Learning of signaling networks: molecular mechanisms
神经元学习的分子过程已被充分描述。然而，非神经元细胞的学习机制尚未在分子水平上完全理解。在这里，我们讨论细胞学习的分子机制，包括内在无序蛋白和朊病毒的构象记忆，信号级联，蛋白质易位，RNA（microRNA和lncRNA），和染色质记忆。我们假设这些过程构成了信号网络的学习，并对应于单个非神经元细胞的广义赫布学习过程，并讨论了细胞学习如何在药物设计中开辟新的方向，并激发新的人工智能方法。
2020-03-17 cs.NE nlin.AO physics.bio-ph
Dynamics and Sensitivity of Signaling Pathways
信号通路用于将关于细胞外条件的信息传递到细胞内，传递到细胞核和细胞质过程以控制细胞反应。信号网络组件中的基因突变通常与癌症相关，并可能导致细胞获得不受控制的分裂和生长能力。由于信号通路在癌症的发生和发展中起着如此重要的作用，其组成蛋白是有吸引力的治疗靶点。在这篇综述中，我们讨论了如何信号通路建模可以帮助确定有效的药物治疗疾病，如癌症。一个有助于使用这些模型的成就是它们能够识别信号通路中的控制生化参数，例如分子丰度和化学反应速率，因为这将有助于确定治疗剂的有效攻击点。
2021-06-13 q-bio.MN q-bio.SC
Network modules help the identification of key transport routes, signaling pathways in cellular and other networks
复杂系统通过网络概念被成功地简化为相互作用的元素。传输在网络的生存中起着关键作用。例如，蜂窝网络的专用信令级联过滤噪声并有效地使网络结构适应新的刺激。然而，我们对复杂系统中的转运机制和信号通路的一般理解仍然有限。在这里，我们总结了参与运输的关键网络结构，列出了超载系统的解决方案，以放松其负载，并概述了一种可能的方法，用于计算确定的信号通路。我们强调，除了集线器，桥梁和网络骨架，重叠的模块化结构也是必不可少的网络传输。此外，通过在重叠网络模块的空间中定位网络元件并评估它们在该“模块空间”中的距离，可以计算地近似信令路径，这进而可以用于复杂系统的信令路径的识别。我们的模型可能适用于广泛的领域，包括交通管制或药物设计。
2010-10-02 physics.bio-ph q-bio.MN
Perturbation Biology: inferring signaling networks in cellular systems
我们提出了一种新的实验计算技术推断网络模型，预测细胞对扰动的反应，这可能是有用的组合治疗癌症的设计。这些实验是通过靶向药物单独或组合干扰癌细胞系的系统系列。根据蛋白质和磷蛋白的水平以及细胞表型如活力来测量对扰动的响应。计算网络模型是从头推导的，即，而无需信号通路的先验知识，并且基于简单的非线性微分方程。使用概率算法，信念传播，这是三个数量级更有效地比蒙特卡洛方法的所有可能的网络模型的巨大的解决方案空间进行了有效的探索。明确的可执行模型推导出一组扰动实验Skmel-133黑色素瘤细胞系，这是耐治疗上重要的抑制Raf激酶。由此产生的网络模型复制和扩展已知的途径生物学。它们可以被应用于发现新的分子相互作用和预测新的药物扰动的影响，其中之一是实验验证。该技术适用于分子生物学不同领域的大型系统。
2013-08-23 q-bio.MN
Structure and dynamics of molecular networks: A novel paradigm of drug discovery. A comprehensive review
尽管在基于基因组和蛋白质组的高通量筛选方法和合理药物设计方面取得了相当大的进展，但过去十年批准药物的增加与药物开发成本的增加不相称。网络描述和分析不仅可以从系统层面理解药物作用和疾病的复杂性，还可以帮助提高药物设计的效率。我们对网络拓扑和动力学的分析工具进行了全面的评估。综述了化学相似性、蛋白质结构、蛋白质相互作用、信号转导、遗传相互作用和代谢网络在药物靶点发现中的应用。我们建议网络定位遵循两个基本策略。中心打击策略选择性地靶向传染源或癌细胞的灵活网络的中心节点/边缘以杀死它们。网络影响策略可以对抗其他疾病，其中刚性网络的有效重新配置需要通过针对中心节点或边缘的邻居来实现。它示出了网络技术如何可以帮助识别单靶点、边缘、多靶点和异体网络候选药物靶点。我们回顾了最近网络方法的蓬勃发展，帮助命中识别，铅选择优化药物疗效，以及最大限度地减少副作用和药物毒性。通过感染、癌症、代谢性疾病、神经退行性疾病和衰老的例子，展示了成功的基于网络的药物开发策略。总结了1200多篇参考文献，我们提出了一个优化的网络辅助药物开发协议，并提供了一个药物质量的系统级标志列表。最后，我们强调了网络相关的药物开发趋势，有助于通过一种有凝聚力的全球方法实现这些标志。
