NetREX: Network Rewiring using EXpression - Towards Context Specific Regulatory Networks
理解基因调控是理解细胞如何发挥功能和对环境信号和扰动做出反应的基础。在这个方向上的一个重要步骤是推断转录因子-基因调控网络（GRN）。然而，基因调控网络的构建通常忽略了调控程序取决于组织类型、发育阶段、性别和其他因素的事实。为每个感兴趣的上下文收集可靠构建GRN所需的大量特征（诸如物理特征和功能特征）是昂贵的。因此，我们需要能够使用上下文无关网络的知识来构建上下文特定的调控网络的方法。为了解决这一挑战，我们开发了一种计算方法，使用上下文特定的表达数据和GRN构建在不同的，但相关的上下文来构建上下文特定的GRN。我们的方法，NetREX，是由网络组件分析，估计TF活动及其对靶基因的TF-基因网络的预定拓扑结构的影响的启发。为了预测不同条件下的网络，NetREX消除了TF-基因网络的拓扑结构是固定的限制，并允许向该网络添加和删除边。为了解决相应的优化问题，我们提供了一个通用的数学框架，允许使用最近提出的PALM技术，并开发一个收敛算法。我们在模拟数据上测试了我们的NetREX，随后将其应用于果蝇缺失（DrosDel）面板中成年雌性的基因表达数据。NetREX预测的网络表现出比其他方法更高的生物一致性。此外，我们使用了最近确定的Doubletex（DSX）转录因子的目标列表来证明我们的方法的预测能力。
2017-04-24 q-bio.MN
SIREN Cytoscape plugin: Interaction Type Discrimination in Gene Regulatory Networks
将表达数据与网络中的基因相互作用相结合对于理解细胞的功能组织至关重要。因此，在生物网络中的相互作用类型的知识是重要的数据解释。Signing of Regulatory Networks（SIREN）plugin for Cytoscape是一个开源Java工具，用于区分基因调控网络中的相互作用类型（激活或抑制）。SIREN利用基于信息论的概念，试图通过检查它们相应的基因表达谱来识别基因对的相互作用类型。我们介绍SIREN，一个快速和内存高效的工具，具有低计算复杂度，使用户可以很容易地将其视为许多网络重建方法的补充方法。SIREN允许生物学家使用独立的表达数据来预测已知基因调控网络的相互作用类型，其中重建方法不提供关于其相互作用类型的性质的任何信息。SIREN Cytoscape插件是用Java实现的，可以在http://baderlab.org/Software/SIRENplugin和Cytoscape应用程序管理器上免费获得。
2015-12-16 q-bio.MN
Modeling of gap gene regulatory networks in Drosophila with the account of the gene modular structure (in Russian)
基因经常以复杂的方式进行调控，需要建模方法，超越简单的（线性）基因-基因相互作用，并解决顺式调控区和替代转录起始位点的模块化。特别是，尖锐的表达模式（峰或条纹）表明，基因调控涉及非线性转录因子动力学（超过一阶）。我们提出了一种方法来解决这个问题，使用的例子中发现的多个顺式调控模块（CRM）和两个转录本（P1和P2）在果蝇驼背（HB）和（CD 1和CD 2）在Kruppel（Kr）基因，沿前后轴的胚胎表达的基因。的mRNA表达模式的位置特征进行了研究，其灵敏度的输入因素和初始条件的变化。
2018-01-10 q-bio.MN
Cell phenotypic transition proceeds through concerted reorganization of gene regulatory network
表型转换发生在许多生物学过程中，如分化，理解细胞如何重新编程其整体基因表达谱是一个速率理论的问题。细胞表型转变伴随着基因簇表达率的转换，类似于伊辛系统中的结构域翻转。在此，我们通过分析单细胞RNA测序的数据在转换路径理论的框架，我们着手研究这样的全基因组表达程序切换如何进行在三个不同的细胞转换过程。对于每个过程，在细胞状态空间中重建马尔可夫转移模型后，我们形成了一个最短路径连接的初始和最终的细胞状态的集合，重建一个反应坐标描述的过渡进程，并推断沿反应坐标的基因调控网络（GRN）。在这三个过程中，我们观察到一个共同的模式，即基因调控网络（GRN）的挫折，定义为基因所接受的调控和它们的表达状态之间的总体冲突，首先增加，然后减少，当接近一个新的表型。这些结果支持了一种机制，即在初始表型中有活性的基因的协同沉默和在最终表型中有活性的基因的激活。
2021-07-08 q-bio.MN
Potential for regulatory genetic networks of gene expression near a stable point
构造了一种基于广义势能的调控遗传网络描述。从线性化Fokker-Plank方程的定态解导出了势能，并证明了该结果等价于耦合振子系统。建立了力学图像中的量与稳态波动之间的对应关系。对于与蛋白质度相关的力常数很弱的自调节网络，给出了显式计算。负反馈不仅抑制了波动，而且增加了电位的陡度。涨落的结果与线性噪声Fokker-Planck方程的结果完全一致。
2007-10-20 physics.bio-ph q-bio.MN
Homogeneous and Scalable Gene Expression Regulatory Networks with Random Layouts of Switching Parameters
我们考虑了一个大型调控基因表达网络模型，其中激活基因之间S形相互作用的阈值和这些相互作用的符号被随机洗牌。这种方法允许在缺乏关于活生物体的大基因组的经验数据的情况下对网络动态进行定性理解。网络节点的局部动力学表现出多平稳性和振荡性，并且关键地依赖于“最大”图（包括网络中基因之间所有可能的相互作用）的全局拓扑。在同质“最大”图上定义的网络中观察到的长时间行为的特征在于基因之间允许的正相互作用的分数（$0\leq η\leq 1$）。存在一个临界值$η_c<1$，使得如果$η<η_c$，则振荡在系统中持续，否则，当$η>η_c,$时，它趋向于固定点（相空间中的位置由初始条件和开关参数的某些布局确定）。在定义在循环耗尽的非均匀有向图上的网络中，即使基因之间的负相互作用大量存在于其中（$η_c=0$），系统中也不会出现振荡。对于这样的网络，双向边（如果存在）的动态影响本质上。特别地，如果“最大”图中的多个边是双向的，则振荡可以在基因之间的负相互作用（$η_c=1$）的任何低速率下在系统中出现并持续。在非均匀可扩展调控网络中观察到的局部动态对初始条件的选择不太敏感。无标度网络表现出其高容错性。
