用形式概念分析方法构建基因调控动力学知识库

强大的调控网络

Robust Regulatory Networks

遗传网络的特征之一是其固有的鲁棒性，也就是说，尽管引入了随机错误，它们仍能保持功能。在本文中，我们试图更好地理解如何实现鲁棒性，以及可以鲁棒地维护哪些功能。我们的目标是在一个合理的数学框架中，将生物学讨论中使用的一些语言形式化，在这个框架中，问题可以以严格的方式回答。这些结果提供了基本的概念理解的强大的调控网络，应该是有价值的独立的形式主义的细节。我们将基因调控网络建模为布尔网络，这是StuartKauffman提出的一种通用且成熟的模型。如果一个布尔网络的节点状态在其不动点处满足某个给定的约束，则称该网络处于可行配置。我们指定突变如何影响布尔网络的行为。如果网络的大多数随机突变都达到了可行的配置，那么网络就是鲁棒的。我们研究中研究的主要问题是：给定固定点配置的约束，是否存在相对于它鲁棒的网络？如果存在，它的结构是什么？我们展示了两个明确的结构强大的网络，以及否定其存在的负面结果。

负反馈基因调控网络中的噪声控制

Noise control in gene regulatory networks with negative feedback

基因和蛋白质通过复杂的生化反应回路调节细胞功能。这些调控网络的组件中的波动导致噪声，该噪声总是破坏信号，可能损害功能。在这里，我们创建了一个实用的形式主义的基础上介绍的想法维纳和Kolmogorov（WK）的过滤噪声在工程通信系统，以定量评估在何种程度上可以控制噪声的生物过程中，涉及负反馈。应用的理论，再现了先前证明的缩放的信号事件的数量方面的噪声抑制的下限，表明四环素抑制剂为基础的负调控基因电路的行为作为WK过滤器。对于类Hill-like非线性调节函数，这种类型的滤波器提供了最佳的噪声降低。我们的理论方法可以很容易地结合实验测量的响应函数在各种各样的遗传电路，阐明生物网络最小化噪声的一般原则。

基因调控元件的信息容量

Information capacity of genetic regulatory elements

细胞外部或内部条件的变化通常反映在相关转录因子的浓度上。这些蛋白质反过来调节它们控制下的基因的表达水平，有时需要执行整合多个输入并影响多个基因的非平凡计算。与此同时，即使输入保持不变，受调控基因的活动也会波动，这是系统中固有噪声的结果，而这种噪声必然从根本上限制任何遗传计算的可靠性。在这里，我们使用信息理论来正式的概念，在简单的基因调控元件的存在下，物理现实的噪声源的信息传输。系统地探讨了这种“通道容量”对噪声参数、协同性和制造信号分子的成本的依赖性。我们发现，至少在原则上，高于一位的能力应该是可以实现的，因此遗传调控不限于使用二进制或“开-关”组件。

预测切换控制随机基因调控网络：一种收缩PIDE框架

Predictive-Switching Control of Stochastic Gene Regulatory Networks: A Contractive PIDE Framework

本文提出了一种预测切换控制算法，用于控制由偏积分微分方程（PIDE）模型描述的随机基因调控网络，通过神经网络近似控制策略实现高维系统的可扩展性，并通过理论分析证明了PIDE动态的L1收缩性。

基因调控网络的模型检验

Model Checking Gene Regulatory Networks

基因调控网络（GRN）的行为通常使用基于模拟的统计测试方法进行分析。在本文中，我们证明，我们可以取代这种方法的形式化验证类方法，提供更高的保证和可扩展性。本文研究了进化生物学中的Wagner变权GRN模型。在该模型中，权重参数表示可能由于基因突变而改变的基因相互作用强度。对于一个感兴趣的属性，我们合成的参数空间，表示满足该属性的GRNs集的约束。我们的实验表明，我们的参数合成过程计算的突变鲁棒性的GRNs -一个重要的问题，在进化生物学的兴趣-更有效地比经典的模拟方法。我们指定的性质在线性时间逻辑。我们采用符号有界模型检验和SMT求解来计算满足该属性的GRN的空间，这相当于合成一组线性约束的权重。

Causal Discovery for Gene Regulatory Network Prediction

Biological systems and processes are networks of complex nonlinear regulatory interactions between nucleic acids, proteins, and metabolites. A natural way in which to represent these interaction networks is through the use of a graph. In this formulation, each node represents a nucleic acid, protein, or metabolite and edges represent intermolecular interactions (inhibition, regulation, promotion, coexpression, etc.). In this work, a novel algorithm for the discovery of latent graph structures given experimental data is presented.

