Generation and precise control of dynamic biochemical gradients for cellular assays
可扩散信号分子的空间梯度在控制不同的细胞行为如细胞分化、组织图案化和趋化性中起着至关重要的作用。在本文中，我们报告的设计和测试的微流控装置的扩散为基础的梯度生成细胞检测。该器件独特的通道设计消除了源通道和汇通道之间的交叉流动，从而通过被动扩散稳定梯度。该平台还可以快速灵活地控制化学品浓度，从而在扩散室中形成高度动态的梯度。扩散和表面吸附的分子的第一近似模型概括了实验观察到的梯度。在化学诱导剂的梯度中培养的芽殖酵母细胞以浓度依赖性方式表达报告荧光蛋白。这种微流体平台作为一个多功能的原型适用于广泛的生物医学研究。
2016-11-10 physics.bio-ph q-bio.QM
Systematic model reduction captures the dynamics of extrinsic noise in biochemical subnetworks
我们考虑的一般问题描述的动态子网络的较大的生化反应网络，例如蛋白质相互作用网络涉及复杂的形成和解离反应。我们建议使用模型简化策略来理解网络其余部分所产生的随机性的“外在”来源。我们的方法是基于投影方法和路径积分导出的子网络动力学方程。结果提供了一个原则性的推导的不同组成部分的外在噪声，实验观察到在细胞的生化反应，超过和以上的内在噪声的随机性的生化事件在子网中。我们探索了几个中间近似系统地评估不同的外在噪声分量的相对重要性，包括初始瞬态，长时间的高原，时间相关性，乘性噪声项和非线性噪声传播。最好的近似实现一个简单的蛋白质网络和表皮生长因子受体信号网络的定量测试中的出色的准确性。
2020-07-01 q-bio.MN q-bio.QM
Kinetic Monte Carlo Method for Rule-based Modeling of Biochemical Networks
我们提出了一种动力学蒙特卡罗方法来模拟化学反应规则所指定的化学转化，这些规则可以被看作是化学反应的生成器，或者等价地，反应类的定义。一个规则确定了参与转化的分子成分，这些成分如何变化，影响转化是否发生的条件，以及速率定律。与传统的模拟方法不同，该方法的计算成本与可能反应的数量无关，不需要事先指定或在模拟中明确生成。为了证明该方法，我们应用它来研究多价配体-受体相互作用的动力学。我们希望这种方法将有助于研究细胞信号系统和其他物理系统涉及聚集现象。
2008-08-22 q-bio.MN q-bio.QM
Designing Experiments to Understand the Variability in Biochemical Reaction Networks
利用由生物过程的分子噪声提供的信息已被证明在从单细胞测量中提取关于基础动力学参数和变异性来源的知识方面是有价值的。然而，先验地量化这种额外的信息，以决定单细胞实验是否可能是有益的，目前仅可能在非常简单的系统中，其中化学主方程在计算上是易处理的，或者高斯近似是适当的。在这里，我们展示了如何分布测量提供的信息可以近似的基础过程的前四个时刻。推导出的公式一般是有效的任何随机动力学模型，包括模型，包括内在和外在的噪声。这使我们能够提出一个最佳的实验设计框架，异质性细胞群体，我们采用双报告和扰动实验分离外在和内在的噪音在一个简单的模型基因表达的效用进行比较。随后，我们比较了不同的实验，已在工程光开关基因表达系统在酵母中进行的信息内容，并表明，精心选择的基因诱导模式可以让一个识别功能的系统，仍然隐藏在计划外的实验。
2013-04-04 q-bio.QM
Biological timekeeping in the presence of stochasticity
细胞周期中关键事件的因果顺序对于有机体的正常功能至关重要。然而，它仍然是一个谜，一个特定的时间程序的事件是如何保持尽管不可避免的随机性的生化动力学决定的时间细胞事件。我们提出，如果细胞命运的改变是由潜在的随机生化信号的{ \em时间积分}而不是原始信号触发的，则时间特异性结果的显著改善。精确的分析结果的沙漏计时器和时钟，生物计时的两个重要范例的随机模型，阐明如何通过时间积分实现时间特异性。在途中，我们引入了一个自然的表示随机过程的时间积分，提供了一个分析处方，用于评估相应的第一次通过时间分布，并揭示了一种机制，通过该机制，一个人口的相同的细胞可以自发地分叉成亚群的早期和晚期反应，这取决于层次的时间尺度的动态。此外，我们的方法揭示了如何通过一个简单的化学反应方案，可以实现生物化学的随机信号的时间积分。
2017-03-28 cond-mat.soft cond-mat.stat-mech q-bio.CB
The evolution of systems biology and systems medicine: From mechanistic models to uncertainty quantification
本文回顾了系统生物学模型从经典机制模型到整合信号、基因调控和代谢网络的多尺度模型的演进，并以肥厚型心肌病、运动和癌细胞增殖为例，探讨了提高预测确定性的方法，强调多尺度模型结合组学数据对理解疾病和药物发现的重要价值。
