Inference of the Dynamic Aging-related Biological Subnetwork via Network Propagation
基因表达（GE）数据捕获有价值的条件特异性信息（“条件”可以指生物过程、疾病阶段、年龄、患者等）。然而，GE分析忽略了基因产物之间的物理相互作用，即，proteins.由于蛋白质通过相互作用发挥功能，并且由于生物网络（BN）捕获这些相互作用，BN分析是有希望的。然而，目前的BN数据未能捕获特定条件的信息。最近，GE和BN数据已被整合使用网络传播（NP）来推断特定条件的BN。然而，现有的NP为基础的研究结果在一个静态的条件特定的子网络，即使细胞过程是动态的。我们感兴趣的一个动态过程是人类衰老。我们使用现有的NP方法在一个新的任务，推断一个动态的，而不是静态的条件特定的（老化相关的）子网络。然后，我们研究网络结构随年龄的演变-我们识别出网络位置随年龄显著变化的蛋白质，并预测它们是新的衰老相关候选蛋白。我们通过以下方式验证预测：功能丰富分析和文献检索。通过NP的动态网络推理产生更高的预测质量比唯一现有的方法推断一个动态老化相关的BN，它不使用NP。
2020-04-14 q-bio.MN
An energy-speed-accuracy relation in complex networks for biological discrimination
区分正确和不正确的底物是生物学中的核心过程，但如何在准确性（$μ$）、速度（$σ$）和总熵产生率（$P$）的冲突需求之间分配能量？以前的研究集中在具有简单结构的生化网络或依赖于简化的动力学假设。在这里，我们使用时间尺度分离的线性框架来分析研究任意复杂网络远离热力学平衡的稳态概率。我们还介绍了一种受Hopfield动力学校对处理启发的缩放参数方法。缩放允许高维参数空间的渐近探索。我们以这种方式确定了广泛的一类复杂的网络和缩放的数量$σ\ln(μ)/P$保持渐近有限的精度提高时，从平衡，使$μ_{eq}/μ\to 0$。然而，即使对于Hopfield的原始网络，也存在缩放，其中$σ\ln(μ)/P$是渐近无限的，说明了参数复杂性。在渐近制度之外，数值计算表明，在更严格的参数假设下，网络满足约束，$σ\ln(μ/μ_{eq})/P < 1$，我们讨论了核糖体和DNA聚合酶歧视的生物学意义。这里介绍的方法可以更广泛地用于分析实现其他形式的蜂窝信息处理的复杂网络。
2017-10-17 q-bio.MN
Representing perturbed dynamics in biological network models
我们研究相对较小的生物网络（最多几十个节点）中基因活动的动态，例如有丝分裂细胞周期进程中细胞周期蛋白的活动。利用确定性离散动力学模型的框架，我们描述了网络连接中结构扰动的动态修改。特别是，我们专注于扰动如何影响的不动点集和吸引盆地的大小。我们的方法使用两个分析措施：盆地熵$H$和扰动大小$Δ$，一个数量，反映了一组不动点的扰动网络的未扰动网络之间的距离。将我们的方法应用于Li \textit{et al.}介绍的酵母细胞周期网络，提供了大类扰动下网络行为的低维和信息指纹。我们确定的相互作用是至关重要的适当的网络功能，也精确定位功能冗余的网络连接。选定的扰动，在这个细胞周期模型的动态响应的广度。
2007-02-28 q-bio.MN
Difficult control is related to instability in biologically inspired Boolean networks
本研究针对布尔网络中需控制大部分节点才能选定吸引子的罕见难控案例，发现不稳定不动点是其核心特征，提出高效识别方法并验证其可解释控制核大小方差，指出这类异常是确定性模型产物，印证生物网络易控性的普适性。
2024-10-09 q-bio.MN
The Bond-Calculus: A Process Algebra for Complex Biological Interaction Dynamics
我们提出了键演算，一个过程代数建模的生物和化学系统具有非线性动力学，多向相互作用，和动态键的代理。基于微分方程的数学模型在模拟和理解生物系统的动力学方面起了重要作用。定量过程代数旨在构建生物系统的更高层次的描述，捕获其行为背后的代理和相互作用，并且可以编译为一系列较低层次的数学模型。键演算建立在Kwiatkowski，Banks和Stark的连续π演算的基础上，增加了一个基于亲和模式和一般动力学定律的灵活的多路通信操作。我们开发了一个组合语义的基础上向量场和线性算子，我们用它来定义这个系统的时间演化。这使得能够通过微分方程生成或随机模拟进行模拟和分析。最后，我们将我们的框架应用于现有的生物模型：库兹涅佐夫的经典模型的肿瘤免疫相互作用。
