具有和没有流量测量的生物分子控制器图案的结构识别性作为模型输出

科学领域:

• 系统生物学 系统生物学
• 生物分子工程 生物分子工程
• 数学建模的数学建模

背景情况:

• 控制器图案是具有负反的基本生物分子网络,对于理解生物调节至关重要.
• 结构识别分析对于通过确保唯一参数的确定来验证数学模型至关重要.

研究的目的:

• 调查控制器模式复杂性和测量选择如何影响结构识别.
• 评估流量测量的有效性,以及度测量,以提高可识别性.

主要方法:

• 分析了128个控制器图案结构,包括基本类型和对立类型.
• 对3648种测量组合 (流量和/或度) 的系统评估.
• 开发方法,将流量测量纳入识别分析.

主要成果:

• 在所有测量组合中,只有34%的结构可识别.
• 单个测量是不够的;多种物种测量是必不可少的.
• 在1568个实例的减少子集中,80%的实例可以通过优化测量进行结构识别.

结论:

• 控制器图案的复杂性和战略测量选择显著影响结构识别.
• 结合流量和度测量,特别是对于不同物种,是改善模型参数估计的关键.
• 这些发现为设计实验和构建更强大的生物模型提供了指导.