معلومة

عدد عناصر التنظيم الذاتي وزخارف FFL في الشبكة

عدد عناصر التنظيم الذاتي وزخارف FFL في الشبكة


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

افترض أن لدينا شبكة مع ن* العقد (N * هو عدد العقد الداخلية). كل ارتباط موجه في هذه الشبكة موجود مع الاحتمال ص. ماذا سيكون عدد:

  1. الزخارف التي هي ذاتية التنظيم؟
  2. زخارف حلقة التغذية إلى الأمام
  3. زخارف حلقة التغذية الخلفية

  1. متوسط ​​عدد الأشكال ذاتية التنظيم (الحواف الذاتية) يساوي عدد الحواف ه ضرب احتمال أن تكون الحافة حافة ذاتية وهي $ p_ {self} = 1 / N $ ، مع ن كونه العدد الإجمالي للعقد. لذلك ، $_ {راند} تقريبًا E / N $
  2. & 3. وفقًا لكتاب U.Alon ("مقدمة في بيولوجيا الأنظمة") ، فإن متوسط ​​عدد المرات التي يحدث فيها الرسم البياني الفرعي G في شبكة عشوائية يتم الحصول عليه بالصيغة التالية: $ تقريبا ^ {- 1} N ^ n p ^ g $.

شرح معنى كل مصطلح في الصيغة:

  • α: هو رقم يتضمن عوامل اندماجية تتعلق ببنية وتماثل كل رسم بياني فرعي ، يساوي 1 لحلقة التغذية الأمامية (FFL) ويساوي 3 لحلقة التغذية الخلفية (FBL)
  • $ N ^ n $: هو عدد طرق اختيار مجموعة من ن من العقد ن. نظرًا لوجود طرق N لاختيار الطريقة الأولى ، مرات N-1 $ تقريبًا $ N طرق اختيار الطريقة الثانية ، وهكذا ... (هذا التقريب صحيح بالنسبة للشبكات الكبيرة)
  • $ p ^ g $: احتمال الحصول على حواف g في الأماكن المناسبة (لكل منها احتمال p)

BioFNet: قاعدة بيانات شبكة بيولوجية وظيفية لتحليل وتوليف النظم البيولوجية

هيرويوكي كوراتا هو مدير مركز البحث والتطوير للمعلومات الطبية الحيوية في معهد كيوشو للتكنولوجيا. تهدف مجموعته إلى تطوير نظام تصميم بمساعدة الكمبيوتر لشبكات الكيمياء الحيوية (CADLIVE).

كازوهيرو مايدا زميل أبحاث ما بعد الدكتوراه في قسم العلوم البيولوجية والمعلوماتية الحيوية في معهد كيوشو للتكنولوجيا. يعمل على النمذجة الديناميكية لشبكات التمثيل الغذائي والجينات التنظيمية.

توشيكازو أوناكا طالبة ماجستير في قسم العلوم البيولوجية والمعلوماتية الحيوية في معهد كيوشو للتكنولوجيا. قام بتسجيل السجلات وركز على المحاكاة الديناميكية وتحليل نظام الشبكات البيوكيميائية.

تاكينوري تاكاتا طالبة ماجستير في قسم العلوم البيولوجية والمعلوماتية الحيوية في معهد كيوشو للتكنولوجيا. قام بعمل سجلات وركز على المحاكاة الديناميكية وتحليل نظام الشبكات البيوكيميائية.

هيرويوكي كوراتا ، كازوهيرو مايدا ، توشيكازو أوناكا ، تاكينوري تاكاتا ، BioFNet: قاعدة بيانات شبكة بيولوجية وظيفية لتحليل وتوليف النظم البيولوجية ، إحاطات في المعلوماتية الحيوية، المجلد 15 ، العدد 5 ، سبتمبر 2014 ، الصفحات 699–709 ، https://doi.org/10.1093/bib/bbt048


MOTIF: الوحدة الوظيفية لشبكة التفاعل

في الشبكة ، يتيح تكامل العناصر والمكونات المتفاعلة تحديد الوحدات النمطية المحفوظة و
الزخارف. ومع ذلك ، يكشف التحليل الطوبولوجي الكثير عن طبيعة ووظائف الشبكة ويوفر إحصاءات كافية لأي دراسة أخرى. بدعم من العديد من أنواع البيانات ، بيانات التفاعل ، وبيانات التعبير ، والبيانات المنطقية ، وبيانات التسلسل الأولي ، توفر الوحدات النمطية والزخارف طريقة سهلة لفهم الوظيفة المحددة للجين والبروتين. بشكل أساسي ، تعد أشكال الشبكة أنماط شبكة مميزة تتكون من تنظيم النسخ وتفاعل البروتين البروتيني الذي يتكرر في كثير من الأحيان أكثر من شبكة عشوائية.

تم تقديم فكرة تصميم الشبكة (الرسم البياني الفرعي) بواسطة Uri Alon ومجموعته في عام 2002 [1] حيث تم اكتشافهم في شبكة تنظيم الجينات من بكتريا قولونية ثم في مجموعة كبيرة من الشبكة العصبية. وفقًا لحدوثها وسلوكها في الشبكة ، "الأشكال هي رسم بياني فرعي متكرر بشكل متكرر ، يتم تحديدها بنمط معين من التفاعل بين الرؤوس التي تعكس إطارًا يتم فيه تحقيق وظائف معينة". إنها ذات أهمية حيوية إلى حد كبير لأنها قد تعرض خصائص وظيفية وقد توفر أيضًا نظرة عميقة على القدرات الوظيفية للشبكة. تم إجراء دراسات مهمة من منظور التطبيق البيولوجي وكذلك النظرية الحسابية. يسعى التحليل البيولوجي بشكل أساسي إلى تفسير وظائف أشكال الشبكة المرتبطة بالتنظيم الجيني حيث تم العثور على الحافز الأول في وحدة النسخ في بكتريا قولونية وكذلك الخميرة والكائنات الحية العليا الأخرى. بصرف النظر عن تلك الخاصة بالتنظيم الجيني ، تم اكتشاف بعض الأشكال المميزة أيضًا من الشبكة العصبية وشبكة تفاعل البروتين (الشكل 1).

التين: 1. أنواع مختلفة من الزخارف في الشبكة البيولوجية. (مجاملة: صورة جوجل)

من الناحية الإحصائية ، يتم تحديد التصميم على أنه نمط يحدث خمس مرات على الأقل ويكون أكثر أهمية من شبكة عشوائية. مع عقدتين فقط أو ثلاث عقد على الأقل ، قد نختار عشوائيًا للحصول على أقصى نمط في الشبكة. الأمر متروك للتحليلات التي يتعين على المرء إجراؤها. تعتبر الأنماط التي تحتوي على عقدتين وثلاث وأربع وخمس عقدًا مهمة لأن حدوثها يكون أكثر تكرارًا في الشبكة من أي نمط آخر. بناءً على الاتجاهية والاتصال والنمط والتنظيم وعدد العقد ، يتم تصنيفها إلى فئات مختلفة على النحو التالي:

1. التنظيم التلقائي السلبي (NAR)
أحد أبسط أشكال الشبكات وأكثرها وفرة هو التنظيم الذاتي السلبي حيث يقوم عامل النسخ بقمع النسخ الخاص به (شكل 2-أ). وتتمثل وظيفتها العامة في تنظيم الاستجابة واستجابة نظام إصلاح DNA SOS. لوحظ NAR لتسريع الاستجابة للإشارات في شبكة النسخ الاصطناعية. كما أنه يزيد من استقرار تركيز منتج الجين المنظم تلقائيًا ضد الضوضاء العشوائية ، مما يقلل من الاختلافات في مستويات البروتين بين الخلايا المختلفة.

التين: 2. أنواع مختلفة من الحلقات والأشكال في الشبكات البيولوجية أ. التنظيم الذاتي ، ب. عزر التغذية ، ج. حلقات متماسكة وغير متماسكة ، د. أنواع مختلفة من الأنماط (الزخارف) ، تحدث بشكل شائع في الشبكات البيولوجية. تحدث جميعها في كل نظام بيولوجي تقريبًا وتمثل وحدة وظيفية تنظيمية محددة. (مجاملة- صور جوجل)

2. التنظيم الذاتي الإيجابي (PAR)
يتميز بتحسين النسخ بواسطة منتج الجين الخاص به (الشكل 2-أ). بالمقارنة ، فإنه يظهر استجابة أبطأ من NAR. في حالة الحاجة إلى التنظيم السريع ، تؤدي PAR إلى توزيع ثنائي النسق لمستويات البروتين في مجموعات الخلايا.
3. حلقات التغذية الأمامية (FFL)
يحدث هذا النموذج عادةً في العديد من الشبكات التنظيمية الجينية ويتكون من ثلاثة جينات وثلاثة تفاعلات تنظيمية (الشكل 2-ب). في الرسم البياني ، يتم تنظيم الجين المستهدف C بواسطة 2 TFs (عامل النسخ) A و B بالإضافة إلى ذلك يتم تنظيم TF B أيضًا بواسطة TF A. نظرًا لأن كل تفاعل تنظيمي قد يكون إيجابيًا أو سلبيًا ، فهناك ثمانية أنواع محتملة من زخارف FFL. من الناحية الحسابية ، في معظم الحالات ، تمثل FFL بوابة AND & amp OR ولكن من الممكن أيضًا إدخال مدخلات دوائر أخرى.
4. نوع متماسك 1 FFL (C1-FFL)
هذا هو أحد الأنواع الفرعية لـ FFL ، ويتميز بإعطاء ترشيح نبضي حيث لن تؤدي النبضة القصيرة للإشارة إلى استجابة ولكن الاستجابة المستمرة ستولد تأخيرًا قصيرًا. الأهم من ذلك ، يتم تثبيت استجابة الإشارة بعد إيقاف تشغيل واحد. لوحظ مثل هذا الوضع الحيوي لتوصيل الإشارة في النظام التنظيمي الجيني أو الخلوي في المسارات الأيضية وشبكة التفاعل بين البروتين والجينات.
5. نوع غير متماسك 1 FFL (I1-FFL)
من المعروف أنه مولد نبضات ومسرع استجابة. يعمل مساران للإشارة بطريقتين متعاكستين ، يتم تنشيط إشارة واحدة وتقمع الأخرى. بعد القمع ، يتم إنشاء ديناميكيات النبض. الأهم من ذلك ، أنه يسرع تنشيط أي جين ، وليس بالضرورة جين عامل النسخ. يُظهر التنظيم المغذي تنظيمًا أفضل من الملاحظات السلبية.
6. متعدد الإخراج FFLs
يتحكم نفس المنظم (ينظم) جينات متعددة لنفس النظام.
7. وحدات الإدخال المفرد (SIM)

يحدث هذا الشكل عندما ينظم جين واحد مجموعة واحدة من الجين بدون تنظيم إضافي. هذا مهم عندما تقوم الجينات بوظيفة معينة وبالتالي تحتاج إلى تنشيطها بطريقة متزامنة.
التأكيد المحتمل لأهمية الحافز هو الحفاظ على الحافز. في الحفاظ على التطور ينطوي على الأهمية. يمكن اعتبار حفظ البروتين في الشبكة كمؤشر على الأهمية البيولوجية لهذا الحافز. يوضح حفظ الشكل الضغط التطوري الذي يمكن اتباعه للعثور على تقويم العظام في كائن حي آخر. قام Wuchty et al ، 2003 [2] باختبار هذه الفرضية للعلاقة بين معدل تطور البروتين وهيكل العنصر المضمن فيه. تم العثور على حفظ مكون الحافز أعلى بعشرات إلى آلاف المرات مما كان متوقعًا بشكل عشوائي ، مما يشير إلى الحفاظ على مكونات الحافز. تم العثور على الزخارف التي تمثل وحدة وظيفية صغيرة أو رسم بياني فرعي في شبكة باستخدام برامج مختلفة مثل M-finder (http://www.weizmann.ac.il/mcb/Uri Alon / groupNetworkMotifSW.htm) ، MODIS ، FANMOD (http: //theinf1.informatik.uni-jena.dewernicke/motifs/index.htm) ، MAVisto (http://mavisto.ipk-gatersleben.de) iGRAPH: (https://cran.r-project.org/package= igraph) و HOMER و amp Motif-X وما إلى ذلك ، تُستخدم أيضًا أدوات عبر الإنترنت مثل مجموعة Amadeus و Web Motif و MEME للغرض نفسه.

مراجع:

1. يو ألون ، Network Motif: النظرية والنهج التجريبية ، Nature Reviews Genetics 8، 450-461، (June 2007) doi: 10.1038

2. Wuchty S وآخرون. (2003) الحفظ التطوري لمكونات الحافز في شبكة تفاعل بروتين الخميرة. نات جينيه 35 (2): 176-92.


نتائج

تحدث بعض أنواع FFL في كثير من الأحيان أكثر من غيرها في الإشريكية القولونية والخميرة. عددنا مظاهر كل نوع من أنواع FFL في قواعد بيانات بكتريا قولونية (6) و S. cerevisiae (11) تفاعلات النسخ (الجدولان 1 و 2). معا بكتريا قولونية والخميرة ، وجدنا أن FFL المتماسك من النوع 1 ، الذي يحتوي على ثلاثة تفاعلات تنشيط ، هو إلى حد بعيد التكوين المتماسك الأكثر شيوعًا. تعتبر FFLs غير المتماسكة أكثر شيوعًا في الخميرة منها في بكتريا قولونية. في كل من الكائنات الحية ، يعد النوع الأول من FFL غير المتماسك ، والذي يقوم فيه X بتنشيط القامع لـ Z ، هو التكوين غير المتماسك الأكثر شيوعًا. التكوين التالي الأكثر شيوعًا في الخميرة هو النوع 2 ، وهو أكثر وفرة إلى حد ما من النوعين 3 و 4.

