表观遗传反馈重塑基因调控网络中的动力学景观

理解基因调控网络 (GRNs) 如何产生稳定和动态的细胞状态仍然是理论生物学的核心挑战，特别是当慢速表观遗传反馈重塑底层调控景观时。虽然单细胞转录组学等实验方法揭示了丰富的动力学行为，但一个能够将基因表达、表观遗传控制和集体动力学联系起来的可处理理论框架仍然具有挑战性。在这里，我们为 GRNs 开发了一个扩展的动力学平均场理论 (DMFT) 框架，将表观遗传修饰作为慢速、反馈驱动的变量纳入。基于 Hopfield 网络与自旋玻璃系统之间的类比，我们推导了有效随机方程，将高维动力学在多个时间尺度上简化为可处理的形式。该公式使得对稳定和振荡区域的定量表征成为可能，并揭示了表观遗传反馈如何重塑支配细胞命运决定的有效势景观。我们的模型展示了表观遗传反馈调控如何动态重塑 Waddington 景观。我们的结果和方法为理解复杂生物系统中的发育动力学和表观遗传重编程提供了一个统一的理论框架。