Are scale-free regulatory networks larger than random ones?
编译Debian GNU/Linux操作系统中具有调控交互(依赖和冲突)的软件包网络,并将其用作基因调控网络的类比。使用回溯算法,我们分别从真实模型数据和空模型数据的无标度拓扑和指数拓扑的潜在包池中组装网络。我们计算可以在系统中功能性安装的软件包的最大数量(即,活动网络大小)。我们发现,无标度调控网络允许一个更大的主动网络的大小比随机的。具有无标度调控拓扑结构的小基因组可以比具有指数拓扑结构的大基因组允许更多的功能,这对它的动力学,鲁棒性和进化有影响。
2005-01-19 q-bio.GN q-bio.MN
Synaptic polarity and sign-balance prediction using gene expression data in the Caenorhabditis elegans chemical synapse neuronal connectome network
神经系统的图论分析由于数据的不足,往往忽略了连接极性这一方面。秀丽隐杆线虫的化学突触网络是一个重建良好的有向网络,但其连接的迹象尚未阐明。在这里,我们提出了基因表达为基础的符号预测的离子型化学突触连接体的C。elegans(总共3,638个连接和20,589个突触),合并了三个主要神经递质系统的可用突触前神经递质和突触后受体基因表达数据。我们对超过三分之二的这些化学突触进行了预测,并观察到兴奋抑制(E:I)比率接近4:1,这与许多真实世界网络中观察到的相似。我们的开源工具(EleganSign.linkgroup.hu)简单但有效地通过整合神经元连接体和基因表达数据来预测极性。
2021-01-15 q-bio.GN q-bio.MN q-bio.NC
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
Prediction of a Gene Regulatory Network from Gene Expression Profiles With Linear Regression and Pearson Correlation Coefficient
基因调控网络的重构是通过一定的计算技术从基因表达谱中识别基因依赖关系的过程。在我们的人体中,虽然所有细胞都具有相似的遗传物质,但激活状态可能有所不同。这种基因激活的变化有助于研究人员更多地了解细胞的功能。研究人员从微阵列技术中获得了对精神疾病、传染病、癌症疾病和心脏病等疾病的洞察。在这项研究中,使用简单而新颖的机器学习方法构建了癌症特异性基因调控网络。在第一步中,线性回归算法为我们提供了显著的基因,这些基因表达不同。接下来,使用Pearson相关系数计算了所鉴定的基因之间的调控关系。最后,所得到的结果进行了验证与现有的数据库和文献。我们可以识别枢纽基因,并可以作为癌症诊断的目标。
2018-05-02 cs.CE q-bio.GN q-bio.MN
Failed "nonaccelerating" models of prokaryote gene regulatory networks
目前的网络分析是基于这样的假设,即重要的生物网络将拥有无标度或指数统计,这是独立的网络大小允许无约束的网络增长随着时间的推移。在本文中,我们证明,这种网络增长模型是无法解释最近的比较基因组学结果的增长,原核生物调控基因网络的基因数量的函数。这种失败主要是因为原核生物调控基因网络正在“加速”,并且总链接数的增长速度比网络大小的线性增长速度更快,因此可以在特定的关键网络大小下表现出从静态到非静态统计以及从随机到无标度到常规统计的转变。在极限情况下,这些网络可以经历如此明显的转变,从而将网络大小限制在某个临界值以下。这是令人感兴趣的,因为单细胞原核生物的调节基因网络的特征确实在于随着基因计数的加速二次增长,并且其大小被限制为在小于约10兆碱基的DNA序列中编码的小于约10,000个基因。我们开发了两个“非加速”的原核生物调控基因网络的网络模型,在努力匹配观察,并证明这些方法无法重现观察到的统计数据。
2004-01-04 cond-mat.stat-mech q-bio.GN q-bio.MN
The evolution of complex gene regulation by low specificity binding sites
转录因子结合位点在物种内和物种间的特异性各不相同。结合特异性对基因表达的进化具有强烈的影响,因为它决定了调控相互作用的获得和丧失的容易程度。尽管如此,我们对什么样的进化力量决定了结合位点的特异性的理解相对贫乏。在这里,我们解决这个问题,通过研究多个结合位点组成的调控模块。使用群体遗传模型,我们表明,更复杂的调控模块,由更多的结合位点,必须采用结合位点,是单独的特异性较低,相比不太复杂的调控模块。这种效应是非常普遍的,并且它与模块的调节逻辑无关。我们将这种现象归因于无法稳定选择,以保持在大型调控模块中的高度特异性位点。我们的分析有助于解释酵母调控网络中广泛的经验趋势:与具有较少调控因子的基因相比,具有较多转录调控因子的基因具有较少特异性结合位点的特征,并且其特异性的差异较小。同样,我们的研究结果也有助于解释众所周知的趋势,对较低的特异性,在转录因子结合位点的高等真核生物,执行复杂的监管任务,相比原核生物。
