摘要
背景
结果
结论
背景
方法
问题表述
-
START模块:START(或G1/S转换)是G1期的一个事件,当细胞进行新一轮DNA合成和有丝分裂时。 START转变的最关键步骤是Whi5从细胞核向细胞质的移位,Whi5是SBF和MBF(Cln2和Clb5合成的转录因子,模拟为一个名为SBF的单一变量)的化学计量抑制剂。 在G1早期,SBF不活跃,因为它被Whi5抑制。 随着细胞的生长,Cln3和Bck2浓度升高到足以磷酸化Whi5(SBF抑制剂),因此SBF变得活跃,促进Cln2和Cln5的合成。 增加Cln2、Cln3和Clb5的浓度有助于芽的出现。 -
S/G2/M模块:START转换后增加Cln2浓度会导致CKI磷酸化和降解。 因此,Clb5被释放。 Clb5的活性形式促进DNA合成,通过磷酸化进一步抑制CKI。 Cln2和Clb5抑制Cdh1(与Clb2降解有关),Clb2浓度增加导致Mcm1(Clb2转录因子)活化,并进一步累积Clb2。 通过磷酸化和失活SBF,Clb2也停止了Cln2和Clb5的合成,细胞为有丝分裂退出做好了准备。 Clb2激活APC以及APC与Cdc20的协同作用是中后期过渡和有丝分裂细胞周期蛋白降解所需的一些关键步骤。 为了使Clb2和Clb5降解,必须磷酸化APC,并且需要释放主轴组件检查点。 这两个过程都由Clb2驱动。 -
EXIT模块:Cdc14的激活是EXIT模块中最关键的事件,因为它对于退出有丝分裂并返回G1状态至关重要。 Cdc14使先前在S/G2/M中被CDK磷酸化的几种蛋白质去磷酸化,从而导致Cdh1和CKI的激活,以及Clb2和Clb5的抑制。 Cdc14的激活涉及两条途径,即FEAR(Cdc14早期后期释放)和MEN(有丝分裂出口网络)。 FEAR途径中Pds1(通过Cdc20活性)释放Esp1导致Net1的染色单体分离和磷酸化。 因此,Cdc14从Net1:Cdc14复合体中释放,自由Cdc14驱动器退出有丝分裂。 为了通过Net1的强健磷酸化使芽殖酵母细胞返回G1状态,FEAR途径通过激活形成复合物(MEN)的Cdc15和Tem1得到MEN途径的支持。 这导致Cdc14完全释放,Cdh1活化,Clb2完全降解,CKI稳定,G1期完全恢复。
模型预测范围
差异进化
-
1 突变。 首先,针对每个 我 , 1≤ 我 ≤ N个 ,我们创建了一个“突变”载体 $$v^{(t,i)}=x^{$$ (3) 通过扰动父参数向量 x个 ( t吨 , 我 ) ,其中扰动向量 d日 ( t吨 , 我 ) 是两个不同的附加父项的参数向量之间的差异 我 ′ 和 我 ″ 从中随机选择 t吨 第几代父母,0< F类 <1 ( F类 =0.1)。 -
2 交叉。 对于每个 我 (1≤ 我 ≤ N个 )和 j个 (1≤ j个 ≤ D类 ),和均匀[0,1]随机变量 U型 我 , j个 ,通过定义子代 $$\begin{array}{@{}rcl@{}}{u}^{{(t,i)}{j}}=\left\{\begin数组}{rl}{v}^{(t,i){{j}&,{0}\leq {U}(U)_ {i,j}\leq{C},\\{x}^{(t,i)}_{j}&\text{,否则为.}\end{array}\right。 \结束{数组}$$ (4) 我们选择“交叉概率” C =0.5,因此在交叉步骤中,父母值和突变值均不占优势。 -
三。 选择。 下一代父母 x个 ( t吨 +1, 我 ) 是父级 x个 ( t吨 , 我 ) 或试验向量 u个 ( t吨 , 我 ) 当DE在本研究中探索不同设置下的参数空间时,根据特定DE运行的设置,我们采用了三个不同的选择可行性标准,如下所述。 -
可行性标准1( F类 C 1 ):试验向量 u个 ( t吨 , 我 ) 满足 F类 C 1 如果它定义的模型捕获了附加文件中列出的111种表型 1 :训练集中119种表型中的表S7。 F类 C 1 DE在创建表中的信号群1到16时总是强制执行 2 对于每个集合生成方案,在识别满足以下条件的参数向量方面的采样效率 F类 C 1 ( \(幻影{\dot{i}\!}e_{ {光纤通道}_ {1}}\) )计算为 \(n)_{ {光纤通道}_ {1} }/n_{tot}\幻影{\dot{i}\!}\) ,其中 \(幻影{\dot{i}\!}n_{ {光纤通道}_ {1}}\) 是满足以下条件的参数向量数 F类 C 1 和 n个 总数 是从参数空间中提取的样本总数。 表2不同方案生成的可行向量集合 -