تم تنظيم بقية المقال على النحو التالي. نقوم بتحليل سلوك الأنواع الثمانية من FFL باستخدام المعادلات الحركية لمستويات البروتين (انظر المواد والأساليب). من أجل التبسيط ، نفترض أولاً أن X و Y يعملان بطريقة AND-gate لتنظيم Z ثم نناقش لاحقًا حالة بوابة OR. نبدأ بأنواع FFL المتماسكة الأربعة ونناقش حالتها المستقرة وسلوكها الحركي. ثم نقوم بتحليل FFLs الأربعة غير المتماسكة. تم تلخيص النتائج في الجدول 3.

سلوك الحالة المستقرة لـ FFL المتماسك مع AND-Gate: فقط النوعان 1 و 2 يستجيبان لـ Sy.يسرد الجدول 1 سلوك الحالة المستقرة لأربعة FFLs المتماسكة كدالة لمحفزات الإدخال اثنين ، Sx و Sy. يتم تقييم الحالة المستقرة لـ Z لجميع المجموعات الأربع من Sx = <1 ، 0> و Sy = <1 ، 0> ، حيث 1 تعني تحفيز التشبع. نجد أن النوعين 1 و 2 فقط من FFL المتماسك (مع تنظيم AND-gate) يستجيبان بقوة لكل من مدخلات Sx و Sy (الجدول 1). النوعان 3 و 4 يستجيبان لـ Sx ولكن ليس لـ Sy. لفهم هذا ، ضع في اعتبارك النوع 4 المتماسك FFL. هنا ، ينشط X Z مباشرة ويقمع أيضًا مثبط Z. لا يمكن التعبير عن Z إلا عندما يكون Sx موجودًا ، لأنه يتطلب X نشطًا. ومع ذلك ، عندما يكون Sx موجودًا ، يعمل X على قمع Y. ونتيجة لذلك ، فإن البروتين Y هو لا يتم التعبير عنه بشكل كبير وبالتالي لا يمكن التفاعل مع Sy للتأثير على Z. عند غياب Sx ، لا يمكن التعبير عن Z لأن المنشط X غير نشط ، وعلى الرغم من وجود البروتين Y ، فإن Sy ليس له أي تأثير على Z. وبالتالي ، ليس لـ Sy أي تأثير على Z إما في وجود أو عدم وجود Sx. في المقابل ، في النوع الأول المتماسك من FFL X ينشط Y ، وبالتالي يتم التعبير عن البروتين Y عندما يكون Sx موجودًا ويمكن أن يتفاعل مع Sy لتعديل تعبير Z.

حركيات FFL المتماسكة: تعمل جميع الأنواع كعناصر تأخير حساسة للإشارات. نحن الآن نعتبر الاستجابة الحركية لـ Z للإضافة الشبيهة بالخطوة للمحفز Sx ، في وجود Sy. في النوع الأول من FFL المتماسك (مع تنظيم البوابة AND) ، على سبيل المثال ، عند إضافة خطوة لـ Sx ، يبدأ التعبير Z فقط عندما يتراكم المنشط Y إلى تركيز كافٍ ويتخطى عتبة التنشيط لـ Z (الشكل 2).اليسار). تتميز سرعة الاستجابة بوقت الاستجابة ، الوقت الذي يستغرقه Z للوصول إلى نصف مستوى الحالة المستقرة (17 ، 22). يكون وقت الاستجابة بعد خطوة من Sx أطول في FFL المتماسك مقارنة بتصميم تنظيم بسيط مطابق (الشكل 1).ب) التي لها نفس مستويات Z ذات الحالة المستقرة (الشكل 2 ، قارن المنحنيات السميكة والمتوسطة بالمنحنيات الرقيقة). يمكن ضبط حجم التأخير من خلال العلاقات بين أربع معلمات كيميائية حيوية: عمر Y ، وعمر Z ، والعتبة كyz، والمستوى الأساسي Y (الشكل 2).

حركية النوع المتماسك 1 (اليسار) واكتب 4 (حق) FFLs مع منطق تنظيمي AND ، استجابة لخطوات التشغيل والإيقاف لـ Sx. لاحظ أن الاستجابة المتأخرة لخطوات FFLs (خطوط سميكة ومتوسطة) مقارنة بنظام بسيط مطابق (خط رفيع). لاحظ أن FFLs يمكن أن تتصرف كتنظيم بسيط لمجالات المعلمات غير الوظيفية (انظر المواد والأساليب). معلمات المحاكاة: كxz = كس ص = 0.1 للنوع 1 ، كyz = <0.5، 5> للنوع 4 ، كyz = <0.6 ، 0.3> كل الآخرين كما هو مذكور في المواد والأساليب.

يعتبر التأخير في الاستجابة حساسًا للإشارة: تأخر الرد على الخطوات ، لكن الاستجابة لخطوات إيقاف Sx لا تتأخر (الشكل 2). نحن نطلق على هذا السلوك التأخير الحساس للإشارة. يتم تنفيذه بواسطة جميع الأنواع الأربعة من FFLs المتماسكة. لقد عكست FFLs المتماسكة من النوع 2 و 3 حساسية الإشارة: تأخر الاستجابة للإيقاف ، ولكن ليس عند الخطوات. تم تلخيص استجابة التأخير في الجدول 1.

سلوك الحالة المستقرة لـ AND-Gate Incoherent FFL مع عدم وجود نشاط أساسي: فقط النوعان 1 و 2 يستجيبان لـ Sy. كما في حالة FFLs المتماسكة من AND-gate ، نجد أن النوع 1 و 2 فقط من FFLs غير المتماسكين مع تنظيم AND-gate Z قادران على الاستجابة في حالة ثابتة لكل من محفزات المدخلات الخاصة بهم ، Sx و Sy. النوعان 3 و 4 لهما حالة ثابتة ثابتة لا تعتمد على قيم Sx أو Sy (الجدول 2).

حركية FFL غير المتماسك مع عدم وجود نشاط أساسي: فقط النوعان 3 و 4 هما نبضان جيدان. نحن الآن نعتبر الاستجابة الحركية لـ FFL غير المتماسكة لخطوات Sx ، في الحالة القصوى حيث يؤدي تعديل Y بواسطة X إلى تأثير قوي على Z. في هذه الحالة ، يعمل FFL غير المتماسك كنبض. على سبيل المثال ، في النوع 4 غير المتماسك من FFL ، عندما يتم تشغيل Sx ، يتم تحفيز Z أولاً من خلال العمل المشترك لـ X و Y. وفي الوقت نفسه ، يتم قمع إنتاج Y بواسطة X وتنخفض مستوياته ، حتى يبدأ إنتاج Z في الانخفاض. وهكذا ، في النوع 4 على خطوة من Sx ، في وجود Sy ، ترتفع مستويات Z أولاً ثم تنخفض (الشكل 3).حق). سيناريو مماثل ينطبق على النوع 3. نجد أن FFLs غير المتماسكة من النوع 1 و 2 (مع تنظيم AND البوابة Z) هي بشكل عام نبضات ضعيفة (الجدول 2 والشكل 3).أ). سعة النبضة أصغر بكثير من المستوى الأقصى الذي يمكن أن تصل إليه الدائرة (يتم الوصول إلى المستوى الأقصى في حالة عدم وجود Sy ، الشكل. 3أسفل اليسار). نجد أن FFLs غير المتماسكة من النوع 1 و 2 هي نبضات ضعيفة لجميع قيم المعلمات. في المقابل ، يعتبر النوعان 3 و 4 نبضات جيدة: بالنسبة لبعض المعلمات البيوكيميائية ، تصل النبضة إلى سعة عالية بالنسبة لاستجابة الدائرة القصوى (الجدول 2 والشكل 3).حق). يحدث النبض في حالة عدم وجود Sy في حالة النوع 3 و 4 FFLs. وبالتالي فإن Sy هي إشارة تمكين يمكن استخدامها للسماح بالنبض أو منعه (الشكل 3حق).

حركية النوع 1 غير المتماسك (اليسار) واكتب 4 (حق) FFLs مع المنطق التنظيمي AND وعدم وجود نشاط أساسي لـ Y ، استجابة لخطوات التشغيل والإيقاف لـ Sx. لاحظ أن النوع 4 FFLs يمكن أن ينتج نبضًا قويًا يتم تمكينه بواسطة Sy. يمكن أن ينتج النوع 1 نبضًا ضعيفًا فقط عندما يكون Sy = 1 ، وتضيع طبيعة الاستجابة الشبيهة بالنبض عندما يكون Sy = 0. معلمات المحاكاة: كxz = كس ص = 0.1 للنوع 1 ، كyz = <0.01 ، 0.1 ، 0.3> للنوع 4 ، كyz = <1 ، 0.3 ، 0.1> (خطوط سميكة ، متوسطة ، رفيعة) كل الآخرين كما هو مذكور في المواد والأساليب.

حركية FFL غير المتماسك مع النشاط الأساسي Y: جميع الأنواع الأربعة عبارة عن مسرعات حساسة للإشارة. نحن نعتبر الآن FFL غير المتماسك حيث لا يكتمل التأثير على Z بالمسار غير المباشر عبر Y. في النوع 1 غير المتماسك FFL-AND ، على سبيل المثال ، عند إضافة خطوة لـ Sx ، يرتفع التعبير Z أولاً ، ثم عندما تتراكم مستويات Y ، ينخفض ​​التعبير Z إلى مستوى غير صفري (الشكل 4).اليسار).

حركية النوع 1 غير المتماسك (اليسار) واكتب 4 (حق) FFLs مع نشاط Y الأساسي والمنطق التنظيمي AND ، استجابة لخطوات التشغيل والإيقاف لـ Sx. لاحظ أن استجابة FFL للخطوات (خطوط سميكة ومتوسطة) أسرع من استجابة نظام بسيط مطابق (خط رفيع). معلمات المحاكاة: للنوع 1 ، كxz = 1, كس ص = 1, كyz = 0.5, بذ = <0.5، 0.3> للنوع 4 ، كxz = 1, كس ص = 0.1, كyz = 0.5, بذ = <0.45، 0.35> كل الآخرين كما هو مذكور في المواد والأساليب.

وجدنا أن وقت استجابة FFL غير المتماسك أصغر من وقت استجابة نظام تنظيم بسيط (الأشكال 1.ب و 4). لإجراء مقارنة مضبوطة رياضيًا (9) ، نقارن بين نظام تنظيم بسيط و FFL لهما نفس التعبير Z للحالة المستقرة عند إضافة Sx (أي مع مروج Z في النوع 1 غير المتماسك FFL أقوى من في تصميم التنظيم البسيط المقابل ، للتعويض عن التأثير القمعي لـ Y على الحالة المستقرة). يتميز تصميم التنظيم البسيط بوقت استجابة يبلغ عمرًا واحدًا (17) للبروتين Z (الشكل 4 ، خط رفيع). وقت استجابة FFL غير المتماسك أقصر (الشكل 4 ، خطوط سميكة ومتوسطة). تحدث الاستجابة المتسارعة لأن Z يرتفع في البداية بسرعة بسبب محفزه القوي نسبيًا ثم يتم إيقافه بواسطة القامع Y. وهكذا ، في الحالات التي تتطلب استجابات سريعة ، فإن FFL غير المتماسك لديه ميزة على التنظيم البسيط بنفس الحالة الثابتة.

تسريع الاستجابة حساس. وجدنا أن جميع الأنواع الأربعة من FFLs غير المتماسكة تظهر تسارعًا حساسًا للإشارة. في النوعين 1 و 4 ، على سبيل المثال ، يتم تسريع الاستجابة لخطوات Sx ، ولكن ليس للخطوات المنفصلة (الشكل 4). يُظهر النوعان 2 و 3 تسارعًا حساسًا للإشارة للإيقاف ولكن ليس على خطوات Sx (الجدول 1).يتم ضبط التسارع والتحكم فيه بواسطة نفس المعلمات التي تتحكم في التأخير في FFLs المتماسكة. على سبيل المثال ، يؤدي تقليل النشاط الأساسي Y إلى تعزيز التسارع.

تتمتع FFLs مع بوابات OR بنفس الوظائف ولكن مع حساسية الإشارة المعكوسة بالنسبة إلى FFLs مع AND-Gates. نظرت المناقشة حتى الآن في FFLs حيث تعمل X و Y كبوابة AND لتنظيم الجين Z. نحن الآن نعتبر تأثير بوابة OR ، حيث يكون X أو Y كافيين للتعبير عن Z. نجد أن FFLs مع يحتوي تنظيم بوابة OR على نفس وظائف التسارع أو التأخير الحساسة للإشارة ، ولكن مع عكس حساسية الإشارة بالنسبة إلى FFLs ذات البوابات AND. على سبيل المثال ، يُظهر النوع 1 المتماسك من FFL مع بوابة OR استجابة متأخرة لخطوات إيقاف Sx واستجابة سريعة للخطوات (الشكل 5 والجدول 1).

حركية النوع 1 المتماسك مع AND (اليسار) و أو (حق) المنطق التنظيمي في Z المروج. لاحظ أن AND FFL قد أخرت الاستجابة للخطوات ، بينما قام OR FFL بتأخير الاستجابة للخطوات التي تم إيقافها. FFL: نظام بسيط للخطوط السميكة والمتوسطة: خط رفيع. معلمات المحاكاة: كxz = 0.1, كس ص = 0.5 لـ AND ، كyz = <0.5،5> لـ OR ، كyz = <0.7،0.3> جميع الآخرين كما هو مذكور في المواد والأساليب.

النبضات غير المتماسكة التي هي نبضات فقيرة مع بوابات AND ، أي النوعين 1 و 2 ، هي نبضات أفضل مع بوابات OR. على العكس من ذلك ، فإن النبضات الجيدة ذات البوابات AND ، من النوع 3 و 4 ، هي نبضات ضعيفة مع بوابات OR. يعتبر سلوك الحالة المستقرة لـ OR-gate FFLs أكثر تعقيدًا من سلوك AND-gate FFLs ، نظرًا لوجود المزيد من حالات التعبير الوسيطة بشكل عام.

