Integration of Omics Data and Systems Biology Modeling: Effect of Cyclosporine A on the Nrf2 Pathway in Human Renal Kidneys Cells
在最近的一篇论文中，Wilmes等人展示了组学数据流的定性整合，以获得对环孢素A毒性的机制理解。他们的主要结论之一是环孢素A在体外暴露的肾近端肾小管上皮细胞中强烈激活核因子（红细胞衍生2）样2途径（Nrf 2）。我们在这里追求这些数据的分析与组学数据与Nrf 2途径的微分方程模型的定量整合。这分两步完成：（i）用最小分布模型对环孢霉素A的体外药代动力学（细胞、培养基和小瓶壁之间的交换）建模。(ii)在细胞水平用耦合的PK-系统生物学模型模拟组学标志物响应于环孢霉素A暴露的时间过程。参数值的后验统计分布由马尔可夫链蒙特卡罗抽样获得。数据模拟良好，已知的体外毒性效应EC 50与模型预测结果匹配良好。体外药代动力学和系统生物学建模的集成给我们一个定量的环孢菌素A氧化应激诱导机制的洞察，并预测这样的压力，为各种暴露条件。
2013-12-17 q-bio.MN q-bio.QM
Dealing with complexity of biological systems: from data to models
本书的四个章节代表了我研究兴趣的四个主要领域：1）分子生物学数据分析，2）生物网络的数学建模，3）基因组进化，4）癌症系统生物学。第一章是致力于我的工作在发展非线性降维方法（弹性映射和主树的方法），扩展了经典的主成分方法。我也提出了应用矩阵分解技术分析癌症数据。第二章致力于分子生物学中数学模型的复杂性。阐述了化学反应网络渐近性的基本思想，旨在剖析和简化复杂的化学动力学模型。这种方法的两个应用：NFkB和细胞凋亡途径的建模，和蛋白质翻译的miRNA作用的建模机制。第三章简要介绍了我对不同生物体（从微生物到人类癌症基因组）基因组结构的研究。无监督数据分析方法用于研究基因组序列中由基因组进化形成并受环境基本属性影响的模式。第四章总结了我用计算方法（通过综合数据分析和数学建模方法相结合）研究癌症的经验。特别是，我描述了正在进行的研究项目，如细胞命运决策的数学建模和DNA修复网络中的合成致死相互作用。综合的结论是列出了计算系统生物学的主要挑战，连接到本文的主题，即处理生物系统的复杂性。
2014-04-06 q-bio.QM
StochSoCs: High performance biocomputing simulations for large scale Systems Biology
大规模生物化学反应网络的随机模拟对于系统生物学具有重要意义，因为它使得在整个细胞尺度上研究固有的随机生物学机制成为可能。随机模拟算法（SSA）允许我们模拟复杂动力学模型的动力学行为，但其高计算成本使得它们对于许多现实规模的问题非常缓慢。我们提出了一项名为WebStoch的试点服务，该服务是在StochSoCs研究项目的背景下开发的，允许不具备高性能计算专业知识的生命科学家通过互联网对以SBML标准格式描述的大规模生物网络模型进行随机模拟。提交给服务的生物模型被自动解析，然后放置在分布式工作节点上并行执行。工作人员使用多核和众核处理器或FPGA加速器实现，可以处理复杂生物模型的数千次随机重复的模拟，可能有数千个反应和相互作用的物种。使用基准LCSE生物模型，其工作量可以按需缩放，我们证明了线性加速和两个以上的数量级比现有的串行模拟器更高的吞吐量。
2017-10-26 cs.CE q-bio.MN q-bio.QM
StochKit-FF: Efficient Systems Biology on Multicore Architectures
生物系统的随机建模是一种信息丰富的技术，在某些情况下，非常合适，但这可能导致比其他建模方法（如微分方程）更昂贵。我们提出了StochKit-FF，一个并行版本的StochKit，随机模拟的参考工具包。StochKit-FF基于FastFlow多核编程工具包，并利用了选择性内存的新概念。我们在HIV感染动力学模型上对StochKit-FF进行了实验，目的是从有效运行的实验中提取信息，这里是平均值和方差，从长远来看，是更结构化的数据。
2010-07-11 cs.CE q-bio.QM
Stochastic Simulation of Process Calculi for Biology
