Connectivity-dependent effects of depth-1 canalisation on attractor dynamics in small-world Boolean networks

기술 요약: 소규모 세상 불리언 네트워크의 어트랙터 역학에 미치는 연결성 의존적 깊이-1 캐널라이제이션 효과

문제 정의
불리언 네트워크(Boolean networks, BNs)는 유전자 조절 네트워크(GRNs)를 모델링하기 위한 프레임워크로 사용되며, 여기서 네트워크 구조와 국소적 업데이트 규칙은 어트랙터 주기(attractor periods) 및 베이신 구조(basin structures)와 같은 장기 역학을 결정한다. 임계값 규칙(threshold rules)은 해석 가능하지만, 이는 가산적 입력 조합을 가정하므로 단일 지배적 조절자가 다른 입력과 관계없이 목표 상태를 결정하는 경우와 같은 조절 시나리오를 놓칠 수 있다. 이러한 현상은 캐널라이징 규칙(canalising rules)에 의해 포착된다. 기존 연구는 캐널라이제이션과 민감도 감소 또는 어트랙터 수 감소 사이의 연관성을 확립했으나, 네트워크 토폴로지—구체적으로 연결성, 이웃 크기, 재배선(rewiring)과 같은 소규모 세상(small-world) 특성—가 캐널라이징 조절 및 억제 에지 확률의 효과를 어떻게 수정하는지는 여전히 불분명하다. 본 연구는 유향(directed), 부호화된(signed) Watts–Strogatz 불리언 네트워크에서 깊이-1 캐널라이제이션의 역학적 효과가 밑바탕이 되는 네트워크 구조에 의존하는지 조사한다.

방법론
저자들은 유향, 부호화된 Watts–Strogatz 그래프 상에서 동기식 업데이트를 사용하는 두 가지 구별된 시뮬레이션 설계를 채택하였다:

1. 그래프-복제 주기 설계(Graph-Replicate Period Design): 이 설계는 다섯 가지 제어된 파라미터($N \in \{10, \dots, 100\}$, 이웃 파라미터 $\kappa$, 재배선 확률 $p \in \{0.01, \dots, 0.60\}$, 억제 에지 확률 $p_{rep} \in \{0.10, \dots, 0.50\}$, 캐널라이싱 확률 $q_c \in \{0, 0.25, \dots, 1\}$)를 사용하여 825,000개의 그래프-규칙 복제본을 활용하였다. 주요 결과 변수는 어트랙터의 기하 평균 주기와 고정점 비율(fixed-point rate)이었다. 통계 분석에는 $q_c$, $p_{rep}$, 그리고 구조적 파라미터 간의 상호작용을 추정하기 위해 텐서 곱 스무딩(tensor-product smooths)을 사용한 가우시안 가법 모델(Gaussian additive models)이 사용되었다.
2. 고정 시스템 베이신 및 섭동 설계(Fixed-System Basin-and-Perturbation Design): 이 설계는 샘플링된 베이신과 섭동으로부터의 회복을 조사하기 위해 7,200개의 고정된 불리언 시스템($N \in \{20, 60, 100\}$, $p_{rep} \in \{0.30, 0.50\}$)을 사용하였다. 각 시스템에 대해 200개의 초기 상태를 샘플링하여 베이신 엔트로피와 도달한 어트랙터 수를 추정하였다. 또한, 어트랙터 상태에 30개의 1비트 섭동을 적용하여 회복 확률, 제한된 평균 회귀 시간(2000 업데이트로 제한), 그리고 시간에 따른 해밍 분율(Hamming fraction) 확산을 측정하였다.

업데이트 규칙은 임계값 규칙을 폴백(fallback)으로 하는 부호화된 임계값 규칙이었으며, 지배적 조절자가 특정 조건을 충족하면 노드의 상태를 강제하고, 그렇지 않으면 부호화된 임계값 규칙이 적용되는 깊이-1 캐널라이싱 메커니즘을 포함하였다.