فقط النوع 1 المترابط والبوابة FFL يظهر زيادة في التعاون الظاهري. قمنا بفحص تأثير FFL على تعاون تحريض Z كدالة لـ Sx (12) ، سواء من الناحية التحليلية أو باستخدام المحاكاة (الشكل 6). وجدنا أن النوع 1 AND-gate FFL فقط يُظهر زيادة غير مهمة في التعاون الظاهر. يحدث هذا التأثير عند مستويات Sx منخفضة ، حيث يتناسب معامل التل الفعال للنوع 1 و FFL مع حxz + حyzحس ص، أين حاي جاي هو معامل هيل للجين ي بواسطة عامل النسخ أنا. لم تُظهِر أنواع FFL الأخرى ، بما في ذلك النوع 1 المتسق OR-gate FFLs ، أي زيادة كبيرة في التعاون (حتى أن بعض الأنواع تقلل من التعاون الظاهري). نلاحظ أنه من المعروف أن شلالات النسخ البسيطة تزيد من التعاون (23).

التعاون الظاهر لاستجابة Z للحالة المستقرة كدالة لنشاط X. يوضح الرسم البياني ض(x) منحنى الاستجابة للنوع 1 (خط سميك) ، النوع 4 (خط رفيع) FFLs ، ونظام تنظيم بسيط (○) ، من أجل حzx = حyx = حزي = 2. معلمات المحاكاة: αأنا = 1 ، βأنا = 1, كاي جاي = 1, بأنا = 0. النوع الأول FFL المتماسك (الخط السميك) له تعاون فعال حإف = حxz + حس ص*حyz، أين حاي جاي هو معامل هيل للتفاعل التنظيمي للبروتين j بواسطة البروتين i. أنواع أخرى متماسكة من FFL لها حإف = حzx.


مشكلة البحث عن صورة الشبكة

تتضمن المهام المتضمنة في العثور على أشكال الشبكة عادةً تعريف مفاهيم التردد ، وإنشاء الرسم البياني العشوائي ، وتحديد الأهمية الإحصائية لتكرار الرسم البياني الفرعي وتحديد تماثل الرسم البياني الفرعي ، وما إلى ذلك ، يتبع ذلك بعض التعريفات.

تردد الرسم البياني الفرعي

يشير التردد هنا إلى عدد مطابقات الرسم البياني الفرعي لطلب البحث في الشبكة [27]. تمت مناقشة ثلاثة مفاهيم تردد مختلفة في Schreiber و Schwöbbermeyer [28 ، 29] ، F1, F2 و F3، أين F1 يسمح بالتداخل التعسفي للعقد والحواف بين رسمين بيانيين فرعيين F2 يسمح فقط بتداخل العقدة و F3 لا يسمح بتداخل العقد أو الحواف. يوضح الشكل 2 والشكل 3 والجدول 1 الاختلافات في تردد الرسم البياني الفرعي بناءً على مفاهيم التردد المختلفة.


التنظيم التلقائي كعنصر للشبكة

افترض أن الجين X ينظم نفسه عن طريق التنشيط أو القمع. يتم تمثيل هذا بشكل رمزي كـ للتفعيل و للقمع.

بالعودة إلى معادلة التنظيم ،

هنا نستبدل Y بـ X. كما نستبدل & beta (X) مع F(X) لأن هو رد فعل سريع. نحصل على المعادلة التفاضلية التالية للتنظيم الذاتي ،

حيث نوع وظيفة التل F(X) يعتمد على ما إذا كان رد الفعل أو . نسمي هذا دائرة / شبكة ذاتية التنظيم أو ذاتية التنظيم.

س. لماذا هذا الترتيب مهم في شبكات النسخ؟

لهذا نقدم فكرة "عزر الشبكة".

فكرة الشبكة

خذ شبكة نسخ. حاول أن تكتشف "فكرة".

من خلال العمليات التطورية ، يتم إنشاء أو قتل حواف مختلفة بشكل عشوائي.

س: ما هي الأنماط "الهامة" أو "العرضية"؟

يمكننا إنشاء شبكة عشوائية (Edros-renyi) لنرى كيف تبدو شبكة النسخ التي تم إنشاؤها عشوائيًا

وصفة / خوارزمية لإنشاء شبكة عشوائية

بالنظر إلى العقد N (هنا البروتينات / الجينات) والحواف E (ستكون E هي رقم الحواف في الشبكة) ،

2) اختر عقدة أخرى بشكل عشوائي.

3) ضع حافة من العقدة الأولى إلى الثانية.

4) كرر العملية E مرات.

ضع في اعتبارك احتمال وجود ميزة ذاتية ،

(تحتوي العقدة على عدد N من الخيارات للاختيار من بينها)

متوسط ​​عدد العقد الذاتية للحواف الإلكترونية

الانحراف المعياري (افترض توزيع بواسون)

مثال: For ن = 424 ، مو = 1.2

في هذه الحالة ، الحواف الذاتية المتوقعة = 0 ، 1 ، 2

لكن دعونا نفكر في شبكة E.Coli حقيقية بنفس عدد العقد والحواف ،

لذلك ، يجب أن يكون هناك سبب لأن الطبيعة تحافظ على التنظيم التلقائي في شبكات النسخ. تسمى الأنماط مثل التنظيم الذاتي التي يصعب تفسيرها على أنها "حوادث تطورية" "بزخارف الشبكة". أمثلة على أشكال الشبكة الأخرى:

2) حلقتان لتعليقات العقدة.

هناك العديد من أشكال الشبكة (انظر المرجع). يمكن أيضًا اكتشاف الزخارف في أنواع أخرى من الشبكات.


التنظيم الذاتي والتغذية الراجعة والثبات

قم بتنزيل الفيديو من iTunes U أو Internet Archive.

وصف: في هذه المحاضرة ، يواصل البروفيسور جيف جور مناقشته للتعبير الجيني ، هذه المرة مع التركيز على التنظيم الذاتي (عندما ينظم الجين تعبيره الخاص). يبدأ بمناقشة فكرة الشبكة ، ثم ينتقل إلى التنظيم الذاتي السلبي والإيجابي.

معلم: البروفيسور جيف جور

مقدمة عن الفصل أ.

وظيفة الإدخال ، Michaelis-M.

التنظيم الذاتي والملاحظات و.

البيولوجيا التركيبية و Stabi.

الشبكات الوراثية التذبذبية

خصائص الرسم البياني من Transcr.

شبكة حلقة التغذية الأمامية M.

مقدمة لمؤشر ستوكاستيك.

أسباب ونتائج.

الحياة في رقم رينولدز المنخفض

المتانة والبكتيريا الفصل.

المتانة في التنمية أ.

تجربة التطور الجرثومي.

التطور في عدد السكان المحدود.

التدخل النسيلي و.

مناظر طبيعية للياقة البدنية.

البقاء على قيد الحياة في التقلبات البيئية.

الطفيليات ، تطور.

استقرار النظام البيئي ، ناقد.

ديناميات السكان في.

النظرية المحايدة في علم البيئة

يتم توفير المحتوى التالي بموجب ترخيص المشاع الإبداعي. سيساعد دعمك MIT OpenCourseWare على الاستمرار في تقديم موارد تعليمية عالية الجودة مجانًا. لتقديم تبرع أو عرض مواد إضافية من مئات دورات معهد ماساتشوستس للتكنولوجيا ، قم بزيارة MIT OpenCourseWare على ocw.mit.edu.

البروفيسور: إذن ما سنفعله اليوم هو أننا نريد التحدث عن فكرة التنظيم الذاتي ، فماذا يحدث عندما ينظم الجين تعبيره الخاص. وأعتقد أن هذا موضوع لطيف حقًا لأنه يلخص بالفعل العديد من الموضوعات الكبيرة التي سنراها طوال الفصل الدراسي.

لذلك أولاً ، هناك فكرة عن فكرة الشبكة. إذن هذا الحافز ، هو أبسط فكرة ممكنة حيث ينظم الجين نفسه. يحدث بشكل متكرر أكثر مما تتوقعه بالصدفة. سنشرح ما نعنيه بذلك. ومن ثم ربما يكون التفسير التطوري هو أن هذا الشيء قد يكون مفيدًا بطريقة أو بأخرى.

الآن ، هناك نوعان أساسيان من التنظيم الذاتي السلبي ، أو معذرة ، نوعان أساسيان من التنظيم الذاتي. هناك سلبي وإيجابي. يعني السلبي جدًا أن هذا البروتين يقمع تعبيره. يعني التنظيم الذاتي الإيجابي أنه ينشط أو ينظم تعبيره الخاص. إذن هنا يوجد تنظيم ذاتي إيجابي. وهذه الأشياء لها أغراض محتملة مختلفة للغاية.

حسنًا ، سنرى أن هناك شيئين أساسيين قد يفعلهما التنظيم الذاتي السلبي بالنسبة لنا. الأول هو أنه يسرع في الوقت المحدد بالنسبة إلى عدم التنظيم البسيط. لكن الشيء الآخر مثير للاهتمام نوعًا ما ، وهو أن تركيز البروتين قوي إلى حد ما. والقوي يعني أنه غير حساس نسبيًا أو غير حساس لشيء ما. وعلى وجه الخصوص ، هذا يعني أن تركيز البروتين قوي ليقول التقلبات في معدل الإنتاج.

في سياقات مختلفة ، سنرى كيف أن القوة هدف مهم ، قد يكون لخلية معينة. وأنك ترغب في أن يكون تركيز هذا البروتين قويًا لمجموعة واسعة من الأشياء. لكن في هذه الحالة ، في أي وقت تتحدث فيه عن القوة ، عليك أن تقول حسنًا ، إنها قوية. ما هو الصمود ضد ماذا؟ في هذه الحالة ، يكون تركيز البروتين قويًا ، والتقلبات في معدل الإنتاج.

الآن ، التنظيم الذاتي الإيجابي ، من ناحية أخرى ، في بعض النواحي يجعل هذين الأمرين أسوأ. سنناقش ما نعنيه بذلك. لكنها ربما تؤدي بعض الوظائف الأخرى. على وجه الخصوص ، يسمح بإمكانية الثبات ، وبالتالي الذاكرة. وسنشرح كيف تظهر الذاكرة في هذه العملية.

لكن قبل أن ندخل في التنظيم الذاتي ، أريد فقط إجراء مراجعة سريعة لهذا الشيء حول الحصول على الحدس أو ربط المنشطات ، على سبيل المثال ، بالمروج. ولكن أيضًا كيف يمكننا استخدام هذا الشيء حول العزل من أجل توليد ما نسميه هذه الاستجابة فائقة الحساسية.

الآن ، عندما نتحدث عن هذا ، غالبًا ما نفكر في سؤال نود أن يكون معدل التعبير عن بعض الجينات حساسًا أو شديد الحساسية لتركيز شيء ما. لذا ، إذا قمت بتفعيل x ، فإن ما قد يعجبك ، في كثير من الحالات ، هو أن تكون هناك استجابة رقمية بشكل أساسي ، حيث إذا كنت تفكر في معدل إنتاج y كدالة لهذا الإدخال x ، فقد تعجبك أن تكون حادًا جدًا ، أن تكون بشكل أساسي 0. بسرعة للخروج ، ثم التشبع في مستوى ما ، ربما بيتا.

الآن ، السؤال هو كيف يمكنك فعل ذلك؟ أحد الأشياء التي ناقشناها والتي يمكن أن تحصل على شيء من هذا القبيل. هل يتذكر أي شخص ما قد يكون الحل الأساسي؟

الجمهور: التنظيم التعاوني.

البروفيسور: حسن التنظيم التعاوني. لذلك إذا كان لديك ، على سبيل المثال ، tetramer x الذي يعمل بطريقة ما على تنشيط y ، فيمكنك الحصول على شيء يبدو ، ربما ليس بهذا الحدة ، ولكنه أكثر وضوحًا مما تحصل عليه ، وهو Michaelis-Menten البسيط منحنى نوع المظهر إذا كان لديك للتو مونومر واحد من x ينشط y. لذا فإن أحد الحلول هو التعاون بالفعل.

لكني أعتقد أن هناك حلًا آخر مثيرًا للاهتمام وهو هذا - الحل الثاني هو فكرة المعايرة الجزيئية. لقد شرحت نوعاً ما الفكرة الأساسية في نهاية المحاضرة يوم الثلاثاء. ولكن ما نريد فعله بعد ذلك هو محاولة التعرف على المتطلبات التي قد تكون للارتباطات من أجل توليد هذا التأثير. إذن ، ما لدينا هو موقف حيث لدينا ، مرة أخرى ، فقط x هو الذي ينظم y. لكن الأمر أكثر تعقيدًا بعض الشيء ، لأن هذا البروتين x ، بالإضافة إلى ربط المحفز وتفعيل التعبير عن y ، لدينا أيضًا احتمال أن x يمكن أن يرتبط بشيء آخر. على وجه الخصوص ، قد يكون هناك نوع آخر من البروتين ، ربما w ، والذي تم دمجه بشكل عكسي في بعض wx المركب.

الآن ، بالنسبة لبعض المواقف - على وجه الخصوص ، إذا وصفنا هذا بواسطة بعض Kw وهذا بواسطة بعض Kd يمكننا أن نسأل في أي نظام سيولد هذا استجابة فائقة الحساسية ، حيث كدالة للتركيز الكلي لـ x - إذن قد نرغب في تسمية هذا المجموع x ، فقط كن واضحًا. نود أن يكون هناك تعبير ضئيل جدًا عن y ، وأن فجأة نحصل على الحد الأقصى ، إذا أردت ، تعبير y. والسؤال هو ، حسنًا ، ما الذي نحتاجه من حيث KwKd's وما إلى ذلك.

