执行多细胞分化：定量预测模型线虫外阴发育

摘要

动机：理解多细胞模式形成的过程是发育生物学的一个核心问题，有望带来许多新的见解，例如在各种疾病的治疗中。为开发建模定义合适的计算技术，能够执行生物信息学仿真实验，是一个开放且具有挑战性的问题。

结果：此前，我们提出了一种基于基本Petri网形式主义的粗粒度定量方法，以模拟多细胞分化过程中的生物过程行为。在这里，我们将我们的建模方法应用于经过充分研究的秀丽隐杆线虫外阴发育。我们表明，我们的模型正确地复制了大量体内具有统计准确性的实验。它还根据最近的生物学证据生成基因表达时间序列。最后，我们模拟了microRNA mir-61在外阴发育过程中的作用，并预测了其在稳定细胞模式形成中的作用。

联系人： feenstra@few.vu.nl

补充信息： 补充数据可在生物信息学在线。

1简介

为了阐明细胞如何协调不同且有时相互冲突的信号，从而在动物器官发生过程中产生精确的表型，已经进行了许多努力（Sternberg，2005).秀丽隐杆线虫外阴发育提供了一个优雅且相对完善的模型，用于研究多个细胞中的多条通路如何相互作用产生发育模式。

这个线虫两性外阴由六个外阴前体细胞（VPCs）中的三个发育而来，VPCs的编号从P3.p连续到P8.p图1。每个VPC都有能力响应细胞间信号，并可能采用以下三种细胞命运之一：1^○, 2^○或3^○每个命运对应一个特定的细胞分裂模式。第1个^○和2^○命运细胞谱系构成外阴，分别产生8个和7个子代细胞。第三个^○命运谱系成为hyp7皮下合胞体的组成部分，hyp7是一个大的细胞样结构，许多细胞核包裹着正在发育的线虫。在野生型雌雄同体中，六个VPC采用一个不变量3^○-3^○-2^○-1^○-2^○-3^○模式（Sternberg和Horvitz，1986)，如所示图1这种精确的归趋分布是两个竞争信号之间相互作用的结果：锚定细胞（AC）产生的空间梯度感应信号和来自假定1的横向信号^○命运细胞。

在这种细胞-细胞相互作用过程中，诱导性表皮生长因子信号由AC产生并传递到最近的三个前体细胞。该信号由蛋白LIN-3编码，并由受体LET-23转导至Ras/MAPK途径。这具有上调MPK-1和促进1^○在Ras/MAPK途径的下游，LIN-12被下调（Shaye和Greenwald，2002)抑制2的升级^○命运，同时刺激侧向信号的产生（Chen和Greenwald，2004). 此信号促进2^○相邻细胞P5.p和P7.p（Sundaram，2004)，并抑制Ras信号传导，通过Ras/MAPK途径（Yoo等。,2004). 这种负面反馈有助于最大限度地提高假定2中的LIN-12活性^○命运细胞（Yoo和Greenwald，2005).

第一个图解模型是由Sternberg和Horvitz提出的，描述了VPC测定背后的监管网络(1989). 自那时以来，全球对生物网络的理解有了很大提高。Kam提出的第一个计算模型等。(2003)结合了Sternberg和Horvitz的多个实验“场景”(1986)使用实时序列图（LSC）将其转换为单个模型。之后，在两篇里程碑式的论文中，费舍尔等。,2005,2007)提出了两种基于状态的机制模型。第一个（费希尔等。,2005)使用状态图表示组件的内部状态，使用LSC执行组件之间的操作。他们形式化了斯特恩伯格的模型（斯特恩伯格和霍维茨，1989)，但未纳入任何其他数据。最近的方法（Fisher等。,2007)基于反应模块，建模原理与前一篇论文类似。与当前文章中提出的模型不同，列出的三个模型建立在表示系统遵循的规则的基础上，而不是对潜在的生物过程建模。另外两个有见地的模型线虫外阴发育已经发表。久鲁梅斯库等。(2006)提出了基于ODE的部分模型，而Sun和Hong(2007)开发了一个基于自动学习的离散状态动态贝叶斯网络模型。独立于我们，李等。(2009)最近建模的部分线虫使用带扩展的混合功能Petri网进行vulval开发。当他们专注于模型验证时，我们还生成了新的有见地的预测。

在本文中，我们应用了我们的方法（克雷普斯卡等。,2008)，它是离散的、非确定性的，基于Petri网线虫外阴发育。Petri网是表示生物网络的一种方便的形式主义。这种形式主义以一种自然的方式对进程同步、异步事件、冲突以及通常的并发系统进行建模。此外，Petri网提供了对因果关系的直接洞察，并允许使用类似于用于描述生物知识的图表的图形可视化。读者可以在科赫和海纳找到最近关于用Petri网建模生物系统的调查论文(2008)、朝义亚(2007)、松野等。(2006)和佩莱等。(2005).