2003-11-21 q-bio.MN
Robustness and fragility of Boolean models for genetic regulatory networks
基因和基因产物之间的相互作用产生了复杂的电路，使细胞能够处理信息并对外部信号做出反应。理论研究通常使用连续、随机或逻辑方法描述这些相互作用。我们提出了一个新的建模框架基因调控网络，结合了直观的吸引力的定性描述基因状态的高度灵活性，将随机性在细胞过程的持续时间。我们将我们的方法应用到片段极性基因的调控网络中，从而获得了对基因表达模式发展的新见解。例如，我们表明，非常短的合成和衰变时间可以扰乱野生型模式。另一方面，翻译前和翻译后过程之间的时间尺度的分离和最小的prepattern确保收敛到野生型表达模式，而不管波动。
2005-01-27 q-bio.MN
QWENDY: Gene Regulatory Network Inference by Quadruple Covariance Matrices
提出 QWENDY 方法，利用四个时间点的单细胞表达数据和协方差矩阵变换推断 GRN，避免非凸优化并获得唯一解，在实验数据上表现最优。
2025-09-29 q-bio.MN
TRENDY: Gene Regulatory Network Inference Enhanced by Transformer
本文提出 TRENDY，将 transformer 与基于机制的 WENDY 结合用于基因调控网络推断，并在模拟与实验数据上验证其优于现有方法，且可推广增强其他推断方法。
2025-05-15 q-bio.MN
Entangled gene regulatory networks with cooperative expression endow robust adaptive responses to unforeseen environmental changes
生物体必须对环境变化作出反应。一般来说，准确和快速的反应是由简单的单向网络提供的，该网络将输入与输出连接起来。除了准确性和速度，生物反应还应该对环境或细胞内噪音和突变具有鲁棒性。此外，细胞还必须对以前没有经历过的不可预见的环境变化做出反应，以避免在其网络进化重新布线之前灭绝，这需要数代人。我们研究了相互激活或抑制的基因调控网络，并证明了复杂的纠缠网络可以建立适当的输入输出关系，满足不可预见的挑战所需的鲁棒性和适应性反应。这种纠缠网络的功能是对每个基因表达的低希尔系数反应进行草率和不可靠的响应。为了弥补这种马虎，调控网络中存在一些迂回。与简单的单向电路相比，通过利用这种迂回的平均，网络对环境和细胞内噪声以及网络中的突变表现出更高的鲁棒性。此外，实现了对不可预见的挑战的适当响应，允许功能输出，因为许多基因表现出类似的动态表达响应，而与输入无关，如通过应用动态时间规整和动态模式分解所证实的。由于复杂的缠结网络在基因调控网络中很常见，并且在微生物实验中观察到全局基因表达响应，本文的结果为细胞网络的设计提供了一种新的原则。
2020-12-08 physics.bio-ph q-bio.MN
Reverse engineering gene regulatory networks using approximate Bayesian computation
基因调控网络是基因的集合，这些基因彼此相互作用，并与细胞中的其他物质相互作用。通过使用高通量技术测量随时间推移的基因表达，可以反向工程或推断特定细胞过程中涉及的基因网络的结构。这些基因表达数据通常具有高维度和有限数量的生物学重复和时间点。由于这些问题和生物系统的复杂性，从基因表达数据逆向工程网络的问题需要一套专门的统计工具和方法。我们提出了一个非标准的适应称为近似贝叶斯计算基于马尔可夫链蒙特卡罗采样的模拟为基础的方法。这种方法特别适合于从纵向数据推断基因调控网络。这种方法的性能进行了研究，通过模拟和使用纵向表达数据从大肠杆菌中的遗传修复系统。
2011-09-07 q-bio.MN stat.AP
The Influence of Decoys on the Noise and Dynamics of Gene Expression
许多转录因子与DNA的结合明显缺乏特异性，因此调节性结合位点与大量非调节性“诱饵”位点竞争。对于一个自动调节的基因，我们表明诱饵网站减少噪音的数量未结合的蛋白质的泊松限制，结果从结合和未结合。当诱饵有1/2的概率被占据时，这种噪声缓冲针对给定的蛋白质浓度进行优化。诱饵线性地增加接近稳定状态的时间，并指数地增加在表观遗传学上在稳定状态之间切换的时间。
2012-07-11 q-bio.MN
A sparse regulatory network of copy-number driven expression reveals putative breast cancer oncogenes
DNA顺式调控元件对基因表达的影响已被深入研究。然而，对反式作用DNA热点驱动的表达知之甚少。携带拷贝数畸变的DNA热点在癌症中被认为是重要的，因为它们在全球范围内影响多个基因。在检测trans-effects的挑战主要是由于在检测弱和稀疏trans-acting信号中同时发生的乘客事件的计算困难。我们提出了一种综合的方法来学习一个稀疏的相互作用网络的DNA拷贝数区域与它们的下游目标在乳腺癌数据集。来自该网络的信息有助于在全球范围内区分拷贝数驱动的表达变化与拷贝数无关的表达变化。我们的研究结果进一步描述了乳腺癌数据集中的顺式和反式效应，其中重要的癌基因如ESR 1和ERBB 2似乎是高度依赖于拷贝数的。此外，我们的模型被证明是有效的，并在拟合优度方面不差于其他国家的最先进的预测和网络重建模型，使用模拟和真实数据。
2010-10-07 q-bio.MN stat.AP
Prediction of a Gene Regulatory Network from Gene Expression Profiles With Linear Regression and Pearson Correlation Coefficient
基因调控网络的重构是通过一定的计算技术从基因表达谱中识别基因依赖关系的过程。在我们的人体中，虽然所有细胞都具有相似的遗传物质，但激活状态可能有所不同。这种基因激活的变化有助于研究人员更多地了解细胞的功能。研究人员从微阵列技术中获得了对精神疾病、传染病、癌症疾病和心脏病等疾病的洞察。在这项研究中，使用简单而新颖的机器学习方法构建了癌症特异性基因调控网络。在第一步中，线性回归算法为我们提供了显著的基因，这些基因表达不同。接下来，使用Pearson相关系数计算了所鉴定的基因之间的调控关系。最后，所得到的结果进行了验证与现有的数据库和文献。我们可以识别枢纽基因，并可以作为癌症诊断的目标。
2018-05-02 cs.CE q-bio.GN q-bio.MN
