Efficient stochastic simulation of gene regulatory networks using hybrid models of transcriptional bursting
Université de Lorraine, CNRS, Inria, IECL（洛林大学、法国国家科学研究中心、法国信息与自动化研究所、洛林计算与系统控制实验室）
本文提出一种基于PDMP的高效算法，用于模拟基因调控网络中的转录 bursting 现象，通过降低计算成本来捕捉细胞间变异性。
2026-05-16 math.PR q-bio.MN
Diverse spatial expression patterns emerge from common transcription bursting kinetics
在早期发育中，转录调控导致精确定位和高度可重复的表达模式，指定细胞身份。转录是一个基本的嘈杂的分子过程，如何调节以实现可靠的胚胎模式仍然不清楚。特别是，目前还不知道基因特异性调控机制如何影响转录的动力学速率，以及是否有共同的，全球性的特征，在整个遗传网络管理这些速率。在这里，我们测量新生的转录活性的差距基因网络的早期果蝇胚胎和表征的变化，在整个表达边界的绝对活性水平。我们表明，边界形成遵循一个共同的转录原则：一个单一的控制参数决定了转录活性的分布，无论基因的身份，边界位置，或增强子启动子架构。通过采用一个最低限度的转录模型，我们推断这些模式化基因的转录爆发的动力学速率，我们发现，关键的调控参数是一个基因处于活跃转录状态的时间分数，而Pol II加载的速率似乎是全局保守的。这些结果指出，一个普遍的简单性的基础上，显然复杂的转录过程负责早期胚胎的模式，并指出一条道路，在转录调控的一般规则。
2017-12-21 q-bio.MN q-bio.SC
Harissa: stochastic simulation and inference of gene regulatory networks based on transcriptional bursting
本文提出名为Harissa的Python包，基于转录爆发现象驱动的随机动力模型，实现从时间进程scRNA-seq数据中推断基因调控网络并模拟基因表达谱，无需依赖外部噪声即可捕捉单细胞数据的变异性。
2023-09-10 q-bio.MN q-bio.QM
Intrinsic noise in stochastic models of gene expression with molecular memory and bursting
基因表达中的内在噪声调节对于许多细胞功能是必不可少的。相应地，人们对理解基因表达的不同分子机制如何影响细胞群体中蛋白质水平的变化非常感兴趣。在这项工作中，我们分析了突发性基因表达的随机模型，认为一般的等待时间分布的到达和衰减的蛋白质。通过映射系统的模型分析在混沌理论，我们推导出的解析表达式的噪声在稳态蛋白质分布。衍生的结果扩展了以前的工作，包括任意概率分布的影响，代表分子记忆和爆裂的影响。获得的分析表达式提供了对转录、转录后和翻译后机制在控制基因表达中噪音中的作用的深入了解。
2011-01-11 cond-mat.soft cond-mat.stat-mech q-bio.MN
Noise Processing by MicroRNA-Mediated Circuits: the Incoherent Feed-Forward Loop, Revisited
在高等真核生物中，基因表达的内在随机性通常通过稳定输出层（最显著的是蛋白质水平）的转录后调节通道来减轻。在遗传调控网络的特定基序中发现了小的非编码RNA（miRNAs），这导致将噪声缓冲鉴定为它们在调控中发挥的可能的关键功能。最近的体外和计算机研究证实了这一假设。然而，还已知miRNA介导的噪音降低受到简单拓扑结构中的转录爆发的阻碍。在这里，使用随机模拟验证的分析计算的基础上van Kampen的扩展，我们重新审视的miRNA介导的非相干前馈环（IFFL），一个小模块，是广泛存在于高等真核生物的基因调控网络的噪声缓冲能力，以占调节基因的转录活性的影响。我们表明，爆裂大大改变电路的能力，以控制静态蛋白质噪声。通过与其他调控结构的比较，我们发现，直接转录调控显着优于IFFL在广泛的动力学参数。这表明，在脉动输入下，在表征调节元件的性能方面，静态降噪可能不如噪声和信息处理的动态方面重要。
2016-04-11 cond-mat.stat-mech physics.bio-ph q-bio.MN
Applications of Little's Law to stochastic models of gene expression
基因表达的内在随机性可导致细胞群体中蛋白质水平的巨大变化。为了解释这种变异性，在基因表达的随机模型中提出了mRNA波动的不同来源（“泊松”和“电报”过程）。泊松和电报情景模型解释了蛋白质表达的“爆发”方面的蛋白质水平的噪声的实验观察。相应地，人们对建立基因表达一般随机模型的突发和稳态蛋白质分布之间的关系非常感兴趣。在这项工作中，我们解决这个问题，考虑随机模型之间的映射基因表达和问题的兴趣在遗传理论。通过应用一般定理，小的法律，我们推导出精确的关系，连接突发和稳态分布的方式与任意等待时间分布的mRNA和蛋白质的到达和降解的模型。导出的关系有影响的方法来量化的转录爆发的程度，从而区分不同来源的内在噪声在基因表达。为了说明这一点，我们考虑了一个模型的小RNA的蛋白质表达的突发调节。对于广泛的参数，我们推导出的平均蛋白质水平的分析表达式（随机模拟验证）的调节小RNA的水平不同。所获得的结果表明，转录爆发的程度，原则上，可以确定从平均稳态蛋白质水平的一般随机模型的基因表达的变化。
2010-07-12 physics.bio-ph q-bio.MN
The Generation of Promoter-Mediated Transcriptional Noise in Bacteria
