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。
2004-12-02 cond-mat.soft q-bio.MN
The basis of easy controllability in Boolean networks
生物系统的有效控制通常可以通过控制数量少得惊人的不同变量来实现。我们带来清晰的布尔动态网络的形式主义，这样的结果，分析外部控制的有效性，在选择一个所需的最终状态时，该状态是其中的原始吸引子的动态。分析49个现有的生物网络模型，我们发现强有力的数值证据表明，必须强制的节点的平均数量与原始吸引子的数量成反比。这表明，即使相互作用的组件数量很大，生物网络也可能很容易控制。我们通过将控制节点分为三种类型来提供缩放的理论解释：那些充当输入的节点，那些区分吸引子的节点和任何剩余的节点。我们进一步确定的动态特性，可以使这种缩放无效，并推测这是如何更广泛地涉及到非生物系统。
2021-09-09 q-bio.MN
Boolean Networks as Predictive Models of Emergent Biological Behaviors
本文提供了生物系统布尔网络模型的方法论概述，介绍了模型构建、分析、验证及其在预测系统扰动响应和行为控制中的应用，并通过三个案例研究展示了结构与动力学特性的相互作用。
2023-10-19 nlin.CG q-bio.MN
A Monte Carlo Approach to Measure the Robustness of Boolean Networks
生物网络中鲁棒性的出现是进化生物体的一个重要特征，但是对于任何水平的表示，如遗传，代谢或神经元网络，在体内研究这种特性是一个非常艰巨的挑战。在遗传网络的情况下，数学模型已被用于在这种情况下，以提供其鲁棒性的见解，但即使在相对简单的公式，如布尔网络（BN），它可能是不可行的，以计算一些措施的大系统的大小。在这项工作中，我们描述了一种蒙特卡罗方法来计算BN的最大吸引盆地的大小，这与其鲁棒性本质上相关，无论网络大小如何都可以使用。我们通过有限大小的分析证明了我们的方法的稳定性，并在小型网络上进行了全搜索。
2012-10-17 q-bio.MN
Boolean function metrics can assist modelers to check and choose logical rules
生物过程的计算模型为详细分析驱动复杂系统行为的机制提供了最有力的方法之一。基于逻辑的建模增强了我们对这些系统的理解和解释。定义确定生物实体的输出活动如何由其各自的输入调节的规则已被证明是具有挑战性的，这是由于越来越大的模型和数据中噪声的存在，允许多个模型参数化来拟合实验观察结果。我们提出了几个布尔函数的度量，提供建模人员与适当的框架来分析一个特定的模型参数化的影响。我们展示了布尔函数的语义特征与模型的底层监管结构之间的联系。我们进一步定义的属性，概述了这种一致性，并表明，研究中的几个布尔函数违反他们，质疑他们的生物相容性和随后的使用。我们还说明，监管功能可以有重大差异，就其渐近输出行为，其中一些偏向于特定的布尔结果时，其他人是依赖于激活和抑制监管机构之间的比率。应用结果表明，在一个特定的信号传导癌症网络中，函数偏差可以用来指导逻辑算子的选择，以匹配数据观测的模型。此外，图形分析表明，标准化的布尔函数的偏差变得更加突出，越来越多的监管机构，证实了这样一个事实，即规则规范可以有效地确定监管结果，尽管生物网络的复杂动态。
2021-04-02 q-bio.MN
Assembling biological boolean networks using manually curated databases and prediction algorithms
尽管有大量的信息，但仍然需要在各种生物数据库中进行深入研究，以重建和理解导致已知或新现象的步骤。通过使用蛋白质相互作用网络和算法来提取感兴趣的蛋白质之间的相关互连，可以从全局相互作用组组装子网络。使用这些提取的网络，可以使用算法来预测信号方向，而激活和抑制效应可以使用RNA干扰筛选来预测。这种方法的结果是布尔网络的自动生成。这种建模动态系统的方式允许发现稳定状态和预测刺激反应。
2014-12-02 cs.CE q-bio.MN
Parameter estimation for Boolean models of biological networks
布尔网络长期以来一直被用作分子网络的模型，并在系统生物学中发挥着越来越重要的作用。本文介绍了一个软件包，Polynome，作为一个Web服务，帮助用户构建基于实验数据和生物输入的布尔网络模型。其关键特征是对连续模型的参数估计进行离散模拟。该软件仅以实验数据为输入，可作为从实验时程数据逆向工程布尔网络模型的工具。
