
-
生物通官微
陪你抓住生命科技
跳动的脉搏
非线性基因网络推断:整合 S 型响应微分方程与序列阈值最小二乘法
《npj Systems Biology and Applications》:Nonlinear gene network inference: integrating sigmoid-response differential equations with sequential thresholded least squares
【字体: 大 中 小 】 时间:2026年08月27日 来源:npj Systems Biology and Applications 4.4
编辑推荐:
摘要基因调控网络(GRNs)是细胞身份、分化和疾病的基础。虽然许多计算方法可从转录组数据推断 GRNs,但大多数动力学方法依赖于线性或非参数模型,忽略了饱和、协同性和反馈等非线性特征。我们提出了 S 型响应序列阈值最小二乘法(SRSTLS),这是一个将 S 型响应动力学模型与
基因调控网络(GRNs)是细胞身份、分化和疾病的基础。虽然许多计算方法可从转录组数据推断 GRNs,但大多数动力学方法依赖于线性或非参数模型,忽略了饱和、协同性和反馈等非线性特征。我们提出了 S 型响应序列阈值最小二乘法(SRSTLS),这是一个将 S 型响应动力学模型与序列阈值最小二乘法优化器相结合的框架,旨在从时间序列或伪时间基因表达数据中重构非线性调控相互作用。SRSTLS 已在六个基于常微分方程的模拟基准上得到验证,包括双稳态开关和更大的网络,以及来自胚胎干细胞和肝母细胞的两个真实单细胞 RNA 测序数据集。与 SCODE 和 AR1MA1-VBEM 相比,SRSTLS 在边识别和符号确定方面表现出更高的准确性,并在不同的噪声水平和伪时间排序参数下保持稳健。我们的研究结果表明,纳入非线性动力学可以显著改善 GRN 推断,确立了 SRSTLS 作为研究复杂生物系统中调控机制的一种可靠且可解释的工具。