以分布型适应度评估解决模块化诱导问题域行为中的反常现象

离散基因调控网络（GRN）在鲁棒性与模块性的研究中起着至关重要的作用。评估 GRN 鲁棒性的一种常用方法是测量其将一组受扰动的基因激活模式调控回未扰动形式的能力。通常，扰动通过收集由预定义基因激活模式分布产生的随机样本获得。这种采样方法引入了随机性，进而诱发动态性。该动态性被叠加于本已复杂的适应度地形之上。因此，在使用采样时，理解哪些效应源于适应度地形的结构、哪些源于施加其上的动态性十分重要。适应度函数的随机性也给可重复性与实验后分析带来困难。我们通过考虑基因活动模式的完整分布，开发了确定性分布型适应度评估，以避免适应度评估中的随机性。该适应度评估促进了可重复性。其确定性使我们能够确定适应度的理论界限，从而判断算法是否已达到全局最优。它使我们能区分问题域的效应与含噪适应度评估的效应，从而解决 \citet{espinosa2010specialization} 问题域行为中两个遗留的反常现象。我们还揭示了导致解 GRN 具备鲁棒性与模块性的一些性质，增进了对该问题域本质的理解。最后我们讨论了在更大、更复杂域中模拟并理解模块性涌现的潜在方向，这对生成更有用的模块化解以及理解生物系统中模块性的普遍性都至关重要。