[论文解读] The Role of Redundancy in the Robustness of Random Boolean Networks

Carlos Gershenson, Stuart Kauffman+1 more|arXiv (Cornell University)|Nov 9, 2005

Gene Regulatory Network Analysis参考文献 29被引用 32

一句话总结

本文研究了节点冗余如何增强随机布尔网络（RBNs）对点突变的鲁棒性。通过引入在突变后仍能维持功能的冗余节点，研究发现冗余可降低原始网络与突变后网络动力学之间的汉明距离，从而‘平滑’崎岖的适应度景观，促进进化搜索，但过度冗余可能阻碍适应。

ABSTRACT

Evolution depends on the possibility of successfully exploring fitness landscapes via mutation and recombination. With these search procedures, exploration is difficult in "rugged" fitness landscapes, where small mutations can drastically change functionalities in an organism. Random Boolean networks (RBNs), being general models, can be used to explore theories of how evolution can take place in rugged landscapes; or even change the landscapes. In this paper, we study the effect that redundant nodes have on the robustness of RBNs. Using computer simulations, we have found that the addition of redundant nodes to RBNs increases their robustness. We conjecture that redundancy is a way of "smoothening" fitness landscapes. Therefore, redundancy can facilitate evolutionary searches. However, too much redundancy could reduce the rate of adaptation of an evolutionary process. Our results also provide supporting evidence in favour of Kauffman's conjecture (Kauffman, 2000, p.195).

研究动机与目标

• 研究冗余如何影响随机布尔网络（RBNs）在点突变下的鲁棒性。
• 检验考夫曼的猜想：最小程序对突变高度敏感，暗示冗余可能稳定进化动力学。
• 探讨冗余节点能否‘平滑’崎岖的适应度景观，使进化探索在复杂系统中更具可行性。
• 区分有用冗余（功能重复）与无用冗余（虚假输入），重点关注其功能影响。

提出的方法

• 作者开发了一种方法，通过复制现有节点并将其以相同方式连接到相同输入节点，将冗余节点引入RBNs。
• 每个RBN均使用同步布尔更新进行模拟，随机布尔函数输出1的概率固定为p。
• 通过原始网络与突变网络状态空间轨迹之间的归一化汉明距离（dS）量化鲁棒性。
• 通过改变复制节点的数量控制冗余程度，同时使用虚假输入（非功能性连接）作为非功能性冗余的对照。
• 将RBN的可压缩性用作最小性的代理指标，假设可压缩性较低的网络更接近最小程序。
• 在固定N、K和p的RBN集合上运行模拟，以确保统计稳健性和普遍性。

实验结果

研究问题

• RQ1 添加冗余节点如何影响RBN对单节点突变的鲁棒性？
• RQ2 冗余是否能平滑适应度景观，使在崎岖系统中进行进化探索更具可行性？
• RQ3 冗余能否抵消考夫曼猜想中提到的最小程序对突变的高敏感性？
• RQ4 在功能稳定性方面，有用冗余（功能重复）与无用冗余（虚假输入）有何差异？
• RQ5 是否存在一个最优冗余水平，可在不阻碍适应的前提下最大化鲁棒性？

主要发现

• 添加冗余节点显著降低了原始RBN与突变RBN之间归一化汉明距离（dS），表明鲁棒性提高。
• 随着冗余增加，RBN的可压缩性下降，表明冗余网络的最小性降低，功能更稳定。
• 冗余节点在突变后仍能维持网络功能，因为另一节点可接管丢失的功能，而虚假输入的突变则无此效果。
• 本研究为考夫曼的猜想提供了实证支持：最小程序对突变高度敏感，因为非冗余（可压缩性较低）网络表现出更高的dS值。
• 发现过度冗余可能降低适应速率，表明鲁棒性与可演化性之间存在权衡。
• 冗余增加了中性度，意味着突变更不易改变网络的功能输出，尤其当突变发生在冗余节点时。