Entangled gene regulatory networks with cooperative expression endow robust adaptive responses to unforeseen environmental changes
生物体必须对环境变化作出反应。一般来说，准确和快速的反应是由简单的单向网络提供的，该网络将输入与输出连接起来。除了准确性和速度，生物反应还应该对环境或细胞内噪音和突变具有鲁棒性。此外，细胞还必须对以前没有经历过的不可预见的环境变化做出反应，以避免在其网络进化重新布线之前灭绝，这需要数代人。我们研究了相互激活或抑制的基因调控网络，并证明了复杂的纠缠网络可以建立适当的输入输出关系，满足不可预见的挑战所需的鲁棒性和适应性反应。这种纠缠网络的功能是对每个基因表达的低希尔系数反应进行草率和不可靠的响应。为了弥补这种马虎，调控网络中存在一些迂回。与简单的单向电路相比，通过利用这种迂回的平均，网络对环境和细胞内噪声以及网络中的突变表现出更高的鲁棒性。此外，实现了对不可预见的挑战的适当响应，允许功能输出，因为许多基因表现出类似的动态表达响应，而与输入无关，如通过应用动态时间规整和动态模式分解所证实的。由于复杂的缠结网络在基因调控网络中很常见，并且在微生物实验中观察到全局基因表达响应，本文的结果为细胞网络的设计提供了一种新的原则。
2020-12-08 physics.bio-ph q-bio.MN
Sparse essential interactions in model networks of gene regulation
基因调控网络通常具有低入度，由此任何给定的基因由网络中的少数基因调控。是什么机制导致了这些低入度？从一个公认的转录因子与DNA结合的框架开始，我们考虑一个简单的基因调控动力学模型。在这个模型中，我们表明，具有一个给定的功能的约束，导致出现的最小连通兼容的功能。我们在数学上展示了这种行为在我们的模型的限制，并表明它也出现在完整的模型。因此，这些基因网络中的功能是吝啬的，即，集中在稀疏数量的相互作用上，例如通过它们的重要性来衡量。因此，我们的模型为稀疏调控网络的出现提供了一个简单的机制，并导致突变的非常异质的影响。
2009-10-21 cond-mat.stat-mech q-bio.MN
Design of artificial genetic regulatory networks with multiple delayed adaptive responses
具有适应性反应的遗传调控网络在生物学中被广泛研究。通常，只考虑由几个节点组成的模型。它们提供一个用于激活的输入受体和一个计算自适应响应的输出节点。在这项工作中，我们设计了遗传调控网络与许多受体和许多输出节点能够产生延迟的适应性反应。该设计通过使用突变和选择的进化算法来执行，该算法最小化由信号形状中的自适应响应定义的误差函数。我们提供了几个具有预定义的自适应延迟响应集的网络构建示例。我们表明，一个输出节点可以有不同种类的响应作为激活的受体的函数。此外，复杂的网络结构，因为处理节点可以参与几个输入输出路径。
2016-06-02 physics.bio-ph q-bio.MN
A Network Science Approach to Driver Gene Detection In Human Regulatory Network Using Genes Influence Evaluation
癌症的发生是由于细胞调节机制的紊乱，导致细胞畸形.启动畸形的基因被称为癌症驱动基因（CDG）。目前已经有许多计算方法被用来识别使用突变概念的癌症驱动基因。关于人类细胞和肿瘤发展中的异常传播，CDG可能是网络中具有高影响力的潜在基因类型。这增加了影响扩散概念对于识别CDG的重要性。最近开发了一种基于影响最大化的识别癌症驱动基因的方法。在这些类型的网络中的挑战之一是发现边缘之间的调控相互作用的力量。目前的研究开发了一种技术来识别癌症驱动基因并预测转录调控网络中调控相互作用的影响。该技术利用影响扩散的概念，并基于影响扩散对超链接诱导的主题搜索算法进行优化。结果表明，我们提出的技术比其他计算和基于网络的方法更好的性能。
2020-01-26 q-bio.MN
Comparative study of the transcriptional regulatory networks of E. coli and yeast: Structural characteristics leading to marginal dynamic stability
在随机布尔函数的框架下研究了{ \it Escherichia coli}和{ \it Saccharomyces cerevisiae}转录调控网络的动力学性质。这些网络对单点突变的动态响应的特征在于突变元素的数量作为时间的函数和弛豫时间到新的稳态的分布，这在两个网络中是不同的。与随机网络的行为比较，揭示了除平均连通性之外的相关结构特征，即电路的组织和入度分布的函数形式。在{ \it E. coli}和{ \it S. cerevisiae}将它们的动力学转向边缘稳定性，克服了它们的平均连通性所施加的限制，这被认为与活生物体中鲁棒性和适应性的同时存在有关。
2006-09-22 q-bio.MN
Patterns of subnet usage reveal distinct scales of regulation in the transcriptional regulatory network of Escherichia coli
