[論文レビュー] Towards a theory of modelling with Boolean automata networks - I. Theorisation and observations

Mathilde Noual, Sylvain Sené|arXiv (Cornell University)|Nov 8, 2011

Gene Regulatory Network Analysis参考文献 8被引用数 3

ひとこと要約

本稿は、ブール型自己認識ネットワークが現実世界のシステムをどのようにモデル化するかを理解するための理論的枠組みを構築する。特に、仮説や定義といった形式的選択がモデルの意味をどのように規定するかに焦点を当てる。モデルの解釈は現実の直接的反映ではなく、理論的構築から生じるものであり、仮説が中心的な役割を果たす。単純化にもかかわらず、意味のある、かつ情報的なモデルを可能にする。

ABSTRACT

Although models are built on the basis of some observations of reality, the concepts that derive theoretically from their definitions as well as from their characteristics and properties are not necessarily direct consequences of these initial observations. Indeed, many of them rather follow from chains of theoretical inferences that are only based on the precise model definitions and rely strongly, in addition, on some consequential working hypotheses. Thus, it is important to address the question of which features of a model effectively carry some modelling meaning and which only result from the task of formalising observations of reality into a mathematical language. In this article, we address this question with a theoretical point view that sets our discussion strictly between the two stages of the modelling process that require knowledge of real systems, that is, between the initial stage that chooses a global theoretical framework to build the model and the final stage that exploits its formal predictions by comparing them to the reality that the model was designed to simulate. Taking Boolean automata networks as instances of models of systems observed in reality, we analyse in this setting the remaining stages of the modelling process and we show how the meaning of theoretical concepts can subtly rely on formal choices such as definitions and hypotheses.

研究の動機と目的

• ブール型自己認識ネットワークを用いて構築されたモデルの意味を規定する理論的選択、特に仮説と定義の役割を明確化すること。
• 形式化の選択に起因するものと、本質的にモデリングに意味を持つものとを区別する課題に対処すること。
• 理論的枠組みを定義し、モデルの予測を現実と比較するまでの中間段階、すなわちモデリングの媒体的段階に焦点を当て、形式的構築から意味がどのように生じるかを検討すること。
• モデルの不完全性や単純化仮説が欠陥ではなく、情報的で検証可能な予測を可能にするために不可欠な特徴であると主張すること。
• モデル解釈の透明性と分析可能性を保つために、仮説を明示的かつ厳密に分析するよう提言すること。

提案手法

• ブール型自己認識ネットワークをモデルとして扱い、事前に定められた形式的枠組み内での数学的対象として分析する理論的分析。
• 自己認識ネットワークの純粋な数学的取り扱いと、現実のシステムのモデルとしての使用との区別。
• 更新スケジュールや遷移グラフといった定義が、モデルの挙動に影響を与える暗黙の仮定を導入する仕組みの検討。
• 遷移グラフや状態遷移といった形式的構築を用いて、モデルのダイナミクスが定義的選択からどのように生じるかを追跡すること。
• 離散的時間や状態の離散性といった仮説が、モデルの予測や解釈可能性に与える役割の分析。
• 解釈の制御外のずれを避けるために、仮説を明示的に特定・分析することが不可欠であることを強調すること。

実験結果

リサーチクエスチョン

• RQ1 ブール型自己認識ネットワークモデルのどの特徴が、実際にモデル化しようとしているシステムの本質的性質を反映しており、どの特徴が形式化の選択に起因するものか。
• RQ2 離散的時間や状態遷移といった暗黙の仮説が、モデルの意味や予測力にどのように影響を与えるか。
• RQ3 単純化仮定に起因するモデルの不完全性が、説明的価値を低下させるのではなく、むしろ高める程度はどの程度か。
• RQ4 仮説をどのように明示的かつ分析可能にするか。これにより、モデル解釈の透明性と説得力を保つことができるか。
• RQ5 更新スケジュールなどの形式的定義が、モデル内でどの動的挙動を意味のあるものとみなすかを決定する役割を果たすのはどのような場合か。

主な発見

• モデルの意味は、経験的観察の直接的結果ではなく、形式的定義と仮説に基づく理論的推論の連鎖から生じる。
• 離散的時間、状態の離散性、更新スケジュールといった仮説は中立的ではなく、モデルの挙動と解釈を実際に形作る。
• 単純化仮定に起因するモデルの不完全性は欠陥ではなく、モデルが情報的で分析可能であるための必要条件である。
• 解釈の制御外のずれを防ぎ、モデルに基づく推論の透明性を維持するためには、仮説を明示的に特定・分析することが不可欠である。
• 遷移グラフや更新スケジュールといった理論的構築は、技術的ツール以上の意味を持つ。これらはシステムのダイナミクスに関する暗黙の仮定をエンコードしている。
• 同期的更新か非同期的更新かといった、見かけは些細な形式的選択ですら、モデルが現実世界の現象を意味的に的確に表現できる能力に深く影響を与えることがある。