Generative continuous time model reveals epistatic signatures in protein evolution

Sintesi Tecnica: Un modello generativo a tempo continuo rivela firme epistatiche nell'evoluzione proteica

Definizione del problema
L'evoluzione proteica è fondamentalmente plasmata dall'epistasi, in cui l'effetto di fitness di una mutazione dipende dal contesto della sequenza. I metodi filogenetici standard tipicamente assumono che i siti evolvano indipendentemente, una semplificazione che trascura queste ubiquitarie interazioni. Sebbene i moderni modelli generativi, come i modelli di Potts, catturino con successo gli effetti epistatici e possano generare sequenze funzionali, essi si sono storicamente basati sul campionamento Monte Carlo a tempo discreto. Questo approccio discreto crea una barriera all'integrazione con i framework standard della biologia evolutiva, che si basano su catene di Markov a tempo continuo (CTMC) e utilizzano lunghezze dei rami misurate in sostituzioni attese per sito. Di conseguenza, vi è una mancanza di strumenti in grado di simulare un'evoluzione proteica realistica, guidata dall'epistasi, pur rimanendo direttamente confrontabile con i modelli filogenetici tradizionali.

Metodologia
Gli autori introducono un modello di evoluzione di sequenza a tempo continuo parametrizzato da un modello di Potts generativo. La metodologia principale prevede:

• Definizione del modello: La distribuzione di equilibrio $P_{eq}(a)$ è definita da un modello di Potts con campi ($h$) e accoppiamenti ($J$) inferiti da allineamenti di sequenze multiple tramite l'algoritmo bmDCA. Questa distribuzione cattura sia le frequenze dei singoli siti che le correlazioni a coppie (epistasi).
• Dinamiche a tempo continuo: Per colmare il divario con la filogenesi, gli autori formulano l'evoluzione come una CTMC. Utilizzano l'algoritmo di Gillespie per simulare le traiettorie. La matrice di tasso di transizione $Q$ è costruita per soddisfare il bilancio di dettaglio rispetto a $P_{eq}$, utilizzando la dinamica di Glauber (sebbene siano state testate anche altre dinamiche come Metropolis o mutazione-selezione, che hanno prodotto risultati qualitativamente simili).
• Scaling del tasso: Un fattore di scala $\Omega$ viene applicato al parametro temporale $t$ in modo che il tasso medio di sostituzioni per posizione sia pari a uno. Ciò assicura che l'unità di tempo corrisponda direttamente alle lunghezze dei rami utilizzate nella normale inferenza filogenetica.
• Framework comparativo: Il modello viene applicato a specifiche famiglie proteiche (es. PF00072, regolatore di risposta) e confrontato con due baseline: un modello di profilo (che mantiene le frequenze specifiche per sito ma assume l'indipendenza) e modelli di sostituzione standard (es. LG+G4).

Contributi chiave e risultati
Lo studio fornisce approfondimenti quantitativi su come l'epistasi alteri le dinamiche evolutive:

1. Accuratezza generativa: Le traiettorie simulate sotto il modello di Potts a tempo continuo producono sequenze statisticamente indistinguibili dalle sequenze naturali in termini di frequenze dei singoli siti, correlazioni a coppie e proiezioni delle componenti principali. Al contrario, i modelli di profilo e i modelli di sostituzione standard non riescono a mantenere queste statistiche di ordine superiore durante lunghi tempi evolutivi, generando spesso sequenze con alta energia statistica (che indica una potenziale non-funzionalità).

2. L'epistasi rallenta l'evoluzione: La presenza di epistasi rallenta significativamente il tasso di divergenza. Sebbene il tasso medio di sostituzione per sito sia simile tra i modelli di Potts e di profilo, il modello di Potts richiede un tempo evolutivo più lungo per raggiungere una specifica distanza di Hamming dalla sequenza ancestrale. Ciò è attribuito a un insieme più ristretto di mutazioni accessibili e a una maggiore frequenza di mutazioni inverse nel paesaggio epistatico.

3. Eterogeneità del tasso dipendente dal contesto: Un risultato centrale è che, mentre il tasso evolutivo medio per sito $\langle R_i \rangle$ è quasi identico tra i modelli epistatici e non epistatici, il tasso dipendente dal contesto $R_i^C(a_{\setminus i})$ varia drasticamente.

   • Alcune posizioni sono "congelate" (tasso vicino allo zero) in specifici contesti, ma altamente evolvibili in altri.
   • Altre posizioni evolvono indipendentemente dal contesto.
   • Gli autori hanno sviluppato un metodo di classificazione per identificare i siti in base alla varianza dei loro tassi dipendenti dal contesto. Hanno scoperto che i siti altamente dipendenti dal contesto spesso si raggruppano strutturalmente (ad esempio, alle interfacce di legame), mentre i siti indipendenti dal contesto non mostrano tale raggruppamento strutturale.

4. Bias sistematico nell'inferenza della distanza evolutiva: Quando le distanze evolutive vengono inferite utilizzando modelli standard indipendenti dal sito (come i modelli di profilo) su dati generati dal modello di Potts epistatico, si verifica una sottostima sistematica del vero tempo evolutivo.

   • Questo bias non è uniforme; è significativamente più forte per le sequenze che partono da "contesti lenti" (sequenze a bassa energia e altamente vincolate).
   • Il bias è guidato principalmente dal sottoinsieme di siti che sono fortemente dipendenti dal contesto. Quando l'inferenza è limitata ai siti indipendenti dal contesto, il bias scompare quasi del tutto.
   • In esperimenti su alberi a quattro taxa, ciò porta alla sottostima delle lunghezze dei rami e dei diametri degli alberi, in particolare per gli alberi radicati in contesti a evoluzione lenta.

Significatività
L'articolo sostiene di colmare il divario tra i moderni modelli generativi di proteine e la filogenesi classica. Formulando l'evoluzione epistatica in tempo continuo, gli autori forniscono uno strumento per simulare traiettorie evolutive realistiche compatibili con le unità filogenetiche standard. Il lavoro dimostra che trascurare l'epistasi non influenza semplicemente la varianza dei tassi evolutivi, ma introduce un bias sistematico nell'inferenza delle scale temporali evolutive. Nello specifico, rivela che i metodi standard sottostimano il tempo necessario affinché le sequenze divergano in presenza di epistasi, specialmente per sequenze altamente vincolate. Ciò suggerisce che le attuali ricostruzioni filogenetiche potrebbero comprimere sistematicamente le lunghezze dei rami e distorcere la percezione temporale delle radiazioni evolutive, specialmente nei cladi soggetti a forti vincoli funzionali. Gli autori pongono questo lavoro come un passo necessario verso modelli più realistici per l'evoluzione molecolare e come fondamento per correggere i bias nell'inferenza filogenetica.