生物系统通常涉及大量具有复杂、高度平行的相互作用和内在随机性的组件。为了模拟这种复杂性，已经开发了许多基于过程演算的程序设计语言，其中许多语言的表达能力足以生成无限数量的分子种类和反应。由于这种表现力，这种演算不能依赖于标准的基于反应的模拟方法，这需要固定数量的物种和反应。我们建议使用一个通用的抽象机器，可以实例化到一系列的过程演算和一系列基于反应的模拟算法，而不是为每个过程演算实现自定义的随机模拟算法。抽象机的功能就像一个即时编译器，它动态地更新可能的反应集，并在迭代周期中选择下一个反应。在这篇简短的论文中，我们对通用抽象机器进行了简要总结，并展示了如何使用称为吉莱斯皮直接方法的随机模拟算法来实例化它。我们还讨论了更广泛的影响，这样一个抽象的机器，并概述了它如何可以用来模拟多个结石同时在一个共同的框架。
2010-11-02 cs.CE cs.PL q-bio.QM
Randomness with constraints: constructing minimal models for high-dimensional biology
针对复杂高维生物系统难以用传统精细调优的简单模型研究的问题，本文综述了带约束的随机模型方法在多生物领域的应用，指出其为捕捉生物数据特征提供了有前景的最小建模策略。
2025-09-03 physics.bio-ph q-bio.QM
An Intuitive Automated Modelling Interface for Systems Biology
我们介绍了一个自然语言接口，用于建立生物系统的随机π演算模型。在这种语言中，描述生物化学事件的复杂结构是从关联、解离和转化的基本原语构建的。因此，这种语言使我们能够模块化地建模生化系统，通过描述他们的动态在叙事风格的语言，同时使修改，细化和扩展模型容易。我们证明了在吞噬过程中Fc-γ受体磷酸化的模型上的语言。我们提供了一个工具实现的翻译成一个随机π演算语言，微软研究院的SPiM。
2009-11-12 cs.CE cs.LO cs.PL
TinkerCell: Modular CAD Tool for Synthetic Biology
合成生物学汇集了工程学和生物学的概念和技术。在这一领域，计算机辅助设计（CAD）是必要的，以弥合计算建模和生物学数据之间的差距。已经创建了一个名为TinkerCell的应用程序，以作为合成生物学的CAD工具。TinkerCell是一个可视化建模工具，支持生物部分的层次结构。此层次结构中的每个部件都由一组定义部件的属性（如序列或速率常数）组成。使用这些部分构建的模型可以使用TinkerCell通过广泛的C和Python API托管的各种C和Python程序进行分析。TinkerCell支持模块的概念，模块是具有接口的网络。这些模块可以相互连接，形成更大的模块化网络。由于TinkerCell将模型中的参数和方程与其各自的零件相关联，因此可以从数据库中加载零件及其参数和速率方程。模块化网络设计可用于交换模块以及测试生物系统中的模块化概念。灵活的建模框架以及C和Python API允许TinkerCell作为众多第三方算法的宿主。TinkerCell是一个基于Berkeley Software Distribution许可证的免费开源项目。下载、文档和教程可在www.tinkercell.com上获得。
2009-07-23 q-bio.MN q-bio.QM
Bayesian Parameter Estimation for Dynamical Models in Systems Biology
动力学系统建模，特别是通过常微分方程系统，已被用来有效地捕捉信号转导网络中的不同生化成分的时间行为。尽管最近在实验测量方面取得了进展，包括传感器开发和“组学”研究，这些研究已经帮助填充了非常详细的蛋白质-蛋白质相互作用网络，但系统生物学中的建模缺乏系统的方法来估计动力学参数和量化相关的不确定性。这是因为多种原因，包括稀疏和嘈杂的实验测量，缺乏反应背后的详细分子机制，以及缺少生物化学相互作用。另外，关于与微分方程系统相关联的状态和参数的固有非线性进一步加剧了参数估计的挑战。在这项研究中，我们提出了一个全面的框架贝叶斯参数估计和完整的量化的影响，不确定性的数据和模型。我们将这些方法应用到一系列数学复杂性不断增加的信号模型中。这些动态系统的系统分析表明，参数估计依赖于数据稀疏性，噪声水平和模型结构，包括存在多个稳态。这些结果突出了如何集中的不确定性量化可以丰富系统生物学建模，并使额外的定量分析参数估计。
2023-01-05 q-bio.MN q-bio.QM
From systems biology to dynamical neuropharmacology: proposal for a new methodology