2013-05-11 cond-mat.dis-nn cs.SI nlin.AO
Network strategies to understand the aging process and help age-related drug design
最近的研究表明，网络方法是非常合适的工具，以了解衰老过程的极端复杂性。网络概念的普遍性有助于定义和研究技术、社交网络和生态系统的老化，这可能为治疗与年龄有关的疾病提供新的概念。本文综述了蛋白质相互作用网络在衰老中的作用。相互作用体和信号网络的中枢和模块间元件是老化过程的关键调节器。衰老诱导几个细胞隔室（如细胞核）的渗透性增加，从而在网络结构的表现中引入总体变化。衰老基因和与年龄相关的主要疾病的基因之间的大量重叠使得帮助健康衰老的药物成为预防和治疗与年龄相关的疾病如癌症、动脉粥样硬化、糖尿病和神经退行性疾病的有希望的候选者。我们还讨论了一些可能的研究方案，以进一步探索网络概念在这一重要领域的潜力，并表明多靶点药物（代表“魔术巴克肖特”，而不是传统的“魔术子弹”）可能成为一个特别有用的一类与年龄相关的未来药物。
2009-09-28 physics.bio-ph q-bio.GN q-bio.MN
Self-organization of signal transduction
我们提出了一个信号转导的参数学习模型，其中的目标函数定义为信号传输效率。我们将其应用于学习动力学速率作为进化学习的一种形式，并寻找满足目标的参数。这是一种新的方法相比，通常的技术调整参数的基础上，只有实验数据。由此产生的模型是自组织的，即蛋白质浓度的扰动或细胞外信号的变化将自动导致适应。我们系统地扰动蛋白质浓度，并观察系统的响应。我们发现了蛋白质表达水平的补偿或共同调节。在一个新的实验中，我们改变细胞外信号的分布，并观察基于优化信号传输的适应。我们还讨论了有和没有瞬变信号之间的关系。通过瞬变信号发送可能涉及峰值响应的信号传输效率的最大化，但稳态响应的最小化。通过适当的目标函数，这也可以通过浓度调节来实现。自组织系统可以预测不必要的药物干扰效应，因为它们旨在以统一的方式模拟复杂的细胞适应。
2013-01-08 q-bio.MN q-bio.PE
Identification of control targets in Boolean molecular network models via computational algebra
动机：生物医学和生命科学的其他领域中的许多问题可以被表征为控制问题，其目标是找到通过干预（例如药物或其他治疗性处理）将生物系统的疾病或其他不期望的状态改变为另一种更期望的状态的策略。这种策略的识别通常基于要通过目标控制输入改变的过程的数学模型。这篇论文集中在分子水平上的过程，决定了单个细胞的状态，包括信号或基因调控。所考虑的数学模型类型是布尔网络。潜在的控制目标可以由一组节点和边来表示，这些节点和边可以被操纵以在系统上产生期望的效果。在实验上，节点操作需要完全抑制或完全激活特定基因产物的技术，而边缘操作仅需要使两个基因产物之间的相互作用失活的药物。结果如下：本文提出了一种利用代数技术在布尔分子网络模型中识别潜在干预目标的方法。该方法利用布尔网络的代数表示将网络布线图中的控制候选编码为多项式方程组的解，然后使用计算代数技术来找到这样的控制器。本文中的控制方法进行了验证，通过识别组合干预的信号通路先前报道的控制目标在两个充分研究的系统，一个p53-mdm 2网络和血液T细胞淋巴细胞颗粒白血病生存信号网络。
2016-10-03 q-bio.MN
HyperNetWalk: A Unified Framework for Personalized and Cohort-Level Cancer Driver Gene Identification via Reverse Inference on Layered Signaling-Regulatory Network
State Key Laboratory of Mathematical Sciences, Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院数学科学学院）；School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院）；School of Mathematics, Shandong University（山东大学数学学院）
