遗传密码中跨越理化指标与变体密码的稳健错误最小化：GF(2)?中的图论分析

《BioSystems》：Robust error-minimization in the genetic code across physicochemical metrics and variant codes: A graph-theoretic analysis in GF(2)6

　　

# 摘要

标准遗传密码可降低点突变的影响，但这一性质在不同理化度量标准、天然变体密码子和密码子重分配机制中的稳健性尚未被完整量化。将64个密码子嵌入GF(2)?中，可表示为超立方体??6，作为依赖于坐标的编码独立单核苷酸突变图??(3,4)的一个子图，并实现两者之间连续的??插值。在四联体模式洗牌零假设（??=10,000）下，标准密码子在四种已建立的、密码子独立的理化距离度量中均表现出显著的低成本（Grant汉明距离??=0.0062；Miyata距离??<0.001；Woese极性需求??=0.003；Kyte–Doolittle亲疏水性??=0.001），且随着??从??6向??(3,4)移动，该信号单调增强。在对齐衍生的ProtSub矩阵（Jia & Jernigan 2021）下的结构感知敏感性分析得出所有测试度量中最极端的百分位（??=0.0004；所有五个??值均通过Bonferroni校正，??=0.05）。在27个NCBI翻译表中，近最优性得以保持：12个具有信息的距离变体中有11个在BH–FDR校正后仍保持前5%排名。天然的密码子重分配避免了破坏密码子族的连通性：在编码独立的??(3,4)邻接关系下，观测到的事件相对于候选景观的拓扑破坏相对风险为0.32（置换检验??≤10??）。??(3,4)的结果由构造保证稳定性；而??6分解依赖于表示方式，在24种碱基到二进位编码中的8种下未能显示出贫化现象，因此我们将??(3,4)报告为主要检验，??6作为敏感性检验。事件水平的条件logit模型表明，拓扑避免和本地理化成本提供互补的、仅弱相关（???=0.15）的信号，且拓扑在??6和编码独立的??(3,4)邻接关系下均能超越理化因素提供额外解释力。对九项基因组重编码数据集的事后重新分析一致表明，密码子族拓扑作为不同于急性工程适应度的进化轨迹约束发挥作用。本文的贡献在于第二维度：密码子进化同时受理化平滑性和密码子族拓扑完整性约束，且这两个约束部分独立。

# 引言

标准遗传密码通过一种长期以来被认为非随机的模式，将61个有义密码子映射到20种氨基酸。Woese（1965年）首次注意到，相似的密码子倾向于编码具有相似理化性质的氨基酸，Freeland和Hurst（1998年）定量证明，在Woese极性需求距离下，标准密码子在突变误差最小化方面约处于10?个随机密码子中的第1位。后续分析进一步完善了这一结论：Novozhilov等人（2007年）和Novozhilov与Koonin（2009年）描述了标准密码子与崎岖适应度景观及原始密码子零假设集合的对比；其他选择假说将密码子视为基因与密码子协同进化（Sella和Ardell，2006年）或通过水平信息交换进行集体进化（Vetsigian等人，2006年）的结果，关于竞争性密码子起源框架的综述见本期刊Di Giulio（2005年）。这些发现确立了密码子的结构降低了点突变的适应度影响，但这种最优性是否为单一度量所特有，还是在不同理化参数化中均稳健，尚未被系统检验。

每个密码子由来自{C、U、A、G}的三个核苷酸组成。通过选择双射??:{C,U,A,G}→GF(2)2（例如，C?(0,0), U?(0,1), A?(1,0), G?(1,1)），每个密码子映射为6维二元超立方体??6=GF(2)?的一个顶点。遗传密码随后成为用21个标签（20种氨基酸加终止信号）对??6进行的着色，而单核苷酸突变对应??6的边，更精确地说，对应完全突变图??(3,4)的子图。

