Enhancing Boolean networks with continuous logical operators and edge tuning
由于缺乏有关生物现象的定量细节，系统生物学中的定量建模可能会受到影响，特别是在亚细胞尺度上。解决这个问题的一种方法是定性建模，因为它几乎不需要定量信息。最流行的定性建模方法之一是布尔网络形式主义。然而，布尔模型允许变量只取两个值，这在某些情况下可能过于简单。目前的工作提出了一种建模方法，从布尔网络中使用连续的逻辑运算符，可以调整边缘。使用连续逻辑运算符允许变量更精细地赋值，同时保持定性。考虑到一些生物相互作用可能比其他生物相互作用更慢或更弱，边缘状态也被计算，以调节它们传递的信号的速度和强度。所提出的形式主义说明了来自表皮生长因子受体信号通路的玩具网络。所获得的模拟表明，连续的结果产生，从而允许更精细的分析。模拟还表明，调制由边缘传达的信号可以结合有关它们所建模的相互作用的知识。我们的目标是提高定性模型的能力，以模拟生物网络的动态，同时限制定量信息的需求。
2019-03-20 q-bio.MN q-bio.QM
Boolean Networks as Predictive Models of Emergent Biological Behaviors
本文提供了生物系统布尔网络模型的方法论概述，介绍了模型构建、分析、验证及其在预测系统扰动响应和行为控制中的应用，并通过三个案例研究展示了结构与动力学特性的相互作用。
2023-10-19 nlin.CG q-bio.MN
Taming Asynchrony for Attractor Detection in Large Boolean Networks (Technical Report)
布尔网络是一种用于生物系统建模的成熟形式。分析布尔网络的一个重要挑战是识别所有的吸引子。由于异步更新方案，这对于大型异步布尔网络变得更具挑战性。现有的方法是禁止的，由于众所周知的状态空间爆炸问题在大型布尔网络。在本文中，我们提出了一种基于SCC的分解方法来解决这一挑战。我们证明了我们提出的方法的正确性，并证明了其效率与两个现实生活中的生物网络。
2017-06-13 cs.DC q-bio.MN q-bio.QM
MCA: Boolean Networks Control Algorithm
生物系统中的控制问题是寻找干预策略以将生物系统的状态从不期望的状态（例如疾病）改变为期望的健康状态的问题。利用布尔网络作为基因调控网络的数学模型。本文提出了一种求解布尔网络控制问题的算法。该算法的实现和应用在两个生物系统：T细胞受体网络和果蝇网络。结果表明，所提出的算法在解决这些网络的控制问题的速度更快，而具有类似的精度，与以前的方法相比。
2016-09-06 q-bio.MN
AND-NOT logic framework for steady state analysis of Boolean network models
有限动态系统（例如布尔网络和逻辑模型）已被用于生物系统建模，以关注系统的定性特征，例如接线图。由于分析这样的系统是困难的，所以有必要关注那些具有足够通用以进行建模和足够简单以进行理论分析的属性的子类。在本文中，我们提出了一类与非网络建模生物系统，并表明它提供了几个优点。一些优点包括：任何有限动力系统都可以写成具有类似动力学性质的AND-NOT网络。与非网络、它们的接线图和它们的动力学之间存在一一对应关系。与非网络的结果可以在布线图级别上陈述，而不会丢失任何信息。与非网络的结果适用于任何布尔网络。我们将我们的结果应用于Th-细胞分化的布尔模型。
2012-11-24 q-bio.MN q-bio.QM
Assembling biological boolean networks using manually curated databases and prediction algorithms
尽管有大量的信息，但仍然需要在各种生物数据库中进行深入研究，以重建和理解导致已知或新现象的步骤。通过使用蛋白质相互作用网络和算法来提取感兴趣的蛋白质之间的相关互连，可以从全局相互作用组组装子网络。使用这些提取的网络，可以使用算法来预测信号方向，而激活和抑制效应可以使用RNA干扰筛选来预测。这种方法的结果是布尔网络的自动生成。这种建模动态系统的方式允许发现稳定状态和预测刺激反应。
2014-12-02 cs.CE q-bio.MN
Parsimonious computational inference protocol for Boolean networks: Application to osteogenesis
Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Universidad Adolfo Ibáñez（阿道夫·伊巴涅斯大学）；Aix Marseille Univ, CNRS, LIS（艾克斯马赛大学，法国国家科学研究中心，信息学实验室）；Millennium Nucleus for Social Data Science（社会数据科学千年核心）；Université publique, Marseille（马赛公立大学）；Aix Marseille Univ, CNRS, I2M（艾克斯马赛大学，法国国家科学研究中心，数学与理论物理研究所）
本文提出一种稀疏计算框架，用于系统优化布尔网络模型，通过消除非生物性吸引子并保留生物相关吸引子，应用于骨生成调控网络的9节点基因控制模型。
2026-04-29 q-bio.MN
Numerical Reliability of Logistic Gene Regulatory Network Models: Preventing Expression Shutdown and Robust Integration of Boolean-Derived ODE Systems
organization= Independent Researcher , addressline= Mezaourou , city= Ghazaouet , postcode= 13421 , state= Tlemcen , country= Algeria
本研究证明Hill函数作为基因调控网络ODE模型中的调控核函数普遍不可靠，会导致表达关闭和复数污染；而逻辑函数作为替代，具有严格正的基础速率和全局Lipschitz性质，能提供鲁棒的数值积分和先验误差界。
2026-06-18 math.DS q-bio.MN
Predicting genetic interactions from Boolean models of biological networks
遗传相互作用可以定义为双基因突变的表型定量效应与使用简单（例如，乘法或线性加法）统计模型。实验表征的模式生物的遗传相互作用网络提供了重要的见解不同的生物功能之间的关系。我们描述了一种计算方法，允许系统地和定量地表征一个布尔数学模型的生物网络中的遗传相互作用的所有损失的功能和增益的功能突变相对于所有模型的表型或输出。我们使用MaBoSS软件中定义的概率框架，基于连续时间马尔可夫链和随机模拟。此外，我们提出了几种计算工具，用于研究双突变体在模型表型概率空间中的分布。我们证明了这种方法在三个已发表的模型，我们得出的遗传相互作用网络，并分析其属性。我们分类所获得的相互作用，根据其类上位性，依赖于所选择的初始条件和表型。使用这种方法验证数学模型从实验数据和设计新的实验进行了讨论。
2015-04-23 q-bio.MN
The basis of easy controllability in Boolean networks
生物系统的有效控制通常可以通过控制数量少得惊人的不同变量来实现。我们带来清晰的布尔动态网络的形式主义，这样的结果，分析外部控制的有效性，在选择一个所需的最终状态时，该状态是其中的原始吸引子的动态。分析49个现有的生物网络模型，我们发现强有力的数值证据表明，必须强制的节点的平均数量与原始吸引子的数量成反比。这表明，即使相互作用的组件数量很大，生物网络也可能很容易控制。我们通过将控制节点分为三种类型来提供缩放的理论解释：那些充当输入的节点，那些区分吸引子的节点和任何剩余的节点。我们进一步确定的动态特性，可以使这种缩放无效，并推测这是如何更广泛地涉及到非生物系统。
2021-09-09 q-bio.MN
A Novel Antifragility Measure Based on Satisfaction and Its Application to Random and Biological Boolean Networks
Universidad Nacional Autónoma de México（墨西哥国立自治大学）；Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México（墨西哥国立自治大学复杂性科学中心）；Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, Universidad Nacional Autónoma de México（墨西哥国立自治大学应用数学与系统研究所）；ITMO University（ITMO大学）
