Modeling competing endogenous RNAs networks
microRNA(miRNAs)是一类长度约为22个核苷酸的小RNA分子,在转录后调控其靶信使RNA(mRNAs)。它们在从信号通路到组织形态发生的基因调控网络中发挥关键作用,并且它们的异常行为通常与各种疾病的发展相关。最近的研究表明,与细菌中小RNA的更好理解的情况类似,miRNA与其靶点相互作用的方式可以用滴定机制来描述,该机制的特征是阈值效应、系统在阈值附近的超敏反应以及优先级目标之间的串扰。后一个特征最近已被鉴定为竞争内源性RNA(ceRNA)效应,以标记它们竞争的共同miRNA库的靶标之间的那些间接相互作用。在这里,我们分析了平衡和平衡外的一般随机模型的$M$ miRNA与$N$ mRNA的目标相互作用的属性。特别地,我们能够详细描述系统在阈值附近显示的特有的平衡和非平衡现象:(i)靶标之间的最大串扰和相关性,(ii)ceRNA效应相对于模型参数的鲁棒性,特别是相对于miRNA-mRNA相互作用的催化性,以及(iii)对外部扰动的异常响应时间。
2012-10-08 cond-mat.dis-nn cond-mat.stat-mech physics.bio-ph
Non-Coding RNAs Improve the Predictive Power of Network Medicine
网络医学提高了对疾病机制的理解,提供了对疾病机制、合并症以及新型诊断工具和治疗方法的定量见解。然而,大多数基于网络的方法依赖于蛋白质相互作用的综合图谱,忽略了由非编码RNA(ncRNA)介导的相互作用。在这里,我们系统地结合实验证实的ncRNA介导的结合相互作用与蛋白质相互作用,构建了第一个全面的网络,在人类细胞中的所有物理相互作用。我们发现,包含ncRNA,将相互作用组中的基因数量增加了46%,相互作用的数量增加了107%,显着提高了我们识别疾病模块的能力。事实上,我们发现132种疾病在基于蛋白质的相互作用组中缺乏统计学显著的疾病模块,但在包含ncRNA介导的相互作用后具有统计学显著的疾病模块,使这些疾病可用于网络医学工具。我们表明,包含ncRNA有助于揭示以前无法检测到的疾病-疾病关系,并扩大了我们预测疾病之间共病模式的能力。总之,我们发现,包括非编码的相互作用提高了呼吸和网络医学的预测准确性。
2022-11-27 q-bio.MN q-bio.QM stat.AP
Link-weight distribution of microRNA co-target networks exhibit universality
microRNA(miRNAs)是一类小的非编码RNA,通过与相应信使RNA的3' UTR结合来调控基因表达。我们使用目标预测数据库MicroCosm Tagets构建了22种不同物种的miRNA共靶网络。具有一个或多个共同靶基因的个体物种的miRNA对被连接,并且共同靶的数量被分配为这些连接的权重。我们发现,所有物种的链接权重分布崩溃显着到对方缩放适当时。事实证明,尺度因子是物种复杂性的度量。一个简单的模型,其中目标是由miRNA随机选择的,可以提供正确的缩放函数并解释普遍性。
2013-07-04 physics.bio-ph q-bio.MN
Intrinsic noise of microRNA-regulated genes and the ceRNA hypothesis
MicroRNA是一类非编码小RNA,通过结合和降解真核生物的靶mRNA来调控基因转录。我们使用定量模型研究抑制性microRNA的基因调控,并将其与原核小非编码RNA(sRNA)的基因调控进行比较。我们的模型结合了分析技术和计算模拟来计算由microRNA和sRNA调控的基因的平均表达和噪声谱。我们发现,尽管有非常不同的分子机制和作用模式(催化与化学计量),microRNA调控基因的平均表达水平和噪音谱几乎相同的基因由原核sRNAs调控。这种行为非常稳健,并且在广泛的生物学相关参数范围内持续存在。我们扩展我们的模型来研究由单个microRNA调控的多个mRNA之间的串扰,并表明噪声是microRNA介导的mRNA之间相互作用的敏感指标。最后,我们讨论了可能的实验策略,揭示microRNA-mRNA的相互作用和测试竞争的内源性RNA(ceRNA)的假设。