自发永生化和上皮癌变调控核心的动态网络和表观遗传景观模型

Dynamic network and epigenetic landscape model of a regulatory core underlying spontaneous immortalization and epithelial carcinogenesis

体外人上皮细胞的致瘤性转化已被实验描述为称为自发永生化的过程的潜在结果。在这个过程中，发生了一系列细胞状态转变，其中正常上皮细胞获得衰老状态，随后超越，首先达到间充质状态，然后最终达到间充质干细胞样表型，具有潜在的致瘤行为。在本文中，我们整合了已发表的数据的分子组成部分和相互作用，已被描述为这种细胞状态和过渡的关键调节。所提供的一个大的网络被构建，然后被简化，目的是恢复最小的调节核心，其包含必要和足够的限制以恢复观察到的细胞状态及其在上皮-间充质转化中的一般进展模式。数据被形式化为逻辑监管规则，这些规则根据其监管机构的状态来管理网络每个组件的动态。所提出的核心基因调控网络仅获得三种稳态基因表达构型，其对应于正常上皮细胞、衰老细胞和间充质干细胞样细胞的特征性图谱。有趣的是，未被发现的网络的表观遗传景观分析表明，它也恢复了上皮细胞体外致瘤转化过程中记录的一般时间顺序转换。后者与在体内上皮癌发生的进行性病理描述过程中观察到的模式密切相关。

适应性基因调控网络

Adaptive gene regulatory networks

基因之间的调控相互作用显示出大量的跨物种变异性，即使潜在的功能是保守的：有许多方法可以实现相同的功能。在这里，我们调查的能力，调控网络重现给定的表达水平在一个简单的模型中的基因调控。我们发现一个指数级大的调控网络空间与一组给定的表达水平兼容，从而产生了广泛的网络熵。调控网络的典型实现被发现共享一个偏向对称的相互作用，在符合经验证据。

GeneNetMiner：从文献中准确挖掘基因调控网络

GeneNetMiner: accurately mining gene regulatory networks from literature

GeneNetMiner是一个独立的软件，它解析iHOP的句子并捕获监管关系。调控关系是基因基因调控或基因生物过程关系。捕获基因生物过程关系是这种工具的独特特征。这些关系可用于建立特定生物过程、疾病或表型的基因调控网络。用户能够搜索基因和生物过程，以找到它们之间的调控关系。每个监管关系都被分配了一个置信度得分，该得分指示真实关系的概率。此外，它还报告包含查询词的句子，这允许用户手动检查关系是否为真。GeneNetMiner能够从文献中准确捕捉基因之间的调控关系。

布尔型基因调控网络表观遗传吸引子景观的表征方法

Methods for Characterizing the Epigenetic Attractors Landscape Associated with Boolean Gene Regulatory Networks

基因调控网络（GRN）模型是研究发育过程中细胞命运特化的一个成熟的理论框架。最近，GRN的动力学模型已被视为Waddington的表观遗传景观的隐喻模型的形式化的基础上，GRN建模的一般协议提供了一个自然的扩展。在这篇文章中，我们提出了一个连贯的框架，一个新的实现两个先前提出的一般框架建模的表观遗传吸引景观与布尔GRNs：吸引子间和状态间转换的方法。我们实现了新的算法来估计吸引子间的转移概率，而不一定依赖于密集的单事件模拟。我们分析的性能和敏感性参数选择的算法估计吸引子间的转移概率使用三个真正的GRN模型。此外，我们提出了一个并排的下游分析工具，如吸引子的时间和全球的EAL排序分析。总的来说，我们展示了如何使用一个真实的案例研究的方法相互补充：上皮癌变的细胞水平的GRN模型。我们希望这里提出的工具包和比较分析是一个有价值的额外资源，系统生物学社区有兴趣在正常和病理发育过程中建模细胞分化和重编程。

Cancer driver gene detection in transcriptional regulatory networks using the structure analysis of weighted regulatory interactions

