A Model of Gene Expression Based on Random Dynamical Systems Reveals Modularity Properties of Gene Regulatory Networks
在这里，我们提出了一种新的方法来建模基因表达的基础上随机动力系统（RDS）的理论，提供了一个通用的耦合处方之间的任何给定的调控网络的节点，每个节点的动态建模的RDS。这种方法的主要优点是：（i）它提供了一种自然的方法，通过将简单的基本部分耦合在一起来获得任意大的网络，从而揭示了调控网络的模块性：（ii）建模中使用的关于随机过程的假设是相当普遍的，在这个意义上，唯一的要求是平稳性;（iii）有一套完善的数学理论，融合了平滑动力系统理论、遍历理论和随机分析，使人们能够在不解系统的情况下提取相关的动力和统计信息;（iv）通过对动态随机变量进行平均（小噪声限），可以从相应的随机形式得到经典速率方程。重要的是要强调，与确定性的情况下，耦合两个方程是一件小事，耦合两个RDS是不平凡的，特别是在我们的情况下，其中耦合是在一个基因的状态变量和另一个基因的切换随机过程之间进行的，因此，它不是先验的真实结果耦合系统将满足随机动力系统的定义。我们将提供必要的论证，以确保我们的耦合规定确实提供了随机动力系统的耦合调控网络。最后，经典速率方程是我们随机模型的小噪声极限，这一事实确保了基于经典理论的任何验证或预测也是我们模型的验证或预测。
2016-03-20 math.DS q-bio.MN
Regulatory patterns in molecular interaction networks
理解分子相互作用网络的设计原理是分子系统生物学的一个重要目标。通过发现约束网络动态的图论模式，已经对它们的网络拓扑结构的特征有了一些了解。本文有助于识别模式的机制，管理网络动态。基因调控、信号传导和代谢网络中节点的控制受多种生化机制支配，来自其他网络节点的输入起叠加或协同作用。本文重点讨论了一种经常作为调节模式出现的逻辑规则。在多态离散模型范例的背景下，引入了一种规则类型，该规则类型在布尔网络情况下简化为嵌套canalysing函数的概念。结果表明，采用这种类型的多值逻辑的网络表现出更强大的动态比随机网络，吸引子少，极限环短。它也表明，大多数的调控功能，在许多已发表的模型的基因调控和信号网络是嵌套canalyzing。
2011-06-27 q-bio.MN
Coevolving Boolean and Multi-Valued Regulatory Networks
随机布尔网络已被广泛用于探索基因调控网络的各个方面。一个修改后的形式的模型，通过它来系统地探索基因状态的数量增加的影响，以前已经介绍。在本文中，这些离散的动力学网络的耦合，崎岖的适应度景观，以探索他们的行为。结果表明，布尔模型的一般属性仍然与更高值的逻辑，无论更新方案或健身采样方法。在共同进化的网络中引入拓扑不对称性被认为会改变行为。
2023-02-03 cs.NE q-bio.MN
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
Lévy Noise Induced Switch in the Gene Transcriptional Regulatory System
基因转录调控是一个固有的噪声过程。本文将基因转录调控系统中涨落的研究推广到Lévy噪声的情况，Lévy噪声是一种非高斯噪声，它可以描述随机环境中不可预测的跳跃变化。给出了平稳概率密度，探讨了Lévy噪声在基因调控网络中的关键作用。结果表明，Lévy噪声的参数，包括噪声强度，稳定性指数和偏度参数可以诱导不同的基因表达状态之间的切换。另一个问题是转换时间（从高浓度状态到低浓度状态或从低浓度状态到高浓度状态），它是一个随机变量，通常被称为平均第一通过时间。通过计算两个方向上的平均首次通过时间，研究了Lévy噪声对表达时间和退化时间的影响，并观察到非高斯Lévy噪声与高斯噪声相比的一些不同特性.
