本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #849
- 日期：2026-03-18
摘要
RNA 序列折疊成二級結構被視為一張圖譜，為每個序列分配唯一定義的鹼基配對模式。此映射是不可逆的，因為許多序列折疊成相同的最小自由能（二級）結構或形狀。地圖的原像稱為中性網絡，與形狀唯一相關，反之亦然。隨機圖論用於在序列空間中建立網絡，這是適合神經網路的模型。分子準種理論已應用於單峰適應度景觀的複製和突變。透過考慮源自中性網路的退化多峰景觀的演化來擴展這一概念，假設一種特定形狀比所有其他形狀更適合。在這樣的單一形狀景觀上，優越的適應值被分配給屬於主形狀的所有序列。所有其他形狀都集中在一起，並以讓人想起平均場理論的方式對它們的適應度值進行平均。神經網路上的複製和突變是透過現象學速率方程式以及隨機生死模型來建模的。與序列空間中的誤差閾值類似，表型誤差閾值將兩種情況分開：(i) 被密切相關的形狀包圍的固定（最適）主形狀；(ii) 透過類擴散過程在形狀空間中漂移的群體。準種模型的誤差類別被主形狀和其他結構之間的距離類取代。得出了單一形狀景觀的分析結果，特別是獲得了種群中主形狀的平均分數和表型誤差閾值的簡單表達式。分析結果由電腦模擬基礎隨機過程所獲得的數據補充。 tRNA$^{phe}$ 的複製和突變動力學很好地再現了現象學方法對單一形狀景觀的預測。在各個距離類別的分辨率下模擬隨機過程產生的數據與從生死模型得出的結果非常一致。