生物网络的结构和动力学稳定性
细胞骨架和运动的生物学特性和功能
细胞骨架和运动的生物学特性和功能细胞骨架是一个由微丝、微管和中间纤维组成的复杂网络，它位于细胞质中，起到支撑、塑形和细胞运动的重要作用。
细胞骨架的组成和运作机制与各种细胞活动密切相关，是细胞生物学和生物医学领域的研究热点。
1. 细胞骨架的组成和结构细胞骨架分为三种类型：微丝、微管和中间纤维。
微丝是由肌动蛋白形成的细长蛋白纤维束，直径约为7纳米，具有高度的动态稳定性。
微管是由α、β-微管蛋白形成的管状结构，直径约为25纳米，是细胞内最粗的纤维。
中间纤维由细胞角蛋白（keratin）或其他中间纤维蛋白形成，直径约为10纳米，与细胞连接的结构和组织维持有关。
细胞骨架的不同组分在形态和功能上有显著差异，但它们之间能相互作用形成动态的网络结构。
2. 细胞骨架的运动和稳定性细胞骨架通过微分子间的反应和催化，对细胞进行更快更准确的散装物质运输，维持细胞各种复杂的形态和机能。
细胞骨架的动态分子间相互作用产生蛋白质交联作用，使其发生细微的变化，而在活性细胞内，这些变化是连续的，需要使用生物光学实验技术进行拍摄和分析。
此外，还有动态恶化现象，包括微管、微丝的动态不稳定性、脱聚合和再聚合，导致细胞骨架的失稳性，这一过程可以通过微观物理机制进行描述。
3. 细胞骨架的功能细胞骨架的特性和功能受许多因素控制，如细胞环境、通信状态和外界物理力，因此，它对于细胞的各种信号传导、形态变化、细胞迁移、细胞分裂和细胞粘附等过程具有重要的功能。
微丝和微管的运动和稳定特性对于胚胎发育、细胞内转运和分裂的影响非常大。
微管的动力学在纤毛、鞭毛的运动以及中心小管、减数分裂、膜的交通中无可替代的作用。
中间纤维与细胞膜的联系更紧密，它们的紧密关系对于细胞骨架的整体结构和转运、细胞长时间存活和存储量起着重要作用。
4. 细胞骨架的研究进展和应用在生物医学领域，对细胞骨架进行研究，可以大大拓展对于生命本质的理解，同时为生物医学研究等方面带来新的思路和方法。
生物复杂网络的拓扑和动力学特性研究
生物复杂网络的拓扑和动力学特性研究生物系统中存在着各种各样的复杂网络，如细胞内分子网络、脑神经网络、社交网络等，这些复杂网络结构具有高度的复杂性和多样化，对于研究生命科学和社会科学等领域具有极其重要的意义。
拓扑结构是复杂网络的基本特征，拓扑结构描述的是网络中节点之间的连接方式。
常用的拓扑结构包括完全图、随机图、小世界网络和无标度网络等，每种网络都有其独特的拓扑特征和动力学规律。
完全图是指节点之间完全连接的网络，具有高度的对称性和可靠性，但网络中节点数量较多、复杂度较高。
随机图是指节点之间按照一定概率连接的网络，具有高度的随机性和不稳定性，但网络中节点数量较少、构建较为简单。
小世界网络是指介于完全图和随机图之间的网络，其中部分节点之间的相互连接采用随机方式，但又存在着一些节点之间的“局部联系”，具有稠密程度高、路径长度短等优点。
而无标度网络则是指节点之间按照幂律分布方式连接的网络，其中存在少数“中心节点”和大量“边缘节点”，具有集中性与分布性相结合的特点。
除了拓扑结构外，网络的动力学特性也是研究的重点之一。
动力学规律主要描述节点之间的相互作用方式和变化规律，包括节点的状态变化、信息传递、同步行为等特征。
研究网络的动力学特性可以为我们了解网络的各个节点之间的相互作用提供帮助，为对复杂生物系统的掌握提供重要的信息。
