• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

生物反馈网络的符号动力学

Symbolic dynamics of biological feedback networks.

作者信息

Pigolotti Simone, Krishna Sandeep, Jensen Mogens H

机构信息

Niels Bohr Institute and Niels Bohr International Academy, Blegdamsvej 17, DK-2100 Copenhagen, Denmark.

出版信息

Phys Rev Lett. 2009 Feb 27;102(8):088701. doi: 10.1103/PhysRevLett.102.088701. Epub 2009 Feb 26.

DOI:10.1103/PhysRevLett.102.088701
PMID:19257796
Abstract

We formulate general rules for a coarse graining of the dynamics, which we term "symbolic dynamics," of feedback networks with monotonic interactions, such as most biological modules. Networks which are more complex than simple cyclic structures can exhibit multiple different symbolic dynamics. Nevertheless, we show several examples where the symbolic dynamics is dominated by a single pattern that is very robust to changes in parameters and is consistent with the dynamics being dictated by a single feedback loop. Our analysis provides a method for extracting these dominant loops from short time series, even if they only show transient trajectories.

摘要

我们为具有单调相互作用的反馈网络(如大多数生物模块)的动力学粗粒化制定了一般规则,我们将其称为“符号动力学”。比简单循环结构更复杂的网络可以展现出多种不同的符号动力学。然而,我们展示了几个例子,其中符号动力学由单一模式主导,该模式对参数变化非常稳健,并且与由单个反馈回路支配的动力学一致。我们的分析提供了一种从短时间序列中提取这些主导回路的方法,即使它们只显示瞬态轨迹。

相似文献

1
Symbolic dynamics of biological feedback networks.生物反馈网络的符号动力学
Phys Rev Lett. 2009 Feb 27;102(8):088701. doi: 10.1103/PhysRevLett.102.088701. Epub 2009 Feb 26.
2
Analysis of discrete bioregulatory networks using symbolic steady states.使用符号稳态分析离散生物调节网络。
Bull Math Biol. 2011 Apr;73(4):873-98. doi: 10.1007/s11538-010-9609-1. Epub 2010 Dec 18.
3
Multistability, oscillations and bifurcations in feedback loops.反馈环中的多稳定性、振荡和分岔。
Math Biosci Eng. 2010 Jan;7(1):83-97. doi: 10.3934/mbe.2010.7.83.
4
The dynamics of conjunctive and disjunctive Boolean network models.合取与析取布尔网络模型的动力学。
Bull Math Biol. 2010 Aug;72(6):1425-47. doi: 10.1007/s11538-010-9501-z. Epub 2010 Jan 20.
5
[Dynamic paradigm in psychopathology: "chaos theory", from physics to psychiatry].[精神病理学中的动态范式:“混沌理论”,从物理学到精神病学]
Encephale. 2001 May-Jun;27(3):260-8.
6
Boolean versus continuous dynamics in modules with two feedback loops.具有两个反馈回路的模块中的布尔动力学与连续动力学
Eur Phys J E Soft Matter. 2012 Oct;35(10):107. doi: 10.1140/epje/i2012-12107-9. Epub 2012 Oct 26.
7
Distinct noise-controlling roles of multiple negative feedback mechanisms in a prokaryotic operon system.多种负反馈机制在原核操纵子系统中发挥独特的噪声控制作用。
IET Syst Biol. 2011 Mar;5(2):145-56. doi: 10.1049/iet-syb.2010.0020.
8
Interlinking positive and negative feedback loops creates a tunable motif in gene regulatory networks.相互连接的正反馈和负反馈回路在基因调控网络中形成了一个可调节的基序。
Phys Rev E Stat Nonlin Soft Matter Phys. 2009 Jul;80(1 Pt 1):011926. doi: 10.1103/PhysRevE.80.011926. Epub 2009 Jul 31.
9
Tuning the range and stability of multiple phenotypic states with coupled positive-negative feedback loops.通过耦合正反馈和负反馈环来调节多个表型状态的范围和稳定性。
Nat Commun. 2013;4:2605. doi: 10.1038/ncomms3605.
10
Contrasting methods for symbolic analysis of biological regulatory networks.生物调控网络符号分析的对比方法。
Phys Rev E Stat Nonlin Soft Matter Phys. 2009 Dec;80(6 Pt 1):062902. doi: 10.1103/PhysRevE.80.062902. Epub 2009 Dec 29.

引用本文的文献

1
A general model-based causal inference method overcomes the curse of synchrony and indirect effect.一种基于通用模型的因果推断方法克服了同步性和间接效应的难题。
Nat Commun. 2023 Jul 24;14(1):4287. doi: 10.1038/s41467-023-39983-4.
2
Constructing ordinal partition transition networks from multivariate time series.从多元时间序列构建有序分区转移网络。
Sci Rep. 2017 Aug 10;7(1):7795. doi: 10.1038/s41598-017-08245-x.
3
Chaotic motifs in gene regulatory networks.基因调控网络中的混沌模式。
PLoS One. 2012;7(7):e39355. doi: 10.1371/journal.pone.0039355. Epub 2012 Jul 6.
4
A self-organized model for cell-differentiation based on variations of molecular decay rates.基于分子衰变率变化的细胞分化自组织模型。
PLoS One. 2012;7(5):e36679. doi: 10.1371/journal.pone.0036679. Epub 2012 May 31.
5
The complexity of gene expression dynamics revealed by permutation entropy.通过置换熵揭示基因表达动力学的复杂性。
BMC Bioinformatics. 2010 Dec 22;11:607. doi: 10.1186/1471-2105-11-607.