2012-07-19 nlin.CD physics.bio-ph q-bio.MN
What makes the lac-pathway switch: identifying the fluctuations that trigger phenotype switching in gene regulatory systems
多稳态基因调控系统在相同的外部条件下维持不同水平的基因表达。这种多稳定性用于编码包括细菌中的营养吸收和持久性、病毒感染中的命运选择、细胞周期控制和发育在内的过程中的表型状态。不同表型之间的随机转换可以作为mRNA和蛋白质在转录、翻译、运输和结合中产生的分子拷贝数的随机波动的结果而发生。然而，通常不知道途径的哪个组分触发这种转变。通过对E.大肠杆菌的分子模拟，我们设计了一个通用的方法来查明特定的波动驱动表型转换，并将此方法应用于未诱导和诱导状态的乳糖基因之间的过渡。我们发现，诱导状态的过渡不仅是由单一事件的乳糖-阻遏物解除绑定，但关键取决于在此期间的阻遏物保持未绑定的乳糖操纵子。我们在具有高表达水平的阻遏物的菌株中证实了这一概念（导致lac-operon保持未结合的时间较短），这显示出降低的转换率。我们的技术适用于多稳定的基因调控系统，并允许识别基因调控回路中随机转换背后的分子机制。
2014-09-12 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
Bridging physiological and evolutionary time scales in a gene regulatory network
基因调控网络（GRN）控制着表型适应，反映了在不同时间尺度上作用的生理反应和进化适应之间的权衡。为了识别GRNs的分子功能和遗传多样性模式，我们研究了常见向日葵的干旱响应，向日葵，以及潜在的GRN如何与其进化相关。我们研究了32，423个表达序列对干旱和脱落酸的反应，并选择了145个共表达转录本。我们的特点是他们的监管关系，在9个动力学研究的基础上，不同的激素。在此基础上，我们通过对高斯图模型和随机森林算法的元分析，推断出一个GRN，并研究了节点处种群间的遗传分化。我们确定了网络中的两个主要枢纽，它们在保卫细胞中运输硝酸盐。这表明，硝酸盐运输是向日葵对干旱的生理反应的一个重要方面。我们观察到优良向日葵品种中网络基因的分化与它们的位置和连接性相关。这种系统生物学方法结合了不同时间尺度的分子数据，并确定了重要的生理过程。在进化水平上，我们提出，网络拓扑结构可能会影响人类选择的反应，并可能适应干燥的环境。
2014-03-19 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
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
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
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
The Inferred Cardiogenic Gene Regulatory Network in the Mammalian Heart
心脏发育是一个复杂的、多尺度的过程，包括细胞命运的适应、分化和形态发生。为了阐明这一过程的基础途径，最近开发的算法，逆向工程基因调控网络被施加到从发育中的小鼠心脏获得的时程微阵列数据。该算法生成了许多不同的假定网络拓扑结构，能够通过模型仿真来解释实验数据。为了剔除似是而非的网络交互，成千上万的拓扑结构被合并和过滤，以生成一个无标度的分层网络。该网络与已知的基因相互作用进行了验证，并用于识别对发育中的哺乳动物心脏至关重要的调控途径。使用语义相似性和基因谱唯一性度量对预测的基因相互作用进行优先级排序。使用这些指标，该网络被扩展到包括所有已知的小鼠基因，以形成最可能的心源性基因调控网络。本文概述的方法提供了一种信息丰富的网络推理方法，并导致与基因调控相关的明确的可检验假设。
2013-10-28 q-bio.MN
Robust Regulatory Networks
遗传网络的特征之一是其固有的鲁棒性，也就是说，尽管引入了随机错误，它们仍能保持功能。在本文中，我们试图更好地理解如何实现鲁棒性，以及可以鲁棒地维护哪些功能。我们的目标是在一个合理的数学框架中，将生物学讨论中使用的一些语言形式化，在这个框架中，问题可以以严格的方式回答。这些结果提供了基本的概念理解的强大的调控网络，应该是有价值的独立的形式主义的细节。我们将基因调控网络建模为布尔网络，这是StuartKauffman提出的一种通用且成熟的模型。如果一个布尔网络的节点状态在其不动点处满足某个给定的约束，则称该网络处于可行配置。我们指定突变如何影响布尔网络的行为。如果网络的大多数随机突变都达到了可行的配置，那么网络就是鲁棒的。我们研究中研究的主要问题是：给定固定点配置的约束，是否存在相对于它鲁棒的网络？如果存在，它的结构是什么？我们展示了两个明确的结构强大的网络，以及否定其存在的负面结果。