本文提出一种基于满足度的抗脆弱性度量，应用于随机和生物布尔网络，发现有序网络最抗脆弱，并展示七个生物系统具有抗脆弱性。
2019-04-24 cond-mat.stat-mech cs.DM nlin.AO
Decomposition of Boolean networks: An approach to modularity of biological systems
本文介绍了布尔网络的分解理论的基础，布尔网络是一种离散动力系统，在生命科学、工程和物理学中有着广泛的应用。给定一个满足一定条件的布尔网络，存在一个唯一的子网络集合，因此网络可以通过扩展操作从这些子网络重构。本文的主要结果是，这种结构分解导致相应的网络动力学的分解。该理论的动机是寻找一个数学框架来形式化生物系统是模块化的假设，在生命科学中被广泛接受，但没有明确定义和良好表征。作为动态模块化如何用于有效识别表型控制的示例，可以通过识别其模块中的控制来找到网络的控制策略，每次一个。
2022-06-09 math.DS nlin.AO physics.bio-ph
Boolean function metrics can assist modelers to check and choose logical rules
生物过程的计算模型为详细分析驱动复杂系统行为的机制提供了最有力的方法之一。基于逻辑的建模增强了我们对这些系统的理解和解释。定义确定生物实体的输出活动如何由其各自的输入调节的规则已被证明是具有挑战性的，这是由于越来越大的模型和数据中噪声的存在，允许多个模型参数化来拟合实验观察结果。我们提出了几个布尔函数的度量，提供建模人员与适当的框架来分析一个特定的模型参数化的影响。我们展示了布尔函数的语义特征与模型的底层监管结构之间的联系。我们进一步定义的属性，概述了这种一致性，并表明，研究中的几个布尔函数违反他们，质疑他们的生物相容性和随后的使用。我们还说明，监管功能可以有重大差异，就其渐近输出行为，其中一些偏向于特定的布尔结果时，其他人是依赖于激活和抑制监管机构之间的比率。应用结果表明，在一个特定的信号传导癌症网络中，函数偏差可以用来指导逻辑算子的选择，以匹配数据观测的模型。此外，图形分析表明，标准化的布尔函数的偏差变得更加突出，越来越多的监管机构，证实了这样一个事实，即规则规范可以有效地确定监管结果，尽管生物网络的复杂动态。
2021-04-02 q-bio.MN
Synthesis of Boolean Networks from Biological Dynamical Constraints using Answer-Set Programming
LRI, CNRS, U. Paris-Sud U. Paris-Saclay（巴黎-萨克雷大学南巴黎校区法国国家科学研究中心计算机研究所）；LaBRI, CNRS, U. Bordeaux Bordeaux INP（波尔多大学波尔多国立理工学院法国国家科学研究中心计算机与自动化研究所）；Institut Curie, INSERM U. PSL, Mines ParisTech（巴黎文理研究大学法国国家健康与医学研究院巴黎高等矿业学院居里研究所）
布尔网络模型具有复杂行为的有限离散动力系统。每个组件的状态由网络组件（的子集）的状态的布尔函数确定。本文讨论了这些布尔函数的合成从其域上的约束和新兴的动态特性所产生的网络。动力学性质涉及到部分观察到的配置之间的轨迹的存在和不存在，以及稳定的行为（不动点和循环吸引子）。该合成表示为一个布尔可满足性问题依赖于一个参数化的复杂性，并导致一个完整的非冗余表征的解决方案的集合。所考虑的约束条件特别适合于解决细胞分化过程的模型的合成，如案例研究所示。该方法的可扩展性在具有无标度结构的随机网络上得到了证明，根据约束的类型，该无标度结构最多可达100到1，000个节点。
2020-02-27 cs.AI cs.LO q-bio.MN
Boolean network model predicts cell cycle sequence of fission yeast
基于已知的生物化学相互作用拓扑结构，建立了裂殖酵母细胞周期调控网络的布尔网络模型.在计算机中模拟该模型，忠实地再现了已知序列的调节活动模式沿细胞周期的活细胞。与现有的微分方程模型相反，除了调节电路的结构之外，没有参数进入模型。该模型的动力学性质表明，生物动力学序列在调控网络中鲁棒地实现，生物定态G1对应于状态空间中的主导吸引子，生物调控序列是一个强吸引轨道.将分裂酵母细胞周期模型与S。cerevisiae中，电路的显着差异，以及动态观察。而后者工作在强阻尼模式，由外部激励驱动，S。Pombe网络表示具有外部阻尼的自激系统。