由转录因子介导的基因间的调控相互作用形成了物种的转录调控网络（TRN）。通过将该网络与测量的基因表达数据进行比较，可以识别TRN的功能特性并获得对转录控制的一般了解。我们定义一个节点的子网为子图，由该节点拓扑下游的所有节点组成，包括它自己。利用大肠杆菌的大量微阵列表达数据，我们发现不同大肠杆菌中的基因表达在响应环境变化和基因型突变时表现出结构化的模式。表达模式变化较小的亚群具有较高比例的前馈环基序和较低比例的小RNA靶标。我们的研究表明，TRN由几个规模的调节组织：1）与更多的不同的基因表达控制的转录因子和转录后RNA调控，和2）与较少的变化基因表达有更多的前馈环和较少的转录后RNA调控的TRN。
2010-05-24 q-bio.MN
Stabilizing Gene Regulatory Networks Through Feedforward Loops
基因调控网络的全局动力学对内部和外部噪声形式的扰动以及单个基因的突变具有鲁棒性。这种稳健性背后的一种分子机制已被确定为通过前馈回路操作的所谓microRNA的作用。我们目前的计算研究结果，使用随机布尔网络的建模框架，探讨了这种网络模体在稳定全球动态中发挥的作用。本文提出了一种新的随机网络稳定性测度。结果表明，某些类型的前馈回路确实缓冲了网络对随机效应的影响。
2013-05-23 math.DS nlin.CD q-bio.MN
Informational blueprints reveal condition-dependent gene regulatory architectures
NSF-Simons National Institute for Theory and Mathematics in Biology（NSF-Simons生物理论与数学国家研究所）；James Franck Institute, The University of Chicago（芝加哥大学詹姆斯·弗兰克研究所）；Division of Biology and Biological Engineering, California Institute of Technology（加州理工学院生物学与生物工程系）；Department of Bioengineering, Stanford University（斯坦福大学生物工程系）；Department of Applied Physics, Stanford University（斯坦福大学应用物理系）；Departments of Molecular & Cell Biology and of Physics, Biophysics Graduate Group, Institute for Quantitative Biosciences-QB3, University of California, Berkeley（加州大学伯克利分校分子与细胞生物学系、物理学系、生物物理学研究生组、定量生物科学研究所-QB3）；Chan Zuckerberg Biohub–San Francisco（陈·扎克伯格生物枢纽旧金山中心）；Department of Physics, California Institute of Technology（加州理工学院物理学系）；Leinweber Institute for Theoretical Physics, The University of Chicago（芝加哥大学莱因韦伯理论物理研究所）；Chan Zuckerberg Biohub–Chicago（陈·扎克伯格生物枢纽芝加哥中心）
本研究提出了一种信息蓝图算法，通过压缩全局信息来识别在特定环境条件下活跃的转录因子结合位点，展示了其在大尺度生长条件下的应用价值。
2026-05-18 cond-mat.stat-mech q-bio.GN q-bio.MN
Combinatorial Limits of Transcription Factors and Gene Regulatory Networks in Development and Evolution
由转录因子（TF）及其顺式启动子组成的基因调控网络（GRN）被认为足以指导生物体的发育。GRNs中的突变被认为是多细胞生命进化的主要驱动力。这里证明了这两个假设都是不正确的。它们不符合有界编码网络组合学的基本原理。它表明，有固有的复杂性和控制能力的限制，任何基因调控网络是完全基于蛋白质编码基因，如转录因子。这一结果对于理解发育、进化、寒武纪大爆发以及癌症等多细胞疾病具有重要的实际意义。如果这些论点是合理的，那么基因就不能解释复杂的多细胞生物的发展，基因也不能解释复杂的多细胞生命的进化。
2015-07-31 q-bio.MN
Evolution of new regulatory functions on biophysically realistic fitness landscapes
调控网络由具有高度相互化学特异性的相互作用分子组成。当这些分子的功能依赖于维持与同源伙伴的相互作用并同时避免与非同源分子的有害“串扰”时，它们如何进化？虽然分子相互作用的物理模型提供了一个框架，在其中可以分析网络组件的共同进化，大多数理论研究都集中在单个等位基因的进化，忽略了网络。相反，我们研究基因调控网络进化中的基本步骤：复制一个转录因子，然后选择转录因子来专门化它们的输入以及它们下游基因的调控。我们展示了如何粗粒的完整的，生物药理学现实的基因型-表型映射到宏观功能的结果，并量化实现每个过程的概率。我们确定哪些进化和生物物理参数偏向于快速出现新功能的进化轨迹，并表明这可以大大促进影响TF特异性的“滥交促进”突变的可用性。
2017-02-27 q-bio.MN q-bio.PE
Cancer driver gene detection in transcriptional regulatory networks using the structure analysis of weighted regulatory interactions