可行性标准2( F类 C 2 ): F类 C 2 需要试验向量 u个 ( t吨 , 我 ) 只能替换父向量 x个 ( t吨 , 我 ) 如果 u个 ( t吨 , 我 ) 导致可行区域的估计容量扩大。 为此,我们计算了两个信号群的估计体积 X(X) 1 和 X(X) 2 。第一个合奏 X(X) 1 由当前的所有父向量组成 t吨 第n代DE(所有满足 F类 C 1 )包括 x个 ( t吨 , 我 ) 。此合奏不包括 u个 ( t吨 , 我 ) 因为它不是父向量。 第二个合奏 X(X) 2 包括 u个 ( t吨 , 我 ) 除了所有父向量之外 x个 ( t吨 , 我 ) . F类 C 2 指示试验向量 u个 ( t吨 , 我 ) 只能替换 x个 ( t吨 , 我 ) 如果第二个集合的估计体积大于第一个集合的估算体积( V(V) ( X(X) 2 )> V(V) ( X(X) 1 )). (我们在附加文件第1节中描述了估算参数向量集合所跨越体积的方法 2 :补充文本。) 表中包含合奏创建方案4至7 2 ,DE强制 F类 C 2 与一起 F类 C 1 因此,当且仅当复制训练集111个目标表型的试验向量,并导致可行区域的估计体积扩大时,试验向量才替换相应的父代。 -
可行性标准3( F类 C 三 ): F类 C 三 需要试验载体 u个 ( t吨 , 我 ) 只能替换父向量 x个 ( t吨 , 我 ) 如果 u个 ( t吨 , 我 ) 生成预测集129个突变菌株的预测向量,该预测向量不是通过 t吨 也就是说,如果一个试验向量 u个 ( t吨 , 我 ) 满足 F类 C 1 , u个 ( t吨 , 我 ) 替换其父级 x个 ( t吨 , 我 ) 当且仅当预测向量 \(\hat{\mathbf{p}}\) 由生成 u个 ( t吨 , 我 ) 不在所有父向量生成的预测矩阵行中 u个 ( t吨 , 我 ) 用于创建表中的信号群11、12和15 2 DE强制执行所有三个标准,以便当且仅当试验向量定义了捕获训练集111个目标表型的模型,导致可行区域的估计体积扩大时,试验向量替换相应的父代, 并为预测集中的129个新突变体生成一个新的表型预测向量。 乐团13、14和16仅通过执行第一和第三个标准创建。
-
结果和讨论
用拉丁超立方体采样探索参数空间
用DE探索参数空间
增加DE初始群体的表型多样性
在DE期间实施更大范围的预测
两种最有效的集成生成方案的比较
相对蛋白质丰度预测
根据预测可变性对细胞周期蛋白和生物过程进行排名
使用相对丰度统计预测细胞周期调节器的生物功能(或网络模块)
结论
缩写
资产负债表: -
曲线下面积 简历: -
变异系数 判定元件: -
差异进化 左侧: -
拉丁超立方体采样 外径: -
常微分方程 重量: -
野生型
工具书类
屠夫EC、伯格EL、昆克尔EJ。 药物发现中的系统生物学。 国家生物技术。 2004; 22(10):1253–9. Nelander S、Wang W、Nilsson B、She QB、Pratilas C、Rosen N、Gennemark P、Sander C。实验模型:癌症细胞的组合药物扰动。 分子系统生物学。 2008; 4(216):1–11. Gutenkunst RN、Waterfall JJ、Casey FP、Brown KS、Myers CR、Sethna JP。系统生物学模型中普遍存在的参数敏感性。 公共科学图书馆计算生物学。 2007; 3(10):189. Kreutz C,Timmer J.系统生物学:实验设计。 FEBS J.2009; 276(4):923–42. Kuepfer L,Peter M,Sauer U,Stelling J.细胞信号动力学分析的集成建模。 国家生物技术。 2007; 25(9):1001–6. Franceschini G,Macchietto S.《基于模型的参数精度实验设计:最新进展》,化学工程科学。 2008; 63(19):4846–72. Meyer P、Cokelaer T、Chandran D、Kim KH、Loh PR、Tucker G、Lipson M、Berger B、Kreutz C、Raue A等。网络拓扑和参数估计:使用基于社区的方法从实验设计方法到基因调控网络动力学。 BMC系统生物。 2014; 8(1):13. Silk D、Kirk PD、Barnes CP、Toni T、Stumpf MP。