这一表示法在原理上并非新颖：遗传密码的二进制编码出现在数学生物学文献中（例如Antoneli和Forger，2011年）。其价值不在于编码本身，而在于它所启发的分析分解：完全单核苷酸突变图??(3,4)（288条边）被分解为192条汉明距离-1边（单位翻转）和96条核苷酸内距离-2边（同一核苷酸位置的两个位同时翻转），从而允许通过权重参数??∈[0,1]进行系统插值。该分解并不对应于生物学的颠换/转换划分：在24种可能的2位编码中的16种下，汉明-1边在每个核苷酸位置包含等量的颠换和转换混合（4个汉明-1对中各有2个），而其余8种编码将两种转换置于对角（汉明-2）边上。因此，??参数应被解释为对角边包含权重，而非颠换/转换权重。以往的工作尚未利用这一分解来检验跨多种理化度量的误差最小化，也尚未将分析扩展到变体遗传密码。这样做使我们能够考察单一维度分析无法回答的两个问题。第一，误差最小化是否是密码子本身的性质，而非任何特定距离函数的性质。由于已建立的理化度量（组成-极性-体积、极性-体积、色谱极性需求、亲疏水性）部分重叠，我们不将它们之间的一致性视为独立复制，而是视为汇聚敏感性包络：如果标准密码子在多个已建立但不完全相同的参数化下均位于低成本尾部，则该结果不仅限于单一选择的尺度（重叠度通过第3.1节中的成对和偏Spearman相关量化）。第二，密码子族连通性是否作为第二维度、部分独立的约束轴作用于天然重分配事件，区别于理化成本。如果是，则密码子进化不仅受哪些密码子低成本限制，还受哪些通过密码子空间的路径能保持解码底物完整的限制，即这是对转换的约束而非对状态的约束。这两个动机性问题被操作化为三个具体检验：

1. **标准密码子是否在多种理化度量下最优？** 我们检验标准密码子的边不匹配评分相对于四联体模式洗牌零假设模型在四种已建立的、密码子独立的、内容部分重叠的理化距离度量（Grant汉明距离、Miyata距离、Woese极性需求和Kyte–Doolittle亲疏水性）下是否极端，将（Freeland和Hurst，1998年）从单一度量扩展到跨度量敏感性包络。

2. **这一结构是否被进化所保持？** 我们询问变体遗传密码（NCBI翻译表2–33）是否保持误差最小化，以及天然密码子重分配事件是否优先避免破坏氨基酸密码子族的拓扑连通性。

3. **破坏的基因组关联是什么？** 我们检验其变体密码子破坏某氨基酸密码子图连通性的生物体，该受影响氨基酸的tRNA基因拷贝数是否升高，使用覆盖5种变体遗传密码、跨越Alveolata、Opisthokonta、Excavata和Mollicutes的18个基因组经tRNAscan-SE验证的数据；其中15个基因组参与24配对富集分析，其余3个（Blastocrithidia和两种Mycoplasma物种）因重分配途径在不改变tRNA基因数量的情况下起作用，在第4.3节作为机制边界情况讨论。

这三项检验中的每一项均带有明确的判定标准。对于（1），零假设结果为四个理化度量中任一的四联体模式洗牌零假设??>0.05；度量间的矛盾（部分显著、部分不显著）将最优性声称限定在特定参数化而非密码子本身。对于（2），零假设结果为：在多数具有信息的距离表中（与标准密码子距离????≥3的重分配）BH校正的逐表显著性失败，或观测到的拓扑破坏率与候选景观率无可区分（超几何??>0.05或风险比95%CI包含1.0）。对于（3），最初指定的判定门限为所有最大独立配分子集上的最差情况Stouffer ??值；该门限未达到（??=0.104；第3.6节），因此tRNA结果被报告为探索性而非确认性支持tRNA复制补偿假说。我们描述性地报告中位数和完整的MIS分布（中位数??=0.037；332个MIS中264个低于0.05）；这些结果支持探索性的解码适应信号而非确认性的富集声称。预先指定的仅拓扑破坏子集（??=4）作为互补机制检验，结果同样为零假设（Stouffer ??=0.387）。无论结果如何，我们报告所有三项检验及其相应数值。

为界定框架范围，我们还检验了与此项目之前相关联的四个推测性扩展（作者之一P.C.；Clayworth，2026年）：一个丝氨酸距离-4不变性声称、PSL(2,7)对称性、扩展GF(8)?特征的解析嵌入，以及KRAS–Fano临床预测。这些检验区分了受支持的图论结果与编码伪像及无支撑的代数扩展（第3.9节；KRAS–Fano细节见补充材料§13）。

