在基因调节网络中用于故障分析的准静止分布边界

科学领域:

• 合成生物学 合成生物学
• 系统生物学 系统生物学
• 生物物理学的生物物理.

背景情况:

• 基因调节网络 (GRNs) 中的随机波动会造成不可预测性,阻碍了强大的合成系统的设计.
• 对于生物传感器和逻辑门至关重要的多稳定GRN,由于固有的噪音,容易发生意外的状态转换.
• 在这些复杂的生物系统中,关于稳定状态的概率分布的特征存在有限的工具.

研究的目的:

• 开发一个数学框架来分析多稳定的GRNs.
• 为提高合成切换开关的稳定性提供定量设计原则.
• 通过计算错误率来评估基于GRN的生物传感器的可靠性.

主要方法:

• 利用连续时间马尔科夫链 (CTMCs) 来建模多稳定的GRN的动态.
• 采用准静止分布来分析接近稳定状态的系统的行为.
• 将框架应用于现有的文献示例,并模拟生物传感器群体动态.

主要成果:

• 开发了一个广泛适用的数学框架,用于分析具有连接状态空间的多稳定系统.
• 确定了关键参数值,决定了从频繁的随机转换到长期稳定性的过渡 (小时与年/十年).
• 在人口层面的生物传感器动态中,假阳性/假阴性率的计算上限.

结论:

• 拟议的框架提供了强大的切换开关结构的定量设计原则.
• 该方法与实验观测一致,并为合成GRN稳定性提供预测能力.
• 这项工作提高了基于GRN的合成生物学应用程序的可靠性,包括生物传感器和逻辑门.