系统生物学的概念和方法正在扩展到神经药理学，以测试和设计针对神经和精神疾病的药物。通过整合房室神经建模技术和详细的动力学描述的药理学调制的递质-受体相互作用的计算建模提供了一种方法来测试的电生理和行为效应的推定药物。甚至，提出了逆方法作为用于控制神经系统以实现规定的时间模式的方法。特别是，作为所提出的新方法的应用，提供了一个计算平台来分析与焦虑相关的θ节律的产生和药理学调节，在这里进行了更详细的分析。
2006-07-20 q-bio.NC q-bio.QM
Quantitative Measure of Stability in Gene Regulatory Networks
在最近的生物开关实验中，随机动力学稳定性的定量测量开始出现。这个量，类似于数学中的势函数，深深植根于生物学，可以追溯到生物过程的定量描述之初：赖特（1932年）的适应性景观和沃丁顿（1940年）的发展景观。然而，它的定量含义经常受到生物学家的挑战。定量生物学的最新进展开始迎接这些突出的挑战。
2005-07-07 q-bio.QM
Python Unleashed on Systems Biology
我们已经建立了一个用于生物分子反应网络建模的开源软件系统SloppyCell，该系统是用Python编写的，并大量使用第三方库进行数值计算，可视化和并行编程。我们在这里强调Python提供的一些强大功能，这些功能使SloppyCell能够进行动态代码合成，符号操作和复杂参数空间的并行探索。
2007-04-24 q-bio.MN q-bio.QM
A computational framework for optimal and Model Predictive Control of stochastic gene regulatory networks
本研究针对随机生物分子系统控制器开发中化学主方程求解难的问题，构建了基于偏积分-微分方程近似的随机基因调控网络最优与模型预测控制框架，具备高效、可调控概率密度、抗分子噪声的优势，并经合成生物学场景验证有效。
2024-09-17 q-bio.QM
Advancing Drug Resistance Research Through Quantitative Modeling and Synthetic Biology
抗生素耐药性是一个正在出现的全球健康危机，它正在破坏现代医学的进步，如果不加以缓解，到2050年，全球每年将有1000万人死亡。过去十年的研究表明，相同环境中遗传相同的细胞之间的差异可能导致耐药性。受基因调控网络调节的基因表达波动可能导致非遗传异质性，导致微生物种群的部分杀死，导致药物治疗失败;这种非遗传性耐药可以增加获得遗传性耐药突变的可能性。基因网络的数学模型可以阐明耐药性的一般原理，预测耐药性的演变，并指导实验室的耐药性实验。基因工程细胞携带的合成基因网络调节耐药基因允许控制，定量实验的作用，非遗传异质性的耐药性的发展。在这篇观点文章中，我们强调了数学，计算和合成基因网络模型在推进我们对抗菌素耐药性的理解以发现对抗耐药感染的有效疗法方面所发挥的作用。
2020-07-07 physics.bio-ph q-bio.MN q-bio.QM
Closed-form stochastic solutions for non-equilibrium dynamics and inheritance of cellular components over many cell divisions
随机动力学支配着细胞生物学中的许多重要过程，描述这些动力学的基本理论方法对于解决生物学和医学中的大量问题是可取的。存在数学工具来处理这些随机过程的几个重要例子，最显著的是基因表达，以及在单个细胞分裂或达到稳定状态后的随机分配。相对较少的工作存在探索不同的和具体的方式，重复的细胞分裂可以导致不平衡的细胞群体的随机遗传。在这里，我们介绍了一个数学形式主义来描述细胞代理，受到随机创建，复制和/或降解，并继承根据一系列的随机动态细胞分裂。我们得到封闭形式的生成函数描述系统在任何时候后，任何数量的细胞分裂二项式分区和分裂挑起一个确定性的或随机的，减法或加法的拷贝数的变化，并表明，这些解决方案完全同意随机模拟。我们将这种一般形式主义的几个例子的问题，涉及线粒体DNA（mtDNA）在发展和生物体的生命周期的动态。
2015-01-25 q-bio.QM stat.AP
Stochastic reaction networks with input processes: Analysis and applications to reporter gene systems