研究生物复杂网络的拓扑和动力学特性，可以帮助我们了解一些复杂系统中所存在的内在规律，对于研究生物多样性、疾病发生和进化等问题都有着重要的意义。
例如，研究蛋白质相互作用网络，可为了解蛋白质的结构与功能提供帮助；研究社交网络可为了解社会群体中的意见传播、群体行为等提供基础数据。
在研究生物复杂网络的拓扑和动力学特性中，现代生物信息学技术发挥了重要作用。
绘制网络拓扑图、构建网络模型、分析网络动力学行为等，都需要利用大量的计算和数据处理技术。
例如，复杂网络中节点的度分布通常符合幂律分布，需要通过大量数据采集和处理才能得到准确的结果。
复杂网络中的动力学模型与分析方法
复杂网络中的动力学模型与分析方法一、引言复杂网络是由大量节点和连接它们的边组成的网络结构，广泛应用于社交网络、生物网络、信息传播等领域。
网络中各个节点之间相互作用、信息传递的过程可以用动力学模型进行描述和研究。
本文将介绍复杂网络中的动力学模型以及常用的分析方法。
二、节点动力学模型1. 节点动力学模型的概念节点动力学模型是描述网络中单个节点状态变化规律的数学模型。
常用的节点动力学模型包括离散时间模型和连续时间模型。
离散时间模型适用于节点状态在离散时间点上更新的情况，连续时间模型适用于节点状态连续变化的情况。
2. 节点动力学模型的类型（1）布尔模型：布尔模型是一种离散时间模型，节点状态只有两种可能值：0和1。
通过定义节点间的布尔运算规则，模拟节点之间的相互作用和状态更新。
（2）Logistic模型：Logistic模型是一种连续时间模型，节点状态在[0,1]之间连续变化。
该模型可以描述节点的演化和趋于稳定的行为。
三、网络动力学模型1. 网络动力学模型的概念网络动力学模型是描述网络中全体节点的状态变化规律的数学模型。
在网络中，节点之间的相互作用和信息传递会影响节点的状态演化，网络动力学模型可以用来描述和预测整个网络的行为。
2. 网络动力学模型的类型（1）随机性网络模型：随机性网络模型假设节点的连接是随机的，节点间的相互作用和信息传递也是随机发生的。
常见的随机性网络模型包括随机图模型、随机循环模型等。
（2）小世界网络模型：小世界网络模型是一种介于规则网络和随机网络之间的网络结构。
它既具有规则性，节点之间的连接具有聚类特性，又具有随机性，节点之间的连接具有短路径特性。
（3）无标度网络模型：无标度网络模型是一种节点度数服从幂律分布的网络结构。
少数节点的度数非常高，大部分节点的度数较低。
这种模型可以很好地描述现实世界中一些复杂网络的结构。
四、网络动力学的分析方法1. 稳定性分析稳定性分析是判断网络在不同初始条件下是否趋于稳定状态的方法。
基因调控网络的复杂性与稳定性
基因调控网络的复杂性与稳定性随着基因组学技术的不断发展，研究人员对于基因调控网络的复杂性和稳定性的理解也越来越深入。
基因调控网络是生物体内调控基因表达的重要机制，它通过调节基因的转录和翻译过程来实现对细胞功能的调控。
在这个网络中，基因通过互相作用和调节形成一个复杂的系统，这种复杂性与稳定性之间的关系成为了研究的热点。
一、基因调控网络的复杂性基因调控网络的复杂性主要体现在两个方面：结构的复杂性和动力学的复杂性。
1. 结构的复杂性基因调控网络中的基因可以相互作用，形成复杂的调控网络结构。
这些相互作用包括正向调控、负向调控、激活和抑制等。
通过这些相互作用，基因之间形成了一个网状的结构，其中一些基因起到调控中心的作用，而其他基因则在整个网络中扮演辅助角色。
