高阶布尔网络作为细胞状态动力学模型

敲除、耐用性和细胞周期

Knockouts, Robustness and Cell Cycles

对节点被击倒的响应是网络化动态系统的特征。剩余节点的动态中的敲除恢复力是鲁棒性的标志。在这里，我们研究的效果敲除的二进制状态序列及其实现的布尔阈值网络。除了随机序列与生物学合理的约束，我们分析的细胞周期序列的物种酿酒酵母和布尔网络实现it.Comparing与适当的空模型，我们没有发现证据表明，酵母野生型网络是优化的高敲除弹性。我们对击倒恢复力的概念与吸引力盆地的大小弱相关，吸引力盆地也被认为是鲁棒性的衡量标准。

布尔网络中基于陷阱空间的控制策略辨识

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。

布尔型基因调控网络表观遗传吸引子景观的表征方法

Methods for Characterizing the Epigenetic Attractors Landscape Associated with Boolean Gene Regulatory Networks

基因调控网络（GRN）模型是研究发育过程中细胞命运特化的一个成熟的理论框架。最近，GRN的动力学模型已被视为Waddington的表观遗传景观的隐喻模型的形式化的基础上，GRN建模的一般协议提供了一个自然的扩展。在这篇文章中，我们提出了一个连贯的框架，一个新的实现两个先前提出的一般框架建模的表观遗传吸引景观与布尔GRNs：吸引子间和状态间转换的方法。我们实现了新的算法来估计吸引子间的转移概率，而不一定依赖于密集的单事件模拟。我们分析的性能和敏感性参数选择的算法估计吸引子间的转移概率使用三个真正的GRN模型。此外，我们提出了一个并排的下游分析工具，如吸引子的时间和全球的EAL排序分析。总的来说，我们展示了如何使用一个真实的案例研究的方法相互补充：上皮癌变的细胞水平的GRN模型。我们希望这里提出的工具包和比较分析是一个有价值的额外资源，系统生物学社区有兴趣在正常和病理发育过程中建模细胞分化和重编程。

在多尺度环境中翻译和评估单细胞布尔网络干预

Translating and evaluating single-cell Boolean network interventions in the multiscale setting

本研究通过将单细胞布尔网络干预翻译到多尺度连续时间多细胞模型，发现内部动力学差异可区分干预效果，证明考虑内部动力学对多细胞模拟的重要性。

论自然基因工程：随机布尔网络中的结构动力学

On Natural Genetic Engineering: Structural Dynamism in Random Boolean Networks

这篇简短的论文提出了一个抽象的，可调的模型，在细胞生命周期内的基因组结构变化，并探讨其与模拟进化的使用。遗传调控网络的一个众所周知的布尔模型被扩展为包括基于当前细胞状态的节点连接性的变化，例如，通过转座因子。由此产生的动态网络的基本行为进行调查之前，他们的可进化性进行了探索，使用版本的NK模型的健身景观。结构动力学被认为是选择在非平稳的环境中，随后显示出能够提供一种机制，当这种重组继承的进化创新。

E.的调控网络。大肠杆菌代谢作为一个布尔动力学系统，既表现出稳态，又表现出响应的灵活性

The regulatory network of E. coli metabolism as a boolean dynamical system exhibits both homeostasis and flexibility of response

阐明细胞的大规模遗传调控网络的结构和动力学是系统生物学的重要目标。我们研究了大肠杆菌的遗传网络，调节其代谢的系统级动力学特性，并展示了它的设计如何导致生物有用的细胞特性。我们的研究使用数据库（Covert et al.，Nature 2004），包含583个基因和96个外部代谢物，它不仅描述了网络连接，还描述了每个基因节点处的布尔规则，该规则控制基因的开关作为其输入的函数。我们已经研究了如何从这个数据库构建的布尔动力系统的吸引子依赖于基因的初始条件和各种环境条件对应的缓冲最小媒体。我们发现，该系统表现出稳态，它的吸引子，原来是固定点或低周期周期，是高度不敏感的初始条件或扰动的基因配置为任何给定的固定环境。同时，当外部介质变化时，吸引子显示出很大的变化，这意味着系统对变化的环境条件具有高度灵活的响应。调节动力学作用于在改变的培养基下提高细胞生长速率。我们的研究表明，在{ \it E. coli}是分层的、模块化的，并且在很大程度上是非循环的，环境变量控制层次结构的根。这种结构使细胞对基因构型的扰动具有高度鲁棒性，并对环境变化具有高度响应性。该动力系统虽然没有接近混沌的边缘，但仍然具有稳态和响应灵活性的双重特性。