2007-04-17 q-bio.MN
Control Strategy Identification via Trap Spaces in Boolean Networks
生物系统的控制提出了有趣的应用，如细胞重编程或药物靶点识别。一种常见的控制策略是一组干预措施，通过固定某些变量的值，迫使系统发展到期望的状态。这项工作提出了一种新的方法，在布尔网络建模的生物系统中寻找控制策略。在这种情况下，我们探索的陷阱空间，子空间的状态空间的动力学不能离开的属性。生物网络的陷阱空间通常可以有效地计算，并提供有用的近似吸引盆地。我们的方法为目标表型提供了控制策略，这些策略基于允许最终释放控制的干预措施。此外，我们的方法可以将吸引子的信息，以找到新的控制策略，将逃脱通常的基于简化的方法。我们展示了我们的方法的适用性，两个细胞命运决策模型。
2020-05-19 q-bio.MN
TaBooN -- Boolean Network Synthesis Based on Tabu Search
OMIC技术的最新发展通过产生多维度和规模的分子数据彻底改变了生物学的研究。生物学上的这一突破提出了基于建模的解释的关键问题。在这项工作中，网络提供了一个合适的框架来模拟分子之间的相互作用。基本上，生物网络由涉及基因或蛋白质等组件的节点和将它们之间的相互作用形式化的边/弧组成。的相互作用的演变，然后建模的动力系统的定义。在不同类别的网络中，布尔网络为建模提供了可靠的定性框架。因此，从实验数据自动合成布尔网络仍然是一个必要但具有挑战性的问题。在这项研究中，我们提出了禁忌，从生物数据合成布尔网络的原始工作流程。该方法使用布尔配置文件的形式的数据来推断所有潜在的本地公式推断。它们结合起来形成模型空间，必须从中找到关于生物知识和实验的最真实的模型。在禁忌工作流中，通过Tabu搜索算法来选择最合适的模型。Taboon是一种从实验数据进行布尔网络推理的自动化方法，也可以帮助评估和优化生物网络的动态行为，为进一步建模和预测提供可靠的平台。
2020-09-08 cs.AI cs.CE q-bio.MN
Upper bound for the stability of Boolean networks
University of Florida（佛罗里达大学）；Iowa State University（爱荷华州立大学）
本文研究了布尔网络稳定性上界，证明了鲁棒性与吸引子熵的负线性关系，扩展了吸引子上界的研究范围。
2025-06-14 nlin.CG physics.bio-ph q-bio.MN
CABeRNET: a Cytoscape app for Augmented Boolean models of gene Regulatory NETworks
背景基因调控网络（GRNs）的动力学模型在描述复杂的生物学现象和过程（例如细胞分化和癌症发展）方面是非常有效的。然而，真正的GRNs的拓扑和功能特征往往仍然是部分的，他们的功能是一个详尽的图片失踪。动机我们在这里介绍CABeRNET，一个Cytoscape应用程序，用于生成，模拟和分析GRN的布尔模型，特别关注当网络的拓扑和功能特性只有部分可用时的增强。通过生成大量的网络集合，其中用户定义的实体和关系被添加到原始核心，CABeRNET允许制定关于真实网络缺失部分的假设，并本着复杂性科学的精神研究其一般属性。结果CABeRNET提供了一系列创新的模拟和建模功能和工具，包括（但不限于）控制细胞类型和分化命运的基因激活模式的动态表征，以及复杂的鲁棒性评估，如基因敲除的情况。广泛使用的Cytoscape框架内的可视化和分析的生物网络的集成，使CABeRNET的生物信息学家和计算生物学家，以及实验的计算支持一个新的基本工具。提供了关于扩增的T辅助细胞GRN的分析的示例应用。
2015-07-26 q-bio.MN q-bio.QM
Control in Boolean networks with model checking
理解生物系统中的控制机制在重要的应用中起着至关重要的作用，例如在细胞重编程中。布尔建模允许识别可能的有效策略，有助于减少通常高和耗时的实验工作。现有的控制策略识别方法通常集中在吸引子或表型控制上，无法处理更复杂的控制问题，例如表型回避。在许多情况下，它们也无法捕捉到所有可能的最小策略，只能找到次优解决方案。为了填补这些空白，我们提出了一种新的方法来确定控制策略的布尔网络模型检测的基础上。该方法保证识别所有的最小控制策略，并提供了最大的灵活性，在定义的控制目标。我们调查的方法的适用性，通过考虑一系列的控制问题，不同的生物系统，比较的结果，在可能的情况下，通过替代控制方法获得的。