启动细胞异常和导致人类癌症的基因的鉴定是肿瘤学研究的重要领域之一。这些基因中的突变和异常发展然后转移到细胞中的其他基因，从而破坏细胞的正常功能。这些基因被称为癌症驱动基因（CDG）。已经提出了用于预测CDG的各种方法，其中大多数基于基因组数据和基于计算方法。因此，一些研究人员开发了新的生物信息学方法。在这项研究中，我们提出了一个算法，这是能够计算每个基因的有效性和强度，并通过使用基因调控网络和基因之间的调控连接结构的随机分析排名。为此，我们首先使用基因表达数据和调控相互作用列表构建了调控网络。然后，利用网络的生物学和拓扑学特征，我们对调节相互作用进行加权。在此基础上，将得到的调控作用权重用于相互作用结构分析过程。相互作用的分析，实现了使用两个单独的马尔可夫链的二分图从主图的基因网络。要做到这一点，随机方法的链接结构分析已实施。所提出的算法分类较高排名的基因作为驱动基因。所提出的算法的效率，关于F-测量值和识别的驱动基因的数量，与其他23个计算和基于网络的方法进行了比较。
2021-01-19 q-bio.BM q-bio.MN
The effect of scale-free topology on the robustness and evolvability of genetic regulatory networks
我们研究了无标度（SF）和Erdos-Renyi（ER）拓扑结构如何影响布尔阈值动力学模型基因调控网络的可进化性和鲁棒性之间的相互作用。与Oikonomou和Cluzel（2006）的观点一致，我们发现具有SFin拓扑的网络，即传入节点的SF拓扑和传出节点的ER拓扑，比传入和传出节点都具有ER拓扑的网络更容易向特定的振荡目标进化。对于具有SFboth和SFout拓扑的网络，也发现了类似的结果。SFout拓扑结构的功能最接近于生物基因网络的结构（Babu等人，2004）通过扩展到具有振荡或非振荡性质的多个目标输出，进一步详细地与ER拓扑进行比较。对于相同长度的多个振荡目标，SFout和ER网络之间的差异增强，但对于非振荡目标，这两种类型的网络表现出相当相似的演化。我们发现SF网络比ER网络更容易产生振荡，这可以解释为什么SF网络比ER网络更容易演化为振荡表型。尽管他们更大的进化，我们发现，SFout拓扑结构的网络也更强大的突变比ER网络。此外，SFout拓扑对初始条件的变化更鲁棒（环境鲁棒性）。对于这两种拓扑结构，我们发现，一旦人口的网络已经达到目标状态，进一步的中性进化可以导致增加的突变鲁棒性和环境鲁棒性的初始条件的变化。
2010-05-24 q-bio.MN q-bio.PE
Emergent Network Structure, evolvable Robustness and non-linear Effects of Point Mutations in an Artificial Genome Model
遗传调控是发展的一个关键组成部分，但对遗传网络的结构和动态的清晰理解还没有到手。在本文中，我们研究了这些性质的人工基因组模型最初介绍的Reil（1999）。我们分析了随机生成的基因组的统计特性的序列和网络水平上，并表明，该模型正确地预测基因组中的基因的频率在实验数据中发现。使用进化算法的基础上稳定选择的表型，我们表明，对单碱基突变的动态鲁棒性，以及对随机变化的初始状态的监管动态，模仿环境条件下的随机波动，可以并行出现。在序列水平上的点突变对网络布线具有强烈的非线性影响，包括结构中性突变和多个连接的同时重新布线，这偶尔会导致吸引子景观的强烈重组和演化动力学的亚稳定性。进化的基因组在序列和网络水平上都表现出特征模式。
2009-08-25 cond-mat.dis-nn cs.NE q-bio.GN
Deep learning-based virtual perturbation reveals increasing heterogeneity of gene regulatory responses with aging
Bar-Ilan University（巴伊兰大学）；Beijing Normal University（北京师范大学）；Brigham and Women’s Hospital（布莱根和妇女医院）；Harvard Medical School（哈佛医学院）
该研究利用深度学习框架DKO分析多物种单细胞转录组数据，发现衰老会使基因调控响应异质性增加，且与分子损伤、衰老状态相关，揭示了衰老的保守调控特征。
2026-10-15 q-bio.GN q-bio.MN q-bio.TO
A Reexamination of Noise-Driven Robustness Evolution in Gene Regulatory Networks
The University of Tokyo（东京大学）；Ochanomizu University（御茶水女子大学）；RIKEN Center for AIP（理化学研究所人工智能研究中心）
重新审视基因调控网络中噪声驱动的稳健性进化，通过明确计算细节重现主要定性结果，分析进化种群对初始条件变化的稳健性，提供可重复实现并开源代码，支持对动态GRN模型稳健性的进一步研究。
2026-09-02 nlin.AO q-bio.MN
DNA looping provides stability and robustness to the bacteriophage lambda switch
λ噬菌体中控制从溶原性到溶解的过渡的λ基因调控开关对定量建模提出了独特的挑战。尽管对这种调控网络进行了广泛的表征，但溶原状态的极端稳定性的起源仍然不清楚。我们已经建立了一个随机模型，这种开关。使用前向通量采样模拟，我们表明，该模型预测一个非常低的率自发原噬菌体诱导recA突变体，与实验观察一致。在我们的模型中，由与O_L和O_R操纵子区结合的CI的八聚化形成的DNA环对于稳定性至关重要，即使当总CI的大部分被非特异性结合到基因组DNA而耗尽时，也允许溶原状态保持稳定。DNA成环还确保开关对O_R结合位点顺序的突变具有鲁棒性。我们的研究结果表明，DNA成环可以提供一种机制，以保持一个稳定的溶原状态，在面对一系列的挑战，包括嘈杂的基因表达，非特异性DNA结合和操作位点突变。
