现代生物学实验正变得越来越复杂,设计这些实验产生最大可能量化的洞察力是一个开放的挑战。越来越复杂的生物系统随机计算模型被用于理解和预测生物行为或推断生物参数。这种定量分析也可以帮助提高实验设计为特定的目标,如更多地了解特定模型机制或在某些情况下减少预测错误。一个经典的实验设计方法是使用费舍尔信息矩阵(鱼类),量化预期的信息特定实验揭示了模型参数。有限状态projection-based鱼翅(FSP-FIM)是最近开发的计算离散随机的鱼类基因调控系统,其复杂的响应分布不满足标准的高斯假设的变化。在这项工作中,我们发展FSP-FIM分析应激反应基因的随机模型<我talic> 酿酒酵母我talic>在时变MAPK归纳。我们验证这FSP-FIM分析和用它来优化细胞的数量应量化在特定时间尽可能多地了解该模型参数。然后扩展FSP-FIM方法探讨不同测量时间或基因修改有助于减少不确定性在细胞外环境的感知,我们实验验证FSP-FIM排名单细胞实验最小化的能力估计的不确定性的氯化钠浓度在酵母渗透冲击。这项工作表明潜在的定量模型不仅理解现代生物数据集,关闭循环之间的定量建模和实验数据收集。
设计实验的标准方法是完全依赖专家知识和直觉。然而,随着实验调查变得更加复杂和寻求检查系统更微妙的非线性相互作用,它变得更加难以改善实验设计使用直觉。这个问题已经成为现代single-cell-single-molecule特别是相关基因调控过程的调查。执行这样的强大,然而复杂,实验涉及到选择从大量可能的实验设计,和经常不清楚设计将提供最相关的信息。一套系统的方法来解决这个问题是模型驱动的实验设计,在现有知识和经验结合形成一个假设(和部分不正确的)系统的数学模型来估计和优化实验设置的价值潜力。在实践中,这样的初步模型定义的现有数据在简单或更一般的设置如便宜的散装实验或将从文献值进行估计类似的基因,通路,或生物。当不确定参数或模型结构,这些可以根据先验分布,描述和实验需要选择根据执行最佳平均在许多可能的模型/参数组合。
近年来,模型驱动实验设计了牵引生物基因表达模式,无论是在贝叶斯设置(
在我们的计算分析中,我们考虑单分子信使rna荧光的实验技术<我talic>
原位我talic>特定荧光寡核苷酸探针杂交(smFISH),固定细胞杂化mRNA的兴趣(
我们当前研究的第一部分介绍了离散随机模型来分析时变MAPK-induced酵母基因表达反应然后演示了FSP-based费舍尔的使用信息来优化实验来最小化模型参数的不确定性。在本研究的第二部分,我们扩展这个结果来发现和实验验证最优smFISH测量时间和细胞数量减少未知不确定性环境的输入(如盐浓度)的细胞受到。通过这种方式,我们提出一个新的方法,可以优化检查行为的环境变化的自然细胞获得准确的估计。
年代ec>基因调控小分子的过程,染色质监管机构、和一般和gene-specific转录因子相互作用来调节DNA的转录成RNA信使核糖核酸的翻译成蛋白质。即使在人群基因完全相同的细胞,这些单分子过程是随机和产生细胞间基因表达水平的变化。足够的描述这种变量反应只能通过使用随机计算模型(
激励和展示我们的新方法,我们重点检查在酵母HOG1-MAPK通路的动态,这是一个模型系统研究渗透压力驱动的动态信号转导和基因调控的单个细胞(
随机建模的渗透压力反应基因在酵母。(一)四个州的基因表达模式,每个州信使rna在不同的转录的转录率,但每个信使rna降解速度单一<我talic>
γ我talic>。核本地化(b)时变MAPK信号。(c)的速度从基因活化状态开关S2 S1(右)在0.2米或0.4米氯化钠渗透压力。的时间<我talic>
k我talic>21年代ub>关闭来标示<我talic>
τ我talic>1年代ub>,是独立于氯化钠的水平。的时间<我talic>
k我talic>23年代ub>回头是由<我talic>
τ我talic>生理盐水年代ub>根据生理盐水的水平。(d)的时间演化STL1 mRNA的0.2米和0.4米氯化钠的压力。模型和参数
总之,该模型(
分析上述模型,我们应用化学主方程(CME)随机化学动力学的框架
最近,它已经为一些系统光,关键是要考虑生物分子在细胞数量的分布拟合CME模型(
让所有独立观察的可能性<我nl我ne-formula>
用向量的模型参数<我nl我ne-formula>
费舍尔信息矩阵(鳍)是一种常见的工具在工程和统计数据来估计参数不确定性在收集数据之前,它允许一个找到实验设置,可以使这些不确定性尽可能小(
在[
独立操作的序列的鱼类(如smFISH数据)<我nl我ne-formula>
在下一节中,我们验证FSP-FIM随机模型的时变参数,后来找到最优<我nl我ne-formula>
我们的工作在
模型参数同时适合实验测量0.2米和0.4米<我talic>
STL我talic>1 mRNA(被收养来的