2013-09-09 q-bio.MN q-bio.SC
Quantitative analysis of competition in post-transcriptional regulation reveals a novel signature in target expression variation
当小RNA加载到Argonaute蛋白上时,它们可以形成RNA诱导的沉默复合物(RISC),介导RNA干扰。RISC形成依赖于Argonaute蛋白和RISC加载因子的共享库,因此易受小RNA之间竞争加载的影响。我们提出了一个数学模型,旨在了解小RNA的PTR资源的竞争如何影响靶基因的阻遏。我们讨论了小RNA活性受到RISC形成、RISC降解和Argonaute可用性的限制。总之,这些观察结果解释了实验中遇到的PTR饱和效应。我们发现,RISC加载的不同竞争条件导致PTR活性的不同签名也由RISC再循环发生的量决定。特别是,我们发现小RNA在RISC形成方面效率较低,使用较少的PTR途径资源,可以在低RISC循环范围内与其更有效的对应物一样好地执行。此外,我们预测了一个新的签名的PTR的目标表达水平。在低RISC加载效率和高RISC再循环的条件下,靶水平的变化随靶转录速率线性增加。此外,我们表明RISC循环决定了Argonaute稀缺条件对靶表达变异的影响。我们的观察一起提供了一个框架的预测,可以用来从实验数据推断的特定特征的潜在PTR活动。
2013-01-16 q-bio.MN q-bio.QM
Principles of microRNA regulation of a human cellular signaling network
microRNAs(miRNAs)是一种内源性的22核苷酸RNA,通过碱基配对选择性地与特定信使RNA的3-非编码区结合,从而抑制基因表达。鉴于miRNA靶标的多样性和丰富性,miRNA似乎与许多细胞网络的各种组分功能性地相互作用。通过分析miRNAs与人类细胞信号网络之间的相互作用,我们发现miRNAs主要靶向正调控基序、高度连接的支架和大多数下游网络组件如信号转录因子,但较少靶向负调控基序、基本细胞机器的常见组件和大多数上游网络组件如配体。此外,当衔接子有可能募集更多下游组分时,这些组分更频繁地被miRNA靶向。这项工作揭示了miRNA调节信号转导网络的原理,并暗示了miRNA促进细胞对细胞外信号的反应的稳健转变和维持细胞内稳态的潜在功能。
2006-12-18 q-bio.GN q-bio.MN
Biological insights from RIL-seq in bacteria
本文综述了RIL-seq高通量技术揭示的细菌sRNA-RNA调控网络,强调全面理解sRNA调控对控制细菌生长和抗感染策略开发的重要性。
2024-11-24 q-bio.MN
Applications of Little's Law to stochastic models of gene expression
基因表达的内在随机性可导致细胞群体中蛋白质水平的巨大变化。为了解释这种变异性,在基因表达的随机模型中提出了mRNA波动的不同来源(“泊松”和“电报”过程)。泊松和电报情景模型解释了蛋白质表达的“爆发”方面的蛋白质水平的噪声的实验观察。相应地,人们对建立基因表达一般随机模型的突发和稳态蛋白质分布之间的关系非常感兴趣。在这项工作中,我们解决这个问题,考虑随机模型之间的映射基因表达和问题的兴趣在遗传理论。通过应用一般定理,小的法律,我们推导出精确的关系,连接突发和稳态分布的方式与任意等待时间分布的mRNA和蛋白质的到达和降解的模型。导出的关系有影响的方法来量化的转录爆发的程度,从而区分不同来源的内在噪声在基因表达。为了说明这一点,我们考虑了一个模型的小RNA的蛋白质表达的突发调节。对于广泛的参数,我们推导出的平均蛋白质水平的分析表达式(随机模拟验证)的调节小RNA的水平不同。所获得的结果表明,转录爆发的程度,原则上,可以确定从平均稳态蛋白质水平的一般随机模型的基因表达的变化。
