Efficient inference of parsimonious phenomenological models of cellular dynamics using S-systems and alternating regression
系统生物学中动力学的非线性使得很难从实验数据中推断出它们。简单的线性模型在计算上是有效的,但不能包含这些重要的非线性。一个自适应的方法的基础上的S-系统的形式主义,这是一个明智的代表性的非线性质量作用动力学通常发现在细胞动力学,保持线性回归的效率。我们将这种方法与自适应模型选择相结合,以获得高效和简约的细胞动力学表示。该方法进行了测试,从模拟数据推断酵母糖酵解的动力学。用很少的计算时间,它产生的动态模型具有高预测能力和结构的复杂性,适应推理问题的难度。
2014-06-16 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
Conditionally Invariant Representation Learning for Disentangling Cellular Heterogeneity
Helmholtz Munich(亥姆霍兹慕尼黑中心);Technical University of Munich(慕尼黑工业大学)
本文提出一种条件不变表征学习方法,通过对潜在特征设置不同条件先验并强制独立性,解耦生物学信号与数据偏差,在单细胞基因组学数据整合等任务中优于现有方法,助力深入理解细胞异质性与疾病状态。
2023-07-02 cs.LG q-bio.QM
Towards Inverse Modeling of Intratumoral Heterogeneity
耐药性的发展限制了现有抗癌治疗的效率,预防耐药性仍然是癌症研究的一大挑战。在直觉水平上,人们接受耐药性是癌细胞在分子、遗传和细胞水平上异质性的结果。肿瘤异质性是由许多来源产生的,是非常复杂的时间依赖性统计特征,其可以通过以许多不同方式定义的测量来量化,其中大多数来自统计力学。本文应用马尔可夫框架将种群异质性与环境统计量联系起来。由于从进化的角度来看,治疗对应于细胞适应度景观的有目的的修改,我们假设理解肿瘤微环境的时空统计与肿瘤内异质性之间的一般关系,使治疗能够设想为逆问题,并通过优化技术解决它。为了解释细胞尺度上生物过程的内在随机性,应用基于广义距离的概念来分别表示概率描述的细胞状态和环境条件之间的距离。
2015-05-30 physics.bio-ph q-bio.QM
The evolution of systems biology and systems medicine: From mechanistic models to uncertainty quantification
本文回顾了系统生物学模型从经典机制模型到整合信号、基因调控和代谢网络的多尺度模型的演进,并以肥厚型心肌病、运动和癌细胞增殖为例,探讨了提高预测确定性的方法,强调多尺度模型结合组学数据对理解疾病和药物发现的重要价值。
2024-08-10 q-bio.MN q-bio.QM
The Essential Role Of Ribosomal Feedback In Bacterial Cell Growth And Metabolic Load -- A Systems Biology Approach For Unveiling Shared Resources Regulation Within Synthetic Genetic Circuits
采用最小模型揭示核糖体合成负反馈在异源表达条件下对基因表达和生长率的关键调控作用,平衡核糖体功能与能量消耗。
2026-06-16 q-bio.QM
Nonlinear Multi-Objective Flux Balance Analysis of the Warburg Effect
由于其在癌症治疗中的意义,Warburg效应已经得到了广泛的计算机研究。基于约束优化的通量平衡分析(FBA)方法成功地应用于Warburg效应模型的建立。然而,假设细胞类型有一个不变的细胞目标严重限制了以前的FBA模型的适用性。同时,我们注意到,具有不同目的的细胞类型表现出不同程度的Warburg效应。为了扩展先前模型的适用性并对不同细胞类型中不同的细胞通路偏好进行建模,我们通过将三个关键目标项(ATP产生速率、乳酸产生速率和ATP产量)通过线性标量化纳入一个目标函数来构建非线性多目标FBA(NLMOFBA)模型。通过构建细胞目标图并迭代地改变目标权重,我们显示了由其独特的细胞目标驱动的不同细胞类型所表现出的不同细胞通路偏好,并且我们获得了关于细胞目标与Warburg效应之间因果关系的见解。此外,我们通过使用我们的NLMOFBA模型获得了其他生物学上一致的结果。例如,增加了与线粒体功能低下或底物有限相关的约束,NLMOFBA预测了生物学文献支持的细胞途径。总的来说,NLMOFBA可以帮助建立对不同细胞类型中Warburg效应的完整理解。