2018-04-30 cs.LO q-bio.MN
Higher order molecular organisation as a source of biological function
分子间的相互作用被广泛地模拟为网络。分子网络中分子周围的局部布线模式与其生物学功能相联系。然而，网络仅对分子之间的成对相互作用进行建模，并且不能明确和直接地捕获更高级的分子组织，例如蛋白质复合物和途径。因此，我们问，如果超图（超网络），直接捕捉整个复合物和途径以及蛋白质相互作用（PPI），携带额外的功能信息以外，可以发现从网络的成对分子相互作用。超图的数学形式早已为人所知，但由于缺乏用于挖掘隐藏在被建模为超网络的分子系统的布线模式中的潜在生物信息的复杂算法，因此不常用于研究分子网络。我们提出了一个新的，多尺度，蛋白质相互作用的超网络模型，利用超图捕捉不同尺度的蛋白质组织，包括PPI，蛋白质复合物和途径。在类似的graphlets，我们引入hypergraphlets，小，连接，非同构，诱导子超图的超图，量化这些多尺度分子超图的局部布线模式，并挖掘它们的新的生物信息。我们应用它们来模拟面包酵母和人类的多尺度蛋白质网络，并表明这些超图捕获的高阶分子组织与潜在的生物学密切相关。重要的是，我们证明了我们的新模型和数据挖掘工具揭示了与经典PPI网络不同但互补的生物信息。我们应用我们的hypergraphlets成功地预测未知蛋白质的生物功能。
2018-09-20 q-bio.MN
Modular decomposition and analysis of biological networks
本文讨论了生化网络分解成功能模块，保持其动态特性与其他模块互连后，这使得网络行为的推断，其组成模块的属性。这里开发的模块分解方法还具有化学反应参数的任何变化只影响单个模块的动力学的性质。为了说明我们的结果，我们定义和分析了一些关键的生物模块，出现在基因调控，酶网络，和信号通路。我们还提供了一系列的例子，展示了如何从生物网络的组成模块的属性，从控制系统理论的结果可以推断出的行为。
2014-12-01 q-bio.MN
Complexes Detection in Biological Networks via Diversified Dense Subgraphs Mining
蛋白质相互作用（PPI）网络提供了蛋白质相互作用模式的全面景观，使我们能够以多种分辨率探索生物过程和细胞组分。对于一个生物过程，许多蛋白质需要一起工作来完成这项工作。蛋白质彼此密集地相互作用，形成大分子机器或细胞构建块。从PPI网络中识别这种密集互连的簇或蛋白质复合物使我们能够更好地理解生物过程和细胞组分的层次和组织。大多数现有的方法应用有效的图聚类算法的PPI网络，往往无法检测可能的密集连接子图和重叠子图。除了基于聚类的方法之外，还使用了稠密子图枚举方法，其目的是找到所有密集连接的蛋白质集合。然而，这样的方法实际上是不容易处理的，即使在一个小的酵母PPI网络，由于高计算复杂性。在本文中，我们介绍了一种新的近似算法，有效地枚举假定的蛋白质复合物从生物网络。我们的算法的关键见解是，我们不需要枚举所有稠密子图。相反，我们只需要找到一小部分子图，覆盖尽可能多的蛋白质。这个问题被制定为寻找一组不同的稠密子图，在那里我们开发了高效的修剪技术，以保证效率。为了处理大型网络，我们采取分而治之的方法，以分布式的方式加快算法。通过比较现有的聚类和密集的子图为基础的算法在几个人类和酵母PPI网络，我们表明，我们的方法可以检测到更多的推定蛋白质复合物，并取得更好的预测精度。
2016-04-12 cs.DS q-bio.MN
Evolution of complex modular biological networks
生物网络已经进化到在不确定的环境中具有高度功能，同时保持极强的适应性。生物网络的鲁棒性和可进化性的主要贡献者之一被认为是其功能的模块性，模块被定义为强烈相互连接但其功能可与其他模块分离的基因集。在这里，我们研究了复杂人工代谢网络中模块化和鲁棒性的计算机进化，这些网络编码越来越多的环境信息，同时获得生物，社会和工程网络的普遍特征，如无标度边缘分布，小世界属性和容错性。这些网络在可预测性不同的环境中进化，并允许我们使用不依赖于任何先入为主的模块化概念的新工具，从拓扑学、信息论和基因上位性的角度研究模块化。我们发现，对于我们进化的复杂网络以及酵母蛋白质相互作用网络，合成的致死对主要由冗余基因组成，这些基因彼此靠近，因此在模块内，而敲除抑制对相距较远，往往跨越模块，这表明敲除救援是由替代途径或模块介导的。将网络模块化工具与遗传相互作用数据相结合，构成了研究和剖析模块化在生物网络进化和功能中的作用的有力方法。