لذلك ستكون هناك ثلاث حالات مختلفة سنلعب بها. قد يكون الأول هو العلاقة بين هذا Kd ، تقارب ارتباط عامل النسخ هذا بالمُحفز ، مقارنةً بـ Kw. سأكتب بعض الخيارات ، لكن كما هو الحال دائمًا ، يجب أن تبدأ في التفكير. لست بحاجة إلى مشاهدتي وأنا أكتب.

لا أعرف مرة أخرى. لذا سأعطيك ذلك. فقط 30 ثانية للتفكير في الأمر. نعم فعلا.

الجمهور: هل Kw هو التفكك ثابت؟ مثل إذا كان التركيز w مضروبًا في التركيز x على--

البروفيسور: حسنًا ، هذا هو الشخص الذي لديه وحدات تركيز. لذا فإن الانخفاض في كلتا الحالتين يتوافق مع ربط أكثر إحكامًا.

سأدعك تفكر ربما لمدة 20 ثانية.

هل تريد المزيد من الوقت؟ ولا بأس إذا لم تكن مقتنعًا بنسبة 100٪ بشيء ما. من المفيد مجرد التخمين ثم يمكننا المناقشة. هل نذهب من أجلها؟ كل شخص لديه أدواتك أمامك؟ حسنًا ، جاهز. ثلاثة اثنان واحد. لذلك لدينا قدر لا بأس به من الخلاف ، في الواقع. أود أن أقول أننا حصلنا على بعض A و B و C. انا لا اعرف. قد يكون هناك حرف أو اثنين D. لماذا لا نتقدم ونلجأ إلى أحد الجيران هناك. يجب أن تكون قادرًا بالتأكيد على العثور على جار يختلف معك. وحاول إقناعهم بأنك--

الجمهور: ما هو السؤال؟

البروفيسور: أوه ، أجل ، آسف. لا ، لا ، حسنًا ، إذن السؤال هو ، ما هي الشروط التي تحتاجها هذه الأشياء من أجل الحصول على استجابة فائقة الحساسية ، حيث يكون معدل الإنتاج هو ماذا؟

البروفيسور: حسنًا ، لماذا لا نمضي قدمًا ونعاود الاجتماع. وربما سأكون مجرد فكرة عن حالة تفكيرك الآن. حسنًا ، مرة أخرى ، السؤال هو ، نريد أن نعرف العلاقة بين كل هذه الارتباطات الملزمة التي يجب أن تكون تركيزات من أجل الحصول على استجابة فائقة الحساسية ، حيث وظيفة المبلغ الإجمالي لـ x - تضيف x. في البداية ، لا تحصل على الكثير من أي تعبير عن y ، ولكن فجأة ، تحصل على الكثير. أولاً ، نريد معرفة العلاقة بين Kd و Kw. دعنا نمضي قدما ونصوت. مستعد؟ ثلاثة اثنان واحد.

انا اسف. ما زلنا في هذا. لذا نعم ، يمكنك تجاهل هذه. كل ما في الأمر أن الكتابة تستغرق وقتًا. لذلك أردت الاستفادة من مناقشتك. ما زلنا في هذا. هل تفهمون يا رفاق ما أحاول أن أسأله؟ حسنًا ، حسنًا ، جاهز. ثلاثة اثنان واحد. حسنًا ، سأقوم بتغطية هذا حتى لا يشعر أحد بالارتباك.

حسنًا ، لدينا جيب عادل من C ظهر هناك ، ولكن بعد ذلك بعض التوزيعات الأخرى. لذلك لدينا بعض النقاش هنا. لذلك ربما يمكن لأي شخص أن يقدم رؤيته؟

ما رأي جارك؟

الجمهور: اعتقد جاري أنه في البداية ، يجب أن يكون هناك ارتباط بين x والجين. لذلك يجب أن ترتبط x بشكل متساوٍ مع w. لهذا السبب يجب أن يكون Kw--

البروفيسور: حسنًا ، أنت تجادل بأنك تريد أن يكون Kw أصغر بكثير من Kd هنا. لأنك عندما تضيف x ، فأنت تريد في البداية أن يتم عزلهم جميعًا بواسطة الجزيء w. هل هذا جيد؟ لذا إذا اعتقد جار شخص ما أنه يجب أن يكون "ب" بدلاً من ذلك ، فهل تريد عرض حجته؟ جيران الجميع مقتنعون الآن بأن C هي -

لذلك أنا ذاهب إلى جانب ذلك. لذا فإن الفكرة هنا هي أن ما تريده حقًا هو - مبدأ هذا هو أن Kw مثالي ، ثم هذا يتوافق مع الانتقال إلى 0. ثم هذا يعني أنك إذا قمت برسم x الحر كدالة في إجمالي x ، إذن ما الذي يبدأ إذا كان Kw هو 0؟ 0 ، أليس كذلك؟ وعند التفكير في تركيز x المجاني ، هل يتعين علينا التفكير أو القلق بشأن مقدار x الذي يعود إلى المروج؟ لا ، سنقول أنه طالما كان لديك أي تركيز معقول لـ x ، فإن ذلك x الذي يرتبط بهذا المحفز ، يربط ذلك الحمض النووي ، لن يؤثر على تركيز x الحر.

لذا فعلينا فقط أن نقلق بشأن مدى ارتباطه بـ w. إذن ستكون 0. وهذا في حدود Kw التي ستذهب إلى 0. لذا متى يبدأ شيء ما بالحدوث؟

الجمهور: 1x هو تركيز w.

البروفيسور: حسنًا ، هذا عندما تحصل على n. وهل هو تركيز w ، أم أنه - ربما يمكننا أن نكون أكثر دقة قليلاً؟ ماذا أكتب هنا في الواقع؟ هل يجب أن أكتب w فقط ، أم يجب أن أكتب - إجمالي ، صحيح. لأن w المجاني يتغير طوال الوقت. وبالفعل ، عند اقترابك من هنا ، يذهب w المجاني إلى--

الأستاذ: 0 صحيح. إذن هنا ، w الحر يساوي wt. ولكن بعد ذلك يتناقص خطيًا حتى تصل إلى هنا. والآن ، لا يوجد برنامج w. وفي تلك المرحلة ، سترتفع x المجانية بميل ماذا؟ 1 ، أليس كذلك؟ صحيح بالضبط. كل x الذي تضيفه يتحول إلى x حر ، لذلك يرتفع هذا مع الميل 1.

إذن هذه هي الفكرة من وراء هذه الآلية. ما أرسمه هو حالة العزل التام. وفي هذه الحالة ، ما يحدث هو ، إذا نظرت إلى معدل إنتاج y ، فإنها دالة مرة أخرى في مجموع x. ما هو معدل الإنتاج هنا؟ 0. حتى تصل إلى هذا الوزن ، ثم ستظهر. وكيف ستحدث؟ هل يصل على الفور إلى الحد الأقصى؟ لا ، إذن ما الذي يحدد مدى سرعة حدوث ذلك؟

الجمهور: تركيز x المجاني.

الأستاذ: تركيز x المجاني. ونحن نعلم بالفعل تركيز x الحر هنا الآن.

البروفيسور: حسنًا ، إذن فهو Kd للتجليد. لذلك سيكون هذا بعضًا - لذا هذا مرة أخرى يبدو نوعًا من منحنى Michaelis-Menten ، حيث سيكون نصف الحد الأقصى هنا هو هذا الوزن بالإضافة إلى Kd.

حسنًا ، هناك شعور بأن هذا حساس للغاية ، لأنه في البداية لا تحصل على الكثير من أي تعبير ، ثم فجأة تبدأ في الحصول على مبالغ كبيرة.

هل هناك أي أسئلة حول الأساسي - الحدس هنا؟ ما زلنا نعود ونفكر بعناية أكبر ، نوعا ما كميا ، حول ما تعنيه هذه الآلية للمقارنات الأخرى؟ لكن على الأقل ، بناءً على فكرة الموقف المثالي ، حيث يكتمل عزل w مع x ، فهذه هي فكرة ما يحدث. هل هو واضح الآن؟ نعم.

الجمهور: ما هو اتجاه Kw في هذه الحالة؟ هل هذا--

الأستاذ: في ما أرسم هنا؟

الجمهور: ما رسمته هناك.

الأستاذ: هذا؟ أوه ، حسنًا ، إذن تعريف kw سيكون ذلك kw - وهذا تعريف. يحتوي على وحدات تركيز ، وهذا يعني أننا يجب أن نضع - هذا حفظًا لـ w ، تركيز x ، تركيز wx.

الأستاذ: هل من أسئلة أخرى حول هذا؟ نعم.

الجمهور: لماذا يذهب التدفق إلى x 1 مجانًا ، لأنه لا يرتبط x المجاني الآن بالجين؟

البروفيسور: حسنًا ، حسنًا ، هذا ما قلناه هو أن هناك نسخة واحدة فقط من هذا الجين. إذاً بالنظر إلى أنه قد يكون هناك - في هذه الحالة ، قد يكون هذا 1000 من هذه البروتينات ، ومن ثم فهو ليس مهمًا - نعم ، في الخلف؟

الجمهور: لذلك كلما كان لديك k ، هل لديك تركيز دائمًا؟

البروفيسور: حسنًا ، لذلك في هذا الفصل كلما أمكن ذلك ، على الأقل في المحاضرات ، سنحاول دائمًا التمسك بثابت التفكك ، وهو الشخص الذي لديه وحدات تركيز. يمكنك أيضًا التحدث عن ثابت الارتباط ، ثم يستخدمون k أيضًا لذلك. مربكة بشكل فظيع ، أليس كذلك؟ لذا كلما أمكن ، سأشير إلى ثابت التفكك.

الجمهور: هل هذا مكتوب بحرف صغير k أم حرف K كبير؟

البروفيسور: أوه ، هذا صحيح. لا ، إنه لأمر جيد أن تكون Ks كبيرة جدًا بحيث لا يوجد مصدر محتمل للارتباك هناك. نعم فعلا. ولكن إذا كنت مرتبكًا من أي وقت مضى بشأن أي K أو ما أشير إليه ، فيرجى السؤال فقط. حسنًا ، أي أسئلة أخرى حول الآلية الأساسية؟ نعم.

الجمهور: فقط صحيح. لذا إذا أخذنا الحد الآخر لـ Kd إلى 0 ، فهل سيكون هو نفسه - إذن x مقابل إجمالي x ، هل سيكون نفس الميل ، ولكن بدءًا من 0 يجب أن يتبقى؟

البروفيسور: أوه ، حسنًا. يذهب الحد الآخر لـ Kd إلى 0. نعم ، هذه نقطة مثيرة للاهتمام. حسنًا ، أعتقد أن هذه الحبكة مستقلة عن Kd ، لأن الارتباط بهذا المحفز لا يؤثر على التركيز الحر لـ x على أي حال ، أليس كذلك؟ إنه يؤثر على هذا ، على الرغم من ذلك ، لأنه إذا أصبح Kd أصغر وأصغر ، فإن هذا المنحنى في الواقع يصبح أكثر وأكثر حدة. هل هذا الجواب على سؤالك؟

الجمهور: أليس هذا أكثر حساسية إذا كان المنحنى أعمق؟

البروفيسور: حسنا ، حسنا ، حسنا. نعم ، حسنًا ، هذه نقطة جيدة. لكنك الآن تأخذ حدين للأشياء من الصفر ، لذلك علينا أن نكون حذرين بعض الشيء ، لأنه ربما لا يزال يعتمد على العلاقة بين هذين الأمرين عندما يذهبان إلى الصفر. لا ، هذا عادل. لكن الفكرة هي أنه إذا كنت في هذا الحد الآخر ، فحينئذٍ ينتهي بك الأمر إلى عدم وجود عزل كبير بمعنى أنه عندما تبدأ في إضافة x ، فإنك تبدأ في التعبير عن هذا البروتين في وقت مبكر. وهكذا فإن الآلية بأكملها لا تعمل. لذلك من الصحيح أن هذا الشيء شديد الانحدار من حيث المبدأ ، لكن لم يتم منعه من البداية. لأنه في اللحظة التي تبدأ فيها إضافة x ، تبدأ في الحصول على تعبير من الجين. أسئلة أخرى حول ذلك؟

دعنا نجرب هذا التالي. الآن ، هذا سؤال لـ K - لذا فهذه هي ألفة ربط x بهذا العازل مقارنة بالمقدار الإجمالي لذلك w. حسنًا ، ما هو الشرط الذي سيكون هناك؟ لذا سنمضي قدمًا ونمنحك 30 ثانية لـ--

الجمهور: معذرةً ، لكن أليس لدينا بالفعل ما نريده؟ ما هو السؤال الأكثر تحديدًا؟

البروفيسور: حسنًا ، حسنًا ، هنا ، هذه هي الحالة حيث ذهب w إلى الصفر. آسف ، ذهب Kw إلى 0. أليس كذلك؟ وبالفعل ، هذا يعمل. والسؤال هو ، بشكل عام - لن يكون Kw في الواقع مساويًا للصفر. وقد يكون مناسبًا لهذا السؤال حتى الآن. نعم ، لأنه من بعض النواحي ، هذه هي النسخة المثالية ، وأي شيء حقيقي سيكون له فقط بعض الأرقام لهذه الأشياء. السؤال هو ، هل ستنجح هذه الأرقام.

هل تريد المزيد من الوقت؟ دعنا نمضي قدمًا ونقدم أفضل تخمين لدينا. للحصول على استجابة فائقة الحساسية لـ y لتركيز x ، ما الذي تحتاجه هنا؟ حسنًا ، جاهز. ثلاثة اثنان واحد. لذلك حصلنا على بعض A ، وبعض B ، وبعض D. C لا تحظى بشعبية كبيرة. حسنًا ، لذلك يبدو - حسنًا ، لماذا لا نمضي قدمًا ونقضي 30 ثانية؟ اقلب جارك. يجب أن تكون قادرًا على العثور على شخص يختلف معك.