本文结构如下。第2节描述编码形式化、图分解、零假设模型和统计方法，包括对九项已发表基因组重编码数据集（八项定量分析）的事后跨研究重新分析。第3节呈现四项受支持的发现（跨度量着色最优性、逐表保持、??-稳健性和拓扑避免）、探索性tRNA富集结果、合成重编码重新分析以及额外探索性观察。第4节讨论图论解释、与冻结事故假说与适应性假说的关系（Koonin和Novozhilov，2009年），以及探索性的三层解释。所有分析均可通过开源codon-topo流水线（版本0.6.1，种子135325）重现。

## 遗传密码的二进制编码

我们通过默认双射??:C?(0,0), U?(0,1), A?(1,0), G?(1,1)将每个核苷酸碱基编码为2位向量。密码子??1??2??3随后被表示为串联??(??1)‖??(??2)‖??(??3)∈GF(2)?，64个密码子成为6维超立方体??6的64个顶点。该默认双射被配套方法学工作（Clayworth，2026年）采用，因为它将标准密码子的九个二重简并氨基酸置于第5位差异上。然而，可视化清晰度的理由……

## 跨度量着色最优性

在??=10,000次置换的四联体模式洗牌零假设下，标准遗传密码在所有四种理化距离度量中均显著低成本（表2）。对于Grant汉明距离，观测评分为??=13,477，零假设均值为14,954±628（??=2.35，分位数0.61%，??=0.0062）。Miyata距离呈相同模式（??=235.3 vs. 275.7±12.9，??=3.14，??<0.001），Woese极性需求（??=347.3 vs. 410.5±23.1，??=2.73，??=0.003），以及Kyte–Doolittle亲疏水性

## 遗传密码的信息论视角

本文的核心发现是标准遗传密码最小化了GF(2)?坐标中单位误差造成的理化扰动。这不是一个新结论（Freeland和Hurst，1998年已使用核苷酸水平突变模型建立了误差最小化），但超立方体表示使最优性原则在几何上变得显式：密码子是对结构化图的良好着色，即在图论意义上，相邻顶点（密码子间……

## 结论

标准遗传密码始终低成本：在四种氨基酸距离度量和涵盖??6到完全单核苷酸图??(3,4)的突变图连续谱中，它在四联体模式洗牌零假设模型的极端尾部（在所有组合下??≤0.0062）。在27个NCBI翻译表中，这一近最优性在变体水平得以保持：在12个因与标准密码子距离使得逐表检验具有信息的密码子中，11个保持了前5%的……

## CRediT作者贡献声明

Paul Clayworth：撰写–审阅与编辑、撰写–初稿、验证、软件、方法学、调查、概念化。Sergey Kornilov：撰写–审阅与编辑、撰写–初稿、可视化、验证、软件、方法学、调查、形式分析、数据整理、概念化。

## 伦理声明

本研究不涉及人类受试者、动物实验或临床样本。所有分析均基于公开数据：NCBI基因组组装、NCBI gc.prt翻译表定义、GtRNAdb tRNA基因目录、通过cBioPortal发布的MSK-IMPACT突变登记册，以及已发表的基因组重编码数据集。未产生新的生物材料。

## 生成式AI和AI辅助技术声明

在准备本工作过程中，作者使用了GPT-5.2-Pro、GPT-5.5-Pro、Claude Opus 4.5、Claude Opus 4.7、GLM-5.1、Kimi-K2.5、MiniMax-M2.7和Gemini 3 Pro来搭建和审阅代码、审阅手稿大纲，并协助起草和修改手稿文本。在使用这些工具后，作者根据需要审阅和编辑了内容，并对出版内容负全部责任。未使用生成式AI或AI辅助工具创建或修改图表。

## 资助

本研究未获得公共、商业或非营利领域任何资助机构的专门资助。

## 利益冲突声明

作者声明不存在已知的可能影响本文报告的竞争性经济利益或个人关系。作者无其他事项需要声明。

## 致谢

我们感谢NCBI、GtRNAdb和cBioPortal团队维护对这项研究至关重要的公共数据库。tRNAscan-SE 2.0.12由UC Santa Cruz的Chan和Lowe开发。

Paul Clayworth | Sergey Kornilov
Logocentricity Inc.，得克萨斯州奥斯汀，美国