2. 动力学的复杂性基因调控网络中的基因表达过程是一个动态的过程，它受到许多内外因素的调控。
基因的表达水平受到转录因子、非编码RNA和表观遗传修饰等多种因素的调节。
这些调节因子以一定的规则和模式参与到基因调控网络中，使得整个网络的动力学过程变得非常复杂。
二、基因调控网络的稳定性虽然基因调控网络具有复杂的结构和动力学特性，但它同时又具有一定的稳定性。
基因调控网络的稳定性主要取决于两个方面：稳态和鲁棒性。
1. 稳态基因调控网络在稳态下能够保持基因表达的稳定。
这是通过负反馈回路机制实现的，该机制可以自我调节和修正基因表达的过程，使得基因在细胞内达到平衡状态。
负反馈回路通过抑制某些转录因子的表达来抑制基因的过度表达，从而维持稳态。
2. 鲁棒性基因调控网络具有一定的鲁棒性，即对外界干扰和内部变化具有一定的容忍性。
这是因为基因调控网络中的基因形成了相互作用的复杂网络结构，这个结构可以抵抗外界的影响和内部的波动。
同时，基因调控网络中的许多基因还具有冗余效应，即多个基因共同参与同一个功能的实现，这种冗余效应可以降低网络的敏感性，增加其稳定性。
三、基因调控网络的复杂性与稳定性之间的关系基因调控网络的复杂性和稳定性之间存在着一种平衡关系。
生物系统稳定性和动力学特性的研究方法
生物系统稳定性和动力学特性的研究方法生物系统稳定性和动力学特性研究是一门涉及多个学科的学问，包括物理学、数学、计算机科学、生物学等。
生物系统稳定性指的是生物系统在受到外界扰动后能够维持其结构和功能的能力；动力学特性则是指生物系统随着时间推移而发生的变化规律和过程。
本文将介绍生物系统稳定性和动力学特性的研究方法。
一、生物系统稳定性的研究方法1、网络分析网络分析是一种较为常用的生物系统稳定性研究方法。
它将生物系统中各种生物分子、细胞组织等看做节点，它们之间的相互作用关系看做边，从而形成一个复杂的网络。
通过计算网络中各个节点之间的联系强度和拓扑结构，可以深入了解生物系统的稳定性特征。
2、稳定性分析稳定性分析是通过分析生物系统中不同因素之间的相互关系，推导出生物系统的稳定性状况。
常用的稳定性分析方法包括扩展Liapunov方法和传统的Lyapunov 方法等。
扩展Liapunov方法可以用于分析非线性生物系统的稳定性，而传统Lyapunov方法适用于线性生物系统的稳定性分析。
3、状态空间分析状态空间分析指的是将生物系统的状态抽象成一个状态空间中的点，通过对状态空间的分析，可以了解生物系统的稳定性。
状态空间分析可以采用数学模型或计算工具进行求解。
二、动力学特性的研究方法1、数学模型数学模型是了解生物系统动力学特性的一种重要手段。
模型的建立需要依据实验数据和理论知识，常用的生物系统数学模型包括跨学科的ODE（Ordinary Differential Equation）和基于图论的生物网络模型等。
数学模型的建立需要考虑生物系统的多个因素，如各种生物分子的浓度、反应速率和动力学特性等。
2、仿真实验仿真实验是通过计算机模拟等手段对生物系统进行动力学特性分析的方法。
通过对模拟实验的设计，可以探究生物系统在不同环境下的反应规律和动力学变化。
仿真实验可以帮助科学家减少实验成本和时间，同时也可以加深对生物系统的了解。
3、关键节点分析关键节点分析是通过对生物系统中重要节点及其相互作用的分析，揭示生物系统的动力学特性。
生命科学中的复杂网络分析
生命科学中的复杂网络分析随着科技的进步，生命科学领域中的计算生物学和系统生物学领域也逐渐兴起。
