Multi-dimensional biochemical information processing of dynamical patterns
细胞通过受体接收信号分子，并通过感觉网络传递信息，以便根据信号的类型做出适当的反应。最近的研究表明，细胞可以从信号分子的动态浓度模式中提取多维信息。我们在此研究如何生化系统可以处理嵌入在动态模式的多维信息。我们采用线性响应函数对解码网络进行建模，并利用变分法对函数进行优化，以最大化模式和输出之间的互信息。我们发现，当噪声强度较低时，具有不同线性响应函数的解码器，即，不同的解码器，可以提取更多的信息。然而，当噪声强度较高时，不同的解码器不提供最大量的信息。这表明，在以动态模式传输信息时，当噪声强度很大时，在多模式中嵌入信息不是最佳的。此外，我们探索这些解码器的生化实现控制理论，并证明这些解码器可以通过修改级联型网络，这是普遍存在于实际的信号通路的生化实现。
2018-01-25 physics.bio-ph q-bio.MN
Structural polyhedral stability of a biochemical network is equivalent to finiteness of the associated generalised Petri net
我们认为生化系统与广义类的Petri网可能是负的令牌号码。我们表明，存在一个结构多面体李雅普诺夫函数的生化系统是等价于相关的Petri网演化的有界性，或者等价地，从每个初始条件可达到的状态的数量的有限性。对于不允许多面体李雅普诺夫函数的网络，我们研究是否有可能通过在一些钉扎节点上施加强负反馈来加强多面体结构稳定性：在Petri网中，这相当于将钉扎节点变成黑洞，清除任何正或负的传入令牌。如果这样的节点被选择，使变换后的Petri网有界离散轨迹，那么存在一个稳定的钉扎控制：生化网络成为李雅普诺夫稳定，如果足够强的局部负反馈施加到钉扎节点。这些结果使我们能够从结构上确定关键节点进行局部控制，以确保整个网络的稳定性。
2021-09-03 cs.SY eess.SY math.DS
Effects of Model Reduction on Coherence and Information Transfer in Stochastic Biochemical Systems
本文挑战了时间尺度分离假设，指出降阶随机模型虽能再现分子计数低阶统计量，却在中高频段导致相干性谱显著误差，进而影响互信息率估计，并揭示了其成因及对细胞信息流定量的实际意义。
2025-10-31 q-bio.MN
Optimal signal processing in small stochastic biochemical networks
我们量化了转录调控网络的拓扑结构对其处理环境信号能力的影响。通过从信息论的角度提出这个问题，我们可以做到这一点，而不必具体说明网络所执行的功能。具体而言，我们研究的输入（化学）信号和输出（遗传）响应可达到的网络的背景下的粒子数波动的分析模型之间的最大互信息。我们对所有生化回路进行这种分析，包括各种反馈回路，这些回路可以由3种化学物质组成，每种化学物质都受一个调节器的控制。我们发现，一个通用的网络，限制到低分子数量和合理的响应时间，可以存储更多的信息比一个简单的二进制开关，事实上，设法实现接近最佳的信息传输保真度。这些高信息的解决方案是强大的十倍的变化，在大多数网络的生化参数;此外，他们更容易实现在网络中包含的周期与奇数负调节器（整体负反馈），由于其减少分子噪声（结果，我们推导分析）。最后，我们证明了单个电路可以支持多个高信息解决方案。这些发现表明了“串扰”困境的潜在解决方案，以及先前无法解释的观察结果，即经历蛋白水解的转录因子更可能是自动抑制的。
2006-12-21 q-bio.MN q-bio.QM
Stochastic analysis of biochemical reaction networks with absolute concentration robustness
最近已经表明，反应网络上的结构条件，而不是系统参数的“微调”，通常足以在广泛的一类生物相关的、确定性建模的质量作用系统上赋予“绝对浓度鲁棒性"[Shinar和Feinberg，Science，2010]。我们在这里表明，根本不同的结论，这种系统的长期行为达成，如果系统，而不是随机动力学和离散状态空间建模。具体来说，我们描述了一大类模型，表现出收敛到一个积极的鲁棒平衡的确定性设置，而相应的随机模型的轨迹必然被吸收的一组状态，驻留在边界上的状态空间，即系统经历了灭绝事件。如果灭绝的时间相对于系统的相关时间尺度来说很大，那么在不可避免的灭绝发生之前，这个过程就会出现稳定的分布。这种准平稳分布被认为是两个系统从文献中，和结果一致的绝对浓度的鲁棒性恢复表明，准平稳分布的强大的物种接近泊松分布。
