Journal of Theoretical & Computational Science

Journal of Theoretical & Computational Science
Offener Zugang

ISSN: 2376-130X

Abstrakt

Die Rolle des Genotyps bei der Vorhersagbarkeit dynamischen Verhaltens in komplexen Modellen genregulatorischer Netzwerke

Garte S und Albert A

Modelle von Genregulationsnetzwerken (GRN) haben sich als nützlich erwiesen, um viele Aspekte des hochkomplexen Verhaltens biologischer Kontrollnetzwerke zu verstehen. Zufällig generierte nicht-Boolesche Netzwerke wurden in experimentellen Simulationen verwendet, um Daten zu dynamischen Phänotypen als Funktion mehrerer genotypischer Parameter zu generieren. Wir stellten die Hypothese auf, dass die topologische Komponente des Netzwerkgenotyps ein Hindernis für die Entdeckung mathematischer Formeln sein könnte, mit denen bestimmte phänotypische Parameter vorhergesagt werden können. Unsere Daten stützen diese Hypothese. Wir haben die Wirkung des topologischen Genotyps (TGE) quantifiziert und seinen Einfluss auf eine Reihe dynamischer Phänotypen in einfachen und komplexen Multigennetzwerken bestimmt. Für Situationen, in denen der TGE niedrig war, war es möglich, Formeln abzuleiten, um einige Phänotypen mit guter Genauigkeit vorherzusagen, basierend auf der Anzahl der Netzwerkgene, der Interaktionsdichte und den Anfangsbedingungen. Zusätzlich zur Formulierung dieser mathematischen Beziehungen fanden wir eine Reihe dynamischer Eigenschaften, einschließlich komplexer Schwingungsverhalten, die weitgehend von der Genotyptopologie abhingen und für die keine solchen Formeln bestimmbar waren. Für integrierte Messungen des Genexpressionsgrads beobachteten wir eine Vielzahl von Schwingungsmustern, darunter stabile, periodische Zyklen mit einer großen Bandbreite an Periodenlängen, aperiodische Zyklen und scheinbar chaotische Dynamiken. Es bleibt abzuwarten, ob diese Ergebnisse auf biologische Genregulationsnetzwerke anwendbar sind.

Haftungsausschluss: Diese Zusammenfassung wurde mithilfe von Tools der künstlichen Intelligenz übersetzt und wurde noch nicht überprüft oder verifiziert.
Top