2009-05-14 q-bio.MN q-bio.QM
An RNA-centered view of eukaryotic cells
新出现的证据表明，高等真核生物基因组的内含子和基因间序列（"垃圾“DNA）编码了一个巨大的、基于RNA的遗传调控网络。据信，这一网络是负责地球生命的多样性和复杂性。我们推测，这个调控网络更恰当地被看作是一个RNA "社区“，由丰富的、基本上未被探索的RNA相互作用的生化网络组成。我们假设高等真核生物的RNA调控网络作为一个RNA共同体，可以重新布线，并采用各种可进化的突变策略来应对外部压力。因此，我们认为，许多进化的变化是由于细胞内，RNA介导的学习过程。成功的策略和途径然后通过逆转录酶记录（硬连线）到DNA基因组中。我们提出的证据，这是符合这一观点，并作出具体的预测，可用于测试我们的框架的效用。如果真核细胞的RNA群落观点基本上是正确的，那么它就可以将测量到的点突变和基因复制率与实际的进化变化率相协调。然而，真核细胞的RNA社区观点表明，在数学经济学、博弈论和神经科学中使用的基于主体的建模技术，在理解真核细胞的功能方面可能与系统生物学的基于路径的方法一样有用。最后，我们认为，已经积累了足够的生物学知识，启动了一个系统的计划，实验和计算研究的起源和宏观进化的陆地生命。
2005-02-05 q-bio.MN q-bio.PE
Multi-modality in gene regulatory networks with slow promoter kinetics
在缺乏遗传变异的情况下，表型变异通常反映了与潜在的基因调控网络（GRNs）相关的复杂能量景观。在这种观点中，不同的表型与复杂非线性系统的替代状态相关联：确定性模型中的稳定吸引子或随机描述中的平稳分布模式。我们提供了这些景观的理论和实践特征，特别是专注于随机慢启动子动力学，相关的时间尺度时，转录因子的绑定和解绑定的表观遗传过程，如DNA甲基化和染色质重塑。在这种情况下，很大程度上未经探索，除了数值模拟，绝热近似的促进剂动力学是不合适的。在现有的文献相比，我们提供了严格的分析表征的多种模式。一般的形式化方法可以洞察参数的影响，并预测GRN布线的变化，例如通过突变或人工干预，影响可能的数量，位置和替代状态的可能性。我们适应的工具，从数学领域的奇异摄动理论，代表固定分布的化学主方程的GRNs的泊松分布的混合物，并获得明确的公式的亚稳态的位置和概率作为一个函数的参数描述的系统。作为例证，该理论是用来梳理出的随机模型中的合作绑定的作用相比，确定性模型，和应用程序给出了各种模型系统，如切换开关隔离或在通信的人口，合成振荡器和trans-differentiation网络。
2018-06-26 q-bio.MN
Regulatory motifs: structural and functional building blocks of genetic computation
发展和维持生命需要大量的计算。这是由基因调控网络完成的。但我们对这种计算是如何组织的知之甚少。我表明，调控网络的结构和功能之间存在直接的对应关系，我称之为调控基序。我得出一个简单的约束的范围内的功能，这些图案可以执行，在本地网络结构。我证明了这个范围是所有可能函数的一小部分，这严重限制了全局网络的行为。这种限制的部分原因是调节基序可以实现的功能冗余-有很多方法可以执行相同的任务。调控基序帮助我们理解遗传计算是如何组织的，以及它能实现什么。
2022-08-31 cond-mat.stat-mech q-bio.MN
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
Computational Modelling of Plasticity-Led Evolution
可塑性主导的进化是一种进化形式，其中环境的变化通过表型可塑性诱导新的性状，之后新的性状在新的环境下遗传适应几代人。这种进化模式有望解决渐进主义的问题（即，现代进化综合理论（Modern Evolutionary Synthesis）所暗示的，在面对巨大的环境变化时，通过缓慢积累诱发表型变异的突变来实现进化。虽然实验工作对于验证可塑性主导的进化确实发生至关重要，但我们需要计算模型来深入了解其潜在机制并做出定性预测。这种计算模型除了遗传学和自然选择之外，还应该包括发育过程和基因-环境相互作用。我们指出，基因调控网络模型可以包含所有上述概念。在这篇综述中，我们强调了基因调控网络的计算建模结果，巩固了可塑性主导的进化标准。由于基因调控网络在数学上等价于人工递归神经网络，我们还讨论了它们的类比和差异，这可能有助于进一步理解可塑性主导的进化机制。
2022-12-19 q-bio.MN q-bio.PE
Motifs emerge from function in model gene regulatory networks
基因调控网络出现在所有活细胞中，允许控制基因表达模式。对它们拓扑结构的研究表明，某些相互作用或“基序”的子图出现的频率非常高。我们在此要问的是，这种现象是否会因为这些网络所发挥的功能而出现。给定一个描述监管互动和动态的框架，我们考虑在所有调控网络的空间中，那些有规定的功能。然后使用蒙特卡罗抽样来确定这些功能网络如何导致相互作用中的特定基序统计。在这种情况下，调控网络的约束，表现出多稳定性，我们发现一个高频率的基因对，是相互抑制和自我激活。相比之下，被限制为具有周期性基因表达模式（例如模仿细胞周期）的网络具有高频率的bifan样基序，涉及四个基因，至少一个激活和一个抑制相互作用。