2024-08-10 q-bio.MN q-bio.QM
TxPert: Leveraging Biochemical Relationships for Out-of-Distribution Transcriptomic Perturbation Prediction
Valence Labs；Recursion；Computer Science, University of British Columbia（计算机科学，不列颠哥伦比亚大学）
该研究提出TxPert方法，借助生物基因关系知识图谱提升转录组扰动的分布外预测性能，并通过多场景分析和扩展基准框架完善了扰动建模的评估体系。
2025-05-20 cs.LG q-bio.QM
bioSBM: a random graph model to integrate epigenomic data in chromatin structure prediction
本文提出图生成模型bioSBM，整合Hi-C与生化数据预测染色质结构，识别出7个功能群落，并成功跨细胞系预测接触图，揭示生化与染色质结构关联。
2025-09-11 physics.bio-ph q-bio.QM
Exact hybrid particle/population simulation of rule-based models of biochemical systems
生物化学系统的详细建模和模拟由于组合复杂性问题而变得复杂，由于无数的蛋白质相互作用和翻译后修饰，物种和反应的数量激增。基于规则的建模通过将分子表示为结构化对象并将它们的相互作用编码为基于模式的规则来克服这个问题。这大大简化了模型规范的过程，避免了手动枚举系统中可能存在的所有物种和反应的繁琐且容易出错的任务。从模拟的角度来看，基于规则的模型可以在算法上扩展为完全枚举的反应网络，并使用各种基于网络的模拟方法进行模拟，前提是网络不是非常大。或者，基于规则的模型可以直接使用基于粒子的动力学蒙特卡罗方法进行模拟。这种“无网络”方法产生精确的随机轨迹，其计算成本与网络大小无关。然而，内存和运行时间成本随着粒子数量的增加而增加，限制了可以可行模拟的系统的大小。在这里，我们提出了一种混合粒子/人口模拟方法，结合了最好的属性，基于网络和网络的方法。该方法以基于规则的模型和用户指定的物种子集作为输入，将其视为种群变量而不是粒子。然后，该模型被转换成一个动态的等效形式，可以使用人口适应的网络自由模拟器的“部分网络扩展”的过程。转换方法已在开源的基于规则的建模平台BioNetGen中实现，并且可以使用基于粒子的模拟器NFsim来模拟所产生的混合模型。
2014-02-05 physics.chem-ph q-bio.QM
Mapping the energy and diffusion landscapes of membrane proteins at the cell surface using high-density single-molecule imaging and Bayesian inference: application to the multi-scale dynamics of glycine receptors in the neuronal membrane
蛋白质迁移率通常是根据有效扩散来分析的。然而，这种描述往往不能正确区分和评估的物理参数（如膜摩擦）和生化相互作用的运动。在这里，我们提出了一种结合高密度单分子成像和统计推断的方法，以约100 nm的分辨率（采集时间为几分钟）分别绘制细胞表面膜蛋白的扩散和能量景观。当将这些分析工具应用于抑制性突触处的甘氨酸神经递质受体（GlyR）时，我们发现桥蛋白支架充当GlyR的浅能量陷阱（~3 kBT），其深度由受体-桥蛋白相互作用回路的生化性质调制。反过来，推断的地图可以用来模拟膜中蛋白质的动态，从单个受体的水平到群体的水平，从而模拟生理参数的随机波动（例如突触处的受体数量）。总的来说，我们的方法提供了一个强大而全面的框架，用于分析活细胞中的生化相互作用，并破译复杂细胞环境中生物分子的多尺度动力学。
2015-02-25 physics.bio-ph q-bio.QM
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。
2013-10-02 math.PR q-bio.MN q-bio.QM
Estimating Cellular Goals from High-Dimensional Biological Data
University of California, San Diego（加州大学圣地亚哥分校）；Stanford University（斯坦福大学）；Université de Sherbrooke（舍布鲁克大学）；Boston College（波士顿学院）