2009-04-28 cs.CC q-bio.MN q-bio.QM
Dynamics of gene expression and the regulatory inference problem
从对外界刺激的反应到细胞分裂和死亡，活细胞的动力学是基于特定基因在特定时间的表达。何时表达基因的决定是通过转录因子分子与调节DNA的结合和解结合来实现的。在这里，我们构建随机模型的基因表达动力学和信使RNA浓度的实验时间序列数据进行测试。该模型用于推断基因转录的生物物理参数，包括转录因子-DNA结合的统计和由给定的转录因子控制的靶基因。
2008-03-05 q-bio.MN
SIREN Cytoscape plugin: Interaction Type Discrimination in Gene Regulatory Networks
将表达数据与网络中的基因相互作用相结合对于理解细胞的功能组织至关重要。因此，在生物网络中的相互作用类型的知识是重要的数据解释。Signing of Regulatory Networks（SIREN）plugin for Cytoscape是一个开源Java工具，用于区分基因调控网络中的相互作用类型（激活或抑制）。SIREN利用基于信息论的概念，试图通过检查它们相应的基因表达谱来识别基因对的相互作用类型。我们介绍SIREN，一个快速和内存高效的工具，具有低计算复杂度，使用户可以很容易地将其视为许多网络重建方法的补充方法。SIREN允许生物学家使用独立的表达数据来预测已知基因调控网络的相互作用类型，其中重建方法不提供关于其相互作用类型的性质的任何信息。SIREN Cytoscape插件是用Java实现的，可以在http://baderlab.org/Software/SIRENplugin和Cytoscape应用程序管理器上免费获得。
2015-12-16 q-bio.MN
Modular Random Boolean Networks
随机布尔网络（RBN）是一种流行的遗传调控网络模型，已有四十多年的历史。然而，大多数RBN的研究已经与随机拓扑结构，而真正的监管网络已被发现是模块化的。在这项工作中，我们扩展了经典的RBN定义模块化RBN。统计实验和分析结果表明，模块性对RBN的性能有很大的影响。特别是，模块化RBN有更多的吸引子，更接近临界时，混沌动力学将是预期的，相比经典的RBN。
2011-03-18 nlin.AO nlin.CG q-bio.MN
Inferring stochastic regulatory networks from perturbations of the non-equilibrium steady state
调控网络描述了分子或细胞调控因子之间的相互作用，如基因调控网络中的转录因子和基因，信号网络中的激酶及其受体，或神经网络中的神经元。定量生物学的一个长期目标是在大规模数据的基础上重建这样的网络。我们的目标是利用非平衡稳态周围的波动进行网络推理。为此，我们使用一个随机模型的基因调控或神经动力学和解决它近似在高斯平均场理论。我们开发了一个可能性估计的基础上，这个随机理论来推断监管的相互作用，从扰动数据的网络节点。我们将这种方法应用于人工扰动数据以及磷酸化蛋白质组数据从细胞系实验和比较我们的结果推理计划限制在稳态的平均活动。
2022-12-27 q-bio.MN
Prediction of lethal and synthetically lethal knock-outs in regulatory networks
参与细胞功能调节的复杂相互作用通过其相互作用图来捕获。通常情况下，缺乏关于增强或抑制调节影响和协同效应的详细知识，仅知道定向相互作用的存在或不存在。在这里，我们调查在何种程度上减少的信息允许预测的效果敲除或敲除的组合。具体来说，我们问在多大程度上消除节点的致命性可以预测他们的网络中心性，如度和介数，而不知道系统的功能。该函数被视为在离散布尔动力学下再现不动点的能力。我们研究两种类型的随机生成的网络：完全随机的网络和结构的节点复制和随后的相互作用的分歧的机制。在所有的网络中，我们发现，出度是一个很好的预测单节点敲除的致命性。对于节点对的敲除，两个敲除节点之间共享的后继者的分数（外重叠）是合成致死率的良好预测因子。出度和出重叠是局部定义的并且计算简单的中心性度量，其提供接近最优预测器的预测能力。
2013-02-14 q-bio.MN
Modeling Dynamics, Cell Type Specificity, and Perturbations in Gene Regulatory Networks
Wisconsin Institute for Discovery, University of Wisconsin-Madison（威斯康星发现研究所，威斯康星大学麦迪逊分校）；Department of Biostatistics and Medical Informatics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校生物统计与医学信息学系）