2021-12-20 q-bio.MN
An Algorithm for Detecting Fixed Points of Boolean Networks
在布尔网络建模生物系统的应用中，一个重要的计算问题是布尔网络不动点的检测。这是一个NP完全问题。已经有各种尝试来开发算法以解决大型布尔网络的计算需求。现有的方法通常是基于已知的算法，因此局限于这些已知的算法可以应用的情况。在本文中，我们提出了一种新的方法来解决这个问题。我们证明了任何一个布尔方程组都等价于一个布尔方程组，从而可以将定义布尔网络不动点的多项式方程组分成容易求解的子系统.在解决了这些子系统，从而减少了状态的数量后，我们可以将解决方案组合起来，以获得给定网络的所有不动点。这种方法不依赖于其他算法，它是直接的，易于实现。我们表明，我们的方法可以处理大规模的布尔网络，并证明其有效性，通过使用MAPLE计算布尔网络的不动点数百个节点和数千个相互作用。
2014-04-22 q-bio.MN q-bio.QM
Boolean Threshold Networks: Virtues and Limitations for Biological Modeling
布尔阈值网络最近被提出作为有用的工具来模拟遗传调控网络的动力学，并已成功地应用于描述细胞周期的\textit{S. cerevisiae}和\textit{S. pombe}。阈值网络假设基因调控过程是加性的。然而，这与S.其中每个逻辑函数都必须仔细构造，以准确地考虑基因调控的组合性质。虽然考夫曼布尔网络已被广泛研究，并证明具有必要的属性所需的遗传调控网络的基本特征建模，不太了解阈值网络的基本属性。在这里，我们研究了这些网络的动力学性质与不同的连通性，激活-阻遏比例，激活-阻遏强度和不同的阈值。特别注意的方式，其中阈值影响的动力学制度中的网络运作和吸引景观的结构。我们发现，只有一组非常有限的参数，这些网络显示出与在生物系统中观察到的动力学特性一致。这些属性的优点和可能的问题与限制进行了讨论，并与早期的工作，使用这些模型。
2010-11-16 cond-mat.dis-nn cond-mat.stat-mech nlin.CD
An open problem: Why are motif-avoidant attractors so rare in asynchronous Boolean networks?
该研究针对异步布尔网络中规避模体的吸引子（MAA）稀少的问题，通过大规模计算研究量化其稀有性，揭示网络约简的引入作用及线性扩展的破坏性，并改进了破坏MAA所需延迟数的上界。
2024-10-04 nlin.AO nlin.CG q-bio.MN
From differential equations to Boolean networks: A Case Study in modeling regulatory networks
细胞调控网络的建模方法多种多样，如微分方程和布尔网络共存，然而，没有任何密切的对应关系。以裂变酵母细胞周期控制网络为例，我们将这两种方法相互联系起来。我们发现，布尔网络可以制定为一个特定的粗粒度限制的更详细的微分网络模型，这个系统。这为布尔网络以受控方式应用于生物调控网络奠定了数学基础。
2008-07-07 q-bio.CB q-bio.GN q-bio.MN
Bistability preserving model reduction in apoptosis
生物系统通常非常复杂，在进行彻底分析之前需要简化。此外，它们通常具有功能上重要的动态特性，如双稳态。在模型降阶中，只保留动态特征有时比恢复一个好的定量近似更可取。我们提出了一种方法来减少显着的顺序，同时保持双稳态和开关阈值的一个可调动力系统。这些属性对于系统在更大网络环境中的操作是重要的。作为一个应用实例，我们考虑了细胞凋亡中caspase激活的一个非线性模型。
2007-02-07 q-bio.MN
Boolean matrix logic programming for active learning of gene functions in genome-scale metabolic network models
Department of Computing, Imperial College London（计算机系，帝国理工学院伦敦分校）
本文提出布尔矩阵逻辑编程方法BMLP及主动学习系统$BMLP_{active}$，通过可解释逻辑程序编码GEM并指导低成本实验，以更少样本学习基因相互作用、优化代谢模型。