复杂网络分析是系统生物学的一种重要方法，可以用于研究生物体内各种生物分子之间复杂的相互作用关系。
在生命科学中，复杂网络分析可以用来研究基因调控网络、蛋白质相互作用网络、代谢网络等等。
复杂网络分析通常包括网络构建、网络性质分析和网络动力学模拟三个方面。
首先是网络构建。
在生命科学中，常常需要从实验数据中构建网络模型。
比如在基因调控网络研究中，可以根据基因表达数据或者蛋白质互作数据来构建基因调控网络。
而在蛋白质相互作用研究中，可以根据蛋白质结构信息和实验数据来构建蛋白质相互作用网络。
构建网络的方法有很多，常用的方法包括基于相似性、基于拓扑特征和基于机器学习等方法。
其次是网络性质分析。
网络性质分析主要是研究网络的结构和功能特征。
网络结构特征包括网络的度分布、聚集系数、平均最短路径长度等。
网络功能特征包括小世界性、无标度性和模块化等。
通过研究网络的性质，可以揭示生物体内复杂的相互作用关系，进而理解生物体的功能和调控机制。
最后是网络动力学模拟。
网络动力学模拟主要是研究网络中节点之间的相互作用和动态变化过程。
通过模拟网络的演化和节点之间的相互影响，可以预测网络的行为和功能。
通过网络动力学模拟，可以研究生物体内各种调节机制和代谢途径的稳定性和鲁棒性。
复杂网络分析在生命科学中具有重要的应用价值。
首先，它可以帮助我们理解生物体内复杂的生物分子相互作用网络，深入研究生物体的功能和调控机制。
其次，它可以用来预测生物分子之间的相互作用和动态变化，为新药研发和疾病诊断提供新的思路和方法。
再次，它可以帮助我们发现疾病的发生和发展机制，并且为治疗和干预提供新的策略。
总结起来，复杂网络分析是生命科学中一种重要的研究方法，可以帮助我们理解生物体内复杂的相互作用关系和调控机制。
通过网络构建、网络性质分析和网络动力学模拟等过程，可以揭示生物体内的功能和调节机制，促进生命科学领域的进一步发展。
复杂系统动力学的研究方法和应用
复杂系统动力学的研究方法和应用随着科技的不断发展，复杂系统逐渐成为人们关注的热点之一。
复杂系统的研究范围十分广泛，包括生态系统、经济系统、交通系统等等，而这些系统的动态行为也是最值得研究的部分。
因此，复杂系统动力学研究成为了复杂系统研究领域中的重要方向。
本文将从复杂系统动力学的基础概念、研究方法以及应用案例三个方面对复杂系统动力学进行介绍。
基础概念复杂系统动力学的研究对象是复杂系统的动态行为。
复杂系统中的元素之间存在着相互作用，而这些作用会影响元素的状态和行为，从而导致一个系统的动态变化。
具体来说，复杂系统动力学主要研究以下几个方面：1. 动态方程复杂系统的动态方程是研究复杂系统动力学的基础。
动态方程可以用来描述系统元素之间的相互作用以及它们在时间上的演化。
其中，非线性动态方程是复杂系统动力学研究的重点之一。
2. 状态变量和参数复杂系统的状态变量是指描述系统状态的变量，它们通常是系统中元素的状态变量的总和。
例如，在研究气象系统时，气象系统的状态变量可以包括温度、湿度和气压等。
复杂系统的参数则是指影响系统运行的重要因素，它们会影响系统的状态和演化。
3. 相空间和吸引子相空间是指复杂系统中所有可能的状态组成的空间。
而吸引子是指复杂系统运动状态的稳定形态。
通常情况下，吸引子与相空间具有相似的形状。
研究方法1. 相空间重构法相空间重构法是一种重要的非参数方法，它可以从一个系统的时间序列数据中提取出相空间结构信息。