2007-12-18 q-bio.MN q-bio.PE
The Topology of Biological Networks from a Complexity Perspective
提出了一种研究生物网络的复杂性理论方法。使用简单的图形表示，其中分子（DNA、RNA、蛋白质和化学物质）是顶点，并且它们之间的关系是有向和有符号的（促进（+）或抑制（-））边。在此基础上，将网络演化问题（NE）形式化地定义为一个优化问题，并通过对背包问题（KP）的约简证明了NE问题是基本困难的（NP-hard）。其次，对于经验验证，将实验验证的相互作用的各种生物网络与具有不同程度分布的随机生成的网络进行比较。使用给定的真实或合成（随机）网络创建NE实例。在被反向简化为KP实例之后，每个NE实例被馈送到KP求解器，并且从多轮模拟进化压力记录平均实现的背包值与重量比。结果表明，生物网络（和相似度分布的合成网络）在最大进化压力和最小容错条件下实现最高的比率。合成网络与生物网络的距离越远（在度分布上），其实现的比率就越低。这些结果揭示了计算的棘手性如何将生物网络的进化塑造成当前的拓扑结构。
2018-04-24 cs.SI physics.soc-ph q-bio.MN
From Network Structure to Dynamics and Back Again: Relating dynamical stability and connection topology in biological complex systems
最近发现的普遍原则，许多复杂的网络发生在生物世界的广泛的长度尺度，刺激物理学家试图理解这些功能使用统计物理学和非线性动力学的技术。在本文中，我们将通过一些生物网络的例子来了解类似的问题如何在不同的背景下出现。我们回顾了我们最近的一些工作，看看如何网络结构（例如，它的连接拓扑）可以决定它的动态特性，并且相反地，动态考虑如何约束网络结构。我们还看到，自然界中的网络是如何演变成模块化配置的，这是同时试图满足多个结构和动力学约束的结果。由此产生的最优网络具有枢纽，并具有类似于生物系统中所见的异质度分布。
2008-04-07 cond-mat.dis-nn physics.bio-ph q-bio.MN
Biological Networks
在这篇综述中，我们给出了生物网络的结构和功能特性的介绍。我们专注于三个主要主题：复杂的生物网络的拓扑结构，如代谢和蛋白质-蛋白质相互作用网络，基因调控网络的非线性动力学，特别是使用非线性物理的概念和技术的合成遗传网络的设计，最后是随机性对动力学的影响。所选的例子说明了跨学科方法在生物网络研究中的有用性。
2002-02-12 cond-mat q-bio.MN
A dynamic logic method for determining behaviors of biological networks
将Kauffman和Thomas的逻辑运算与分子间相互作用参数相结合，发展了一种分析细胞分子网络的动态逻辑方法。逻辑运算表征了生物组分之间的离散相互作用。相互作用参数（例如响应时间）描述定量动力学。两者的结合定量表征了离散的生物相互作用。分析了一些简单的网络。主要成果包括：证明了网络的混沌状态和振荡行为的判定定理，说明了时滞对振荡结构的重要性，证明了单变量网络不具有混沌行为，并解释了为什么一个信号可以有多个响应。此外，我们将本方法应用于芽殖酵母细胞的MAPK级联、前馈环和有丝分裂周期的分析。
2008-06-10 q-bio.MN q-bio.QM
Canalization reduces the nonlinearity of regulation in biological networks
研究生物网络进化设计原则的因果关系，发现网络可逼近性依赖于动态稳健性，增加的 canalization 几乎能完全解释生物网络的高可逼近性。
2024-02-15 math.DS q-bio.MN
Approximation of dynamical systems using S-systems theory : application to biological systems
本文提出了一种新的符号-数值算法来求解n维动力系统的正平衡点。该算法意味着一个符号操作的常微分方程，以提供一个局部逼近的微分方程的幂律动力学（S-系统）。一个数值演算，然后需要收敛到一个平衡，同时给出一个S-系统近似的初始系统在这个平衡。该算法被应用到一个真实的生物例子，在14个维度，这是一个子系统的代谢途径在拟南芥。