基因表达中的噪音会引起基因产物浓度的波动。这些波动可以干扰最佳功能，或者可以被利用来在细胞之间产生有益的多样性;因此，基因表达噪音预计会受到进化压力的影响。在启动子处转录起始的高速率和低速率模式之间的转换似乎有助于真核生物和原核生物中的这种噪声。然而，真核启动子噪音，如稳定的激活支架或持久的核小体改变调用的模型似乎不太可能适用于原核启动子。我们认为转录起始所需步骤的相对重要性。将McClure的3步转录起始模型扩展为一个数学模型，可用于预测额外启动子特性的后果。我们原则上表明，在E. Golding等人（2005）的大肠杆菌启动子的启动子的突变可以通过转录RNA聚合酶（RNAP）后面的负超螺旋刺激起始或通过形成濒死或死端RNAP-启动子复合物来解释。这两种机制是可调的启动子动力学的改变，因此允许启动子介导的噪音的优化。
2008-10-13 q-bio.MN q-bio.QM
Post-transcriptional regulation of noise in protein distributions during gene expression
基因表达的内在随机性可导致整个细胞群体中蛋白质水平的大的变异性。蛋白质分布的变异性（或噪声）可以通过基因调控的细胞机制来调节;特别是，人们对理解转录后调控的作用有相当大的兴趣。为了解决这个问题，我们提出并分析了一个随机模型的转录后调控的基因表达。该模型的解析解提供了深入了解不同的转录后调控机制对蛋白质分布中的噪声的影响。所获得的结果还表明如何在基因表达的内在噪声的不同来源，可以根据观察到的调节蛋白质分布进行区分。
2010-06-21 physics.bio-ph q-bio.MN
Stochastic analysis of bistability in coherent mixed feedback loops combining transcriptional and post-transcriptional regulations
结合转录和转录后调节的混合反馈环在细胞调控网络中是常见的。它们由两个基因组成，编码一个转录因子和一个小的非编码RNA（sRNA），它们相互调节彼此的表达。我们提出了一个理论和数值研究这种类型的相干混合反馈回路，在这两个法规是负面的。在合适的条件下，这些反馈环预计将表现出双稳态，即两个稳定状态，一个由转录阻遏物主导，另一个由sRNA主导。我们使用基于速率方程模型的确定性方法，以确定发生双稳态的参数范围。然而，确定性模型没有考虑到量子态的有限寿命以及它们之间自发的、涨落驱动的跃迁。因此，我们使用随机方法来计算这两个状态的平均寿命。据发现，这些寿命强烈依赖于速率系数，如转录抑制因子和sRNA的转录速率。特别是，我们表明，该系统在sRNA占主导地位的状态下花费的时间的分数如下的单调递减的sigmoid函数的转录抑制因子的转录率。这些结果的生物相关性进行了讨论的背景下，这种混合的反馈回路在{ \it大肠杆菌}。
2014-12-02 physics.bio-ph q-bio.MN
Invariant non-equilibrium dynamics of transcriptional regulation optimize information flow
本研究通过构建至少四状态且打破细致平衡的非平衡动力学模型，解释了转录调控中启动子切换相关时间的不变性，并证明其能最大化转录因子到基因表达的信息传输。
2025-07-16 physics.bio-ph 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
Mean-field vs. stochastic models for transcriptional regulation
我们介绍了一个最小的模型描述的动态转录调控网络。它是在平均场近似下研究的，即，通过代表反应动力学的确定性ODE，以及通过采用Gillespie算法的随机模拟。我们阐明了这两种方法可以提供的不同结果，具体取决于所研究的网络，特别是取决于各自描述中保留的详细程度。两个例子是详细解决：repressilator，一个转录时钟的基础上实现的三个基因网络实验在大肠杆菌。大肠杆菌，和一个双基因电路在外部驱动下，转录网络模体最近提出发挥作用的细胞发育。
2008-08-20 q-bio.MN
Transcriptional delay stabilizes bistable gene networks
转录延迟可以显著影响基因网络的动态。在这里，我们将研究这种延迟如何影响双稳态系统。我们研究了几种随机双稳态基因网络模型，发现增加时滞会显著增加稳定态附近的平均停留时间。为了解释这一点，我们引入了一个非马尔可夫的，解析易处理的简化模型。该模型表明，稳定化是一个稳定状态之间的失败的过渡数量增加的后果。我们模拟的每个双稳态系统都以这种方式工作。
2013-05-28 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
Exact distributions for stochastic gene expression models with bursting and feedback
基因表达的随机性可引起蛋白质水平的波动，并导致遗传相同细胞群体中的表型变异。最近的实验表明，爆发和反馈机制在控制基因表达和表型变异的噪声中起着重要作用。定量了解这些因素的影响，需要分析相应的随机模型。然而，对于具有反馈和突发的基因表达随机模型，迄今为止还没有得到蛋白质分布的精确分析结果。在这里，我们分析了一个具有突发和反馈调节的基因表达模型，并得到了相应的蛋白质稳态分布的精确结果。所获得的结果提供了新的见解突发和反馈的作用，在噪声调节和优化。此外，对于一个特定的参数选择，系统研究映射到一个双态生化开关驱动的突发输入噪声源。因此，衍生的分析结果提供了定量的见解，涉及噪音在基因表达和生化开关不同的细胞过程。
2014-11-26 cond-mat.stat-mech physics.bio-ph q-bio.MN
Functional Characteristics of Gene Expression Motifs with Single and Dual Strategies of Regulation