2010-07-12 physics.bio-ph q-bio.MN
Threshold response and bistability in gene regulation by small noncoding RNA
在本文中,我们通过数学建模研究了蛋白质和小的非编码RNA(sRNA)在遗传反馈基序中的转录和翻译调控的综合效应,该基序在与氧气和能量可用性相关的压力下大肠杆菌的生存中起着重要作用。我们发现,这个基序的细微变化可以带来截然不同的影响基因表达。特别是,我们表明,随着sRNA合成或降解调节的改变,基因表达中的阈值响应改变为双稳态响应。这些结果是在确定性条件下得到的。接下来,我们研究了基因表达是如何被加性和乘性噪声改变的,这些噪声可能是由于不同生化事件的概率发生而产生的。使用Fokker-Planck公式,我们得到了稳态概率分布的sRNA浓度的网络模体显示双稳态。发现概率分布是双峰的,在低和高浓度的sRNA具有两个峰。我们进一步研究了在不同的噪声强度和相关值下的概率分布的变化。所得结果对人工控制综合网络的设计有一定的参考价值。
2018-02-15 q-bio.CB q-bio.MN
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
Gene Regulation by Riboswitches with and without Negative Feedback Loop
核糖开关是位于信使RNA非翻译区的结构元件,通过结合特定的代谢物来调节基因表达。我们引入一个动力学网络模型,描述核糖开关的功能,在系统水平上。使用黄素单核苷酸核糖开关的实验数据作为指导,我们表明,有效的功能,这意味着一个大的动态范围,而不损害抑制转录的要求,是由转录速度,适体的折叠和展开速率之间的平衡,和代谢产物的结合率。我们还研究了负反馈对代谢物结合的影响,这些代谢物本身就是受调控基因的产物。对于一系列转录速率,负反馈抑制基因表达近10倍。负反馈加速了基因表达响应时间,并且当DNA浓度中存在适度尖峰时,相对于没有反馈的情况,负反馈将稳态蛋白质浓度的变化抑制一半。一个动态相图表示转录速度,折叠速率,代谢物结合率预测核糖开关介导的转录调控不同的情况。
2012-10-25 q-bio.MN
The Promise of Cross-Species Coexpression Analysis in Studying the Coevolution and Ecology of Host-Symbiont Interactions
同时测量宿主和共生体中的基因表达为探索物种相互作用的生物学基础提供了一种强有力的方法。这种双重或同时RNAseq方法主要用于深入了解模型系统中的基因功能,但有机会以新的方式扩展和应用这些工具来理解生态和进化问题。通过整合宿主和共生体的遗传多样性〈动〉性<动>,研究伙伴物种之间的基因表达是如何相关的,我们可以获得新的见解宿主-共生体的协同进化和物种相互作用的生态学。从这个角度来看,我们将探讨如何将这些相对较新的工具应用于研究这些问题。我们回顾了可能产生跨物种基因共表达模式的机制,包括间接遗传效应和选择性过滤器,这些工具如何在不同的生物和时间尺度上应用,并概述了其他方法学考虑和实验可能性。
2022-06-25 q-bio.GN q-bio.MN q-bio.PE
Transcriptional delay stabilizes bistable gene networks
转录延迟可以显著影响基因网络的动态。在这里,我们将研究这种延迟如何影响双稳态系统。我们研究了几种随机双稳态基因网络模型,发现增加时滞会显著增加稳定态附近的平均停留时间。为了解释这一点,我们引入了一个非马尔可夫的,解析易处理的简化模型。该模型表明,稳定化是一个稳定状态之间的失败的过渡数量增加的后果。我们模拟的每个双稳态系统都以这种方式工作。
2013-05-28 q-bio.MN
Modeling delay in genetic networks: From delay birth-death processes to delay stochastic differential equations