首先，对于给定的时间序列数据，可以通过时滞嵌入方法将其转化为相空间中的点。
然后，可以使用最近邻距离来确定相空间中的点与附近的点之间的关系。
最终，可以通过计算连通性和测度等技术来分析相空间中的复杂结构。
2. 变分分布推断方法变分分布推断方法是一种常用的贝叶斯推断方法，它可以用来估计复杂系统中状态变量的概率分布。
在这种方法中，先验分布被设定为高斯分布，后验分布的参数被视为变分参数。
最终，可以通过优化变分参数来得到状态变量的概率分布。
细胞骨架结构和功能的调控机制
细胞骨架结构和功能的调控机制细胞骨架是一种由蛋白质多聚物组成的动态网络结构，存在于所有生物细胞中。
细胞骨架的主要功能是维持细胞形态和机械性质，支撑细胞内外分子的转运、细胞运动和分裂等生命过程。
细胞骨架结构和功能的调控机制十分复杂，涉及多个信号通路和蛋白质相互作用。
下面将介绍一些细胞骨架结构和功能调控机制的基本原理。
一、微管调控机制微管是细胞骨架的一个重要组成部分，它参与了细胞内所有需要动态重排的过程，例如细胞极性的建立、有丝分裂和细胞运动等。
微管的动态重组受到多种调控机制的调控。
其中，微管末端动力学稳定性调控机制最为重要。
这一机制的核心在于微管末端的γ-氨基丁酸受体(GABA-R)与微管相关蛋白EB1的相互作用。
GABA-R可以将停滞的微管末端固定在膜上，从而保持稳定；当GABA-R释放，EB1与微管聚集蛋白动态连接起来，使末端不断成长。
此外，微管尾端还与SCLIP和Dynein等蛋白相互作用，通过配合动力肌动蛋白产生拉力，推动微管在细胞内的方向运移。
二、微丝调控机制微丝由肌动蛋白单体有方向性地聚合而成，是细胞内最常见的骨架蛋白之一。
微丝的形态和力学稳定性可以通过一系列的调控机制来调节。
其中，微丝动态重组调控机制的核心是肌动蛋白的聚合和解聚机制。
调控机制与肌动蛋白单体浓度和ATP浓度有关。
在高肌动蛋白单体浓度和低ATP浓度下，肌动蛋白单体倾向于通过串联聚合的方式形成合成微丝；而在低肌动蛋白单体浓度和高ATP浓度下，肌动蛋白难以形成合成微丝，而更容易组装成动态、不稳定的谷点和丘点。
三、中间纤维调控机制中间纤维是细胞内支撑力和稳定性的又一重要组成部分。
中间纤维的形态和动力学行为主要由交联芯片蛋白和过渡纤维激酶TfⅡ-I的调控相互作用调控。
TfⅡ-I是中间纤维中的一种磷酸化酶，它与TFⅠ-A、TFⅠ-B和TFⅠ-C等蛋白相互作用，形成了一个高度选择性的细胞内信号通路。
此外，交联芯片蛋白通过与适当浓度的钙、锌离子结合，调制中间纤维的聚合状态，维持其稳定。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1 引言
• 在20世纪末到21世纪初的十多年里, 分子生物学 发生了令世人瞩目的变化:
1,由于基因组测序,蛋白质组学的快速发展,生物学 积累了大量的数据,如何挖掘出大量试验数据所蕴 藏的生物基本规律成为生命科学研究的焦点;
2,研究生物学系统的信息处理过程开始从单一信号 传导通路的定性描述转移到对复杂蛋白质与基因 调控网络的定量刻画.
3. 控制方法(control method):研究正反馈,负反馈和时间 延迟等控制机制在生物调控网络中的作用;
4. 设计方法(design method)
生物系统的网络表示
• 生物网络:把基因,蛋白质简化为节点,其间相互作 用简化为节点之间的连线.
在蛋白质-蛋白质相互作用网络中,常用无向连线表 示两个蛋白之间存在物理相互作用.