在生物系统建模的背景下，引入了Petri网形式主义的几个修改。一方面，定性Petri网（Gilbert等。,2007)可以用于结构和不变量分析，但它们从生物系统中大大抽象出来。另一方面，随机Petri网（Goss和Peccoud，1998)包含动力学常数，但这些大多是未知的或近似的。混合Petri网（Matsuno等。,2000)以及Cell Illustrator（Matsuno）的扩展等。,2006)是基于、丰富和表达的，但形式主义的复杂性阻碍了模型理解和因果回溯。

在我们的模型中，我们选择保持原始Petri网形式主义的简单性。我们的建模方法旨在尽可能模拟潜在的生物机制，而不仅仅是根据一组特定的突变来复制预期的表型。为了实现这一点，我们应用了最大并行原则（Burkhard，1980)和有限度的超调执行（克雷普斯卡等。,2008). 使用这个简单的框架，我们确定了不同的模块，每个模块对应不同的生物功能。因此，将功能模块组合成单元，并将这些单元连接在一起，我们迭代开发了整个网络线虫vulval的发展，我们的模型将生物功能捕捉到小的构建块中的能力，使得这些可以在多细胞信号和调控模型的新案例研究中重用。

我们表明，我们的模型编码了文献中的生物假设（Shaye和Greenwald，2002; Yoo和Greenwald，2005)，能够繁殖生物信息学一套体内实验，提供必要的统计数据，与以前可能的生物观察结果进行更详细的比较。据我们所知，我们是第一个在线虫外阴发育。此外，我们预测了mir-61型microRNA基因，确保命运模式的稳定性。

2方法

2.1定量Petri网的生物学解释

Petri网（Petri，1962; Reisig和Rozenberg，1998)是一个由两种节点组成的双部分有向图：表示资源本地可用性的位置，以及可以更改资源状态的活动组件转换。每个地方可以存放一个或多个令牌。加权圆弧连接位置和过渡。

我们没有进一步丰富形式主义以扩展其表现力（以及复杂性），而是专注于保持形式主义的简单性，并开发出类似于生物学的执行语义。在克雷普斯卡等。(2008)，我们解释了将生物知识表示为Petri网的方法。地方代表基因、蛋白质种类和复合物，而过渡代表生物过程。过渡的启动是一个过程的执行，例如消耗基板或创建产品。

我们模型中的标记数量并不像吉尔伯特那样直接表示蛋白质分子的数量或固定摩尔浓度等。(2007). 在我们的模型中，我们用两种方式解释这个数字。对于布尔值的基因，0表示不存在，1表示存在。对于蛋白质，我们使用抽象浓度水平0-6：从不存在，经过低、中、高浓度到饱和水平。这种方法背后的基本原理是从未知的绝对分子浓度水平中抽象出来，因为我们打算表示相对浓度。我们选择使用七个浓度水平，以介于简单布尔水平和复杂ODE模型之间，因为七个浓度级别足以表达有关线虫外阴发育良好。如果需要，建模者可以通过调整可用浓度水平的数量来微调模型的粒度。

生物系统是高度并行的，因为在细胞中，所有反应都可以并行发生，大多数反应彼此独立。因此，我们应用了最大并行原则（Burkhard，1980). 完全异步的方法将允许网络的一部分部署长时间的活动，而网络的另一部分则完全没有活动。在现实生活中，所有部分都可以以大致相同的“速度”进行（费希尔等。,2008). 最大并行度促进了整个网络的活动，因此弧线上的值真正捕获了相对速度和浓度水平，我们的实验证实了这一点。最大并行执行语义可以非正式地概括为在一个步骤中贪婪地执行尽可能多的转换步骤𝒮是一组多个转换，即一个转换可以在\119982；中多次发生。最大并行的步骤是一个在网络中没有启用转换的步骤，原则上应该以这样的方式开发，即它对应于生物系统进化中的一个时间步骤。这是可能的，因为建模者可以在弧上使用适当的权重来捕捉相对速度。通常，如果在一个时间单位内，蛋白质a的产量是蛋白质B的四倍，那么捕获a产量的转变的重量应该是捕获B产量的转变重量的四倍。如果可能有多个最大并行步骤，则随机选择一个。简而言之，实现纯粹的最大并行语义需要生成所有可能的标记分区，并随机、一致地选择一个。然而，随着网络的增长，这个过程变得非常缓慢。因此，我们通过逐步构建一个最大并行步长来近似它，随机地选择一个又一个过渡，直到所有启用的过渡都耗尽，如克雷普斯卡所解释的那样等。(2008).