2009-08-21 q-bio.MN q-bio.OT q-bio.QM
Boolean Models of Bistable Biological Systems
本文给出了用布尔网络模型逼近由常时滞微分方程组给出的某些类型的动力系统的算法。通常布尔模型比复杂的微分方程模型更容易理解。这项工作的动机来自数学系统生物学。虽然布尔机制不提供关于精确浓度率或时间尺度的信息，但它们通常足以捕获稳态和其他关键动态。由于其直观的性质，这些模型对生命科学的研究人员非常有吸引力。本文主要研究由时滞方程描述的具有双稳定性的动力系统。它表明，如果一个特定的主题，包括一个反馈回路存在于系统的布线图，布尔模型捕捉到的分子开关的双稳态。该方法应用于来自生物学的两个实例，lac操纵子和噬菌体λ裂解/溶原性开关。
2009-12-10 q-bio.MN q-bio.QM
Boolean network model predicts cell cycle sequence of fission yeast
基于已知的生物化学相互作用拓扑结构，建立了裂殖酵母细胞周期调控网络的布尔网络模型.在计算机中模拟该模型，忠实地再现了已知序列的调节活动模式沿细胞周期的活细胞。与现有的微分方程模型相反，除了调节电路的结构之外，没有参数进入模型。该模型的动力学性质表明，生物动力学序列在调控网络中鲁棒地实现，生物定态G1对应于状态空间中的主导吸引子，生物调控序列是一个强吸引轨道.将分裂酵母细胞周期模型与S。cerevisiae中，电路的显着差异，以及动态观察。而后者工作在强阻尼模式，由外部激励驱动，S。Pombe网络表示具有外部阻尼的自激系统。
2007-04-17 q-bio.MN
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。
2020-05-19 q-bio.MN
Neutral Mutations and Punctuated Equilibrium in Evolving Genetic Networks
布尔网络可以被视为生物遗传网络的理想化，其中每个节点由一个开关表示，该开关是来自其他节点的二进制输出的函数。我们在一个单一的布尔网络的连接发展，并演示如何吸引子的顺序匹配的唯一要求可能会打开一个演变，表现出间断的平衡。
1999-03-04 adap-org cond-mat.dis-nn cond-mat.stat-mech
Control in Boolean networks with model checking
理解生物系统中的控制机制在重要的应用中起着至关重要的作用，例如在细胞重编程中。布尔建模允许识别可能的有效策略，有助于减少通常高和耗时的实验工作。现有的控制策略识别方法通常集中在吸引子或表型控制上，无法处理更复杂的控制问题，例如表型回避。在许多情况下，它们也无法捕捉到所有可能的最小策略，只能找到次优解决方案。为了填补这些空白，我们提出了一种新的方法来确定控制策略的布尔网络模型检测的基础上。该方法保证识别所有的最小控制策略，并提供了最大的灵活性，在定义的控制目标。我们调查的方法的适用性，通过考虑一系列的控制问题，不同的生物系统，比较的结果，在可能的情况下，通过替代控制方法获得的。
2021-12-20 q-bio.MN
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。
2007-10-05 q-bio.MN
The Stability of Boolean Networks with Generalized Canalizing Rules
布尔网络是离散动态系统，其中每个节点的状态（0或1）在每个时间t更新到由那些节点在时间t-1的状态所确定的状态，这些节点有链接到它。当这些系统被用来模拟遗传控制，“渠道化”的情况下更新规则是特别感兴趣的。通道化规则是这样一种规则，对于该规则，当输入节点处于其通道化状态时，节点在时间$t$的状态由其输入中的单个输入在时间t-1的状态确定。以前的工作在布尔网络的有序/无序过渡考虑复杂的，非随机的网络拓扑结构。在目前的论文中，我们扩展了以前的工作，以考虑渠道化行为。
2012-02-25 q-bio.MN
Piecewise linear and Boolean models of chemical reaction networks
生物化学网络的模型通常是高维和复杂的。因此，保持重要动力学性质的约化方法在其研究中至关重要。这种网络中节点之间的相互作用经常使用希尔函数$x^n/(J^n+x^n)$来建模。当指数$n$较大时，约化常微分方程和布尔网络已被广泛研究。然而，小常数$J$的情况出现在实践中，但没有得到很好的理解。在本文中，我们提供了一个数学分析这个限制，并表明，减少到一组分段线性常微分方程和布尔网络可以在数学上证明。分段线性系统的封闭形式的解决方案，密切跟踪那些完全非线性模型。另一方面，更简单的布尔网络可以用来研究原始系统的定性行为。我们证明减少使用几何奇异摄动理论和紧收敛，并说明在网络建模的遗传开关和遗传振荡器的结果。