2. 单输入motif (Single Input Motif , SIM)
3. 密集重叠调控(Dense Overlapping Regulon, DOR);
• 而对于啤酒酵母转录调控网络, 人们提出 了6种网络motif:
1. 自调控(Auto- regulation)
2. 多组件回路(Multi- Component Loop)
缺点:
1. 现有的大量生物学实验研究集中在调控网络的稳 态结果而非动态过程;
2. 大量的实验数据都是定性的,很少有定量的实验 结果可以与理论模型相比较,这就使得连续模型 中大量的参数估计和取值存在较大的不确定性, 即模型的结果稳定性问题;
3. 细胞中的生化反应具有随机性,会受到细胞内外 环境噪声的影响,相互作用也具有很强的非线性. 对于非线性问题,尤其是网络的全局性,稳定性问 题,非线性动力学中只有线性稳定分析和中心流 形分析等局部分析手段,没有一个有效的全局稳 定性的一般方法.
3. 网络中的反馈机制,尤其是负反馈可以提供稳定 性.
通过网络的动力学性质来实现稳定性
环境中温度和酸碱度的变化都可能引起生 化反应速率即相互作用强度的变化.生物 网络常常通过正反馈,负反馈及其间相互 耦合来实现以上的动力学稳定性.
状态稳定性:研究网络中不同蛋白的数量 浓度发生变化时,网络所执行的生物学过 程是否能继续完成.
优点: 缺点:
优点:
1. 利用反应动力学,较容易建立动力学模型;
2. 利用非线性动力学中的相图,敏感性分析, 分叉点分析等方法,研究系统的动力学规 律和内在动力学机制;
3. 得到的理论结果可以与实验结果直接相比 较,并用实验结果修改理论模型中的反应 项和参数
4. 进一步提出基于调控网络整体结构的,适 合实验检验的定量理论预言
Three chain motif
食物网
Feed Forward Loop Motif
神经元网络,基因调控网络
Bi-parallel Motif
食物网,神经元网络
Bi-fan Motif
神经元网络,基因调控网络
• 大肠杆菌有3种调控网络motif: 1. 前馈回路(Feed Forwarபைடு நூலகம் Loop, FFL)
2.1 b 模块A和模块B之间的调控逻辑模型
图2.2 a 芽殖酵母蛋白质-蛋白质物理相互 作用网络
图2.2 b 调控芽殖酵母生命周期过程的调控 网络
2.2 a 蛋白质-蛋白质相互作用图谱
2.2 b 细胞周期调控网络
• 利用图2.2 a 中酵母细胞的蛋白质-蛋白质 相互作用数据,A.L.Barabasi小组研究了酵 母蛋白质作用网络的整体结构性质,发现其 中蛋白质的连接度服从无尺度分布(scalefree distribution),越是重要的蛋白与它 连接的线段数目越多.对该网络中的节点进 行随机敲除,发现网络具有稳定性;但如果 敲除网络中的关键高连接度节点,网络很容 易被破坏.
3. 前馈回路(Feed Forward Loop, FFL)
4. 单输入motif (Single Input Motif , SIM)
5. 多输入motif(Multi-Input Motif)
6. 调控链(Regulator Chain)。
6 motif
啤 酒 酵 母 种转 录 调 控 网 络 的
• 细胞生活在复杂多变的内外环境中,某些基 因可能出现突变或缺失,各种营养物质及温 度,ph值会变化,细胞内部mRNA和蛋白的合 成也存在着随机涨落.这就要求细胞在环境 扰动的情况下,甚至某些基因缺失的情况下, 重要的生物学状态和基本的生物学过程应 该还是稳定的.
• 那么生物调控网络如何实现这种鲁棒性和 稳定性的呢?