2014-01-16 math.PR q-bio.MN q-bio.QM
Parametric Sensitivity Analysis for Biochemical Reaction Networks based on Pathwise Information Theory
随机建模和模拟提供了强大的预测方法，在复杂的生化网络的基本机制的内在理解。典型地，这样的数学模型涉及耦合跳跃随机过程的网络，其具有需要针对实验数据适当地校准的大量参数。在这个方向上，反应网络的参数灵敏度分析是一个重要的数学和计算工具，产生有关的鲁棒性和模型参数的可识别性的信息。然而，现有的灵敏度分析方法，如有限差分法的变体，可以有一个压倒性的计算成本的模型与高维参数空间。我们开发了一种灵敏度分析方法，适用于复杂的随机反应网络的大量参数。所提出的方法是基于信息论的方法，并依赖于量化的信息损失，由于时间序列分布之间的参数扰动。因此，我们需要研究路径空间，即，由所有随机轨迹组成的集合，因此所提出的方法被称为“路径”。路径敏感性分析方法是通过采用严格推导的相对熵率（RER），这是直接计算的倾向函数。该方法的一个关键方面是，定义了一个相关的路径Fisher信息矩阵，这反过来又构成了一个无梯度的方法来量化参数的敏感性。结果表明，反应网络的结构是块对角的，揭示了反应网络中隐藏的参数依赖性和敏感性。
2013-08-01 cs.IT math.IT q-bio.MN
Realizing Reduced and Sparse Biochemical Reaction Networks from Dynamics
提出直接优化框架，通过求解动态约束优化问题拟合整个轨迹，学习简化且稀疏的化学反应网络（CRNs），避免导数估计及误差累积，能恢复准确可解释的降阶CRNs。
2025-08-26 cs.SY eess.SY math.OC
Path Weight Sampling: Exact Monte Carlo Computation of the Mutual Information between Stochastic Trajectories
提出精确蒙特卡洛技术 Path Weight Sampling (PWS)，首次实现对由 master equation 描述的随机系统输入与输出轨迹间互信息的精确计算，并揭示细菌趋化系统中受体簇数量更少、尺寸更大。
2023-10-04 cond-mat.soft cs.IT math.IT
Information transmission in a two-step cascade: Interplay of activation and repression
我们提出了一个信息理论的形式主义，研究信号转导的四个建筑变种的模型两步级联随着输入人口的增加。我们的研究结果将这四种类型分为两类，这取决于激活和抑制对互信息，净协同作用和信噪比的影响。在高斯框架内，并使用线性噪声近似，我们推导出这些指标的解析表达式，以建立其内在的生化参数的关系。我们还通过随机模拟验证了我们的近似。
2021-09-27 q-bio.MN
Global parameter identification of stochastic reaction networks from single trajectories
我们考虑的问题推断的未知参数的随机生化网络模型从一个单一的测量时间过程中的一些有关物种的浓度。这样的测量是可用的，例如，活细胞荧光显微镜在基于图像的系统生物学。此外，波动时间过程，例如，荧光相关光谱法提供了关于系统动力学的附加信息，与仅考虑平均浓度时相比，其可用于更稳健地推断参数。从一个单一的实验轨迹估计模型参数，使单细胞测量和量化的细胞-细胞的变异性。我们提出了一种新的自适应蒙特卡罗采样器，称为高斯适应，和高效的精确随机模拟算法，允许参数识别从单个随机轨迹的组合。我们基准的线性和非线性反应网络在稳态和瞬态阶段的方法。此外，我们证明，本方法还提供了一个椭球体体积估计参数空间的可行部分，并能够估计所观察到的反应发生的隔室的物理体积。
2011-11-21 cs.CE q-bio.MN
Multicellular sensing at a feedback-induced critical point
