The network of biomolecular regulation in cells is large and complex. In order to efficiently analyze such a network, it can be helpful to identify the core structure of the network that maintain the essential regulatory functions. In this study, We identified the core structures of the biomolecular regulatory networks with respect to two properties such as evolvability and controllability and We suggested the topological and biological meanings of those two core structures.
Biological systems are known to be both robust and evolvable to internal and external perturbations, but what causes these apparently contradictory properties? To investigate the evolvability and robustness of the human signaling network, Boolean network modeling and attractor landscape analysis were used. The results show that the human signaling network can be divided into an evolvable core where perturbations change the attractor landscape in state space, and a robust neighbor where perturbations have no effect on the attractor landscape. Using chemical inhibition and overexpression of nodes, we validated that perturbations affect the evolvable core stronger than the robust neighbor. We also found that the evolvable core has a distinct network structure, which is enriched in feedback loops, and features a higher degree of scale-freeness and longer path lengths connecting the nodes. In addition, the genes with high evolvability score are associated with evolvability-related properties such as rapid evolvability, low species broadness, and immunity whereas the genes with high robustness score are associated with robustness-related properties such as slow evolvability, high species broadness, and oncogenes. Intriguingly, US Food and Drug Administration-approved drug targets have high evolvability score whereas experimental drug targets have high robustness score.
Cellular behavior is determined not by a single molecule but by many molecules that interact strongly with one another and form a complex network. It is unclear whether cellular behavior can be controlled by regulating certain molecular components in the network. By analyzing a variety of biomolecular regulatory networks, we discovered that only a small fraction of the network components need to be regulated to govern the network dynamics and control cellular behavior. We defined a minimal set of network components that must be regulated to make the cell reach a desired stable state as the control kernel and developed a general algorithm for identifying it. We found that the size of the control kernel was related to both the topological and logical characteristics of a network. Intriguingly, the control kernel of the human signaling network included many drug targets and chemical-binding interactions, suggesting therapeutic application of the control kernel.
세포의 행동을 조절하는 분자조절네트워크는 복잡하고 거대한 구조를 갖고 있다. 따라서 이러한 분자조절네트워크를 효율적으로 분석하기 위해서는 네트워크의 핵심구조를 찾아내는 것이 필요하다. 본 연구에서는 진화촉진과 조절능력이라는 두 가지 관점에서 분자조절네트워크의 핵심구조를 규명하고 규명된 핵심구조의 구조적인 특징과 그 핵심구조에 포함된 유전자들의 특징을 조사하여 그 의미를 제시하였다.
먼저 진화촉진의 관점에서 핵심구조를 동정하기 위해서 다음과 같은 연구를 수행하였다. 생체시스템은 외부와 내부의 섭동에 대해서 강건성과 진화촉진성이라는 서로 상반되게 보이는 특성을 동시에 갖고 있는 것으로 알려져 있다. 어떻게 생체시스템은 이러한 두 가지 특성을 갖추게 되었을까? 이 질문에 답하기 위해서 우리는 불리언 네트워크 모델링 기법과 끌개지형분석을 활용하여 인간 신호전달네트워크의 강건성과 진화촉진성을 조사하였다. 그 결과 우리는 인간 신호전달네트워크가 진화핵심구조와 강건주변구조로 나누어진다는 것을 발견하였다. 여기서 진화핵심구조는 그 구조에 가해지는 섭동이 상태공간의 끌개지형에 변화를 일으키는 구조를 의미하고 강건주변구조는 그 구조에 가해지는 섭동이 상태공간의 끌개지형에 변화를 일으키지 않는 구조를 의미한다. 우리는 이 두 종류의 구조를 비교하여 다음 네 가지를 발견하였다. 첫째, 진화핵심구조에 주어지는 섭동효과가 강건주변구조에 주어지는 섭동효과에 비해 크다는 것을 노드억제 실험과 노드활성화 실험을 이용하여 보여주었다. 둘째, 진화핵심구조가 강건주변구조에 비해서 피드백루프를 많이 갖고 있고 척도없는 네트워크의 특성이 강하며 특성경로길이가 더 길다는 것을 발견하였다. 셋째, 진화핵심링크를 많이 포함하고 있는 노드들은 진화촉진과 관련된 유전자를 많이 포함하고 있는 반면에 강건주변링크를 많이 포함하고 있는 노드들은 강건성과 관련된 유전자를 많이 포함하고 있다는 것을 발견하였다. 넷째, FDA에 승인된 약물타겟은 진화핵심링크를 많이 포함하고 있는 반면에 실험되고 있는 약물타겟은 강건주변링크를 많이 포함하고 있다는 것을 발견하였다.
조절능력 관점에서 핵심구조를 동정하기 위해서는 다음과 같은 연구를 수행하였다. 세포의 행동은 하나의 분자에 의해서 결정되는 것이 아니라 서로 상호작용함으로써 복잡한 네트워크를 이루는 여러 분자들에 의해서 결정된다. 그렇다면 네트워크에 존재하는 노드들을 얼마나 조절해야 네트워크 전체를 조절할 수 있을까? 이 질문에 답하기 위해서 우리는 네트워크를 원하는 상태로 수렴하게 할 수 있는 최소 개수의 네트워크 요소의 집합인 조절커널을 정의하고 이를 다양한 생체분자조절 네트워크에 적용하였다. 그 결과 우리는 아주 적은 부분만을 조절해도 네트워크를 원하는 상태로 수렴하게 할 수 있다는 것을 발견하였다. 흥미로운 점은 이러한 조절커널이 약물타겟을 많이 포함하고 있을 뿐만 아니라 화학물질과 결합하는 정도도 높다는 것을 발견하였다. 이러한 발견은 생체분자조절 네트워크의 조절커널을 규명하는 것이 효율적인 약물타겟을 발굴하는 새로운 방법이 될 수 있다는 것을 의미한다.