利用稳态数据和Goldbeter-Koshland动力学的网络推断

网络推断方法被广泛用于揭示基因和蛋白质等分子参与者之间的调控相互作用。感兴趣网络（如基因调控或蛋白质信号网络）背后的生化过程通常是非线性的。在许多情况下，关于相关化学动力学的知识是可用的。然而，现有的针对连续稳态数据的网络推断方法通常基于统计公式，这些公式没有利用化学动力学来指导推断。本文提出了一种基于生化机制非线性描述的稳态数据网络推断方法。我们利用化学动力学的平衡分析获得函数形式，进而使用稳态数据推断网络。我们提出的方法可直接应用于常规的稳态基因表达或蛋白质组数据，并且不需要知道网络拓扑或任何动力学参数。我们以蛋白质磷酸化网络为例，使用来自最近机制模型模拟的数据和来自癌细胞系的蛋白质组数据来说明该方法。在前者中，真实网络已知并用于评估，而在后者中，结果与已知生化知识进行比较。我们发现，所提出的方法在估计网络拓扑方面比基于线性模型的方法更有效。