基于优化的模型已被用于预测细胞行为超过25年。这些模型中的约束条件来自基因组注释、测量的细胞大分子组成以及测量细胞在不同条件下的生长速率和代谢。细胞目标（细胞试图解决的优化问题）对于许多生物体（包括人类或哺乳动物细胞）来说，通过实验推导可能具有挑战性，这些生物体具有复杂的代谢能力并且尚未得到很好的理解。从数据中学习目标的现有方法包括（a）估计线性目标函数，或（b）估计对复杂生化反应进行建模并约束细胞操作的线性约束。后一种方法很重要，因为已知/观察到的生化反应通常不足以解释观察结果，因此需要通过学习新的化学反应来自动扩展模型复杂性。然而，这会导致非凸优化问题，现有的工具无法扩展到实际的大型代谢模型。因此，尽管约束估计对建模细胞代谢有好处，但它仍然很少使用，这对于开发针对病原体的新型抗菌剂，发现癌症药物靶标和生产增值化学品非常重要。在这里，我们开发了第一种方法来估计约束反应的数据，可以扩展到现实的大型代谢模型。以前的工具已经用于具有少于75个生化反应和60个代谢物的问题，这限制了现实生活规模的应用。我们使用75个不同生物体（包括细菌、酵母和哺乳动物）的大规模代谢网络模型进行了广泛的实验，并表明我们的算法可以恢复细胞约束反应，即使在一些测量数据丢失的情况下。
2019-05-20 cs.LG q-bio.QM
A mathematical framework to study organising principles in graphical representations of biochemical processes
University of Rostock（罗斯托克大学）；Christian-Albrechts-University（克里斯蒂安-阿尔布莱希特大学）；Leibniz-Institute for Food Systems Biology（莱布尼茨食品系统生物研究所）；Technical University of Munich（慕尼黑工业大学）；Stellenbosch Institute for Advanced Study（斯泰伦博斯高等研究院）
本文提出一种基于范畴论的数学框架，用于研究生物化学过程图形表示中的组织原则，通过结构化余弦理论构建双范畴，实现生物化学反应网络的可组合性和抽象能力。
2026-01-23 math.CT q-bio.MN q-bio.QM
Dramatic reduction of dimensionality in large biochemical networks due to strong pair correlations
涉及细胞信号转导和基因调控的高通量数据集的大的多维性使得难以提取涉及各种生化化合物（例如，蛋白质、脂质）。数据驱动的模型通常通过使用蛋白质表达水平的配对相关性来产生少量（<10）的主成分来规避这一困难，每个主成分是浓度的线性组合，以成功地模拟细胞如何响应不同的刺激。然而，尚不清楚这种减少是否特异于特定的生物系统或这些实验中使用的刺激的性质。我们研究了由不同分子物种之间的协方差矩阵描述的对相关性的时间变化，这些分子物种在大型生物相关反应网络中遵循确定性质量作用动力学演化，并表明这种维数的急剧减少（从几百到<5）是由不同物种之间在任何时刻的强相关性引起的，并且对非线性相互作用的形式敏感，网络结构和速率常数和浓度的值在很宽的范围内。我们涉及的协方差矩阵的特征值谱的时间变化的低维，局部变化的轨迹嵌入在更大的尺寸使用初等微分几何的方向。我们说明了如何提取生物相关的见解，如确定重要的时间尺度和相关的化学物种组从我们的分析。我们的工作第一次为成功的实验分析提供了理论基础，并指出了从大规模高通量数据集中提取机制的方法。
2012-01-24 cond-mat.stat-mech q-bio.MN q-bio.QM
Exact Parallelization of the Stochastic Simulation Algorithm for Scalable Simulation of Large Biochemical Networks
对细胞整个生物化学过程的全面模拟具有巨大的潜力，可以帮助医生治疗疾病，帮助工程师设计生物机器。但这样的模拟必须模拟数百万种分子种类和反应的网络。随机模拟算法（SSA）被广泛用于模拟生物化学过程，特别是那些种群数量很小，离散性和随机性起着重要作用的系统。然而，现有的串行SSA方法对于全面的网络来说是非常慢的，并且现有的并行SSA方法使用周期性同步，牺牲了精度。为了实现快速，准确和可扩展的生物化学模拟，我们提出了一个精确的并行算法SSA的生化网络划分成许多SSA的过程，并行模拟。我们的并行SSA算法正是协调这些SSA过程和物种之间的相互作用，他们共享的状态，通过构造算法作为一个并行离散事件模拟（DES）的应用程序，并使用一个乐观的并行DES模拟器同步的相互作用。我们预计，我们的方法将实现前所未有的生化模拟。
2020-05-20 cs.DC cs.DS q-bio.MN
Analytical Equilibrium Solutions of Biochemical Systems with Synthesis and Degradation