感觉生化网络中的反馈可以引起细胞行为反应的分叉。这些分支与热力学临界点有许多共同的性质。有证据表明，生物系统可能在这些临界点附近运行，但这样做的功能益处仍然知之甚少。在这里，我们研究了一个简单的生化模型与非线性反馈和多细胞通信，以确定是否临界提供了一个功能性的好处方面的能力，以获得有关随机化学信号的信息。我们发现，当信号波动缓慢时，信号和细胞内读出之间的互信息在临界状态下最大化，因为高信号敏感性的好处超过了高读出噪声的损害。当细胞通信时，临界性引起细胞之间读出分子数量的长程相关性。因此，我们发现，通信增加了给定细胞的读数和整个群体的信号的空间平均值之间的信息。最后，我们发现，无论有没有沟通，关键性的感官优势竞争与关键放缓，这样的信息速率，而不是信息本身，在临界点被最小化。我们的研究结果揭示了多细胞传感的反馈诱导临界性的成本和效益。
2020-12-03 physics.bio-ph q-bio.MN
Noise Filtering and Prediction in Biological Signaling Networks
生物信号电路中的信息传输经常被用噪声过滤器的比喻来描述。细胞系统需要关于其环境条件的准确、实时数据，但传播、放大和处理信号的生化反应网络需要这些数据的噪声表示。生物学必须实施策略，不仅要过滤噪音，还要根据由于化学信号的有限速度而延迟的信息来预测环境的当前状态。生物化学噪声滤波器的想法实际上不仅仅是一个比喻：我们描述了最近的工作，这些工作在细胞电路中的信号保真度与最佳噪声滤波和预测的经典理论之间建立了明确的数学联系，这些理论始于Wiener，Kolmogorov，Shannon和Bode。这个理论框架提供了一个通用的工具，使我们能够推导出分析边界的最大互信息之间的环境信号和实时估计构建的系统。它帮助我们理解生物网络的结构及其组件的响应时间如何影响估计的准确性。该理论还提供了关于进化如何调整酶动力学参数和种群以优化信息传递的见解。
2016-10-04 physics.bio-ph q-bio.MN
Mutual Information Rate -- Linear Noise Approximation and Exact Computation
本文利用可精确计算互信息率的 PWS 方法，评估高斯近似在离散线性及非线性连续扩散系统中的失效条件与偏差。
2025-08-28 cs.IT math.IT physics.bio-ph
Augmented Sparse Reconstruction of Protein Signaling Networks
细胞内蛋白质信号和生化网络的重建和识别是当今生物学中至关重要的问题。我们试图开发一种数学方法来解决这个问题，作为一个测试案例，其中一个最充分研究和临床上重要的信号网络在生物学今天，表皮生长因子受体（EGFR）驱动的信号级联。更具体地说，我们提出了一种方法，增强稀疏重建，从一个小的轨迹集不同的初始条件的常微分方程（ODE）网络的节点之间的链接识别。我们的方法通过使用所有给定轨迹的积分的集合和通过衰减表示本身中的项块来构建表示系统。然后用随机向量扩充表示系统，并使用1-范数的最小化来找到每个节点的动态相互作用的稀疏表示。随机向量的增强是至关重要的，因为稀疏性本身无法处理表示中的大误差变量。增强稀疏重建允许考虑潜在的非常大的模型空间，并且即使在测量的轨迹中添加了适度的噪声时，也能够高精度地检测节点之间的少数相关链接。在展示了我们的方法在EGFR蛋白网络模型上的性能后，我们简要地概述了这种方法未来潜在的治疗应用。
2007-11-16 physics.data-an q-bio.MN
Optimizing information flow in Gene Regulatory Networks: a geometric perspective
本研究从几何视角优化基因调控网络的信息流，发现最优传递为KL散度梯度流，需各向同性衰减率，噪声强度决定分化潜力，为合成网络设计提供几何原理。
2025-09-09 cs.IT math.IT q-bio.MN
Efficient stochastic simulation of gene regulatory networks using hybrid models of transcriptional bursting
Université de Lorraine, CNRS, Inria, IECL（洛林大学、法国国家科学研究中心、法国信息与自动化研究所、洛林计算与系统控制实验室）
本文提出一种基于PDMP的高效算法，用于模拟基因调控网络中的转录 bursting 现象，通过降低计算成本来捕捉细胞间变异性。
2026-05-16 math.PR q-bio.MN
