Menerapkan q̄m, σm, dan vm untuk Memprediksi Kehilangan Informasi

Dalam kerangka kuasispecies dan organisasi konstan, keberlangsungan suatu sekuens bermakna diprediksi oleh hasil perkalian q̄ₘ^vₘ σₘ. Kuantitas tunggal ini menggabungkan ketepatan penyalinan, keunggulan selektif, dan panjang sekuens menjadi aturan keputusan untuk pemeliharaan informasi.

Konsep Inti

q̄ₘ adalah rata-rata ketepatan penyalinan per simbol atau nukleotida. Probabilitas menyalin seluruh sekuens vₘ-simbol secara setia adalah q̄ₘ^vₘ, sehingga penalti ketepatan tumbuh secara eksponensial seiring panjang sekuens.
σₘ adalah keunggulan selektif sekuens bermakna dibandingkan mutannya. σₘ yang lebih besar meningkatkan beban mutasi yang ditoleransi dan memungkinkan sekuens yang dapat dipertahankan lebih panjang.
vₘ adalah panjang sekuens atau jumlah simbol yang harus dipertahankan. vₘ yang lebih panjang memperbesar target mutasi dan menurunkan laju kesalahan maksimum per simbol yang dapat ditoleransi.

Kriteria Keputusan

Pertahankan informasi jika q̄ₘ^vₘ σₘ > 1. Kehilangan informasi jika q̄ₘ^vₘ σₘ < 1. Kesetaraan mendefinisikan batas ambang kesalahan. Untuk q̄ₘ mendekati 1, panjang maksimum yang dapat dipertahankan kira-kira vₘₐₓ ≈ ln σₘ / (1 − q̄ₘ), yang menunjukkan pertukaran antara ketepatan, keunggulan selektif, dan panjang.

Contoh

Untuk σₘ = 100 dan q̄ₘ = 0.999, vₘₐₓ ≈ simbol. Sekuens dengan vₘ = 4000 menghasilkan q̄ₘ^vₘ σₘ ≈ , sehingga informasi dipertahankan. Sekuens dengan vₘ = 5000 menghasilkan q̄ₘ^vₘ σₘ ≈ , sehingga informasi hilang.

Asumsi dan Batasan

Prediksi ini berlaku untuk sekuens bermakna yang dominan dalam organisasi konstan dan tanpa rekombinasi atau kompartementalisasi. Prediksi ini memperkirakan delokalisasi kuasispecies, bukan degradasi fisik. q̄ₘ yang lebih tinggi, σₘ yang lebih tinggi, atau vₘ yang lebih pendek mendukung pemeliharaan; q̄ₘ yang lebih rendah, seleksi yang lebih lemah, atau vₘ yang lebih panjang mendukung kehilangan.

Wawasan Ambang Batas Kesalahan

Hasil perkalian q̄ₘ^vₘ σₘ bukan sekadar skor; ini adalah ambang batas. Ketika nilainya turun di bawah 1, seleksi tidak lagi dapat mempertahankan sekuens tipe liar terhadap awan mutan, dan populasi mengalami delokalisasi dalam ruang sekuens.

Kurva Stabilitas Ambang Batas Kesalahan

Grafik panjang sekuens yang dapat dipertahankan vₘ terhadap ketepatan penyalinan per simbol q̄ₘ untuk keunggulan selektif σₘ = 10, 100, dan 1000. Wilayah di atas setiap kurva tidak stabil dan kehilangan informasi, sedangkan wilayah di bawahnya dipertahankan.

PERTANYAAN 1

Kuantitas manakah yang merepresentasikan rata-rata ketepatan penyalinan per simbol dalam prediksi ambang batas kesalahan?

vₘₐₓ, panjang maksimum yang dapat dipertahankan

σₘ, keunggulan selektif dibandingkan mutan

q̄ₘ, ketepatan penyalinan per simbol

vₘ, jumlah simbol yang dipertahankan

PERTANYAAN 2

Untuk σₘ = 100, q̄ₘ = 0.999, dan vₘ = 5000, berapakah nilai perkiraan q̄ₘ^vₘ σₘ?

4.6

1.8

0.67

4605

PERTANYAAN 3

Jika q̄ₘ^vₘ σₘ = 1.0 secara tepat, apa yang diprediksi oleh teori?

Populasi berada pada batas ambang kesalahan.

Tekanan mutasi adalah nol.

Sekuens dipertahankan tanpa batas.

Keunggulan selektif tidak terbatas.

PERTANYAAN 4

Asumsi apa yang diperlukan untuk prediksi q̄ₘ^vₘ σₘ yang sederhana?

Rekombinasi yang sering antara sekuens yang tidak berkerabat

Degradasi fisik sekuens yang berlangsung terus-menerus

Organisasi konstan tanpa rekombinasi atau kompartemen

Beberapa kompartemen yang terhubung melalui migrasi

PERTANYAAN 5

Dalam grafik visual vₘ terhadap q̄ₘ, apa yang direpresentasikan oleh wilayah di atas kurva vₘₐₓ?

Ketepatan penyalinan per simbol yang lebih tinggi

Kombinasi parameter yang mempertahankan informasi

Keunggulan selektif yang lebih lemah

Kombinasi parameter yang kehilangan informasi

Studi Kasus: Menyetel Replikator Ribozim pada Ambang Batas Kesalahan

Baca skenario dan jawab dua pertanyaan menggunakan q̄ₘ, σₘ, dan vₘ.

Dalam sistem organisasi konstan in vitro, sekuens RNA katalitik dengan panjang vₘ = 3000 dipertahankan dengan ketepatan penyalinan per simbol q̄ₘ = 0.9997 dan keunggulan selektif σₘ = 150. Sistem ini tidak memiliki rekombinasi maupun kompartementalisasi. Peneliti ingin mengetahui apakah sekuens tersebut tetap stabil ketika panjangnya ditambah.

1. Hitung q̄ₘ^vₘ σₘ untuk vₘ = 3000 dan prediksikan apakah sekuens tersebut dipertahankan.

Jawaban:
Gunakan q̄ₘ^vₘ ≈ exp(vₘ ln q̄ₘ). Di sini ln(0.9997) ≈ −0.000300045, sehingga vₘ ln q̄ₘ ≈ 3000 × (−0.000300045) ≈ −0.900135. Maka q̄ₘ^vₘ ≈ exp(−0.900135) ≈ 0.4065. Dikalikan dengan σₘ = 150 menghasilkan q̄ₘ^vₘ σₘ ≈ 60.98, yang lebih besar dari 1. Oleh karena itu, sekuens diprediksi dapat dipertahankan.

2. Perkirakan vₘₐₓ untuk parameter-parameter ini dan tentukan apakah vₘ = 18.000 akan stabil.

Jawaban:
Untuk q̄ₘ mendekati 1, vₘₐₓ ≈ ln σₘ / (1 − q̄ₘ) =

.702 simbol. Panjang vₘ = 18.000 melebihi vₘₐₓ, sehingga q̄ₘ^vₘ σₘ < 1. Sekuens akan kehilangan informasi melalui katastrofe kesalahan; seleksi tidak dapat mempertahankan sekuens utuh terhadap awan mutan.