Identification of genes that initiate cell anomalies and cause cancer in humans is among the important fields in the oncology researches. The mutation and development of anomalies in these genes are then transferred to other genes in the cell and therefore disrupt the normal functionality of the cell. These genes are known as cancer driver genes (CDGs). Various methods have been proposed for predicting CDGs, most of which based on genomic data and based on computational methods. Therefore, some researchers have developed novel bioinformatics approaches. In this study, we propose an algorithm, …

基因调控和信号网络表现出不同的拓扑分布的模体

Gene regulatory and signalling networks exhibit distinct topological distributions of motifs

细胞决策和分化的生物学过程涉及大量的信号通路和基因调控回路。反过来，这些网络表现出大量的基序，在调节网络活动中发挥着至关重要的作用。在这里，我们比较了基因调控和信号网络中基序的拓扑位置，发现它表明不同的细胞子网络的基序分布不同的进化策略。

Regulatory motifs: structural and functional building blocks of genetic computation

Developing and maintaining life requires a lot of computation. This is done by gene regulatory networks. But we have little understanding of how this computation is organized. I show that there is a direct correspondence between the structural and functional building blocks of regulatory networks, which I call regulatory motifs. I derive a simple bound on the range of function that these motifs can perform, in terms of the local network structure. I prove that this range is a small fraction of all possible functions, which severely constrains global network behavior. Part of this restriction i…

From time-series transcriptomics to gene regulatory networks: a review on inference methods

Inference of gene regulatory networks has been an active area of research for around 20 years, leading to the development of sophisticated inference algorithms based on a variety of assumptions and approaches. With the always increasing demand for more accurate and powerful models, the inference problem remains of broad scientific interest. The abstract representation of biological systems through gene regulatory networks represents a powerful method to study such systems, encoding different amounts and types of information. In this review, we summarize the different types of inference algorit…

慢启动子动力学基因调控网络中的多模态

Multi-modality in gene regulatory networks with slow promoter kinetics

在缺乏遗传变异的情况下，表型变异通常反映了与潜在的基因调控网络（GRNs）相关的复杂能量景观。在这种观点中，不同的表型与复杂非线性系统的替代状态相关联：确定性模型中的稳定吸引子或随机描述中的平稳分布模式。我们提供了这些景观的理论和实践特征，特别是专注于随机慢启动子动力学，相关的时间尺度时，转录因子的绑定和解绑定的表观遗传过程，如DNA甲基化和染色质重塑。在这种情况下，很大程度上未经探索，除了数值模拟，绝热近似的促进剂动力学是不合适的。在现有的文献相比，我们提供了严格的分析表征的多种模式。一般的形式化方法可以洞察参数的影响，并预测GRN布线的变化，例如通过突变或人工干预，影响可能的数量，位置和替代状态的可能性。我们适应的工具，从数学领域的奇异摄动理论，代表固定分布的化学主方程的GRNs的泊松分布的混合物，并获得明确的公式的亚稳态的位置和概率作为一个函数的参数描述的系统。作为例证，该理论是用来梳理出的随机模型中的合作绑定的作用相比，确定性模型，和应用程序给出了各种模型系统，如切换开关隔离或在通信的人口，合成振荡器和trans-differentiation网络。

原核生物的复杂性是否受到监管开销加速增长的限制？

Is prokaryotic complexity limited by accelerated growth in regulatory overhead?

生物复杂性的增加通常与新的遗传信息的增加有关，这些信息必须整合到细胞内运行的现有调控网络中。关于网络控制的一般论点，以及最近的几个基因组观察表明，调控基因的数量随着基因组大小的增加而快速增长。我们提出了两个模型的增长调控网络。两者都预测转录调节因子的数量将与总基因数成二次方关系。这似乎与来自89个完全测序的原核生物的基因组数据在定量上一致。此外，经验曲线预测，任何新的非调控基因将伴随着超过一个额外的调节基因组大小的约20，000个基因，在所观察到的上限的两倍内。我们的分析将转录调控网络归入加速网络一类。我们认为，原核生物的复杂性可能已被限制在整个进化过程中的监管开销，相反，复杂的真核生物必须绕过这一限制的新策略。

