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
Whole genome mapping of 5' RNA ends in bacteria by tagged sequencing : A comprehensive view in Enterococcus faecalis
粪肠球菌是医院感染的第三大原因。为了获得这种细菌中转录组织的第一个全面视图，我们使用了一种改进的RNA-seq方法，能够区分初级和加工的5 'RNA末端。我们还通过确认大肠杆菌中的已知特征来验证我们的方法。在E.粪便一个盲目的基序搜索检索SigA和SignN依赖的启动子之前的TSS映射的典型功能。我们发现了95个新的推定的调控RNA，小和反义RNA，和72个转录反义组织。提出的数据构成了一个显着的洞察细菌RNA景观和一个步骤，以全面的方式在转录和转录后水平的调控过程的推理。
2014-10-07 q-bio.BM q-bio.GN q-bio.QM
HiDi: An efficient reverse engineering schema for large scale dynamic regulatory network reconstruction using adaptive differentiation
微分方程（ODE）的使用是最有前途的网络推理方法之一。然而，基于ODE的方法的成功是有限的，由于难以估计参数和缺乏可扩展性。在这里，我们介绍了一种新的方法和流水线逆向工程基因调控网络从基因表达的时间序列和扰动数据的基础上改进的计算方案的衍生物和预过滤步骤，以减少可能的链接的数量。该方法引入了一个线性微分方程模型与自适应数值微分，可扩展到非常大的调控网络。我们证明了这种方法的能力，优于目前最先进的方法应用于实验和合成数据，使用测试数据从DREAM4和DREAM5的挑战。我们的方法显示出更高的准确性和可扩展性。我们基准测试的数据集大小和噪声水平的管道的性能。我们表明，计算时间是线性的各种网络大小。
2017-06-08 q-bio.MN q-bio.QM
A Computational Algebra Approach to the Reverse Engineering of Gene Regulatory Networks
本文提出了一种从实验数据中逆向工程基因调控网络的新方法。所使用的建模框架是时间离散的确定性动态系统，每个变量具有有限的状态集。这种模型最简单的例子是布尔网络，其中变量只有两种可能的状态。使用大量的可能状态允许实验数据的更精细的离散化和变量的一种以上的可能作用模式，这取决于阈值。此外，通过适当地选择状态集，可以使用作为反向工程算法基础的计算代数中的强大工具，从而避免昂贵的枚举策略。为了表现良好，该算法需要野生型与扰动时间过程。这使得它适用于小型到中型规模的网络，而不是全基因组规模的网络。该算法的复杂性是二次变量的数量和立方的时间点的数量。该算法是验证最近发表的布尔网络模型段极性发展果蝇。
2003-12-17 q-bio.MN q-bio.QM
Inferring evolutionary histories of pathway regulation from transcriptional profiling data
比较基因组学的一个突出挑战是解释物种间调控变异的进化重要性。严格的分子进化为基础的方法来推断自然选择的证据，从表达数据在该领域的溢价，到目前为止，系统发育的方法还没有很好地适合于解决这个问题，在小套分类的标准调查中的基因表达。我们已经开发出一种策略，通过分析具有共同功能的基因套件来从表达谱推断进化历史。在概念上类似于分子进化模型的方式，其中在多个位点的DNA序列的进化速率遵循伽马分布，我们建模的\emph{a priori}定义的途径的基因的表达率从反伽马分布。然后，我们开发了一种拟合策略，从表达测量中推断该分布的参数，并确定其表达模式与特定物种的进化约束或快速进化一致的基因组。仿真证实了我们的推理方法的力量和准确性。作为我们方法的实验测试平台，我们生成并分析了四种\emph{Saccharomyces}酵母的转录谱。结果揭示了在单个酵母和整个酵母菌群中具有受约束和加速调节进化特征的途径，突出了酵母菌种分化期间途径水平表达变化的普遍性。我们预计，我们的路径为基础的系统发育的方法将是广泛的实用程序在搜索中了解监管变化的进化相关性。