遗传调控网络布尔模型的鲁棒性和脆弱性

Robustness and fragility of Boolean models for genetic regulatory networks

基因和基因产物之间的相互作用产生了复杂的电路，使细胞能够处理信息并对外部信号做出反应。理论研究通常使用连续、随机或逻辑方法描述这些相互作用。我们提出了一个新的建模框架基因调控网络，结合了直观的吸引力的定性描述基因状态的高度灵活性，将随机性在细胞过程的持续时间。我们将我们的方法应用到片段极性基因的调控网络中，从而获得了对基因表达模式发展的新见解。例如，我们表明，非常短的合成和衰变时间可以扰乱野生型模式。另一方面，翻译前和翻译后过程之间的时间尺度的分离和最小的prepattern确保收敛到野生型表达模式，而不管波动。

具有否决函数的布尔网络

Boolean networks with veto functions

布尔网络是离散动力学系统，用于模拟活细胞中的调节和信号传导。我们研究了一类特殊的布尔函数，其抑制输入对输出施加否决（强制零）。我们给出了这些功能的灵敏度的解析表达式，并为它们在自然系统中的作用提供了证据。在细胞内信号转导网络中[Helikar等人，PNAS（2008）]中，具有否决权的函数被超过同一系统中的阈值函数和canalysis函数的过度表示的因子过度表示。在用于控制酵母细胞周期的布尔网络中[Fangting Li等人，PNAS（2004），Davidich等人，PLoS One（2009）]，不需要对接线图进行任何或最小的修改，就可以根据这里介绍的否决权功能来制定它们的动态。

从微分方程到布尔网络：调控网络建模的案例研究

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。

系综、动力学和细胞类型：重温细胞调节的统计力学观点

Ensembles, Dynamics, and Cell Types: Revisiting the Statistical Mechanics Perspective on Cellular Regulation

遗传调控网络控制个体发育。50年来，布尔网络一直是这类系统的模型，从随机布尔网络的集合作为基因调控的一般特性的模型，到越来越多的真实细胞子网络的工作动力学模型。同时，对它们的统计力学也进行了深入的研究。在这里，我们概括了他们的原始动机的背景下，目前的理论和实证研究。我们讨论了随机布尔网络的动态吸引子模型细胞类型的合奏。子系综是临界系综。现在有强有力的证据表明，遗传调控网络是动态的关键，进化正在探索关键的子集合。该子系综的一般性质预测了细胞分化的基本特征。特别是，这种网络中吸引子的数量随着DNA含量的0.63次方而增加。作为每个细胞的DNA含量的函数的细胞类型的数量的数据显示0.88的比例关系。因此，该理论正确地预测了细胞类型的数量和每个细胞的DNA含量之间的幂律关系，以及可比较的斜率。我们讨论了这些新的标度值，并展示了布尔网络作为系统生物学基础模型的新研究路线的前景。

从单细胞基因表达数据合成可执行的基因调控网络

Synthesising Executable Gene Regulatory Networks from Single-cell Gene Expression Data

生物学的最新实验进展使研究人员能够同时获得数百甚至数千个细胞的单细胞分辨率的基因表达谱。这些单细胞测量提供了组成组织的细胞状态的快照，而不是传统高通量实验提供的群体水平平均值。因此，这些新数据为计算建模提供了一个令人兴奋的机会。在本文中，我们介绍的想法，查看单细胞基因表达谱的异步布尔网络的状态，和框架模型推理的布尔网络从其状态空间重建的问题。然后我们给出了一个可扩展的算法来解决这个综合问题。我们将我们的技术应用于模拟和真实数据。我们首先将我们的技术应用于从一个完善的骨髓祖细胞分化模型模拟的数据。我们表明，我们的技术是能够恢复原来的布尔网络规则。然后，我们将我们的技术应用于胚胎发育期间采集的包含数千个细胞测量值的大型数据集。我们的技术合成了匹配的布尔网络，对这些模型的分析产生了关于血液发育的新预测，我们的实验合作者能够验证这些预测。

细胞重编程背景下基于深度强化学习的布尔模型吸引子景观受控遍历

Deep Reinforcement Learning for Controlled Traversing of the Attractor Landscape of Boolean Models in the Context of Cellular Reprogramming