系统生物学中的模型选择取决于实验设计。 PLoS计算机生物学。 2014; 10(6):1003650. Schaber J、Baltanas R、Bush A、Klipp E、Colman-Lerner A。建模揭示了酵母中两条平行信号通路和稳态反馈的新作用。 分子系统生物学。 2012; 8(622):1–17. Tran LM、Rizk ML、Liao JC。 代谢网络的集合建模。 《生物物理学杂志》2008; 95(12):5606–17. Jia G,Stephanopulos G,Gunawan R.根据动态代谢曲线对代谢网络进行集成动力学建模。 代谢物。 2012; 2(4):891–912. Song SO、Chakrabarti A、Varner JD。 使用帕累托最优集成技术(POET)的信号转导模型集成。 生物技术杂志2010; 5(7):768–80. Noble SL,Buzzard GT,Rundell AE。非线性系统生物模型的自适应稀疏网格的可行参数空间表征。 在:美国控制会议(ACC),2011年。 纽约:IEEE:2011。 第2909-14页。 Dayarian A,Chaves M,Sontag ED,Sengupta AM。形状、大小和鲁棒性:生化网络参数空间中的可行区域。 公共科学图书馆计算生物学。 2009; 5(1):1000256. Tiemann C,Vanlier J,Hilbers P,van Riel N.进展性疾病表型转变期间的参数适应。 BMC系统生物。 2011; 5(1):174. Tiemann CA、Vanlier J、Oosterveer MH、Groen AK、Hilbers PA、van Riel NA。确定药物干预治疗效果的参数轨迹分析。 公共科学图书馆计算生物学。 2013; 9(8):1003166. Rumschinski P、Borchers S、Bosio S、Weismantel R、Findeisen R.生化反应网络的Set-base动力学参数估计和模型失效。 BMC系统生物。 2010; 4(1):69. 罗德里格斯·费尔南德斯M、雷贝格M、克里姆林宫A、班加JR。细胞系统动态模型中的同步模型识别和参数估计。 BMC系统生物。 2013; 7(1):76. Pargett M,Rundell AE,Buzzard GT,Umulis DM。基于模型的定性数据分析:在果蝇生殖系干细胞调控中的应用。 公共科学图书馆计算生物学。 2014; 10(3):1003498. DonzéA、Fanchon E、Gattepaille LM、Maler O、Tracqui P.酶反应网络中的鲁棒性分析和行为判别。 公共服务一号。 2011; 6(9):24246. Pargett M,Umulis DM。不同生物数据的定量模型分析:在发育模式形成中的应用。 方法。 2013; 62(1):56–67. Oguz C、Laomettachit T、Chen KC、Watson LT、Baumann WT、Tyson JJ。 芽殖酵母细胞周期模型的高维参数空间中的优化和模型简化。 BMC系统生物。 2013; 7(1):53. 价格KV,Storn RM,Lampinen JA。 差分进化:一种实用的全局优化方法。 自然计算系列。 柏林:施普林格; 2005 Chong CK、Mohamad MS、Deris S、Shamsir MS、Choon YW、Chai LE。 改进的差分进化算法用于参数估计,以改进生化途径的生成。 国际互动多媒体艺术智能杂志。 2012; 1(5):22–9. Tashkova K,Korošec P,Šilc J,Todorovski L,Díeroski S。生物激励元神经优化的参数估计:内吞动力学建模。 BMC系统生物。 2011; 5(1):159. Mahdavi S、Shiri ME、Rahnamayan S。大规模全球持续优化中的元启发式:一项调查。 信息科学。 2015; 295:407–28. Sun J,Garibaldi JM,Hodgman C.系统生物学中使用元启发式的参数估计:综合评述。 计算生物生物信息学IEEE/ACM Trans。 2012; 9(1):185–202. Banga JR,Versyck KJ,Van Impe JF。