Efficient stochastic simulation of gene regulatory networks using hybrid models of transcriptional bursting

技術的概要：転写バーストのハイブリッドモデルを用いた遺伝子調節ネットワークの効率的な確率シミュレーション

問題提起
単細胞データは、同一のゲノムと環境を持つ細胞間において、特に転写バースト現象として顕著な生物学的な確率変動が存在することを明らかにした。これをモデル化するため、遺伝子発現は通常、離散的な生化学種を持つ連続時間マルコフ連鎖として扱われ、ギレスピーの確率シミュレーションアルゴリズム（SSA）を用いてシミュレーションされる。しかし、SSA は現実的な mRNA およびタンパク質のコピー数に対して計算量が膨大となり、実行不可能となる。一方、片側決定性マルコフ過程（PDMP）は、豊富な種（mRNA、タンパク質）を連続変数として扱い、稀な事象（転写バースト）を離散的なジャンプとして扱うハイブリッド枠組みを提供し、細胞間の変動性を捉えることができるが、そのシミュレーションは専門的な数学コミュニティに限定されていた。既存の PDMP シミュレーション手法は、しばしば生存関数の数値積分に依存しており、計算コストが高く、時間離散化を必要とする。

手法
著者らは、相互作用する遺伝子ネットワークを記述するバースティな PDMP に対する、単純かつ厳密なシミュレーションアルゴリズムを提案する。このモデルは、プロモーターの活性期間が不活性期間に比べて短い「バースティな領域」を仮定しており、これによりプロモーターの状態を捨象できる。この領域において、mRNA はタンパク質レベルに依存する頻度 $kon,i$ で瞬間的なバーストとして生成され、mRNA およびタンパク質の分解と翻訳は、決定論的な常微分方程式（ODE）に従う。

手法の核心は、連続状態空間に適応された SSA を彷彿とさせる受容 - 棄却アルゴリズムである：

1. グローバルクロック: すべてのバースト頻度の和（$\sum kon,i$）に対するグローバルな上限 $\lambda$ を設定する。
2. 決定論的流: ジャンプの間、システムは mRNA とタンパク質の動態を支配する ODE の解析解に従って決定論的に進化する。
3. 事象シミュレーション: 強度 $\lambda$ を持つ均一ポアソン過程をシミュレートし、候補ジャンプ時刻を生成する。
4. 受容 - 棄却: 各候補時刻において、アルゴリズムは「真の」ジャンプが発生するか、それとも「幻影」ジャンプ（棄却）であるかを決定する。この決定は、現在の状態における実際のバースト頻度とグローバル上限 $\lambda$ との比率に基づいて行われる。
5. 状態更新: 真のジャンプが発生した場合、相対的なバースト頻度に基づいて特定の遺伝子が選択され、その遺伝子の mRNA レベルに指数分布に従うバーストサイズが加えられる。その後、プロセスはこの新しい状態から再開される。

主な貢献

• アルゴリズム的効率性: 本論文は、標準的な PDMP シミュレーション手法で必要とされる数値積分を回避するシミュレーション手法を提示する。グローバル上限を用いた受容 - 棄却ステップを採用することで、累積分布関数の逆関数計算や時間離散化の必要性を排除し、計算コストを大幅に削減する。
• 厳密性の証明: 著者らは、構築されたプロセスが対象とする PDMP の厳密な実現であることを示す厳密な数学的証明（第 5 節）を提供する。シミュレートされたプロセスの無限小生成作用素が、バースティな PDMP モデルの理論的生成作用素と一致することを示すことで、軌道が統計的に正しいことを保証する。
• モジュール性とアクセシビリティ: このアルゴリズムは、容易に実装・拡張されるように設計されている。任意数の相互作用する遺伝子に対応でき、基本的な計算構造を変更することなく、追加変数（例えば、成熟 mRNA と前駆体 mRNA の区別など）の導入に適応可能である。
• シミュレーションを通じた生物学的洞察: 2 遺伝子トグルスイッチを本アルゴリズムでシミュレーションすることにより、実データで観測される二峰性分布が、単に転写バーストそのものの結果ではないことを著者らは示した。むしろ、二峰性は遺伝子間相互作用によって駆動される異なるバースト頻度から生じる。本研究は、バースティな PDMP モデルが単細胞データで観測される分布の尾部を正しく捉えるのに対し、標準的な 2 状態プロモーターモデルは、特定の（しばしば非現実的な）パラメータ領域を満たさない限り、それを捉えられないことを浮き彫りにした。

結果

• 計算性能: 著者らは、現実的なパラメータ値において、PDMP シミュレーションは厳密な SSA よりも約 200 倍高速であると報告しており、これにより大規模ネットワークのシミュレーションや広範な単細胞データ軌道の収集が可能になった。
• モデル検証: トグルスイッチネットワークのシミュレーションは、二安定パターンを成功裡に再現した。結果は、タンパク質がより遅い分解速度を持つため、mRNA バーストを緩衝し、頑健な二峰性分布を生成することを示した。
• 理論的一貫性: この証明は、アルゴリズムが正しい無限小生成作用素を持つ軌道を生成することを確認し、種数が高すぎて連続近似を正当化できるが、低すぎてバーストの確率的処理を必要とするシステムにおいて、離散 SSA に代わる厳密な代替手段としてこの手法を検証した。

意義と主張
本論文は、転写バーストが、豊富な化学種を ODE で記述し、稀な種に関連する離的事象が確率変動を駆動するハイブリッドモデリングの理想的なシナリオであると論じている。著者らは、自らの研究がバースティな PDMP のシミュレーションをより広範なシステム生物学コミュニティにアクセス可能にし、非効率な SSA および複雑で専門的な PDMP ソルバーに対する「単純」かつ「厳密」な代替案を提供すると主張している。

著者らは、自らの貢献が新しい理論的枠組み（アルゴリズムは一般的な PDMP シミュレーション手法の特定の場合に過ぎない）ではなく、遺伝子調節ネットワークに特化した実用的な事例であることを強調している。彼らは明示的に、主な動機は大規模ネットワークの効率的なシミュレーションを促進し、既存の文献で欠けていたと判断したアルゴリズムの厳密性に関する詳細な証明を提供することにあると述べている。本論文は、このアプローチが分布の尾部を正しく捉えることが不可欠な単細胞トランスクリプトミクスデータの解釈に特に適しているとして結論付けている。