排列理论支配临界布尔网络的长期动力学
Permutation theory governs long-term dynamics of critical Boolean networks
- University of California, Los Angeles（加州大学洛杉矶分校）
- University of Florida（佛罗里达大学）
- Watchung Hills Regional High School（瓦丘山地区高中）
- Ponte Vedra High School（蓬特韦德拉高中）
- Iowa State University（爱荷华州立大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
该研究针对K=1的临界布尔网络，揭示其吸引子结构由反馈环诱导的排列编码，明确了吸引子长度的相关规律，建立了布尔网络动力学与组合学、数论的联系。
AI中文摘要：
布尔网络被广泛用于建模基因调控动力学，其长期行为由吸引子的数量和长度共同决定。吸引子的数量近期已被明确，但吸引子长度的分布及其对网络结构的依赖仍知之甚少。针对连接度K=1的临界布尔网络，我们开展了相关研究。我们表明，这些网络的吸引子结构由网络反馈环诱导的排列编码，从而将关于吸引子长度的问题转化为排列及其算术性质的问题。特别地，最大吸引子长度由该诱导排列的阶决定。结合Erdős和Turán的结果以及Landau的经典定理，我们发现几乎所有网络的吸引子长度最多为exp[(1/2)ln²N]，而部分网络的吸引子长度可达exp[√(N ln N)]。平均吸引子长度按exp[N^(1/3)]缩放，反映了稀有网络的影响——这些网络的异常长吸引子主导了期望值。这些结果建立了布尔网络动力学、组合学与数论之间的直接联系，并将反馈环诱导的排列确定为支配临界布尔网络吸引子长度的核心动力学不变量。
英文摘要：
Boolean networks are widely used to model gene regulatory Attractors of Boolean networks model stable gene-expression patterns, yet deriving their properties from network structure remains an open problem. We solve this problem for critical $K=1$ networks by showing that their feedback loops induce a permutation whose order bounds the average attractor length both above and below by universal constant factors. This correspondence allows classical results from combinatorics and number theory to be applied directly to Boolean network dynamics. We find three distinct asymptotic scales for both average and maximum attractor lengths: typical networks scale as $\exp[(1/8+o(1))(\ln N)^2]$, the ensemble means grow as $\exp[N^{1/3+o(1)}]$, and extremal networks attain $\exp[(1+o(1))\sqrt{N\ln N}]$. Thus, ensemble averages are governed by rare network realizations and are unrepresentative of typical dynamics.
