发现用于多层网络指纹识别的模体：以秀丽隐杆线虫连接组为例
Discovering Motifs to Fingerprint Multi-Layer Networks: a Case Study on the Connectome of C. Elegans
AI总结：
本文以秀丽隐杆线虫连接组为例，利用ESCAPE算法识别多层神经系统中的网络模体，并将其与功能回路和信号通路关联，揭示了神经网络的组织规律。
摘要：
模体发现是一种强大且富有洞察力的方法，可用于量化网络结构并探索其功能。作为案例研究，我们对模式生物秀丽隐杆线虫（C. elegans）连接组中的调控模体进行了全面分析。利用高效子图计数算法包（ESCAPE）算法，我们在秀丽隐杆线虫的多层神经系统中识别网络模体，并将其与功能回路联系起来。我们进一步研究了信号通路内的模体富集情况，并用具有相似规模和连接密度的随机网络对我们的发现进行了基准测试。我们的发现为这一文献记载充分的生物体的神经网络组织提供了有价值的见解，并且可以容易地迁移到其他物种和学科领域。
英文摘要：
Motif discovery is a powerful and insightful method to quantify network structures and explore their function. As a case study, we present a comprehensive analysis of regulatory motifs in the connectome of the model organism Caenorhabditis elegans (C. elegans). Leveraging the Efficient Subgraph Counting Algorithmic PackagE (ESCAPE) algorithm, we identify network motifs in the multi-layer nervous system of C. elegans and link them to functional circuits. We further investigate motif enrichment within signal pathways and benchmark our findings with random networks of similar size and link density. Our findings provide valuable insights into the organization of the nerve net of this well documented organism and can be easily transferred to other species and disciplines alike.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
