[论文解读] Updating Schemes in Random Boolean Networks: Do They Really Matter?

Carlos Gershenson|arXiv (Cornell University)|Feb 5, 2004

Gene Regulatory Network Analysis参考文献 16被引用 52

一句话总结

本文研究了不同更新机制——同步、异步及确定性变体——对随机布尔网络（RBNs）的影响，表明所有机制均产生极为相似的关键稳定性值，说明‘混沌边缘’在各类机制下均具有鲁棒性。本文首次对异步RBN中的松散吸引子进行量化，并得出结论：尽管生物系统本质上是异步的，但同步RBN因其更优的复杂度降低和计算可处理性，仍是合理且可接受的理论模型。

ABSTRACT

In this paper we try to end the debate concerning the suitability of different updating schemes in random Boolean networks (RBNs). We quantify for the first time loose attractors in asyncrhonous RBNs, which allows us to analyze the complexity reduction related to different updating schemes. We also report that all updating schemes yield very similar critical stability values, meaning that the "edge of chaos" does not depend much on the updating scheme. After discussion, we conclude that synchonous RBNs are justifiable theoretical models of biological networks.

研究动机与目标

• 解决长期存在的争议：RBN中的更新机制是否显著影响网络动力学与临界行为。
• 量化异步RBN中的松散吸引子，这一此前在统计RBN研究中被忽视的方面。
• 评估不同更新机制在复杂度降低与稳定性方面的计算与动力学优势。
• 为尽管其非生物学同步性，仍使用同步RBN作为生物网络理论模型提供合理性依据。
• 探讨这些发现对理解复杂系统中类生命计算涌现的启示。

提出的方法

• 本研究采用自定义开源RBN仿真环境（rbn.sourceforge.net），生成并分析具有不同更新机制的RBN。
• 提出一种新方法，利用长期仿真数据识别并量化‘松散吸引子’——动力学在状态空间中重复出现的区域。
• 通过比较五种更新机制（CRBN：同步；ARBN：异步；GARBN：广义异步；DARBN：确定性异步；DGARBN：确定性广义异步）的关键稳定性值（即‘混沌边缘’）进行分析。
• 通过多组网络实例的统计采样，评估吸引子特性与稳定性阈值的方差与收敛性。
• 在DARBN与DGARBN中引入‘上下文’概念，其中每个节点的更新规则由参数p与q定义的周期性规则决定。
• 混合上下文RBN（MxRBNs）被建模为在随机时间间隔内于多个确定性上下文间切换，从而实现非确定性但结构化的动力学。

实验结果

研究问题

• RQ1 更新机制的选择是否显著改变RBN中的临界稳定性阈值？
• RQ2 异步RBN中的松散吸引子能否被量化，并用于评估动力学复杂度？
• RQ3 不同更新机制在复杂度降低与计算效率方面如何比较？
• RQ4 为何尽管存在全同步性的生物学不现实性，同步RBN仍可作为有效理论模型？
• RQ5 ‘混沌边缘’在多大程度上是独立于更新机制的普遍特征？

主要发现

• 所有更新机制——同步、异步及确定性变体——均产生几乎相同的临界稳定性值，表明‘混沌边缘’在各类机制下具有鲁棒性。
• 对异步RBN中松散吸引子的量化显示，这些网络在状态空间中表现出显著小于全状态空间的、可重复的动力学区域，表明存在非平凡的动力学组织。
• 同步RBN（CRBNs）在复杂度降低方面优于非确定性异步RBN（ARBNs），因而计算效率更高。
• 确定性更新机制（DARBNs、DGARBNs、MxRBNs）在复杂度降低方面优于非确定性机制，尽管其实现更为复杂。
• 尽管吸引子数量与长度存在差异，所有机制中的计算临界区域保持稳定，表明进化可能趋同于该区域。
• 本研究结论认为，由于同步更新机制在计算优势与捕捉混沌边缘方面的鲁棒性，其作为理论建模手段具有合理性。