基因调控网络中的信息传递

Information transmission in genetic regulatory networks: a review

遗传调控网络使细胞能够通过动态协调其基因表达谱来响应内部和外部条件的变化。我们在这些生化回路中进行定量测量的能力加深了我们对基因调控网络可以执行何种计算以及具有何种可靠性的理解。这些进展促使研究人员寻找遗传调控网络的结构和功能之间的联系。在网络的输入和输出之间传输信息已经被提出作为一种可能的功能度量，在某些生物学背景下相关。在这里，我们总结了信息论在基因调控网络中应用的最新进展。我们首先回顾信息论中的基本概念，以了解最近的工作。然后，我们讨论了基因调控的功能复杂性所产生的调控相互作用的分子性质。最后，我们回顾了一些实验支持的观点，负责多细胞生物的早期发展的遗传网络可能会最大限度地提高传输的“位置”信息。

单细胞基因调控网络推断方法的评估方法

Approaches for benchmarking single-cell gene regulatory network inference methods

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。

基因转录调控网络正负反馈环相互连接的两种振荡模式

Two different modes of oscillation in a gene transcription regulatory network with interlinked positive and negative feedback loops

我们研究了一个由正负反馈环相连的基因调控网络的振荡行为。频率和振幅是振动的两个重要性质。所研究的网络产生两种不同的振荡模式。在一种模式（模式1）中，频率在宽范围的振幅上保持恒定，而在另一种模式（模式2）中，振荡的振幅在宽范围的频率上保持恒定。我们的研究再现了单个基因调控网络中振荡的两个特征，并表明基因调控网络中的负加正反馈回路提供了额外的优势。我们确定了负责不同振荡模式的关键参数/变量。通过适当地选择所需的参数/变量，网络在不同模式之间的切换是灵活的。

基于基因影响评价的人类调控网络驱动基因检测的网络科学方法

A Network Science Approach to Driver Gene Detection In Human Regulatory Network Using Genes Influence Evaluation

癌症的发生是由于细胞调节机制的紊乱，导致细胞畸形.启动畸形的基因被称为癌症驱动基因（CDG）。目前已经有许多计算方法被用来识别使用突变概念的癌症驱动基因。关于人类细胞和肿瘤发展中的异常传播，CDG可能是网络中具有高影响力的潜在基因类型。这增加了影响扩散概念对于识别CDG的重要性。最近开发了一种基于影响最大化的识别癌症驱动基因的方法。在这些类型的网络中的挑战之一是发现边缘之间的调控相互作用的力量。目前的研究开发了一种技术来识别癌症驱动基因并预测转录调控网络中调控相互作用的影响。该技术利用影响扩散的概念，并基于影响扩散对超链接诱导的主题搜索算法进行优化。结果表明，我们提出的技术比其他计算和基于网络的方法更好的性能。

用基因模块结构描述果蝇间隙基因调控网络的建模

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。

基因调控网络的时滞模型

Time-delayed models of gene regulatory networks

在这篇综述中，我们讨论了不同的数学模型的基因调控网络相关的癌症的发生和发展。在讨论了替代建模方法后，我们使用了一个范例的两个基因网络集中在基因调控网络的动态中的时间延迟所发挥的作用。我们对比的动力学减少模型中出现的快速mRNA动力学的限制与完整的模型。审查的结论与一些开放的问题的讨论。

具有可变基因表达时间的进化布尔调控网络

Evolving Boolean Regulatory Networks with Variable Gene Expression Times

基因表达所需的时间变化很大，因为蛋白质的长度变化很大。本文使用一个抽象的、可调的布尔调控网络模型来研究基因表达的时间变化。特别是，它示出了如何不均匀的表达时间可以出现在一定条件下，通过模拟进化。也就是说，基因表达时间变化似乎有利于调控网络的动态行为的形成，而不明确考虑蛋白质功能。

基因调控网络中高斯有色噪声的涨落

Fluctuations in Gene Regulatory Networks as Gaussian Colored Noise

将对基因调控网络波动的研究推广到高斯色噪声的情况。首先，相应的兰之万方程的色噪声的解决方案表示的Ito积分。然后，两个重要的引理有关的Ito积分的方差和两个Ito积分的协方差。在引理的基础上，我们给出了调控网络在稳定平衡点附近分子浓度的方差和协方差的一般公式。并以基因自动调控网络和拨动开关为例进行了详细介绍。在一般情况下，它被发现，有限的相关时间的噪音减少的波动和增强的相关性之间的波动的分子组分。

CdtGRN: Construction of qualitative time-delayed gene regulatory networks with a deep learning method

