博文

基因调控网络的基准布尔模型数据集

已有 234 次阅读 2026-7-5 21:40 |个人分类:科普|系统分类:科普集锦

基因调控网络的基准布尔模型数据集

现代系统生物学要求我们超越孤立基因相互作用的研究。基因调控网络（GRN）捕捉了基因调控发生的复杂机制，并能提供系统级的重要知识。使用数学网络模型有助于对其进行深入研究。

布尔网络（BN）是用于表示基因调控网络（GRN）的定性数学模型。它们最初由 Kauffman 引入，现已成为分析 GRN和一般生物系统最流行和强大的工具之一。在布尔网络中，网络图中的每个节点代表一个生物实体，它们之间的有向边表示其影响，激活（用正边表示）或抑制（用负边表示）。每个节点在给定时间具有二进制状态，要么开启（1）要么关闭（0）。局部布尔函数根据其相邻节点的状态更新每个节点的状态。所有局部函数的迭代应用定义了系统的动力学，分析这些动力学可以揭示其长期行为的特性。具体来说，系统的吸引子对应于其稳定配置，这些配置通常与表型相关联。

对布尔网络动态的分析已经发展成为一个独立的研究领域，无数研究工作都集中在研究它们的理论和计算特性上。许多理论和计算研究的适当评估需要在对真实基因调控网络进行测试。然而，测试通常依赖于任意选择（甚至临时凑合）的基因调控网络布尔网络模型。这可能会引入偏差，因为这些模型可能遗漏了真实世界基因调控网络布尔网络模型中常见的属性和模式。此外，可用的基因调控网络布尔网络模型数量庞大，这使得选择一个能涵盖多样结构属性且没有过度或不足代表性的代表性子集变得具有挑战性。

基准模型是根据常见属性构建的，为算法测试和理论分析提供了一个标准框架，确保可重复性，并能够跨研究进行结果的实用比较。具体而言，研究揭示了 GRN 的 BN 模型中常见的属性和模式。这些包括出度分布的无标度性、前馈环（FFL，图1）和反馈环（FBL）的出现，或布尔函数的定向性，等等。尽管由于它们的重要性和可行性，基准布尔网络模型尚未被提出，这使得它们的构建成为必要。

图1 一致性（1-4）和不一致性（5-8）的 FFL 类型

图2 FFL簇的类型

为解决这一局限性，Hotstegs等人提出了用于基因调控网络的基准布尔网络模型。这些网络在构建时考虑了在基因调控网络的布尔网络模型中经验性观察到的结构和动态特性以及基序。具体而言，他们构建了四个有向网络模型（图3），以捕捉四个主要生物界（动物、细菌、真菌和植物）的特定特征。该工作为测试算法和实现布尔网络的系统比较提供了坚实的基础。数据集参见https://doi.org/10.5281/zenodo.17406797。

图3 四个生物界的基准有向网络。绿色箭头（指向端）表示激活相互作用，红色箭头（平端）表示抑制相互作用。双向边如果两个相互作用都是激活的则为绿色，如果都是抑制的则为红色，如果一个是激活的另一个是抑制的则为混合色。

参考文献

[1] Hotstegs CLO, Llano JP, Kestler HA. A Dataset of Benchmark Boolean Models for Gene Regulatory Networks. Sci Data. 2026;13(1):846. Published 2026 Jun 6. https://doi.org/10.1038/s41597-026-07585-6

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC