Inherited or produced? Inferring protein production kinetics when protein counts are shaped by a cell's division history

Deze studie ontwikkelt een methode met conditionele normaliserende stromen om de eiwitproductiekinetiek in delende cellen nauwkeurig te reconstrueren door rekening te houden met erfelijkheid, en toont hiermee aan dat het *glc3*-gen in gist onder stressomstandigheden slechts kort en tijdelijk wordt geactiveerd.

De kern

Stel je voor dat je een drukke fabriek observeert waar kleine lampjes (eiwitten) worden gemaakt. Je wilt weten hoe vaak de machines aan- en uitschakelen. Maar er is een probleem: de fabriek verdeelt zich voortdurend in twee kleinere fabriekjes (celverdeling).

Wanneer een fabriek zich splitst, deelt hij zijn voorraad lampjes niet weg, maar geeft hij ze door aan de nieuwe fabriekjes. De lampjes die je nu ziet, zijn dus een mix van nieuwe lampjes die net zijn gemaakt én oude lampjes die van de "moeder" zijn geërfd.

Dit is precies het probleem dat Pedro Pessoa en zijn team in hun paper proberen op te lossen. Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen.

1. Het Probleem: De "Geest van de Moeder"

Stel je voor dat je naar een foto kijkt van een kind dat een oude, versleten trui draagt. Als je alleen naar de trui kijkt, denk je misschien: "Oh, dit kind is de hele dag aan het spelen en heeft deze trui zelf versleten."

Maar wat als de trui eigenlijk van de opa is, die hem al 20 jaar droeg, en het kind hem net heeft overgenomen? De trui ziet er versleten uit, niet omdat het kind hard heeft gewerkt, maar omdat het geërfd is.

In de biologie is dit hetzelfde. Wetenschappers kijken vaak naar fluorescentie (een lichtsignaal) in cellen om te zien of een gen actief is. Maar omdat eiwitten vaak langer leven dan de cel zelf, dragen de nieuwe cellen de "oude" eiwitten van hun moeder mee.

• De oude manier van denken: "Ik zie veel licht, dus het gen is continu actief."
• De realiteit: "Het gen is misschien maar heel kort actief geweest, maar de cellen hebben die eiwitten zo vaak doorgegeven dat er nu een hoop licht is."

De oude wiskundige methodes (die "Markoviaans" heten) gaan ervan uit dat elk moment onafhankelijk is van het verleden. Maar bij celverdeling is dat niet zo. De geschiedenis van de celverdeling (de "stamboom") bepaalt hoeveel eiwitten er nu zijn. Dit maakt de wiskunde onmogelijk op te lossen met traditionele formules.

2. De Oplossing: De "Virtuele Simulatie-Game"

Omdat ze de formule niet kunnen opschrijven, doen de onderzoekers iets slims. Ze gebruiken een virtuele game (een computer-simulatie).

Stel je voor dat je een videospel hebt waarin je de regels van de fabriek instelt (hoe snel worden lampjes gemaakt? Hoe vaak splitst de fabriek?). Je speelt het spel duizenden keren met willekeurige instellingen en kijkt wat er gebeurt.

• Je ziet: "Als ik de machine snel zet en de fabriek vaak splitst, krijg ik dit soort foto's."
• Je ziet: "Als ik de machine traag zet, krijg ik dat soort foto's."

Het probleem is nu: je hebt de foto's van de echte fabriek, maar je weet niet welke instellingen ze hebben gebruikt. Hoe vind je de juiste instellingen terug?

3. De "Super-Detective" (Neurale Netwerken)

Hier komt de echte innovatie. Normaal gesproken zou je proberen een formule te vinden die de kans berekent: "Hoe waarschijnlijk is deze foto bij deze instellingen?" Maar dat kan niet.

Dus bouwen ze een AI-detective (een neurale netwerk, specifiek een "Conditional Normalizing Flow").

1. Ze laten de AI het spel spelen met miljoenen willekeurige instellingen.
2. Ze leren de AI: "Kijk, bij deze instellingen zie je dit soort foto's. Bij die andere zie je dat."
3. De AI leert een virtuele kaart maken. Deze kaart zegt: "Als je deze foto ziet, zijn de instellingen waarschijnlijk dit."

Het is alsof je een detective opleidt door hem duizenden misdaadscènes te laten zien met de daders erbij. Uiteindelijk kan de detective, als hij alleen de foto van de misdaad ziet, de dader (de instellingen) raden, zonder dat hij ooit de exacte wiskundige formule van de misdaad kent.