2013-07-25 q-bio.GN q-bio.PE q-bio.QM
ARACNE: An Algorithm for the Reconstruction of Gene Regulatory Networks in a Mammalian Cellular Context
背景：阐明基因调控网络对于理解正常细胞生理学和复杂病理表型至关重要。现有的全基因组"逆向工程“的这种网络的计算方法已经成功，只有较低的真核生物与简单的基因组。在这里，我们提出了ARACNE，一种新的算法，使用微阵列表达谱，专门设计的规模在哺乳动物细胞中的调控网络的复杂性，但一般足以解决更广泛的网络去卷积问题。该方法使用信息论方法来消除由共表达方法推断的大多数间接相互作用。结果如下：我们证明，ARACNE重建网络完全（渐近），如果在网络拓扑结构中的循环的影响可以忽略不计，我们表明，该算法在实践中工作良好，即使在存在大量的循环和复杂的拓扑结构。我们评估ARACNE的能力，重建转录调控网络使用现实的合成数据集和人类B细胞的微阵列数据集。在合成数据集上，ARACNE实现了非常低的错误率，并优于相关网络和贝叶斯网络等已建立的方法。应用于人类B细胞中遗传网络的去卷积证明了ARACNE推断cMYC原癌基因的经验证的转录靶点的能力。我们还研究了误估计互信息对网络重构的影响，并表明基于互信息排序的算法对估计误差有更强的弹性。
2005-10-07 q-bio.GN q-bio.MN q-bio.QM
A Bayesian approach for structure learning in oscillating regulatory networks
振荡是许多生物过程的核心，从细胞周期到昼夜节律振荡和发育过程。计时机制对于使生物体能够适应从昼夜到季节的环境周期中的各种条件至关重要。转录调控网络是这些生物振荡背后的机制之一。然而，虽然从时间序列测量中识别周期性表达的基因相对容易，但确定支撑振荡的相互作用网络的结构是一个更具挑战性的问题。在这里，我们明确地利用转录信号的振荡性质，并提出了一种方法，用于重建网络相互作用，这是一种特殊但重要的遗传电路。我们的方法是基于使用离散傅立叶变换的一组振荡的基础函数上投影的信号。我们在频域线性模型中建立贝叶斯分层模型，以增强稀疏性并结合有关网络结构的先验知识。对真实数据和模拟数据的实验表明，如果满足振荡假设，该方法可以导致竞争方法的实质性改进，并且在不满足振荡假设的情况下仍然具有竞争力。
2015-04-24 q-bio.QM stat.ML
A statistical mechanics approach to reverse engineering: sparsity and biological priors on gene regulatory networks
确定基因网络的连通性，甚至在更详细的层面上确定基因之间存在的相互作用，这一重要任务现在可以通过微阵列技术来解决。然而，对于单个微阵列实验提供的数据量仍然存在大量未知数，因此可靠的基因网络检索程序必须整合所有可用的生物学知识，即使来自不同来源和不同性质。在本文中，我们提出了一个反向工程算法，能够揭示潜在的基因网络，通过使用时间序列数据集上的基因表达考虑系统响应不同的扰动。该方法能够确定基因网络的稀疏性，并考虑到可能的{ \it先验}生物学知识，通过推导几个{ \it模拟}基因网络的拓扑结构，强调了反向工程方法的有效性，其中，我们还讨论了如何提高算法的性能，扩大数据量或是否考虑任何先验知识。我们还将该算法应用于大肠杆菌中九基因网络的实验数据
2007-06-18 q-bio.MN q-bio.QM
Markovian Promoter Models: A Mechanistic Alternative to Hill Functions in Gene Regulatory Networks
Center for Biophysics and Quantitative Biology, University of Illinois at Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校生物物理与定量生物学中心）