2013-08-22 q-bio.MN q-bio.QM
A Novel Antifragility Measure Based on Satisfaction and Its Application to Random and Biological Boolean Networks
Universidad Nacional Autónoma de México（墨西哥国立自治大学）；Centro de Ciencias de la Complejidad, Universidad Nacional Autónoma de México（墨西哥国立自治大学复杂性科学中心）；Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas, Universidad Nacional Autónoma de México（墨西哥国立自治大学应用数学与系统研究所）；ITMO University（ITMO大学）
本文提出一种基于满足度的抗脆弱性度量，应用于随机和生物布尔网络，发现有序网络最抗脆弱，并展示七个生物系统具有抗脆弱性。
2019-04-24 cond-mat.stat-mech cs.DM nlin.AO
Characterization of Boolean Networks with Single or Bistable States
许多生物系统，如代谢途径，表现出双稳态行为：这些生物系统表现出两种不同的稳定状态，并在一定条件下控制两种稳定状态之间的切换。由于理解双稳态是理解这些生物系统的关键，因此双稳态现象的数学建模一直是定量生物学和系统生物学研究的焦点。最近的研究表明，布尔网络提供了相对简单的数学模型，能够捕捉这些基本信息。因此，更好地理解具有双稳态性质的布尔网络，无论是在理论上还是在应用上都是非常必要的。本文基于布尔网络的多项式表示，给出了布尔网络稳定状态（不动点）个数的代数条件，并给出了布尔网络具有单稳定状态或两稳定状态的算法.作为一个例子，我们还构建了一个布尔网络，当葡萄糖不存在时，乳糖操纵子的$β$ -半乳糖苷酶调节途径正好有两个稳定状态，基于延迟微分方程模型
2013-07-02 q-bio.MN q-bio.QM
Decomposition of Boolean networks: An approach to modularity of biological systems
本文介绍了布尔网络的分解理论的基础，布尔网络是一种离散动力系统，在生命科学、工程和物理学中有着广泛的应用。给定一个满足一定条件的布尔网络，存在一个唯一的子网络集合，因此网络可以通过扩展操作从这些子网络重构。本文的主要结果是，这种结构分解导致相应的网络动力学的分解。该理论的动机是寻找一个数学框架来形式化生物系统是模块化的假设，在生命科学中被广泛接受，但没有明确定义和良好表征。作为动态模块化如何用于有效识别表型控制的示例，可以通过识别其模块中的控制来找到网络的控制策略，每次一个。
2022-06-09 math.DS nlin.AO physics.bio-ph
Continuous time Boolean modeling for biological signaling: application of Gillespie algorithm
本文提出了一种算法，允许在连续时间的定性框架中对生物网络进行建模。数学建模被用作回答生物学问题的系统生物学工具，更准确地说，是用来验证描述生物学观察的网络，并预测扰动的影响。我们提出了一种建模方法，本质上是连续的时间。这里提出的算法填补了定性和定量建模之间的空白。它是基于连续时间马尔可夫过程应用于布尔状态空间。为了描述时间的演变，我们明确地指定每个节点的过渡率。为此，我们构建了一种语言，可以被视为布尔方程的推广。跃迁速率的值有一个自然的解释：它是跃迁发生时间的倒数。在数学上，这种方法可以转化为一组关于概率分布的常微分方程;因此，它可以被视为定量和定性之间的方法。我们开发了一个C++软件，MaBoSS，它能够模拟这样的系统，通过应用动态蒙特卡罗（或吉莱斯皮算法）在布尔状态空间。这个软件，并行化和优化，计算概率分布的时间演变，也可以估计平稳分布。布尔动力学蒙特卡罗的应用程序已经证明了两个定性模型：玩具模型和公布的p53/Mdm 2模型。我们的方法可以描述动力学现象，这是难以处理的原始模型。特别是，瞬时效应由时间依赖性概率分布表示，可根据细胞群进行解释。
2012-05-29 physics.bio-ph q-bio.MN q-bio.QM