2012-11-30 q-bio.GN q-bio.MN q-bio.PE
Mapping disease-regulatory flux through eQTL-based causal gene networks: a complex-trait framework applied to coronary artery disease
University of Bergen(卑尔根大学);Karolinska Institutet(卡罗林斯卡学院)
GRN-TWAS通过整合基因调控网络拓扑结构,提升冠状动脉疾病基因-疾病关联研究的发现和解释能力。
2026-09-21 q-bio.GN q-bio.MN q-bio.QM
GP-DHT: A Dual-Head Transformer with Contras-tive Learning for Predicting Gene Regulatory Rela-tionships across Species from Single-Cell Data
School of Information Engineering, Jingdezhen Ceramics University(景德镇陶瓷大学信息工程学院)
GP-DHT通过双头Transformer和对比学习方法,从单细胞数据中预测跨物种的基因调控关系,提升跨物种GRN推断的准确性与鲁棒性。
2026-01-16 q-bio.GN
Mean Field Model of Genetic Regulatory Networks
在本文中,我们提出了一个平均场模型,试图弥合随机布尔网络和更现实的遗传调控网络的随机建模之间的差距。该模型的主要思想是用一个平均或有效的相互作用来取代任何一个基因的所有调控相互作用,该相互作用考虑了抑制和激活机制。我们发现,依赖于一组监管参数,该模型表现出丰富的非线性动力学。该模型也提供了定量支持,早期的定性结果随机布尔网络。
2006-07-25 q-bio.GN q-bio.QM
A Posterior Probability Approach for Gene Regulatory Network Inference in Genetic Perturbation Data
基因调控网络的研究是系统生物学中的一个重要问题。然而,这些网络很难从实验数据中推断出来,因为生物数据固有的可变性以及涉及的大量基因。我们提出了一种快速,简单的方法来推断基因之间的调控关系,从敲除实验在NIH LINCS数据集通过计算后验概率,纳入先验信息。我们表明,该方法是能够找到以前确定的边缘从TRANSFAC和JASPAR,并讨论这种方法的优点和局限性。
2016-03-15 q-bio.GN stat.AP
motifDiverge: a model for assessing the statistical significance of gene regulatory motif divergence between two DNA sequences
下一代测序技术能够识别许多细胞类型和生物体中的数千个基因调控序列。我们考虑的问题,如果两个这样的序列不同的结合位点图案的数量为一个给定的转录因子(TF)蛋白的测试。结合位点基序通过提供TF与基因组元件结合的机会并由此影响附近基因的表达而赋予调节功能。这些功能DNA的进化变化被假设为是物种内和物种间表型多样性的主要贡献者;但是,尽管TF基序对基因表达很重要,但还没有方法来测试基序的丢失或获得。假设基序计数是二项分布的,并允许在进化相关序列中基序实例之间的依赖性,我们推导出两个核苷酸序列之间基序计数差异的概率质量函数。我们提供了一种方法来从基因组数据中数值估计这种分布,并通过模拟表明我们的估计是准确的。最后,我们介绍了R包{ \tt motifDiverge},实现我们的方法,并说明其应用程序的基因调控增强子确定的小鼠发育时程实验。虽然这项研究的动机是分析的监管图案,我们的研究结果可以适用于任何问题,涉及两个相关的伯努利试验。
2014-02-01 q-bio.GN
Genome wide identification of regulatory networks associated with general cognitive ability using a normalized alignment free similarity measure of promoter regions