转录因子的转录调控和microRNA的转录后调控构成了基因表达调控的两种主要模式。虽然基因表达基序仅包含转录调控已被很好地研究，但具有双重调控策略的基序的动力学，即，转录和转录后调节都没有被广泛研究。在本文中，我们探讨了动态的四个基因基序与双重策略的调节基因表达。一些功能特性进行了比较，与一个两个基因的基序，遗传切换，只采用转录调控。这两个图案定义的正反馈回路的双稳态和滞后的潜力。四基因基序，相反的遗传切换，被发现在基因表达的调节中，即使在没有协同性的情况下，也表现出双稳态。四基因基序进一步表现出一种新的动力学特征，其中两个区域的单稳态线性阈值响应分开的区域的双稳态数字响应。使用线性噪声近似（LNA），我们进一步表明，变异系数（噪声的措施），与蛋白质水平在稳定状态下，具有较低的幅度的情况下的四个基因基序相比的情况下的遗传切换。接下来，我们从信息论的角度比较转录与转录后调控。我们集中在两个基因表达基序，基序1与转录调控和基序2与转录后调控。我们发现，在这两个图案，图案2具有更大的容量，为扩展范围的参数值的信息传输。
2016-05-11 q-bio.CB q-bio.MN
Analysis of the hierarchical structure of the B. subtilis transcriptional regulatory network
基因表达的转录调控是由相互作用的基因组成的复杂网络所协调的。越来越多的证据表明，这些转录调控网络（TRN）在细菌中有一个固有的层次结构，虽然这种类型的组织提供的设计原则和具体的优势尚未完全阐明。在这项研究中，我们专注于TRN的革兰氏阳性细菌枯草芽孢杆菌的层次结构，并进行了比较分析与TRN的革兰氏阴性细菌大肠杆菌。使用图论方法，我们组织了B的TRN中的转录因子（TF）和sigma因子。subtilis和E.大肠杆菌分为三个层次（顶部，中间和底部），并研究了它们之间的几个结构和功能特性。除了许多相似之处，我们还发现了具体的差异，解释了其中大部分与两种生物体中σ因子在分层水平上分布的变化。然后，我们研究了目标代谢基因的转录调节因子的控制，以表征三个不同的代谢子系统（catalysts，analysts和中央能量代谢）的差异调节。这些结果表明，我们在B。枯草杆菌代表了其TRN的有效组织，以实现对不同刺激的响应的灵活性。
2014-05-15 q-bio.MN
Robustness of Transcriptional Regulation in Yeast-like Model Boolean Networks
我们研究了在同步和确定性更新的布尔网络模型的框架内，在酵母酿酒酵母基因表达的转录调控的动力学特性。通过一个动态的决定子网络，我们探讨的稳健性的转录调控作为布尔函数的类型的函数中使用的模型，模仿调控剂对基因的转录水平的影响。我们将实际酵母网络的结果与两个不同的模型网络的结果进行比较，一个模型网络的入度分布与酵母相似，其他情况下是随机的，另一个是由于Balcan等人，其中酵母网络的全局拓扑被忠实地再现。令人惊讶的是，我们发现第一组模型网络更好地再现了实际酵母网络的结果，尽管Balcan等人的模型网络在结构上与酵母更相似。
2009-03-06 q-bio.MN
Information flow and optimization in transcriptional control
在最简单的转录调控观点中，基因的表达通过转录因子（TF）浓度的变化而开启或关闭。我们使用最近的数据噪音水平在基因表达表明，它应该是可能的传输远远不止一个监管位。实现这种最佳的信息容量将需要由细胞使用的TF浓度的动态范围、调节模块的输入/输出关系以及结合和转录的噪声水平满足一定的匹配关系。这个无参数的预测与最近在早期果蝇胚胎中Bicoid/Hunchback系统的实验非常一致，并且该系统实现了其理论最大信息传输的90%。
2007-05-02 q-bio.MN
MicroRNAs preferentially target the genes with high transcriptional regulation complexity
近年来，microRNA（miRNAs）已成为一类重要的基因调控因子，在转录后水平负调控动物基因组中约1/3的基因表达。然而，目前还不清楚为什么有些基因受到miRNA的调控，而另一些则不受，即动物基因组中miRNA调控的原理是什么。本研究系统地分析了转录因子与miRNA在基因调控中的关系。我们发现具有更多TF-结合位点的基因具有更高的被miRNA靶向的概率，并且平均具有更多的miRNA-结合位点。这一观察结果表明，具有较高顺式调控复杂性的基因在转录水平上更协调地受到TF的调控，而在转录后水平上受到miRNA的调控。这是对基因表达协调调控机制的一个潜在的新发现。基因本体分析进一步证明这种协调调控在发育基因中更为普遍。
2006-12-30 q-bio.GN q-bio.MN
Stochastic proofreading mechanism alleviates crosstalk in transcriptional regulation
基因表达主要由转录因子蛋白（TF）和调控DNA序列之间的相互作用控制，这一过程可以通过调控的热力学模型很好地捕获。然而，这些模型忽略了调控串扰：非同源转录因子可以启动转录的可能性，对细胞具有潜在的灾难性影响。在这里，我们估计串扰的重要性，建议其避免强烈约束TF结合的平衡模型，并提出了一种替代的非平衡方案，实现动力学校对，以抑制错误的启动。该提议与观察到的转录装置的共价修饰一致，并且将预测基因表达中的噪声增加作为改善特异性的折衷。使用信息理论，我们量化这种权衡，找到最佳校对架构时，他们的平衡同行的青睐。
2015-04-22 q-bio.MN
Deciphering transcriptional dynamics in vivo by counting nascent RNA molecules
基因的转录是大多数基因表达调控形式的焦点。尽管仔细的生物化学实验已经揭示了许多不同启动子在体外转录起始的分子机制，但对细胞中这一过程的动力学仍然知之甚少。一种方法是测量来自遗传上相同的群体中的单细胞的转录输出（荧光标记的信使RNA或蛋白质），然后可以将其与来自包含不同转录起始分子机制的模型的预测进行比较。然而，这种方法存在的问题是，转录下游的过程可能影响测量的输出，因此掩盖了转录输出的细胞间变异性上的随机转录起始的特征。在这里，我们从理论上表明，测量新生RNA数量的细胞间变异性提供了一个更直接的测试转录起始的机制。我们推导出新生RNA分子分布的前两个时刻的精确表达，并将我们的理论应用于组成型表达的酵母基因集合的已发表数据。我们发现，所测量的新生RNA分布是不一致的转录起始过程中通过一个限速步骤，这已被普遍推断从测量细胞质信使RNA。相反，我们提出了一个两步启动机制，这是与现有数据一致。酵母启动子的这些发现突出了我们的理论在体内从计算单细胞中新生RNA分子的实验中破译转录动力学的实用性。
