Locality of contacts determines the subdiffusion exponents in polymeric models of chromatin

Overview

Chromatin의 anomalous subdiffusion exponent 가 무엇에 의해 결정되는지를 묻는 논문. 저자들의 핵심 주장은 명확하다: MSD의 exponent 를 결정하는 것은 model parameter의 세부값이 아니라, contact를 이루는 두 monomer 사이의 평균 genomic 거리, 즉 contact의 “locality” 하나뿐이다.

Loop extrusion (cohesin) model, static quenched-link model, 그리고 minimal analytical model의 세 층위에서 같은 결론에 수렴하도록 논증을 쌓아 올린다. Local contact만 있으면 dynamics는 excluded-volume Rouse ()와 구분되지 않고, nonlocal contact가 생기면 intermediate time scale에서 의 sub-Rouse subdiffusion이 나타난다.

Link to PDF and DOI

• DOI: 10.1103/PhysRevE.107.064406
• Local PDF: Locality of contacts determines the subdiffusion exponents in polymeric models of chromatin.pdf
• Physical Review E 107, 064406 (2023)

주요 내용 요약

문제 설정

• Chromatin loci의 MSD는 cell type, genomic region, time scale에 따라 Rouse-like ()에서 더 제약된 subdiffusion ()까지 다양하게 관측된다. mESC , HeLa/HT-1080은 0.45 / 0.38까지 내려가며, euchromatin vs heterochromatin이 서로 다른 exponent를 보인다.
• 놀랍게도 mESC에서는 cohesin을 depletion해도 exponent가 바뀌지 않는다 — cohesin이 TAD의 equilibrium structure를 강하게 구속함에도 dynamics는 자유롭다는 뜻.
• 질문: 어떤 조건에서 chain이 Rouse-like하게 자유롭게 움직이고, 어떤 조건에서 non-Rouse가 되는가?

1. Loop extrusion model (Sec. II)

• Harmonic spring + hard-core repulsion으로 연결된 bead chain을 LAMMPS로 Langevin simulation. Extruder는 시간에 따라 연결 대상이 바뀌는 harmonic spring으로 구현.
• Extruder kinetics는 Gillespie algorithm (load rate , unload rate , step rate ).
• Extruder는 랜덤한 위치(monomer index and , )에 붙으며, 로 step
• 가 작으면 모든 에 대해 Rouse-like (). 를 키우면 intermediate time ( s)에 의 새 regime 등장.
• 특히 (소수의 extruder가 빠르게 움직여 매우 큰 loop 형성)일 때 exponent가 가장 낮다.
• 핵심 정리: 이 모든 복잡한 거동은 평균 loop 길이 하나로 정리된다. → Fig.2 (c)
• Master curve:

→ 이 식에 대한 이론적인 근거는?

• 직관에 반하는 관찰: ==을 키우면 오히려 이 감소한다. Extruder끼리 서로 통과할 수 없어서, chain을 crowding하면 loop이 커지는 게 아니라 서로 막혀서 stuck되기 때문.== → 오호!

Equation of motion은 아래와 같다.

는 truncated LJ potential
각 시간에서 th monomer가 extruder 로 연결된 monomer index set.

MSD는 아래와 같이 계산했다.

Figure 1

Figure 2

노란 선 → 제일 강한 subdiffusion이 나타난다. extruder가 unbinder이전에 많은 step을 진행해서 큰 loop가 생성된 경우라고 해석한다. 이라는 조건은 소수의 extruder가 chain에 있어서 서로 방해 받지 않아 큰 loop를 형성할 수 있게 했을 것이다.

괄호 속의 값은 average number of active extruders

말이 안 되는 부분. 가 bound된 mean extruder number과 같아야 하지 않은가?

Heat map은 exponent 를 나타낸 것.
여기서도 이 적은 때 더 강한 sub diffusion이 나타남.
→ 실제 biologial system의 parameter는?

exponent를 결정하는 가장 큰 요인이 loop의 양 끝 사이 거리의 평균값이며, 와 은 power-law를 따른다는 fitting

loading rate를 줄이니까 이 커진다.

