Stochastic modeling of regulation of gene expression by multiple small RNAs
大量的新研究强调了小RNA(sRNA)在不同过程中的关键作用,如群体感应和细胞对压力的反应。控制这些过程的途径通常具有由主调节蛋白组成的中心基序,所述主调节蛋白的表达由多个sRNA控制。然而,多个sRNA对单个靶基因的随机基因表达的调节目前还没有很好的理解。为了解决这个问题,我们分析了一个随机模型的多个sRNA的基因表达的调节。对于这个模型,我们得到精确的分析结果的调节蛋白质分布,包括紧凑的表达式,其均值和方差。衍生的结果提供了新的见解的作用,多个sRNAs微调噪音的基因表达。特别是,我们表明,在由一个单一的sRNA的调控相反,多个sRNA提供了一种机制,独立控制的平均值和方差的调节蛋白质分布。
2011-02-11 physics.bio-ph q-bio.MN
RNA-based regulation: dynamics and response to perturbations of competing RNAs
通过滴定机制,microRNA(miRNAs)可以充当其共同靶标(竞争性内源RNA或ceRNA)之间有效相互作用的介体的观察提出了RNA可以在扩展的“串扰”网络中相互调节的想法(“ceRNA假说”)。这种能力可能在形成细胞蛋白库的转录后调节(PTR)中发挥重要作用。最近的工作集中在串扰网络的涌现属性强调了高灵活性和选择性,可以实现平稳。另一方面,在相关时间尺度上可能至关重要的动力学方面却远不那么清楚。我们在PTR模型上对ceRNA假说进行了动力学研究。敏感性分析显示,ceRNA串扰是动态延长的,即,即使在稳定状态下不发生串扰的情况下,它也可以在比实现平稳性所需的时间尺度更短的时间尺度上发生,并且可能被放大。此外,在大的情况下,转染样扰动的系统可能会发展强烈的非线性,阈值响应。最后,我们表明,ceRNA效应为细胞提供了一种非常有效的方法,在必要时实现ceRNA水平的快速正向转变。这些结果表明,竞争的小RNA可能确实提供了一个基本的机制,以实现系统水平的调节作用的转录组在生理相关的时间尺度。
2013-12-19 cond-mat.dis-nn cond-mat.stat-mech q-bio.GN
Corynebacterium glutamicum regulation beyond transcription: Organizing principles and reconstruction of an extended regulatory network incorporating regulations mediated by small RNA and protein-protein interactions
谷氨酸棒杆菌是在土壤中发现的革兰氏阳性细菌,其中条件变化需要调节机制的可塑性。由于缺乏数据整合,在全球范围内对这种机制的研究受到了挑战。在这里,我们报告了三个调控网络模型的C。谷氨酸:强相互作用(3040个相互作用)仅由先前由定向实验支持的调控构建;所有证据(4665个相互作用)包含强网络、先前由非定向实验支持的调控和对基因转录有直接影响的蛋白质相互作用; sRNA(5222个相互作用)包含所有证据网络和sRNA介导的调控。与上一版本(2018)相比,强证据网络和全证据网络分别增加了75次和1225次交互。我们分析了这三个网络的系统级组件,以确定它们之间的差异,并将它们的结构与40多个物种的网络进行了比较。sRNA规则的引入改变了系统级组件的比例,增加了模块的数量,但减小了它们的大小。梭谷氨酸调控结构与其他细菌调控网络形成对比。最后,我们使用三个模式生物的强大网络来提供见解和未来的发展方向。谷氨酸调控网络表征。
2021-01-08 q-bio.MN
Threshold response and bistability in gene regulation by small noncoding RNA