2011-04-22 cond-mat.stat-mech q-bio.MN
Sex chromosome stability and turnover across vertebrates: a developmental gene regulatory network perspective
Vrije Universiteit Brussel（布鲁塞尔自由大学）；Zhejiang University（浙江大学）
本文从发育基因调控网络角度探讨性染色体的稳定性与周转，比较哺乳动物与鸟类与多数两栖类、鱼类及植物的差异，提出GRN锁假说，分析性染色体在进化中的锁定与频繁周转机制。
2026-03-23 q-bio.MN q-bio.PE
Under-dominance constrains the evolution of negative autoregulation in diploids
调控网络已经进化到允许基因表达快速跟踪环境中的变化，以及在没有变化的情况下缓冲扰动和维持细胞内稳态。在大肠杆菌中的理论工作和实验研究表明，负性自调节赋予快速的响应时间和降低的内在噪音，这反映在几乎一半的大肠杆菌转录因子是负性自调节的事实上。然而，在酿酒酵母的转录因子中，负自调节是极其罕见的。这种差异是更令人惊讶的，因为E。coli和革兰氏阳性菌S.酿酒酵母具有非常相似的网络模体序分布。在本研究中，我们首次发现果蝇和人类转录因子之间的调节相互作用具有与果蝇相似的缺乏负自调节的现象。啤酒。然后，我们提出了一个模型，证明了在物种之间使用的降噪策略的这种基本差异可以通过对二倍体中负自调节进化的限制来解释。我们发现，同一细胞内同源基因对之间的调控相互作用可导致显性不足突变，从而导致更强的自动调节，并降低纯合子中的噪声，矛盾的是，可导致杂合子中的噪声增加。这严重限制了二倍体进化负性自动调节作为降噪机制的能力。我们的工作提供了一个简单和一般的解释以前无法解释的差异，调节结构之间的E。大肠杆菌和酵母，果蝇和人类。它还表明，基因网络中的二倍体效应可能会产生违反直觉的后果，可能会深刻地影响进化的进程。
2012-12-05 q-bio.GN q-bio.MN q-bio.PE
Adaptive gene regulatory networks
基因之间的调控相互作用显示出大量的跨物种变异性，即使潜在的功能是保守的：有许多方法可以实现相同的功能。在这里，我们调查的能力，调控网络重现给定的表达水平在一个简单的模型中的基因调控。我们发现一个指数级大的调控网络空间与一组给定的表达水平兼容，从而产生了广泛的网络熵。调控网络的典型实现被发现共享一个偏向对称的相互作用，在符合经验证据。
2009-02-17 q-bio.MN
Robustness, Stability and Efficiency of Phage lambda Gene Regulatory Network: Dynamical Structure Analysis
基于我们的物理和生物学研究，我们最近开发了一个数学框架，用于分析非线性动力学。我们称这个框架为动态结构分析。它有四个动力要素：潜在景观、横向矩阵、后代矩阵和随机驱动。特别强调了潜在景观的重要性和存在性。通过对λ噬菌体最简单的基因调控网络的稳定性、鲁棒性和效率的研究，详细说明了动态结构分析。
2004-03-15 cond-mat.stat-mech nlin.AO q-bio.MN
Noise control in gene regulatory networks with negative feedback
基因和蛋白质通过复杂的生化反应回路调节细胞功能。这些调控网络的组件中的波动导致噪声，该噪声总是破坏信号，可能损害功能。在这里，我们创建了一个实用的形式主义的基础上介绍的想法维纳和Kolmogorov（WK）的过滤噪声在工程通信系统，以定量评估在何种程度上可以控制噪声的生物过程中，涉及负反馈。应用的理论，再现了先前证明的缩放的信号事件的数量方面的噪声抑制的下限，表明四环素抑制剂为基础的负调控基因电路的行为作为WK过滤器。对于类Hill-like非线性调节函数，这种类型的滤波器提供了最佳的噪声降低。我们的理论方法可以很容易地结合实验测量的响应函数在各种各样的遗传电路，阐明生物网络最小化噪声的一般原则。
2016-03-08 cond-mat.stat-mech physics.bio-ph q-bio.MN
Gene regulatory and signalling networks exhibit distinct topological distributions of motifs
细胞决策和分化的生物学过程涉及大量的信号通路和基因调控回路。反过来，这些网络表现出大量的基序，在调节网络活动中发挥着至关重要的作用。在这里，我们比较了基因调控和信号网络中基序的拓扑位置，发现它表明不同的细胞子网络的基序分布不同的进化策略。
2018-04-12 q-bio.MN
From time-series transcriptomics to gene regulatory networks: a review on inference methods
基因调控网络的推断已经成为一个活跃的研究领域约20年，导致基于各种假设和方法的复杂推断算法的发展。随着对更精确和更强大的模型的需求不断增加，推理问题仍然具有广泛的科学兴趣。生物系统通过基因调控网络的抽象表示代表了研究此类系统的强大方法，编码不同数量和类型的信息。在这篇综述中，我们总结了不同类型的推理算法，特别是基于时间序列转录组学，给出了基因调控网络在计算生物学中的主要应用的概述。这篇综述旨在为生物学家和研究人员提供调控网络推理工具的最新概述，并指导他们选择最适合他们的问题，目标和实验数据的适当推理方法。