2014-01-08 q-bio.MN
DNA looping in gene regulation: from the assembly of macromolecular complexes to the control of transcriptional noise
由结合在远端DNA位点的蛋白质和蛋白质复合物形成的DNA环在许多细胞过程中起中心作用，例如转录、重组和复制。在这里，我们回顾了基本的热力学概念的大分子复合物的组装成环的DNA和这个过程中的基因调控的性能的影响。除了传统观点认为DNA成环是一种增加调控分子对其同源位点亲和力的机制之外，最近的发展表明DNA成环还可以导致细胞间变异性的抑制、转录噪音的控制以及按需激活合作相互作用。
2005-02-28 cond-mat.soft physics.bio-ph q-bio.BM
A simple negative interaction in the positive transcriptional feedback of a single gene is sufficient to produce reliable oscillations
负和正转录反馈环存在于天然和合成的遗传振荡器中。具有负转录反馈的单个基因在反馈信号的传递中需要时间延迟和足够强的非线性，以便产生生物化学节律。只有正的转录反馈的单个基因不会产生振荡。在这里，我们证明了这种单基因网络与简单的负相互作用相结合也可以很容易地产生节奏。我们研究了一个由两个分化良好的部分组成的模型。第一种是正反馈，由蛋白质与自身基因的启动子结合并激活转录。第二种是负相互作用，其中阻遏物分子阻止该蛋白质与其启动子结合。随机研究表明，该系统对噪声具有鲁棒性。确定性研究表明，振荡器的动力学主要由两种类型的生物分子驱动：蛋白质，以及由阻遏物和该蛋白质形成的复合物。本文的主要结论是，一个简单而常见的负相互作用，如降解，螯合或抑制，作用于一个单一的基因的正转录反馈是一个充分的条件，产生可靠的振荡。一个基因就足够了，正转录反馈信号不需要激活第二个阻遏基因。这意味着在遗传水平上，明确的负反馈回路是不必要的。该模型既不需要合作的结合反应，也不需要蛋白质多聚体的形成。因此，我们的研究结果可能有助于阐明细胞时钟的设计原理，并构成一个新的有效的工具，工程合成的遗传振荡器。
2011-12-22 q-bio.MN q-bio.QM
Oscillations in the expression of a self-repressed gene induced by a slow transcriptional dynamics
我们重新审视了一个基因的动态抑制其自身的蛋白质的情况下，转录速率不立即适应蛋白质浓度，但是一个动态变量。我们推导出持续振荡的外观分析标准，并发现它们需要退化机制的非线性比无限快的监管。确定性的预测也比较随机模拟这个最小的基因振荡器。
2009-01-12 q-bio.MN q-bio.QM
Reverse-engineering transcriptional modules from gene expression data
“模块网络”是使用概率模型从表达数据学习基因调控网络的框架，其中共调控基因共享相同的参数和条件分布。我们提出了一种方法来推断这样的网络和平均过程中提取的统计上最显着的模块及其监管机构的合奏。我们表明，推断的概率模型扩展到用于学习模型的数据集之外。
2009-04-08 q-bio.MN q-bio.QM
The large-scale logico-chemical structure of a transcriptional regulation network
身份，对外部刺激的反应，以及生命系统的空间结构是分子生物学的中心议题。目前，它们在很大程度上被视为基因库和细胞调节机制之间相互作用的结果。在转录水平上，顺式调控区在转录因子和基因（包括其他转录因子）之间建立了一系列相互依赖性。这些“转录网络”太大，无法用详细的动力学模型进行全局处理。在本文中，我们描述了一种方法来解决这个问题，只专注于基因表达模式和信号整合功能之间的兼容性，讨论进行最简单的计算，布尔，实现的模型，并首次应用到实验数据集。
2005-02-15 cond-mat.dis-nn q-bio.MN
The role of input noise in transcriptional regulation
即使在恒定的外部条件下，基因的表达水平也会波动。许多重点放在这个噪音的组件，是由于在转录和翻译的随机性，在这里，我们分析了噪音的作用与输入转录调控，随机到达和绑定的转录因子，其目标位点沿基因组。这种噪音设置了一个基本的物理限制的遗传控制的可靠性，并有明确的签名，但我们表明，这些很容易被实验的限制，甚至通过传统的方法绘制的方差与平均表达水平。我们认为，简单的，由转录和翻译占主导地位的噪音的全球模型是不一致的嵌入基因表达的网络中的监管相互作用。最近的实验在早期果蝇胚胎的转录控制分析表明，这些结果是定量一致的预测签名的输入噪声，我们讨论了需要测试的实验输入噪声的重要性更普遍。
2007-01-22 q-bio.CB q-bio.MN
Origins of Binary Gene Expression in Post-transcriptional Regulation by MicroRNAs
微RNA介导的基因表达调节的特征在于一些区别于非调节和转录因子调节的基因表达的独特特征。最近，一个数学模型已被提出来描述microRNA的转录后调控的动力学。该模型很好地解释了单细胞实验中的观察结果。在本文中，我们引入了一些额外的功能到模型中，并考虑两个特定的情况。在第一种情况下，靶基因表达的转录调节中包括非合作性正反馈环。在第二种情况下，被认为是一个随机版本的原始模型，其中有基因的非活性和活性表达状态之间的随机转换。在第一种情况下，我们表明，双稳态是可能的参数制度，由于存在一个非线性的蛋白质衰减项的基因表达动态。在第二种情况下，我们推导出获得随机二进制基因表达的条件。我们发现，与未受调节的基因表达的情况相比，这种类型的基因表达在由microRNA调节的情况下更有利。与二元基因表达相关的理论预测是可实验检验的。