针对湿实验发现细胞重编程策略耗时且成本高的问题，提出一种基于深度强化学习的计算框架，在异步更新模式下构建BNs和PBNs控制问题，引入伪吸引子概念，并在多个模型上验证了其有效性。

基于计算代数的布尔分子网络模型控制目标识别

Identification of control targets in Boolean molecular network models via computational algebra

动机：生物医学和生命科学的其他领域中的许多问题可以被表征为控制问题，其目标是找到通过干预（例如药物或其他治疗性处理）将生物系统的疾病或其他不期望的状态改变为另一种更期望的状态的策略。这种策略的识别通常基于要通过目标控制输入改变的过程的数学模型。这篇论文集中在分子水平上的过程，决定了单个细胞的状态，包括信号或基因调控。所考虑的数学模型类型是布尔网络。潜在的控制目标可以由一组节点和边来表示，这些节点和边可以被操纵以在系统上产生期望的效果。在实验上，节点操作需要完全抑制或完全激活特定基因产物的技术，而边缘操作仅需要使两个基因产物之间的相互作用失活的药物。结果如下：本文提出了一种利用代数技术在布尔分子网络模型中识别潜在干预目标的方法。该方法利用布尔网络的代数表示将网络布线图中的控制候选编码为多项式方程组的解，然后使用计算代数技术来找到这样的控制器。本文中的控制方法进行了验证，通过识别组合干预的信号通路先前报道的控制目标在两个充分研究的系统，一个p53-mdm 2网络和血液T细胞淋巴细胞颗粒白血病生存信号网络。

Control in Boolean networks with model checking

Understanding control mechanisms in biological systems plays a crucial role in important applications, for instance in cell reprogramming. Boolean modeling allows the identification of possible efficient strategies, helping to reduce the usually high and time-consuming experimental efforts. Available approaches to control strategy identification usually focus either on attractor or phenotype control, and are unable to deal with more complex control problems, for instance phenotype avoidance. They also fail to capture, in many situations, all possible minimal strategies, finding instead only su…

利用动态陷阱空间关联生物标志物和表型

Relating biomarkers and phenotypes using dynamical trap spaces

本文提出了一种基于动态陷阱空间的表型定义方法，通过布尔模型识别生物标志物和细胞状态，提供了一种可扩展的模型与表型连接框架。

具有分析布尔规则的遗传网络总是稳定的

Genetic networks with canalyzing Boolean rules are always stable

我们确定了随机布尔遗传网络模型的稳定性和吸引子的性质与canalysing规则的各种架构。对于所有幂律、指数和平坦的入度分布，我们发现网络是动态稳定的。此外，对于每个节点的输入很少的架构，网络的动态接近临界。此外，活跃基因的比例随着每个节点的输入数量而减少。这些结果是基于调查合奏的网络使用分析方法。此外，对于不同的入度分布，计算不动点和圈的数量，结果直观上与稳定性分析一致;每个节点的输入越少，意味着更多的圈，反之亦然。有迹象表明，遗传网络获得更广泛的度分布与进化，因此我们的研究结果表明，对于单细胞，动态应该变得更加稳定的进化。然而，这种效应很可能被多细胞动力学补偿，因为当包括细胞之间的相互作用时，人们预计稳定性会降低。我们通过模拟细胞间相互作用的简单模型来验证这一点。

具有表观遗传控制的进化布尔调控网络

Evolving Boolean Regulatory Networks with Epigenetic Control

表观遗传机制在自然系统中的重要作用越来越明显。本文使用最近提出的抽象，可调布尔遗传调控网络模型，探讨表观遗传学的各个方面。它示出了如何动态控制转录通过DNA甲基化启发的机制可以选择通过模拟进化下的各种单细胞和多细胞的情况。此外，它表明，这种控制的效果可以继承而不损害健身。

基于SAT的同步布尔网络吸引子计算算法

A SAT-Based Algorithm for Computing Attractors in Synchronous Boolean Networks

本文讨论了在同步布尔网络的状态转移图中寻找圈的问题。同步布尔网络是一类用于基因调控网络建模的确定性有限状态机。它们的状态转换图循环，称为吸引子，代表被建模的生物体的细胞类型。当研究疾病或突变对生物体的影响时，每次在模型中注入故障时都必须重新计算吸引子。我们提出了一个算法，使用基于SAT的有界模型检查的吸引子。与传统的基于SAT的有界模型检测方法相比，该算法的新特征是：（1）不需要显式计算直径的终止条件和（2）减少使路径无环所需的附加子句的数量的技术。所提出的算法使用更少的空间比现有的BDD为基础的方法，并有可能处理几个数量级更大的网络。