2. CTCF obstacle의 효과 (Sec. III)

• CTCF를 10% site에 무작위 배치, extruder가 만나면 통과 못 하고 unbind만 가능.
• Rouse-like regime에서는 CTCF가 영향 없음. 반면 non-Rouse regime에서는 CTCF가 system을 다시 Rouse-like로 되돌린다.
• 이유: CTCF가 extrusion을 막아 contact의 range를 CTCF 간 평균 간격 ( bead) 수준으로 줄인다 → 감소 → 회복.

Figure 3

Chain 위 랜덤 위치에 붙는 CTCF는 extruder가 더이상 진행하지 못 하게 막는 barrier 역할을 한다.
Comparison of dynamics obtained with (blue curves) and without (orange curves) CTCF.
(a) When the extruder speed is low (, ), the loops usually do not reach the barriers; in this case, the dynamics is not affected by CTCF and remains Rouse-like.
(b)When (, ), the loops grow rapidly and often get stuck on the barriers. The mean loop size is thus limited by the mean distance between CTCF sites (using a density 0.1 of CTCF sites, the mean distance between barriers and maximum loop size is ).

3. Static quenched-link model (Sec. IV)

• Extruder의 시간 kinetics를 제거하고, 무작위 monomer 쌍을 quenched harmonic spring으로 고정 연결. Contact의 range 효과를 kinetics 효과로부터 분리해내는 장치.
• MSD가 self-averaging함을 normalized variance 로 확인 → 평균 MSD가 typical realization을 대표.
• Link 분포에 따라 결과가 달라짐: normal distribution으로 이면 link가 많아도 () Rouse-like. 반대로 적은 수 ()의 long-range link ()만 있어도 MSD를 굽혀 로 만든다.
• Power-law () 또는 uniform 분포로 큰 loop을 만들면 까지 내려감. → 오호?
• Link 수 가 충분히 크면 이 loop extrusion과 정확히 일치 → extruder의 dynamics 자체는 무관하고, 오직 resulting contact의 range만 중요하다.

는 monomer index

link를 이루는 두 bead index를 이 를 평균값으로 가지는 가우시안 분포로 지정. → Fig. 5의 orange line
if = d  N, the MSD is Rouse-like even in the presence of
a large number of links (λ ∼ N). Vice versa, a small number
(λ  N) of long-range links ( = d ∼ N) is sufficient to bend
the MSD and have a short-time subdiffusion with an exponent
smaller than 0.55.

이 power-law를 가지도록 한다면, 강력한 subdiffusion이 나옴을 fig. 5에서 볼 수 있다.

Figure 4

c와 d에 대해, 좌측은 , 우측은

Figure 5

노란 라인은 의 powerlaw distribution을 사용.

4. Minimal analytical model (Sec. V)

• Rouse chain + 각 bead 가 bead 과 harmonic spring으로 연결 (은 random variable). Continuous Langevin equation을 Fourier(cosine) 공간에서 풀면 표준 Rouse와 형식은 같되 relaxation time만 수정된다:

• Local contact ()에서는 cosine을 로 전개 → 복원 → 표준 Rouse , diffusion coefficient만 renormalize.
• Nonlocal contact ()에서는 cosine 항이 stochastic variable처럼 요동. 의 분포를 chromatin에서 흔한 power-law 로 두면:

• 즉 이면 nonstandard exponent가 나온다. Contact의 nonlocality 정도가 normal mode의 relaxation time spectrum을 바꾸고, 이것이 MSD exponent를 바꾼다는 것이 analytical 골자.

Figure 6

결론

• Chromatin dynamics의 subdiffusion exponent를 결정하는 것은 contact의 존재 여부가 아니라 contact의 nonlocality다. TAD scale에서 chromatin은 CTCF 덕분에 local contact가 지배적(Peano-curve 유사, hierarchical)이라 Rouse-like를 유지한다.