2012-10-18 q-bio.MN q-bio.QM
Role of transcriptional bursts in cellular oscillations
遗传振荡器存在于许多生物体的细胞中，并控制着几个生物过程。这种振荡器的共同特征是存在一种抑制其自身基因转录的蛋白质。最近的研究表明，许多基因的转录不是一个连续的过程，而是以爆发的方式进行的。我们在这里研究突发转录和蛋白质振荡的鲁棒性之间的关系。我们专注于mRNA生产的时间曲线，通过研究这种曲线变化但mRNA生产量保持固定的制度。对于具有不同程度的协同性的系统，我们表明，在一般情况下，爆发与更强大的振荡，但当他们太短，太激烈，他们可以有相反的效果。换句话说，我们表明，在所产生的振荡的规律性，有一个最佳值的强度的爆发。
2017-06-06 q-bio.MN
Probing the limits to microRNA-mediated control of gene expression
根据“ceRNA假说”，microRNA（miRNAs）可以作为长编码或非编码RNA分子之间有效的正相互作用的介质，对各种生物过程具有重要的潜在意义。在这里，最近的工作提供了一个定量描述的小调控元件的信息传递渠道的启发，我们的特点的有效性，miRNA介导的调节调节的调制器（转录因子）和目标节点（长RNA）之间可实现的最佳信息流。我们的研究结果表明，虽然需要足够大程度的靶去抑制来激活miRNA介导的传递，但（a）在复杂加工和/或转录能力的不同机制的情况下，转录后miRNA通道的调节可以优于通过直接转录控制实现的调节;此外，（b）在存在大量弱相互作用的miRNA分子的情况下，来自滴定的额外噪声消失，使得miRNA通道与直接通道一样有效地处理信息。这些观察结果建立了miRNA介导的转录后串扰的限制，并表明，除了提供一定程度的噪音缓冲，这种类型的控制可以有效地在细胞中作为故障安全机制和作为基因表达的优先微调器，指出这些功能中的每一个被最大化的特定情况。
2016-01-26 cond-mat.dis-nn physics.bio-ph q-bio.MN
Transcriptional Regulation by the Numbers 2: Applications
随着关于基因表达和调控的实验数据量的增加，越来越需要定量模型来描述数据并将它们与不同的背景相关联。热力学模型综述在前面的文件提供了一个有用的框架，定量分析细菌的转录调控。我们回顾了一些良好的特点是由一个或两个物种的转录因子调控的细菌启动子，并适用于这些启动子的热力学框架。我们表明，该框架允许人们使用一些参数量化截然不同的基因表达形式。因此，它提供了一个紧凑的描述，可用于更高层次的研究，例如，基因网络的，而不需要调用每个组件的生化细节。此外，它可以用来产生可能的转录控制机制的假设。
2004-12-05 q-bio.MN q-bio.QM
Global modeling of transcriptional responses in interaction networks
动机：细胞生物学过程通过基因及其产物之间复杂的相互作用网络进行调节。这些过程、它们的激活条件和相关的转录反应通常是未知的。网络激活的生物体范围的建模可以揭示生理条件之间的独特和共享机制，以及潜在的未知过程。我们介绍了一种新的方法，在生物体范围内发现和分析相互作用网络中的转录反应。该方法在网络中搜索在条件的子集中表现出协调的转录响应的局部连接区域。基因之间的已知相互作用用于限制搜索空间并指导分析。对人类通路网络的验证揭示了生理上的连贯反应，生理条件之间的功能相关性，以及基因的协调，上下文特异性调节。可用性：可在http://netpro.r-forge.r-project.org上免费获得R和Matlab的实现
2012-02-02 cs.CE q-bio.MN q-bio.QM
Model of Transcriptional Activation by MarA in Escherichia coli
我们已经开发了一个数学模型的转录激活的MarA在大肠杆菌中，并使用该模型来分析测量的marRAB，sodA，micF启动子在mar-rob-细胞中的MarA依赖的活性。该模型合理化一个意想不到的穷人之间的相关性中点的体内启动子活性曲线和体外平衡常数MarA结合启动子序列。使用该模型分析启动子活性数据，得到关于激活机制的以下预测：（1）marRAB、sodA和micF启动子的MarA激活涉及RNA聚合酶结合后转换动力学的净加速，直至并包括启动子逃逸和信息延伸;（2）RNA聚合酶在没有MarA的情况下几乎以单位占有率与这些启动子结合，使得聚合酶的募集在这些启动子的激活中是不重要的因素;和（3）micF启动子的激活可能涉及聚合酶的排斥和聚合酶活性动力学的大幅加速，而不是募集。这些预测与已发表的聚合酶和大肠杆菌之间相互作用的染色质免疫沉淀试验一致。coli染色体。转录激活中缺乏募集代表了教科书中对细菌0 -70启动子激活的描述的例外。然而，使用加速聚合酶动力学而不是募集可能赋予E.大肠杆菌中通过减少基因调控的潜伏期。
2009-02-05 q-bio.MN
Gene network reconstruction from transcriptional dynamics under kinetic model uncertainty: a case for the second derivative
动机：随着时间的推移测量基因表达能够重建转录网络。然而，贝叶斯网络和许多其他当前的重建方法依赖于与描述转录动力学的微分方程相冲突的假设。动力学模型的实际近似将使得能够从微阵列、基于标签和常规平台的表达数据推断基因之间的因果关系，但是结论对所做的假设敏感。结果如下：基因组的足够大的部分的表示使得能够基于表达数据计算关于在基因之间的影响中可以放置多少置信度的上限。关于哪些基因编码转录因子的信息不是必需的，但如果可用的话可以并入。该方法被推广到涵盖的情况下，表达测量丢失的许多基因，可能控制感兴趣的基因的转录。假设基因表达水平与翻译速率大致成比例，导致比假设基因表达水平与蛋白质水平大致成比例或两种假设的贝叶斯模型平均值更好的经验性能。可用性：http://www.oisb.ca指向实现这些方法的R代码（R Development Core Team 2004）。补充信息：http://www.davidbickel.com