本文提出一种基于马尔可夫过程的启动子模型，用于替代传统Hill函数，以更准确地捕捉基因调控网络中的动态行为。
2026-01-14 q-bio.MN q-bio.QM
Information content based model for the topological properties of the gene regulatory network of Escherichia coli
基因调控网络（GRN）正在研究越来越精确的定量工具，并可以提供一个试验场的想法，关于复杂的生物网络的出现和进化。我们分析了原核生物大肠杆菌的转录调控网络的全局统计特性，确定了每个操纵子与网络的一个节点。我们提出了一个空模型，这个网络使用基于内容的方法应用于真核生物酿酒酵母。（Balcan等人，代表启动子区域和结合序列的随机序列与节点相关联。从相关数据库中提取这些序列的长度分布。通过测试启动子区域内结合序列的出现来构建网络。涌现网络的集合产生指数衰减的入度分布和假定的幂律依赖的出度分布与平尾，与数据一致。聚类系数，度度相关性，丰富的俱乐部系数和k-核心可视化都同意定性与经验网络的程度尚未达到任何其他计算模型，据我们所知。这些显著的统计差异为进一步研究E. coli GRN。
2009-12-29 q-bio.MN q-bio.QM
SIRENE: Supervised Inference of Regulatory Networks
活细胞是基因表达程序的产物，该程序涉及数千个基因的调节转录。因此，需要阐明转录调控网络来理解细胞的工作机制，并且可以例如用于发现新的治疗靶点。虽然已经提出了几种方法来推断基因调控网络从基因表达的数据，最近的一个大规模的基准实验的比较显示，目前大多数方法只能预测有限数量的已知法规在合理的精度水平。我们提出了SIRENE，一种新的方法，用于从表达数据的概要中推断基因调控网络。该方法将基因调控网络推理问题分解为大量的局部二进制分类问题，该问题集中于将每个TF的靶基因与非靶基因分离。因此，SIRENE在概念上简单且计算效率高。我们测试它的基准实验，旨在预测法规在E。大肠杆菌，并表明，它检索的顺序比其他国家的最先进的推理方法的6倍以上的已知规则。
2008-02-27 q-bio.QM
Functions of Bifans in Context of Multiple Regulatory Motifs in Signaling Networks
有向图的细胞内信号网络的表示允许识别的调控基序。调控基序是具有相同连接结构的节点组，能够处理信息。由两个源节点直接交叉调节两个靶节点组成的bifan基序是哺乳动物细胞信号转导网络和转录网络中过度表达的基序。bifan的一个例子是两种MAP激酶，p38和JNK，它们磷酸化并激活两种转录因子ATF 2和Elk-1。我们已经使用了一个系统的耦合常微分方程来分析这个bifan基序本身的监管能力，当它与其他基序，如正反馈和负反馈回路相互作用。我们的研究结果表明，bifans提供信号传播的时间调节，并作为信号分选器，过滤器和同步器。具有或门配置的双扇显示快速响应，而与门双扇可以引入延迟并允许延长信号输出。作为AND门的Bifan可以过滤噪声信号输入。p38/JNK-ATF 2/Elk-1 bifan抑制激活的转录因子的输出。同步是bifan的鲁棒特性，并且即使当bifan与正反馈回路相邻时也表现出同步。bifan的存在促进双特异性蛋白磷酸酶MKP-1的转录和翻译，其抑制p38和JNK，从而实现负反馈回路。这些结果表明，在细胞信号转导网络中的bifan基序可以有助于信号处理能力的内在和通过启用其他调节基序的功能。
2007-11-30 q-bio.MN q-bio.QM q-bio.SC
Gene autoregulation via intronic microRNAs and its functions
