复杂信号网络的统计力学：神经生长因子信号传导

人们日益认识到，真核细胞用于实现各种基本反应的信号转导系统代表高度复杂的网络，而非简单的线性通路。尽管人们在实验上测量这些信号网络中各个步骤的速率常数方面付出了巨大努力，但描述这些系统行为所需的许多参数仍然未知，或者充其量只是估计值。考虑到这些目标和注意事项，我们使用统计力学的方法为复杂的细胞信号网络提取有用的预测。为了确立我们方法的有效性，我们将方法应用于模拟神经生长因子（NGF）诱导的神经元细胞分化。利用我们的方法，我们能够提取高度特异且准确的预测，从而能够预测特定信号模块在决定细胞对两种生长因子的整合反应中的作用。我们表明，即使在缺乏所有个别速率常数测量的情况下，从复杂信号模型中提取生物学相关预测似乎是可能的。我们的方法还对细胞系统的设计和可能的进化提出了一些有趣的见解，突出了这些系统的一个固有属性，即特定的“软”参数组合可以在很宽的范围内变化而不影响最终输出，并证明少数“硬”参数组合集中在网络最重要的调控步骤周围。我们将这种与鲁棒性不同的属性称为“松散性”（sloppiness）。