Inferring Regulatory Networks by Combining Perturbation Screens and Steady State Gene Expression Profiles
重建转录调控网络是功能基因组学研究的重要内容。从通过敲除或RNA干扰基因的实验中获得的数据包含了解决这个重建问题的有用信息。然而，这样的数据可能在大小上受到限制和/或获取起来是昂贵的。另一方面，处于稳定状态的生物体（例如野生型）的观测数据更容易获得，但其信息内容不足以完成手头的任务。我们开发了一种计算方法，以适当地利用这两个数据源来估计监管网络。所提出的方法是基于一个三步算法来估计潜在的有向但循环网络，作为输入扰动屏幕和稳态基因表达数据。在第一步中，该算法确定与扰动数据一致的基因的因果排序，通过结合穷举搜索方法与快速启发式，该方法又将蒙特卡罗技术与快速搜索算法相结合。在第二步中，对于每个获得的因果排序，使用基于惩罚似然的方法估计监管网络，而在第三步中，从最高得分的网络构建共识网络。大量的计算实验表明，该算法在重建底层网络方面表现良好，明显优于仅依赖于单个数据源的竞争方法。此外，它建立了算法产生的调节网络的相合估计。
2013-12-02 q-bio.MN stat.ML
Correlating overrepresented upstream motifs to gene expression: a computational approach to regulatory element discovery in eukaryotes
真核生物中的基因调控主要通过转录因子与通常位于编码区上游的相当短的识别基序结合来实现。我们提出了一种新的计算方法来确定在真核基因的上游区域的调控元件。这些基因被分组在集合中，在它们的上游序列中共享一个过度表达的短基序。对于每个集合，确定来自微阵列实验的平均表达水平：如果该水平显著高于或低于整个基因组的平均水平，则集合中基因共享的过度表达基序可能在其调节中发挥作用。该方法进行了测试，通过将其应用到酿酒酵母的基因组，使用公开的结果的DNA微阵列实验，其中几乎所有的基因的表达水平进行了测量期间的二次发酵转换到呼吸。正确鉴定了几个已知的基序，并确定了一个新的候选调控序列。
2002-03-06 cond-mat physics.bio-ph q-bio.MN
Intracellular regulatory control of gene expression process
Advanced Control Systems Laboratory, School of Electrical and Computer Engineering, Tarbiat Modares University（塔比巴特莫达雷斯大学电气与计算机工程学院先进控制系统实验室）
本文提出一种细胞内反馈控制策略，通过设计两种基因电路比较输入转录因子浓度和目标基因产物浓度，利用遗传继电器开关和移位减法器设计离散比较器，并提出双稳比较器以激活目标基因表达。
2016-06-13 cs.SY eess.SY q-bio.MN
Inferring gene regulatory networks from single-cell data: a mechanistic approach
单细胞转录组学的最新发展使得基因表达能够在单个细胞中测量，而不是群体平均。尽管这种相当大的精度提高，推断调控网络仍然具有挑战性，因为随机性现在被证明在基因表达中起着重要作用。特别是，mRNA合成现在被认为是以高度突发的方式发生的。我们建议将推理问题视为一个机械基因网络模型的拟合过程，该模型具有内在的随机性，不仅考虑蛋白质，而且考虑mRNA水平。我们首先解释如何基于被描述为分段确定性马尔可夫过程的基因耦合来构建和模拟该网络模型。我们的模型是模块化的，可以用来实现各种生化假说，包括基因之间的因果关系。然而，单纯的拟合过程将是棘手的。通过执行相关的近似的平稳分布，我们推导出一个易于处理的过程，对应于一个统计隐马尔可夫模型与可解释的参数。这种近似结果是非常接近的理论分布的情况下，一个简单的切换开关，我们表明，它确实可以适合真正的单细胞数据。作为推理的第一步，我们的方法被应用到一些简单的两个基因网络模拟的silico从机械模型和令人满意地恢复原始网络。我们的研究结果表明，基因之间的功能相互作用，可以推断从一个机械的，动态的随机模型，能够描述在单个细胞中的基因表达的分布。这种方法似乎与当前单细胞表达数据的爆炸有关。
2017-11-25 q-bio.MN
A Nonparametric Multi-view Model for Estimating Cell Type-Specific Gene Regulatory Networks
Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）
我们提出了一个贝叶斯分层多视图混合模型，称为Symphony，它通过整合来自两个视图的数据来同时学习代表细胞类型及其基础基因调控网络的细胞簇：单细胞基因表达数据和成对的表观遗传数据，这是基因-基因相互作用的信息。该模型通过解释基因-基因协方差与调节基因表达的生物机制，改善了对具有相似表达模式的细胞类型以及驱动表达的调控网络的聚类的解释。我们展示了多视图学习方法的理论优势，并提出了一个变分EM推理过程。与其他方法相比，我们在外周血细胞亚型的合成数据和真实基因组数据上表现出优越的性能。
2019-02-21 cs.LG q-bio.GN q-bio.MN
Competitive binding of transcription factors drives Mendelian dominance in regulatory genetic pathways
我们报告了一个新的机制，等位基因的优势，在监管遗传相互作用，我们称之为结合优势。我们研究了基因调控的生物物理模型，其中转录因子（TF）在其结合的顺式调节的启动子位点上的占据率由结合能（-ΔG）和TF剂量决定。当TF与启动子结合时，转录和基因表达进行。在二倍体中，个体可能在顺式位点、TF的编码区或TF自身的启动子处是杂合的，这决定了等位基因特异性剂量。我们发现，当TF的编码区是杂合的，TF等位基因竞争占用在顺式网站和紧密结合的TF是占主导地位的比例，结合强度的差异。当TF自身的启动子是杂合的时，在较高剂量下产生的TF也是显性的。顺式位点杂合子具有加性表达，因此具有共显性表型。结合优势通过传播影响下游基因座的表达，对遗传背景的大小和方向都很敏感，但其可检测性往往减弱。虽然结合优势在分子水平上是不可避免的，但在某些生物物理条件下难以在表型中检测到，当TF剂量高且等位基因特异性结合亲和力相似时更是如此。TF结合的生物物理学的实证研究证明了这种优势机制的可行性，但在不同遗传背景的杂合子中竞争结合下的基因表达的研究是必要的。
2016-08-27 q-bio.MN