延迟是许多生物化学过程的一个重要且普遍存在的方面。例如,延迟在遗传调控网络的动力学中起着核心作用,因为它源于mRNA和蛋白质的顺序组装。因此,遗传调控网络经常被建模为随机出生-死亡过程的延迟。在这里,我们研究延迟生灭过程和适当的近似延迟化学朗之万方程之间的关系。我们证明了这两个描述之间的距离,作为衡量的期望泛函的过程中,收敛到零,随着系统的大小。进一步证明了当系统规模趋于无穷大时,时滞生灭过程收敛到热力学极限。我们的结果适用于固定时滞和分布时滞。模拟表明,延迟化学朗之万近似是准确的,即使在中等规模的系统。它捕获动态特征,如亚稳态系统中过渡路径的空间和时间分布,负反馈电路中的振荡行为,以及网络中节点之间的互相关。总之,这些结果为利用时滞随机微分方程来近似具有时滞的生灭过程的动力学提供了基础。
2014-01-12 math-ph math.MP q-bio.MN
A quantitative comparison of sRNA-based and protein-based gene regulation
小的非编码RNA(sRNA)在原核生物中作为遗传调节因子发挥重要作用。sRNA通过与靶mRNA的互补配对在转录后发挥作用以调节蛋白质表达。我们使用定量的方法来比较和对比sRNA与传统的转录因子(TF),以更好地了解每种形式的调节的优点。特别是,我们计算的稳态行为,噪声特性,依赖于频率的增益(放大),和动态响应大输入信号的两种形式的监管。虽然平均稳态行为的sRNA调节蛋白表现出独特的可调阈值线性行为,我们的分析表明,转录爆发导致显着更高的内在噪音在基于sRNA的调节比TF为基础的调节在大范围的表达水平,并限制了能力的sRNA进行定量信号。尽管如此,我们发现sRNA在过滤输入信号中的噪声方面比TF更好。此外,我们发现sRNA允许细胞对输入信号的巨大变化做出快速反应。这些特征表明sRNA在允许细胞在不同状态之间快速而可靠地转变方面具有一定的优势。这一功能生态位与sRNA在原核生物应激反应和准发育网络中的广泛出现是一致的。
2008-09-02 q-bio.MN q-bio.SC
Stochastic gene expression with delay
基因的表达通常遵循两步程序。首先,一个基因(在基因组中编码)被转录,产生一条(信使)RNA链。然后,RNA被翻译成蛋白质。经典地,该基因表达使用马尔可夫跳跃过程建模,包括基因的激活和失活、转录和翻译速率以及RNA和蛋白质的降解。我们扩展了这个模型,增加延迟(任意分布)的转录和翻译。这种延迟可以例如\这意味着RNA必须在翻译开始之前被转运到细胞的不同部分。在经典模型中,RNA和蛋白质的产生是通过基因的激活和失活而突然发生的,导致处于平衡状态的RNA和蛋白质的数量变化很大。我们推导出精确的公式,这个二阶结构的模型,包括延迟平衡。作为一般的事实,延迟降低了RNA和蛋白质数量的方差。
2014-08-07 math.PR q-bio.MN
CAMIRADA: Cancer microRNA association discovery algorithm, a case study on breast cancer
在最近的研究中,非编码蛋白RNA已被鉴定为微小RNA,可用作癌症早期诊断和治疗的生物标志物,从而降低癌症的死亡率。一个microRNA可能靶向数百或数千个基因,而一个基因可能调控多个microRNA,因此确定哪种microRNA与哪种癌症相关是一个巨大的挑战。已经进行了许多计算方法来检测micoRNA与癌症的关联,但需要更高的准确性。越来越多的研究表明microRNA与转录因子的关系在肿瘤诊断中起着重要作用。因此,我们开发了一个新的计算框架(CAMIRADA)来识别癌症相关的microRNA的基础上的microRNA和疾病基因(DG)的蛋白质网络中,microRNA和转录因子(TF)的功能关系的共表达网络中,microRNA和差异表达基因(DEG)之间的关系。应用CAMIRADA评估来自两个HMDD和miR2Disease数据库的乳腺癌数据。在这项研究中,列表顶部的65种microRNA的AUC为0.95,这比用于检测与癌动脉相关的microRNA的类似方法更准确。
2018-06-16 cs.CE q-bio.GN q-bio.MN