Sec. V 해석적 모형 상세 유도 (Eqs. 7–18)

논문 Sec. V의 minimal analytical model을 식 단위로 재구성한다. 이 부분이 내 K-matrix eigenmode 접근과 수학적 골격을 공유하므로, 각 단계의 가정과 근사를 명시적으로 추적한다.

Step 1. Discrete Langevin equation — Eq. (7)

길이 의 Rouse chain에서, 각 bead 가 bead 과 spring constant 로 추가 연결된 상황. 은 random variable.

여기서 이고, noise는

Step 2. Continuum limit — Eq. (8)

에서 을 연속변수로 취급하면, discrete Laplacian이 가 된다.

주목할 점: long-range link 항만 nonlocal이다. 즉 는 미분으로 흡수되지 않고 그대로 남는다. 이것이 이후 cosine 항의 근원.

Step 3. Cosine (Rouse) transform — Eq. (9)

Nonlocal 항 은 shift 에 대해 의 addition formula를 거치며 인자를 낳는다.

이 random variable이면 Eq. (9) → Eq. (10) 유도가 깨진다

논문 본문은 long-range link가 “random bead”와 맺어진다고 명시한다. 그렇다면 은 bead마다 다른 확률변수 이어야 하며, Eq. (8)의 nonlocal 항은 로 써야 한다. 이를 cosine에 projection하면

인데, shift 폭 이 적분변수 에 의존하므로 addition formula에서 나오는 과 을 적분 밖으로 빼낼 수 없다. 그결과 이 항을 에 비례하는 형태로 정리할 길이 사라지고, Eq. (10)과 같은 mode-diagonal OU 방정식이 얻어지지 않는다.

더 근본적으로, 이 에 따라 불규칙하게 변하면 해당 connectivity operator는 translation-invariant하지 않고 (Toeplitz가 아니고), 따라서 cosine은 애초에 eigenbasis가 아니다. Long-range link는 서로 다른 Rouse mode를 섞는다 (mode mixing). Eq. (10)은 이 mixing을 무시한 결과물이다.

즉 Eq. (9) → Eq. (10)이 문자 그대로 성립하려면 이 모든 bead에 공통인 고정 상수여야 한다. 그러나 그런 계는 random looping이 아니라 균일한 사다리(ladder) 구조일 뿐이다. 논문은 고정 으로 Eq. (10)을 유도해놓고, 이후 Step 8–11에서 을 확률변수로 재해석한다. 이 전환은 정당화되지 않았으며, Step 8의 “를 -독립 확률변수로 취급한다”는 서술이 사실상 이 단계에서 이미 발생한 구멍을 사후적으로 덮는 장치다.

→ K-matrix 접근과의 대조: random bond가 있는 chain의 connectivity Laplacian은 여전히 symmetric이므로 직접 대각화가 가능하고, 그 eigenvector는 cosine이 아닌 실제 mode를 준다. 즉 를 정직하게 얻는 유일한 방법은 행렬을 그대로 대각화하는 것이며, 이것이 내 K-matrix eigenmode 접근이 하는 일이다.

Step 4. Normal mode equation — Eq. (10)

각 mode는 여전히 독립적인 Ornstein–Uhlenbeck 과정이다. Long-range link는 mode를 섞지 않고 (그렇게 보이도록 근사되고) 오직 각 mode의 relaxation rate만 바꾼다 — 이것이 논문 전체의 핵심 구조.

Step 5. Solution & modified relaxation time — Eqs. (11), (12)

형식은 표준 Rouse와 동일하고, 오직 만 수정된다:

논문에서는 분모의 첫째 항이 이라고 되어있다. 항이 이상함. 위 식이 맞는 거 같음.