2022-11-02 q-bio.MN
Evolution of Canalizing Boolean Networks
利用带渠化函数的布尔网络对基因调控网络进行建模。为了了解这种网络在进化力量下的行为，我们通过自适应行走模拟了单个布尔网络的进化，这使我们能够探索适应度景观。突变改变了节点的连接和功能。我们的适应性标准是对小扰动的动力学吸引子的鲁棒性。我们发现，在这个适应度标准下，总是达到全局最大值，并且存在一个巨大的100%适应度的中性空间。此外，尽管具有如此高的鲁棒性，进化网络仍然与“混沌”网络共享许多特征。
2007-06-29 q-bio.MN q-bio.PE
GeneNetMiner: accurately mining gene regulatory networks from literature
GeneNetMiner是一个独立的软件，它解析iHOP的句子并捕获监管关系。调控关系是基因基因调控或基因生物过程关系。捕获基因生物过程关系是这种工具的独特特征。这些关系可用于建立特定生物过程、疾病或表型的基因调控网络。用户能够搜索基因和生物过程，以找到它们之间的调控关系。每个监管关系都被分配了一个置信度得分，该得分指示真实关系的概率。此外，它还报告包含查询词的句子，这允许用户手动检查关系是否为真。GeneNetMiner能够从文献中准确捕捉基因之间的调控关系。
2014-09-06 q-bio.GN q-bio.MN
Two different modes of oscillation in a gene transcription regulatory network with interlinked positive and negative feedback loops
我们研究了一个由正负反馈环相连的基因调控网络的振荡行为。频率和振幅是振动的两个重要性质。所研究的网络产生两种不同的振荡模式。在一种模式（模式1）中，频率在宽范围的振幅上保持恒定，而在另一种模式（模式2）中，振荡的振幅在宽范围的频率上保持恒定。我们的研究再现了单个基因调控网络中振荡的两个特征，并表明基因调控网络中的负加正反馈回路提供了额外的优势。我们确定了负责不同振荡模式的关键参数/变量。通过适当地选择所需的参数/变量，网络在不同模式之间的切换是灵活的。
2015-09-12 q-bio.MN
Modeling of gap gene regulatory networks in Drosophila with the account of the gene modular structure (in Russian)
基因经常以复杂的方式进行调控，需要建模方法，超越简单的（线性）基因-基因相互作用，并解决顺式调控区和替代转录起始位点的模块化。特别是，尖锐的表达模式（峰或条纹）表明，基因调控涉及非线性转录因子动力学（超过一阶）。我们提出了一种方法来解决这个问题，使用的例子中发现的多个顺式调控模块（CRM）和两个转录本（P1和P2）在果蝇驼背（HB）和（CD 1和CD 2）在Kruppel（Kr）基因，沿前后轴的胚胎表达的基因。的mRNA表达模式的位置特征进行了研究，其灵敏度的输入因素和初始条件的变化。
2018-01-10 q-bio.MN
Is prokaryotic complexity limited by accelerated growth in regulatory overhead?
生物复杂性的增加通常与新的遗传信息的增加有关，这些信息必须整合到细胞内运行的现有调控网络中。关于网络控制的一般论点，以及最近的几个基因组观察表明，调控基因的数量随着基因组大小的增加而快速增长。我们提出了两个模型的增长调控网络。两者都预测转录调节因子的数量将与总基因数成二次方关系。这似乎与来自89个完全测序的原核生物的基因组数据在定量上一致。此外，经验曲线预测，任何新的非调控基因将伴随着超过一个额外的调节基因组大小的约20，000个基因，在所观察到的上限的两倍内。我们的分析将转录调控网络归入加速网络一类。我们认为，原核生物的复杂性可能已被限制在整个进化过程中的监管开销，相反，复杂的真核生物必须绕过这一限制的新策略。
2003-11-15 q-bio.GN q-bio.MN
Information transmission in genetic regulatory networks: a review
遗传调控网络使细胞能够通过动态协调其基因表达谱来响应内部和外部条件的变化。我们在这些生化回路中进行定量测量的能力加深了我们对基因调控网络可以执行何种计算以及具有何种可靠性的理解。这些进展促使研究人员寻找遗传调控网络的结构和功能之间的联系。在网络的输入和输出之间传输信息已经被提出作为一种可能的功能度量，在某些生物学背景下相关。在这里，我们总结了信息论在基因调控网络中应用的最新进展。我们首先回顾信息论中的基本概念，以了解最近的工作。然后，我们讨论了基因调控的功能复杂性所产生的调控相互作用的分子性质。最后，我们回顾了一些实验支持的观点，负责多细胞生物的早期发展的遗传网络可能会最大限度地提高传输的“位置”信息。
2011-01-21 physics.bio-ph q-bio.MN
Approaches for benchmarking single-cell gene regulatory network inference methods
Penn State College of Medicine（宾夕法尼亚州立大学医学院）
本文综述了单细胞基因调控网络推断方法的评估方法，定义了成功指标，并指出了该领域的发展方向和不足。
2023-07-17 q-bio.GN q-bio.MN
Time-delayed models of gene regulatory networks