Taming Asynchrony for Attractor Detection in Large Boolean Networks (Technical Report)
布尔网络是一种用于生物系统建模的成熟形式。分析布尔网络的一个重要挑战是识别所有的吸引子。由于异步更新方案，这对于大型异步布尔网络变得更具挑战性。现有的方法是禁止的，由于众所周知的状态空间爆炸问题在大型布尔网络。在本文中，我们提出了一种基于SCC的分解方法来解决这一挑战。我们证明了我们提出的方法的正确性，并证明了其效率与两个现实生活中的生物网络。
2017-06-13 cs.DC q-bio.MN q-bio.QM
Synthesis of Boolean Networks from Biological Dynamical Constraints using Answer-Set Programming
LRI, CNRS, U. Paris-Sud U. Paris-Saclay（巴黎-萨克雷大学南巴黎校区法国国家科学研究中心计算机研究所）；LaBRI, CNRS, U. Bordeaux Bordeaux INP（波尔多大学波尔多国立理工学院法国国家科学研究中心计算机与自动化研究所）；Institut Curie, INSERM U. PSL, Mines ParisTech（巴黎文理研究大学法国国家健康与医学研究院巴黎高等矿业学院居里研究所）
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。
2020-02-27 cs.AI cs.LO q-bio.MN
Study of the structure and dynamics of complex biological networks
在这篇论文中，我们利用图论、计算生物学和动力系统的工具研究了某些生物网络的大尺度结构和系统级动力学。我们研究了大肠杆菌、酿酒酵母和金黄色葡萄球菌这三种生物体内大规模代谢网络的结构和动力学。我们还研究了控制E.大肠杆菌代谢我们试图解释观察到的系统级动力学性质，这些网络的基础结构。我们对这些大规模生物网络的系统级动力学的研究提供了一个不同的视角，与纯粹的结构研究相比，它们的功能。我们的研究也导致了一些新的见解的功能，如鲁棒性，脆弱性和模块化的这些大规模的生物网络。我们还阐明了细胞内的不同网络，如代谢网络和遗传网络是如何相互关联的。
2008-12-30 q-bio.MN
A proof-carrying architecture for synthetic genetic logic circuits under stochastic temporal contracts
Faculty of Computer Science, University of Vienna（维也纳大学计算机科学学院）；Faculty of Informatics, TU Wien（维也纳工业大学信息学院）
本文提出证明携带合成生物学（PCS-Bio）架构，通过连接布尔等价、随机契约等义务，为无环基因逻辑电路提供时间精化保证，实验显示切片可降低风险与延迟。
2026-10-01 cs.LO q-bio.MN
Therapeutic target discovery using Boolean network attractors: improvements of kali
在以前的文章中，介绍了一种在布尔网络建模病理机制中识别治疗靶点的算法。在本文中，对这种算法，命名为kali，进行了改进。这些改进是i）在异步布尔网络上工作的可能性，ii）对治疗靶点的更精细评估和iii）使用多值逻辑的可能性。Kali假设一个动态系统（如布尔网络）的吸引子与建模的生物系统的表型相关联。给定一个基于逻辑的病理机制模型，kali寻找能够降低与病理表型相关的吸引子的可达性的治疗靶点，从而降低它们的可能性。Kali在一个示例网络上进行了说明，并用于生物案例研究。该案例研究是一个已发表的基于逻辑的膀胱肿瘤发生模型，kali从该模型中返回了一致的结果。但是，像任何计算工具一样，kali可以预测但不能取代人类的专业知识：它是在药物发现领域应对生物系统复杂性的支持工具。
2018-01-08 q-bio.MN q-bio.QM
TaBooN -- Boolean Network Synthesis Based on Tabu Search
OMIC技术的最新发展通过产生多维度和规模的分子数据彻底改变了生物学的研究。生物学上的这一突破提出了基于建模的解释的关键问题。在这项工作中，网络提供了一个合适的框架来模拟分子之间的相互作用。基本上，生物网络由涉及基因或蛋白质等组件的节点和将它们之间的相互作用形式化的边/弧组成。的相互作用的演变，然后建模的动力系统的定义。在不同类别的网络中，布尔网络为建模提供了可靠的定性框架。因此，从实验数据自动合成布尔网络仍然是一个必要但具有挑战性的问题。在这项研究中，我们提出了禁忌，从生物数据合成布尔网络的原始工作流程。该方法使用布尔配置文件的形式的数据来推断所有潜在的本地公式推断。它们结合起来形成模型空间，必须从中找到关于生物知识和实验的最真实的模型。在禁忌工作流中，通过Tabu搜索算法来选择最合适的模型。Taboon是一种从实验数据进行布尔网络推理的自动化方法，也可以帮助评估和优化生物网络的动态行为，为进一步建模和预测提供可靠的平台。