MERLIN-SUITE: Probabilistic modular GRN inference from multi-omics data integrating regulatory priors and transcription factor activity
Wisconsin Institute for Discovery, University of Wisconsin-Madison（威斯康星发现研究所，威斯康星大学麦迪逊分校）；Department of Biostatistics and Medical Informatics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校生物统计与医学信息学系）
提出MERLIN-SUITE框架，通过整合外部调控先验和潜在转录因子活性估计，实现从多组学数据中稳健推断基因调控网络，并在单细胞重编程数据中验证。
2026-07-03 q-bio.MN
What makes the lac-pathway switch: identifying the fluctuations that trigger phenotype switching in gene regulatory systems
多稳态基因调控系统在相同的外部条件下维持不同水平的基因表达。这种多稳定性用于编码包括细菌中的营养吸收和持久性、病毒感染中的命运选择、细胞周期控制和发育在内的过程中的表型状态。不同表型之间的随机转换可以作为mRNA和蛋白质在转录、翻译、运输和结合中产生的分子拷贝数的随机波动的结果而发生。然而，通常不知道途径的哪个组分触发这种转变。通过对E.大肠杆菌的分子模拟，我们设计了一个通用的方法来查明特定的波动驱动表型转换，并将此方法应用于未诱导和诱导状态的乳糖基因之间的过渡。我们发现，诱导状态的过渡不仅是由单一事件的乳糖-阻遏物解除绑定，但关键取决于在此期间的阻遏物保持未绑定的乳糖操纵子。我们在具有高表达水平的阻遏物的菌株中证实了这一概念（导致lac-operon保持未结合的时间较短），这显示出降低的转换率。我们的技术适用于多稳定的基因调控系统，并允许识别基因调控回路中随机转换背后的分子机制。
2014-09-12 q-bio.MN
Robustness under functional constraint: The genetic network for temporal expression in Drosophila neurogenesis
基因表达的精确时间协调对于许多发育过程是至关重要的。发育生物学的一个中心问题是如何有力地控制这种协调的表达模式。在果蝇中枢神经系统的胚胎发育过程中，神经干细胞（称为神经母细胞）按一定的顺序表达一组基因，从而产生细胞类型的多样性。通过产生这些基因的所有可能的调控网络，并检查它们的表达动力学数值，我们确定必要的法规和预测一个未知的因素，以重现已知的表达谱所造成的功能丧失或过度表达的基因在体内，以及在野生型。然后，我们评估的稳定性，实际的果蝇网络的顺序表达。该网络显示出最高的鲁棒性，对参数变化和基因表达波动之间的可能的网络，再现的表达谱。我们提出了一个由三种规则组成的调节模块，负责精确的顺序表达。本研究提出了一个基本原则，生物系统如何鲁棒设计功能约束下。
2009-10-29 q-bio.MN
Estimating sample-specific regulatory networks
生物系统是由组成细胞的复杂分子阵列之间的错综复杂的相互作用驱动的。已经开发了许多方法来重建这些相互作用的网络模型。这些方法通常利用大量具有测量的基因表达谱的样品来推断基因（或基因产物）之间的连接。结果是一个聚合网络模型，表示网络中每个交互或“边”的可能性的单个估计。虽然信息量大，但聚集模型无法捕捉任何群体中所代表的异质性。在这里，我们提出了一种方法来逆向工程样本特定的网络从聚合网络模型。我们在几个数据集中证明了我们方法的准确性和适用性，包括模拟数据，同步酵母细胞的微阵列表达数据，以及从人类淋巴母细胞系收集的RNA-seq数据。我们表明，这些样本特异性网络可用于研究网络拓扑结构随时间的变化，并表征表达数据中可能不明显的基因调控的变化。我们相信，生成样本特定网络的能力将极大地促进网络方法在当前生成的日益庞大、复杂和异构的多组学数据集上的应用，并最终支持新兴的精准网络医学领域。
2018-06-28 q-bio.MN
Autonomous Reshaping of Expression Landscapes by DNA Methylation
Center for Life Sciences, Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院生命科学中心）；Center for Quantitative Biology, Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院定量生物学中心）；Department of Physics, Peking University（北京大学物理学院）
研究通过DNA甲基化作为内部控制变量，展示其在调控动态中的作用，揭示其能自主重塑表达景观，改变细胞身份稳定器的角色。
2026-05-14 cond-mat.soft q-bio.MN
Gene regulatory network inference from single-cell data using a self-consistent proteomic field
从基因表达测量重建调控网络这一众所周知的问题已经被单细胞数据的出现和快速发展所扰乱。事实上，将基因调控网络视为受小噪声影响的确定性系统的传统方式正在受到单细胞水平上揭示的基因表达的高度随机性和突发性的挑战。在以前的工作中，我们描述了一种有前途的策略，其中网络推理被视为转录爆发驱动的机械模型的校准程序：该模型固有地捕获单细胞数据的典型变异性，而不需要特别的外部噪声，不像通常甚至随机微分方程经常在这种情况下使用。由此产生的算法，使用自洽场的相关主方程的近似分辨率的基础上，推导出详细的，但只适用于作为一个概念的证明模拟双基因网络。在这里，我们推导出该算法的简化版本，并在更相关的情况下将其应用于模拟和真实的单细胞RNA-Seq数据。我们指出了这种方法的三个有趣的特点：它是计算上易于处理的细胞和基因的现实数量，它提供了推断的网络与生物可解释性，和潜在的机械模型允许可测试的预测。推理过程的实际实现，以及模型的有效随机模拟算法，作为Python包提供。
2021-09-30 q-bio.MN
Predicting synchronized gene coexpression patterns from fibration symmetries in gene regulatory networks in bacteria