2021-11-23 q-bio.QM
Reconstructing Noisy Gene Regulation Dynamics Using Extrinsic-Noise-Driven Neural Stochastic Differential Equations
University of California, Riverside(加州大学河滨分校);University of California, Los Angeles(加州大学洛杉矶分校);Carnegie Mellon University(卡内基梅隆大学);Frankfurt School of Finance and Management(法兰克福金融管理学院);University of Florida(佛罗里达大学);New York University(纽约大学);University of Houston(休斯顿大学)
本文提出一种利用Wasserstein距离从异质细胞轨迹数据中准确重建SDEs的外源性噪声驱动神经随机微分方程框架,通过模拟和实验数据验证了其在细胞生物系统中的有效性,优于RNN和LSTM等时间序列分析方法。
2025-03-12 q-bio.QM
Learning collective multi-cellular dynamics from temporal scRNA-seq via a transformer-enhanced Neural SDE
提出scIMF模型,用Transformer增强的神经SDE从时间序列scRNA-seq中学习集体多细胞动力学,优于现有方法并揭示细胞间相互作用。
2025-05-22 q-bio.QM
Epigenetic Tracking: a model for all biology
“表观遗传跟踪”是生物细胞系统的模型,能够生成任何种类和复杂性(在细胞数量、颜色数量等方面)的任意二维或三维细胞形状。从单个细胞开始。如果将这种结构的复杂性解释为生物结构复杂性的隐喻,我们可以得出结论,这种模型具有产生生物典型复杂性的潜力。可以显示该模型如何能够再现关键生物现象的简化版本,例如发育、“垃圾DNA”的存在、衰老现象和致癌过程。该模型将基因和细胞的性质和行为与生物体的性质和行为联系起来,用统一的框架描述和解释所述现象:因此,我们认为它可以作为所有生物学的模型。本书中所包含的材料并不新鲜:模型及其含义在以前的作品中已经从计算机科学的角度进行了描述。这项工作有两个目标:1)以有机和结构化的方式呈现整个理论; 2)从生物学角度引入表观遗传追踪。这项工作分为六个部分:第一部分是引言;第二部分描述了细胞模型;第三部分致力于evo-devo方法和转座元件;第四部分涉及垃圾DNA和衰老;第五部分探讨了癌症的主题;第六部分得出结论。
2011-11-17 nlin.AO 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
Athena: Modular CAM/CAD Software for Synthetic Biology
合成生物学是细胞网络的工程。它结合了工程原理和生物网络的知识来编程细胞的行为。结合分子生物学技术的计算建模技术已经成功地构建了生物器件,如开关,振荡器和门。合成生物学的目标是从这些基本设备构建复杂的系统,就像从基本部件构建电子电路一样。随着这一雄心壮志成为现实,可互换部件和封装等工程概念将进入生物学领域。我们意识到,有必要的计算工具,将支持这样的工程概念在生物学。作为一种解决方案,我们开发了软件Athena,允许将生物模型构建为模块。模块可以彼此连接,而无需改变模块本身。此外,Athena还提供了各种用于设计合成网络的工具,包括执行模拟、自动导出转录速率表达式以及查看和编辑合成DNA序列的工具。新工具可以通过插件接口、IronPython脚本、系统生物学接口和R统计语言并入Athena,而无需修改现有程序。该程序目前适用于Windows操作系统,Athena的源代码可通过CodeWeb,www.codeplex.com/athena免费获得。
2009-02-16 q-bio.MN q-bio.QM
Deep Neural Cellular Potts Models
Eindhoven University of Technology(埃因霍温理工大学);TUD Dresden University of Technology(德累斯顿工业大学)
本文提出NeuralCPM,通过可训练的神经哈密顿量替代传统解析哈密顿量,在尊重集体细胞动力学对称性的同时融合领域知识,从而直接从观测数据中建模传统方法无法解释的多细胞动态。
2025-02-04 cs.LG q-bio.QM