在本文中,我们通过数学建模研究了蛋白质和小的非编码RNA(sRNA)在遗传反馈基序中的转录和翻译调控的综合效应,该基序在与氧气和能量可用性相关的压力下大肠杆菌的生存中起着重要作用。我们发现,这个基序的细微变化可以带来截然不同的影响基因表达。特别是,我们表明,随着sRNA合成或降解调节的改变,基因表达中的阈值响应改变为双稳态响应。这些结果是在确定性条件下得到的。接下来,我们研究了基因表达是如何被加性和乘性噪声改变的,这些噪声可能是由于不同生化事件的概率发生而产生的。使用Fokker-Planck公式,我们得到了稳态概率分布的sRNA浓度的网络模体显示双稳态。发现概率分布是双峰的,在低和高浓度的sRNA具有两个峰。我们进一步研究了在不同的噪声强度和相关值下的概率分布的变化。所得结果对人工控制综合网络的设计有一定的参考价值。
2018-02-15 q-bio.CB q-bio.MN
Transcriptional Regulation by the Numbers 1: Models
对基因调控和表达的研究经常用定量的术语来讨论。特别是,基因的表达是有规律的特点,关于多少,多快,何时何地。无论是讨论细菌中基因表达的水平,还是它在发育中的胚胎中的精确位置,这些实验的自然语言都是数字。这种定量数据需要定量模型。我们回顾了一类模型(“热力学模型”),利用统计力学计算的概率,RNA聚合酶是在适当的启动子。这提供了一个数学上精确的阐述的想法,激活剂是招募剂,增加的概率,RNA聚合酶将被发现在目标启动子。我们讨论了一个框架,它描述了阻遏物,激活剂,辅助分子和RNA聚合酶的相互作用,使用的概念,有效浓度,表达的功能,我们称之为“调节因子”。该分析最终表达了RNA聚合酶在感兴趣的启动子处结合的概率作为细胞中调节蛋白的数量的函数。在一个配套文件[1]中,这些想法被应用到几个案例研究中,这些案例研究说明了一般形式主义的使用。
2004-12-05 q-bio.MN q-bio.QM
Principles of microRNA regulation of a human cellular signaling network
microRNAs(miRNAs)是一种内源性的22核苷酸RNA,通过碱基配对选择性地与特定信使RNA的3-非编码区结合,从而抑制基因表达。鉴于miRNA靶标的多样性和丰富性,miRNA似乎与许多细胞网络的各种组分功能性地相互作用。通过分析miRNAs与人类细胞信号网络之间的相互作用,我们发现miRNAs主要靶向正调控基序、高度连接的支架和大多数下游网络组件如信号转录因子,但较少靶向负调控基序、基本细胞机器的常见组件和大多数上游网络组件如配体。此外,当衔接子有可能募集更多下游组分时,这些组分更频繁地被miRNA靶向。这项工作揭示了miRNA调节信号转导网络的原理,并暗示了miRNA促进细胞对细胞外信号的反应的稳健转变和维持细胞内稳态的潜在功能。
2006-12-18 q-bio.GN q-bio.MN
Quantitative analysis of competition in post-transcriptional regulation reveals a novel signature in target expression variation
当小RNA加载到Argonaute蛋白上时,它们可以形成RNA诱导的沉默复合物(RISC),介导RNA干扰。RISC形成依赖于Argonaute蛋白和RISC加载因子的共享库,因此易受小RNA之间竞争加载的影响。我们提出了一个数学模型,旨在了解小RNA的PTR资源的竞争如何影响靶基因的阻遏。我们讨论了小RNA活性受到RISC形成、RISC降解和Argonaute可用性的限制。总之,这些观察结果解释了实验中遇到的PTR饱和效应。我们发现,RISC加载的不同竞争条件导致PTR活性的不同签名也由RISC再循环发生的量决定。特别是,我们发现小RNA在RISC形成方面效率较低,使用较少的PTR途径资源,可以在低RISC循环范围内与其更有效的对应物一样好地执行。此外,我们预测了一个新的签名的PTR的目标表达水平。在低RISC加载效率和高RISC再循环的条件下,靶水平的变化随靶转录速率线性增加。此外,我们表明RISC循环决定了Argonaute稀缺条件对靶表达变异的影响。我们的观察一起提供了一个框架的预测,可以用来从实验数据推断的特定特征的潜在PTR活动。
