Marker and source-marker reprogramming of Most Permissive Boolean networks and ensembles with BoNesis

要約

ブール ネットワーク (BN) は、細胞の動作のモデル化に適用される離散動的システムです。
この論文では、ソフトウェア BoNesis を使用して、固定点とアトラクタにプロパティを強制する摂動の組み合わせを徹底的に特定する方法を示します。
一部のコンポーネントが特定の値に固定されることを指定するマーカー プロパティを検討します。
マーカーの再プログラミング問題の 4 つの変形を研究します: 固定点の再プログラミング、最小トラップ スペースの再プログラミング、固定点の再プログラミング、および最も寛容な更新モードで特定の初期構成から到達可能な最小トラップ スペース。
摂動は、コンポーネントのセットを固定値に固定することで構成されます。
それらは新しいアトラクタを破壊して作成することができます。
いずれの場合も、理論的な計算の複雑さに上限を与え、BoNesis Python フレームワークを使用して解像度の実装を与えます。
最後に、BoNesis によってサポートされているように、再プログラミングの問題を BN のアンサンブルに持ち上げ、可能な普遍的な再プログラミング戦略に関する洞察をもたらします。
このペーパーは、インタラクティブに実行および変更できます。

要約(オリジナル)

Boolean networks (BNs) are discrete dynamical systems with applications to the modeling of cellular behaviors. In this paper, we demonstrate how the software BoNesis can be employed to exhaustively identify combinations of perturbations which enforce properties on their fixed points and attractors. We consider marker properties, which specify that some components are fixed to a specific value. We study 4 variants of the marker reprogramming problem: the reprogramming of fixed points, of minimal trap spaces, and of fixed points and minimal trap spaces reachable from a given initial configuration with the most permissive update mode. The perturbations consist of fixing a set of components to a fixed value. They can destroy and create new attractors. In each case, we give an upper bound on their theoretical computational complexity, and give an implementation of the resolution using the BoNesis Python framework. Finally, we lift the reprogramming problems to ensembles of BNs, as supported by BoNesis, bringing insight on possible and universal reprogramming strategies. This paper can be executed and modified interactively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google