日本語AIでPubMedを検索
芽吹き酵母細胞周期の拡張ロバストブールネットワーク
Extended Robust Boolean Network of Budding Yeast Cell Cycle.
PMID: 32676445 PMCID: PMC7359953. DOI: 10.4103/jmss.JMSS_40_19.
抄録
背景:
出芽酵母細胞周期（BYCC）ネットワークを制御するタンパク質活性のダイナミクスに基づいて、相間の遷移確率のダイナミクスを探るには？BYCCのブールネットワーク（BN）のタンパク質相互作用のロバスト構造をどのように同定するか？出芽酵母は、細胞内の細胞周期を制御する構造を発見するための実験を可能にしている。
Background: How to explore the dynamics of transition probabilities between phases of budding yeast cell cycle (BYCC) network based on the dynamics of protein activities that control this network? How to identify the robust structure of protein interactions of BYCC Boolean network (BN)? Budding yeast allows scientists to put experiments into effect in order to discover the intracellular cell cycle regulating structures which are well simulated by mathematical modeling.
方法:
細胞周期に関与するタンパク質の決定論的BNを、G1,S,G2,M,定常G1の他にアポトーシスを含むマルコフ連鎖モデルに拡張した。遺伝的アルゴリズム(GA)を用いて、細胞周期の拡張BNの化学的相互作用の構造がより安定になると同時に、通常の細胞周期としての細胞状態のマルコフ連鎖モデルから導き出されるその後の遷移確率が最大になるように、拡張BNモデルの運動論的パラメータを推定した。
Methods: We extended an available deterministic BN of proteins responsible for the cell cycle to a Markov chain model containing apoptosis besides G1, S, G2, M, and stationary G1. Using genetic algorithm (GA), we estimated the kinetic parameters of the extended BN model so that the subsequent transition probabilities derived using Markov chain model of cell states as normal cell cycle becomes the maximum while the structure of chemical interactions of extended BN of cell cycle becomes more stable.
研究成果:
GAによって最適化された運動論的パラメータを用いて、細胞周期の相間の後続遷移確率を最大化する。その結果、静止G1の相対的な盆地サイズは86%から96.48%に増加したが、アトラクターの数はオリジナルモデルでは7個だったのが拡張モデルでは5個に減少した。その結果、システムのロバスト性が向上した。
Results: Using kinetic parameters optimized by GA, the probability of the subsequent transitions between cell cycle phases is maximized. The relative basin size of stationary G1 increased from 86% to 96.48% while the number of attractors decreased from 7 in the original model to 5 in the extended one. Hence, an increase in the robustness of the system has been achieved.
結論:
細胞周期ネットワークにおける相互作用タンパク質の構造は、そのロバスト性や異なる細胞周期間の遷移の確率に影響を与える。マルコフ連鎖やBNは、細胞周期ネットワークの安定性やダイナミクスを研究するのに適したアプローチである。
Conclusion: The structure of interacting proteins in cell cycle network affects its robustness and probabilities of transitions between different cell cycle phases. Markov chain and BN are good approaches to study the stability and dynamics of the cell cycle network.
Copyright: © 2020 Journal of Medical Signals & Sensors.