2013-01-16 q-bio.MN q-bio.QM
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
Comment on "Direct Targeting and Regulation of RNA Polymerase II by Cell Signaling Kinases"
该研究声称约117种人类激酶直接调控RNA聚合酶II的CTD,但其结论缺乏充分证据支持,与传统转录生物学存在矛盾。
2025-11-28 q-bio.CB q-bio.MN q-bio.SC
Small RNA driven feed-forward loop: Fine-tuning of protein synthesis through sRNA mediated cross-talk
通常在细菌调控网络中,小的非编码RNA(sRNA)与几种mRNA相互作用。mRNA之间结合相同sRNA库的竞争可能导致mRNA之间的串扰。这类似于竞争性内源RNA(ceRNA)效应,其中在真核细胞中竞争结合相同的miRNA库导致miRNA介导的串扰,导致具有稳定的基因表达的微妙和复杂的基因调控。我们研究了一个sRNA驱动的前馈环(sFFL),其中顶级调节因子sRNA(RprA)直接或间接地激活靶蛋白(RicI),通过上调其转录激活因子(RpoS/sigma^s)。我们发现,两种mRNA之间的sRNA介导的串扰导致最大的目标蛋白质合成的低合成率的RpoS-mRNA。这表明了有效利用RpoS-mRNA的最佳靶蛋白合成的可能性,RpoS-mRNA通常与细胞内的各种其他应激反应活性相关。由于基因表达是固有的随机性,由于与它相关的各种分子相互作用的概率性质,我们接下来量化的目标蛋白质水平的波动,使用生成函数为基础的方法和随机模拟。提供浓度波动量度的变异系数在也对应于最佳靶蛋白合成的条件下显示最小值。这促使我们得出结论,在sFFL中,串扰导致具有最小噪声和RpoS-mRNA的有效利用的最佳靶蛋白合成。
2019-12-14 cond-mat.stat-mech q-bio.MN
Network Representation of Large-Scale Heterogeneous RNA Sequences with Integration of Diverse Multi-omics, Interactions, and Annotations Data
The University of Texas at Arlington(德克萨斯大学阿灵顿分校)
长的非编码RNA、microRNA和信使RNA通过各种不同的相互作用机制实现各种生物过程的关键调控。识别这些异质RNA类之间的相互作用和串扰是必不可少的,以揭示单个RNA转录本的功能作用,特别是对于未注释和新发现的RNA序列,没有已知的相互作用。最近,基于序列的深度学习和网络嵌入方法正在成为有前途的方法,可以从序列中预测RNA-RNA相互作用,或者从网络拓扑中可能存在的模式中推断缺失的相互作用。然而,大多数这些方法有几个局限性,例如,无法进行归纳预测,区分相互作用的方向性,或整合各种序列,相互作用和注释生物数据集。我们提出了一个新的基于深度学习的框架rna 2 rna,它从RNA序列中学习,产生一个低维嵌入,保留了相互作用拓扑和功能亲和拓扑的邻近性。在这个建议的嵌入空间中,我们已经指定了一个两部分的”源和目标上下文”,以捕获每个RNA转录本的靶向和感受野,同时封装lncRNA和miRNA之间的异质性串扰相互作用。从实验结果来看,与预测不同RNA-RNA相互作用数据库中缺失相互作用的最新方法相比,我们的方法在AUPR率方面表现出优异的性能,并且即使没有任何先验信息,也能准确地对训练时未发现的新RNA序列进行链接预测。其他结果表明,我们提出的框架可以捕获异质RNA序列的流形,以发现新的功能注释。
2020-12-08 cs.LG q-bio.MN
Associative learning in biochemical networks
