786-生物网络的结构和动力学稳定性.ppt

随机网络的动力学性质相对生物学网络的稳定性比较 图3.5 可以看出随机网络存在较多的局部吸引点,而且出现全局吸引点的概率极小. 结论:细胞调控网络不仅拓扑性质与随机网络不同,其动力学性质也与随机网络完全不同,而且调控网络的动力学性质与其生物学功能紧密相关. 从动力学的角度看,芽殖酵母细胞周期系统是一个超稳定的动力系统,细胞周期的生物学路径在相空间正好是一个一维稳定流形,这在非线性科学所研究的物理动力系统中很罕见,但在生物系统中可能是一个很普遍现象. 进一步的研究: 在离散模型基础上,如何建立芽殖酵母细胞周期蛋白质网络的连续模型? 芽殖酵母细胞周期网络具有很强的动力学鲁棒性,这种鲁棒性有利于生物应对复杂多变的外界环境.但它是否是细胞周期网络的特殊性质?它与网络拓扑结构之间存在着怎样的关系?即一般网络的动力学与结构之间有什么样的关系? 谢 谢! 4 复杂网络的拓扑性质和动力学收敛性 问题:芽殖酵母细胞周期网络具有很强的动力学鲁棒性,这种鲁棒性有利于生物应对复杂多变的外界环境.但它是否是细胞周期网络的特殊性质?它与网络拓扑结构之间存在着怎样的关系? 本节内容:利用离散模型讨论具有某些特定动力学性质的网络所具有的结构特性:一般网络的动力学与结构之间的关系. 动力学演化模型: 其中Xi(t)表示第i个节点的状态 aij=1表示第j个节点对第i个节点的激活作用 aij=-1表示第j个节点对第i个节点的抑制作用 描述从某个初始状态n出发演化 到其吸引子的轨道和相空间中其 他所有轨道的重叠程度 :从初始状态n出发演化到其吸引子的轨道长度 :第k-1步到第k步的该段轨道的重叠度 :整个相空间中所有轨道的平均重叠程度,用来描述网络的动力学收敛性. 动力学研究方法 连续变量微分方程组模型 离散模型 随机过程模型 流平衡分析法 Whereas single genes can be modeled in molecular detail with stochastic simulations (left column), a differential equation representation of gene dynamics is more practical when turn- ing to circuits of genes (center left column). Approximating gene dynamics by switchlike ON/OFF behavior allows modeling of midsized genetic circuits (center right column) and still faithfully represents the overall dynamics of the biological system. Large genetic networks are currently out of reach for predictive simulations. However,more simplified dynamics, such as percolating flows across a network structure, can teach us about the functional structure of a large network (right column) 动力学研究方法 连续变量微分方程组模型 离散模型 随机过程模型 流平衡分析法 连续变量微分方程组模型 适用条件:当参加反应的分子个数较多,在100~1000量级以上时,可以忽略分子个数的涨落,把蛋白质数目或者浓度变化作为连续变量. 常用方法:利用反应动力学,建立连续变量的微分方程组.通过蛋白质的产生率,转移率和降解率,建立蛋白质浓度随时间变化的微分方程模型. 优点: 缺点: 优点: 利用反应动力学,较容易建立动力学模型; 利用非线性动力学中的相图,敏感性分析,分叉点分析等方法,研究系统的动力学规律和内在动力学机制; 得到的理论结果可以与实验结果直接相比较,并用实验结果修改理论模型中的反应项和参数 进一步提出基于调控网络整体结构的,适合实验检验的定量理论预言 缺点: 现有的大量生物学实验研究集中在调控网络的稳态结果而非动态过程; 大量的实验数据都是定性的,很少有定量的实验结果可以与理论模型相比较,这就使得连续模型中大量的参数估计和取值存在较大的不确定性,即模型的结果稳定性问题; 细胞中的生化反应具有随机性,会受到细胞内外环境噪声的影响,相互作用也具有很强的非线性.对于非线性问题,尤其是网络的全局性,稳定性问题,非线性动力学中只有线性稳定分析和中心流形分析等局部分析手