在不确定性下从表达数据识别基因调控网络的吸引子：一种可解释的方法
分子网络
2024-03-19 v1 人工智能
系统与控制
系统与控制
摘要
在系统生物学中，基因调控网络的吸引子景观分析被认为是研究从增殖、分化到衰老和凋亡等各种细胞状态的有力计算工具。因此，准确识别吸引子在决定细胞命运中起着关键作用。另一方面，在真实的生物环路中，遗传/表观遗传改变以及不断变化的环境因素会极大地影响吸引子的位置、特征甚至数量。核心问题是：给定真实基因调控网络的时间基因表达谱，如何在存在大量不确定性的情况下稳健地识别吸引子？本文使用基于 Zadeh 词计算（Computing with Words）的新方法解决了这一问题。所提方案能够基于模糊逻辑和语言描述从时间基因表达数据中有效识别吸引子，这些描述易于被人类专家解释。因此，该方法可被视为迈向可解释人工智能的有效一步。不失一般性，我们将基因拨动开关作为案例研究。该基准基因调控网络的非线性动力学通过不确定随机微分方程的概念进行计算建模。计算机内模拟研究的结果证明了所提方法的有效性和稳健性。
引用
@article{arxiv.2403.11015,
title = {Identifying the Attractors of Gene Regulatory Networks from Expression Data under Uncertainty: An Interpretable Approach},
author = {Alireza Rowhanimanesh},
journal= {arXiv preprint arXiv:2403.11015},
year = {2024}
}