Modeling survival–diversity trade-offs and rearrangement cascades in synthetic yeast SCRaMbLE

技术摘要：建模合成酵母 SCRaMbLE 中的生存–多样性权衡与重排级联反应

问题陈述
目前针对合成酵母基因组（Sc2.0）中通过 LoxP 介导的进化（SCRaMbLE）的实验研究，主要依赖于对存活终点克隆进行测序。这种方法仅捕捉到了重排景观中的“生存者富集”部分，使得导致致死性（特别是必需基因丢失）的轨迹在很大程度上未被观察到。此外，目前缺乏一个能够联合建模 lox 位点关系、随机重排过程以及细胞生存约束的定量框架，以理解生成结构多样性与维持生命力之间的权衡。

方法论
作者开发了一个风险感知的、基于 lox 顺序的随机框架，用于向前模拟 SCRaMbLE 的轨迹。关键的方法论组成部分包括：

• 动态状态表示： 每个合成染色体都被建模为由 lox 边界分隔的动态序列。系统在每次事件发生后，都会更新片段顺序、方向、连接处、活跃的 lox 拷贝数以及开放阅读框（ORF）的拷贝数。
• 事件引擎： 模拟器处理缺失（deletion）、反转（inversion）和串联重复（tandem duplication）事件。事件尝试根据伯努利分布（$p_{event}$）进行采样。当发生事件时，会根据特定的采样方案选择一个符合条件的同染色体 lox 对，并根据基于先验数据的经验概率选择一个事件类别。
• 采样方案： 研究比较了两种 lox 对采样策略：
  1. 线性距离采样： 使用幂律衰减（$w \propto [1+d_{ij}]^{-\alpha}$）根据 lox 阶数（$d_{ij}$）对配对进行加权。
  2. 部分 Hi-C 信息辅助采样： 将距离组件与 SynII 的直接接触矩阵数据（归一化 Hi-C 接触）相结合，对于其他染色体或缺乏接触数据的配对，则采用基于距离的备选方案。
• 必需性门控（Essentiality Gate）： 实现了一个严格的生存过滤器，即一旦任何保留的必需 ORF 拷贝数降至零，该轨迹即被分类为“门控失败”。这使得追踪生存（通过门控）和致死（门控失败）的轨迹成为可能。
• 模拟网格： 研究评估了两个采样家族下的 88 种场景，涵盖四种距离衰减参数（$\alpha$）和 11 种事件概率（$p_{event}$）。每个场景包含 10,000 条独立的轨迹，最多进行 20 次连续事件尝试。
• 多样性指标： 使用基于拷贝标签不变性的线性拓扑特征来量化结构多样性，以计算稀释后的有效香农多样性（$D_1$），从而区分真实的结构变异与模拟特定的拷贝标签。
• 状态回放分析： 为了理解重排级联反应，作者回放了门控失败的轨迹，以分析先前的非缺失事件（反转/重复）如何改变导致致死的终端缺失事件的可及性和概率。

关键结果

1. 生存–多样性权衡： 在通过必需性门控的轨迹比例与生存终点的结构多样性之间，存在一个连续且可复现的权衡。增加 $p_{event}$ 会一致地降低通过门控的比例，同时增加结构多样性。

   • 帕累托前沿（非支配设置）完全由 $\alpha = 2.0$ 时的线性距离采样定义。
   • 在预设的门控通过阈值 0.70 下，最具多样性的可容许设置出现在 $p_{event} = 0.10$ 时（通过比例 0.7285，结构 $D_1 = 456.16$）。
   • 无限制的最大多样性（$D_1 = 1,138.78$）在 $p_{event} = 0.30$ 时达到，此时通过比例下降至 0.3710。

2. 门控失败机制：

   • 所有门控失败的轨迹都以缺失事件终止，因为反转和重复会保留或增加拷贝数。
   • 然而，44.73% 的门控失败轨迹包含至少一次先前的反转或重复。
   • 级联效应： 状态回放分析显示，非缺失事件会改变后续缺失事件的“危险度”（hazard）。反转在 41.66% 的采样状态中增加了单步门控失败的缺失危险度（通常是通过缩短距离或激活新的致死跨度）；而重复在 96.67% 的状态中降低了危险度（主要是通过配对空间重归一化和缓冲作用）。

3. 空间组织与 Hi-C：

   • 与线性距离采样相比，部分 Hi-C 信息对合并皮尔逊相关系数（$r = 0.4509$）提供了微小的提升（线性距离采样为 $r = 0.4329$）。
   • 然而，这种优势在不同指标间并不一致；线性距离采样在 Spearman 相关性和 RMSE 方面表现更好。
   • 热点排名性能对于两种模型而言均接近随机，且染色体间的留出集相关性较弱，这表明 Hi-C 信号具有上下文依赖性，并且无法很好地推广到其他染色体或前 10% 的热点预测。

4. 区间级丢失： 门控失败集中在 SynII 上含有必需基因的重复出现区间，如 EXO84、TIM12、CMD1 和 ALG1。位于同一 lox 边界片段内的基因共享相同的丢失频率，这表明区间结构比单个基因的身份更能驱动丢失模式。

意义与主张
本文声称提供了一个可复现的计算基础，用于：

• 量化权衡： 通过帕累托前沿解决生存–多样性权衡问题，使研究人员能够选择平衡生成结构多样性与保留生存克隆的诱导参数（$p_{event}$）。
• 未观察到的轨迹： 表征“缺失的景观”，即致死性重排轨迹，特别证明了非缺失事件（反转/重复）可以通过重塑后续缺失的可及性来间接触发致死。
• 假设生成： 生成用于实验校准的区间级假设。该模型识别了导致致死的特定 SynII 区间，为实验验证（例如通过 CRISPR-Cas9 缺失）提供了可测试的候选对象。
• 方法论严谨性： 建立了一个区分模型定义的事件概率与实验诱导条件的框架，强调当前模型侧重于染色体内事件，未来的工作需要通过湿实验校准，将无量纲概率映射到 Cre 活性和暴露时长。

作者保持了审慎的态度，指出“必需性门控”仅捕捉了生存力的一个组成部分（必需基因丢失），且该框架尚未考虑剂量敏感性、易位以及在实验群体中观察到的复杂染色体间结构。研究结论认为，尽管部分 Hi-C 数据提供了一定的预测增益，但线性距离模型对于定义核心权衡景观仍然是稳健的。