基因调控网络的马尔可夫状态模型
分子网络
2016-10-19 v1
摘要
具有以多个稳定态为特征的动力学的基因调控网络是细胞命运决定的基础。能够将基因调控的分子层面知识与网络动力学的全局理解联系起来的定量模型，有潜力指导细胞重编程策略。网络通常由随机化学主方程建模，但目前缺乏系统识别全局动力学关键性质的方法。我们提出了一种使用马尔可夫状态模型（MSM）框架分析基因网络全局动力学的方法，该方法利用基于时间尺度分离的聚类方法，获得近似全局基因网络动力学的粗粒化状态转移图。该方法识别了长寿命网络状态的数量、表型和寿命。将转移路径理论应用于构建的 MSM，将全局动力学分解为一组主导转移路径及其相关的随机状态切换相对概率。在这项概念验证研究中，我们发现 MSM 为分析和可视化基因网络中的随机多稳态和状态转移提供了一个通用框架。我们的结果表明，源自原子分子动力学领域的 MSM 框架，可以成为网络尺度上定量系统生物学的有用工具。
引用
@article{arxiv.1610.05348,
title = {Markov State Models of Gene Regulatory Networks},
author = {Brian K. Chu and Margaret J. Tse and Royce R. Sato and Elizabeth L. Read},
journal= {arXiv preprint arXiv:1610.05348},
year = {2016}
}