[论文解读] Boolean Networks Design by Genetic Algorithms

Andrea Roli, Cristian Arcaroli+2 more|arXiv (Cornell University)|Jan 31, 2011

Gene Regulatory Network Analysis参考文献 21被引用 5

一句话总结

本文提出使用遗传算法（GAs）自动设计布尔网络（BNs），使其具有目标吸引子长度，同时保持固定的网络拓扑结构，仅演化布尔函数。结果表明，从临界或混沌初始网络开始的GAs相比有序网络取得了显著更高的成功率，其中临界网络整体表现最佳，证明了进化计算在目标布尔网络设计中的可行性。

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.

研究动机与目标

• 开发一种自动设计布尔网络的方法，使其具备特定的动力学特性，特别是期望的吸引子长度。
• 研究遗传算法在演化布尔网络以实现目标动力学行为方面的有效性。
• 比较GAs在从有序、混沌或临界网络状态初始化时的性能表现。
• 分析遗传算法参数（突变、交叉）以及同质性变化对搜索成功率的影响。
• 为未来工具的建立奠定基础，以实现系统生物学和机器人学应用中布尔网络的自动化设计。

提出的方法

• 使用遗传算法演化布尔网络群体，网络拓扑结构固定，仅修改布尔函数。
• 适应度函数定义为实际吸引子长度与目标长度之间的绝对差值，以引导进化朝向期望特性。
• 初始网络基于随机布尔网络理论，在三种状态生成：有序（p = 0.8）、临界（p ≈ 0.5）和混沌（p = 0.5）。
• 应用遗传算子——交叉和突变——在多代中演化群体，选择机制优先选择接近目标吸引子长度的个体。
• 追踪布尔函数的同质性（真值表中1的概率），以评估演化过程中的结构变化。
• 使用统计检验（Wilcoxon符号秩检验）评估同质性和成功率在不同运行中的显著性变化。

实验结果

研究问题

• RQ1 遗传算法能否成功演化布尔网络以实现特定的目标吸引子长度？
• RQ2 网络的初始动力学状态（有序、临界、混沌）如何影响进化搜索的成功率？
• RQ3 在不同初始网络类别中，突变与交叉对搜索性能的相对贡献是什么？
• RQ4 布尔函数的同质性在演化过程中如何变化？这是否反映了向特定动力学状态的转变？
• RQ5 是否存在一种优选的初始网络状态，可提升进化设计过程的效率与成功率？

主要发现

• 遗传算法在所有初始网络类别（有序、混沌和临界）中均成功演化出具有目标吸引子长度的布尔网络。
• 初始状态为临界或混沌的网络相比有序网络取得了显著更高的成功率，其中临界网络整体表现最佳。
• 对于有序和临界网络，突变与交叉均对成功搜索至关重要，表明二者存在协同效应。
• 在混沌网络中，突变的影响远大于交叉，表明该状态下具有不同的进化动力学。
• 在演化后的有序和临界网络中观察到同质性轻微但统计显著的下降，表明向更混沌的动力学状态转变；而混沌网络的同质性无显著变化。
• 结果表明，尽管临界网络本身产生长吸引子的概率极低，但其作为进化设计的起始点最为理想。