2.1 蛋白质网络和基因调控网络及其整
体特性
• 生物网络主要研究以下四个基本性质: 1. 结构性质(network structure):包括基因调控网络,生
物化学反应途径和网络的连接结构性质,网络中的基本 结构模块(module)或模式(motif);
2. 动态特征(system dynamics):即在不同条件下,生物系 统随时间的演化过程和动态性质;对于连续变量的网络 模型,可以利用非线形动力学中的相图,敏感性分析,分 叉点分析等方法研究系统的动力学规律,以理解生物系 统的内在动力学机制;
• 进一步研究发现,越是古老的蛋白,越具有 高的连接度,这说明蛋白质网络结构上的无 尺度网络分布性质可能与基因调控网络的 形成和进化存在着一定的联系
复杂网络的构建原则-网络基元(network motif)
• U.Alon等科学家对基因调控网络中的基本结构 单元(motif)进行了研究.
• 对于随机网络而言,基因调控网络中出现频率非 常高的连接子图被称为网络基元(network motif),网络基元是基于网络的拓扑连接特征提 出来的,被认为是构造网络的基本”砖块”. 是 网络中具有简单结构的单元,它表示的是转录因 子和靶基因之间相互调控关系的特定小规模模 式, 通常由少量的基因按照一定的拓扑结构构 成。
动力学研究方法
连续变量微分方程组模型 离散模型 随机过程模型 流平衡分析法
连续变量微分方程组模型
适用条件:当参加反应的分子个数较多,在 100~1000量级以上时,可以忽略分子个数的涨 落,把蛋白质数目或者浓度变化作为连续变量.
常用方法:利用反应动力学,建立连续变量的微 分方程组.通过蛋白质的产生率,转移率和降 解率,建立蛋白质浓度随时间变化的微分方程 模型.
图2.1 a 海胆endo16基因的调控网络
在基因调控网络中,A蛋白对B蛋白的调控作用常用A 节点指向B节点的箭头来表示,还可以对箭头加上 不同的权重或者颜色来表示不同强度的抑制或者 激活作用
图2.1 b 海胆endo16基因调控逻辑图
2.1 a 海胆endo16基因调控序列的蛋白质DNA相互作用图谱
参见图2.3 the different levels of description in models of genetic networks
图
2.3
动力学研究方法
连续变量微分方程组模型 离散模型 随机过程模型 流平衡分析法
Whereas single genes can be modeled in molecular detail with stochastic simulations (left column), a differential equation representation of gene dynamics is more practical when turning to circuits of genes (center left column). Approximating gene dynamics by switchlike ON/OFF behavior allows modeling of midsized genetic circuits (center right column) and still faithfully represents the overall dynamics of the biological system.
离散模型
适用条件:细胞调控过程中,蛋白质的作用常 常处于激活或者未活化两种状态,类似于开 关的开启和关闭状态.
常用方法:布尔网络模型 优点 缺点
离散模型的优点
1. 不需要定量的蛋白质浓度和反应速率参数, 只需要”粗粒化”的蛋白质活性和相互调 控关系
Large genetic networks are currently out
of reach for predictive simulations. Ho wever,more simplified dynamics, such as percolating flows across a network structure, can teach us about the fun ctional structure of a large network (right column)
在此基础上产生出一个研究细胞调控网络整体性质 的交叉学科:系统生物学
系统生物学的研究可以分为以下几个层次: 1. 数据收集,分析; 2. 生物网络的建立; 3. 基于生物网络的理论模型建立; 4. 生物网络的拓扑与动力学性质; 5. 生物网络行为的预测与控制; 6. 生物网络的演化,设计原则,新网络或人工基因
结构稳定性:研究网络中相互作用强度发 生变化时,生物学状态和过程的稳定性.
2.2 生物网络的动力学性质及 研究方法
生物网络的动力学性质
• 相对于较为温度的基因组,蛋白质调控网络 是通过不同的蛋白质的状态对各种环境信 号的不断变化产生反应来实现的,即通过动 力学过程来完成生物学功能.
动力学研究方法
生物网络的结构和动力学稳定性
青岛理工大学 樊嵘
• 引言
• 细胞中调控网络的特性，研究方法和领域
• 酵母细胞周期和生命周期网络的动力学稳 定性