4. Het Verbluffende Resultaat: De "Glc3" Gen

Ze pasten deze methode toe op gistcellen (een soort microscopisch brooddeeg) die onder stress staan. Ze keken naar het glc3-gen, dat helpt bij het opslaan van suiker.

• De verwachting: Omdat de cellen onder enorme stress staan (honger), dachten ze dat het gen continu aan zou staan, alsof de machines 24/7 draaien om suiker te maken. De foto's toonden inderdaad veel licht.
• De werkelijkheid (ontdekt door de AI): De AI liet zien dat het gen bijna nooit aan staat! De cellen staan 95% van de tijd uit.
• Waarom is het dan zo licht? Omdat de cellen die wel even aanstonden, de eiwitten hebben doorgegeven aan hun nakomelingen. Het licht dat je ziet, is dus een erfenis van een paar korte momenten van activiteit, niet van constante productie.

Conclusie: Waarom is dit belangrijk?

Zonder deze slimme methode zouden wetenschappers denken: "De cellen zijn gek en produceren continu suiker."
Met deze methode weten ze nu: "De cellen zijn slim; ze slaan de suiker op door het gen heel kort aan te zetten en die 'opslag' door te geven aan hun kinderen."

Het is een beetje alsof je denkt dat iemand rijk is omdat hij elke dag geld verdient, terwijl hij eigenlijk maar één keer in zijn leven een loterij heeft gewonnen en dat geld nu al 50 jaar aan zijn kinderen doorgeeft. De AI helpt ons het verschil te zien tussen wat er nu gebeurt en wat er in het verleden is gebeurd.

Kort samengevat:
De onderzoekers hebben een manier gevonden om te kijken door de "rook" van erfelijke eiwitten heen. Ze gebruiken een AI die leert van simulaties in plaats van van formules, waardoor ze eindelijk kunnen zien hoe cellen echt werken, zelfs als ze voortdurend in tweeën delen.

Technische samenvatting

Probleemstelling

Het schatten van de kinetiek van eiwitproductie in delende cellen is fundamenteel complex door het fenomeen van eiwitovererving. Traditionele modellen voor genexpressie gaan vaak uit van Markoviaanse dynamica (geheugenloos), waarbij eiwitten worden verwijderd via degradatie. Echter, in delende cellen (zoals gist) is de afname van eiwitconcentraties voornamelijk het gevolg van celdeling en verdeling over dochtercellen, niet van degradatie.

Dit creëert twee hoofdproblemen:

1. Niet-Markoviaanse dynamica: De eiwitconcentratie in een cel op een bepaald moment hangt af van de volledige delingsgeschiedenis van die cel. Omdat celdelingstijden niet exponentieel verdeeld zijn, kunnen standaard mastervergelijkingen (zoals de chemische mastervergelijking) niet worden gebruikt om een kansvergelijking (likelihood) op te stellen.
2. Intractable Likelihood: Zonder een analytische likelihood-functie $p(data|\theta)$ is het onmogelijk om parameters (zoals productiesnelheid of schakelkinetiek) direct af te leiden uit experimentele data (zoals flowcytometrie) via traditionele Bayesiaanse inferentie. Naïeve analyses die celdeling negeren, leiden tot verkeerde conclusies (bijv. het interpreteren van geërfd eiwit als actieve, nieuwe productie).

Methodologie

De auteurs stellen een Simulatie-gebaseerde Inferentie (Simulation-Based Inference - SBI) raamwerk voor, specifiek gebruikmakend van Conditionele Normalizing Flows.

1. Simulatie-gebaseerde aanpak: In plaats van een likelihood analytisch af te leiden, wordt een simulator gebruikt om data te genereren voor gegeven parameters $\theta$. De simulator modelleert:

   • Eiwitproductie (Poisson-proces).
   • Celdeling (deterministisch of stochastisch, met verdeling van eiwitten).
   • Gen-regulatie (schakelen tussen actieve en inactieve toestanden).
   • Meetproces (inclusief autofluorescentie en conversie naar intensiteit).

2. Normalizing Flows voor Likelihood-approximatie:

   • Het kernidee is het trainen van een neurale netwerk (een normalizing flow) om de conditionele dichtheid $p(data|\theta)$ te benaderen.
   • Het netwerk leert een invertibele transformatie die een eenvoudige basisverdeling (bijv. Gaussisch) afbeeldt op de complexe verdeling van de gesimuleerde data, geconditioneerd op de parameters.
   • Trainingscyclus:
     • Parameters $\theta$ worden gesampled uit een prior-verdeling.
     • De simulator genereert overeenkomstige data $y$.
     • Het neurale netwerk wordt getraind om de waarschijnlijkheid van deze data gegeven de parameters te maximaliseren (minimiseren van de negatieve log-likelihood).
     • Door dynamisch nieuwe datasets te genereren tijdens het trainen, voorkomt men overfitting en leert het netwerk een gladde, generaliseerbare likelihood-functie.