첫 항 (Rouse)은 로 자라고, 둘째 항 (link)은 에 대해 진동한다. 따라서 link 항은 작은 (= 큰 length scale)에서만 지배적이고, 큰 에서는 Rouse 항 이 이긴다.

Step 6. Continuum integral — Eq. (13)

에서 mode 합을 적분으로:

MSD의 nontrivial 부분은 에 비례한다. 피적분함수는 에 대해 증가하므로 에 대해 감소.

Step 7. Local contact limit — 표준 Rouse 회복

이면 이므로

즉 link 항도 꼴이 되어 Rouse 항과 합쳐진다. 가 복원되고, 적분은 Gaussian 형태로 남아

결론: local contact는 diffusion coefficient만 renormalize할 뿐 exponent를 바꾸지 않는다. 논문의 중심 주장이 여기서 증명된다.

Step 8. Nonlocal limit — cosine을 stochastic variable로 — ⚠️ 핵심 근사

이면 이 에 대해 매우 빠르게 진동하므로, 저자들은

를 와 독립인 random variable로 취급한다 (linear congruential pseudorandom number에 비유).

통제되지 않은 근사 (uncontrolled approximation)

이 단계가 Sec. V 전체에서 가장 취약한 고리다. 는 실제로는 의 결정론적 함수인데 이를 -독립 확률변수로 바꿔치기하면서, 의 -의존성 중 절반이 사라진다. 이 근사 덕분에 Eq. (13)의 적분이 Eq. (17)의 적분으로 치환될 수 있다.
내 K-matrix eigenmode 접근은 이 근사를 필요로 하지 않는다. Connectivity matrix를 직접 대각화하면 가 의 함수로 정확히 얻어지므로, 이 논문의 결과는 K-matrix 접근의 controlled 버전에 대한 crude limit으로 볼 수 있다.

Step 9. 고정된 에 대한 적분 — Eq. (14)

따라서 식 13을 에 대해 적분한다.

Step 10. 의 조건부 분포 — Eq. (15)

를 뒤집으면 이고, . 따라서

Heaviside 는 이라는 제약에서 온다.

식이 왜 저렇지?

을 그냥 저렇게 생긴 Heaviside function으로 두어도 되는가?

Step 11. 에 대한 marginalization — Eq. (16)

Chromatin에서 흔히 관측되는 power-law contact 분포 를 가정하면

()

소진 확인: 에서 이므로 첫 괄호 , 그 제곱은 . 둘째 인자는 . 곱하면 → . Contact 분포의 exponent 가 곧바로 의 (즉 relaxation spectrum의) 분포 exponent로 전이된다.

Step 12. 최종 결과 — Eqs. (17), (18)

(는 각각 incomplete / complete Euler gamma function.) 큰 에서:

즉 예측되는 subdiffusion exponent는

이면 로 표준 Rouse. 이면 nonstandard exponent가 나온다.

비판적 검토 — 는 시뮬레이션과 맞는가?

Analytical 예측과 simulation의 불일치

Sec. IV의 시뮬레이션에서 power-law link 분포는 을 썼다. Eq. (18)을 그대로 적용하면 가 나와야 한다. 그런데 Fig. 5에서 실제로 관측된 intermediate-time exponent는 다. 인수 2 수준의 불일치.
저자들은 이 비교를 명시적으로 수행하지 않는다 (Sec. V는 “nonstandard exponent가 가능하다”는 정성적 주장까지만 밀고 나간다).
가장 유력한 원인은 Step 8의 uncontrolled approximation이다. 를 -독립으로 두는 순간 spectrum의 실제 -의존 구조가 뭉개지고, 그 결과 의 time-scaling이 왜곡된다.
→ 이 지점이 내 K-matrix eigenmode 접근이 기여할 수 있는 정확한 위치다. Quenched-link chain의 connectivity matrix를 직접 대각화해 를 얻고 MSD를 재구성하면, 가 왜 빗나가는지 정량적으로 진단할 수 있을 것.