Background:Gene regulations often change over time rather than being constant. But many of gene regulatory networks extracted from databases are static. The tumor suppressor gene $P53$ is involved in the pathogenesis of many tumors, and its inhibition effects occur after a certain period. Therefore, it is of great significance to elucidate the regulation mechanism over time points. Result:A qualitative method for representing dynamic gene regulatory network is developed, called CdtGRN. It adopts the combination of convolutional neural networks(CNN) and fully connected networks(DNN) as the core…

哺乳动物心脏的心源性基因调控网络

The Inferred Cardiogenic Gene Regulatory Network in the Mammalian Heart

心脏发育是一个复杂的、多尺度的过程，包括细胞命运的适应、分化和形态发生。为了阐明这一过程的基础途径，最近开发的算法，逆向工程基因调控网络被施加到从发育中的小鼠心脏获得的时程微阵列数据。该算法生成了许多不同的假定网络拓扑结构，能够通过模型仿真来解释实验数据。为了剔除似是而非的网络交互，成千上万的拓扑结构被合并和过滤，以生成一个无标度的分层网络。该网络与已知的基因相互作用进行了验证，并用于识别对发育中的哺乳动物心脏至关重要的调控途径。使用语义相似性和基因谱唯一性度量对预测的基因相互作用进行优先级排序。使用这些指标，该网络被扩展到包括所有已知的小鼠基因，以形成最可能的心源性基因调控网络。本文概述的方法提供了一种信息丰富的网络推理方法，并导致与基因调控相关的明确的可检验假设。

关于混合基因调控网络

On Hybrid Gene Regulatory Networks

本文研究了混合基因调控网络（HGRNs）中的不规则行为，提出了关于可达性问题的可判定性、不确定行为概率以及2维HGRNs中混沌的理论结果。

基于计算机模拟的多自主调控模块基因动态模型设计

Design of a dynamic model of genes with multiple autonomous regulatory modules by evolution in silico

提出了一种利用计算机模拟进化设计多自主调控模块基因动态模型的新方法。该方法是基于遗传算法，执行新的交叉算子，特别是为这些目的。该方法利用子盆地门户架构的适应度函数适合这种进化建模。一系列的基准测试证明了该方法的有效性。

基因表达动力学与调控推理问题

Dynamics of gene expression and the regulatory inference problem

从对外界刺激的反应到细胞分裂和死亡，活细胞的动力学是基于特定基因在特定时间的表达。何时表达基因的决定是通过转录因子分子与调节DNA的结合和解结合来实现的。在这里，我们构建随机模型的基因表达动力学和信使RNA浓度的实验时间序列数据进行测试。该模型用于推断基因转录的生物物理参数，包括转录因子-DNA结合的统计和由给定的转录因子控制的靶基因。

超越法国国旗模型：利用空间和基因调节相互作用获取位置信息

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。

一种连接基因调控网络动力学与异质性干细胞再生的计算方案

A computational scheme connecting gene regulatory network dynamics with heterogeneous stem cell regeneration

本研究提出一种计算框架，通过数据驱动的遗传函数构建，结合跨细胞周期基因调控网络混合模型与单细胞建模，连接基因调控动力学与异质性干细胞再生，可推广至多种调控网络以深化相关机制理解。

基因调控网络中转录爆发的定量遍历性

Quantitative ergodicity for gene regulatory networks with transcriptional bursting

研究两类分段确定性马尔可夫过程的长期行为，证明在交互基因数和交互强度任意时，平稳分布的存在性和唯一性，并通过耦合方法提供收敛到平衡的Wasserstein距离上界。

模式基因调控网络中的基序源于功能

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。

SIREN Cytoscape插件：基因调控网络中的相互作用类型识别

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。

稳定点附近基因表达调控遗传网络的潜力

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。

Inferring stochastic regulatory networks from perturbations of the non-equilibrium steady state

Regulatory networks describe the interactions between molecular or cellular regulators, like transcription factors and genes in gene regulatory networks, kinases and their receptors in signalling networks, or neurons in neural networks. A long-standing aim of quantitative biology is to reconstruct such networks on the basis of large-scale data. Our aim is to leverage fluctuations around the non-equilibrium steady state for network inference. To this end, we use a stochastic model of gene regulation or neural dynamics and solve it approximately within a Gaussian mean-field theory. We develop a …

通过单基因敲入恢复衰老基因调控网络中的信息

Restoring information in aged gene regulatory networks by single knock-ins

通过单基因敲入技术恢复衰老基因调控网络中的信息，发现可提升网络信息量达10%，为网络信息流动研究和抗衰老提供了新方向。

Gene Regulatory Network Inference with Latent Force Models

Delays in protein synthesis cause a confounding effect when constructing Gene Regulatory Networks (GRNs) from RNA-sequencing time-series data. Accurate GRNs can be very insightful when modelling development, disease pathways, and drug side-effects. We present a model which incorporates translation delays by combining mechanistic equations and Bayesian approaches to fit to experimental data. This enables greater biological interpretability, and the use of Gaussian processes enables non-linear expressivity through kernels as well as naturally accounting for biological variation.