在这篇综述中，我们讨论了不同的数学模型的基因调控网络相关的癌症的发生和发展。在讨论了替代建模方法后，我们使用了一个范例的两个基因网络集中在基因调控网络的动态中的时间延迟所发挥的作用。我们对比的动力学减少模型中出现的快速mRNA动力学的限制与完整的模型。审查的结论与一些开放的问题的讨论。
2015-10-28 q-bio.MN q-bio.QM
Fluctuations in Gene Regulatory Networks as Gaussian Colored Noise
将对基因调控网络波动的研究推广到高斯色噪声的情况。首先，相应的兰之万方程的色噪声的解决方案表示的Ito积分。然后，两个重要的引理有关的Ito积分的方差和两个Ito积分的协方差。在引理的基础上，我们给出了调控网络在稳定平衡点附近分子浓度的方差和协方差的一般公式。并以基因自动调控网络和拨动开关为例进行了详细介绍。在一般情况下，它被发现，有限的相关时间的噪音减少的波动和增强的相关性之间的波动的分子组分。
2009-12-22 physics.bio-ph q-bio.MN
CdtGRN: Construction of qualitative time-delayed gene regulatory networks with a deep learning method
背景：基因调控经常随时间变化而不是恒定不变。但从数据库中提取的基因调控网络大多是静态的。肿瘤抑制基因$P53$参与许多肿瘤的发病机制，其抑制作用在一定时间后才会发生。因此，阐明其随时间变化的调控机制具有重要意义。结果：建立了一种描述动态基因调控网络的定性方法CdtGRN。它采用卷积神经网络（CNN）和全连接网络（DNN）的组合作为预测的核心机制。在ArrayExpress上获得电离辐射Affyscore数据集（E-MEXP-549），通过微阵列基因表达水平预测调控之间的关系。CdtGRN针对具有与$P53$相关的$22,284$基因的时间延迟基因调控网络进行测试。CdtGRN对保守验证集分类的准确度达到92.07 $\%$，kappa系数达到$0.84$，平均AUC准确度为94.25 $\%$。这导致了建筑。结论：本研究所开发的算法和程序可用于识别动态基因调控网络，并通过分析不同时间点的基因表达水平，客观分析调控关系的延迟性。对$P53$的延时基因调控网络也进行了推断和定性表征，有助于理解肿瘤的病理机制。
2021-10-30 q-bio.GN q-bio.MN
On Hybrid Gene Regulatory Networks
本文研究了混合基因调控网络（HGRNs）中的不规则行为，提出了关于可达性问题的可判定性、不确定行为概率以及2维HGRNs中混沌的理论结果。
2024-04-24 cs.CE q-bio.MN
Design of a dynamic model of genes with multiple autonomous regulatory modules by evolution in silico
提出了一种利用计算机模拟进化设计多自主调控模块基因动态模型的新方法。该方法是基于遗传算法，执行新的交叉算子，特别是为这些目的。该方法利用子盆地门户架构的适应度函数适合这种进化建模。一系列的基准测试证明了该方法的有效性。
2009-02-28 q-bio.MN q-bio.QM
Causal Discovery for Gene Regulatory Network Prediction
Carnegie Mellon University（卡内基梅隆大学）
生物系统和过程是核酸、蛋白质和代谢物之间复杂的非线性调节相互作用的网络。表示这些交互网络的一种自然方式是使用图。在该公式中，每个节点代表核酸、蛋白质或代谢物，边缘代表分子间相互作用（抑制、调节、促进、共表达等）。在这项工作中，一个新的算法发现的潜在图结构的实验数据。
2023-01-03 cs.AI q-bio.MN
A computational scheme connecting gene regulatory network dynamics with heterogeneous stem cell regeneration
本研究提出一种计算框架，通过数据驱动的遗传函数构建，结合跨细胞周期基因调控网络混合模型与单细胞建模，连接基因调控动力学与异质性干细胞再生，可推广至多种调控网络以深化相关机制理解。
2024-04-17 q-bio.CB q-bio.MN
Quantitative ergodicity for gene regulatory networks with transcriptional bursting
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家计算机科学与控制研究所）；IECL（洛林计算与控制系统实验室）
研究两类分段确定性马尔可夫过程的长期行为，证明在交互基因数和交互强度任意时，平稳分布的存在性和唯一性，并通过耦合方法提供收敛到平衡的Wasserstein距离上界。
2026-05-08 math.PR q-bio.MN
Potential for regulatory genetic networks of gene expression near a stable point
构造了一种基于广义势能的调控遗传网络描述。从线性化Fokker-Plank方程的定态解导出了势能，并证明了该结果等价于耦合振子系统。建立了力学图像中的量与稳态波动之间的对应关系。对于与蛋白质度相关的力常数很弱的自调节网络，给出了显式计算。负反馈不仅抑制了波动，而且增加了电位的陡度。涨落的结果与线性噪声Fokker-Planck方程的结果完全一致。
2007-10-20 physics.bio-ph q-bio.MN