HyperNetWalk通过反向推断在分层信号-调控网络中统一识别个性化和群体级癌症驱动基因，优于现有方法，具备癌症类型特异性信号捕捉和药物基因互作支持的能力。
2026-06-28 q-bio.MN q-bio.QM
Finding undetected protein associations in cell signaling by belief propagation
LBBE, CNRS UMR 5558, Université Lyon 1（里昂第一大学CNRS UMR 5558计算与进化生物学实验室）；Microsoft Research New England（微软新英格兰研究院）；Human Genetics Foundation（人类遗传学基金会）；Politecnico di Torino（都灵理工大学）；Université of Toulouse（图卢兹大学）；UMR CNRS-INSA 5504（法国国家科学研究中心-图卢兹国立应用科学学院UMR 5504联合研究单位）；INRA 792（法国国家农业研究院792研究单位）
外部信息主要通过信号级联和转录激活在细胞中传播，使其能够对广泛的环境变化做出反应。高通量实验确定了许多分子组成的级联反应，但可能通过未知的合作伙伴相互作用。它们中的一些可以使用来自蛋白质相互作用网络和mRNA表达谱的整合的数据来检测。这个推理问题可以映射到由这些数据集定义的网络中找到合适的最佳连通子图的问题。优化过程在一般情况下是计算上难以处理的。在这里，我们提出了一个新的分布式算法，为这项任务，从统计物理学的启发，并将此计划的α因子和药物扰动数据在酵母。我们确定了COS8蛋白的作用，这是一个以前未知功能的基因家族的成员，并通过遗传实验验证了结果。我们提出的算法是特别适合于非常大的数据集，可以并行运行，并可以适应其他问题的系统生物学。在著名的基准测试中，它优于该领域的其他算法。
2011-01-24 cond-mat.stat-mech cs.AI cs.CE
Decoding the dark proteome: Deep learning-enabled discovery of druggable enzymes in Wuchereria bancrofti
Menlo-Atherton High School（门洛-阿瑟顿高中）；Rice University（莱斯大学）
本研究提出深度学习计算流程，将班氏吴策线虫暗蛋白质组序列转化为精确EC编号和药物候选，发现14,772个酶及543个新EC类，筛选出6个靶点及43种化合物，加速抗丝虫病药物开发。
2025-10-07 cs.LG q-bio.MN q-bio.QM
Node and edge control strategy identification via trap spaces in Boolean networks
生物系统的控制机制的研究允许在生物工程和医学中的有趣应用，例如在细胞重编程或药物靶点识别中。控制策略通常由一组干预组成，通过固定某些组件的值，确保受控系统的长期动态处于期望状态。在布尔框架中，一种常见的控制方法是检查固定值如何通过网络传播，以确定干预措施的效果是否足以诱导目标状态。虽然基于值渗透的方法允许有效的计算，但它们可能会错过许多控制策略。另一方面，用于控制策略识别的穷举方法通常需要高计算成本。为了增加确定的控制策略的数量，同时仍然受益于一个有效的实施，我们介绍了一种基于值渗透的方法，该方法使用陷阱空间，相对于动态封闭的状态空间的子空间，通常可以很容易地计算在生物网络。该方法允许节点干预，固定某些组件的值，以及边缘干预，固定一个组件对另一个组件的影响。该方法是使用答案集编程实现的，扩展了现有的有效实现值渗透，允许使用陷阱空间和边缘控制。该方法的适用性研究不同的控制目标在生物案例研究，确定在所有情况下，新的控制策略，将逃脱通常的基于简化的方法。
2022-03-25 q-bio.MN
Realistic Control of Network Dynamics
复杂网络的控制在生态系统管理、应急响应和细胞重编程等领域至关重要。网络的一个基本特性是，对一个节点的扰动可能会影响其他节点，从而可能导致整个系统改变行为或失败。在这里，我们证明了利用相同的原理来控制网络行为是可能的。我们的方法考虑了真实系统固有的非线性动力学，并允许将系统带到所需的目标状态，即使该状态由于限制允许干预的约束而无法直接访问。应用程序表明，该框架允许重新编程网络，以实现所需的任务，以及从失败的边缘拯救网络-我们通过缓解电网网络中的级联故障和识别人类癌症信号网络中的潜在药物靶点来说明这一点。
2013-06-28 cond-mat.dis-nn math.OC nlin.AO