背景资料：基因调控网络协调基因在生理状态下的表达，并确保细胞子系统中基因的同步表达，这对细胞的连贯功能至关重要。在这里，我们解决的问题，是否有可能预测基因同步，从网络结构单独。我们最近表明，同步基因表达可以预测从对称性的基因调控网络（GRN）和对称纤维化的概念描述。我们发现，对称纤维化根据其“输入树”的对称性将基因划分为称为纤维的组，输入树是网络中信号可以到达基因的路径集。在理想化的动态基因表达模型中，纤维中的所有基因都是完全同步的，而不太理想化的模型--基因之间的基因输入函数不同--预测对称性破缺和去对称化。结果如下：为了研究基因纤维的功能作用，并测试一些纤维诱导的共表达是否仍然存在，我们分析了大肠杆菌基因调控网络的基因纤维化。杆菌和枯草subtilis并将它们与表达数据进行比较。我们发现近似的基因共表达模式与理想化的基因表达动力学对称纤维化一致。这表明，网络结构本身提供了有用的信息，基因同步化，并建议纤维内的基因输入功能可能会进一步精简的进化压力，以实现基因的共表达。结论：因此，基因纤维化提供了一个良好的概念工具来描述可调的共表达诱导的网络拓扑结构和塑造的机制细节的基因表达。
2021-04-16 physics.bio-ph physics.data-an q-bio.GN
Beyond the French Flag Model: Exploiting Spatial and Gene Regulatory Interactions for Positional Information
多细胞生物体早期发育的关键步骤包括建立基因表达的空间模式，该空间模式随后指导增殖细胞呈现不同的细胞命运。这些模式使细胞能够通过读出局部基因表达水平来推断它们在组织或生物体内的总体位置。因此，图案系统被称为编码位置信息，这是最近在信息论框架中正式定义的概念。在这里，我们介绍了一个玩具模型的图案在一个空间维度，这可以被看作是一个扩展Wolpert的范式“法国国旗”模型，图案由几个相互作用，空间耦合的基因受到内在和外在的噪音。我们的模型，一个伊辛自旋系统的变体，使我们能够系统地探索表达模式，最佳编码的位置信息。我们发现，最佳的图案系统使用的位置线索，在法国国旗模型，连同基因-基因的相互作用，以产生组合代码的位置，我们称之为“计数器”的模式。计数器模式也可以通过图灵模型中调用的较长范围的空间相互作用来稳定系统大小或形态发生剂剂量的噪声和变化。这里提出的简单的设置定性捕获许多实验观察到的生物图案化系统的属性，并允许他们在一个单一的，理论上一致的框架进行研究。
2016-03-07 q-bio.MN
Identifying the Attractors of Gene Regulatory Networks from Expression Data under Uncertainty: An Interpretable Approach
University of Neyshabur（内沙布尔大学）
针对基因调控网络在不确定性下吸引子识别难题，本文提出基于Zadeh计算词汇的可解释方法，从时间表达数据中稳健识别吸引子，并以遗传双稳态开关验证了其有效性。
2024-03-16 cs.AI cs.SY eess.SY
Motifs emerge from function in model gene regulatory networks
基因调控网络出现在所有活细胞中，允许控制基因表达模式。对它们拓扑结构的研究表明，某些相互作用或“基序”的子图出现的频率非常高。我们在此要问的是，这种现象是否会因为这些网络所发挥的功能而出现。给定一个描述监管互动和动态的框架，我们考虑在所有调控网络的空间中，那些有规定的功能。然后使用蒙特卡罗抽样来确定这些功能网络如何导致相互作用中的特定基序统计。在这种情况下，调控网络的约束，表现出多稳定性，我们发现一个高频率的基因对，是相互抑制和自我激活。相比之下，被限制为具有周期性基因表达模式（例如模仿细胞周期）的网络具有高频率的bifan样基序，涉及四个基因，至少一个激活和一个抑制相互作用。
2011-04-22 cond-mat.stat-mech q-bio.MN
Unsupervised learning of transcriptional regulatory networks via latent tree graphical models
Microsoft Research（微软研究院）；Massachusetts Institute of Technology（麻省理工学院）；University of California Irvine（加州大学尔湾分校）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Morgridge Institute for Research（莫格里奇研究所）
基因表达是转录活性和细胞状态的易于观察的定量，其使得能够恢复调节子与其靶基因之间的关系。从基因表达数据重建转录调控网络是一个备受关注的问题，但以往的工作往往作出简化（但不切实际）的假设，即调控活性由mRNA水平表示。我们使用潜在树图形模型来分析基因表达，而不依赖于转录因子表达作为调节活性的代理。潜在树模型是一种马尔可夫随机场，包括观察到的基因变量和潜在（隐藏）变量，它们在马尔可夫树上分解。通过有效的无监督学习方法，我们确定哪些基因组由隐藏的调节因子共同调节，以及这些调节因子的活性水平。后处理将这些发现的潜在变量中的许多注释为特定的转录因子或转录因子组。其他潜变量不一定代表物理调节因子，而是揭示了基因表达中的隐藏结构，例如共享的生物学功能。我们将潜在树图形模型应用于酵母应激反应数据集。除了新的预测，如条件特异性结合的转录因子Msn 4，我们的模型恢复了许多已知的方面的酵母调控网络。这些包括共调节基因组、条件特异性调节因子活性和转录因子之间的组合调节。潜在树图形模型是用于分析基因表达数据的通用方法，其不需要关于存在哪些可能的调控因子、调控因子活性或转录因子物理结合的先验知识。
2016-09-20 cs.LG q-bio.MN
Gene communities in co-expression networks across different tissues
本文构建四层外分泌腺基因共表达网络，提出基于相关矩阵和零模型的多层社区检测方法，识别广适性与特化性基因社区并揭示其基因组聚集及共享调控证据。
2023-12-07 q-bio.MN
A Model of Gene Expression Based on Random Dynamical Systems Reveals Modularity Properties of Gene Regulatory Networks