2020-09-08 cs.AI cs.CE q-bio.MN
Boolean Networks with Multi-Expressions and Parameters
为了使用网络对生物系统进行建模，期望允许节点具有两个以上的表达水平，并且允许引入参数。在文献中已经提出了使用布尔模型（同步和异步）来解决这些需求的各种建模和仿真方法。然而，这些更一般的布尔网络模型的分析研究是滞后的。本文旨在为这些不同的基于布尔逻辑的建模方法开发一个简明的理论。布尔模型的网络，每个节点可以有两个以上的表达水平和布尔模型的参数代数定义的例子提供。利用本文所介绍的设置，详细研究了若干类随机异步布尔网络和确定模异步布尔网络。所导出的定理为这些异步布尔网络的吸引子结构提供了一个清晰的图像。
2014-04-22 q-bio.MN
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。
2013-06-20 cs.NE q-bio.MN
Upper bound for the stability of Boolean networks
University of Florida（佛罗里达大学）；Iowa State University（爱荷华州立大学）
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。
2025-06-14 nlin.CG physics.bio-ph q-bio.MN
Node and edge control strategy identification via trap spaces in Boolean networks
生物系统的控制机制的研究允许在生物工程和医学中的有趣应用，例如在细胞重编程或药物靶点识别中。控制策略通常由一组干预组成，通过固定某些组件的值，确保受控系统的长期动态处于期望状态。在布尔框架中，一种常见的控制方法是检查固定值如何通过网络传播，以确定干预措施的效果是否足以诱导目标状态。虽然基于值渗透的方法允许有效的计算，但它们可能会错过许多控制策略。另一方面，用于控制策略识别的穷举方法通常需要高计算成本。为了增加确定的控制策略的数量，同时仍然受益于一个有效的实施，我们介绍了一种基于值渗透的方法，该方法使用陷阱空间，相对于动态封闭的状态空间的子空间，通常可以很容易地计算在生物网络。该方法允许节点干预，固定某些组件的值，以及边缘干预，固定一个组件对另一个组件的影响。该方法是使用答案集编程实现的，扩展了现有的有效实现值渗透，允许使用陷阱空间和边缘控制。该方法的适用性研究不同的控制目标在生物案例研究，确定在所有情况下，新的控制策略，将逃脱通常的基于简化的方法。
2022-03-25 q-bio.MN
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。
2016-07-13 nlin.CG physics.bio-ph q-bio.MN
Genetic studies through the lens of gene networks
针对传统GWAS、TWAS等方法忽略基因互作的问题，本文综述了结合机器学习、整合多分子数据识别基因模块的方法，以PhenoPLIER为例说明其可捕获有生物学意义的基因网络，助力疾病研究与个性化医疗。
2024-10-30 q-bio.MN
Dynamical robustness of biological networks with hierarchical distribution of time scales
我们提出了分布式鲁棒性和r-鲁棒性的概念，很好地适应功能遗传学。然后，我们讨论的鲁棒性的弛豫时间使用化学反应描述的遗传和信号网络。首先，我们得到了线性网络的以下结果：对于具有分层时间尺度分布的多尺度大系统，逆弛豫时间的方差（以及稳态速率的方差）远低于分离常数的方差。此外，它可以比1/n更快地趋于0，其中n是反应的数量。我们认为，类似的现象是有效的，在非线性的情况下，以及。作为一个数值说明，我们使用的信号网络模型，可以应用于重要的转录因子，如NF κ B。
2007-01-15 q-bio.MN
Enhancing Boolean networks with continuous logical operators and edge tuning