2005-03-03 cs.SC math.DS q-bio.MN
Biological implications of dynamical phases in non-equilibrium networks
生物学通过Maxwell Demon机制以牺牲自由能为代价实现了纠错、超灵敏度和精确浓度测量等新功能。各种这样的机制的设计原则和自由能权衡已被研究。在这篇评论中，我们强调一个动态的阶段，可以解释这些机制共享的共性的基础上的观点。动态相由非平衡系统在内部状态空间中执行的典型轨迹定义。我们发现，动力学阶段的共存可以有戏剧性的后果功能与自由能成本权衡。动态相也可以提供一个直观的图片背后的设计原则，这种生物麦克斯韦恶魔。
2015-06-07 cond-mat.stat-mech physics.bio-ph q-bio.MN
Untangling the hairball: fitness based asymptotic reduction of biological networks
相互作用网络的复杂数学模型通常用于系统生物学中的预测。然而，很难将网络的复杂性与对其行为的正式理解相协调。在这里，我们提出了一个简单的程序（称为$\bar φ$），减少生物模型的功能子模块，使用复杂系统的统计力学结合基于适应度的方法启发$\textit{in silico}$进化。$\bar φ$的工作原理是将参数或参数组合设置为某个渐近极限，同时保持（或略微改善）模型性能，并且对于更复杂的模型需要参数对称破缺。我们说明了$\bar φ$的生化适应和T细胞免疫识别的不同模型。一个棘手的免疫识别模型，接近100个个人的过渡率减少到一个简单的两参数模型。$\bar φ$提取了三种不同的早期免疫识别机制，并自动发现同一过程的不同模型中相似的功能模块，允许模型分类和比较。我们的程序可以应用于生物网络的基础上，使用的适应度函数，量化的表型性能的速率方程。
2017-07-19 physics.bio-ph q-bio.MN q-bio.QM
Topology of biological networks and reliability of information processing
生物系统依赖于强大的内部信息处理：生存依赖于调节过程的高度可重复动力学。然而，生物信息处理元件本质上是有噪声的（遗传开关、神经元等）。这种噪声对系统行为造成严重的稳定性问题，因为它往往会使系统动态特性不稳定（例如，通过波动的响应或元件的传输时间）。并行信息处理中的同步性在没有中央时钟的情况下不易维持。在这里，我们分析的影响拓扑结构的同步性网络的自主噪声元素。在数值和分析研究中，我们发现一个明确的区别不可靠和可靠的动态吸引子，这取决于电路的拓扑结构。在可靠的情况下，同步性是持续的，而在不可靠的情况下，单个元素的波动响应可以逐渐使系统去同步化，导致不可再现的行为。我们发现，可靠的动力学吸引子的分数与底层电路密切相关。我们的模型表明，所观察到的生物信号网络的基序结构是由吸引子的再现性的生物学要求所形成的。
2004-09-20 cond-mat.dis-nn cs.DC q-bio.MN
Aligning Statistical Dynamics Captures Biological Network Functioning
对图的实证研究极大地促进了我们对复杂系统的理解。今天被称为网络科学，最初是对图的理论研究，已经发展成为对物理，生物和社会社区的更科学的探索。然而，随着网络数量和类型的增长，其质量和特性的异质性也在增加。这阻碍了开发能够推断功能和预测跨学习系统动态的通用网络理论的努力。我们已经成功地通过将网络彼此对齐来应对这一挑战，而不是比较来自单独拟合模型或边缘拓扑属性的参数估计。通过比较来自每个网络组成节点的统计动态的可预测性，我们能够构建一个功能分类器，该分类器可以区分合成和真实世界网络数据中的潜在过程，这些数据跨越了从细胞机器到生态系统的整个生物尺度。
2019-12-29 q-bio.MN q-bio.QM stat.ME
The "Machinery" of Biocomplexity: understanding non-optimal architectures in biological systems
