推断生物膜中细菌决策的基因调控神经网络
分子网络
2023-01-12 v1 机器学习
细胞行为
摘要
细菌细胞对一系列用于感知环境的外部信号敏感。这些传入的外部信号随后由基因调控网络（GRN）处理，表现出类似于现代计算算法的特征。对基因表达动力学的深入分析表明，GRN 内部存在一种继承的基因调控神经网络（GRNN）行为，使其能基于来自环境和邻近细胞的接收信号进行细胞决策。在本研究中，我们提取了与一种毒力因子——绿脓菌素产生相关的铜绿假单胞菌（\textit{Pseudomonas aeruginosa}）GRN 子网络作为用例，以研究 GRNN 行为。进一步，利用图神经网络（GNN）架构，我们对单物种生物膜建模，以揭示 GRNN 动力学在生态系统尺度决策中的作用。通过改变环境条件，我们证明了所提取的 GRNN 计算的输入信号类似于细胞的自然决策过程。识别 GRN 中的神经网络行为可能带来更精确的细菌细胞活动预测模型，用于包括人类健康相关问题和农业应用在内的许多应用。此外，该模型可产生关于整个网络因果关系的资料，使设计量身定制的感染控制机制成为可能。更有趣的是，这些 GRNN 可为生物混合计算系统执行计算任务。
引用
@article{arxiv.2301.04225,
title = {Inferring Gene Regulatory Neural Networks for Bacterial Decision Making in Biofilms},
author = {Samitha Somathilaka and Daniel P. Martins and Xu Li and Yusong Li and Sasitharan Balasubramaniam},
journal= {arXiv preprint arXiv:2301.04225},
year = {2023}
}