蛋白质的无限制生产通常是不现实的，因为在自然界中，细胞会充满产物，反应会减慢或停止。因此，为了模拟这种行为，每个位置都有一个预定义的最大容量𝒩=6。为了确保可以达到最高的浓度水平，我们引入了带超调的有界执行。只有当每个输出位置包含少于𝒩个标记时，转换才能触发。由于每个转换可能会同时将多个令牌移动到其输出位置，因此每个转换最多只能一次超过预先给定的容量。因此，网络是有界的k个≥ 𝒩.

2.2模型构造

我们开发了一个可执行的Petri网模型，用于在线虫外阴诱导。这个大型网络可以在我们项目的网页上可视化(网址：http://www.cs.vu.nl/concell); 示意图如所示图5整个网络由600个节点（位置和过渡）和1000个弧组成。然而，形式主义的简单性及其图形表示有助于我们识别不同的模块。这些对应于不同的生物功能，如基因表达、蛋白质活化和蛋白质降解。可以重用与函数对应的模块，如小构建块，以组成更复杂的模块，并最终构建完整的单元。单元本身是一个可重用的模块。应用这些原理，我们将六个相互连接的小区构建成VPC网络，作为多功能小区的相同模块。我们还为AC（产生感应信号）和hyp7构建了一个单独的块。将整个图形划分为简单、小且有意义的模块的可能性有三个主要优点：（i）建模过程变得更容易，（ii）生成的网络是同质的，（iii）模块（在不同级别）可以在整个模型中重用，或用于建模其他生物体。

图2显示了如何将生物模块表示为Petri网的选定示例。图2a通过降低基因VAV-1的翻译速率来说明VAV-1的下调。事实上，如果mir-61不存在，反应VAV-1 PRO被激活并产生蛋白质。然而，当mir-61存在时，反应VAV-1 DR被启用，与VAV-1 PRO相比有0.5次点火机会，因此VAV-1的产量将减半。图2b描述了两个相连的基本模块，一个基因表达和内吞介导的LIN-12下调。在这个例子中，如Shaye和Greenwald所假设的那样，Ras/MAPK级联激活导致一个迄今未知的基因转录，该基因增强LIN-12内吞作用(2002). 请注意，这里删除了生成的LIN-12，而在图2a、 基因产量降低。格伦沃尔德（Grunwald）提出了一种用跃迁表示下调的替代方法等。(2008).

在系统级，模块可以被视为“元转换”，即具有指定输入（可以接收令牌的位置）和输出（模块的弧输出）的Petri网。而不是使用布尔函数作为基本网络组件来构建Petri网模型（Sackmann等。,2006)然后检查通过不变分析提取的每个子网络的生物学意义（Grunwald等。,2008; 扎克曼等。,2006)，我们专注于使用基本的生物功能作为网络构建块。根据我们的经验，构建模块化生物Petri网的过程可以分为五个阶段：

• 1级：基本生物功能。我们创建了六个基本模块，表示用于编码相关文献中描述的关系的基本生物功能线虫外阴发育：蛋白质生成、蛋白质激活、下调、上调、信号转导和结构性降解。

• 第2级：蛋白质相互作用结合基本模块，我们构建了更复杂的模块，每个模块模拟一个蛋白质的相互作用。蛋白质相互作用模块的划分见表1.图3展示了如何结合基本生物功能来构建蛋白质相互作用模块的示例。

• 第3级：路径.英寸图4模块LIN-3、LET-23、SEM-5、LET-60、MPK-1和DSL构成Ras/MAPK通路，模块LIN-12、VAV-1、MIR-61、DPY-23和LST构成竞争性Notch/LIN-12通路。