2025-06-06 cs.AI cs.LG q-bio.MN
Node and edge control strategy identification via trap spaces in Boolean networks
生物系统的控制机制的研究允许在生物工程和医学中的有趣应用，例如在细胞重编程或药物靶点识别中。控制策略通常由一组干预组成，通过固定某些组件的值，确保受控系统的长期动态处于期望状态。在布尔框架中，一种常见的控制方法是检查固定值如何通过网络传播，以确定干预措施的效果是否足以诱导目标状态。虽然基于值渗透的方法允许有效的计算，但它们可能会错过许多控制策略。另一方面，用于控制策略识别的穷举方法通常需要高计算成本。为了增加确定的控制策略的数量，同时仍然受益于一个有效的实施，我们介绍了一种基于值渗透的方法，该方法使用陷阱空间，相对于动态封闭的状态空间的子空间，通常可以很容易地计算在生物网络。该方法允许节点干预，固定某些组件的值，以及边缘干预，固定一个组件对另一个组件的影响。该方法是使用答案集编程实现的，扩展了现有的有效实现值渗透，允许使用陷阱空间和边缘控制。该方法的适用性研究不同的控制目标在生物案例研究，确定在所有情况下，新的控制策略，将逃脱通常的基于简化的方法。
2022-03-25 q-bio.MN
Concurrency in Boolean networks
布尔网络（BN）被广泛用于生物系统的定性动力学建模。除了确定每个组件相对于其调节器的状态的演变的逻辑规则之外，组件更新的调度可以对预测的行为产生显著影响。在本文中，我们将探讨使用读（上下文）Petri网（RPN）从并发理论的角度来研究动态的BN。在展示了RPN和BN之间的双向转换以及同步灵敏度结果之间的类比之后，我们说明了BN的常用更新模式可能会错过看似合理的行为，即，错误地得出不存在/不可能达到特定配置的结论。我们提出了一个编码的BN资本化的RPN语义，使更多的行为比广义异步更新模式。建议的编码确保了正确的抽象的任何多值细化，因为人们可能会期望实现时，没有假设其时间特征的生物系统建模。
2019-05-31 cs.DM cs.FL cs.LO
Compensatory interactions to stabilize multiple steady states or mitigate the effects of multiple deregulations in biological networks
复杂的疾病可以被建模为细胞内网络的损伤，导致异常的细胞行为。基于网络的动态模型，如布尔模型，已被用来模拟各种生物系统，包括那些对应于疾病。以前的工作设计了补偿相互作用，以稳定吸引子的布尔网络后，单节点损坏。我们推广这种方法的多节点损伤的情况下，同时稳定的多个稳态吸引子。我们对紧急情况进行分类，特别关注组合效应，并通过模拟来描述每个类别。我们探讨了网络的结构和功能特性如何影响其弹性和可能的修复方案。我们证明了该方法的适用性，两个细胞内的网络模型相关的癌症。这项工作对设计复杂疾病的预防策略具有意义。
2016-12-28 physics.bio-ph physics.soc-ph q-bio.MN
Parallel One-Step Control of Parametrised Boolean Networks
Masaryk University（马萨里克大学）
针对参数化布尔网络（ParBNs）异步语义下的控制难题，提出一种基于符号数据结构的新型半符号单步控制算法，规避参数扫描的低效问题，并在真实生物模型上验证了性能。
2020-09-01 cs.SY eess.SY q-bio.MN
A Monte Carlo Approach to Measure the Robustness of Boolean Networks
生物网络中鲁棒性的出现是进化生物体的一个重要特征，但是对于任何水平的表示，如遗传，代谢或神经元网络，在体内研究这种特性是一个非常艰巨的挑战。在遗传网络的情况下，数学模型已被用于在这种情况下，以提供其鲁棒性的见解，但即使在相对简单的公式，如布尔网络（BN），它可能是不可行的，以计算一些措施的大系统的大小。在这项工作中，我们描述了一种蒙特卡罗方法来计算BN的最大吸引盆地的大小，这与其鲁棒性本质上相关，无论网络大小如何都可以使用。我们通过有限大小的分析证明了我们的方法的稳定性，并在小型网络上进行了全搜索。
2012-10-17 q-bio.MN
Optimal Inference of Asynchronous Boolean Network Models