关于生物系统的一个流行假设是，性状已经进化到相对于功能进行优化。这是进化计算中的一个标准目标，虽然在生物科学中并不总是被接受，但它是当适应性最大化时会发生什么的基本假设。这意味着信号通路或遗传学应显示出使产生生化产物或表型适应所需的步骤数最小化的证据。在本文中，它将表明，“最大中间步骤”的原则也可能表征复杂的生物系统，特别是那些极端的历史偶然性或突变和重组的组合是关键特征。对现有文献的贡献是双重的：展示了具有“逼真”属性的工程系统中的非最优性的潜力，以及自然主义背景下的非最优性的基础。这将通过使用Rube Goldberg Machine（RGM）类比来证明。机械RGMs将被介绍，以及它们与概念生物RGMs的关系。这些生物RGMs及其演化（例如引入突变和重组样反转）的示例将使用框图和与复杂网络（称为卷积架构）的互连来演示。然后，概念生物RGM将被映射到人工血管系统，该系统可以使用类似微流体的结构进行建模。理论上的期望，特别是关于最大的中间步骤是否等于拯救或重用的性状损害以前的突变或倒位。然后将讨论未来工作和应用的考虑因素，包括将这种卷积架构纳入复杂网络。
2014-09-13 nlin.AO q-bio.MN q-bio.QM
BASiNETEntropy: an alignment-free method for classification of biological sequences through complex networks and entropy maximization
核酸和DNA结构的发现使我们对生命的理解有了长足的进步。下一代测序技术的发展导致了大规模的数据生成，计算方法对于分析和知识发现变得至关重要。特别是RNA，由于其在生物体中的功能多样性以及在许多生物过程中具有不同功能的不同类别的发现而受到广泛关注。因此，正确鉴定RNA序列对了解生物体的功能提供相关信息越来越重要。这项工作解决了这一问题，提出了一种新的方法，通过复杂的网络和熵最大化的生物序列的分类。最大熵原理被提出来识别关于RNA类的最具信息量的边缘，生成过滤的复杂网络。该方法进行了评估，从13种不同的RNA类的分类。将该方法与PLEK，CPC 2和BASiNET方法进行了比较，优于所有比较方法。BASiNEEntropy对所有RNA序列进行分类，结果具有高准确性和低标准差，显示出自信和鲁棒性。所提出的方法是在R语言的开源中实现的，可以在https://cran.r-project.org/web/packages/BASiNETEntropy上免费获得。
2022-03-24 cs.CE cs.IT cs.LG
How input fluctuations reshape the dynamics of a biological switching system
定量生物学的一个重要任务是理解随机性在生化调节中的作用。在这里，作为我们最近工作的延伸[物理学。107，148101（2011）]，我们研究了输入波动如何影响简单生物开关的随机动力学。在我们的模型中，开关的导通转换速率直接由噪声输入信号调节，该噪声输入信号被描述为非负均值回复扩散过程。这个连续过程可以是离散生灭过程的一个很好的近似，并且在分析上更容易处理。在这个新的设置中，我们应用Feynman-Kac定理来研究输出切换动态的统计特征。与我们以前的研究结果一致，输入噪声被发现可以有效地抑制输入相关的过渡。我们分析表明，这种效果变得显着时，输入信号的幅度波动很大，慢慢恢复到其平均值。
2012-10-17 physics.bio-ph q-bio.MN q-bio.QM
Insights into the relation between noise and biological complexity
了解在何种条件下系统复杂性的增加是进化上有利的，以及这种趋势如何与内在噪声的调制有关，是合成和系统生物学最重要的迷人问题。为了深入了解这些问题，我们分析了具有不同拓扑结构和复杂程度的化学反应网络，无论是否与环境相互作用。我们发现，在稳定状态下的波动的全球水平，作为衡量的所有物种的分子数量的法诺因子的总和，是直接相关的网络的拓扑结构。对于零亏损的系统，这个和是常数，等于网络的秩。对于更高的缺陷，我们观察到的波动水平的增加或减少，根据连接内部物种的反应通量的值，乘以相关的化学计量。我们发现，当通量都流向复杂度较高的物种时，噪声会减少，而当通量流向复杂度较低的物种时，噪声会被放大。
2017-09-04 math.DS physics.bio-ph q-bio.MN
Understanding the temperature response of biological systems: Part II -- Network-level mechanisms and emergent dynamics
KU Leuven（荷语鲁汶大学）；Heidelberg University（海德堡大学）
本文通过网络层面机制探讨生物系统温度响应的涌现动态，揭示了单个反应温度依赖如何转化为系统层面的非阿伦尼乌斯缩放和温度补偿。
2026-03-09 cond-mat.soft cond-mat.stat-mech nlin.AO