由于缺乏有关生物现象的定量细节，系统生物学中的定量建模可能会受到影响，特别是在亚细胞尺度上。解决这个问题的一种方法是定性建模，因为它几乎不需要定量信息。最流行的定性建模方法之一是布尔网络形式主义。然而，布尔模型允许变量只取两个值，这在某些情况下可能过于简单。目前的工作提出了一种建模方法，从布尔网络中使用连续的逻辑运算符，可以调整边缘。使用连续逻辑运算符允许变量更精细地赋值，同时保持定性。考虑到一些生物相互作用可能比其他生物相互作用更慢或更弱，边缘状态也被计算，以调节它们传递的信号的速度和强度。所提出的形式主义说明了来自表皮生长因子受体信号通路的玩具网络。所获得的模拟表明，连续的结果产生，从而允许更精细的分析。模拟还表明，调制由边缘传达的信号可以结合有关它们所建模的相互作用的知识。我们的目标是提高定性模型的能力，以模拟生物网络的动态，同时限制定量信息的需求。
2019-03-20 q-bio.MN q-bio.QM
Relative Stability of Network States in Boolean Network Models of Gene Regulation in Development
细胞类型重编程的进展重新唤起了人们对沃丁顿表观遗传景观概念的兴趣。最近，研究人员发展了准势理论来代表沃丁顿景观。准势U（x）是从细胞基因调控网络（GRN）中的相互作用导出的，它量化了网络状态的相对稳定性，决定了多稳态动力学系统中状态转换所需的努力。然而，拟势景观，最初开发的连续系统，不适合离散值网络，这是研究复杂系统的重要工具。在本文中，我们提供了一个框架来量化离散布尔网络（BN）的景观。我们应用我们的框架来研究胰腺细胞分化，其中基于胰腺发育的最小GRN结构考虑BN模型的集合。我们施加生物学动机的结构约束（对应于特定类型的布尔函数）和动力学约束（对应于稳定的吸引子状态），以限制胰腺发育的BN模型的空间。此外，我们实施了一种新的功能约束对应的BN模型中的吸引子状态的相对顺序限制BN模型的空间的生物相关类。我们发现，与canalyzing/符号兼容的布尔函数的BN最好地捕捉胰腺细胞分化的动态。该框架还可以确定基因对细胞状态转变的影响，从而促进细胞重编程方案的合理设计。
2015-10-12 q-bio.MN
Evolving Boolean Networks with RNA Editing
其他分子对转录的RNA进行编辑，使最终产物的形式与相应DNA序列中指定的形式不同，这是普遍存在的。本文使用一个抽象的，可调的布尔遗传调控网络模型来探索RNA编辑的各个方面。特别是，它显示了如何动态地改变表达序列通过引导RNA启发的机制可以通过模拟进化在各种单细胞和多细胞的情况下进行选择。
2015-05-08 cs.NE q-bio.MN q-bio.PE
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。
2010-11-16 cond-mat.dis-nn cond-mat.stat-mech nlin.CD
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。
2012-11-24 q-bio.MN q-bio.QM
Boolean matrix logic programming for active learning of gene functions in genome-scale metabolic network models
Department of Computing, Imperial College London（计算机系，帝国理工学院伦敦分校）
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。
2025-06-06 cs.AI cs.LG q-bio.MN
Designing biological circuits: from principles to applications
遗传电路设计是合成生物学中的一个研究热点。自从第一个基因电路--阻遏器和拨动开关--被设计和实现以来，在这一研究领域已经取得了许多进展。目前的审查系统地组织了一些关键的工作在这一领域采用通用的框架广义形态分析。该领域的文献已被映射的基础上（a）所使用的设计方法，从蛮力搜索到控制理论的方法，（b）所采用的建模技术，（c）实现的各种电路功能，（d）关键设计特性，以及（e）用于遗传电路的鲁棒设计的策略。我们总结了我们的审查与展望多个令人兴奋的领域，为未来的研究，基于系统评估的关键研究差距，已经很容易解开我们的分析框架。
2021-11-05 cs.ET q-bio.MN
An open problem: Why are motif-avoidant attractors so rare in asynchronous Boolean networks?