在这里，我们提出了一种新的方法来建模基因表达的基础上随机动力系统（RDS）的理论，提供了一个通用的耦合处方之间的任何给定的调控网络的节点，每个节点的动态建模的RDS。这种方法的主要优点是：（i）它提供了一种自然的方法，通过将简单的基本部分耦合在一起来获得任意大的网络，从而揭示了调控网络的模块性：（ii）建模中使用的关于随机过程的假设是相当普遍的，在这个意义上，唯一的要求是平稳性;（iii）有一套完善的数学理论，融合了平滑动力系统理论、遍历理论和随机分析，使人们能够在不解系统的情况下提取相关的动力和统计信息;（iv）通过对动态随机变量进行平均（小噪声限），可以从相应的随机形式得到经典速率方程。重要的是要强调，与确定性的情况下，耦合两个方程是一件小事，耦合两个RDS是不平凡的，特别是在我们的情况下，其中耦合是在一个基因的状态变量和另一个基因的切换随机过程之间进行的，因此，它不是先验的真实结果耦合系统将满足随机动力系统的定义。我们将提供必要的论证，以确保我们的耦合规定确实提供了随机动力系统的耦合调控网络。最后，经典速率方程是我们随机模型的小噪声极限，这一事实确保了基于经典理论的任何验证或预测也是我们模型的验证或预测。
2016-03-20 math.DS q-bio.MN
Stochastic fluctuations can reveal the feedback signs of gene regulatory networks at the single-molecule level
了解自发随机波动与潜在基因调控网络拓扑结构之间的关系对于研究单细胞随机基因表达具有重要意义。通过求解具有非线性反馈调节的随机基因表达动力学模型中蛋白质拷贝数的稳态分布，揭示了单分子水平上随机波动与反馈拓扑结构之间的关系，为反馈环如何以及在多大程度上增强或抑制分子波动提供了新的见解.基于这种关系，我们还开发了一种有效的方法来提取的基因调控网络的拓扑信息从单细胞基因表达数据。通过数值模拟证明了该理论，更重要的是，通过对整合在人肾细胞中的合成基因电路的单细胞数据分析定量验证了该理论。
2017-10-24 cond-mat.stat-mech physics.bio-ph q-bio.MN
Supervised, semi-supervised and unsupervised inference of gene regulatory networks
从表达数据中推断基因调控网络是一项具有挑战性的任务。许多方法已被开发到这一目的，但一个全面的评价，包括无监督，半监督和监督的方法，并提供指导方针，其实际应用，是缺乏的。我们进行了广泛的评估模拟表达数据的推理方法。结果显示，无监督技术的预测精度非常低，但敲除数据的z得分方法除外。在所有其他情况下，监督的方法实现了最高的准确性，甚至在半监督设置只有少量的阳性样本，优于无监督的技术。
2013-01-07 q-bio.MN q-bio.QM stat.ML
Regulatory control and the costs and benefits of biochemical noise
近年来的实验生动地证明了基因表达可以是高度随机的。然而，蛋白质浓度波动如何影响细胞群体的生长速率是一个广泛的问题。我们提出了一个数学模型，使之有可能量化的蛋白质浓度波动对遗传相同的细胞群体的生长速率的影响。该模型预测，种群的增长率取决于单个细胞的增长率如何随蛋白质浓度、蛋白质浓度波动的方差以及这些波动的相关时间而变化。该模型还预测，当蛋白质的平均浓度接近使生长速率最大化的值时，其浓度的波动总是降低生长速率。然而，当平均蛋白质浓度充分偏离最佳水平时，波动可以提高群体的生长速率，即使当细胞的生长速率线性地依赖于蛋白质浓度时。该模型还表明，数量的总体或群体平均值，例如平均蛋白质表达水平或其方差，通常不等于从跟踪单个细胞及其后代获得的时间平均值。我们应用我们的模型进行基因调控的成本效益分析。我们的分析预测，基因调控蛋白的最佳表达水平是由合成调控蛋白的成本和使其靶基因表达波动最小化的益处之间的权衡决定的。我们讨论了可能的实验，可以测试我们的预测。
2008-05-04 q-bio.MN q-bio.PE
Spatial clustering and common regulatory elements correlate with coordinated gene expression
许多细胞对周围信号的反应需要多个基因的时间协同转录调控。在原核细胞中，具有一个转录因子调控多个靶基因的单输入模块基序可以产生协调的基因表达。在真核细胞中，基因的转录活性不仅受到转录因子的影响，而且还受到基因的表观遗传修饰和三维染色体结构的影响。为了研究局部基因环境和转录因子调控如何偶联，我们对TGF- \b{eta}处理的MCF 10 A细胞的时程RNA-seq数据和相关的表观基因组和Hi-C数据进行了组合分析。使用动态调控事件挖掘器（DREM），我们根据基因表达谱和相关的转录因子对差异表达的基因进行聚类。每类基因具有相似的时间基因表达模式，并共享共同的转录因子。接下来，我们定义了一组线性和径向分布函数，如统计物理学中所使用的，以测量一类基因在基因组序列中的空间和线性分布。值得注意的是，尽管有时沿着基因组序列被数千万个碱基（Mb）分开，但同一类别内的基因显示出比属于不同类别的基因显著更高的空间接近的倾向，尽管有时沿着基因组序列被数十Mb分开。对小鼠神经系统发育过程的分析得出了类似的结论。未来的研究将能够测试染色体的这种空间组织是否有助于协调的基因表达。
2019-01-18 q-bio.GN q-bio.MN q-bio.SC
Edge usage, motifs and regulatory logic for cell cycling genetic networks
细胞周期是一个严格控制的过程，但其潜在的遗传网络显示出物种之间的显着差异。哪种相关的结构特征仅仅来自于施加适当的基因表达模式的能力？我们通过检查满足产生给定序列的基因表达的约束的所有调控网络的集合来解决这个问题。我们集中在三个细胞周期的档案来自面包酵母，裂殖酵母和哺乳动物。首先，我们展示了每个集合中的网络只使用了一些交互，这些交互被反复重用为构建块。第二，我们发现了一个丰富的网络模体，这是在两个酵母细胞周期系统的调查相似。这些基序没有自主功能，但它们揭示了基于激活相互作用的前馈级联的细胞周期调控逻辑。
2013-01-19 cond-mat.stat-mech q-bio.MN
CdtGRN: Construction of qualitative time-delayed gene regulatory networks with a deep learning method