我们开发了一个简单的,基于恒化器的模型,说明了一个类似于联想学习的过程如何发生在生化网络中。联想学习是一种学习形式,系统通过它“学习”将两个刺激相互关联。在我们的模型中,两种类型的复制分子,表示为A和B,存在于恒化器中的一些初始浓度。分子A和B被分别表示为GA和GB的一些生长因子刺激以复制。还假设A和B可以共价连接,并且缀合的分子可以被GA或GB生长因子刺激(并且可以被降解)。我们表明,如果恒化器被两种生长因子刺激一段时间,然后是一段时间间隔,在此期间恒化器根本不被刺激,并且如果恒化器随后再次被仅一种生长因子刺激,那么将有一个由另一种生长因子激活的分子数量的短暂增加。因此,恒化器带有早期的印记,同时刺激两种生长因子,这是联想学习的指示。有趣的是,我们的模型的动力学与巴甫洛夫最初在狗身上进行的一系列联想学习实验的各个方面是一致的。我们讨论了如何联想学习可以潜在地在体外进行RNA,DNA或肽网络。我们还强调了这种机制如何可能参与基因组进化,并建议生物信息学研究,可用于寻找活细胞内工作的联想学习过程的证据。
2007-01-04 q-bio.MN q-bio.SC
Genetic Regulation of Fluxes: Iron Homeostasis of Escherichia coli
铁是大多数生物体必需的微量元素。然而,由于高浓度的游离细胞内铁是细胞毒性的,细胞已经形成了复杂的调控网络,其将游离细胞内铁浓度保持在最佳范围,允许金属掺入到利用铁的酶中并使对细胞的损伤最小化。我们建立了一个数学模型的网络,控制铁的吸收和使用的细菌大肠杆菌,探索铁流动的动力学。我们模拟细胞外铁水平突然降低或升高对细胞内铁分布的影响。基于模拟结果,我们讨论了小RNA RyhB和Fe-S簇组装系统在最佳铁流再分配中的可能作用。我们认为,Fe-S簇组装是至关重要的,以防止积累的毒性水平的游离细胞内铁时,环境突然变得富含铁。
2006-09-26 q-bio.MN
A quantitative comparison of sRNA-based and protein-based gene regulation
小的非编码RNA(sRNA)在原核生物中作为遗传调节因子发挥重要作用。sRNA通过与靶mRNA的互补配对在转录后发挥作用以调节蛋白质表达。我们使用定量的方法来比较和对比sRNA与传统的转录因子(TF),以更好地了解每种形式的调节的优点。特别是,我们计算的稳态行为,噪声特性,依赖于频率的增益(放大),和动态响应大输入信号的两种形式的监管。虽然平均稳态行为的sRNA调节蛋白表现出独特的可调阈值线性行为,我们的分析表明,转录爆发导致显着更高的内在噪音在基于sRNA的调节比TF为基础的调节在大范围的表达水平,并限制了能力的sRNA进行定量信号。尽管如此,我们发现sRNA在过滤输入信号中的噪声方面比TF更好。此外,我们发现sRNA允许细胞对输入信号的巨大变化做出快速反应。这些特征表明sRNA在允许细胞在不同状态之间快速而可靠地转变方面具有一定的优势。这一功能生态位与sRNA在原核生物应激反应和准发育网络中的广泛出现是一致的。
2008-09-02 q-bio.MN q-bio.SC
High-gain nonlinear observer for simple genetic regulation process
高增益非线性观测器出现在非线性自动控制理论中,并在化工过程中被标准使用。我们在一个非常简单的单基因调控回路的背景下应用这种类型的分析。一般而言,观测器将基于解析微分方程的模型与系统的部分测量相结合,以估计非测量状态变量。我们使用一个最简单的观察者,Gauthier等人,它是原始系统的副本加上易于计算的校正项。为了说明这一过程,我们采用了一个生物模型,最近改编自古德温的旧书德容,其中一个玩的浓度的信使RNA编码给定的蛋白质,蛋白质本身,和一个单一的代谢物的动力学。使用观察者而不是代谢物,可以重建mRNA和蛋白质的未测量浓度
2007-07-16 q-bio.MN q-bio.QM
Kinetic Model of Translational Autoregulation