我们表明,一个归一化的对齐自由的相似性度量,称为D2Z,可以用来检测潜在的基因集的调控关系时,很少有人知道有关的调控元件。出现这种基因组的一种情况是全基因组关联研究(GWAS)。在这项工作中,我们考虑从一个GWAS对儿童的一般认知能力的基因集。我们基于D2z得分为GWAS基因构建了一个共调控网络,该网络显示了基因之间潜在的共调控关系,并预测了可能成为网络一部分的其他基因。我们发现,预测的基因集是丰富的基因与智力低下和GO术语,如突触和神经元发育。特别是,我们发现了GWAS基因和CHL1(一种已知与精神发育迟滞有关的基因)之间存在调控联系的强有力证据。
2013-04-04 q-bio.GN q-bio.NC
Multi-species network inference improves gene regulatory network reconstruction for early embryonic development in Drosophila
基因调控网络推断使用全基因组转录组测量响应于遗传、环境或动态扰动来预测基因之间的因果调控影响。我们假设进化也是一种合适的网络扰动,来自多个密切相关物种的数据整合可以改善基因调控网络的重建。为了验证这一假设,我们从6个果蝇物种早期胚胎发育期间测量的3,610个基因的时间基因表达数据预测网络,并将预测网络与5个物种发育转录因子的ChIP-chip和ChIP-seq相互作用的金标准网络进行比较。我们发现:(i)单物种网络的性能与测量金标准的物种无关;(ii)预测网络之间的差异反映了已知的遗传学和物种之间的生物学差异;(iii)一个整合的共识网络,它最大限度地减少了所有单物种网络的边缘增益和损失的总数,比任何单个网络都表现得更好。我们的研究结果表明,在一个进化保守的系统中,整合多个物种的可比实验数据,提高了基因调控网络的推理。他们提供了一个基础,为今后的研究,许多多物种的基因表达数据集的其他生物过程中的文献。
2014-12-08 q-bio.GN
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
A genomic dominion with regulatory dependencies on human-specific single-nucleotide changes in Modern Humans
研究发现现代人类基因组中存在大量与人类特异性单核苷酸变化相关的基因,这些基因调控着人类形态结构、生理过程和病理状况,并揭示了遗传调控位点在物种生存中的关键作用。
2019-11-20 q-bio.GN
Graph-based data integration predicts long-range regulatory interactions across the human genome
基因表达的转录调控是影响细胞从单组基因多样化的主要过程之一。调控蛋白通常与位于基因转录起始位点(TSS)远端的DNA区域相互作用。我们开发了一种计算方法,结合开放的染色质和基因表达信息的大量细胞类型,以确定这些远端调控元件。我们的方法为公开可用的DNase-seq和外显子阵列数据集与匹配样本构建相关图,并使用基于图的方法来过滤多个数据集支持的结果并去除间接相互作用。由此产生的一组相互作用进行了验证与轶事信息的已知的远程相互作用和无偏的实验数据推导出Hi-C和CAGE实验。我们的研究结果提供了一组新的高置信度的候选开放染色质区域参与基因调控,往往位于几个Mb远离其靶基因的TSS。
2014-04-29 q-bio.GN
Finding regulatory modules through large-scale gene-expression data analysis
基因芯片的使用使得基因表达数据的快速积累成为可能。分析这些数据的主要挑战之一是生物体基因调控网络中各种模块在大小和信号强度上的多样性。基于迭代签名算法[Bergmann,S.,Ihmels,J.和Barkai,N.(2002)Phys.Rev.E67,031902]中,我们提出了一种算法-渐进迭代签名算法(PISA),其通过顺序地消除模块,允许无监督地识别大的和小的调节模块。我们将PISA应用于大量的酵母基因表达数据,并使用基因本体注释数据库作为参考,发现我们的算法比基于高通量转录因子结合实验或比较基因组学的方法更能识别调控模块。
2004-01-19 q-bio.GN q-bio.QM
The 3D genome shapes the regulatory code of developmental genes
我们重新审视的概念,基因调控代码在胚胎发育中的基因组空间组织的最新研究结果。通过与遗传密码的类比,我们认为,只有当相应的衔接子能够被清楚地识别时,才能使用密码的概念。适配器在这里被定义为以无偿和可进化的方式调解码字和对象之间的对应关系的中间物理实体。在基因调控密码的上下文中,编码的对象是基因表达水平,而细胞核中特定转录因子的浓度提供了代码。代码的概念是有意义的,在没有直接的物理化学关系的对象和码字,当中介的适配器是必需的。我们建议,一个合理的适配器为这个代码是基因结构域,即,基因组区段划定的拓扑绝缘子,并包括基因及其增强子调控序列。我们回顾了最近的证据,基于全基因组染色体构象捕获实验,表明在后生动物基因组中发现的优先接触域是基因域的物理痕迹。因此,基因组3D折叠在形成发育基因调控密码中起直接作用。