주요 기여 및 결과

• 연결성 의존적 주기 역전(Connectivity-Dependent Period Reversal): 본 연구는 네트워크 연결성과 캐널라이제이션 사이의 결정적인 상호작용을 식별하였다. 네트워크 크기가 $N=100$이고 이웃 파라미터가 낮은($\kappa=1$) 경우, 완전한 캐널라이제이션($q_c=1$)은 임계값 전용 규칙에 비해 조정된 기하 평균 주기를 22.1~25.8% 증가시켰다. 반대로, 더 높은 이웃 크기($\kappa=2$에서 $5$)에서는 완전한 캐널라이제이션이 주기를 유의미하게 단축시켰다($\kappa=5$에서 최대 99.9% 감소). 이 역전 현상은 지배적 입력 조절의 효과가 균일하지 않으며 국소적 연결성 맥락에 따라 달라짐을 나타낸다.
• 억제 에지 확률 변조(Inhibitory-Edge Probability Modulation): 캐널라이제이션의 효과 크기는 억제 에지의 확률($p_{rep}$)에 강하게 의존했다. 캐널라이제이션은 높은 $p_{rep}$ (0.24–0.50)에서 일반적으로 주기를 단축시켰지만, 낮은 $p_{rep}$ (0.10)에서는 효과가 약하거나 비단조적이었다. 캐널라이제이션은 서로 다른 억제 확률 간의 주기 차이를 좁혔으나 이를 완전히 제거하지는 못했다.
• 재배선 효과(Rewiring Effects): 재배선 확률($p$)을 0.01에서 0.60으로 증가시키면 모든 규칙 설정에서 조정된 주기가 일반적으로 단축되었다. 그러나 이러한 단축의 크기는 $q_c$ 및 $p_{rep}$에 따라 달랐으며, $\kappa$에 대해 비선형적인 관계를 보였다.
• 베이신 및 섭동 역학(Basin and Perturbation Dynamics): 고정 시스템 설계에서, 완전한 캐널라이제이션은 샘플링된 초기 상태로부터 도달하는 어트랙터의 수를 줄였고 관찰된 베이신 엔트로피를 감소시켰다($p_{rep}=0.30$에서). 결정적으로, 캐널라이제이션은 섭동 회복을 개선했다: 즉, 2000 업데이트 내에 원래의 어트랙터로 돌아올 확률을 높였고, 제한된 평균 회귀 시간을 줄였으며, 25 업데이트 후의 해밍 분율(섭동 확산)을 감소시켰다.
• 고정점 비율(Fixed-Point Rate): 주기가 짧아지는 것이 고정점 증가와 상관관계가 있을 것이라는 직관과는 반대로, 완전한 캐널라이제이션은 모든 억제 에지 확률에 대해 고정점 비율을 실제로 낮추었다. 이는 관찰된 주기 감소가 단순한 정상 상태(steady states)의 증가와는 구별되는 역학적 조직의 변화임을 확인시켜 준다.

의의 및 주장
본 논문은 깊이-1 캐널라이제이션의 역학적 효과가 그것이 삽입된 네트워크에 조건부적이라는 점을 주장한다. 핵심적인 발견은 네트워크 구조(특히 이웃 크기 $\kappa$와 재배선 $p$)와 활성화/억제 에지의 균형($p_{rep}$)이 지배적 입력 조절이 시스템을 안정화할지(주기 단축) 아니면 불안정하게 만들지(주기 연장)를 공동으로 결정한다는 것이다.

저자들은 이러한 결과가 테스트된 모델(유향, 부호된 Watts–Strogatz 네트워크와 동기식 업데이트, 깊이-1 캐널라이제이션을 사용하는 모델)에 특화된 것임을 강조한다. 저자들은 이 결과가 모든 네트워크 토폴로지(예: 척도 없는 네트워크 또는 모듈형 네트워크)나 더 큰 네트워크 크기에 대해 보편적으로 적용된다고 주장하지 않는다. 본 연구는 미래의 생물학적 모델링을 위한 구체적인 예측을 제공한다: 지배적 조절이 어트랙터 주기에 미치는 영향은 균일하다고 가정할 수 없으며, 반드시 특정 네트워크 연결성 및 규제 부호의 맥락 내에서 평가되어야 한다. 본 연구 결과는 불리언 모델을 사용하여 규제 안정성을 가설화할 때, 연결성, 에지 부호, 그리고 규칙 유형를 동시에 고려해야 함을 시사한다.