随机反应网络模型在生物学和化学中被广泛用于描述生物化学系统的概率动力学，特别是基因相互作用网络。大多数情况下，这些系统的统计分析和推断是通过参数方法来解决的，其中管理外生输入过程的规律（如果存在的话）本身是预先确定的。受报告基因系统的启发，在生物学中被广泛用于在单个细胞水平上监测基因激活，我们解决了状态仿射反应速率和任意输入过程的反应网络分析。我们推导出一个广义的所谓的时刻方程的动态网络统计表示为输入过程统计的函数。在稳定的条件下，我们提供了一个谱分析的系统，并详细说明与线性滤波的连接。然后，我们应用的理论结果开发的输入过程统计，即基因激活自协方差函数，从报告基因群体快照数据重建的方法，并证明其性能的模拟案例研究。
2017-10-17 math.OC q-bio.QM
The contribution of statistical physics to evolutionary biology
进化生物学与统计物理学有许多共同的概念：两者都处理种群，无论是分子还是生物体，都试图在许多维度上简化进化。通常，方法学经历了平行和独立的发展，如群体遗传学中的随机方法。我们讨论了群体遗传学的各个方面，包括物理学方法：其中，非平衡统计力学，行波和蒙特卡洛方法已被用于研究多基因进化，适应率和范围扩展。这些应用表明，进化生物学可以进一步受益于与统计物理学的其他领域的相互作用，例如，通过跟踪种群在时间上所采取的路径分布。
2011-04-14 nlin.AO nlin.PS q-bio.PE
HyperSBINN: A Hypernetwork-Enhanced Systems Biology-Informed Neural Network for Efficient Drug Cardiosafety Assessment
Sanofi, R&D Preclinical Safety（Sanofi 研发预临床安全性部门）；Sanofi, Digital R&D（Sanofi 数字研发）；Université Paris-Saclay, AgroParisTech, INRAE, UMR MIA Paris-Saclay（巴黎萨克雷大学、农业巴黎技术学院、国家农业研究院、巴黎萨克雷MIA联合研究单位）；Université Bretagne Sud, UMR CNRS 6205, LMBA（布列塔尼南部大学、CNRS 6205联合研究单位、LMBA）
HyperSBINN通过结合元学习与系统生物学指导神经网络，高效预测药物对心脏动作电位的影响，提升药物心安全性评估的效率和准确性。
2025-12-12 cs.CY cs.LG q-bio.QM
Cox process representation and inference for stochastic reaction-diffusion processes
在许多系统中，复杂的行为来自于空间分布的粒子或代理的随机相互作用。随机反应扩散过程被广泛用于从生物学到社会科学等学科的行为建模，但众所周知，它们很难模拟和校准观测数据。在这里，我们使用统计物理学和机器学习的思想来解决从数据中学习随机反应扩散过程的逆问题。我们的解决方案依赖于随机反应扩散过程和时空Cox过程之间的非平凡连接，这是计算统计中一类研究得很好的模型。这种连接导致一个有效的和灵活的算法参数推断和模型选择。我们的方法显示了良好的准确性，从系统生物学和流行病学的数字和真实数据的例子。我们的工作既提供了对时空随机系统的见解，也为计算建模中的一个长期存在的问题提供了一个实用的解决方案。
2016-08-22 cond-mat.stat-mech math.ST physics.data-an
Systems biology beyond degree, hubs and scale-free networks: the case for multiple metrics in complex networks
生物和其他复杂系统中网络的建模和拓扑分析，必须超越有限的考虑很少的网络度量，如度，介数或重复性。一个适当的识别信息和冗余的实体，从许多不同的指标，使用最近证明的技术，是必不可少的。只有使用这些方法，才能对网络和增长模型进行全面比较。
2012-06-03 cond-mat.stat-mech cs.SI physics.soc-ph
Generalizing Gillespie's direct method to enable network-free simulations
化学动力学随机模拟的Gillespie直接方法是计算系统生物学研究的主要内容。然而，该算法需要明确枚举系统中可能出现的所有反应和所有化学物质。在许多情况下，由于生物网络中反应和物种的组合爆炸，这是不可行的。基于规则的建模框架提供了一种方法来精确地表示包含这种组合复杂性的网络，并且Gillespie的直接方法的推广已经被开发为基于规则的建模语言的模拟引擎。在这里，我们提供了一个高层次的描述底层的仿真引擎的算法，称为无网络仿真算法，以及它们如何被应用于系统生物学研究。我们还定义了一个通用的基于规则的建模框架，并描述了适应吉莱斯皮的直接方法，无网络仿真所需的一些技术细节。最后，我们简要讨论了推进无网络模拟的潜在途径，以及它们在生物学动力系统建模中继续发挥的作用。
