基于结构的方法识别生物网络中的小规模驱动节点集合
定量方法
2022-06-15 v1 无序系统与神经网络
摘要
在网络控制理论中，驱动反馈顶点集（FVS）中的所有节点可迫使网络进入其某一吸引子（长期动态行为）。FVS 常由多于系统中可现实操控的节点组成；例如，在细胞内网络中仅能控制至多三个节点，而其 FVS 可能包含超过 10 个节点。因此，我们开发了一种方法，利用与拓扑相关、独立于动力学的度量，对细胞内网络布尔模型上的 FVS 子集进行排序。我们研究了七种拓扑预测度量的使用，分为三类——中心性度量、传播度量与基于环的度量。使用每种度量对所有子集排序，然后依据两个基于动力学的度量评估干预将系统驱向或远离其吸引子的能力：To Control 与 Away Control。在考察一系列生物网络后，我们发现按传播度量排在最前的 FVS 子集能最有效地控制网络。该结果在第二组不同的生物网络布尔模型上得到独立佐证。因此，驱动生物网络至其某一吸引子并不需要覆盖整个 FVS，且该方法提供了一种无需网络动力学知识即可可靠识别有效 FVS 子集的途径。
引用
@article{arxiv.2111.11558,
title = {Structure-based approach to identifying small sets of driver nodes in biological networks},
author = {Eli Newby and Jorge Gómez Tejda Zañudo and Réka Albert},
journal= {arXiv preprint arXiv:2111.11558},
year = {2022}
}
备注
22 pages for main text 4 pages for supplementary materials, 10 figures. Supplementary tables S5 and S6 are ancillary files