
3. Derivación analítica: Los autores derivaron las condiciones de equilibrio para el radio cuadrático medio ($R_t$) de un cúmulo genómico equilibrando la expansión debida a la mutación contra la contracción debida a la recombinación. Resolvieron la ecuación diferencial $dR/dt = 0$ para encontrar puntos de equilibrio estables e inestables.

Las predicciones del modelo se compararon cualitativamente contra distribuciones de ANI empíricas derivadas de más de 300,000 comparaciones por pares de cinco géneros bacterianos (Escherichia, Brucella, Leptospira, Proteus y Campylobacter) utilizando ensamblajes de genomas completos de la base de datos NCBI.

Contribuciones clave y resultados
El estudio produce una solución analítica para el radio de equilibrio de los cúmulos genómicos utilizando la función $W$ de Lambert. Los hallazgos clave incluyen:

• Estados de equilibrio: El modelo identifica dos radios críticos: un equilibrio estable ($R^*_{W0}$) que representa el tamaño de un cúmulo genómico, y un equilibrio inestable ($R^*_{W-1}$). Los genomas dentro del radio inestable son atraídos hacia el centro del cúmulo estable, mientras que aquellos más allá de este divergen indefinidamente. La región entre estos dos radios representa una zona dinámicamente inestable, que los autores proponen para explicar la discontinuidad observada (el hueco) en las distribuciones de ANI.
• Sensibilidad de los parámetros:
  • Mutación ($\mu$): Tasas de mutación más altas aumentan el radio del cúmulo estable ($R^*_{W0}$), lo que conduce a una mayor variabilidad intra-especie y desplaza el hueco de ANI hacia valores más bajos.
  • Tasa de recombinación ($(N-1)p$): Tasas de recombinación más altas disminuyen el radio del cúmulo, reduciendo la variabilidad y desplazando el hueco de ANI hacia valores más altos.
  • Tasa de decaimiento ($\alpha$): Una tasa de decaimiento más alta (recombinación menos promiscua) debilita la fuerza cohesiva, aumentando el radio del cúmulo. Por el contrario, un $\alpha$ más bajo (recombinación más promiscua) aumenta la distancia entre cúmulos distintos ($D_{between}$), ensanchando así el hueco de ANI.
• Replicación de datos empíricos: Al ajustar la relación entre mutación y recombinación y la tasa de decaimiento $\alpha$, el modelo replica exitosamente de forma cualitativa la variabilidad vista en las distribuciones de ANI reales. Por ejemplo, simula huecos estrechos con alta diversidad (como Escherichia) y huecos amplios con baja diversidad (como Brucella) mediante la variación de estos parámetros.

Significancia y afirmaciones
Los autores afirman que su modelo simplificado proporciona un marco tratable para comprender la dinámica fundamental que gobierna las fronteras de las especies microbianas. Al derivar analíticamente las condiciones de equilibrio, el modelo ofrece predicciones específicas y contrastables:

1. Una mayor mutación aumenta la variabilidad intra-especie y desplaza el hueco de ANI hacia abajo.
2. Una mayor recombinación homóloga reduce la variabilidad y desplaza el hueco hacia arriba.
3. Una recombinación más promiscua (un $\alpha$ más bajo) ensancha el hueco de ANI al aumentar las distancias inter-cúmulo.

El artículo enfatiza que la delineación de especies requiere considerar conjuntamente las tasas de mutación, las tasas de recombinación y el decaimiento de la eficiencia de la recombinación con la divergencia de la secuencia. Aunque el modelo es una simplificación (ignorando el espacio físico, los paisajes de aptitud (fitness) y los cúmulos anidados), sirve como un paso fundacional para motivar futuros esfuerzos experimentales y teóricos para cuantificar estos parámetros en poblaciones microbianas. Los autores alientan a la comunidad a probar estas predicciones para comprender mejor las fuerzas evolutivas que dan forma a la diversidad microbiana.