البروفيسور: حسنًا ، لماذا لا نمضي قدمًا ونجتمع مرة أخرى ، ويمكنك إعطاء حجتك للمجموعة؟ حسنًا ، هل يريد أحد أن يتطوع بشرح؟ نعم.

الجمهور: لم يتح لي الوقت لاختبار هذا التفسير.

البروفيسور: هذا جيد. حسنًا ، سيقدر جارك ذلك.

الجمهور: لذلك كنت أفكر في أن المقياس الزمني لهذا المحور على الرسم البياني الثاني يتم تعيينه من خلال مدى سرعة ارتفاع هذا المنحدر ، ومنحدر الانحناء؟

الأستاذ: حسنا. لذلك أنا قلق قليلاً بشأن مقياس الوقت.

الجمهور: عذرًا ، مقياس التركيز.

الجمهور: يتم تعيينه حسب سرعة ارتفاع المنحنى الثاني ، لذلك بمجرد أن تتجاوز الصفر. هذه هي الميزة الوحيدة في هذا الرسم البياني. ويجب أن يكون ذلك في منحنى Michaelis-Menten الذي يحدده K.

الجمهور: أوه ، K of the Kd.

البروفيسور: حسنًا ، حسنًا ، لذلك أعتقد أنني أحب كل ما تقوله ، على الرغم من أنني أعتقد أنك على وشك الإجابة على السؤال التالي ، على الرغم من أن الإجابة التالية ، على ما أعتقد ، هي الأصعب من بعض النواحي ، لذا فأنت جاهز.

الجمهور: حسنًا ، والذي قررنا أنه يجب أن يكون أكثر بكثير من Kw.

البروفيسور: حسنًا ، لذلك نحن نعلم أن Kd يجب أن تكون أكثر بكثير من Kw.

الجمهور: وأعتقد أن هذا يجب أن يكون مبلغًا مناسبًا أقل من - عذرًا ، لذلك أعتقد أن Kd يجب أن يكون مبلغًا مناسبًا أصغر من W2.

الأستاذ: حسنًا ، لذلك تعتقد أن Kd يجب أن يكون مبلغًا مناسبًا أصغر من W2. حسنًا ، أنت تجيب حقًا على السؤال التالي.

الجمهور: لكن لا ، أعتقد أن هذا مهم.

البروفيسور: أوه ، لا ، أوافق على أنه مهم. لكن--

الجمهور: بشكل أساسي ، إذا سمحت للوزن أن يصبح صغيرًا جدًا ، فإنه يقارن بكل شيء آخر ، كل الكميات ذات الصلة ، فإن هذه الميزة ، التي تحدد حقًا نقاط القوة المفرطة في الحساسية لها جانب صفري. هذا ما أردت قوله.

الأستاذ: حسنا ، أجل. أنا أحب هذا التفسير كثيرا. وبما أننا وضعناه على شريط ، يمكننا الآن تشغيله مرة أخرى في غضون بضع دقائق وبعد ذلك - أعتقد أنك تقدم جدالًا لطيفًا للغاية ، وفي الواقع ، سنمضي قدمًا وحتى--

لا أحد يريد أن يجادل. نعم. لذا فإن ما يجادل به هو أن ما - لذا فهو في الواقع يجادل بأنه هذا هنا ، وهو ما يحدد المقياس الذي يزداد به هذا الشيء هو Kd. وتريد أن يظهر هذا الشيء بسرعة بالنسبة لهذا المقياس الآخر ، وهو إجمالي w. لذا إذا كان إجمالي w صغيرًا جدًا هنا ، فلن يكون الأمر كما لو كنت تحصل على أي استجابة فائقة الحساسية ، لأنك تريد أن تكون منخفضة ومنخفضة ومن ثم تأتي سريعًا نوعًا ما. لذلك هناك شعور بأنك تريد أن يكون هذا المقياس بترتيب هذا المقياس أو ربما يكون أقصر قليلاً. هل هذا - وأنا أوافق على أن هذا في الواقع هو الذي يولد الكثير من الجدل والنقاش بشكل عام ، لأنني أعتقد أن الأشخاص العقلاء يمكن أن يختلفوا. أعتقد أن هذا في الواقع - سأقف إلى جانبكم في هذا الأمر. لكن ماذا عن هذا ، لأنك لم تقل شيئًا عن KW.

الحضور أعتقد أن الجمع بين واحد وثلاثة.

الجمهور: لهذا السبب كنت أحاول الإجابة -

الأستاذ: حسنا ، لا. حسنًا ، عادل. لكنها مجرد قفزات منطقية كثيرة جدًا. أعتقد أنه صحيح. وهناك سبب لرتبتي للأسئلة بهذه الطريقة ، لذلك هذا هو السؤال الذي يمكنك - وإلا ، فأنا أوافق على أنه إذا جمعت هذه الأشياء ، فستحصل - وأي واحد تحصل عليه؟

الأستاذ: هل هذا ما حصل عليه الآخرون؟ حسنًا ، أوافق على أنه يمكنك في الواقع الوصول إلى A هنا من مزيج C و B هنا. لكنها جنونية بعض الشيء. هل هناك تفسير مباشر أكثر يمكننا الحصول عليه؟ هيا الى الامام.

الجمهور: حسنًا ، إذا لم يكن لديك الكثير من w ، فإن الارتباط الخاص بك يكون حساسًا للغاية بطريقة ما. ستضيف القليل من x ، وبعد ذلك سيتم استخدام كل الربط ، وستقوم بعمل y على الفور. تريد قدرًا كبيرًا من w حتى تتمكن من امتصاص كمية كبيرة -

البروفيسور: نعم ، ثم ربما في الخلف.

الجمهور: لقد وافقت في الأصل ، ولكن هذا فقط يجعلك تقوم بالتبديل ، كما قالت إيفي ، يمكنك عزل أقل ، لكن هذا لا يزال يمنحك إحساسًا [غير مسموع]. أنت أكثر حساسية للتقلبات إذا كانت لديك قدرة عزل أقل ، لكنها لا تتغير حقًا - لا يزال لديك هذا المفتاح -

الأستاذ: بالتأكيد ، حسنًا. لذلك أعتقد أن هذا في الواقع [غير مسموع] ، لأن هناك طريقتان للحصول على المزيد من هذا الوزن. الأول هو أنه يدفع هذه الحدود إلى اليمين أكثر. لكن الآخر هو أنه يجعله عامل عزل أفضل لأن هناك المزيد من هذه الأشياء التي يجب ربطها. وإذا ذهبت وقمت بإجراء الحسابات ، وأشجعك على القيام بذلك ، فإن ما وجدته في الواقع هو أن تركيز x الحر يُعطى تقريبًا على إجمالي x مقسومًا على wt على Kw. إذن ما تراه هو أن التركيز الحر لـ x-- وهذا موجود في المنطقة. هذا بالنسبة لمجموع x أقل من وربما أقل بكثير من إجمالي w.

لكن الفكرة هي أنه عندما تكون في نظام العزل هذا ، ما نراه هو أن تركيز x سيزداد خطيًا مع إجمالي x. ولكن سيتم قمعه نوعًا ما بهذا المقدار هنا ، حيث تكون هذه النسبة أكبر بكثير من 1. أنت تريد أن تكون أكثر بكثير من 1 ، بالوزن فوق Kw. وهذا يخبرك بمدى جودة هذا الشخص ، هذا w ، لأنك تريد الارتباط بإحكام ويجب أن يكون لديك نوع من ما يكفي لمنع التركيز الحر لـ x من النمو.

الجمهور: إذن هذا ما كنت أفكر فيه أيضًا ، ولكن بعد ذلك كنت أتساءل عما إذا كان هناك الكثير من w ، إذن ألن يرتبط x تمامًا ، ولكن يتم عزله دائمًا؟

البروفيسور: هذه نقطة مهمة للغاية ، وهي أنه يجب أن تكون الخلية قادرة على صنع ما يكفي من x للتغلب على w. إذا كان هناك الكثير من بروتين العزل الذي لا يمكنك حتى تجاوزه ، فلن تكون أبدًا - صحيح أنه قد يكون لديك مفتاح حساس للغاية ، ولكن لا يمكنك الوصول إلى هناك. حسنًا ، هذا مناسب بالتأكيد أيضًا.

حسنًا ، بالمناسبة ، إذا قمت برسم x المجاني كدالة لـ xT على مقياس لوغاريتمي لوغاريتمي ، فإن السؤال هو كيف ستبدو؟ الآن ، نعلم أنه على مقياس خطي ، يبدو شيء من هذا القبيل. لذا إذا كان ذلك على مقياس لوغاريتمي ولوغاريتمي ، فالسؤال هو - ولوغارتم الدخول أمر رائع لأنه يمكنك حقًا الحصول على النطاق الديناميكي الكامل لما يحدث. إذا قمت برسم قيمة x وكان هذا x مجانيًا ، كدالة لـ x في هذا النظام لإجمالي X و x الكبير ، فما الذي سيبدو عليه في النهاية؟

الجمهور: إنه خط مستقيم.

الأستاذ: إنه خط مستقيم. وفي النهاية ، سيكون خطًا مستقيمًا بميله 1 ، في الواقع ، لأنهما مرتبطان ببعضهما البعض خطيًا. الآن ، في النظام المنخفض ، كيف سيبدو أقل بكثير من هذه المنطقة بالوزن؟

الجمهور: يجب أن تحصل أيضًا على خط مستقيم بميل واحد.

الأستاذ: بأي منحدر؟

الجمهور: مع أكثر من 1 [غير مسموع].

البروفيسور: حسنا ، فلماذا يتفق الجميع؟ لا ، لدينا شيء بغيض - صحيح ، إذن ما هو--

الجمهور: سيكون أيضًا منحدرًا 1 ، لكن أقل بقليل.

البروفيسور: حسنا ، صحيح. لذا فهو في الواقع أيضًا منحدر 1 ، لكنه منخفض - هذا أمر خطير. هذا هو السبب في أنني طرحت هذا الأمر ، لأنه من السهل حقًا النظر إلى هذه الأشياء والتفكير في ذلك - نعم ، لأنها لا تزال مرتبطة ببعضها البعض بشكل خطي. لذلك عندما تأخذ السجلات ، فإنها تؤثر فقط على المستوى. لذلك ما زلت تحصل على نفس المنحدر ، لكنه سيكون هنا في مكان ما. وبعد ذلك في هذا النظام ، تحصل على هذا الشيء المتطرف - هذا الشيء حيث يرتفع فجأة.

الشيء الوحيد الذي أشجع الجميع على القيام به هو ، في هذه الأنواع من المشاكل ، من الرائع قضاء بعض الوقت - أوه ، آسف. هذا هو السجل. x سجل مجاني من xT. من المهم حقًا رسم الأشياء بعدة طرق مختلفة ، يدويًا أو بواسطة الكمبيوتر أو كليهما أو غير ذلك ، فقط للتأكد من أنك تتبع ما يحدث. لأنه غالبًا ما تراه وما تعتقده مختلف تمامًا اعتمادًا على ما ترسمه. وتريد أن تكون قادرًا على رؤية مشكلتك من أكبر عدد ممكن من الزوايا المختلفة.

حسنًا ، أعتقد أننا ربما أمضينا الكثير من الوقت في هذا الأمر كما ينبغي. لكن هل هناك أي أسئلة أخرى حول كيفية حدوث ذلك؟ نعم

الجمهور: هل هناك أي تنظيم تلقائي سلبي يمكن أن يستخدم العزل للحصول على مفتاح يشبه التبديل [غير مسموع]؟

البروفيسور: حسنًا ، هذا سؤال مثير للاهتمام ، على الرغم من أننا يجب أن نكون حذرين بشأن - إذا كنت تريد حقًا أن يكون أكثر شبهاً بالتبديل ، فمن المحتمل أن تستخدم التنظيم التلقائي الإيجابي. ولست على علم بحالة تم فيها دمج هذا ، على الرغم من - من المحتمل أن يكون هناك البعض. أنا فقط لا أعرفهم.

سأقوم بتحويل التروس إلى هذا التنظيم الذاتي ، وهو شيء قرأتم عنه للتو. وبدا أن فهمك لها كان راسخًا. لكننا نريد أن نتحرك من خلال هذه الأفكار المختلفة. أولاً ، فكرة فكرة الشبكة. وهذا فقط أبسط مثال على فكرة الشبكة. وهو بسيط للغاية ، ولا نسميه غالبًا فكرة الشبكة. لكن الفكرة هنا هي أن لدينا بعض الشبكات ، وربما تحتوي على عقد N وحواف E. والمثال الذي أعطوه ، والذي قدمه أوري في كتابه ، كان N هو 420 ، و E كان 520. ،

وهناك سؤال أساسي مفاده أنه إذا كان لديك شبكة بها عقد N ثم قمت بتوجيه الحواف - فهذه حواف لها سهم يشير إلى أحد طرفيها. الآن ، في هذه الحالة ، وإذا سمحت بالتوجيه الذاتي ، فكم عدد الحواف الممكنة هناك؟ هل يتذكر أي شخص كيف يبدو هذا؟

الجمهور: أكثر من 20 ممكنًا ، أليس كذلك؟

الجمهور: سيكون هناك أكثر من 20 ممكنًا.

الأستاذ: صحيح ، ولا حتى من حيث العدد الفعلي. فقط من حيث N ، على سبيل المثال.

