基于结构的方法可以在生物启发的布尔网络集合中识别驱动节点
摘要：生物网络的吸引子反映了稳定的行为（如细胞表型），当控制生物系统时，识别能够将系统驱动到其吸引子的控制干预（吸引子控制）具有特殊的相关性。通过节点状态覆盖将网络的反馈顶点集（FVS）驱动到与目标吸引子一致的状态已被证明可以强制系统的每个轨迹都进入目标吸引子，但在生物网络中，FVS通常比实际可以操控的范围要大。提出了对生物网络的FVS子集进行外部控制作为一种策略，通过这种策略可以利用较少的干预将网络驱动到其吸引子。然而，这种策略的有效性仅在一小组布尔模型的生物网络上进行了证明。在本文中，我们将这种分析扩展到一系列受生物启发的布尔网络中。在这些模型中，我们使用三个结构度量（PRINCE传播、修改的PRINCE传播和CheiRank）来通过预测的吸引子控制强度对FVS子集进行排名。我们使用三个动态度量（To Control、Away Control和逻辑影响域）来验证这些排名的准确性。我们还在有效图上计算传播度量，将每个布尔模型的功能信息纳入边权重中。虽然这些额外的信息增加了结构度量的预测能力，但我们发现相对于未加权的网络，增加程度是有限的。传播度量与FVS结合可以用于通过模拟在生物网络中普遍存在的动力学来识别可实现的驱动节点集。这种方法仅使用网络的结构，而且驱动集对特定的动力学模型具有鲁棒性。
作者：Eli Newby and Jorge G''omez Tejeda Za~nudo and R''eka Albert
论文ID：2303.04888
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-08-07