背景：基因调控经常随时间变化而不是恒定不变。但从数据库中提取的基因调控网络大多是静态的。肿瘤抑制基因$P53$参与许多肿瘤的发病机制，其抑制作用在一定时间后才会发生。因此，阐明其随时间变化的调控机制具有重要意义。结果：建立了一种描述动态基因调控网络的定性方法CdtGRN。它采用卷积神经网络（CNN）和全连接网络（DNN）的组合作为预测的核心机制。在ArrayExpress上获得电离辐射Affyscore数据集（E-MEXP-549），通过微阵列基因表达水平预测调控之间的关系。CdtGRN针对具有与$P53$相关的$22,284$基因的时间延迟基因调控网络进行测试。CdtGRN对保守验证集分类的准确度达到92.07 $\%$，kappa系数达到$0.84$，平均AUC准确度为94.25 $\%$。这导致了建筑。结论：本研究所开发的算法和程序可用于识别动态基因调控网络，并通过分析不同时间点的基因表达水平，客观分析调控关系的延迟性。对$P53$的延时基因调控网络也进行了推断和定性表征，有助于理解肿瘤的病理机制。
2021-10-30 q-bio.GN q-bio.MN
Modeling Stochasticity and Variability in Gene Regulatory Networks
基因调控网络的随机性建模是分子系统生物学中一个重要而复杂的问题。为了阐明固有噪声，已经成功地使用了几种建模策略，如Gillespie算法。本文提供了一种替代这些经典设置的方法。在离散范式中，基因、蛋白质和基因调控网络的其他分子组分被建模为离散变量，并被分配为描述其通过与其他组分的相互作用进行调控的逻辑规则。在生物功能水平上对随机性进行建模，假设即使更新规则的输入节点的表达水平保证激活或退化，由于随机效应，该过程也有可能不会发生。这种方法允许对离散模型进行更精细的分析，并为细胞群模拟提供了一个自然的设置，以研究细胞间的变异性。我们将我们的方法应用于两个研究最多的调控网络，λ噬菌体感染细菌和p53-mdm 2复合物的结果。
2012-03-26 q-bio.MN
Control of Gene Regulatory Networks with Noisy Measurements and Uncertain Inputs
Texas A&M University（德克萨斯A&M大学）
研究了通过噪声测量间接观测的基因调控网络（GRNs）的随机控制问题，并考虑了干预输入的不确定性.部分可观测的基因状态和不确定性的干预过程中占建模GRNs使用部分观测布尔动态系统（POBDS）信号模型与噪声基因表达测量。获得最佳的无限时域控制策略，这个问题是无法实现的一般情况下，我们应用强化学习和高斯过程技术，以找到一个接近最优的解决方案。POBDS首先被转换为一个直接观察到的马尔可夫决策过程中的连续信念空间，高斯过程用于建模的信念和干预空间的成本函数。然后使用强化学习从可用的基因表达数据学习成本函数。此外，我们采用稀疏化，这使得大型的部分观察GRNs的控制。所得到的算法的性能进行了研究，通过一个全面的数值实验，使用合成的基因表达数据产生的黑色素瘤基因调控网络。
2017-02-24 cs.LG q-bio.MN stat.ML
Predicting the genetic component of gene expression using gene regulatory networks
本研究提出一种结合基因调控网络（GRN）的基因表达遗传成分预测新方法，通过两步贝叶斯网络建模整合局部与远端遗传变异影响，在多组数据上优于传统局部变异方法，为TWAS相关研究提供新见解。
2024-08-16 q-bio.GN q-bio.MN q-bio.QM
Gene targeting in disease networks
全转录组的分析已经成为分子生物学的基石，也是表征临床表型和鉴定疾病亚型的宝贵工具。对这些数据的分析变得越来越复杂，因为我们超越了简单的比较，考虑更高阶的相互作用和关联网络。基因调控网络模拟了转录因子和基因的调控关系，并允许识别疾病系统中的差异调控过程。在这个角度来看，我们讨论基因靶向分数，衡量推断的调控网络相互作用的变化，并在确定疾病相关的过程中使用。此外，我们提出了一个胰腺导管腺癌的例子分析，证明了基因靶向评分的能力，以确定复杂的表型之间的差异过程，过程中，只进行差异表达分析会错过。该实施例表明，在疾病和其它复杂表型的表征中，基因靶向评分是对基因表达分析的宝贵补充。
2021-01-11 q-bio.MN
Gene regulatory networks: a primer in biological processes and statistical modelling
对基因调控网络建模不仅需要对所描述的生物系统有透彻的理解，而且还需要从数学角度准确地表示该系统的能力。在本章中，我们的目标是让读者熟悉在基因表达调控过程中起作用的生物学过程和分子因素，我们首先描述控制表达过程中每一步的不同相互作用，从转录到mRNA和蛋白质降解。在第二部分中，我们提供了统计工具，以数学模型的形式准确地表示这种生物复杂性。除其他考虑，我们讨论了生物网络的拓扑特性，确定性和随机框架的应用和监管的定量建模。我们特别关注使用这样的模型来模拟表达数据，可以作为测试网络推理算法的基准。
2018-05-03 q-bio.MN q-bio.QM stat.AP
WENDY: Covariance Dynamics Based Gene Regulatory Network Inference
针对多时间点干预下联合分布未知的单细胞数据，提出基于协方差动力学建模的GRN推断方法WENDY，通过优化求解确定调控关系，在合成与实验数据上表现优异。
2024-10-10 q-bio.MN
Prediction of gene expression time series and structural analysis of gene regulatory networks using recurrent neural networks
Centre for Genomic Regulation (CRG), The Barcelona Institute for Science and Technology（基因组调控中心（CRG），巴塞罗那科学技术研究所）；Istituto Italiano di Tecnologia（意大利理工学院）；Sapienza University（罗马大学）；Sapienza University of Rome（罗马大学）
到目前为止，从基因表达数据对基因调控网络（GRNs）进行时间序列预测和分类的方法已经被分开处理。最近出现的基于注意力的循环神经网络（RNN）模型提高了RNN参数的可解释性，使它们对理解基因相互作用具有吸引力。在这项工作中，我们从一系列原型GRNs中生成了合成的时间序列基因表达数据，并依赖于双注意RNN来预测基因的时间动态。我们表明，预测是非常准确的GRN与不同的架构。接下来，我们专注于RNN的注意力机制，并使用图论的工具，我们发现它的图形属性允许分层区分GRN的不同架构。我们表明，GRNs的反应不同，除了噪声的预测由RNN和我们的噪声响应的注意力机制的分析。总之，这项工作提供了一种理解和利用RNN的注意力机制的方法，为基于RNN的方法从基因表达数据进行时间序列预测和GRNs推理铺平了道路。