ODE和随机布尔网络在6-巯基嘌呤代谢建模中的应用

ODE and Random Boolean networks in application to modelling of 6-mercaptopurine metabolism

我们考虑两种方法来建模的细胞代谢的6-巯基嘌呤，这是一个重要的化疗药物用于治疗急性淋巴细胞白血病：动力学常微分方程和随机布尔网络，并分析它们之间的相互作用，考虑到ATP浓度作为一个关键参数之间的切换不同的途径。结果表明，布尔网络，它允许避免复杂的一般动力学建模，保留了一个机会，再现的主要开关机制。为了保持详细的定量测量的控制参数，组合布尔ODE方法的建议。

布尔网络基因调控模型中高效Shapley值计算

Efficient Shapley values computation for Boolean network models of gene regulation

本文提出基于Shapley值的框架，用于评估布尔网络中节点对目标节点的重要性，通过传播方法高效计算Knock-out和Knock-in Shapley值，适用于有向无环网络并提供循环网络的良好近似。

CABeRNET：一个用于基因调控网络增强布尔模型的Cytoscape应用程序

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。

布尔调节函数集上的偏序

Partial Order on the set of Boolean Regulatory Functions

逻辑模型已成功地用于描述监管和信号网络，而不需要定量数据。然而，现有的数据不足以充分定义一个独特的模型，使得给定模型的参数化成为一项困难的任务。在这里，我们专注于与给定的监管结构，即所有单调的非退化布尔函数的集合兼容的布尔函数集的表征。然后，我们提出了一套原始的规则，以本地探索在这个集合中的任何函数的直接相邻函数，而不显式地生成整个集合。此外，我们提供的监管职能和相应的动态之间的关系。最后，我们通过重新审视Mendoza和Xenarios的T辅助细胞分化模型的概率布尔网络来说明这种方法的有用性。

布尔网络稳定性上界的上限

Upper bound for the stability of Boolean networks

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。

非马尔可夫布尔网络中的记忆效应

Effect of memory in non-Markovian Boolean networks

一个成功的相互作用的生物系统的模型是布尔网络。用布尔函数控制的布尔网络的动力学通常被认为是马尔可夫（无记忆）过程。然而，生物现象的自组织特征和它们的智能本质都应该对忽视它们的时间进化历史提出一些质疑。在这里，我们扩展了布尔网络马尔可夫方法：我们涉及的动态记忆的效果。这可以通过将布尔函数修改为非马尔可夫函数来探索，例如，通过研究通常的非马尔可夫阈值函数-最常用的布尔函数之一。通过将非马尔可夫阈值函数应用于细胞周期网络的动力学过程，我们发现了一种比马尔可夫动力学更鲁棒的幂律记忆。

癌症网络的演化与可控性：一个布尔观点

Evolution and Controllability of Cancer Networks: a Boolean Perspective

癌症形成一个强大的系统，并随着时间的推移而分期进展，通常具有越来越大的侵略性和恶化的预后。表征这些阶段并识别驱动它们之间转换的基因对于了解癌症进展和开发有效的抗癌疗法至关重要。在这里，我们提出了一个新的模型的“癌症系统”作为一个布尔状态空间，其中的布尔网络，建立从蛋白质相互作用和基因表达数据从不同阶段的癌症，布尔可满足性状态之间的过渡“编辑”的相互作用和“翻转”基因。我们的模型（称为BoolSpace）在三个案例研究中的应用-人类胰腺和乳腺肿瘤以及大鼠脊髓损伤后-揭示了对癌症进展现象的宝贵见解。特别是，我们注意到翻转的几个基因是丝氨酸/苏氨酸激酶，它们充当天然细胞开关，并且在初始和最终阶段不同的基因组被翻转，表明肿瘤进展的模式。我们假设癌症的稳健性部分源于不同阶段基因之间的“接力棒传递”，因此有效的治疗应该针对这些基因的“覆盖集”。BoolSpace的C/C++实现可在以下网址免费获得：http://www.bioinformatics.org.au/tools-data