2009-07-02 q-bio.GN q-bio.MN
Imprinting control regions (ICRs) are marked by mono-allelic bivalent chromatin when transcriptionally inactive
印迹基因的亲本等位基因特异性表达是由印迹控制区（ICR）介导的，印迹控制区由母本或父本等位基因上的DNA甲基化印迹组成型标记。单等位基因DNA甲基化是印记过程中严格需要的，并且必须在整个生命周期中忠实地维持。虽然DNA甲基化本身的调节已经被很好地理解，但是相对等位基因保持未甲基化的机制尚不清楚。在这里，我们表明，在小鼠中，在母系甲基化的ICR，父亲的等位基因，这是组成性相关的H3 K4 me 2/3，是由H3 K27 me 3默认标记时，这些ICR是转录失活，导致形成一个二价染色质签名。我们的数据表明，在ICRs，染色质二价有一个保护作用，确保父亲等位基因上的DNA保持未甲基化，并防止虚假的和计划外的基因表达。此外，它们提供了概念证明，即除了多能细胞之外，染色质二价是转录失活的CpG岛启动子的默认状态，无论发育阶段如何，从而有助于保护细胞身份。
2018-11-09 q-bio.GN q-bio.MN
Bursting noise in gene expression dynamics: Linking microscopic and mesoscopic models
短寿命mRNA的动力学导致基因调控网络中蛋白质产生的爆发。我们调查了不同层次的数学建模之间的传播的突发噪声，并证明了传统的方法的基础上扩散近似可能无法捕捉突发噪声。另一种粗粒度的模型，所谓的分段确定性马尔可夫过程（PSTK），被认为是优于生物相关的参数制度的扩散近似。我们提供了一个系统的嵌入到现有的方法景观的PADER模型，我们提出了分析方法来计算其平稳分布和开关频率。
2015-08-03 cond-mat.stat-mech q-bio.MN q-bio.QM
Transcription-dependent spatial organization of a gene locus
越来越多的人认识到基因功能与染色体的动态结构有关。在这里，我们探讨在单细胞水平的三维结构和转录活性之间的相互作用。我们发现，非活性位点在空间上比活性位点更紧凑，并且在活性位点内，驱动转录的增强子最接近启动子。另一方面，当基因座具有转录活性时，即使是这种最短距离也太长而不能支持增强子-启动子对之间的直接物理接触。人工操作增强子和启动子之间的基因组分离产生物理距离和转录活性的变化，重现了野生型胚胎中观察到的相关性，但拓扑结构域边界的破坏没有影响。我们的研究结果表明，转录和顺式调控元件的空间组织之间存在复杂的相互依赖关系。
2020-12-31 q-bio.MN
Towards Multicellular Biological Deep Neural Nets Based on Transcriptional Regulation
建立在合成基因网络上的人工神经元具有从复杂的细胞决策到生物反应器调节的潜在应用。此外，由于自然系统的高信息吞吐量，它提供了一个有趣的候选人基于生物的超级计算和模拟模拟传统上棘手的问题。在本文中，我们提出了一个架构，用于构建多细胞神经网络和可编程非线性系统。我们设计了一个基于基因调节网络的人工神经元，并优化了其模块化动态。使用基因表达模型，我们模拟其从多个输入执行任意线性分类的能力。最后，我们构建了一个两层的神经网络来展示可扩展性和非线性决策边界，并讨论了未来的方向，利用不受控制的神经元在计算任务。
2020-01-30 cs.ET cs.NE q-bio.MN
Unsupervised learning of transcriptional regulatory networks via latent tree graphical models
Microsoft Research（微软研究院）；Massachusetts Institute of Technology（麻省理工学院）；University of California Irvine（加州大学尔湾分校）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Morgridge Institute for Research（莫格里奇研究所）
基因表达是转录活性和细胞状态的易于观察的定量，其使得能够恢复调节子与其靶基因之间的关系。从基因表达数据重建转录调控网络是一个备受关注的问题，但以往的工作往往作出简化（但不切实际）的假设，即调控活性由mRNA水平表示。我们使用潜在树图形模型来分析基因表达，而不依赖于转录因子表达作为调节活性的代理。潜在树模型是一种马尔可夫随机场，包括观察到的基因变量和潜在（隐藏）变量，它们在马尔可夫树上分解。通过有效的无监督学习方法，我们确定哪些基因组由隐藏的调节因子共同调节，以及这些调节因子的活性水平。后处理将这些发现的潜在变量中的许多注释为特定的转录因子或转录因子组。其他潜变量不一定代表物理调节因子，而是揭示了基因表达中的隐藏结构，例如共享的生物学功能。我们将潜在树图形模型应用于酵母应激反应数据集。除了新的预测，如条件特异性结合的转录因子Msn 4，我们的模型恢复了许多已知的方面的酵母调控网络。这些包括共调节基因组、条件特异性调节因子活性和转录因子之间的组合调节。潜在树图形模型是用于分析基因表达数据的通用方法，其不需要关于存在哪些可能的调控因子、调控因子活性或转录因子物理结合的先验知识。
2016-09-20 cs.LG q-bio.MN
Control of noise in gene expression by transcriptional reinitiation
基因表达是一个随机或噪声的过程。该过程由几个随机事件组成，其中RNAP重新启动转录是一个重要的事件。RNAP分子只有在启动子被转录因子激活后才能结合基因。几个转录因子与启动子结合，使基因处于激活状态。当结合的转录因子离开启动子时，基因变成失活状态。在该基因的活跃期，许多RNAP分子转录该基因以合成mRNA。RNAP与基因活性状态的结合事件是一个概率过程，因此在mRNA和蛋白质水平上引入了噪声或波动。本文从mRNA和蛋白质水平解析计算了Fano因子，并结合RNAP在基因转录过程中的结合事件，精确计算了mRNA数目的概率分布。蛋白质Fano因子的解析计算表达式与实验结果吻合良好。然后，我们表明，在mRNA水平的Fano因子可以亚泊松由于RNAP转录的重新启动和平均mRNA水平可以增加而不增加Fano因子。我们的研究表明，Fano因子也可以减少，保持mRNA水平固定。我们发现，转录的重新启动可以表现为一个微调的控制过程，以调节细胞中的mRNA/蛋白质水平。