非线性动态过程模型的最佳识别实验计算:随机全局优化方法。 2002年工业工程化学研究; 41(10):2425–30. 罗德里格斯·费尔南德斯M、门德斯P、班加JR。生物化学途径中高效稳健参数估计的混合方法。 生物系统。 2006; 83(2):248–65. Balsa-Canto E,Alonso AA,Banga JR。生物系统最佳实验设计的计算程序。 IET系统生物。 2008; 2(4):163–72. Ashyraliyev M、Jaeger J、Blom JG。 应用于果蝇间隙基因回路的参数估计和可确定性分析。 BMC系统生物。 2008; 2(1):83. Audoly S,Bellu G,D'Angio L,Saccomani MP,Cobelli C.生物系统非线性模型的全局可识别性。 生物工程IEEE Trans。 2001; 48(1):55–65. Zak DE,Gonye GE,Schwaber JS,Doyle FJ。基因调控网络反向工程中输入扰动和随机基因表达的重要性:来自电子网络可识别性分析的见解。基因组研究,2003; 13(11):2396–405. Morgan DO.细胞周期:控制原理。 伦敦:新科学出版社; 2007 Mitchison JM,《细胞周期生物学》。 伦敦:剑桥大学出版社; 1971 Chen KC、Csikasz-Nagy A、Gyorfy B、Val J、Novak B、Tyson JJ。 芽殖酵母细胞周期分子模型的动力学分析。 摩尔生物细胞。 2000; 11(1):369–91. Chen KC、Calzone L、Csikasz-Nagy A、Cross FR、Novak B、Tyson JJ。 芽殖酵母细胞周期控制的综合分析,。 摩尔生物细胞。 2004; 15(8):3841–62. 数字对象标识: 10.1091/桶。 E03-11-794 . Singhania R、Sramkoski RM、Jacobberger JW、Tyson JJ。 哺乳动物细胞周期调控的混合模型。 公共科学图书馆计算生物学。 2011; 7(2):1001077. Kraikivski P、Chen KC、Laomettachit T、Murali T、Tyson JJ。 从头到尾:芽殖酵母细胞周期控制的计算分析。 npj系统生物应用。 2015; 1:15016. Laomettachit T.蛋白质调节网络动态分析的数学建模方法及其在蓝藻芽殖酵母细胞周期和昼夜节律中的应用。弗吉尼亚理工学院博士论文。 2011 http://scholar.lib.vt.edu/theses/available/etd-11072011-021528/ . Laomettachit T、Chen KC、Baumann WT、Tyson JJ。 基于蛋白质调控网络标准组件建模策略的酵母细胞周期调控模型。 公共服务一号。 2016; 11(5):0153738. Donahue MM,Buzzard GT,Rundell AE.非线性系统生物模型的自适应稀疏网格优化鲁棒参数识别。 在:美国控制会议,2009年。 ACC’09年。 纽约:IEEE:2009。 第5055–060页。 Taylor SC,Berkelman T,Yadav G,Hammond M.蛋白质印迹数据可靠定量的确定方法。 分子生物技术。 2013; 55(3):217–26. Oda Y,Huang K,Cross FR,Cowburn D,Chait BT。蛋白质表达和位点特异性磷酸化的精确定量。 国家科学院院刊。 1999; 96(12):6591–6. Bucher J,Riedmaier S,Schnabel A,Marcus K,Vacun G,Weiss T,Thasler W,Nüssler A,Zanger U,Reuss M.人体肝细胞中他汀药代动力学动态建模和受试者间变异的系统生物学方法。 BMC系统生物。 2011; 5(1):66. Shankaran H,Zhang Y,Tan Y,Resat H。共同表达EGFR、HER2和HER3的细胞中HER激活的基于模型的分析。 公共科学图书馆计算生物学。 2013; 9(8):1003201. Dong W、Tang X、Yu Y、Nilsen R、Kim R、Griffith J、Arnold J、Schüttler HB。 粗糙脉孢菌时钟的系统生物学。 普洛斯一号。 