2019-11-12 physics.bio-ph q-bio.GN
CisTransCell: Single-Cell Perturbation Prediction via Gene Function, Regulatory Control, and Cellular Context
[q-bio.GN]
提出CisTransCell框架,结合调控序列和编码序列先验与细胞表达状态,建模扰动响应级联,实现零样本单细胞扰动预测。
2026-06-15 cs.AI q-bio.GN
Ctrl-DNA: Controllable Cell-Type-Specific Regulatory DNA Design via Constrained RL
University of Toronto(多伦多大学);Vector Institute for Artificial Intelligence(人工智能向量研究所);University Health Network(大学健康网络);Changping Laboratory(昌平实验室)
本文提出Ctrl-DNA,一种基于约束强化学习的框架,用于设计细胞类型特异性调控DNA序列,在人类启动子和增强子上优于现有方法,实现高适应度和最先进的细胞类型特异性。
2025-05-26 cs.AI cs.LG q-bio.GN
Transduplication resulted in the incorporation of two protein-coding sequences into the Turmoil-1 transposable element of C. elegans
转座因子可以在一个称为反式复制的过程中将不相关的基因片段整合到它们的序列中。蛋白质编码基因的反式复制在植物中很常见,但在动物中却不为人知。在此,我们报道了C.线虫已经将两个蛋白质编码序列整合到其反向末端重复序列(ITR)中。Turnoid-1的ITR包含一个来自rsp- 2基因的保守RNA识别基序(RRM)和一个来自cpg-3基因蛋白编码区的片段。我们进一步报道了C. elegans可能是由于Turmoil-1插入而产生的。该开放阅读框5'剪接位点的突变可能重新激活了反式重复的RRM基序
2008-11-21 q-bio.GN q-bio.PE
Large-Scale Local Causal Inference of Gene Regulatory Relationships
Radboud University(拉德堡德大学)
基因调控网络在控制生物体的生物学过程中起着至关重要的作用,这就是为什么人们对开发能够从高通量遗传数据中提取其结构的计算方法感兴趣。这些计算方法中的许多被设计成从基因表达的数据推断基因之间的个体调控关系。我们提出了一种新的有效的贝叶斯方法发现当地的因果关系三胞胎(正态分布)变量。在我们的方法中,我们对每个三元组的协方差结构进行一次性评分,并以先验的形式结合可用的背景知识,以获得局部因果结构的后验概率。我们的方法是灵活的,因为它允许不同类型的因果结构和假设。我们应用我们的方法来学习基因之间的因果调控关系的任务。我们表明,该算法产生稳定和保守的后验概率估计局部因果结构,可用于获得一个诚实的排名最有意义的监管关系。我们证明了我们的方法在模拟数据和酵母实验的真实数据上的稳定性和有效性。
2019-09-10 cs.LG q-bio.GN q-bio.MN
Learning to Discover Regulatory Elements for Gene Expression Prediction
Texas A&M University(德克萨斯农工大学);The University of Texas Health Science Center at Houston(休斯顿德克萨斯大学健康科学中心)
本文提出 Seq2Exp 网络,通过因果调控元件分解表观基因组信号与 DNA 序列,并结合 Beta 信息瓶颈提升基因表达预测和调控区域发现性能。
2025-02-19 cs.AI q-bio.GN
Scalable optimal Bayesian classification of single-cell trajectories under regulatory model uncertainty