本文综述了利用单细胞组学数据推断基因调控网络的方法，重点探讨动态性和扰动，并指出该领域需解决的关键挑战。
2026-02-21 q-bio.MN
Inference on the structure of gene regulatory networks
本文对基因调控网络结构的推断进行了理论分析。根据实验方法和数据类型，推理问题被分为20个不同的场景。对于每一种情况，我们讨论的问题，有足够的数据，在什么样的假设下，什么可以推断的结构。对于文献中已经涉及的场景，我们提供了一个简短的回顾。对于文献中没有涉及的场景，如果结构可以推断，我们提出了新的数学推理方法，并在模拟数据上进行评估。否则，我们证明结构不能被推断。
2022-02-17 q-bio.MN
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。
2005-01-27 q-bio.MN
Modeling Stochasticity and Variability in Gene Regulatory Networks
基因调控网络的随机性建模是分子系统生物学中一个重要而复杂的问题。为了阐明固有噪声，已经成功地使用了几种建模策略，如Gillespie算法。本文提供了一种替代这些经典设置的方法。在离散范式中，基因、蛋白质和基因调控网络的其他分子组分被建模为离散变量，并被分配为描述其通过与其他组分的相互作用进行调控的逻辑规则。在生物功能水平上对随机性进行建模，假设即使更新规则的输入节点的表达水平保证激活或退化，由于随机效应，该过程也有可能不会发生。这种方法允许对离散模型进行更精细的分析，并为细胞群模拟提供了一个自然的设置，以研究细胞间的变异性。我们将我们的方法应用于两个研究最多的调控网络，λ噬菌体感染细菌和p53-mdm 2复合物的结果。
2012-03-26 q-bio.MN
Statistics of optimal information flow in ensembles of regulatory motifs
基因调节电路普遍应对不同的噪音源，这些噪音源限制了它们协调输入和输出信号的能力。在许多情况下，最佳监管绩效可以被认为对应于最大化输入和输出之间的互信息的变量和参数配置。在过去的十年里，这种最优值在几个生物学相关的案例中得到了很好的表征。在这里，我们使用统计场理论的方法来计算的最大互信息（“容量”）的统计，可通过调整输入变量只在一个合奏的监管图案，这样一个单一的控制器调节N个目标。假设（i）足够大的N，（ii）猝灭的随机动力学参数，和（iii）影响输入输出通道的小噪声，我们可以准确地再现数值模拟的平均容量和整个分布。我们的研究结果提供了深入了解的内在可变性发生在监管系统的有效性与异构动力学参数。
2018-02-16 cond-mat.dis-nn cond-mat.stat-mech q-bio.MN
Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data
本研究提出基于张量网络和量子互信息的量子启发框架，从单细胞转录组数据推断基因调控网络，有效捕捉高阶非线性依赖，并在超过28,000个细胞的数据中恢复六基因网络及三元调控机制。
2025-09-08 q-bio.MN quant-ph
Reliability of regulatory networks and its evolution
在具有连续时序和噪声的广义布尔网络模型框架下，研究了生物调控网络动力学的可靠性问题。使用著名的人工遗传网络，如repressilator，我们讨论的概念的可靠性的节奏吸引。在一个简单的演化过程中，我们研究了整体网络结构如何影响动力学的可靠性。在进化过程中，网络被选择为可靠的动态。我们发现，大多数网络可以很容易地朝着可靠的功能，同时保持原有的功能。
2008-05-27 q-bio.MN
Evolution of regulatory networks towards adaptability and stability in a changing environment
多样性生物网络表现出不同于随机网络的普遍特征，引起了人们对多样性生物网络起源和意义的关注。在这里，我们提出了一个最小的进化模型的布尔调控网络，有选择地重新布线的链接，提高适应性不断变化的环境和稳定性对动态扰动的发展。我们发现，稀疏和异构的连接模式出现，这表明与真正的转录调控网络和代谢网络的定性协议。稳定性的特征标度行为反映了鲁棒性和灵活性之间的平衡。扰动传播中的波动标度显示出动态交叉，通过分别研究内部动力学的随机性和网络结构的不同，这取决于演化路径进行了分析。我们的研究描绘了进化的矛盾压力如何塑造生物网络，这可能有助于研究与环境相互作用的一般复杂系统。
2014-11-25 physics.bio-ph q-bio.MN q-bio.PE
Stochastic Hybrid Models of Gene Regulatory Networks - A PDE Approach