反应网络的布尔约束满足问题

Boolean constraint satisfaction problems for reaction networks

本论文介绍了统计物理学和生物学之间的边界研究。首先，我们设计了一类布尔约束满足问题（CSP），其解决方案描述了可行的化学反应网络的操作状态。在发展了统计力学技术来产生解并研究了随机反应网络的集合和个体实例的解空间的性质之后，我们将这个框架应用于大肠杆菌的代谢网络。结果突出显示，一方面，一个复杂的组织的操作状态到“模块”，涉及不同的生化定义的途径，另一方面，模块之间的高度串扰。总之，我们建议，这类CSP可以提供新的和有用的定量信息连接结构功能的细胞反应网络。

布尔网络重编程行列式与其交互图的关系

Relationship between the Reprogramming Determinants of Boolean Networks and their Interaction Graph

在本文中，我们解决了触发细胞转分化的目标的范围内的布尔网络与异步动力学的正式表征。给定布尔网络的两个不动点，我们感兴趣的是允许从一个不动点切换到另一个不动点的所有突变组合，无论是可能的，还是不可避免的。在存在可达性的情况下，我们证明了一组节点（永久）翻转的互动图的某些连接组件中的唯一和必然。在不可避免的可达性的情况下，我们提供了一个算法来确定一个子集的可能的解决方案。

布尔网络动力学中单个节点的影响

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。

随机布尔网络种群的演化

Evolution of a population of random Boolean networks

我们研究了随机布尔网络的种群在选择下的演化，其动态特性对节点状态扰动的鲁棒性。适应度景观包含一个跨越整个网络空间的最大适应度的巨大平台。当选择如此强烈以至于它压倒了漂移时，进化过程就会伴随着平均连接性的缓慢增加和平均适应度的缓慢下降。具有较高突变率的进化群体在突变下表现出较高的稳健性。这意味着，即使所有进化的种群都存在于最大适应度的平台附近，它们最终会出现在网络空间的不同区域。

利用部分最宽容方案精化布尔模型

Refining Boolean models with the partial most permissive scheme

针对布尔模型动力学描述受限、多值化难度大的问题，提出MRBM方法，通过新的更新方案识别需多值化的组分以捕捉不动点可达性，经数学证明及多模型验证有效。

随机布尔网络的有限尺寸修正

Finite size corrections to random Boolean networks

自引入以来，鉴于布尔网络在不同更新协议下丰富的动态行为以及与细胞调节网络的定性相似性，传统上一直对布尔网络进行研究。最近，从无序系统的统计物理学和计算机科学中借用的工具已经提供了对它们的平衡行为的更完整的表征。然而，最大的一部分的结果已经获得了热力学极限，这往往是远远没有达到处理现实情况下的问题。这里提出的数值分析的目的是比较-一个特定的家庭模型-启发式信念传播算法与穷举的结果。在第二部分的文件的退火近似的有效性的一些分析考虑进行了讨论。

布尔网络模型稳态分析的AND-NOT逻辑框架

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。

细胞的信息结构

The Informational Architecture Of The Cell

我们比较了生物网络和随机网络的信息结构，以确定可以区分生物网络和随机网络的信息特征。本研究的重点是布尔网络模型的裂变酵母裂殖酵母菌的细胞周期的调节。我们比较计算值的裂变酵母细胞周期的本地和全球信息措施相同的措施，适用于两个不同类别的随机网络：随机和无标度。我们报告了局部信息处理和存储模式，这些模式确实区分了生物和随机，与调节裂变酵母细胞周期网络功能的控制节点相关。相反，我们发现，综合信息，这是一个全球性的措施“紧急”信息处理，并没有不同的情况下随机。我们讨论的影响，我们理解的裂变酵母细胞周期网络的信息架构，特别是，更普遍地照亮任何独特的物理，可能在生活中运作。

CANA v1.0.0 与 schematodes：高效量化 Boolean 自动机中的对称性

CANA v1.0.0 and schematodes: efficient quantification of symmetry in Boolean automata

本文提出精确识别离散函数输入最大对称群的算法并实现为 schematodes，纳入 Boolean 网络渠化分析库 CANA v1.0.0；实验表明其速度与准确性优于旧方法，并揭示 Cell Collective 调控函数的极端对称性富集。

Coevolving Boolean and Multi-Valued Regulatory Networks

Random Boolean networks have been used widely to explore aspects of gene regulatory networks. A modified form of the model through which to systematically explore the effects of increasing the number of gene states has previously been introduced. In this paper, these discrete dynamical networks are coevolved within coupled, rugged fitness landscapes to explore their behaviour. Results suggest the general properties of the Boolean model remain with higher valued logic regardless of the update scheme or fitness sampling method. Introducing topological asymmetry in the coevolving networks is seen…