单细胞基因表达测量为复杂疾病(包括癌症)的机制理解提供了机会。然而,由于细胞复杂的调控机制,基于这些数据的基因调控网络(GRN)模型推断仍然表现出显著的不确定性。本文的目标是开发最佳分类的单细胞轨迹占潜在的模型的不确定性。部分观测布尔动力系统(POBDS)用于建模通过噪声基因表达数据观察到的基因调控网络。我们推导出精确的最佳贝叶斯分类器(OBC)的单细胞轨迹的二进制分类。由于计算和存储要求,OBC的应用对于大型GRN变得不切实际。为了解决这个问题,我们引入了一种基于粒子的单细胞分类方法,该方法对于大型GRNs具有高度可扩展性,其复杂性比最优解决方案低得多。所提出的基于粒子的方法的性能通过使用POBDS模型的著名的T细胞大颗粒淋巴细胞(T-LGL)白血病网络与噪声的时间序列基因表达数据的数值实验证明。
2019-02-08 q-bio.GN stat.AP
Quantum gene regulatory networks
在这项工作中,我们提出了一个量子电路模型推断基因调控网络(GRNs)。该模型基于使用量子比特-量子比特纠缠来模拟基因之间的相互作用的想法。我们提供的初步结果表明,我们的量子GRN建模方法是有竞争力的,值得进一步研究。具体来说,我们提出的结果来自人类细胞系的单细胞转录组数据,专注于参与先天免疫调节的基因。我们证明,我们的量子电路模型可用于预测基因之间是否存在调控相互作用,并估计相互作用的强度和方向,为进一步研究量子计算如何在数据驱动的生命科学中找到应用奠定了基础,更重要的是,邀请探索利用单细胞数据的量子算法设计。量子计算在单细胞转录组数据上的应用同样有助于对GRNs的新理解,因为量子建模比统计相关性更有效地接近完全互连的基因之间的关系。
2022-07-05 cs.ET q-bio.GN
Probabilistic Regulatory Networks: Modeling Genetic Networks
我们在这里描述的新概念$ε$ -同态的概率调控基因网络(PRN)。$ε$ -同态是两个概率网络之间的特殊映射,它考虑了函数迭代的代数作用和两个网络的概率动力学性质。证明了PRN类与同态构成一个有积和上积的范畴。投影是一种特殊的同态,由不变子网络导出。本文证明了0 < $ε$ < 1的$ε$ -同态在两个网络中产生同时的马尔可夫链,从而可以引入马尔可夫链的$ε$ -同构和类似网络的概念。
2006-06-22 math.DS q-bio.GN
Special homomorphisms between Probabilistic Gene Regulatory Networks
本文研究了具有作用于同一集合$X$上的$n$函数的有限动力系统,以及赋予这些函数的概率,称之为概率调控基因网络(Probably Regulatory Gene Networks,PRN).他的概念是相同的或自然推广的概念概率布尔网络(PBN),介绍了I。Shmulevich,E. Doughnut和W. Zhang等人提出的PBN模型已被用于描述遗传网络并具有治疗应用。在伪随机网络中,最重要的问题是描述系统的稳定状态,因此在本文中,我们关注的思想是将一个网络转换为另一个网络,而不会丢失所有的属性,特别是概率分布。在这个目标之后,我们发展了概率调控网络的同态和$ε$ -同态的概念,因为这些概念将一个网络的性质带到了另一个网络。投影是一种特殊的同态,它总是诱导出包含网络中所有圈和稳态的不变子网络。
2006-03-13 math.DS math.PR q-bio.GN
Finding regulatory sites from statistical analysis of nucleotide frequencies in the upstream region of eukaryotic genes
我们讨论了两种新的方法来提取相关的生物信息的转录因子(特别是确定其结合序列)从统计分布的寡核苷酸在基因的上游区域。这两种方法都是基于一个“调控网络”的概念,负责基因的各种表达模式。特别是,我们专注于家庭的共调节基因,并寻找同时存在于这些基因的上游区域的同一套转录因子结合位点。我们讨论了两个例子,很好地体现了这两种方法的特点:在果蝇糖酵解的协同调节和酿酒酵母的二次突变。
2002-01-16 cond-mat physics.bio-ph q-bio.GN
Probabilistic Gene Regulatory Networks, isomorphisms of Markov Chains
在本文中,我们研究了arXiv:math.DS/0603289 v1 13 Mar 2006中引入的概率调节基因网络(PRN)的同态。PRN模型是由I. Shmulevich,E. Doughnut和W. Zhang在2001年提出的,已经被用来描述遗传网络并具有治疗应用。本文的主要目的是将概率调控网络的同态和$ε$ -同态的概念应用到网络的动力学中。$ε$的含义是这些同态网络具有相似的分布,并且分布之间的距离由$ε$上界。此外,我们证明了PRN类与同态一起构成一个有积和上积的范畴。投影是一种特殊的同态,它总是诱导出包含网络中所有圈和稳态的不变子网络。本文证明了$0<ε<1$的$ε$ -同态在两个网络中产生同时的马尔可夫链,从而可以引入马尔可夫链的$ε$ -同构的概念,以及类似的网络.
2006-03-13 math.DS math.PR q-bio.GN