A Model Checking-based Analysis Framework for Systems Biology Models
生物系统通常被建模为具有时不变参数的常微分方程(ODE)系统。然而,细胞信号转导事件或药物干预可能改变细胞状态并诱导系统的多模式动力学。这样的系统自然地被建模为混合自动机,其具有多个操作模式,每个模式中具有特定的非线性动力学。在本文中,我们介绍了一个模型检查启用的框架,可以建模和分析单模式和多模式的生物系统。我们解决了系统生物学中的核心问题--识别参数值,使模型满足期望的行为--使用有界模型检查。我们采用增量决策过程来解决可满足性模理论(SMT)问题,并避开可达性问题的不可判定性。我们的框架,使几个分析任务,包括模型校准和证伪,治疗策略识别,和李雅普诺夫稳定性分析。我们使用前列腺癌进展、心脏细胞动作电位和放射性疾病的案例研究来证明这些方法的适用性。
2020-04-26 cs.FL q-bio.QM
From Syntax to Semantics: Geometric Stability as the Missing Axis of Perturbation Biology
本文提出几何稳定性作为评估生物干预的新标准,通过分析细胞对扰动的响应方向一致性,揭示传统方法无法捕捉的调控架构。
2026-04-25 q-bio.CB q-bio.GN q-bio.QM
Diversity in Biology: definitions, quantification, and models
多样性指数是有用的单一数字度量,用于表征一组属性在感兴趣的群体中的复杂分布。这些不同度量或度量集的效用取决于上下文和应用,以及是否存在预测机制模型。在这篇专题评论中,我们首先总结了相关的数学原理基础上的异质性在一个大的人口概述了各种定义的“多样性”,并提供了科学主题的例子,其量化起着重要的作用。然后,我们回顾了多样性是如何在多个领域,包括生态学,免疫学,细胞条形码实验和社会经济研究中无处不在的概念。由于许多这些应用程序涉及抽样的人口,我们还审查如何在小样本的多样性是在整个人口的多样性。这些应用程序中出现的功能突出显示。
2020-03-05 q-bio.PE q-bio.QM
Fourier-enhanced Neural Networks For Systems Biology Applications
Computer Science(计算机科学)
针对系统生物学中微分方程求解复杂系统成本高、PINN方法存在局限的问题,提出傅里叶增强神经网络SB-FNN,通过嵌入傅里叶网络、自适应激活函数和循环惩罚函数优化预测,在六个生物模型上性能与效率均优于PINN,有望成为更先进方法。
2025-02-10 cs.LG q-bio.QM
Novel Methods for Analyzing Cellular Interactions in Deep Learning-Based Image Cytometry: Spatial Interaction Potential and Co-Localization Index
Association of Medical Artificial Intelligence Curation (AMAIC)(医学人工智能整理协会);Kobe University Hospital(神户大学医院);Kindai University Hospital(近畿大学医院)
本文提出基于深度学习分类概率的空间相互作用势(SIP)和共定位指数(CLI),用于量化数字病理中的细胞相互作用,并通过模拟和结直肠癌标本验证了其与真实生物学数据的强相关性。
2024-08-30 cs.AI q-bio.QM
Mass-spectrometry of single mammalian cells quantifies proteome heterogeneity during cell differentiation
细胞异质性对包括癌症和发育在内的生物过程很重要。然而,蛋白质组异质性在很大程度上是未开发的,因为现有的方法的局限性定量蛋白质水平在单细胞。为了缓解这些限制,我们开发了单细胞蛋白质组学质谱(SCoPE-MS),并验证了其基于蛋白质组识别不同人类癌细胞类型的能力。我们使用SCoPE-MS定量了分化小鼠胚胎干细胞(ES)中的一千多种蛋白质。单细胞蛋白质组使我们能够解构细胞群体并推断蛋白质丰度关系。单细胞蛋白质组和转录组之间的比较表明协调的mRNA和蛋白质的共变。然而,许多基因在mRNA和蛋白质水平上表现出功能协调和不同的调控模式,这表明转录后调控机制有助于谱系特化过程中的蛋白质组重塑,特别是对于发育基因。SCoPE-MS广泛适用于测量单细胞的蛋白质组构型,并将其与功能表型(如细胞类型和分化潜能)联系起来。
2018-08-01 q-bio.GN q-bio.QM
