自动分类输入-输出网络中稳态结构

稳态在生物系统中广泛观察到，指的是这些系统在外部扰动变化的情况下，仍能将输出量维持在约等于常数的能力。数学上，可以通过将外部参数映射到输出变量的输入-输出函数来形式化稳态。Infinitesimal 稳态发生在输入-输出函数导数为零的离散点，从而允许使用奇点理论和组合矩阵理论以网络拓扑结构来表征稳态机制。然而，随着网络规模的增长，所需的组合枚举变得日益难以处理，稳态的依赖性较强的图论概念也限制了其在生物学应用中的可访问性和实际用途。为克服这些限制，我们开发了一个基于 Python 的算法，直接从网络拓扑结构自动识别稳态子网络及其相关稳态条件。给定仅由其连接结构和指定的输入和输出节点表示的输入-输出网络，算法识别相关的图论结构并枚举所有稳态机制。我们在包括小型和大型网络、具有单输入或多输入节点或参数的情况，以及输入和输出重合的情况等多种生物学示例中展示了其适用性。这种广泛适用性源于我们将理论框架从单输入单输出网络扩展到通过增强单输入节点表示来处理多输入节点网络。所得计算框架提供了一种可扩展且系统化的方法，用于对复杂生物网络中的稳态机制进行分类，促进了先进数学理论在广泛生物系统中的应用。