الجمهور: كلي أم موجه ذاتيًا فقط؟

الأستاذ: إجمالي التوجيه الذاتي. أو آسف ، إجمالي الحواف الموجهة ، العدد الإجمالي للحواف الموجهة الممكنة ، إذا قمنا بتضمين حواف ذاتية ، على ما أعتقد. تربيع N. ويمكنك التفكير في هذا بعدة طرق. واحد هو أنه ، حسنًا ، يمكنك البدء في أي من العقد N. ويمكنك أن تنتهي عند أي من العقد N ، وهذا يعطيك N تربيعًا. حق؟

ولكن هناك طريقة أخرى يمكنك القيام بها - على سبيل المثال ، هذا هو Emacs. إنها NE N تربيع. يمكنك أيضًا التفكير في هذا ، إذا أردت ، فقط - لنقل ، حسنًا ، كما أوضحوا ، هناك نوع من - 1/2 N مضروبة في N ناقص 1 هو العدد الإجمالي للأزواج في الشبكة. وبعد ذلك لكل زوج من الأزواج ، يمكنك الحصول على حافة تشير إلى أي اتجاه ، بحيث تحصل على 2. بالإضافة إلى ذلك ، يمكنك الحصول على N حواف ذاتية ، أليس كذلك؟ الآن ، بالطبع ، هذه مجرد طرق مختلفة لحساب N تربيع. لكن من المفيد التفكير في الأمر بطرق مختلفة للتأكد من أنك مرتاح مع التوليفات الخاصة به. على وجه الخصوص ، لأنه في الأسبوع المقبل أو الأسبوع الذي يليه ، سنتحدث عن أشكال الشبكة بمزيد من التفصيل ، ولا سيما حلقة التغذية الأمامية. ومن ثم علينا أن نتتبع هذه الأنواع من التوافقيات بشكل أفضل.

الطريقة التي يفكر بها أوري في هذا هو أنه يقول ، حسنًا ، حسنًا ، سنقوم باستدعاء هذا النموذج الفارغ لشبكة ، شبكة Erdos-Renyi هذه ، حيث نقول ببساطة أننا سنقوم بتعيين حواف E بشكل عشوائي عبر إيماكس ممكن. لذلك من بين جميع الحواف الممكنة ، سنضع الحواف بشكل عشوائي ثم أقوم بإنشاء بعض الشبكات العشوائية. لذلك هذا هو أساسًا ما نسميه عادةً شبكة عشوائية. وهذا سيسمح لنا بتحديد بعض النماذج الفارغة التي إذا كان كل شيء عشوائيًا ، فيمكننا أن نسأل ، على سبيل المثال ، كم عدد حواف الذات التي نتوقع الحصول عليها؟

حسنًا ، إحدى الطرق لإنشاء هذا النوع من شبكة Erdos-Renyi - نعم.

الجمهور: ولكن كيف تعرف إذا كان لديك نوع آخر من القيود في النظام ، كيف تعرف أن النسخ قد يتطلب في بعض الحالات تنظيمًا ذاتيًا--

الجواب الذي تم تقديمه والذي كان إجابة جيدة هو أن التطور هو الشيء الوحيد الذي يمكنه - إذا وجدت فكرة شبكة لها علاقة بالتطور -

البروفيسور: إذن هذه هي الحجة التي يقدمها أوري ، وربما تقول ربما هذه ليست حجة جيدة. وما تقوله Uri أيضًا ، إذا كنت ترى هذه الشبكات بشكل متكرر أكثر مما تتوقعه بالصدفة - وبالطبع ، يمكنك تحديد ما تقصده بالصدفة - ثم يمكنك أن تقول أوه ، ربما تم اختيارها من أجلها ، تم تطويره. وأعتقد أنه في حالة التنظيم الذاتي هذه ، أعتقد أن النتائج ليست حساسة للغاية. لكنني أعتقد أن هذا السؤال حول ماهية النموذج الفارغ الصحيح ، هو مشكلة حقيقية ، خاصة عندما تتحدث عن بعض هذه الشبكات الأخرى.

وما سنراه في حلقة التغذية إلى الأمام هو أنه عليك أن تقرر - حسنًا ، شيء واحد سنراه هو أن شبكة Erdos-Renyi العشوائية ليست إلى حد كبير وصفًا دقيقًا لشبكات النسخ الحقيقية. ثم يمكنك القول ، حسنًا ، هذا ليس نموذجًا فارغًا جيدًا للاستخدام. ولذا سنمضي بالتأكيد بعض الوقت في التفكير في هذا الأمر.

في سياق شبكة Erdos-Renyi ، على الرغم من ذلك ، تتمثل إحدى الطرق التي يمكنك من خلالها إنشاء هذه الشبكة في أنه لكل من Emacs الممكنة ، وكل من إجمالي عدد الحواف هذا ، هناك بعض الاحتمالات بأنك ستضع فعليًا حافة هناك. وهذا الاحتمال هو E على N تربيع فقط. E هو عدد الحواف. N تربيع هو عدد الأضلاع الممكنة. لذلك إذا قمت بإنشاء شبكة عشوائية بهذه الطريقة ، فهذا دليل على شبكة عشوائية لديها على الأقل الخصائص الأساسية ، نفس عدد الحواف مثل شبكتنا.

إذن من هذا ، تقول ، حسنًا ، كم عدد حواف الذات التي تتوقعها في هذا العالم؟ وستقول حسنًا ، في هذه الحالة - هناك طريقتان للتفكير في هذا الأمر. لذا يمكنك أن تقول إما أننا سنأخذ ، لكل من الحواف N ، هناك سهم واحد محتمل ذاتي التوجيه. وفي كل حالة من هذه الحالات ، يمكننا فقط ضرب هذا في P. وهذا يعطينا E على N.

يمكنك أيضًا التفكير في الأمر على أنه - هناك طرق متعددة مرة أخرى لإجراء العد. في شبكة Erdos-Renyi ، يمكنك القول ، حسنًا ، تتوقع الحصول على E تقريبًا عبر N حلقات تنظيم تلقائي.

وهذا الترتيب 1. إذن هذا هو 1.2 ، في حالة الشبكة التي يحللها أوري في كتابه وفي ورقته البحثية. حيث ، كم عدد الذين كانوا يراقبون بالفعل في الشبكة التي درسها؟

الأستاذ: كان هناك 40 ، أليس كذلك؟ لذلك في شبكة النسخ المرصودة - وهذا موجود في الإشريكية القولونية - وجد أن هناك 40. والبيان الأساسي هنا هو أن 40 أكبر بكثير من 1.2.

ويمكنك تحديد هذا بشكل أفضل قليلاً ، لأنه في الحقيقة تتوقع 1.2 زائد أو ناقص الجذر التربيعي لهذا ، في شبكة عشوائية مثل هذه. ولكن هذا يعني أنك تتوقع 0 ، 1 ، 2 ، ربما 3. إذن 40 ليس بالتأكيد ما تتوقعه استنادًا إلى شبكة Erdos-Renyi. إذن هذا هو المعنى الذي يمثل فيه فكرة الشبكة. إنها أن الشبكة المرصودة لا تبدو كشبكة عشوائية بهذا المعنى الخاص للغاية.

ومن بين هؤلاء الأربعين ، هل يتذكر أي شخص التوزيع بين التنظيم الذاتي السلبي والتنظيم الذاتي الإيجابي؟

الجمهور: كان 30-10 أو شيء من هذا القبيل.

البروفيسور: نعم ، أعتقد أنه كان مثل 34 و 6 كان ذاكرتي. لم أكتب هذا. لذا فإن معظم هؤلاء الرجال لديهم شكل من أشكال x يثبط x. لكن البعض كان على شكل x يعمل على تنشيط x. كان هذا شيئًا مثل 34 و 6. ما ستقوله بعد ذلك هو أن التنظيم الذاتي السلبي هو فكرة شبكة قوية جدًا ، في حين أن التنظيم الذاتي الإيجابي هو فكرة شبكة أضعف ، لكنه لا يزال شيئًا يحدث ربما أكثر مما تتوقعه بالصدفة. هل هناك أي أسئلة حول ذلك من أين جاءت هذه الحجة ، ومخاوف أخرى بشأنها؟

حسنًا ، إذن من هذا ، يقول أوري ، حسنًا ، حسنًا ، ربما تطورت هذه الأشياء لسبب ما. ولذا فما سنفعله في النصف ساعة القادمة فقط جادل أو ناقش المزايا التطورية المحتملة التي قد تتمتع بها فكرة الشبكة الاجتماعية. نعم.

الجمهور: هل يمكنك حقًا اقتراح تفسيرات معادية من هذا القبيل؟

البروفيسور: أوه ، يمكنك أن تقترح ما تريد.

الجمهور: أعرف ، لكن ليس له قيمة كبيرة. إنه غير قابل للقياس الكمي.

الأستاذ: نعم. لا ، يمكنني القول أن هذه قضية رئيسية في الكثير من الحجج التطورية. وأود أن أقول أن الغرض من الأفكار والفرضيات هو دفعك إلى إجراء قياسات جديدة. والآن ، نحن المسرح ، حسنًا ، حسنًا ، ربما تحدث هذه الأشياء بشكل متكرر أكثر مما تتوقعه بالصدفة. حتى الآن ، يمكننا الجلوس والتفكير ، أوه ، ما هي الميزة التي يمكن أن تقدمها. وبعد ذلك يمكننا أن نذهب ونحاول أن نسأل تجريبيًا عما إذا كانت هذه المزايا تتجلى على الأقل في أنظمة حقيقية. هذا لا يثبت أن هذا هو سبب تطورهم ، لكنه يجعلك أكثر راحة مع الحجة. يشعر

في النهاية ، قمنا بتعيين بعض - لدينا بعض احتمالية العامل في مكان ما في دماغنا. وكلما زاد عدد الأدلة التي يمكننا تجميعها والتي تتوافق مع هذه الأفكار ، زاد احتمال اعتقادنا بذلك. لكن بشكل عام ، لا تثبت الأشياء في هذا النوع من الفضاء التطوري بالطريقة التي تثبت بها الأشياء في العديد من المجالات الأخرى. نعم.

الجمهور: أشعر أنه من الصعب وصف هذه الحجة. يبدو الأمر وكأنه مجرد ملاحظة.

الأستاذ: ما هو الجدل مقابل--

الجمهور: أعتقد أن الشيء الذي يجب أن يكون مفيدًا من الناحية التطورية ، هذه حجة ، لكن بشكل أساسي ، كل شيء هو ملاحظة ، ومن ثم هناك القليل من الجدل في النهاية.

البروفيسور: نعم ، سأدع كل شخص يقرر أي جزء وملاحظة. نعم ، لا أشعر بقوة خاصة حيال ذلك. أظن أنها طورت بالفعل لأنها توفر بعض الوظائف المفيدة. وبالتالي ، أعتقد أنه من المفيد استكشاف ماهية تلك الوظائف المفيدة. لكن على سبيل المثال ، من الصعب جدًا معرفة أي من هذه التفسيرات - هذا الشيء يتعلق بزيادة وقت الاستجابة ، أو آسف ، زيادة معدل الاستجابة مقارنة بزيادة القوة ، كيف يمكنك تحديد أيهما أكثر أهمية؟ ثم أعتقد ، مرة أخرى ، أن الأشخاص العقلاء يمكن أن يختلفوا حول هذه الأشياء ، نعم.

إذن التنظيم الذاتي السلبي الأول ، لأن هذا هو الحافز الأقوى للشبكة. أعتقد أن الكتاب يقدم شرحًا لطيفًا لسبب تقليل وقت الاستجابة. حسنًا ، يمكننا أن نسأل فقط. حسنًا ، وقت الاستجابة - وهذا لتنظيم تلقائي سلبي. وقت الاستجابة ينخفض. وهذا لتشغيل ، إيقاف ، كليهما ، أو ربما لا شيء ، أو لا أعرف.

وسأعطيك 10 ثوان فقط للتفكير في هذا. من الجيد أن تتذكرها فقط ، ولكن ربما يكون من الأفضل أيضًا أن تتمكن من اكتشافها. لأنه في غضون أسبوع ، ربما لن تقوم بحفظه فقط ، ولكن يجب أن تكون قادرًا على التفكير في منطقه وفهم سبب كونه على ما هو عليه.

حسنًا ، السؤال هو ، التنظيم الذاتي السلبي ، ربما يفعل شيئًا. ربما يقلل من وقت الاستجابة. ولكن هل تقلل من وقت الاستجابة لتشغيل الجين ، أو لإيقافه ، أو لكليهما ، أو لا أعرف

الجمهور: عندما تقول إيقاف تشغيله ، ما هي بالضبط العملية التي تتخيلها.

الأستاذ: أتخيل عملية يتم فيها إيقاف التعبير على الفور. إذن هناك إشارة تتوقف -

الجمهور: ما هو النسخ الذي يمكن أن يستمر.

البروفيسور: حسنًا ، إذن أنا فقط أقوم بتقطيع كل البوليميرات ، ولا مزيد من التعبير. ولكن تأتي إشارة تخبر البوليميرات بالتوقف عن صنعها. نعم.

حسنًا ، هل تحتاج إلى مزيد من الوقت؟ لا ، جاهز ، ثلاثة ، اثنان ، واحد. حسنًا ، نحن في الواقع في كل مكان في هذا المجال. حسنًا ، انتقل إلى جارك. ويجب أن تكون قادرًا على شرح سبب ذلك بطريقة أو بأخرى - ما الذي يحدث.

دعونا نمضي قدما ونعاود الانعقاد. أريد فقط أن أذكر الجميع أنه عندما أقول تنظيمًا بسيطًا ، لا يوجد تنظيم ذاتي. إنها فقط تستجيب لإشارة. بالنسبة لبروتين مستقر ، فإن الوقت اللازم للقول ، على سبيل المثال ، يتم تحديد نصف تركيز التشبع هنا من خلال وقت توليد الخلية. وهذا صحيح بالنسبة للتشغيل والإيقاف. وما هي الإستراتيجية التي يمكنك استخدامها إذا أردت تقليل وقت الاستجابة في هذه الحالة؟

الجمهور: زيادة معدل التدهور.

