[论文解读] Chaotic Gene Regulatory Networks Can Be Robust Against Mutations and Noise

Volkan Sevi̇m, Per Arne Rikvold|arXiv (Cornell University)|Nov 9, 2007

Gene Regulatory Network Analysis被引用 6

一句话总结

本研究表明，混沌的基因调控网络能够对基因突变和环境噪声表现出高度鲁棒性，挑战了‘唯有有序、稳定动力学才赋予鲁棒性’的假设。通过进化模拟与状态空间分析，作者发现，针对最优表型的稳定化选择会导致网络呈现混沌动力学——特别是具有大吸引子盆地——从而在扰动下仍能维持功能稳定性。

ABSTRACT

Robustness to mutations and noise has been shown to evolve through stabilizing selection for optimal phenotypes in model gene regulatory networks. The ability to evolve robust mutants is known to depend on the network architecture. How do the dynamical properties and state-space structures of networks with high and low robustness differ? Does selection operate on the global dynamical behavior of the networks? What kind of state-space structures are favored by selection? We provide damage propagation analysis and an extensive statistical analysis of state spaces of these model networks to show that the change in their dynamical properties due to stabilizing selection for optimal phenotypes is minor. Most notably, the networks that are most robust to both mutations and noise are highly chaotic. Certain properties of chaotic networks, such as being able to produce large attractor basins, can be useful for maintaining a stable gene-expression pattern. Our findings indicate that conventional measures of stability, such as the damage-propagation rate, do not provide much information about robustness to mutations or noise in model gene regulatory networks.

研究动机与目标

• 理解在针对最优表型的稳定化选择下，基因调控网络的动力学特性如何变化。
• 研究在模型网络中，对突变和噪声的鲁棒性是否与有序或混沌动力学相关。
• 确定传统稳定性度量（例如，损伤传播速率）是否能有效预测进化网络中的鲁棒性。
• 探讨状态空间结构——尤其是吸引子盆地大小——在实现鲁棒表型表达中的作用。
• 评估混沌动力学（通常与不稳定相关）是否可能在生物网络中成为功能鲁棒性的基础。

提出的方法

• 使用针对目标稳态基因表达模式的稳定化选择，通过遗传算法进化模型基因调控网络。
• 采用随机布尔网络（RBNs）作为框架，模拟具有可调连通性的基因调控动力学。
• 进行损伤传播分析，量化突变后扰动在网络中的传播范围。
• 对状态空间进行广泛的统计分析，包括初始状态与最终状态之间汉明距离的分布。
• 将进化网络与随机化对照网络进行比较，以隔离选择对动力学行为和鲁棒性的影响。
• 通过目标吸引子的盆地大小和瞬态时间分布，测量对噪声的鲁棒性，以评估对微小扰动的恢复能力。

实验结果

研究问题

• RQ1 针对最优表型的稳定化选择如何影响基因调控网络的全局动力学行为？
• RQ2 在进化网络中，混沌动力学与对突变和噪声的鲁棒性之间是否存在相关性？
• RQ3 传统稳定性度量（如损伤传播速率）是否能可靠预测进化网络中的突变或噪声鲁棒性？
• RQ4 在鲁棒网络中，哪些状态空间结构（如吸引子盆地大小或吸引子数量）受到选择青睐？
• RQ5 混沌网络能否在结构和动态扰动下维持稳定表型？如果是，其机制是什么？

主要发现

• 对突变和噪声最鲁棒的网络表现出高度混沌的动力学，这与‘仅有序系统才具备鲁棒性’的预期相反。
• 表型鲁棒性的进化对网络的全局动力学行为仅有微小影响，混沌特性得以保留。
• 混沌网络中大的吸引子盆地是实现鲁棒性的关键结构特征，因为它们使系统即使在扰动下仍能收敛至目标表型。
• 对噪声的鲁棒性（对微小扰动的恢复能力）与对突变的鲁棒性强烈相关，表明两者可能共同进化。
• 传统稳定性度量（如损伤传播速率）在预测进化基因调控网络中的鲁棒性方面预测能力极低。
• 酿酒酵母细胞周期网络观察到的大吸引子盆地（占状态空间的86%）及其混沌特征与本研究发现一致，支持混沌动力学在真实生物系统中的相关性。