Imaging and Spectroscopy of Domains of the Cellular Membrane by Photothermal-Induced Resonance
我们使用光热诱导共振(PTIR)成像和光谱,在共振和非共振模式,研究完整细胞的细胞质膜和表面。非共振PTIR图像显然提供了细胞表面的丰富细节。然而,我们表明,非共振图像对比度不会产生从表面分子的红外吸收,而是由针尖-样品接触的力学为主。相比之下,细胞表面的光谱和图像可以通过调整激光器的脉冲结构来限制热波穿透到表面层来选择性地获得。共振PTIR图像揭示了尺寸范围从约20 nm至1 μ m的表面结构和域,并且与细胞质膜及其邻近区域相关。细胞表面的共振PTIR光谱与远场IR光谱相当,并且提供完整细胞的细胞膜的IR吸收光谱的第一选择性测量。在共振PTIR图像中,信号强度以及因此的对比度可以归因于多种因素,包括细胞表面的机械、热力学和光谱特性。虽然PTIR图像难以在光谱吸收方面进行解释,但它们易于收集并提供独特的对比机制,而无需任何外源标记。因此,他们提供了一个新的范例,在细胞成像和膜生物学,并可用于解决一系列关键问题,从膜脂质结构域的性质,病毒膜融合。
2020-06-29 physics.app-ph q-bio.QM
Guided assembly of cellular network models from knowledge in literature
计算建模对于理解和分析复杂系统至关重要。在生物学中,模型创建是一项依赖人类的任务,需要阅读数百篇论文并进行湿实验室实验,这需要几天或几个月的时间。为了克服这一障碍,我们提出了一种新的自动化方法,该方法利用文献中发表的知识,通过在几秒钟内选择最相关和最有用的信息来建议模型扩展。特别是,我们的新方法将从文献中提取的事件组织为具有依赖于文献中事件发生频率的额外度量的协作图。此外,我们发现,常见的图形中心性指标不同的评估提取的事件。我们已经证明了所提出的方法的可靠性,使用三种不同的选择模型,即,T细胞分化,T细胞大颗粒淋巴细胞,和胰腺癌细胞。我们提出的方法能够找到高百分比的期望新事件,平均召回率为82%。
2021-10-21 q-bio.MN q-bio.QM
The promoters of human cell cycle genes integrate signals from two tumor suppressive pathways during cellular transformation
破解驱动恶性转化的调控事件是系统生物学面临的一个重大挑战。在这里,我们分析了体外转化过程的全基因组转录谱。我们集中研究了一组基因,其表达水平随着p53和p16INK4A肿瘤抑制因子失活而增加。该簇主要由细胞周期基因组成,并构成多种癌症的特征。通过将簇中基因的表达谱与p53和p16INK4A的动态行为联系起来,我们确定了一种启动子结构,该结构整合了来自两个肿瘤抑制通道的信号,并将其活性映射到细胞周期基因的不同表达水平上,这反过来又对应于不同的细胞增殖速率。以有丝分裂纺锤体的组成部分为例,我们通过实验验证了我们的预测,即p53介导的这些新靶点的转录抑制依赖于p21,NFY和E2F的活性。我们的研究证明了一个良好控制的转化过程如何允许基因表达,启动子结构和上游信号分子的活性之间的联系。
2005-11-15 q-bio.MN q-bio.QM
CellFlux: Simulating Cellular Morphology Changes via Flow Matching
Stanford University(斯坦福大学);Tsinghua University(清华大学);MIT(麻省理工学院)
CellFlux利用流匹配模拟化学和遗传扰动引起的细胞形态变化,通过分布级建模区分真实效应与批次伪影,并在多个数据集上显著提升图像质量和作用机制预测准确率。
2025-06-03 cs.CV cs.LG q-bio.BM
Towards Learned Simulators for Cell Migration
Eindhoven University of Technology(埃因霍温理工大学)
由深度学习驱动的模拟器作为一种有效模拟精确但昂贵的数值模拟器的工具越来越受欢迎。这种神经模拟器的成功应用可以在物理、化学和结构生物学等领域中找到。同样,细胞动力学的神经模拟器可以增强实验室实验和传统的计算方法,以增强我们对细胞与其物理环境相互作用的理解。在这项工作中,我们提出了一个自回归概率模型,可以重现单细胞迁移的时空动态,传统上模拟与细胞Potts模型。我们观察到,标准的单步训练方法不仅会导致不一致的推出稳定性,而且也无法准确地捕捉动态的随机方面,我们提出了训练策略,以减轻这些问题。我们对两个概念验证实验方案的评估表明,神经方法有可能忠实地模拟随机细胞动力学,至少比细胞Potts模型的最先进实现快一个数量级。
2022-11-02 cs.CV cs.LG cs.NA