Fitchburg State University（菲奇堡州立大学）
提出一种基于算法复杂度的最优推断方法，用于从实验数据中推断异步布尔网络模型，并解决伪时间推断问题。
2026-08-05 q-bio.MN
Impact of individual nodes in Boolean network dynamics
布尔网络是生物细胞中调控和信号传导的离散模型。识别这些过程的关键控制器对于理解动态系统和规划进一步的分析是重要的。在这里，我们量化的动态影响的节点切换节点的状态后，损害蔓延的概率。我们发现，在长期传播的情况下，邻接矩阵的前导特征向量是一个很好的预测动态影响。这个所谓的特征向量中心性也是一个很好的代理措施的影响，一个节点的初始状态对吸引子的系统最终到达。当特征向量中心性基于活动的加权矩阵而不是未加权的邻接矩阵时，预测质量进一步提高。模拟进行合奏的随机布尔网络和信号在成纤维细胞的布尔模型。研究结果支持的分析参数从线性近似的损害蔓延。
2012-09-13 cond-mat.dis-nn q-bio.MN
Linear cuts in Boolean networks
布尔网络是探索生物系统定性动力学性质的常用工具。已经提出了几个动态的解释，基于相同的逻辑结构，捕捉布尔组件之间的相互作用。它们在不同程度上再现了更多量化模型中出现的行为。特别是，监管冲突可以防止标准的异步动态复制一些轨迹，可能是预期在检查更详细的模型。我们介绍和研究一类网络与线性切割，线性组件-一个单一的监管机构和一个单一的目标-消除上述监管冲突的中间体。布尔网络的相互作用图允许线性切割时，线性组件发生在每个周期和每个路径从组件与多个目标组件与多个调节器。在这种结构条件下，吸引子与最小陷阱空间一一对应，吸引子的可达性也可以很容易地刻画。线性切割提供了一个新的解释的布尔语义，捕捉所有的行为的多值细化与监管阈值，是唯一定义的每个互动的基础，并有助于一个新的方法，调查行为的逻辑模型。
2022-03-03 cs.DM q-bio.MN
Function Constrains Network Architecture and Dynamics: A Case Study on the Yeast Cell Cycle Boolean Network
我们开发了一种通用方法来探索生物网络执行的功能如何约束其结构和动力学网络特性。这种方法是正交的，以检查一个给定的结构特征，例如一个无标度架构的功能后果以前的研究。一个关键的步骤是构建一个算法，使我们能够有效地从一个最大熵分布的空间上的布尔动态网络约束执行一个特定的功能，或级联的基因表达的样本。这样的分布可以作为一个“功能零模型”来测试任何给定的网络特征的重要性，并可以帮助揭示各种网络属性的潜在进化选择压力。虽然我们的方法是一般的，我们说明他们在酵母细胞周期级联的分析。该分析揭示了细胞周期调控网络的结构上的强约束，以及对该网络的显著选择压力，以维持有序和收敛的动态，可能以牺牲结构扰动的鲁棒性为代价。
2007-04-24 q-bio.MN
Neutral Mutations and Punctuated Equilibrium in Evolving Genetic Networks
布尔网络可以被视为生物遗传网络的理想化，其中每个节点由一个开关表示，该开关是来自其他节点的二进制输出的函数。我们在一个单一的布尔网络的连接发展，并演示如何吸引子的顺序匹配的唯一要求可能会打开一个演变，表现出间断的平衡。
1999-03-04 adap-org cond-mat.dis-nn cond-mat.stat-mech
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
Analysis of noise-induced bistability in Michaelis Menten single-step enzymatic cycle
在本文中，我们研究了噪声诱导的双稳态在一个特定的电路，具有许多生物学意义，即一个单步酶循环描述的米氏方程与准稳态假设。我们研究了系统的主方程形式主义，并与福克-普朗克连续近似，其特征的条件下，连续的方法是一个很好的近似精确的离散模型。对这两种情况下的平稳分布的分析表明，双峰性在这样的系统中不可能发生。我们讨论了额外的要求可以产生随机双峰，通过耦合系统与化学反应，涉及酶的生产和营业额。这个扩展的系统只在特定的参数窗口中显示了依赖于所涉及的分子数量的行为，提供了关于哪个应该是可行的系统大小的提示，以便这种现象可以在实际的生物系统中被利用。
2011-07-22 physics.bio-ph q-bio.MN
