基因转录调控网络推导方法——布尔网络
- 基因网络是由细胞中参与基因调控作用的DNA、RNA、蛋白质以及代谢中间物所形成的相互作用的网络。
- 基因网络是从分子层次上对生物系统进行研究的，其研究目标是通过基因之间的相互作用从系统的角度全面说明基因组的功能和行为以揭示复杂的生命现象。
- 基因网络有助于从基因组层次对生命过程进行详细的解释，从而达到系统地解释细胞活动、生命活动、解释疾病的发生、发展和治疗等目标。
- 基因网络是基因组学研究的重要内容，也是当前生物学研究的前沿，因此在研究生物体的生长、发育以及疾病等过程方面受到极大的重视。
动力学模型可以根据时间状态的描述分为连续与离散两类：
- 时间取值为连续的，就是连续性动力系统；
- 时间取值为离散的点，则为离散型动力系统；
也可以根据结合不确定性或变异性与否分为确定性和随机性以及混合性模型，采用概率、统计方法进行描述的为随机模型，采用微分方程来刻画状态变化的为确定性随机模型。在目前提出的许多模型中，布尔网络模型可以很好地描述生物系统这一复杂的调控特性，它可以进行高维系统的分析和大规模的运算，从而成为近期研究基因网络的一个有力工具。
下面介绍布尔网络模型，说明它在缺少具体的参数时能预测动力学趋势这一优越性。
布尔网络的优点是基因相互作用的定性描述，这种网络中基因表达共分为两种状态，即0和1，如果它的状态为真（或激活或达到特定阈值），则输出为1，如果它的状态为假（或抑制或未达到特定阈值），则输出为0。 x x x表示系统中 n n n的基因状态的一个 n n n维向量，因此系统的每个时刻的状态空间包括 n n n个可能的状态。
布尔网络中，每个时刻的输出状态都是确定的向量，一系列输出所对应的向量就是它的一个轨迹。特殊地，如果连续的两个状态是相同的。则网络的轨迹不会改变，此时系统处于一个点吸引子中；如果一个状态经过一定时间的演化再次出现，则网络的状态处于一个循环中，此时系统呈现一定的周期性。近年来已有不少工作根据系统初始状态以及传递函数的不同，相同基因组构成的网络系统会呈现出不同的状态跃迁过程，从而可以对基因调控网络系统复杂的动力学过程进行再现和深入分析。
由于生物网络里充满了变异和噪声，连续随机模型准确地描述生物系统有很大的潜力，可是它需要大量的输入信息。随机方法的一种思路是采用随机主方程来表示系统的每个可能状态的概率演化即概率密度函数，另一种思路是在微分方程的基础上附加随机项即随机微分方程。连续确定型模型经常起到折中的作用，克服了随机性模型中分子数目很大时噪声趋近于零的局限性。
离散确定性模型常把点的状态分为几类，因此它的抽象程度比较高，其优点是只有很少的输入信息时就能构造。此时构造连续模型往往是不可能的，定量结果比较少，适合定性分析，也就是说，在研究的开始节点或在许多性质不清楚的情况下用布尔网络分析是常用的。因此，基因网络模型将为深入理解生命本质提供一个新的研究框架和平台。
内容来源：《生物分子网络的构建与分析》
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/228502.html原文链接：https://javaforall.net
![ResourceBundle用法[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