2020-05-18 q-bio.MN
Genome-wide discovery of modulators of transcriptional interactions in human B lymphocytes
细胞中的转录相互作用受到多种机制的调节，这些机制阻止它们表现为转录因子与其靶标之间的纯成对相互作用。其中包括通过磷酸化和乙酰化激活转录因子，与一种或多种辅因子形成活性复合物，以及mRNA/蛋白质降解和稳定化过程。本文提出了第一步系统的，全基因组的计算推理的基因，在转录后水平上调节特定的转录因子的相互作用。该方法使用基于转录因子与其每个候选靶之间的互信息变化的统计学检验，条件是第三基因的表达。该方法首先在合成网络模型上进行了验证，然后在哺乳动物细胞系统中进行了测试。通过分析254个正常和肿瘤相关的人B淋巴细胞的微阵列表达谱，我们研究了MYC原癌基因的转录后调节因子，MYC原癌基因是参与肿瘤发生的重要转录因子。我们的方法发现了一组100个假定的调节基因，负责调节MYC及其靶点之间的205个调节关系。该组是显着丰富的分子与其作为细胞相互作用的调节剂的活动一致的功能，概括了既定的MYC调控途径，并提供了一个显着的库的MYC功能的新的监管机构。该方法具有广泛的适用性，并可用于发现任何其他转录因子的调节剂，只要有足够的表达谱数据。
2006-03-02 q-bio.GN q-bio.MN q-bio.QM
TwinPurify: Purifying gene expression data to reveal tumor-intrinsic transcriptional programs via self-supervised learning
School of Computing Science（计算科学学院）；University of Glasgow（格拉斯哥大学）
TwinPurify通过自监督学习净化基因表达数据，揭示肿瘤内在转录程序，提升分子分类和生存模型一致性。
2026-01-27 cs.LG q-bio.MN
A scalable gene network model of regulatory dynamics in single cells
Mila, the Quebec AI Institute（米拉魁北克人工智能研究所）；Université de Montréal（蒙特利尔大学）；Institute of Computational Biology, Helmholtz Munich（亥姆霍兹慕尼黑计算生物学研究所）；Technical University of Munich（慕尼黑工业大学）；Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）；TUM School of Life Sciences Weihenstephan, Technical University of Munich（慕尼黑工业大学魏恩施蒂芬生命科学学院）
针对单细胞转录动力学建模的挑战，提出可扩展的FLeCS模型，结合基因网络与微分方程，在多种实验数据中准确推断细胞动态并揭示基因敲除的调控功能。
2025-03-25 cs.LG q-bio.MN
Hill Function-based Model of Transcriptional Response: Impact of Nonspecific Binding and RNAP Interactions
该研究从 TF、RNAP 与 DNA 特异性及非特异性位点的反应出发推导转录倍数变化，阐明弱启动子下其与 Hill 函数的联系及参数生化含义。
2024-03-04 q-bio.MN
The role of master regulators in gene regulatory networks
基因调控网络对内在和外在的扰动呈现出多种多样的动力学响应。可以说，这种协调反应中最重要的一种是扩增级联反应，其中几个关键反应转录因子（称为主调节因子，MR）的激活导致大量的转录激活事件。这是因为主调节因子是控制其他转录因子分子表达的转录因子等。MR占据与转录动力学和基因调控网络控制相关的中心位置，并且经常参与诱导非平凡动力学的复杂反馈和前馈回路。最近的研究指出，肌细胞增强因子2C（MEF2C，也称为MADS盒转录增强因子2，多肽C）是参与原发性乳腺癌发病机制的主要调节因子之一。在这项工作中，我们进行了综合基因组分析的转录调控活性的MEF2C及其靶基因，以评估在何种程度上是这些分子诱导集体反应，导致基因表达失调和致癌。我们还分析了一些诱导的动态反应，特别是与转录爆发和非线性级联相关的反应，以评估它们在恶性表型和癌症中可能产生的影响。
2015-10-17 nlin.AO q-bio.MN
Post-transcriptional knowledge in pathway analysis increases the accuracy of phenotypes classification
动机：从高维数据中预测表型是精密生物学和医学中的一项重要任务。许多技术采用基因组生物标志物来表征表型。然而，这些元素不足以解释潜在的生物学。为了改善这一点，已经提出了途径分析技术。然而，这些方法在表型分类中缺乏准确性。结果如下：在这里，我们提出了一种新的方法，称为MITHrIL（Mirna enrIched paTHway Impact anaLysis），用于分析信号通路，该方法建立在Tarca等人的工作之上，2009. MITHrIL通过添加缺失的调控元件（如microRNA）及其与基因的相互作用来扩展通路。该方法将基因和/或microRNA的表达值作为输入，并返回根据其失调程度排序的途径列表以及相应的统计显著性（p值）。我们的分析表明，即使在最坏的情况下，MITHRIL也优于其竞争对手。此外，我们的方法能够正确分类从TCGA提取的肿瘤样本集。可用性：MITHRIL可在以下网址免费获得：http://alpha.dmi.unict.it/mithril/