• 级别4：单元格.图4给出了一个VPC单元的Petri网模型，该单元具有到环境的四条链路。

• 第5级：多细胞相互作用.英寸图5，我们展示了六个VPC、AC和hyp7模块是如何连接的。相邻的细胞相互连接，hyp7连接到所有六个细胞，AC可以直接影响细胞P5.p、P6.p和P7.p。

图3突出显示了中描述的VPC模型的左上部分图4我们可以看到基本的生物功能是如何在不同的蛋白质相互作用模块中重复使用的，其中的链接描述了不同模块之间的相互作用。例如，在图3，LET-23模块连接到LIN-3，LIN-3连接到SEM-5，SEM-5反过来与LET-60交互。这些相互作用背后的生物机制在文献中找到，并由提到的基本生物功能编码。显示的网络图3模拟Ras/MAPK级联中信号转导的第一步，其中跨膜受体LET-23被配体LIN-3激活。由此产生的活化复合物通过SEM-5发出信号，激活核心Ras蛋白LET-60。

2.3遗传扰动建模

对于每个遗传背景，每个基因都可以是野生型(重量，即自然界中最常见的基因形式）或以下突变形式之一：功能丧失(如果例如基因缺失或功能失调）或功能丧失(玻璃纤维例如，基因转录被过度刺激）。可以推导出与给定遗传扰动相对应的初始配置，将标记放在用于表示遗传背景中每个基因的功能获得和野生型的两个不同位置之一。功能丧失突变由标记删除表示。因此，只需在适当的位置放置或移除令牌，就可以在适当的初始配置中启动网络。

图6a描述了一个典型的基因转录示例。当野生型基因LIN-12（wt）存在时，过渡LIN-12 PRO（wd）产生LIN-12蛋白。当基因不存在时[即lin-12（wt）没有标记]，事件就不会发生。图6b和c分别描述了lin-12基因失去功能和获得功能的两种不同遗传背景。

2.4模型校准

我们一开始假设蛋白质最初以低基础水平表达，反应需要高蛋白质浓度水平。因此，我们将蛋白质的初始浓度水平设置为零，并将高要求和低水平生产分别分配给所有转换，弧权重为5和1（参见补充材料例如）。

我们随后模拟了22体内校准装置中的实验(表2). 我们确定了模拟结果与预期表型之间的不匹配，并沿着从一个模块到另一个模块的因果链（即从产品到过渡，直到达到其要求），追溯了问题（例如，过度强或弱的下调）。对于选定的模块，弧权重和偶尔的初始蛋白质浓度水平进行了微调，以恢复预期行为。

这个手动校准过程迭代地收敛到我们用于所有进一步模拟的一组稳定且固定的参数。在此过程中，我们注意到，只有在极少数情况下，单参数调整能够明智地改变模拟结果，而更常见的是，改变参数组合以接近预期行为。这表明了Gutenkunst中讨论的“敏感性谱”等。(2007)这将使建模者专注于预测，而不是参数。

2.5模拟程序

在实验生物学中，为了克服生物系统固有的可变性，实验复制是必要的。在我们的非确定性建模方法中，我们将模拟运行的结果解释为单个蠕虫的表现型。因此，为了繁殖蠕虫种群，我们使用不同的随机种子对每个遗传背景进行了5000次模拟运行，每个运行最大并行1000步。

根据当前的实验知识（Shaye和Greenwald，2002,2005)，我们通过测量和关联MPK-1*和LIN-12*的浓度水平来确定每个细胞的命运。具体来说，1^○命运是由高水平的MPK-1*诱导的，对LIN−12*不敏感。第2个^○低水平的MPK-1*和高水平的LIN-12*会导致死亡。MPK-1*和LIN−12*的低水平导致3^○命运。通过模拟，我们将LIN-12*和MPK-1*浓度水平计算为最后50步内令牌的平均数量，以避免令牌连续移动产生不必要的噪音。平均值的长度对预测的细胞命运没有显著影响，因为模拟结束时的蛋白质浓度水平通常处于稳定状态。假设高的浓度水平对应于一个地方的三个以上标记和一个低的级别对应三个或更少的标记，可以确定采用的命运。相应的分段函数在补充材料.