非线性随机基因调控网络中的信号传播

Signal Propagation in Nonlinear Stochastic Gene Regulatory Networks

通过研究随机非线性基因调控网络对输入信号发生器的响应，揭示了该网络的结构。详细研究了四个应用：两个线性系统的非线性连接，逻辑脉冲的设计，分子放大器和E2F1调节元件中三个信号发生器的干扰。基因的相互作用是使用分子图，有一个精确的数学结构，并保留生物意义的过程。

基因调控网络中动态性、细胞类型特异性及扰动的建模

Modeling Dynamics, Cell Type Specificity, and Perturbations in Gene Regulatory Networks

本文综述了利用单细胞组学数据推断基因调控网络的方法，重点探讨动态性和扰动，并指出该领域需解决的关键挑战。

Inference on the structure of gene regulatory networks

In this paper, we conduct theoretical analyses on inferring the structure of gene regulatory networks. Depending on the experimental method and data type, the inference problem is classified into 20 different scenarios. For each scenario, we discuss the problem that with enough data, under what assumptions, what can be inferred about the structure. For scenarios that have been covered in the literature, we provide a brief review. For scenarios that have not been covered in literature, if the structure can be inferred, we propose new mathematical inference methods and evaluate them on simulated…

遗传调控网络布尔模型的鲁棒性和脆弱性

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。

基因调控网络的模拟

Simulation of Gene Regulatory Networks

这个有限的审查是为了介绍快速增长的细胞代谢及其生化途径的数学建模的主题，更确切地说，与癌细胞凋亡的途径。介绍了化学动力学的一些基本数学模型，重点介绍了随机模型。

基因调控网络的随机性和变异性建模

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。

广义密度依赖马尔可夫链和突发随机基因调控网络的极限定理

Limit theorems for generalized density-dependent Markov chains and bursty stochastic gene regulatory networks

具有突发动力学的随机基因调控网络可以在中观上建模为广义密度依赖马尔可夫链（GDDMC）或在宏观上建模为分段确定性马尔可夫过程（PMDMC）。在这里，我们证明了一个极限定理表明，每个家庭的GDDMC将收敛到一个PSDs的系统大小趋于无穷大。在简单的耗散条件下，利用耦合方法，证明了平稳分布的存在唯一性和Pestival极限的指数遍历性。进一步的扩展和应用到单细胞随机基因表达动力学和突发随机基因调控网络进行了讨论，并证明了平稳分布的GDDMC模型的收敛性的Pestrian模型。

遗传调控网络模型中的进化算法

Evolutionary algorithms in genetic regulatory networks model

遗传调控网络（GRNs）在理解复杂的生物过程中起着至关重要的作用。为了揭示基本的细胞过程，研究基因功能并理解它们之间的复杂关系，建模GRNs非常重要。了解基因之间的相互作用可以开发更好的药物发现和疾病诊断方法，因为许多疾病的特征在于基因的异常行为。在本文中，我们已经审查了各种基于进化算法的方法来建模GRNs，并讨论了各种机遇和挑战。

基于深度学习的虚拟扰动揭示基因调控响应的异质性随衰老增加

Deep learning-based virtual perturbation reveals increasing heterogeneity of gene regulatory responses with aging

该研究利用深度学习框架DKO分析多物种单细胞转录组数据，发现衰老会使基因调控响应异质性增加，且与分子损伤、衰老状态相关，揭示了衰老的保守调控特征。

生物Petri网中的弱独立性与耦合并行性

Weak Independence and Coupled Parallelism in Biological Petri Nets

本文提出弱独立性概念，改进生物Petri网模型，实现高效并行模拟，提升30%模型的运行速度

基于信息论的时间序列微阵列数据基因调控网络推断的MapReduce算法

MapReduce Algorithms for Inferring Gene Regulatory Networks from Time-Series Microarray Data Using an Information-Theoretic Approach

