[논문 리뷰] Boolean Networks Design by Genetic Algorithms

Andrea Roli, Cristian Arcaroli외 2명|arXiv (Cornell University)|2011. 01. 31.

Gene Regulatory Network Analysis참고 문헌 21인용 수 5

한 줄 요약

이 논문은 목표 흡인기 길이를 갖는 부울 네트워크(BNs)를 자동으로 설계하기 위해 유전적 알고리즘(GAs)을 사용하는 것을 제안한다. 네트워크 구조는 고정된 채로 부울 함수만을 진화시킨다. 결과적으로, 임계 또는 난류 상태에서 시작한 GAs가 순서 상태보다 훨씬 높은 성공률을 기록하며, 특히 임계 상태에서 가장 우수한 전반적인 성능을 보이며, 목표 지향적 BN 설계를 위한 진화 계산의 타당성을 입증한다.

ABSTRACT

We present and discuss the results of an experimental analysis in the design of Boolean networks by means of genetic algorithms. A population of networks is evolved with the aim of finding a network such that the attractor it reaches is of required length $l$. In general, any target can be defined, provided that it is possible to model the task as an optimisation problem over the space of networks. We experiment with different initial conditions for the networks, namely in ordered, chaotic and critical regions, and also with different target length values. Results show that all kinds of initial networks can attain the desired goal, but with different success ratios: initial populations composed of critical or chaotic networks are more likely to reach the target. Moreover, the evolution starting from critical networks achieves the best overall performance. This study is the first step toward the use of search algorithms as tools for automatically design Boolean networks with required properties.

연구 동기 및 목표

• 특정 역학적 성질, 특히 원하는 흡인기 길이를 갖는 부울 네트워크를 자동으로 설계하는 방법을 개발하는 것.
• 유전적 알고리즘이 목표 역학적 행동으로 향해 BN을 진화시키는 데의 효과성을 조사하는 것.
• 유전적 알고리즘의 초기 네트워크 상태(순서, 난류, 임계)에 따라 성능을 비교하는 것.
• GA의 파rameter(돌연변이, 교배)와 균일성 변화가 탐색 성공에 미치는 영향을 분석하는 것.
• 향후 시스템 생물학 및 로봇 공학 분야에서 응용 가능한 자동 BN 설계 도구의 기반을 마련하는 것.

제안 방법

• 네트워크 구조는 고정된 채로 부울 함수만 수정하면서, 유전적 알고리즘을 사용해 부울 네트워크의 집단을 진화시킨다.
• 적합도 함수는 실제 흡인기 길이와 목표 길이 간의 절대 차이로 정의되며, 이는 목표 성질 향한 진화를 이끈다.
• 초기 네트워크는 무작위 부울 네트워크 이론에 기반해 세 가지 제어 상태에서 생성된다: 순서 상태(p = 0.8), 임계 상태(p ≈ 0.5), 난류 상태(p = 0.5).
• 세대에 걸쳐 유전적 연산자인 교배와 돌연변이를 적용하여 집단을 진화시키며, 목표 흡인기 길이에 가까운 개체를 선별하는 선택 기준을 적용한다.
• 부울 함수의 균일성(진리표에서 1의 비율)을 추적하여 진화 과정 중 구조적 변화를 평가한다.
• 통계적 검정(Wilcoxon 부호 순위 검정)을 사용해 런 간 균일성 및 성공률 변화의 유의성을 평가한다.

실험 결과

연구 질문

• RQ1 유전적 알고리즘이 특정 목표 흡인기 길이를 갖는 부울 네트워크를 성공적으로 진화시킬 수 있는가?
• RQ2 네트워크의 초기 역학적 제어 상태(순서, 임계, 난류)가 진화 탐색의 성공률에 어떤 영향을 미치는가?
• RQ3 돌연변이와 교배가 각기 다른 초기 네트워크 유형에서 탐색 성능에 기여하는 상대적 기여도는 어떠한가?
• RQ4 진화 과정에서 부울 함수의 균일성은 어떻게 변화하며, 이는 특정 역학적 제어 상태로의 전환을 반영하는가?
• RQ5 진화 설계 과정의 효율성과 성공률을 향상시키는 데 유리한 초기 네트워크 상태가 존재하는가?

주요 결과

• 유전적 알고리즘이 순서, 난류, 임계 상태의 모든 초기 네트워크 유형에서 목표 흡인기 길이를 갖는 부울 네트워크를 성공적으로 진화시켰다.
• 임계 상태와 난류 상태에서 시작한 초기 네트워크가 순서 상태에서 시작한 것보다 유의미하게 높은 성공률을 기록하였으며, 특히 임계 상태 네트워크가 가장 뛰어난 전반적 성능을 보였다.
• 순서 및 임계 상태 네트워크에서는 돌연변이와 교배가 모두 성공적인 탐색에 필수적이었으며, 상호 보완적인 효과가 있음을 시사했다.
• 난류 상태 네트워크에서는 돌연변이가 교배보다 훨씬 더 큰 영향을 미쳤으며, 이는 이 제어 상태에서 다른 진화 역학을 반영한다.
• 진화된 순서 및 임계 상태 네트워크에서 약간의 유의미한 균일성 감소가 관찰되었으며, 이는 더 난류적인 동역학으로의 전환을 시사한다. 반면 난류 상태 네트워크에서는 균일성 변화가 유의미하지 않았다.
• 결과적으로, 장기 흡인기를 생성할 가능성이 낮은 점을 감안할 때도 임계 상태 네트워크가 진화 설계의 최적의 시작점임을 시사한다.