Perturbation centrality and Turbine: a novel centrality measure obtained using a versatile network dynamics tool
网络动力学分析成为理解和预测复杂系统变化的一个焦点。在这里，我们介绍涡轮机，一个通用的框架，使任何算法定义的动态非常大的网络上的快速模拟。利用受通信船舶启发的扰动传播模型，定义了一种新的中心性度量：扰动中心性。枢纽和模块间节点被证明是非常有效的扰动传播。Met-tRNA合成酶蛋白质结构网络的高扰动中心节点被早期研究确定为参与蛋白质内通讯的氨基酸。酵母相互作用体节点在不同胁迫下的扰动中心性变化很好地概括了胁迫下酵母细胞的功能变化。扰动中心性的新颖性和实用性在其他几个模型，生物和社交网络中得到了验证。Turbine软件和扰动中心性测量可以提供多种新颖的选项来评估信号传导、药物作用、环境和社会干预。Turbine算法可从以下网址获得：http://www.turbine.linkgroup.hu
2013-10-25 cond-mat.dis-nn cs.SI physics.bio-ph
Boolean network-based model of the Bcl-2 family mediated MOMP regulation
线粒体外膜透化（MOMP）是细胞凋亡信号通路中最重要的环节之一。控制MOMP是否发生的决策机制是由Bcl-2家族成员之间的相互作用形成的。为了了解该家族中各个成员在MOMP调控中的作用，我们构建了Bcl-2蛋白之间相互作用的基于布尔网络的数学模型。计算模拟的结果揭示了Bcl-2蛋白活性的潜在恶性配置的存在，阻止MOMP的发生，独立于传入的刺激。我们的研究结果表明，抗凋亡蛋白Mcl-1在这些配置中的作用。我们在这里证明，根据激活效应Bax和Bak的出价和Bim的重要性，以及这种激活的不可逆性。该模型进一步显示了效应子激活的不同要求，其中抗增殖蛋白Bcl-w似乎是阻止Bax激活的关键因素。我们认为，本研究有助于更好地描述Bcl-2对MOMP的调控作用，并有望为抗癌药物的开发研究提供一定的参考。
2012-12-20 q-bio.MN
Understanding cancer complexome using networks, spectral graph theory and multilayer framework
癌症复合体包括在细胞学、生理学、信号传导机制和对治疗的反应方面变化的异质性和多因子环境。网络理论和谱图理论的结合框架以及多层分析提供了一种全面的方法来分析七种不同癌症的蛋白质组数据，即乳腺癌、口腔癌、卵巢癌、宫颈癌、肺癌、结肠癌和前列腺癌。我们的分析表明，与七种癌症相关的正常组织和癌组织的蛋白质相互作用网络具有总体相似的结构和光谱特性。然而，这些性质中很少涉及从正常到疾病网络的非系统性变化，这些变化描绘了相互作用的差异，并突出了不同癌症复杂性的变化。重要的是，对所有癌症网络的共同蛋白质的分析揭示了很少的蛋白质，即传感器，其不仅在所有层中占据重要位置，而且直接参与导致癌症。针对这些传感器蛋白的miRNA的预测和分析暗示了这些蛋白在肿瘤发生中的可能作用。这种新的方法有助于在基础水平上理解癌症，并为开发有前途的和新生的单一药物治疗多种疾病以及个性化医疗的概念提供了线索。
2017-03-02 q-bio.MN
Nodes having a major influence to break cooperation define a novel centrality measure: game centrality
合作在生物体的自组织和进化中发挥着重要作用。网络拓扑结构和合作者的初始位置都对社会困境博弈的合作有重要影响。我们开发了一种新的模拟程序包，称为“网络游戏”，它能够模拟任何类型的社会困境游戏的任何模型，或现实世界的网络与任何分配的初始合作或叛逃策略的网络节点。最初背叛单个节点以破坏整体合作的能力被称为“游戏中心性”。这一措施的效率在众所周知的社交网络上得到了验证，并被扩展到“蛋白质游戏”，即模拟蛋白质或其氨基酸之间的合作。酵母蛋白质相互作用网络的枢纽，特别是党枢纽有很大的影响，以转换其他节点的合作，以背叛。对甲硫氨酰-tRNA合成酶蛋白质结构网络的模拟表明，属于蛋白质内信号通路的节点对破坏合作的影响增加。在社会两难博弈中，单个初始背叛节点将其他节点的合作转化为背叛的效率可能是预测节点在复杂系统整合和调控中重要性的重要度量。游戏中心性可能有助于设计对细胞网络（以药物的形式）、生态系统和社交网络更有效的干预措施。网络游戏算法可以从这里下载：www.NetworGame.linkgroup.hu
2013-06-30 cs.GT cs.SI nlin.AO