البروفيسور: حسنًا ، يمكنك زيادة معدل التدهور. وهل هذا هو التشغيل أو الإيقاف أو كليهما؟

الأستاذ: كلاهما. لكن هناك تكلفة ، ماذا كان؟

الجمهور: عليك أن تصنع البروتين.

البروفيسور: حسنًا ، عليك أن تصنع مجموعة من البروتين ، وبعد ذلك ستقطعها مباشرة بعد أن تصنعها. هناك طريقة معقولة - هناك طريقة لجعل الأمور أسرع ، لكن لها تكلفة كبيرة.

السؤال هو ، إذا كان لديك تنظيم تلقائي سلبي - لذلك في هذه الحالة ، لديك س تقوم بقمع نفسها - ما الذي ستفعله؟ هل سيؤثر في الوقت المحدد أم وقت الراحة أم كليهما. دعنا فقط نرى أين نحن. جاهز ، ثلاثة ، اثنان ، واحد.

حسنًا ، إنه ممتع. يبدو أننا نتجه نحو C. حسنًا ، هل يمكن لأي شخص أن يقدم لي شرحًا لـ C. هل قرأنا الفصل؟

الحضور: حسنًا ، لا يناقش الفصل تأثير التنظيم الذاتي السلبي وإيقاف التشغيل. لا أعتقد ذلك.

البروفيسور: واو ، إنه لأمر جيد أن نفعل ذلك هنا إذن. حسنا. أولا وقبل كل شيء ، هل يمكن لأي شخص أن يعطي التفسير. هل تتجه لأعلى أو لأسفل أو جانبية.

البروفيسور: حسنًا ، لقد حان الوقت الذي ينقضي. أنا دائما في حيرة من أمري. إذن الوقت هو الذي ينخفض ​​، لذا يرتفع المعدل. قررنا أن التنظيم الذاتي السلبي يتم تشغيله بشكل أسرع. حق؟ وهل يريد شخص ما أن يعطي تفسيرا لسبب ذلك؟

الجمهور: حسنًا ، مستوى التوازن لديك أقل.

البروفيسور: نعم ، صحيح. أجل ، بالضبط. نعم ، من الصعب تفسير هذا بشكل مفاجئ على الرغم من أنه ليس مفهومًا عميقًا. لكن الفكرة هي أنك تبدأ في التعبير كثيرًا ، بحيث إذا واصلت التعبير عن هذا المستوى العالي ، كنت ستفعل بعض الشيء الأسي - كان سيستغرق الأمر وقتًا لتوليد الخلايا من البداية إلى هنا. لكن بدلاً من ذلك ، ما يحدث هو أنك تطلق النار. لكن بعد ذلك ، بمجرد أن تصعد إلى هنا ، تقوم بقمع التعبير. ثم تحصل على شيء فعال ، حيث الوقت الذي تستغرقه للحصول على نصف توازنك ، ينخفض. لذا Tl هنا أقصر من هنا. نعم فعلا.

الجمهور: إذن في التنظيم الذاتي السلبي ، لتقليل ما يسميه الكتاب بيتا ، للحصول على نفس الحالة المستقرة؟

البروفيسور: هذا صحيح. بيتا الأولي ، ذلك المعدل ، هذا المعدل الأقصى للتعبير ، الذي يرتفع في حالة التنظيم الذاتي السلبي. ولكن بعد ذلك تبدأ في قمع التعبير بمجرد أن يصل تركيز x إلى مستوى معقول.

والآن نتحدث فقط عن معدل إنتاج x. وهذه دالة في x. وهذا التقريب المنطقي هو عندما يصل إلى الحد الأقصى حتى يصل إلى بعض K ثم يتم قمعه تمامًا. لذا ستكون الإصدارات الحقيقية أكثر سلاسة ، لكن هذا مفيد فقط لبدء الحصول على الحدس.

والفكرة هي أن تصل إلى K ، ثم تتوقف عن التعبير. في هذا الحد ، في الواقع ، ليس الأمر كذلك - إنه أشبه بشبكة هنا. لأنه ينطلق ثم يستدير. لكن أي نظام حقيقي سيكون أكثر سلاسة. نعم سؤال.

الجمهور: لذلك إذا وصلت إلى مستوى توازن معين ، فعند التنظيم الذاتي ، ستحتاج إلى مروج أقوى.

البروفيسور: نعم ، تريد مروجًا أقوى ، لأنك تريد حقًا أن يكون لديك تعبير عالٍ في البداية ثم قمع ذلك لاحقًا. لذا فإن التنظيم التلقائي السلبي يسمح لك بالتسريع في التشغيل ، لذلك ينخفض ​​T.

الحضور: بدون زيادة المروج ، وهو أمر جيد ، لأن شخصًا ما سيموت إذا قمت بزيادة المروج.

الأستاذ: هذه نقطة مهمة للغاية ، كنت على وشك الوصول إليها ، وهي أن هذا شيء تم القيام به - كان بإمكاننا فعل ذلك بدون تنظيم تلقائي سلبي عن طريق زيادة معدل التدهور. لذا فإن السؤال الذي نطرحه هنا هو ، هل هناك نفس التكلفة التي كنا نشير إليها من قبل لهذا التعبير غير المجدي للبروتين عند التوازن.

البروفيسور: إذن الأمر ليس كذلك في الواقع. في الخلية ، تبدأ في التعبير كثيرًا ، ولكن بعد ذلك ، تقوم في الواقع بخفض معدل التعبير الخاص بك. وعلى أي حال ، لا يوجد تدهور. في هذا. التدهور الفعال الوحيد يرجع إلى التخفيف ونمو الخلية. لذا إذا كان لديك نفس التركيز ، فعندئذ في الواقع ، لا تصنع أي بروتين أكثر مما صنعته هنا ، لأن لديك نفس التركيز عند التوازن.

لذلك هذا أنيق لأن هذا يسرع الاستجابة عند التشغيل ، دون التكلفة المرتبطة لصنع هذا البروتين ثم تحطيمه. أي أسئلة حول هذا البيان؟

حتى الآن ماذا عن قبالة؟ هل وقت الراحة هو نفس الوقت المحدد هنا؟

الجمهور: يجب أن يكون وقت الراحة أبطأ لأن لديك الكثير من التدهور.

البروفيسور: صحيح ، ومن حيث المبدأ ، هل هناك أي انحطاط فاعل استدعاهنا في هذا الشأن؟

البروفيسور: بالطبع ، يمكن أن يكون لدينا كل من التنظيم الذاتي السلبي والتدهور النشط. لكن من حيث المبدأ الآن ، يمكن أن يكون لديك التنظيم الذاتي السلبي دون أي تدهور نشط. في هذه الحالة ، ما هو الوقت الذي يستغرقه هذا التركيز ليختفي عندما تتوقف عن التعبير؟

الحضور: وقت تنكس الخلية.

الأستاذ: زمن تنكس الخلية. لذا فإن هذا الشيء في الواقع يبدو هو نفسه تمامًا.

إذن هذه الأدلة هي نفسها ، في حين أن هذا الدليل أسرع من ذلك. لأن الفكرة هي أن أفضل ما في الأمر - ما لم تكن متدهورًا بشكل غير نشط ، كل ما يمكنك فعله هو إيقاف التعبير. ولكن بعد ذلك ، إذا قمت بإيقاف التعبير عن التنظيم الذاتي السلبي ، فهو نفس الشيء تمامًا مثل إيقاف تشغيل التعبير في حالة عدم وجود علامة Neg - في كلتا الحالتين ، تتوقف عن صنع البروتين. لذلك ينخفض ​​التركيز فقط لأنه يتم تخفيفه أثناء نمو الخلايا. إذن هذا يعني أن وقت الاستجابة كان معطلاً فقط عند إيقاف التشغيل في حالة التنظيم التلقائي السلبي.

هل هناك أي أسئلة حول هذه الفكرة؟ نعم فعلا.

الجمهور: مع التنظيم الذاتي السلبي ، من أجل الوصول إلى نفس مستويات البروتين ، هل تحتاج إلى معدلات إنتاج أكبر بكثير ، أليس كذلك؟

البروفيسور: نعم ، الفكرة هي أن هذا الإصدار التجريبي من الممكن أن يكون - إذن هذه هي النسخة التجريبية للتنظيم التلقائي السلبي. يمكن أن يكون أكبر بكثير من بيتا للتنظيم البسيط من أجل الوصول إلى نفس التوازن.

حسنًا ، ماذا عن فكرة المتانة هذه؟ حسنًا ، هذا هو معدل الإنتاج ثم معدل التدهور. إذن هذا هو alpha x. وسؤالي هنا هو ، لقد أخبرتك أن القوة - شيء ما قوي - نعم ، سؤال.

الجمهور: سؤالي في هذه الحالة ، أنت تقول أن إيقاف التشغيل يعني اختفاء الإشارة ، أليس كذلك؟

البروفيسور: حسنًا ، هذه الفكرة. إنه T 1/2. لذلك هذا هو الوقت الذي يستغرقه تركيز البروتين للوصول إلى النصف - للانتقال من منتصف المسافة من المكان الذي كنت فيه إلى حيث ستنتهي.

الجمهور: ولكن ماذا لو لم تختف الإشارة ولكن إلى نصف الإشارة الأصلية؟

المحاضر: إذن يمكن للإشارة أن تفعل مجموعة من الأشياء المختلفة. ويمكن أن تكون الإشارة تتغير فقط بحيث بدلاً من النزول إلى الصفر ، تنزل إلى قيمة أخرى. هل هذا ما تتخيله؟

المحاضر: في هذه الحالة ، ما زلت تذهب أسيًا إلى هذه القيمة الجديدة ، لذلك في الواقع T - وقت الاستجابة لا يزال هناك في الواقع وقت تكوين الخلية. لذلك لا يهم ، في حالة عدم وجود أي من هذه ، على سبيل المثال ، التنظيم الذاتي. الوقت ، الجدول الزمني المميز ، هو دائمًا وقت تكوين الخلية إذا كان بروتينًا مستقرًا. لا يهم ما إذا كنت ستصعد لأعلى أو لأسفل أو على طول الطريق إلى 0 أم لا.

إذن السؤال هنا هو - حسنًا ، التوازن س قوي لماذا؟ وهذا لتغييرات صغيرة في ماذا؟ ستكون ألف ، ألفا.

لذلك سيكون هذا أول مثال لنا على الاستخدام المتقدم لبطاقاتنا. لذا فإن الطريقة التي تعمل بها هي أنه يمكنك اختيار أكثر من واحد. حسنًا ، الآن ، هذا يتطلب بعض البراعة اليدوية. لذا ما عليك القيام به هو إذا كنت تعتقد أن الإجابة هي أكثر من واحد من هذه الأشياء ، فما عليك فعله هو أن تريني أكثر من بطاقة واحدة. هذه البطاقات رائعة ، أليس كذلك؟ يمكنك القيام بالعديد من التركيبات المختلفة. سأعطيك 20 ثانية للتفكير في الأمر.

الجمهور: إذن ما هو البريد؟ ماذا تعني هذه الأشياء؟

البروفيسور: حسنًا ، السؤال هو ، هل تركيز توازن البروتين x قوي يعني أنه لا يتغير استجابة للتغيرات الصغيرة في أي كميات؟ لذلك إذا قمت بتغيير معدل الانحلال ، فهل يغير التوازن. إذا قمت بتغيير الإصدار التجريبي. وأنا أسأل عن هذه الحالة هنا ، التنظيم الذاتي السلبي المثالي ، فقط حتى نتمكن من محاولة إثبات حدسنا هنا. K هي عتبة القمع هذه. لا شيء يعني أنه ليس قويًا لأي من هذه الأشياء. DK تعني دائمًا & quot لا أعرف. & quot

سأعطيك 30 ثانية إضافية. هذا قد يكون--

إذن هذا هو معدل الإنتاج. هذا هو معدل التدهور. قد يكون هذا الرقم مفيد لك.

الجمهور: هل يمكنك تحديد K مرة أخرى؟

البروفيسور: نعم ، لذا فإن K هو تركيز البروتين x الذي يبدأ عنده هذا القمع الفائق الفعالية. لذلك نحن نفترض وجود تنظيم تلقائي سلبي مثالي. بيتا هو معدل التعبير عن التركيزات المنخفضة. في اللحظة التي تصل فيها إلى التركيز K ، تحصل على قمع مثالي ولا مزيد من التعبير.

هل تريد المزيد من الوقت؟ سؤال.

الجمهور: بالقول إن x التوازن قوي ، فأنت تعني أنه عند تغيير هذه المحيطات ، فإن x التوازن يبقى كما هو تمامًا ، أو x equlibrium--

المحاضر: في الوقت الحالي ، ما نعنيه الآن هو أن تغييرًا طفيفًا في هذه المعلمة لا يؤدي إلى أي تغيير في توازن x. الآن ، بالنسبة لأي مثال حقيقي ، ما نعنيه عادة سيكون نوعًا من تحليل الحساسية. على سبيل المثال ، حيث ستقول "أوه" ، يؤدي التغيير بنسبة 1٪ في المعلمة إلى تغيير أقل من 1٪ ، على سبيل المثال. لكن في هذه الحالة ، لن يكون هناك تغيير ، سأخبرك ، فقط حتى نتمكن من توضيح الحدس هنا. حسنًا ، هل تحتاج إلى مزيد من الوقت؟ دعنا نمضي قدما ونصوت. تذكر أنه يمكنك التصويت لأكثر من شيء إذا أردت. جاهز ، ثلاثة ، اثنان ، واحد.

