反脆弱性通过卷积神经网络多类分类预测生物网络的鲁棒性与可进化性

鲁棒性与可进化性是生物网络演化的重要属性。要确定一个生物网络是否鲁棒和/或可进化，需要比较其在突变前后的功能。然而，随着网络规模增大，这有时会带来很高的计算代价。此处我们开发一种预测方法，无需显式比较功能即可估计生物网络的鲁棒性与可进化性。我们在生物系统的布尔网络模型中度量反脆弱性，并将其用作预测因子。反脆弱性发生于系统从外部扰动中获益时。通过原始与突变生物网络间反脆弱性的差异，我们训练一个卷积神经网络（CNN）并测试其对鲁棒性与可进化性属性进行分类。我们发现 CNN 模型成功分类了这些属性。因此，我们得出结论：我们的反脆弱性度量可用作生物网络鲁棒性与可进化性的预测因子。