[论文解读] Antifragility of Random Boolean Networks.

Omar K. Pineda, Hyobin Kim+1 more|arXiv (Cornell University)|Dec 17, 2018

Gene Regulatory Network Analysis参考文献 44被引用 3

一句话总结

本文提出了一种可计算的脆弱性度量方法，基于扰动前后系统满意度的变化，将其应用于随机布尔网络（RBNs）。研究发现，有序RBN表现出最高的抗脆弱性，并在七个生物系统中验证了抗脆弱性，为设计稳健的工程系统和识别疾病机制提供了框架。

ABSTRACT

Antifragility is a property that enhances the capability of a system in response to external perturbations. Although the concept has been applied in many areas, a practical measure of antifragility has not been developed yet. Here we propose a simply calculable measure of antifragility, based on the change of satisfaction before and after adding perturbations, and apply it to random Boolean networks (RBNs). Using the measure, we found that ordered RBNs are the most antifragile. Also, we demonstrated that seven biological systems are antifragile. Our measure and results can be used in various applications of Boolean networks (BNs) including creating antifragile engineering systems, identifying the genetic mechanism of antifragile biological systems, and developing new treatment strategies for various diseases.

研究动机与目标

• 开发一种适用于复杂系统的实用且可计算的抗脆弱性度量方法。
• 研究抗脆弱性在不同类型随机布尔网络（RBNs）中的变化情况。
• 利用所提出的度量方法识别并验证具有抗脆弱性的生物系统。
• 基于抗脆弱性原理，推动在工程系统设计和疾病治疗策略中的应用。

提出的方法

• 将抗脆弱性定义为扰动前后系统满意度的变化。
• 在具有不同拓扑参数的随机布尔网络（RBNs）上应用该度量方法。
• 使用布尔动力学模拟系统在外部扰动下的响应。
• 通过比较扰动前后的满意度水平，计算抗脆弱性得分。
• 系统性地改变网络参数（如连通性、更新规则），以评估不同RBN类型中的抗脆弱性。
• 通过将该度量方法应用于七个已知生物系统，验证其有效性以测试抗脆弱行为。

实验结果

研究问题

• RQ1 如何在布尔网络等离散动力系统中对抗脆弱性进行定量测量？
• RQ2 哪些RBN拓扑结构表现出最高的抗脆弱性水平？
• RQ3 现实世界中的生物系统是否表现出由所提度量定义的抗脆弱行为？
• RQ4 该抗脆弱性度量能否用于识别稳健的遗传网络或治疗靶点？

主要发现

• 在所有研究的RBN类型中，有序随机布尔网络（RBNs）的抗脆弱性最强。
• 所提出的抗脆弱性度量方法成功识别出七个真实生物系统中的抗脆弱行为。
• 抗脆弱性在RBN中并非均匀分布，有序系统在扰动下表现出最强的韧性和改善能力。
• 该度量方法实现了对不同网络架构之间抗脆弱性的定量比较。
• 结果表明，抗脆弱性是一种可测量的特性，且在工程和生物网络中具有潜在可利用价值。
• 该框架为识别复杂系统中抗脆弱性组件（包括潜在的医学干预靶点）提供了基础。