BoolSi：布尔网络分布式仿真分析工具

BoolSi: a tool for distributed simulations and analysis of Boolean networks

我们提出了BoolSi，一个开源的跨平台命令行工具，用于同步更新的确定性布尔网络的分布式模拟。它使用MPI标准来支持在计算集群上执行，以及在单个计算机上的并行处理。BoolSi可用于模拟复杂动态网络的行为，例如基因调控网络。特别是，它允许网络吸引子的识别和统计分析。我们进行了一个形成层细胞的活动的案例研究，以证明该工具的能力。

布尔网络模型的元分析揭示基因调控网络的设计原理

A meta-analysis of Boolean network models reveals design principles of gene regulatory networks

该研究通过构建最大的专家整理布尔基因调控网络模型库并进行元分析，揭示了GRNs具有更高的渠化性、冗余性、稳定动力学及特定网络模体富集等设计原理，为理解进化偏好提供了基础。

基于生物动力学约束的布尔网络综合

Synthesis of Boolean Networks from Biological Dynamical Constraints using Answer-Set Programming

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。

使用布尔网络吸引子发现治疗靶点：避免病理表型

Therapeutic target discovery using Boolean network attractors: avoiding pathological phenotypes

靶点鉴定是药物发现的步骤之一，其目的是鉴定其功能应在治疗上改变以治愈所考虑的病理的生物分子。本文提出了一种基于布尔网络吸引子的计算机目标识别算法。它假设动力系统（如布尔网络）的吸引子对应于由建模的生物系统产生的表型。在此假设下，并给定对病理生理学建模的布尔网络，该算法识别能够去除与病理表型相关的吸引子的目标组合。它是一个布尔模型的哺乳动物细胞周期轴承组成性失活的视网膜母细胞瘤蛋白，如在癌症中所见，其应用程序的范科尼贫血的布尔模型上进行了测试。结果表明，该算法返回的目标组合能够去除与病理表型相关联的吸引子，然后成功地执行所提出的在硅片上的目标识别。然而，与任何计算机证据一样，理论与实践之间存在一座桥梁，因此需要将其与湿实验室实验结合使用。尽管如此，预计该算法是感兴趣的目标识别，特别是通过利用计算方法的廉价性和预测能力，以优化昂贵的湿实验室实验的效率。

BoolForge: 受控生成和分析布尔函数和网络

BoolForge: Controlled Generation and Analysis of Boolean Functions and Networks

BoolForge是一种Python工具包，用于随机生成和分析布尔函数和网络，重点在于canalization属性，支持生成具有指定canalizing深度和结构的布尔函数，构建具有可调拓扑和功能特性的布尔网络，并分析结构和动态特征。

小鼠胚胎干细胞多能性的随机动态观察

A stochastic and dynamical view of pluripotency in mouse embryonic stem cells

多能胚胎干细胞由于其自我更新和分化为所有主要细胞系的先天能力而对生物医学研究至关重要。退出或保持多能状态的决定性决定是由复杂的遗传调控网络调控的。转录组学的最新进展使得推断多能性调控网络的基本拓扑结构成为可能。然而，推断的网络拓扑结构只编码布尔信息，而对基因表达中的动力学和分子噪声的作用保持沉默。这些特征被广泛认为是功能决策的必要条件。在这里，我们开发了一个框架，用于将布尔水平网络扩展到考虑个体遗传开关和启动子结构的模型中，该模型允许对分子噪声、外部信号和网络拓扑结构的作用进行机械询问。我们证明了网络的多能性状态是一个广泛的吸引子，它对基因表达的变化是鲁棒的。另一方面，退出多能状态的动力学受到源自遗传转换事件的分子噪声的显著影响，所述遗传转换事件使细胞对细胞外信号更敏感。最后，我们表明，稳定状态的概率景观可以显着重塑全球基因开关率单独可以作为一个代理如何全球表观遗传修饰发挥控制多能性国家的稳定性。

布尔模型粗粒度采样调控网络的连续动力学

Boolean models coarsely sample continuous dynamics of regulatory networks

本文提出将单调布尔模型嵌入多级组合模型框架，证明布尔模型系统性地低估网络动力学，而DSGRN方法能高效捕获更丰富的动力学行为，为离散与连续建模提供数学桥梁。

布尔网络结构理解的递归自复合方法

Recursive Self-Composite Approach Towards Structural Understanding of Boolean Network

