[论文解读] CRNs Exposed: Systematic Exploration of Chemical Reaction Networks

Marko Vasić, David Soloveichik+1 more|arXiv (Cornell University)|Dec 12, 2019

DNA and Biological Computing参考文献 54被引用 4

一句话总结

本文提出了一种基于 Alloy 的系统性框架，用于在用户定义的结构和功能约束下，探索并枚举小型化学反应网络（CRNs）。通过将 CRNs 建模为一阶逻辑规范，该方法能够对计算模拟函数（如 max、minmax、abs 和 ReLU）的最小 CRNs 进行完全搜索，且以化学计量学而非反应动力学实现速率无关性，从而获得鲁棒性。

ABSTRACT

Formal methods have enabled breakthroughs in many fields, such as in hardware verification, machine learning and biological systems. The key object of interest in systems biology, synthetic biology, and molecular programming is chemical reaction networks (CRNs) which formalizes coupled chemical reactions in a well-mixed solution. CRNs are pivotal for our understanding of biological regulatory and metabolic networks, as well as for programming engineered molecular behavior. Although it is clear that small CRNs are capable of complex dynamics and computational behavior, it remains difficult to explore the space of CRNs in search for desired functionality. We use Alloy, a tool for expressing structural constraints and behavior in software systems, to enumerate CRNs with declaratively specified properties. We show how this framework can enumerate CRNs with a variety of structural constraints including biologically motivated catalytic networks and metabolic networks, and seesaw networks motivated by DNA nanotechnology. We also use the framework to explore analog function computation in rate-independent CRNs. By computing the desired output value with stoichiometry rather than with reaction rates (in the sense that $X o Y+Y$ computes multiplication by $2$), such CRNs are completely robust to the choice of reaction rates or rate law. We find the smallest CRNs computing the max, minmax, abs and ReLU (rectified linear unit) functions in a natural subclass of rate-independent CRNs where rate-independence follows from structural network properties.

研究动机与目标

• 开发一种可扩展、系统化的方法，用于探索具有期望结构和功能特性的小型化学反应网络（CRNs）。
• 实现对计算特定模拟函数（如 max、minmax、abs、ReLU）的最小 CRNs 的发现，且在速率无关条件下运行。
• 在形式逻辑框架内建模生物学和合成生物学相关的 CRN 类型，如催化型、代谢型和 seesaw 网络。
• 证明速率无关性可源自网络的结构特性，而非动力学参数。
• 提供一个通用、可扩展的 CRN 探索框架，支持用户定义的约束和功能规范。

提出的方法

• 使用 Alloy（一种基于一阶逻辑与传递闭包的正式规范语言）对 CRN 的结构和行为进行建模。
• 将 CRNs 编码为声明式约束，指定物种、反应以及期望的功能行为。
• 通过 SAT 求解器应用作用域有界分析，对给定大小和结构边界的 CRNs 进行完全枚举。
• 施加结构约束，如催化作用、双分型代谢和 seesaw 模式，以建模生物学和合成生物学相关的网络。
• 利用化学计量学计算（例如 X → Y + Y 实现乘以 2）实现速率无关性。
• 使用外部工具（如 Mathematica）验证功能正确性，确认计算输出与目标函数一致。

实验结果

研究问题

• RQ1 计算 max 函数的最小 CRN 是什么，且在速率无关条件下运行？
• RQ2 是否可以通过网络结构设计实现速率无关的模拟计算，而非依赖动力学控制？
• RQ3 如何系统性地枚举和分析生物学相关的 CRN 模块，如催化型、代谢型和 seesaw 网络？
• RQ4 在结构化速率无关性条件下，计算 ReLU、abs 和 minmax 函数的最小 CRN 架构是什么？
• RQ5 形式方法（如 Alloy）在多大程度上能够实现对具有用户定义功能目标的 CRN 空间的自动化、完全探索？

主要发现

• 计算 max 函数的最小 CRN 包含 4 个物种和 4 个反应，其速率无关性由结构特性保证。
• 计算 ReLU 函数的最小 CRN 使用 4 个物种和 4 个反应，通过化学计量设计实现速率无关性。
• 对于 abs 函数，最小 CRN 需要 5 个物种和 5 个反应，其速率无关性源自网络结构。
• minmax 的最小 CRN 使用 5 个物种和 5 个反应，表明复杂模拟函数可由小型、鲁棒的网络实现。
• 唯一识别出一个包含 2 个结构域和 4 个反应的 seesaw 网络，表明结构约束可防止非预期反应。
• 该框架成功枚举出 1 个唯一的 2 域、4 反应 seesaw CRN，确认了结构一致性与功能正确性。