Questions & Insights

• Q: 이 논문의 결론이 내 ν(n) → α(τ) framework와 어떤 관계인가?
  A: 두 접근은 상보적이면서 서로 다른 축을 강조한다. 이 논문은 α를 contact의 genomic locality 하나로 환원한다. 내 framework는 α(τ)를 **연속적으로 변하는 conformational exponent ν(n)**에서 유도한다. 그런데 ν(n)과 contact locality는 무관하지 않다 — nonlocal contact가 많을수록 국소적으로 chain이 더 compact해지고 (작은 effective ν), 이것이 특정 scale에서 낮은 α로 이어진다. 즉 이 논문의 은 내 ν(n)이 담고 있는 정보의 한 projection으로 볼 여지가 있다. “무엇이 α를 낮추는가”에 대해 이 논문은 topological/structural constraint (nonlocal contact) 쪽 손을 들어주며, 이는 Γ와 α를 독립 parameter로 다루는 내 관점과 정합적이다.

• Q: Sec. V의 modified 접근이 내 K-matrix / HIPPS-DIMES eigenmode 접근과 어떻게 겹치는가?
  A: 사실상 같은 machinery다. 이 논문은 long-range link가 만드는 cosine 항으로 normal mode relaxation time 를 수정하고, 그 spectrum 변화가 MSD exponent를 바꾼다고 논증한다. 내 K-matrix 접근에서는 connectivity matrix의 eigenvalue 가 정확히 이 relaxation time spectrum을 encode한다. 이 논문은 라는 특정 분포에 대해 spectrum과 MSD의 관계를 closed-form에 가깝게 풀어냈으므로, 내 K-eigenmode MSD 예측을 검증할 analytical benchmark로 쓸 수 있다. 특히 homogeneous chain (Toeplitz)에서 얻은 exact solution을 이 논문의 continuous- 결과와 대조하면 residual discrepancy의 성격을 짚어볼 수 있을 것.

• Q: Amitai & Holcman [16] 선례가 내 framework의 precedent 논의에 어떤 의미인가?
  A: [16]은 normal mode의 eigenvalue를 특정 potential로 수정하면 nonstandard MSD exponent가 나온다는 것을 보인 논문이다. 이는 Hinczewski & Netz (2009)와 나란히, “spectrum 수정 → nonstandard α”라는 계보의 또 다른 뿌리다. 내 ν(n) 기반 crossover는 그 수정의 source를 conformational exponent의 연속 변화로 지목한다는 점에서 차별화되지만, 이 논문/[16]과 같은 수학적 골격을 공유함을 명시해두면 좋겠다.

Related Concepts

이 논문을 이해하기 위해 필요한 학습 노트를 연결한다.
글리아와 논문을 읽으며 새로 공부하고, 작성한 학습노트를 이곳에 자동으로 추가한다.

• Rouse model
• 연관 논문 📑 Journal reading - Effect of loops on the mean-square displacement of Rouse-model chromatin

더 읽어보고 싶은 레퍼런스

이 논문의 레퍼런스 중에서 읽어보고 싶은 것을 링크.
DOI를 적어도 좋고, ‘academic_journal’ class의 다른 노트를 연결하면 더 좋다.

• [16] A. Amitai and D. Holcman, Phys. Rev. E 88, 052604 (2013) — normal mode eigenvalue 수정으로 nonstandard MSD exponent 유도. 내 K-matrix eigenmode 접근의 직접 선례.
• [11] P. Mach et al., Nat. Genet. 54, 1907 (2022) — mESC의 CTCF-mediated contact와 MSD, 이 논문의 실험적 근거.
• [17] M. Bohn and D. W. Heermann, PLoS One 5, e12218 (2010) — dynamic loop이 anomalously low subdiffusion을 만든다는 compartment-scale 선행 연구.
• [26] L. A. Mirny, Chromosome Res. 19, 37 (2011) — chromatin의 fractal/Peano 구조와 contact 분포의 근거.