背景：MicroRNA是基因表达的转录后抑制因子，在基因调控网络中起着关键作用。它们参与核心细胞过程，其失调与广泛的人类疾病有关。本文重点研究了一个最小的microRNA介导的调控回路，其中蛋白质编码基因（宿主基因）被位于其内含子内的microRNA靶向。结果如下：通过内含子microRNA的自动调节在人类调控网络中广泛存在，正如我们的生物信息学分析所证实的那样，尽管其拓扑结构简单，但可以执行多种调控任务。我们的分析，基于分析计算和模拟，表明该电路改变宿主基因表达的动态，可以诱导复杂的反应，实现适应和韦伯定律，并有效地过滤从上游网络传播到宿主基因的波动。电路参数的微调可以优化这些功能中的每一个。有趣的是，它们都与基因表达稳态有关，这与越来越多的证据表明microRNA调节在赋予生物过程鲁棒性中的作用一致。除了模型分析，我们提出了一个生物信息学预测的候选电路在人类未来的实验测试。结论：这里呈现的结果表明通过内含子microRNA的负性自我调节的潜在相关功能作用，特别是作为基因表达的稳态控制机制。此外，从我们的分析中得到的电路功能在实验上可测量的参数方面的映射，可以为合成生物学中的可能应用提供有用的指导。
2012-06-11 q-bio.MN q-bio.QM
Phase resetting reveals network dynamics underlying a bacterial cell cycle
基因组学和蛋白质组学方法产生生物调控相互作用的网络，但不能直接洞察这些相互作用如何组织成功能模块，或信息如何从一个模块流向另一个模块。在这项工作中，我们介绍了一种方法，提供这种互补的信息，并将其应用于细菌Caulobacter crescentus，细胞周期控制的范例。在操作上，我们使用诱导型启动子以周期性脉冲方式表达必需的转录调控基因ctrA。这种化学扰动导致细胞群体同步分裂，我们使用单个细胞分裂时间的提前或延迟来构建相位重置曲线。我们发现延迟比提前更受欢迎。这一发现是令人惊讶的，因为它并不遵循CtrA的时间表达谱，反过来，现有的网络模型的模拟。我们提出了一个现象学模型，表明细胞周期网络包括两个不同的功能模块，自主振荡和耦合在一个高度不对称的方式。这些特征共同提供了一个新的机制，在C细胞周期的严格时间控制。crescentus。我们将讨论如何的程序可以作为探测网络动力学的一般方法的基础，我们长期的化学微扰光谱（CPS）。
2012-10-03 q-bio.MN q-bio.QM
Network motifs come in sets: correlations in the randomization process
模体（motifs）--子图在特定网络中出现的频率明显高于随机网络集合中的频率--的识别已经成为一种普遍存在的方法，用于揭示从各种领域抽取的网络中潜在的重要子单元。我们发现，用于从真实网络变化子图生成系综的最常见算法以高度相关的方式计数，因此一个子图作为基序的状态可能不独立于其他子图的状态。我们证明了这种效应的问题，3-和4-节点基序鉴定转录调控网络的E。coli和革兰氏阳性菌S.其中通过边缘交换算法产生随机化网络（Milo等人，科学298：824，2002）。我们证明了3-节点子图之间的相关性是很容易解释的，并提出了一个信息论工具，可以用来识别任何大小的子图之间的相关性。
2009-07-27 q-bio.MN q-bio.QM
Reverse-engineering of polynomial dynamical systems
本文研究有限域上多项式动力系统的逆向工程问题，提出一种基于单项式理想准素分解的算法，可从状态转移测量集计算所有最小接线图，并提供统计测度辅助模型选择，已应用于基因调控网络并在Macaulay2中实现。
2006-05-19 math.AC q-bio.MN q-bio.QM
Applications of Finite Fields to Dynamical Systems and Reverse Engineering Problems
我们提出了一个数学模型：有限集上的动力系统（DSF），我们证明了布尔和离散遗传模型是DFS的特殊情况。本文证明了定义在不同元素个数的有限集上的函数可以表示为有限域上的多项式函数。给定定义在不同有限集上的函数的数据，我们描述了一种算法来获得与此数据相关联的所有多项式函数。因此，在调节网络中定义的所有函数都可以表示为有限域上的一个变量或多个变量的多项式函数。我们应用这些结果来研究逆向工程问题。
2006-03-15 math.DS math.RA q-bio.QM