2008; 3(8):3105. Donahue M,Buzzard G,Rundell A.利用稀疏网格对非线性系统生物模型进行动力学表征的实验设计。 IET系统生物。 2010; 4(4):249–62. Lucia A,DiMaggio PA,Depa P.在崎岖地形上进行多尺度优化的Funneling算法。 2004年工业工程化学研究; 43(14):3770–81. Moriya H,Shimizu-Yoshida Y,Kitano H。细胞分裂周期基因的体内稳健性分析 酿酒酵母 .PLOS基因。 2010; 6(4). 数字对象标识: 10.1371/journal.pgen.002011年 . Shirayama M、Tóth A、GálováM、Nasmysy K.Apccdc20通过破坏后期抑制剂pds1和cyclin clb5促进有丝分裂的退出。 自然。 1999; 402(6758):203–7. Dwight SS、Harris MA、Dolinski K、Ball CA、Binkley G、Christie KR、Fisk DG、Issel-Tarver L、Schroeder M、Sherlock G等。酵母基因组数据库(sgd)使用基因本体(go)提供二级基因注释。 核酸研究2002; 30(1):69–72. Turner JJ、Ewald JC、Skotheim JM。酵母细胞大小控制。 当前生物量。 2012; 22(9):350–9. Johnston G、Pringle J、Hartwell LH。 酵母酵母中生长与细胞分裂的协调。 实验细胞研究1977; 105(1):79–98. Di Talia S,Wang H,Skotheim JM,Rosebrock AP,Futcher B,Cross FR.子特异性转录因子调节芽殖酵母中的细胞大小控制。 《公共科学图书馆·生物》。 2009; 7(10):1000221. Di Talia S、Skotheim JM、Bean JM、Siggia ED、Cross FR.分子噪声和大小控制对芽殖酵母细胞周期可变性的影响。 自然。 2007; 448(7156):947–51. MATLAB软件。 版本8.1(R2013a)。 Natick:The MathWorks Inc。; 2013 Hanley JA,McNeil BJ。接收机工作特性(ROC)曲线下面积的含义和使用。 放射科。 1982; 143(1):29–36. Efron B.Bootstrap方法:再看一下折刀。 年鉴统计1979; 7(1):1–26. Dasgupta A、Sun YV、König IR、Bailey Wilson JE、Malley JD。 简要回顾遗传流行病学中基于回归和机器学习的方法:遗传分析研讨会17的经验。 基因流行病学。 2011; 35(S1):5-11。 Vogel C,Marcotte EM。通过蛋白质组学和转录组学分析深入了解蛋白质丰度的调节。 Nat Rev基因。 2012; 13(4):227–32. Schwanhäusser B、Busse D、Li N、Dittmar G、Schuchhardt J、Wolf J、Chen W、Selbach M。哺乳动物基因表达控制的全球量化。 自然。 2011; 473(7347):337–42. Vogel C、de Sousa Abreu R、Ko D、Le SY、Shapiro BA、Burns SC、Sandhu D、Boutz DR、Marcotte EM、Penalva LO。 序列特征和mrna浓度可以解释人类细胞系中三分之二的蛋白质丰度变化。 分子系统生物学。 2010; 6(1):400. Plotkin接线盒。 转录调控只是故事的一半。 分子系统生物学。 2010; 6(1):406. Maier T,Schmidt A,Güell M,Kühner S,Gavin AC,Aebersold R,Serrano L.细菌中mrna和蛋白质的量化以及与蛋白质周转的整合。 分子系统生物学。 2011; 7(1):511.
致谢
基金
数据和材料的可用性
作者的贡献
竞争性利益
出版同意书
道德批准和参与同意
作者信息
作者和附属机构
通讯作者
其他文件
附加文件1
附加文件2
附加文件3
附加文件4
附加文件5
附加文件6
附加文件7
附加文件8
附加文件9
权利和权限