3. Bayesiaanse Inferentie:

   • Zodra het netwerk de likelihood $p(y|\theta)$ heeft geleerd, wordt deze gebruikt in de Bayesiaanse stelling om de posterior-verdeling $p(\theta|y_{obs})$ te berekenen voor echte experimentele data.
   • Voor complexe modellen wordt gebruik gemaakt van Markov Chain Monte Carlo (MCMC) met het getrainde netwerk als likelihood-schatter.

Modelhiërarchie en Validatie

De auteurs testen hun methode op drie modellen van toenemende complexiteit:

• Model 1 (Deterministische deling): Eiwitproductie met constante snelheid en vaste delingstijden. Hier bestaat een exacte analytische oplossing (incomplete Gamma-verdeling). Het neurale netwerk kon deze exacte verdeling nauwkeurig benaderen.
• Model 2 (Stochastische deling): Delingstijden volgen een Gamma-verdeling. De likelihood is analytisch niet oplosbaar. Het netwerk slaagde erin de likelihood te benaderen en parameters ($\beta$, $\sigma$) correct te schatten uit synthetische data.
• Model 3 (Realistisch biologisch scenario): Inclusief twee-toestand genregulatie (actief/inactief), asymmetrische celdeling (budding in gist), en indirecte fluorescentiemetingen met autofluorescentie. Dit model heeft geen analytische oplossing en is volledig afhankelijk van simulatie.

Resultaten: Toepassing op S. cerevisiae

De methode werd toegepast op flowcytometrie-data van Saccharomyces cerevisiae (bakergist) onder verschillende stresscondities (gemeten via verdunningssnelheid in een chemostaat), waarbij de expressie van het glc3-gen (glycogeen-synthese) werd gemeten via GFP.

• Observatie: Onder hoge stress (lage verdunningssnelheid) was de gemiddelde fluorescentie-intensiteit zeer hoog. Een naïeve interpretatie zou suggereren dat de meeste cellen het gen constant actief hebben.
• Inferentie-resultaat: Na correctie voor celdeling en overerving, bleek dat het gen onder hoge stress zelden en kortstondig actief is.
  • De geschatte fractie van de tijd dat cellen actief zijn, bedroeg slechts ~5% onder hoge stress (vs. ~2% onder lage stress).
  • De hoge fluorescentie wordt veroorzaakt door de accumulatie van eiwitten die over meerdere celcycli worden geërfd, niet door continue productie.
• Conclusie: De cellen gebruiken een "bet-hedging" strategie waarbij ze kortstondig schakelen naar een stress-resistentie toestand, maar de eiwitten blijven lang aanwezig door de trage afbraak ten opzichte van de deling.

Belangrijkste Bijdragen

1. Overcoming Non-Markovian Barriers: De paper biedt een oplossing voor inferentie in systemen waar de Markov-aanname faalt (door celdeling), een probleem dat traditionele fysica-gebaseerde inferentie onoplosbaar maakt.
2. Likelihood-gebaseerde SBI: In tegenstelling tot andere SBI-methoden die direct de posterior benaderen (wat validatie moeilijk maakt), benadert deze methode de likelihood-functie zelf. Dit behoudt de interpretatiekracht en validatiemogelijkheden van Bayesiaanse inferentie.
3. Biologische Inzicht: Het onthult dat hoge fluorescentie niet noodzakelijk betekent dat een gen constant actief is; overerving kan een vertekend beeld geven. Dit verandert de interpretatie van stressrespons in gist.
4. Flexibiliteit: De methode is toepasbaar op complexe, realistische modellen met meerdere parameters, asymmetrische deling en meetfouten, zonder dat analytische oplossingen nodig zijn.

Significantie

Dit werk markeert een verschuiving in de kwantitatieve biologie. Het demonstreert dat neurale netwerken niet alleen als "black boxes" voor voorspelling kunnen dienen, maar als krachtige instrumenten om de statistische onderbouwing (likelihood) van complexe biologische processen te reconstrueren. Door de scheiding tussen "geërfd" en "nieuw geproduceerd" materiaal te maken, biedt het een nauwkeurigere kijk op genregulatiekinetiek, wat essentieel is voor het begrijpen van fenotypische heterogeniteit en overlevingsstrategieën in micro-organismen.