2018-01-30 q-bio.MN q-bio.QM q-bio.SC
Information Surfaces in Systems Biology and Applications to Engineering Sustainable Agriculture
植物系统生物学为建模提供了无数的机会和许多挑战。许多技术挑战源于发现复杂动力系统最基本性质的计算方法的缺乏。在系统工程中，特征模态分析已被证明是一种强有力的方法。遵循这一理念，我们引入了一个新的理论，具有本征模式分析的好处，同时它允许调查复杂的动态估计的最佳尺度和分辨率。信息表面组织在多个尺度的基因网络的“特征模式”之间的许多错综复杂的关系，并通过一个适应性强的多分辨率的分析方法，允许发现适当的规模和分辨率的模式植物拟南芥中的基因功能的发现。应用有很多，有些涉及可持续农业所需的作物开发。
2011-10-20 math.DS q-bio.QM
Reconstructing data-driven governing equations for cell phenotypic transitions: integration of data science and systems biology
具有相同基因组的细胞可以以不同的表型存在。并且当受到特定的刺激和微环境时可以在不同的表型之间变化。一些实例包括发育期间的细胞分化、诱导多能干细胞的重编程和转分化、癌症转移和纤维化发展。细胞表型转换的调控和动力学是生物学中的一个基本问题，并且在动力系统的形式主义中有着悠久的研究历史。机制驱动建模研究的一个主要挑战是获取足够数量的定量信息来约束模型参数。定量方法，特别是高通量单细胞技术的进步，加速了一个新的方向的出现，从定量单细胞数据重建细胞系统的动力学方程，超越了占主导地位的统计方法。在这里，我回顾了一些最近的研究使用活细胞和固定细胞的数据，并提供我对未来发展的看法。
2022-08-01 physics.bio-ph q-bio.QM
First Passage Problems in Biology
UCLA（加州大学洛杉矶分校）；CalState-Northridge（加州州立大学北岭分校）
本文综述了首次通过时间在生物学中的应用，涵盖分子解离、转录翻译、神经元放电等过程，探讨了马尔可夫模型及近似方法在生物系统中的应用。
2014-08-20 cond-mat.stat-mech q-bio.QM q-bio.SC
Laws in Darwinian Evolutionary Theory
本文讨论了达尔文演化动力学中的定律。虽然人们普遍认为生物学中可能存在一般规律，但反对这种说法的意见也很多。本文根据数学和生物学的最新进展，对这一问题作了另一种尝试。具体而言，三个法律，形成了一个数学框架的演化动力学在生物学的假设。第二定律是最定量的，并明确表示在一个随机微分方程的唯一形式。达尔文演化动力学的显著特征被这一定律所捕捉：进化的概率性、优势和适应性景观。在这个公式中引入了四个动力学元素：优势矩阵，横向矩阵，赖特进化潜力，和随机驱动。第一定律可被视为第二定律的特例。为讨论演化动力学提供了参考点。第三定律描述了描述的集中层次与其较低和较高层次之间的关系，并定义了确定性驱动和随机驱动的二分法。这是对生物学中等级结构的承认。本文用F-定理对Fisher自然选择基本定理作了新的解释。拟议的法律是基于在时间和人口的连续代表性。它们的通用性是通过它们与经典配方的等价性来证明的。目前的三项法律似乎为这一主题的进一步发展提供了一个连贯的框架。
2006-05-14 cond-mat.stat-mech cs.NE math.OC
Stochastic path integrals can be derived like quantum mechanical path integrals
随机力学-研究由主方程和福克-普朗克方程控制的经典随机系统-与量子力学在数学上有着惊人的相似之处。在这篇文章中，我们提出了一个类似量子力学的形式主义，推导出随机微分方程描述的系统的路径积分描述，使这些相似之处更加透明。我们的形式主义方便地恢复了通常的路径积分（马丁-Siggia-Rose-Janssen-De Dominant和Onsager-Machlup形式），并足够灵活，以考虑不同的变量域（例如，实线与紧凑的间隔），随机解释，任意数量的变量，显式的时间依赖性，维数控制参数，等等。我们讨论我们的形式主义随机生物学的影响。