利用其相关的网络结构分析生化反应的定性行为已被证明在生物学的不同分支中是有用的。作为我们以前工作的扩展，我们引入了一个基于图的框架来计算具有合成和降解的生化反应网络的稳态解。我们的方法是基于一个标记有向图$G$和相关的系统的线性非齐次微分方程的一阶退化和零阶综合。我们还提出了一个定理，提供了充要条件的动力学产生一个唯一的稳定的定态。虽然动态是线性的，但可以通过将非线性编码到边缘标签中来将该框架应用于非线性系统。我们回答公开的问题，从我们以前的工作有关的非正性的元素的逆扰动拉普拉斯矩阵。此外，我们提供了一个图形理论框架的计算这样的矩阵的逆。这也完成了我们之前的框架，使其成为纯图论的。最近，我们证明了这个框架的实用性，将其应用到胰岛素分泌的数学模型，通过离子通道和葡萄糖代谢在胰腺$β$ -细胞。
2014-04-25 math.CA math.DS q-bio.MN
Bayesian inference of biochemical kinetic parameters using the linear noise approximation
荧光和发光基因报告使我们能够在单细胞水平上动态定量分子种类浓度随时间的变化。通过多变量动态模型对它们的相互作用进行数学建模，需要开发有效的统计方法，以根据现有数据校准这些模型。由于随机性和噪声在生物化学系统中的普遍存在，随机模型的推断特别令人感兴趣。在本文中，我们提出了一个简单的和计算效率高的算法估计生化动力学参数的基因报告数据。我们使用的线性噪声近似模型的生化反应，通过一个随机动力学模型，基本上近似扩散模型的常微分方程模型与适当定义的噪声过程。可以导出似然函数的显式公式，从而允许计算上有效的参数估计。该算法是嵌入在贝叶斯框架和推理进行马尔可夫链蒙特卡罗。该方法的主要优点是，与更成熟的基于扩散近似的方法相比，不需要计算成本高的数据增强方法。我们的方法还考虑到未观测到的变量和测量误差。模拟和实验数据的方法的应用表明，所提出的方法提供了一个有用的替代扩散近似为基础的方法。
2009-07-04 q-bio.QM
Beyond the Nucleus: Cytoplasmic Dominance in Follicular Thyroid Carcinoma Detection Using Single-Cell Raman Imaging Across Multiple Devices
本研究通过单细胞拉曼成像发现，滤泡性甲状腺癌检测中细胞质光谱信号（准确率84%）远优于细胞核信号（53%），证明细胞质生化改变更具诊断价值，并验证了跨多设备的鲁棒性。
2024-11-22 q-bio.CB q-bio.QM
Biochemical Oscillations in Delayed Negative Cyclic Feedback: Harmonic Balance Analysis with Applications
Department of Information Physics and Computing, The University of Tokyo（东京大学信息物理工学系）
提出基于多变量谐波平衡的理论框架，解析负循环反馈基因调控网络中振荡蛋白浓度的频率、相位和振幅，并应用于Pentilator和Hes7自抑制网络验证。
2012-12-27 cs.SY eess.SY math.OC
Bottom-up data integration in polymer models of chromatin organisation
细胞功能的关键取决于在细胞核的紧密包装环境中的染色质纤维上发生的复杂生化反应的精确执行。尽管从多个角度探测这一过程的大型数据集的可用性，我们仍然缺乏一个自下而上的框架，可以将生物化学的序列特异性纳入3D染色质动力学的统一模型。在这里，我们提出了SEMPER（序列增强磁性聚合物），一种新的随机聚合物模型，自然地将观察数据的序列驱动的生化过程，如结合的转录因子蛋白质，在一个3D模型的染色质结构。通过引入一种新的算法近似贝叶斯推断，我们讨论了如何估计在一个强大的方式的相对重要性的生化与聚合物信号的染色质表观遗传状态的测定，这是导致一个显着的修订以前的模型的解释。此外，我们表明，没有额外的输入，从基因组的三维结构，我们的模型可以预测合理的准确性，一些显着的和非平凡的构象特征的染色质折叠的细胞核内。我们的工作突出了引入物理上真实的统计模型来预测染色质状态的重要性，并开辟了一条新的更系统的方法来解释表观基因组数据。
2023-03-16 q-bio.QM
Specificity and Completion Time Distributions of Biochemical Processes
为了从大量相似的生物化学构件中产生特定的复杂结构，许多生物化学系统需要对小分子差异具有高灵敏度。用于解释这种高特异性的第一个也是最常见的模型是动力学校正，该模型已扩展到从DNA错配检测到细胞信号传导过程的各种系统。虽然动力学校对模型的规范属性是众所周知的，并在各种情况下进行了研究，很少有人知道它的时间行为。本文研究了离散随机两分支动力学校正格式的动力学性质。利用相应的化学主方程的拉普拉斯变换，我们得到了完成时间分布的解析解。特别是，我们提供了表达式的特异性和过程完成时间的均值和方差。我们还表明，在很宽的参数范围内，区分两种不同产品的过程可以减少到一个更简单的三点过程。我们的研究结果允许特异性和完成时间之间的相互作用的系统研究，以及在生物系统中的动力学校正模型的有效性进行测试。
2009-09-14 cond-mat.stat-mech q-bio.QM q-bio.SC