该研究针对异步布尔网络中规避模体的吸引子（MAA）稀少的问题，通过大规模计算研究量化其稀有性，揭示网络约简的引入作用及线性扩展的破坏性，并改进了破坏MAA所需延迟数的上界。
2024-10-04 nlin.AO nlin.CG q-bio.MN
Adaptive Data-Knowledge Alignment in Genetic Perturbation Prediction
Nanjing University（南京大学）；EMBL-EBI（欧洲生物信息学研究所）
本文提出ALIGNED框架，通过整合数据驱动学习与现有知识，解决基因扰动预测中数据与知识不一致的问题，提升预测一致性与生物知识重构能力。
2026-04-01 cs.AI cs.LG q-bio.MN
Enhanced entrainability of genetic oscillators by period mismatch
生物振荡器协调各个细胞成分，使它们协调一致地共同发挥作用。它们通常由多个反馈回路组成，并且周期失配在生物实现中是不可避免的。我们研究了这种周期不匹配对外部刺激的同步响应方面的有利影响。具体来说，我们考虑了遗传电路的两个基本模型：平滑振荡器和弛豫振荡器。利用相位约化和Floquet乘子，数值分析了它们在不同耦合强度和周期比下的可重构性。我们发现，一个周期失配诱导更好的夹带在这两种类型的振荡器，增强发生在附近的极限环上的分歧。在平滑振荡器中，增强的最佳周期比与实验观察到的比率一致，这表明生物利用周期失配。虽然多个反馈回路的起源通常被解释为一个被动的机制，以确保对扰动的鲁棒性，我们研究的周期不匹配，其中包括提高遗传振荡器的效率的积极的好处。我们的研究结果显示了一个质的不同的角度来看，多个循环的固有优势和它们的重要性。
2013-01-12 nlin.CD physics.bio-ph 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
Scaling in ordered and critical random Boolean networks
随机布尔网络最初是作为基因调控网络的模型而发明的，是表现出丰富的动态结构的广泛类别的复杂系统的简单模型。从生物学的角度来看，最有趣的网络位于或接近参数空间中的临界点，该临界点将“有序”与“混沌”吸引子动力学区分开来。在有序的制度，我们严格地表明，相关的节点（那些决定吸引动力学）的平均数量保持不变，随着系统的大小N。对于临界网络，我们的分析和数值结果表明，相关节点的数量的规模像N^{1/3}。数值实验还表明，临界网络中吸引子的中值数随N的增长比线性增长更快。计算解释了为什么只有在非常大的N时才能观察到正确的渐近标度。
2002-12-12 cond-mat.dis-nn q-bio.MN
Computation of Immediate Neighbours of Monotone Boolean Functions
本文针对布尔网络模型参数化问题，提出了计算单调非退化布尔函数偏序集中直接邻居的原始规则，为布尔网络合成与修订的高效方法奠定基础。
2025-06-23 cs.DM q-bio.MN
Canalizing Boolean Functions Maximize the Mutual Information
生物布尔网络的信息处理能力是近年来信息论研究的热点。量化这种能力的一种度量是公知的互信息。使用傅立叶分析，我们表明，渠化功能最大化的输入变量和功能的结果之间的互信息。我们证明我们的结果为布尔函数均匀分布以及产品分布的输入变量。
2012-11-05 cs.IT math.IT nlin.AO
Methods of robustness analysis for Boolean models of gene control networks
布尔模型作为研究遗传调控网络的一种离散方法，为基因和蛋白质之间相互作用的结构提供了一种基本的定性描述。布尔模型通常假设网络中的每个基因或蛋白质只有两种可能的状态（表达或不表达），以及各种调控过程之间的高度同步。在本文中，我们讨论和比较两种可能的方法，适应定性模型，将连续时间特性的调控网络。第一种方法是在布尔模型中引入异步更新。在第二种方法中，我们采用L. Glass得到一组分段线性微分方程，这些方程连续描述网络中每个基因或蛋白质的状态。我们将这两种方法应用到一个特定的例子：果蝇的片段极性基因网络的布尔模型。我们分析了该模型的动力学，并提供了一个理论表征的模型的基因模式预测的各种过程的时间尺度的函数。
2006-05-01 q-bio.MN q-bio.QM
BoolForge: Controlled Generation and Analysis of Boolean Functions and Networks
Iowa State University（爱荷华州立大学）
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。
2026-03-25 math.DS nlin.CG q-bio.MN
Stochastic Synchronization of Genetic Oscillator Networks
遗传振荡器之间的同步性研究对于理解生物体在分子和细胞水平上的节律现象是必不可少的。由于细胞内和细胞间的自然随机波动，遗传网络本质上是嘈杂的。因此，研究噪声扰动对遗传振子同步动力学的影响具有重要意义。从合成生物学的观点来看，实现最小化扰动的负面影响的生物系统也很重要。本文基于系统生物学方法，给出了随机扰动下遗传振子同步的一般理论结果。基于控制理论中的Lur 'e系统方法，利用许多遗传振子模型的特殊性质，给出了耦合遗传振子随机同步的一个易于验证的充分条件.文中还提出了减小噪声影响的设计原则。为了证明我们的理论结果的有效性，人口的耦合represillators作为一个数值例子。综上所述，我们提出了一个有效的理论方法来分析的基因振荡器网络的同步，这是有助于理解和测试的同步现象在生物有机体。此外，所得结果对一般振子网络也是适用的.