基因调控是控制基因表达及其程度的一系列过程。基因和它们的调控分子（通常是转录因子）之间的联系，以及这种联系的描述性模型，被称为基因调控网络（GRNs）。阐明GRNs对于理解细胞的内部运作和基因相互作用的复杂性至关重要。迄今为止，已经开发了许多算法来推断基因调控网络。然而，随着已识别基因数量的增加以及它们相互作用的复杂性被揭示，网络及其调控机制变得难以测试。此外，通过实验结果进行分析需要大量的计算，导致数据处理缓慢。因此，需要新的方法来快速分析大量的实验数据，从细胞GRNs。为了满足这一需求，云计算是有前途的，如文献中所报道的。在这里，我们提出了新的MapReduce算法，用于在云环境中的Hadoop集群上推断基因调控网络。这些算法采用信息理论的方法来推断GRNs使用时间序列微阵列数据。实验结果表明，我们的MapReduce程序比现有的工具快得多，同时实现略好的预测精度比现有的工具。

调控网络的可靠性及其演进

Reliability of regulatory networks and its evolution

在具有连续时序和噪声的广义布尔网络模型框架下，研究了生物调控网络动力学的可靠性问题。使用著名的人工遗传网络，如repressilator，我们讨论的概念的可靠性的节奏吸引。在一个简单的演化过程中，我们研究了整体网络结构如何影响动力学的可靠性。在进化过程中，网络被选择为可靠的动态。我们发现，大多数网络可以很容易地朝着可靠的功能，同时保持原有的功能。

基因调控网络的随机混合模型--一种PDE方法

Stochastic Hybrid Models of Gene Regulatory Networks - A PDE Approach

描述基因调控网络动力学的一种广泛使用的方法是基于化学主方程，该方程考虑了分子计数的所有可能组合的概率分布。这种模型的分析是非常具有挑战性的，由于其大的离散状态空间。因此，我们提出了一种混合近似方法的基础上，系统的偏微分方程，在那里我们假设一个连续的确定性的蛋白质计数的演变。我们讨论了两种建模方法的有效分析方法，并比较它们的性能。我们表明，混合的方法产生足够大的分子计数的准确结果，同时减少计算工作量从一个常微分方程为每个状态的一个偏微分方程为每个模式的系统。此外，我们给出了一个自我调节基因的情况下的混合模型的解析稳态解。

子网使用模式揭示了大肠杆菌转录调控网络中不同的调控尺度

Patterns of subnet usage reveal distinct scales of regulation in the transcriptional regulatory network of Escherichia coli

由转录因子介导的基因间的调控相互作用形成了物种的转录调控网络（TRN）。通过将该网络与测量的基因表达数据进行比较，可以识别TRN的功能特性并获得对转录控制的一般了解。我们定义一个节点的子网为子图，由该节点拓扑下游的所有节点组成，包括它自己。利用大肠杆菌的大量微阵列表达数据，我们发现不同大肠杆菌中的基因表达在响应环境变化和基因型突变时表现出结构化的模式。表达模式变化较小的亚群具有较高比例的前馈环基序和较低比例的小RNA靶标。我们的研究表明，TRN由几个规模的调节组织：1）与更多的不同的基因表达控制的转录因子和转录后RNA调控，和2）与较少的变化基因表达有更多的前馈环和较少的转录后RNA调控的TRN。

基因调控网络动态模型中衰减的影响

The influence of decay in dynamic models of gene regulatory networks

该研究分析了衰减率对三维基因调控网络动态的影响，推导了中心平衡点的解析表达式与线性化系统特征多项式，揭示了衰减率变化可改变平衡点特性、振荡动态及混沌行为，为相关研究提供了分析框架。

λ噬菌体基因调控网络的鲁棒性、稳定性和效率：动态结构分析

Robustness, Stability and Efficiency of Phage lambda Gene Regulatory Network: Dynamical Structure Analysis

基于我们的物理和生物学研究，我们最近开发了一个数学框架，用于分析非线性动力学。我们称这个框架为动态结构分析。它有四个动力要素：潜在景观、横向矩阵、后代矩阵和随机驱动。特别强调了潜在景观的重要性和存在性。通过对λ噬菌体最简单的基因调控网络的稳定性、鲁棒性和效率的研究，详细说明了动态结构分析。