CRNs暴露：化学反应网络的系统性探索
摘要：通过形式化方法，许多领域都取得了突破，例如硬件验证、机器学习和生物系统。系统生物学、合成生物学和分子编程的关键对象是化学反应网络（CRNs），它将耦合的化学反应在均匀混合的溶液中形式化。CRNs对于我们理解生物调控和代谢网络以及编程工程化的分子行为至关重要。虽然小型CRNs具有复杂的动态和计算行为的能力，但是在搜索所需功能时，探索CRNs的空间仍然困难。我们使用Alloy这个软件系统中表达结构约束和行为的工具来枚举具有声明性指定属性的CRNs。我们展示了这个框架如何枚举具有各种结构约束的CRNs，包括受生物启发的催化网络和代谢网络，以及受DNA纳米技术启发的摇摆网络。我们还使用这个框架来探索速率独立CRNs中的类比函数计算。通过用化学计量法而不是反应速率来计算所需的输出值（即$X \neq Y+Y$计算乘以$2$），这样的CRNs对于反应速率或速率规律的选择是完全鲁棒的。我们找到了在速率独立CRNs的自然子类中计算最大值、最小最大值、绝对值和ReLU（修正线性单元）函数的最小CRNs，其中速率独立性基于结构网络属性。
作者：Marko Vasic, David Soloveichik, Sarfraz Khurshid
论文ID：1912.06197
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2020-08-11