我们研究了抑制性自动调节的动力学模型的动力学,例如当一种蛋白质通过干扰其信使RNA(在分子生物学中称为翻译自动调节)来抑制其自身的生产时。我们首先展示了没有反馈的线性模型如何设置一个非平衡稳态的阶段,构成了监管的目标。然而,简单线性模型中的监管远非最佳。负反馈机制使蛋白质“堵塞”mRNA,极大地增强了控制的有效性,对干扰的响应是有针对性的、快速的和代谢有效的。理解系统相空间的完整动态对于理解自动调节过程至关重要。
2018-10-02 q-bio.MN
Stress induces remodelling of yeast interaction and co-expression networks
网络分析为全基因组数据的解释提供了一个强大的框架。虽然静态网络的方法已被证明是富有成效的,有越来越多的兴趣在不同条件下的蜂窝网络的分析所获得的见解。在这项工作中,我们研究了应力对裂殖酵母细胞网络的影响。应激引发复杂的大规模细胞反应,涉及从细胞生长和代谢向保护和维持的资源转移。以前的工作表明,这些变化可以在网络层面上得到赞赏。在本文中,我们研究了两种类型的细胞网络:基因共调控网络和加权蛋白质相互作用网络。我们表明,在应对氧化应激,共调节网络重组朝着一个更加模块化的结构:而套基因变得更加紧密的共调节,这些模块之间的共调节减少。这种转变转化为更长的平均最短路径长度,增加了传递性,并减少了这些网络中的模块重叠。我们还发现了一个类似的变化,在加权蛋白质相互作用网络在响应氧化应激和氮饥饿,确认和扩展以前的研究结果。网络结构的这些变化可能代表网络鲁棒性的增加和/或更专业的功能模块的出现。此外,我们发现应激诱导非编码RNA的更紧密的共调节,剪接因子的功能重要性降低,以及参与染色质组织、细胞骨架组织、细胞分裂和蛋白质周转的基因中心性的变化。
2013-03-20 q-bio.CB q-bio.GN q-bio.MN
ceRNA crosstalk stabilizes protein expression and affects the correlation pattern of interacting proteins
基因表达是一个嘈杂的过程,转录和转录后的几种机制可以稳定细胞中的蛋白质水平。许多工作都集中在miRNA的作用上,特别是miRNA介导的调节可以缓冲低表达基因的表达噪音。在这里,使用计算机模拟和数学建模,我们证明了miRNA可以通过协调mRNA之间的竞争诱导的串扰对蛋白质水平产生更广泛的影响。最值得注意的是,我们发现miRNA介导的串扰(i)可以在整个基因表达速率范围内稳定蛋白质水平,(ii)改变共调节相互作用蛋白质的相关模式,将相关性的符号从负变为正。后一个特征可能构成了在标准细胞条件下由内源性竞争miRNA诱导的RNA串扰存在的潜在稳健特征。
2017-03-08 q-bio.MN
The role of incoherent microRNA-mediated feedforward loops in noise buffering
MicroRNA是一类内源性非编码RNA,在植物和动物体内负调控蛋白质编码基因的表达。已知它们在若干生物过程中起重要作用,并且与转录因子一起形成复杂且高度互连的调控网络。观察该网络的结构,可以识别出一些代表性过高的基序,这些基序预计将执行重要的基本调节功能。其中,microRNA介导的前馈环发挥着特殊的作用,在该前馈环中,主转录因子调节microRNA,并与其一起调节一组靶基因。在本文中,我们通过分析和模拟表明,该模体的不连贯的版本可以耦合的目标蛋白质水平的微调与有效的噪声控制,从而赋予精度和稳定性的整体基因表达程序,特别是在上游监管机构的波动的存在下。在其他结果中,我们的模型的一个重要预测是,波动的最佳衰减与目标表达的适度抑制相一致。这一特征与预期的微调功能一致,并且与广泛类别的microRNA对其靶蛋白输出的实际影响的实验观察一致。最后,我们描述了如果microRNA介导的电路不被认为是孤立的,而是嵌入在一个更大的监管网络中,那么microRNA靶点之间的串扰对噪声缓冲效率的影响。
2011-09-12 q-bio.MN q-bio.QM