Evolving Boolean Regulatory Networks with Variable Gene Expression Times
基因表达所需的时间变化很大，因为蛋白质的长度变化很大。本文使用一个抽象的、可调的布尔调控网络模型来研究基因表达的时间变化。特别是，它示出了如何不均匀的表达时间可以出现在一定条件下，通过模拟进化。也就是说，基因表达时间变化似乎有利于调控网络的动态行为的形成，而不明确考虑蛋白质功能。
2016-03-15 cs.NE q-bio.BM q-bio.MN
Restoring information in aged gene regulatory networks by single knock-ins
University of Pittsburgh（匹兹堡大学）；Harvard Medical School（哈佛医学院）；Schoen Adams Research Institute at Spaulding（斯波尔丁肖恩亚当斯研究所）
通过单基因敲入技术恢复衰老基因调控网络中的信息，发现可提升网络信息量达10%，为网络信息流动研究和抗衰老提供了新方向。
2026-01-07 physics.bio-ph q-bio.MN
Gene Regulatory Network Inference with Latent Force Models
University of Cambridge（剑桥大学）；Computer Laboratory（计算机实验室）
当从RNA测序时间序列数据构建基因调控网络（GRNs）时，蛋白质合成的延迟会导致混淆效应。准确的GRN在建模发展、疾病途径和药物副作用时非常有见地。我们提出了一个模型，其中包括翻译延迟相结合的机械方程和贝叶斯方法，以适应实验数据。这使得更大的生物可解释性，并且高斯过程的使用使得能够通过内核实现非线性表达以及自然地解释生物变异。
2020-10-06 cs.LG q-bio.MN
Signal Propagation in Nonlinear Stochastic Gene Regulatory Networks
通过研究随机非线性基因调控网络对输入信号发生器的响应，揭示了该网络的结构。详细研究了四个应用：两个线性系统的非线性连接，逻辑脉冲的设计，分子放大器和E2F1调节元件中三个信号发生器的干扰。基因的相互作用是使用分子图，有一个精确的数学结构，并保留生物意义的过程。
2005-10-29 q-bio.MN 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
Limit theorems for generalized density-dependent Markov chains and bursty stochastic gene regulatory networks
具有突发动力学的随机基因调控网络可以在中观上建模为广义密度依赖马尔可夫链（GDDMC）或在宏观上建模为分段确定性马尔可夫过程（PMDMC）。在这里，我们证明了一个极限定理表明，每个家庭的GDDMC将收敛到一个PSDs的系统大小趋于无穷大。在简单的耗散条件下，利用耦合方法，证明了平稳分布的存在唯一性和Pestival极限的指数遍历性。进一步的扩展和应用到单细胞随机基因表达动力学和突发随机基因调控网络进行了讨论，并证明了平稳分布的GDDMC模型的收敛性的Pestrian模型。
2019-08-30 math.PR q-bio.MN q-bio.QM
MapReduce Algorithms for Inferring Gene Regulatory Networks from Time-Series Microarray Data Using an Information-Theoretic Approach
基因调控是控制基因表达及其程度的一系列过程。基因和它们的调控分子（通常是转录因子）之间的联系，以及这种联系的描述性模型，被称为基因调控网络（GRNs）。阐明GRNs对于理解细胞的内部运作和基因相互作用的复杂性至关重要。迄今为止，已经开发了许多算法来推断基因调控网络。然而，随着已识别基因数量的增加以及它们相互作用的复杂性被揭示，网络及其调控机制变得难以测试。此外，通过实验结果进行分析需要大量的计算，导致数据处理缓慢。因此，需要新的方法来快速分析大量的实验数据，从细胞GRNs。为了满足这一需求，云计算是有前途的，如文献中所报道的。在这里，我们提出了新的MapReduce算法，用于在云环境中的Hadoop集群上推断基因调控网络。这些算法采用信息理论的方法来推断GRNs使用时间序列微阵列数据。实验结果表明，我们的MapReduce程序比现有的工具快得多，同时实现略好的预测精度比现有的工具。
2017-03-15 cs.CE q-bio.GN q-bio.MN
A Nonparametric Multi-view Model for Estimating Cell Type-Specific Gene Regulatory Networks
Memorial Sloan Kettering Cancer Center（纪念斯隆凯特琳癌症中心）
我们提出了一个贝叶斯分层多视图混合模型，称为Symphony，它通过整合来自两个视图的数据来同时学习代表细胞类型及其基础基因调控网络的细胞簇：单细胞基因表达数据和成对的表观遗传数据，这是基因-基因相互作用的信息。该模型通过解释基因-基因协方差与调节基因表达的生物机制，改善了对具有相似表达模式的细胞类型以及驱动表达的调控网络的聚类的解释。我们展示了多视图学习方法的理论优势，并提出了一个变分EM推理过程。与其他方法相比，我们在外周血细胞亚型的合成数据和真实基因组数据上表现出优越的性能。
2019-02-21 cs.LG q-bio.GN q-bio.MN