验证的FSP-FIM时变HOG1-MAPK模型。(一)边际参数柱状图(前面板)和联合散点图(灰色圆点)标定参数估计50模拟数据集和模型参数的一个子集。所有参数对数刻度所示。省略号显示95%可信区间的逆鱼翅(紫色)和高斯近似的初速散布图(橙色)。黄点表示的“真正的”参数鳍和模拟数据集生成。(b) Rank-paired特征值<我nl我ne-formula>
探索使用实验设计的FSP-FIM MAPK-activated基因表达的现实背景下,我们又利用模拟时间进程smFISH数据渗透压力反应的酵母。
我们从一组已知的底层模型参数取自同时适合0.2米和0.4米的数据(
在数学上,我们的目标是找到最优细胞测量分配:
为了说明我们的方法,我们首先根据细胞测量分配<我nl我ne-formula>
优化的分配在不同时间点细胞测量。(a)对角线项费舍尔的信息在不同的测量时间。最优测量时间<我nl我ne-formula>
比较图
图
执行最优实验获得的信息比实际实验。(一)<我nl我ne-formula>
在许多实际应用中,科学家不太可能精确<我talic>
先天的我talic>之前的知识模型参数进行实验。相反,他们会有一些估计这些参数,如知识的适当的时间尺度或现有的数据从另一种类型的实验。这些估计可能来自先前分析系统响应的简单的实验条件,测量了稍微不同的细胞系或生物体,或考虑结果从不同基因相关的监管途径。探索的重要性知道确切的工艺参数或输入动态设计实验之前,我们问如何从一个基因一个实验设计优化使用参数在给定水平渗透冲击(例如,<我talic>
STL我talic>1在0.2 M氯化钠)会来估计参数为另一个基因在不同渗透压休克条件(例如,<我talic>
结论我talic>1在0.4 M氯化钠)。图
到目前为止,在我们以前的工作在
记得从上面HOG1-MAPK转录模型中,细胞外渗透性最终会影响应激反应基因转录水平通过时变参数<我nl我ne-formula>
若实验的优化设计概述渗透压力反应的酵母。(一)未知环境中的盐浓度(紫色点)产生不同活化时间,<我nl我ne-formula>
将FSP-FIM估计的不确定性<我nl我ne-formula>
作为<我nl我ne-formula>
如果费舍尔信息在每个测量时间写进一个向量<我nl我ne-formula>
我们的目标是找到一个最优的实验确定的价值<我nl我ne-formula>
为以后方便,我们定义的积分方程(
接下来,我们从上面贪婪搜索适用于解决最小化问题在方程(
验证的不确定性<我nl我ne-formula>
如图的实验设计
实验验证我们FSP-FIM-based方法来设计最优测量时间,我们下一个检查实验smFISH数据了<我talic>
STL我talic>1,<我talic>
结论我talic>1基因在不同时间后酵母渗透压休克(
图
实验验证FSP-FIM-based设计最佳的生物传感器测量。大中型企业的估计(a)的分布FSP-based氯化钠浓度使用实验设计从图6
这项工作中所开发的方法原则,模型驱动的方法来分配多少快照单细胞测量应采取在每次分析时变随机基因调控系统。我们将演示和验证这些理论的模型的渗透压力反应在酵母细胞,这是激活的核本地化磷酸化HOG1 [
因为我们有限子集中的所有潜在的实验设计是在我们以前的工作执行的实验(
除了建议优化实验确定模型参数,我们表明,FSP方法可以用来推断从单细胞数据参数波动的细胞外环境,FSP-FIM结合现有的模型可以用来设计最优实验改进这个推理(数据
最佳的信使rna降解率,以减少细胞外环境的不确定性。的时间的不确定性<我talic>
STL我talic>1基因关闭,<我nl我ne-formula>
我们预计,计算最优实验设计时变随机基因表达会创造机会,可以延长远远超出这个工作中给出的例子。现代实验系统恰恰使科学家和工程师更容易扰乱细胞环境中使用化学感应(
与这篇文章有关的所有数据和代码可用
完全的责任作者和内容并不一定代表资助机构的官方观点。
年代ec>作者宣称没有利益冲突。
年代ec>ZRF和BM是由美国国立卫生研究院的支持(R35 GM124747)。ZRF也支持的国家de la矫揉造作的(anr - 18 - ce91 - 0002, CyberCircuits)。GN是由美国国立卫生研究院(DP2 GM11484901和R01GM115892)和范德比尔特的启动基金。提出了分析使用的计算资源WM凯克高性能计算集群支持下WM凯克基金会奖。
补充注1:随机模型的酵母应激反应。补充注2:核HOG-MAPK的本地化。补充注3:优化细胞测量。表我:HOG-MAPK模型参数。表二:HOG-signaling模型参数。图1:验证FSP-FIM的时变HOG-MAPK模型。
年代upplementary-material>