为了便于校准过程中的参数调整，我们还实现了三个评分函数（每个细胞命运一个）作为S形，以获得连续曲线，而不是分段函数的离散和不连续轮廓。在校准期间，通过比较不同调整产生的分数的微小变化，这种连续分数非常有用，可以指导预期行为的恢复。

每个评分功能都会奖励符合相应描述的浓度水平（即分数趋于1）。在计分函数中，四个以上的标记对应于高的小于2对应于低的而代币的中间数（介于4和2之间）产生了S形梯度。根据我们的经验，函数形状的微小变化（例如陡度）不会显著改变结果。因此，每个计分函数使用模拟的LIN-12*和MPK−1*浓度水平作为变量，计算区间[0，1]中的分数，以测量模拟细胞复制计分函数捕获的命运描述的距离。对于每个单元格，我们计算三个分数（每个函数一个），并将返回最高分数的函数对应的结果分配给该单元格。这些函数的分析形式可以在补充材料.

三个评分功能的交集生成一个景观(图7)，可以与分段函数的离散表示进行比较，类似于Giurumescu提出的命运平面等。(2006)，其中象限标识细胞命运。

3结果

3.1模型验证

为了确定我们的模型再现和预测生物行为的能力，我们模拟了64种不同的实验条件。22个实验(表2)之前在Fisher中选定等。(2005)用于模型校准。30次扰动用于验证：26次（参见补充材料)来自Fisher等。(2005)，三个(表3)来自Sternberg(2005)和一个（实验52，表4)来自Yoo和Greenwald(2005). 特别是实验51(表3)在我们所知的任何以前的工作中都没有进行过模拟。其余12个模拟构成了新的预测。其中，最引人注目的(表4)在中进行了讨论第3.2节中提供了所有模拟的统计详细信息和显示典型单次运行的简短动画补充材料.

我们的模型可靠地复制了所有突变组合，除了双突变林-12（gf）；林-15（lf）(表2（实验21和45），即使在这些情况下，预测的一小部分与预期模式相匹配。不同实验室生物观察结果的显著差异，以及检测到的少数蠕虫体内，无助于建立可信的预期结果。

年的22个实验中表2特别有趣的是导致不稳定命运模式的实验条件。这些结果已经在Fisher中讨论过等。(2007)孙和洪(2007)但这些讨论缺乏关于可能结果的统计细节。事实上，孙和洪(2007)观察到Fisher的状态图模型等。(2005)通常会产生两个相邻的1^○他们声称在实验中很少观察到命运细胞，但他们也没有提供补充的统计细节。

在表5，我们提供了实验5的统计细节表2.超过93.4%的预测模式与预期生物模式之一相匹配^○-1\2^○-2^○-1^○-2^○-1\2^○组合。在所有匹配模式中，只有4.5%包含三个或更多相邻的2^○命运细胞，而只有2.7%的细胞有两个或多个相邻的1^○命运细胞。这些数量与这些实验中三个相邻的2^○命运，或相邻的两个1^○命运细胞是非常不可能的。剩余6.8%（不包括在表5)，一个或多个单元格采用3^○命运，我们将这些结果解释为“罕见表型”，其中观察到无法解释的谱系（即介于2^○和3^○)如Sternberg和Horvitz所述(1989).

在我们的方法中，每个最大平行的步骤对应于生物系统个体发生中的一个时间步骤。因此，我们的模拟也可以解释为外阴发育中基因调控的时间过程。在图8，将我们模型生成的基因表达时间序列与Yoo发布的荧光显微照片进行了比较等。(2004). 他们证明了egl-17p:：cfp-lacZ报告子对Ras/MAPK通路有反应的分级表达。图8b描述了我们的模型根据野生动物的模拟结果生成的时间序列。最初，MPK-1*（Ras/MAPK途径的下游产物EGL-17）在P5.p和P7.p中微弱表达。随后，根据P6.p的荧光显微照片，P5.p与P7.p的表达消失，MPK-1*仅在P6.p中保持高水平图8a.我们注意到，模拟结束时的浓度水平近似恒定，表明处于稳定状态。在一个相关的实验中，Yoo等。(2004)将lst基因分为两组：包含dpy-23和lst-3的模式A和lst-1、lst-2和lst-4所属的模式B。每个组都有自己的特征时间表达模式，与我们的模拟生成的时间序列密切对应（参见补充材料).

