布尔网络的吸引域、承诺集与表型
动力系统
2018-07-27 v1 分子网络
摘要
布尔网络及其吸引子的吸引域已被证明在模型验证与预测建模（例如系统生物学中）高度相关。然而，目前可用的工具极少能够不仅计算并可视化吸引子，还能计算并可视化其吸引域。在异步、非确定性建模领域，不仅软件种类更为有限，而且吸引域的形式化概念也常常缺失。在此情形下，理论与计算上的困难源于状态可能属于多个不同吸引域这一事实。本文通过将状态空间划分为对相同吸引子具有承诺性的集合来解决此问题。这些承诺集可轻易推广为关于预选节点的长期行为等价的集合，由此引出标记与表型的概念，并在一项关于膀胱肿瘤发生的案例研究中加以说明。针对每个概念，我们提出了等价的 CTL 模型检测查询，并提供了对最先进模型检测软件 NuSMV 的扩展，该扩展能够计算相应集合。所有概念均已作为三个新模块完整集成于我们的 Python 包 PyBoolNet 中，包括将吸引域、承诺集与表型可视化为商图与饼图的函数。
引用
@article{arxiv.1807.10103,
title = {Basins of Attraction, Commitment Sets and Phenotypes of Boolean Networks},
author = {Hannes Klarner and Frederike Heinitz and Sarah Nee and Heike Siebert},
journal= {arXiv preprint arXiv:1807.10103},
year = {2018}
}