从稳态数据重构基因调控网络

基因通过调控网络连接，通常由常微分方程建模。基因表达的变化沿网络中的路径传播至其他基因。在稳定状态下，系统的 Jacobian 矩阵提供了关于网络连接性的信息。为了揭示基因的功能特性，了解网络连接至关重要。我们提出了一种新方法，从平衡态蛋白质浓度重构基因调控系统模型的 Jacobian 矩阵。在近期的一篇论文中，我们定义了传播函数和反馈函数，描述了一个基因的遗传变异如何传播到网络中的其他基因，并可能反馈回自身。在此，我们展示了传播函数和反馈函数如何提供原则上可观测的平衡态蛋白质水平与不可直接观测的 Jacobian 元素之间的关系。我们建立了用传播函数和反馈函数的导数表示 Jacobian 的精确公式。通过从扰动和未扰动的蛋白质水平近似这些导数，我们推导了估计 Jacobian 的公式。我们将该方法应用于果蝇体节极性网络模型和随机生成的基因网络。基因可以通过两种方式进行扰动：改变 mRNA 降解速率，或在二倍体模型中进行等位基因敲除。与真实 Jacobian 的比较显示，对于无噪声数据，前一种情况的命中率接近 100%，后一种情况在 80-90% 范围内。我们的方法丰富了网络干扰工具箱，能够从稳态数据提供 Jacobian 的符号估计，并在已知蛋白质降解速率时提供数值估计。此外，该方法还能识别出某些预测连接比其他连接可靠得多，并可能指向进一步的实验以解决较不可靠的 Jacobian 元素中的不确定性。