2021-09-13 cs.LG physics.bio-ph physics.data-an
Harissa: stochastic simulation and inference of gene regulatory networks based on transcriptional bursting
本文提出名为Harissa的Python包，基于转录爆发现象驱动的随机动力模型，实现从时间进程scRNA-seq数据中推断基因调控网络并模拟基因表达谱，无需依赖外部噪声即可捕捉单细胞数据的变异性。
2023-09-10 q-bio.MN q-bio.QM
Semi-supervised network inference using simulated gene expression dynamics
动机：从高通量数据集推断基因调控网络的结构仍然是一个重要且未解决的问题。目前的方法受到诸如噪声、低样本量和监管动态的不完整表征等问题的阻碍，导致网络具有缺失和异常的链接。现有网络信息（例如，来自途径数据库）具有改善重建的潜力。结果如下：我们开发了一种半监督网络重建算法，该算法能够合成来自部分已知网络的信息与时间过程基因表达数据。我们适应PLS-VIP的时间过程数据，并使用参考网络来模拟表达数据，VIP分数的空分布生成，并用于估计输入表达数据的边缘概率。通过使用模拟动态生成参考分布，这种方法结合了以前已知的监管关系，并将网络与动态联系起来，形成一种半监督方法，可以发现新的和异常的连接。我们将这种方法应用于睡眠剥夺研究的数据，将KEGG通路视为先验网络，以及来自几个DREAM挑战的合成数据，并发现它能够恢复许多真实的边缘并识别这些网络中的错误，这表明它能够获得准确反映基因表达动态的后验网络。
2017-12-01 q-bio.MN q-bio.QM
An Onsager-Machlup approach to the most probable transition pathway for a genetic regulatory network
我们研究了一个描述枯草芽孢杆菌感受态发育的基因表达动力学定量网络。首先，我们引入了Onsager-Machlup方法来量化最可能的兴奋和兴奋动力学的过渡途径。然后，我们应用机器学习方法通过欧拉-拉格朗日方程计算最可能的过渡路径。最后，我们分析了噪声强度对跃迁现象的影响。
2022-03-02 math.DS q-bio.MN
Chaotic Gene Regulatory Networks Can Be Robust Against Mutations and Noise
对突变和噪声的鲁棒性已被证明是通过在模型基因调控网络中稳定选择最佳表型而进化的。已知进化健壮突变体的能力取决于网络架构。高鲁棒性和低鲁棒性网络的动力学特性和状态空间结构有何不同？选择作用于网络的全局动力学行为吗？什么样的状态空间结构会受到选择的青睐？我们提供了这些模型网络的状态空间的损伤传播分析和广泛的统计分析表明，由于稳定的最佳表型选择的动态特性的变化是轻微的。最值得注意的是，对突变和噪声最鲁棒的网络是高度混沌的。混沌网络的某些特性，例如能够产生大的吸引子盆地，可以用于维持稳定的基因表达模式。我们的研究结果表明，传统的措施的稳定性，如损害传播率，并没有提供太多的信息模型基因调控网络的突变或噪声的鲁棒性。
2008-03-17 q-bio.MN
Synthesising Executable Gene Regulatory Networks from Single-cell Gene Expression Data
生物学的最新实验进展使研究人员能够同时获得数百甚至数千个细胞的单细胞分辨率的基因表达谱。这些单细胞测量提供了组成组织的细胞状态的快照，而不是传统高通量实验提供的群体水平平均值。因此，这些新数据为计算建模提供了一个令人兴奋的机会。在本文中，我们介绍的想法，查看单细胞基因表达谱的异步布尔网络的状态，和框架模型推理的布尔网络从其状态空间重建的问题。然后我们给出了一个可扩展的算法来解决这个综合问题。我们将我们的技术应用于模拟和真实数据。我们首先将我们的技术应用于从一个完善的骨髓祖细胞分化模型模拟的数据。我们表明，我们的技术是能够恢复原来的布尔网络规则。然后，我们将我们的技术应用于胚胎发育期间采集的包含数千个细胞测量值的大型数据集。我们的技术合成了匹配的布尔网络，对这些模型的分析产生了关于血液发育的新预测，我们的实验合作者能够验证这些预测。
2018-01-17 cs.CE cs.LO q-bio.MN
Gene-gene cooperativity in small networks
我们展示了如何构建一个减少描述的相互作用的基因在嘈杂的，小的调控网络使用耦合二进制“自旋”变量。同时处理蛋白质数量和基因表达状态变量随机和平等的基础上，我们提出了一个映射连接的分子水平的描述网络的二进制表示。我们构建了一个相图，表明基因可以被认为是独立的，当它们之间的耦合不能被忽视，导致同步或相关性。我们发现，一个适当的映射布尔描述再现的概率基因表达状态的完整的随机系统非常好，可以转移到自我调节系统的例子与大量的基因拷贝。
2008-10-16 q-bio.MN
On prediction of regulatory genes by analysis of C.elegans functional networks
连接网络最近已成为生物学中广泛使用，由于越来越多的信息的物理和功能之间的联系，个别蛋白质。这种连接性数据提供了有价值的材料，扩展我们的知识远远超出了实验验证通过数学分析和理论预测的新的功能相互作用。在本文中，我们展示了几种算法的应用程序开发的潜在的基因表达调控的背景下，相关的网络的排名。我们分析了基因和蛋白质之间不同类型的连接如何影响完整的秀丽隐杆线虫功能网络的拓扑结构，从而验证算法性能。我们证明了可能的定义，共表达基因簇的网络背景下，从他们的特定的基序分布签名。我们还表明，基于最短路径函数（SPF）的方法应用于共表达基因簇的基因相互作用子网络，有效地预测新的调控转录因子（TF）。同时应用其他方法，包括只与邻近基因的相互作用，允许快速排名的潜在监管机构，可以在功能上与一组共表达的基因。预测一组核糖体/mRNA代谢基因的调节器的功能，我们强调了mRNA翻译和衰减的生物体寿命中的作用。
2013-02-14 q-bio.GN q-bio.MN
Approaches for benchmarking single-cell gene regulatory network inference methods
Penn State College of Medicine（宾夕法尼亚州立大学医学院）
本文综述了单细胞基因调控网络推断方法的评估方法，定义了成功指标，并指出了该领域的发展方向和不足。
2023-07-17 q-bio.GN q-bio.MN