本文提出递归自复合方法，揭示布尔网络更新规则的重复逻辑结构，并据此设计跳跃填充算法，以高效分析网络结构动态性质并发现核状态与周期规律。

随机布尔网络简介

Introduction to Random Boolean Networks

本教程的目标是促进对随机布尔网络（RBN）研究的兴趣。这些可能是非常有趣的模型，因为人们不必假设网络的任何功能或特定连接来研究它们的一般属性。像这样，RBN已经被用于探索生命可能出现的配置。RBN是元胞自动机的推广，这一事实使其研究成为一个非常重要的课题。本教程面向广大受众，介绍了RBN的最新技术，跨越了不同团体进行的几条研究路线。我们专注于人工生命领域的研究，因为我们无法穷尽几十年来与RBN相关的大量研究。

渠化布尔网络的动力学

The Dynamics of Canalizing Boolean Networks

布尔网络是计算生物学中的一种流行的建模框架，用于捕获分子网络的动力学，例如基因调控网络。人们已经观察到，许多已发表的模型，这种网络是由监管规则驱动的动态，具有某些所谓的渠道属性定义的。在本文中，我们研究了一个随机布尔网络的动力学与这些属性使用分析方法和模拟。从我们的模拟中，我们观察到，具有更高的渠化深度的布尔网络通常具有更少的吸引子，吸引子更小，盆地更大，对模型的稳定性和鲁棒性有影响。这些特性与许多生物应用相关。此外，我们的研究结果表明，从吸引子结构的角度来看，高渠化深度，相对较小的积极渠化深度相比，有一个非常温和的动态影响。受这些观察的启发，我们对渠化深度为1的随机布尔网络的吸引子结构进行了数学研究（即，最小的正深度）。对任意正整数$\ell$，给出了当$n$趋于无穷大时，$n$ -状态随机布尔网络中长度为$\ell$的吸引子的期望个数的极限的显式表达式.

受体交互作用的随机网络模型预测抗血管生成作用

Stochastic Network Model of Receptor Cross-Talk Predicts Anti-Angiogenic Effects

肿瘤的侵袭和转移依赖于血管生成。在血管生成过程中发生的细胞过程（生长、迁移和凋亡）受到信号分子的严格调控。因此，了解细胞如何合成由关键外部刺激引发的多种生化信号可以导致开发新的治疗策略来对抗癌症。面对大量实验室使用各种检测方法产生的大量不相交的实验数据，理论信号转导模型提供了一个框架来提取大量数据。这种模型提供了一个机会，制定和测试新的假设，并可用于作出实验验证的预测。这项研究是第一个提出一个网络模型，突出了参与血管生成的关键受体，即生长因子，整合素和钙粘蛋白受体之间的串扰。从已有的实验数据出发，构建了受体串扰的随机布尔网络模型，系统地分析了该网络在带噪声生产函数的连续时间布尔动力学下的动力学稳定性.我们发现，信号转导网络表现出强大的和快速的响应外部信号，独立于内部细胞状态。我们推导出一个输入输出表，将外部刺激映射到细胞表型，该表对分子噪声非常稳定，但有一个重要的例外：关键信号分子RhoA和Rac1之间的振荡反馈回路在任意低噪声下不稳定，导致不稳定，功能失调的细胞运动。最后，我们发现该网络表现出随噪声增加的凋亡响应率，这表明程序性细胞死亡的概率取决于细胞健康。

布尔阈值网络：生物建模的优点和局限性

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。

用于基因组尺度代谢网络模型中基因功能主动学习的布尔矩阵逻辑编程

Boolean matrix logic programming for active learning of gene functions in genome-scale metabolic network models

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。

Complexity of fixed point counting problems in Boolean Networks

A Boolean network (BN) with $n$ components is a discrete dynamical system described by the successive iterations of a function $f:\{0,1\}^n \to \{0,1\}^n$. This model finds applications in biology, where fixed points play a central role. For example, in genetic regulations, they correspond to cell phenotypes. In this context, experiments reveal the existence of positive or negative influences among components: component $i$ has a positive (resp. negative) influence on component $j$ meaning that $j$ tends to mimic (resp. negate) $i$. The digraph of influences is called signed interaction digrap…