2016-09-14 cs.CE q-bio.MN
A combination of transcriptional and microRNA regulation improves the stability of the relative concentrations of target genes
众所周知，在合适的条件下，microRNA能够将其靶标的相对浓度微调到任何期望的值。我们发现，当其中一个靶点是调节其他靶点的转录因子（TF）时，这种功能特别有效。这种组合定义了一类新的前馈环（FFL），其中microRNA起着主调节器的作用。使用确定性和随机方程，我们表明，这些FFL确实不仅能够微调TF/靶标比率到任何所需的值作为miRNA浓度的函数，而且由于电路的特殊拓扑结构，确保该比率对随机波动的稳定性。这两种效应是由于直接的转录调控和由于TF和靶标竞争结合miRNA而引起的间接TF/靶标相互作用之间的相互作用（所谓的“海绵效应”）。然后，我们在人类调控网络中对这些FFL进行全基因组搜索，并显示它们具有非常特殊的富集模式。特别是，它们在TF及其目标必须精确地保持在相同浓度的所有情况下都强烈富集，尽管有环境噪声。作为一个例子，我们讨论的FFL涉及E2 F1作为转录因子，RB 1作为目标和miR-17家族作为主调节器。这些FFL确保了E2 F/RB比率的严格控制，这反过来又确保了静止细胞中从G 0/G1到S期转变的稳定性。
2013-07-12 q-bio.GN 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
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
Cell reprogramming design by transfer learning of functional transcriptional networks
Northwestern University（西北大学）；National Institute for Theory and Mathematics in Biology（国家理论与数学生物学研究所）
该研究提出一种基于迁移学习的细胞重编程设计方法，预训练转录网络动力学模型以适配不同重编程目标，在两个数据集上验证了有效性，为计算化设计细胞调控策略提供概念验证。
2024-03-07 cond-mat.dis-nn cs.LG q-bio.GN
Genome-Wide Survey of MicroRNA - Transcription Factor Feed-Forward Regulatory Circuits in Human
在这项工作中，我们描述了一个计算框架的全基因组识别和表征的混合转录/转录后调节电路在人类。我们特别关注前馈环（FFL），其中主转录因子调节microRNA，并与它一起调节一组联合靶蛋白编码基因。用两步程序组装电路。我们首先通过寻找人和小鼠启动子中保守的过度表达基序和3 '-UTR，分别构建了人调控网络的转录和转录后组分。然后，我们将两个子网络结合起来，寻找混合前馈调节相互作用，共找到638个推定的（合并的）FFL。为了研究它们的生物学相关性，我们使用三个选择标准过滤这些回路：（I）FFL的联合靶标之间的基因本体论富集，（II）从外部数据库提取的FFL的调节相互作用的独立计算证据，以及（III）FFL在癌症中的相关性。大多数选择的FFL似乎参与生物体发育和分化的各个方面。最后，我们将详细讨论几个最有趣的案例。
2009-07-23 q-bio.GN q-bio.MN
Gene switching rate determines response to extrinsic perturbations in a transcriptional network motif
众所周知，基因激活/失活动力学可能是遗传网络中随机性的主要来源，在大浓度的转录因子的情况下也是如此。在这项工作中，我们研究了现实的外部噪声对常见网络模体中基因失活的影响-转录因子对其自身合成的正反馈-在各种设置下，即，不同的细胞类型，蛋白质的分布和外部扰动的性质。在与标准模型的扰动是高斯无界的差异，我们在这里集中在有界的外部噪声，以更好地模仿生物现实。我们的研究结果表明，基因开关速度是一个关键参数，以调节网络的反应。模拟表明，如果基因开关是快速的，许多蛋白质存在，观察到一个不可逆的噪声诱导的一阶跃作为噪声强度的函数。如果噪声强度进一步增加，还观察到二阶跃迁。当基因切换是快速的，观察到类似的情况下，即使当很少的蛋白质存在，提供了较大的细胞被认为是主要受噪声自相关。相反，如果基因开关是缓慢的，没有观察到一级转换。在结束语中，简要讨论了细胞分化的不可逆转变的可能影响。
2014-10-26 cond-mat.stat-mech q-bio.MN q-bio.QM
Transcriptional regulation: Effects of promoter proximal pausing on speed, synchrony and reliability
最近的全基因组聚合酶结合试验表明，大部分未表达的基因具有稳定结合到其启动子的预组装RNA pol II转录起始复合物。一些这样的启动子近端暂停的基因在转录延伸而不是在起始时被调节;已经提出这种差异允许这些基因在细胞群体中更快地表达并实现更同步的表达，从而克服由低拷贝数因子引起的分子“噪音”。已经通过实验确定，在伸长时受到调节的基因倾向于表达得更快和更同步;然而，还没有直接表明是否是调节步骤{ \em本身}的变化导致了这种速度和同步性的增加。我们调查这个问题，提出并分析了一个连续时间马尔可夫链模型的聚合酶复合物组装调节在两个步骤之一：初始聚合酶与DNA的关联，或从暂停，转录状态释放。我们的分析表明，在很宽的物理参数范围内，增加的速度和同步性是伸长控制的功能性后果。此外，我们作出新的预测延长调节细胞之间的总转录本数量的一致控制的影响，并确定哪些元素在转录诱导途径是最敏感的分子噪音，因此可能是最进化的限制。我们的方法产生合理的计算工作量感兴趣的数量的符号表达式，并可用于探索更广泛的一类生化网络中的相互作用拓扑结构和分子噪声之间的相互作用。我们提供了实现这些方法的通用代码。
2011-03-11 math.PR q-bio.MN