3.2 mir-61：开发开关和调制器

我们的计算模型除了再现著名的生物学实验外，还对不同的已发表假设和猜想进行编码和统一，从而揭示了外阴的发育过程。接下来描述的两个假设与LIN-12下调有关，LIN-12在外阴器官发生过程中至关重要（Shaye和Greenwald，2002; 哟等。,2004)并将microRNA mir-61与外阴发育过程联系起来。

沙耶和格林沃尔德(2002)提出，除了LIN-12显示的组成内化程度外，Ras激活还导致一个未知因子的转录，该未知因子可提高内化速度，促进LIN-12的内吞途径。在图9我们可以看到我们是如何在模型中捕捉到这个假设的。Ras的激活激活未知基因的转录，该基因在翻译后下调LIN-12。值得注意的是，将LIN-12下调模式从翻译后改为翻译前会破坏这种行为，并显著改变我们的结果。

Yoo和Greenwald(2005)确定mir-61为LIN-12/Notch途径的直接转录靶点。mir-61基因编码一种微RNA，该RNA阻断编码VAV-1的mRNA的表达，VAV-1是一种参与LIN-12下调的蛋白质，可能促进LIN-12内吞。因此，他们提出LIN-12激活mir-61和随后VAV-1的下调构成了一个积极的反馈回路，在推测的2^○命运VPC。虽然Shaye和Greenwald推测的未知因素似乎不需要用于LIN-12的初始内化，但VAV-1对于LIN-12构成内化是必要的。注意，VAV-1参与LIN-12翻译后（内吞作用介导的）结构性和增强性下调。

对这些假设进行建模(图9)事实证明，捕捉他们的行为对于在生物信息学实验。此外，我们模拟了mir-61 microRNA基因的几种扰动，获得了如下结果：表4这适当地证实了Yoo和Greenwald提出的正向反馈回路的作用(2005). 所有的实验表4据我们所知，尚未进行测试体内除了Yoo和Greenwald中描述的实验52(2005).

实验52、53、54和55证实了mir-61在影响细胞命运决定中的特殊作用，这是由Yoo和Greenwald确定的。实验56表明可能存在次要作用。这是一个双突变体mir-61（lf）；第一（lf）的变化第一（lf）实验2，表2.虽然单个突变体第一（lf）表达了一个稳定的VPC命运模式，双突变体中mir-61的功能丧失破坏了模式的稳定性，如以下的统计分解所示表6根据这一观察结果，我们建议mir-61除了作为发育开关外，还发挥“调节”作用（Karp和Ambros，2005)以确保细胞命运模式形成的稳定性。

据我们所知，我们是第一个建模的生物信息学microRNA相互作用线虫vulval归纳，支持Yoo和Greenwald提出的猜想(2005)，其中lin-12、mir-61和vav-1形成一个反馈回路，有助于在假定的2中最大化lin-12活性^○VPC。

4讨论

对发育过程进行建模和分析是一项具有挑战性的任务，因为这些生物过程通常包括几个细胞，并在几个小时内进化。此外，目前在分子水平上缺乏精确的定量参数，以及这种生物知识的描述性形式，欢迎对不同建模方法进行研究，以达到抽象和生物意义之间的最佳状态。在本文中，我们将描述性知识抽象为一个简单的形式化模型，该模型适当地模拟了潜在的生物机制，并保留了足够的预测能力。

在我们的方法中使用的Petri网有一个相当简单的形式，但我们设计的网络相当大。虽然有几种工具能够用模块化支持构建广泛的Petri网络（CPN tools，1999; 佩库等。,2007)，为了支持比我们使用的形式更丰富的形式，它们通常非常复杂，或者它们不能扩展到我们的Petri网模型的大小。此外，由于缺乏一个具有强大且高效的最大并行执行语义实现的Petri网工具，我们构建了自己的仿真工具（可在我们项目的网页上找到）。总之，我们将Petri网方法应用于线虫外阴发育，生殖数个体内实验。我们对microRNA mir-61进行了有见地和可测试的预测。我们的模型是对导致形成线虫女阴。通过进一步的实验分析，可以方便地将对该过程的新理解集成到我们的模型中，利用其模块化方式。

基金：这项工作得到了ENFIN的部分支持，ENFIN是一个卓越网络，由欧洲委员会在其FP6计划内资助，主题领域为“生命科学、基因组学和生物技术促进健康”，合同编号为LSHG-CT-2005-518254。

利益冲突：未声明。

参考文献

作者注释