2007-02-11 cond-mat.dis-nn nlin.CD q-bio.MN
MicroRNA Interaction network in human: implications of clustered microRNA in biological pathways and genetic diseases
一组新的小的非编码RNA，被称为microRNA（miRNA），被预测调控高达90%的编码基因在人类。miRNA靶点的多样性和丰富性提供了巨大的组合可能性，并表明miRNA及其靶点形成了复杂的调控网络。在本研究中，我们分析了miRBase数据库中的711个miRNAs及其34525个预测靶点，这些靶点产生了一个复杂的二分网络，该网络具有形成枢纽的大量基因。在枢纽基因（共9877）显着过度代表的基因具有特定的分子功能，生物过程和生物途径，从使用PANTHER分析揭示。我们进一步通过连接每对共同靶向至少一个基因的miRNA来构建miRNA共同靶向网络。链接的权重，即一对miRNA的共同靶点的数量，变化很大，我们可以删除几个链接，同时保持网络的相关特征不变。由此获得的最大连通子图包含479个miRNA。从已发表的数据中收集的15种不同疾病中超过75%的miRNAs被发现在这个最大的子图中。我们进一步分析这个子图，以获得70个小簇，其中包含479个中的总共330个miRNA。我们鉴定了生物学途径，其中簇中的共靶向基因与用簇中未被miRNA共靶向的基因获得的生物学途径相比显著过表达。利用已发表的数据，我们确定了特定的miRNAs簇通过改变特定的途径与特定的疾病相关。我们提出，而不是单一的miRNA，共同靶向基因的miRNA簇对疾病中的miRNA调控很重要。
2009-01-27 q-bio.GN q-bio.MN
Biological Networks
在这篇综述中，我们给出了生物网络的结构和功能特性的介绍。我们专注于三个主要主题：复杂的生物网络的拓扑结构，如代谢和蛋白质-蛋白质相互作用网络，基因调控网络的非线性动力学，特别是使用非线性物理的概念和技术的合成遗传网络的设计，最后是随机性对动力学的影响。所选的例子说明了跨学科方法在生物网络研究中的有用性。
2002-02-12 cond-mat q-bio.MN
Concurrency in Boolean networks
布尔网络（BN）被广泛用于生物系统的定性动力学建模。除了确定每个组件相对于其调节器的状态的演变的逻辑规则之外，组件更新的调度可以对预测的行为产生显著影响。在本文中，我们将探讨使用读（上下文）Petri网（RPN）从并发理论的角度来研究动态的BN。在展示了RPN和BN之间的双向转换以及同步灵敏度结果之间的类比之后，我们说明了BN的常用更新模式可能会错过看似合理的行为，即，错误地得出不存在/不可能达到特定配置的结论。我们提出了一个编码的BN资本化的RPN语义，使更多的行为比广义异步更新模式。建议的编码确保了正确的抽象的任何多值细化，因为人们可能会期望实现时，没有假设其时间特征的生物系统建模。
2019-05-31 cs.DM cs.FL cs.LO
Compensatory interactions to stabilize multiple steady states or mitigate the effects of multiple deregulations in biological networks
复杂的疾病可以被建模为细胞内网络的损伤，导致异常的细胞行为。基于网络的动态模型，如布尔模型，已被用来模拟各种生物系统，包括那些对应于疾病。以前的工作设计了补偿相互作用，以稳定吸引子的布尔网络后，单节点损坏。我们推广这种方法的多节点损伤的情况下，同时稳定的多个稳态吸引子。我们对紧急情况进行分类，特别关注组合效应，并通过模拟来描述每个类别。我们探讨了网络的结构和功能特性如何影响其弹性和可能的修复方案。我们证明了该方法的适用性，两个细胞内的网络模型相关的癌症。这项工作对设计复杂疾病的预防策略具有意义。
2016-12-28 physics.bio-ph physics.soc-ph q-bio.MN
Parallel One-Step Control of Parametrised Boolean Networks
Masaryk University（马萨里克大学）
针对参数化布尔网络（ParBNs）异步语义下的控制难题，提出一种基于符号数据结构的新型半符号单步控制算法，规避参数扫描的低效问题，并在真实生物模型上验证了性能。
2020-09-01 cs.SY eess.SY q-bio.MN