2019-09-28 cond-mat.stat-mech q-bio.MN q-bio.QM
Converting a Systems Dynamic Model to an Agent-based model for studying the Bicoid morphogen gradient in Drosophila embryo
在果蝇胚胎发育的早期阶段建立的Bicoid形态原的浓度梯度决定了基因表达的差异空间模式和随后的细胞命运决定。这主要通过胚胎中不同浓度的Bicoid蛋白引起的扩散来实现。这种化学动力学过程可以用随机模型，特别是Gillespie算法来模拟。然而，与生物学中的各种建模方法一样，每种技术都涉及绘制假设和降低模型复杂性，有时会限制模型的能力。这主要是由于构建这些模型的软件建模方法的复杂性。基于代理的建模是一种越来越流行的技术，用于在计算生物学中对单个分子或细胞的行为进行建模。本文试图比较这两种流行的建模技术的随机和基于代理的建模，以显示如何模型可以使用不同的方法进行详细研究。本文介绍了如何使用这些技术的优点和缺点，使用这些。通过各种比较，如计算复杂性和获得的结果，我们表明，虽然实现了相同的模型，这两种方法可以得到不同的结果。本文的结果表明，随机模型是能够提供更平滑的结果相比，基于代理的模型，这可能需要在以后的阶段进一步分析。我们讨论了这些结果的原因，以及如何在系统生物学研究中纠正这些结果。
2014-12-17 cs.CE cs.MA q-bio.QM
Recent progress in the physical principles of dynamic ground self-righting
本文回顾了作者主导的关于蟑螂在低摩擦地面上自我翻正的研究进展，通过整合生物学实验、机器人建模和物理建模，揭示了产生机械能以克服势能屏障的物理原理如何支配行为策略和三维身体旋转。
2024-09-27 cs.SY eess.SY physics.bio-ph
BioBO: Biology-informed Bayesian Optimization for Perturbation Design
Johnson & Johnson Innovative Medicine（强生创新医药）；ETH Zurich（苏黎世联邦理工学院）
BioBO结合多模态基因嵌入和富集分析，提升代理建模和获取策略，提高标签效率25-40%，并提供路径级解释，链接设计与生物调控电路。
2026-03-23 cs.LG q-bio.QM stat.ML
Modeling multi-particle complexes in stochastic chemical systems
经典粒子的大型复合体在生物学、高分子物理学和其他学科中发挥着核心作用。然而，物理学目前缺乏数学方法来描述这种复合物的组成粒子，相互作用能和组装规则。在这里，我们描述了一个福克空间结构，满足这一需要，以及图解方法，方便使用这种形式主义。这些方法可以大大简化平衡和非平衡随机化学系统的方程。还确定了所有复合体的集合与用于复合体组装的规则列表之间的数学关系。
2016-03-23 cond-mat.stat-mech physics.bio-ph physics.chem-ph
Toward computational cumulative biology by combining models of biological datasets
数据驱动科学的一个主要挑战是如何最大限度地利用不断扩大的实验数据集数据库，以保持研究的累积性。我们介绍了一个基于建模的数据集检索引擎的想法，该引擎旨在将研究人员的实验数据集与该领域的早期工作联系起来。搜索是（i）数据驱动的，以实现新的发现，超越了注释中关键字搜索的最新技术水平，（ii）建模驱动的，包括从数据中学习到的生物知识和见解，以及（iii）可扩展的，因为它是在没有建立所有数据的统一大模型的情况下完成的。假设每个数据集都事先由研究人员或数据库管理员建模，我们应用一个快速可计算和可优化的组合模型将新数据集分解为早期相关模型的贡献。通过使用数据驱动的分解，我们确定了一个网络的相互关联的数据集从一个大的注释人类基因表达图谱。虽然组织类型和疾病是确定相关数据集的主要驱动力，但发现的关系更丰富，基于模型的搜索比关键字搜索更准确;此外，它恢复了从注释中无法直接看到的生物学上有意义的关系，例如，在不同发育阶段的细胞之间，如胸腺细胞和T细胞。数据驱动的链接和引用在很大程度上匹配;数据驱动的链接甚至发现了对出版物数据的更正，因为两个链接最多的数据集被引用次数不多，结果在数据库中有错误的出版物条目。
2014-04-01 q-bio.GN q-bio.QM stat.ML