描述基因调控网络动力学的一种广泛使用的方法是基于化学主方程，该方程考虑了分子计数的所有可能组合的概率分布。这种模型的分析是非常具有挑战性的，由于其大的离散状态空间。因此，我们提出了一种混合近似方法的基础上，系统的偏微分方程，在那里我们假设一个连续的确定性的蛋白质计数的演变。我们讨论了两种建模方法的有效分析方法，并比较它们的性能。我们表明，混合的方法产生足够大的分子计数的准确结果，同时减少计算工作量从一个常微分方程为每个状态的一个偏微分方程为每个模式的系统。此外，我们给出了一个自我调节基因的情况下的混合模型的解析稳态解。
2018-09-20 q-bio.MN
Counting Subnetworks Under Gene Duplication in Genetic Regulatory Networks
本文通过建立基因复制模型，研究基因调控网络中基因家族特异性子网络模体的计数问题，并区分完全复制与部分复制两种机制，为发现具有显著性的子网络模体提供了方法。
2024-05-06 math.CO 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
Evolutionary constraints on the complexity of genetic regulatory networks allow predictions of the total number of genetic interactions
遗传调控网络（GRNs）已经被广泛研究，但是对于这些网络的最终大小和性质缺乏了解，主要是由于目前没有完整的网络。在这项研究中，我们分析了分布在一个大的一组不同的原核生物的GRN结构特性，并发现了一组约束的特点，如网络密度和监管机构的数量。我们的研究结果使我们能够估计完整网络的交互数量，这是一个有价值的见解，可以帮助完成网络管理，预测和验证的艰巨任务。使用最先进的统计方法，我们还提供了新的证据来解决先前提出的争议，该争议提出了完整的生物网络是随机的可能性，因此将观察到的无标度特性归因于网络发现过程中采样过程中出现的伪影。此外，我们确定了一组属性，使我们能够评估不同的GRN对不同的替代统计分布的连接分布的一致性。我们的研究结果支持这样的假设，即高度连接的节点（枢纽）不是网络不完整性的结果。最后，作为完整性的代理计算的GRN的交互覆盖显示，基于高吞吐量的重建GRN可以产生具有低平均聚类系数的有偏网络，这表明仍然需要经典的有针对性的发现交互。
2019-01-21 q-bio.MN
Reconstruction of gene regulatory networks from steady state data
基因在调控网络中相互连接，通常用常微分方程来模拟。基因表达的变化沿着网络中的路径传播到其他基因。在稳定状态下，系统的雅可比矩阵提供有关网络连通性的信息。为了揭示基因的功能特性，网络连接的知识是必不可少的。我们提出了一种新的方法来重建雅可比矩阵的基因调控系统的平衡蛋白质浓度的模型。在最近的一篇论文中，我们定义了传播和反馈函数，描述了一个基因的遗传变异如何传播到网络中的其他基因，也可能传播回网络本身。在这里，我们展示了如何传播和反馈函数提供平衡蛋白质水平之间的关系，这是在原则上可观察到的，雅可比元素是不能直接观察到的。我们建立精确的公式表示的雅可比矩阵的传播和反馈函数的衍生物。从扰动和未扰动的蛋白质水平近似这些衍生物，我们推导出估计雅可比矩阵的公式。我们将该方法应用于果蝇片段极性网络和随机生成的基因网络模型。基因可以通过两种方式受到干扰：通过改变mRNA降解速率，或通过二倍体模型中的等位基因敲除。与真正的雅可比矩阵的比较表明，对于无噪声的数据，我们在前一种情况下获得接近100%的命中率，在后一种情况下获得80-90%的命中率。我们的方法添加到网络干扰工具箱，并提供了一个符号估计的雅可比矩阵从稳态数据，和雅可比矩阵的值估计，如果蛋白质降解率是已知的。此外，该方法确定了一些预测的连接比其他更可靠，并可能指向进一步的实验，以解决不太可靠的雅可比元素的不确定性。
2014-10-31 q-bio.MN
Fan-out in Gene Regulatory Networks
在合成生物学中，基因调控回路通常通过组合较小的回路组件来构建。通过作用于启动子的转录因子实现组分之间的连接。如果单个元件表现为真正的模块，并且满足某些模块接口条件，则原则上可以预测复合电路的功能。在本文中，我们研究的接口条件之一：扇出。我们量化扇出，一个广泛应用于电气工程的概念，以指示上游输出转录因子可以调节的下游输入的最大数量。我们发现，扇出是密切相关的追溯研究Del Vecchio等人。我们提出了一种有效的操作方法来测量扇出，可应用于各种类型的模块接口。我们还表明，扇出可以通过对输出的自抑制调节来增强。我们讨论了在基因调控网络和蛋白质信号通路中发现的抑制性调节的潜在作用。所提出的扇出估计方法不仅提供了一个实验有效的方式来量化基因调控电路的模块化水平，但也有助于表征和设计模块接口，使基因电路的模块化建设。
2010-09-28 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
Stability of gene regulatory networks
细胞中蛋白质浓度的稳态对于它们的正常功能至关重要，这需要浓度（在其稳态水平）对波动保持稳定。由于基因表达受转录因子（TF）等蛋白质的调控，因此细胞内的全套蛋白质构成了一个相互作用的大系统。在这里，我们探索影响该系统的稳定性的因素，通过耦合的动态的mRNA和蛋白质浓度在一个不断增长的细胞。我们发现，它是可能的蛋白质浓度变得不稳定，如果调节强度或系统的大小变得太大，和网络的其他全局结构特征可以显着提高系统的稳定性。特别是，给定相同数量的蛋白质，TF，相互作用的数量和调节强度，类似于具有靶向TF的较低比例的相互作用的二分图的网络具有更高的稳定性。通过扰乱$\textit{E. coli.}$转录网络，我们发现具有相同数量的调控相互作用的随机网络比真实网络更有可能不稳定。这些发现表明，系统稳定性所施加的约束可能在进化过程中塑造现有的监管网络中发挥了作用。我们还发现，相反，人们可能会期望从随机矩阵理论和什么一直在文献中争论，mRNA的降解速率并不影响系统是否稳定。
2020-11-08 cond-mat.dis-nn physics.bio-ph q-bio.MN
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
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
Emergent Criticality from Co-evolution in Random Boolean Networks
在一个简单的基因调控网络的演化布尔网络模型中，研究了网络拓扑结构和动力学的协同演化。我们发现，一个临界状态出现自发的拓扑结构和动力学之间的相互作用的结果在演化过程中。最终演化的状态被证明是独立的初始条件。该网络似乎是一个随机布尔网络，在大的网络极限中，一致度为2。然而，对于生物学实现的网络大小，观察到显着的有限大小效应，包括广泛的度分布和平均度连接在2和3之间。这些结果对于解释基因调控网络的性质具有重要意义。
2006-11-14 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
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
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
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
Emergence of robustness against noise: A structural phase transition in evolved models of gene regulatory networks
我们研究布尔网络的进化受到选择性的压力，有利于对噪声的鲁棒性，作为一个模型的进化遗传调控系统。通过映射到一个统计合奏和最小化其相关的自由能的进化过程中，我们发现的结构特性出现的选择性压力的增加，并确定一个相变从一个随机的拓扑结构到一个“隔离的核心”的结构，其中一个更小，更密集连接的节点的子集是负责网络中的大部分监管。这种分离的结构在性质上与基因调控网络非常相似，在基因调控网络中，只有一个小得多的基因子集--那些负责转录因子的基因--负责全局调控。我们得到的选择压力和每个节点的平均输入数的函数的演化过程的完整的相图。我们比较的理论预测与蒙特卡罗模拟的进化网络和经验数据的酿酒酵母和大肠杆菌。
2012-04-10 cond-mat.dis-nn physics.bio-ph 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
Information content based model for the topological properties of the gene regulatory network of Escherichia coli
基因调控网络（GRN）正在研究越来越精确的定量工具，并可以提供一个试验场的想法，关于复杂的生物网络的出现和进化。我们分析了原核生物大肠杆菌的转录调控网络的全局统计特性，确定了每个操纵子与网络的一个节点。我们提出了一个空模型，这个网络使用基于内容的方法应用于真核生物酿酒酵母。（Balcan等人，代表启动子区域和结合序列的随机序列与节点相关联。从相关数据库中提取这些序列的长度分布。通过测试启动子区域内结合序列的出现来构建网络。涌现网络的集合产生指数衰减的入度分布和假定的幂律依赖的出度分布与平尾，与数据一致。聚类系数，度度相关性，丰富的俱乐部系数和k-核心可视化都同意定性与经验网络的程度尚未达到任何其他计算模型，据我们所知。这些显著的统计差异为进一步研究E. coli GRN。
2009-12-29 q-bio.MN q-bio.QM
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
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