حسنًا ، بعض الأشخاص يستخدمون أكثر من واحد. وبالطبع يمكنني أن أعطيك تلميحًا. السبب في أنني سمح لك بالتصويت أكثر من مرة هو أنه سيكون هناك أكثر من شيء واحد - حسنًا ، لذا فإن غالبية المجموعة حصلت على هذا ، ولكن ليس الجميع. لذلك دعونا نناقش. هل يمكن لأي شخص أن يقدم تفسيراً لماذا سيعمل كل من ألفا وبيتا هنا؟

الجمهور: إذن يكون التوازن أساسًا عندما ينطوي التدهور على الإنتاج.

الأستاذ: أريد التأكد من أنني بخير. التوازن هو عندما يكون معدل الإنتاج مساوياً لمعدل التدهور. لذلك هذا شيء مهم للغاية للتأكد من أننا في القمة. وفي هذه الحالة ، لدينا حاد جدًا - هذا الإنتاج. إذن ماذا يحدث إذن؟

الجمهور: حسنًا ، [غير مسموع] هو تقاطع -

البروفيسور: صحيح ، في هذه الحالة ، ما هو تركيز التوازن؟

الأستاذ: إنها تساوي K. الآن ، أنا أشجعك بشدة ، كلما أمكن ذلك ، على استخلاص الأشياء. لأن هذه مشكلة عندما يكون لديك الرسم. من المعقول أن تفعل. وإذا لم يكن لديك الرسم ، فسوف تقيد نفسك في عقدة غريبة. وبالفعل ، يمكننا أن نرى أنه إذا قمنا بتغيير ألفا ، فماذا يحدث في هذه البقعة؟ صحيح ، إنه يغير المنحدر. ويمكنك أن ترى أننا إذا غيرنا الميل بكميات صغيرة ، فلن نحصل على أي تغيير عند نقطة العبور هذه. وحتى بالنسبة للنظام الحقيقي ، إذا ظهر ، سترى أنه سينتهي به الأمر إلى أن يكون أقل من تغيير نسبي في التوازن.

وماذا عن بيتا؟ هذا فقط يرفع ويخفض هذا. ومرة أخرى ، هذا لا يغير التوازن. بالطبع ، إذا قمنا بتغيير K ، فسنحصل على تغيير من 1 إلى 1. لذا فإن التغيير بنسبة 10٪ في K يؤدي إلى تغيير بنسبة 10٪ في تركيز توازن x.

إذن هذا هو المعنى الذي يكون فيه تركيز التوازن في التنظيم الذاتي السلبي قويًا للتغيرات في كليهما - في الكتاب ، يقولون ، أوه ، معدل الإنتاج ، لكنه في الواقع أيضًا معدل التدهور على مدى معين في الكتاب. وقد يكون هذا مفيدًا ، لأن هناك الكثير من الأشياء التي ستؤثر على معدل إنتاج البروتين ، وكذلك معدل التحلل ، لهذه المسألة. معدل التقسيم يغيره.

في حين أنه قد يكون أن K يخضع لتغيرات أقل شدة ، لأن ذلك يتم تحديده ، على سبيل المثال ، في حركية ارتباط هذا البروتين بهذا المحفز. وربما يكون هذا أقل عرضة للتغييرات. لا يزال من الممكن أن يتغير اعتمادًا على درجة الحموضة وما إلى ذلك من داخل الخلية. لكن على الأقل ربما لا تخضع للتغييرات الكبيرة التي ستكون تجربة ألفا وبيتا تجربة جيدة.

لذا فإن الحجة التي يقدمها Uri عن سبب رؤيتنا الكثير من التنظيم الذاتي السلبي في الخلية هي لأنه يزيد من معدل استجابة الخلية للتغيرات ، في الاتجاه الساكن ، على الأقل ، ولكنه أيضًا يجعل تركيز البروتين أكثر قوة للتغيرات في العديد من المعلمات التي تحكم التوازن. التركيز ومرة ​​أخرى ، يمكنك أن تجادل حول أيهما أكثر أهمية ، لكنني أعتقد أنهما يلعبان على الأرجح دورًا مهمًا في حالات مختلفة.

سأرغب في المضي قدمًا ، لكنني سأخبرك أنه فقط عبر نطاق معين من هؤلاء - alpha ، beta ، K - سيكون هذا الشيء قويًا. لذلك على سبيل المثال ، إذا ظهر هذا مرتفعًا جدًا ، فسوف نفقد ظاهرة القوة هذه. لذلك أتوقع أن تكون قادرًا على إخباري في وقت لاحق بالظروف التي قد يحدث فيها ذلك.

وأنا متواجد لمدة نصف ساعة بعد الحصة ، لذا إذا كنت لا تعرف ما أتحدث عنه هناك ، يرجى التسكع معي بعد ذلك ، وسأخبرك بحل هذا السؤال في الامتحان. نعم؟ حسنا.

لكني أريد أن أتحدث عن التنظيم الذاتي الإيجابي ، لأن هذا وحش آخر مثير للاهتمام. لذا إذا كان للتنظيم الذاتي السلبي تلك الخصائص الرائعة ، فيمكنك أن تتخيل أن التنظيم الذاتي الإيجابي سيكون له بعض العيوب بنفس النوع من الطرق. لكنه يؤدي إلى بعض الميزات الأخرى المثيرة للاهتمام للغاية ، والنوعية فقط.

التنظيم الذاتي الإيجابي. إذن لدينا بعض x الذي ينشط نفسه. وغالبًا ما نفكر في الحالات التي يتم فيها تنشيط تعبيره الخاص بطريقة تعاونية. على وجه الخصوص ، قد نفترض أن x dot تساوي ، على سبيل المثال ، بعض بيتا 0 بالإضافة إلى بعض بيتا واحد من بعض الأشياء التعاونية هنا حيث قد يكون N 2 3 4 ثم ناقص alpha x مرة أخرى. حق؟ الآن ، إذا نظرت إلى هذا فقط ، قد تعتقد أوه ، أنا لا أعرف ما الذي سيفعله هذا وما إلى ذلك. لكن عليك أن تستخلص الأشياء. بمجرد رسمه ، سترى أنه بسيط جدًا.

مرة أخرى ، هذه هي معدلات الإنتاج والتدهور. هذا هو الإنتاج. والانحطاط ، على سبيل المثال ، قد يبدو هكذا. إذن هذا هو الإنتاج. هذا هو التدهور. إذن هذا هو حد alpha x.

سيكون سؤال واحد ، كم عدد النقاط الثابتة التي يمتلكها هذا النظام؟ لذا فإن النقطة الثابتة تعني أنك إذا بدأت هناك ، وفي حالة عدم وجود أي ضوضاء ، فستبقى هناك. لذلك من الواضح أنها مستقرة وغير مستقرة في هذه النقاط.

هل يمكنك قراءة ذلك؟ سأعطيك 15 ثانية لعدهم.

جاهز ، ثلاثة ، اثنان ، واحد. حسنًا ، يبدو أن لدينا اتفاقًا جيدًا. هناك بالفعل 3 نقاط ثابتة. مرة أخرى ، النقطة الثابتة هي حيث تتقاطع هذه المنحنيات. لدينا واحد هنا ، واحد هنا ، وواحد هنا ،

الآن ، كم عدد المستقر؟ سنفعل ذلك لفظيًا. جاهز ، ثلاثة ، اثنان ، واحد.

الأستاذ: 2. لنحاول مرة أخرى. جاهز ، ثلاثة ، اثنان ، واحد.

البروفيسور: 2. نعم ، لقد اعتدت على البطاقة ، من الصعب التحدث. لذا فهم الموجودون في نهايات المستقرات. وترى هنا أنه حول هذه النقطة ، معدل الإنتاج هنا أكبر من معدل التدهور. هذا يعني أنك إذا تركت هذه النقطة الثابتة ، فسوف يتم دفعك بعيدًا.

لذلك من الجيد جدًا رسم هذه الأسهم الصغيرة هنا لإسعاد المرء. لذلك هذا الشيء هنا مستقر وغير مستقر ومستقر مرة أخرى.

الآن ، السبب في أننا نسمي هذا الثبات هو وجود نقطتين ثابتتين ثابتتين. هذا مهم لأن هذه الظاهرة هي أصل النظام الديناميكي الأساسي للذاكرة. الآن ، ليس من الواضح كيف تأتي الذاكرة من هذا.

لذا فإن الذاكرة هي فكرة عامة مفادها أن شبكة g أو الخلية يمكنها الاحتفاظ بذاكرة من حالتها السابقة. وسنرى أمثلة على ذلك خلال الأسابيع القليلة القادمة. ولكن فقط للتوضيح ، على سبيل المثال ، إذا تخيلنا موقفًا يتغير فيه ألفا. ويمكن أن يكون معدل التقسيم ، على سبيل المثال ، بيئات عالية الغذاء وقليلة الغذاء.

ما نفعله هو أننا نستطيع أن نخطط - في كثير من الأحيان ، يمكنك رسم ، على سبيل المثال ، التوازن ، لكن هذا أصعب قليلاً. لذلك سأقوم برسم معدل الإنتاج كدالة لـ alpha. الآن ، السؤال هو ، إذا غيرنا ألفا ، ماذا سيحدث؟ الآن ، بالنسبة إلى ألفا ثابت ، يمكنك أن ترى بالفعل أن هناك معدلي إنتاج مختلفين مستقرين في هذه الحالة.

لكن ماذا يحدث إذا زدنا ألفا؟ لذلك قمنا بزيادة معدل النمو بحيث تسير الأمور على هذا النحو. هل يمكن أن يغير ذلك عدد النقاط الثابتة؟

وبالفعل ، ما يمكننا رؤيته هو أنه كلما زاد انحدار هذا الخط هنا ، في النهاية لديك فقط نقطة ثابتة واحدة ، وهي مستقرة. وهذا معروف باسم تشعب ديناميكيات النظام. إذن هذا لألفا كبيرة ، ينتهي بك الأمر - وللتوضيح فقط ، هذا هو بيتا 0 هنا. ثم هنا في الأعلى بيتا 1.

إذن ما نفعله هو أننا نعلم أن بيتا 0 هو المكان الذي نحصل فيه على ألفا الكبيرة. الآن ، بالنسبة لألفا الصغيرة ، هل ينتهي بنا الأمر بالحصول على أخرى - نحصل على تشعب آخر. في الواقع ، هناك مرة أخرى نقطة ثابتة هنا عند مستوى ألفا صغير. وما سنحصل عليه هو ما يُعرف بالتشعب الكامل حيث تشير الخطوط الصلبة إلى نقاط ثابتة ونقاط ثابتة ثابتة. تمثل الخطوط المتقطعة نقاطًا ثابتة غير مستقرة. مستقر للغاية ، والشرطة غير مستقرة. هناك بعض مناطق ظروف ألفا حيث يكون النظام ثنائي الاستقرار. ولكن بعد ذلك خارج ذلك ، يكون الأمر أحاديًا.

هل يمكن لأي شخص أن يشرح سبب هذا الشيء - لماذا قد أجادل في أن هذا الشيء يعرض الذاكرة؟ حسنًا ، أحدهما جيد ، لكن أي شخص جديد يريد شرح عملية تفكيري؟ لا. حسنًا ، ربما أنت.

الجمهور: حسنًا ، اعتمادًا على ما إذا كان لدينا تدهور مرتفع أو معدلات تدهور منخفضة في الماضي ، سنكون في النطاق الأدنى أو الأعلى من ذلك إذا عدنا إلى الوضع الطبيعي.

البروفيسور: هذا صحيح. لذا فإن الحجة هنا - دعنا نقول أن هذه حالة طبيعية. هذا هو المكان الذي أنت فيه الآن ، على سبيل المثال. الآن ، اعتمادًا على ما إذا كنت جالسًا هنا أو هنا ، ربما يقدم هذا بعض المعلومات حول الحالة السابقة للخلية. لأنه إذا كنت هنا ، فهذا يعني أوه ، ربما في الماضي كنت في الخارج بمعدلات تدهور عالية ، بينما إذا كنت هنا ، فربما تكون منخفضة.

على وجه الخصوص ، يمكنك إعادة ضبط الأشياء. إذا بدأت هنا ، فيمكنك إعادة تعيين وحدة الذاكرة هذه بالمجيء إلى هنا. بمجرد أن تصل إلى هذه النقطة هنا ، هذه هي ديناميكيات التشعب ، التشعب الكامل. ثم تأتي هنا ، والآن ستحتفظ بهذه الحالة. من حيث المبدأ ، حتى تصل إلى هنا. بالطبع ، يمكن أن تكون هناك ديناميكيات تبديل عشوائية. سنتحدث كثيرًا عن ذلك في الأسابيع المقبلة. ولكن على الأقل في حدود المعدلات المنخفضة للتبديل العشوائي ، فإن هذا يمثل نوعًا من وحدات الذاكرة ، وهو أبسط نسخة منها.

أود أن أقول أنه في الخلية ، فإن معظم الأمثلة على وحدات الذاكرة هذه لا تتضمن فقط ردود فعل إيجابية لبروتين واحد ينشط نفسه ، على الرغم من حدوث ذلك ، ولكن غالبًا من خلال شبكة كاملة ، حيث ينشط بروتين آخر ، وينشط بروتينًا آخر ، ثم تقوم أنت عد. أو يمكن أن يكون قمعًا أو قمعًا. 2 0 ، عبارة عن po - سالبان موجبة. تماما مثل اثنين من اليسار هو حق.

حسنًا ، هل هناك أي أسئلة حول المعنى الذي يمكن أن يعمل به هذا الشيء كوحدة ذاكرة أساسية؟

وربما لا يكون هذا هو المثال الأكثر إثارة للاهتمام على ذلك ، لأن ألفا هي مثل هذه المعلمة العالمية. ولكن يمكنك أيضًا الحصول على ديناميكيات مماثلة كدالة ، على سبيل المثال ، الجالاكتوز في تركيز بعض السكر في الوسائط الخاصة بك.

لذلك نظرًا لأن الجزيئات الصغيرة المختلفة مثل مصادر الطعام يمكن أن تعمل كمدخلات في شبكات g هذه ، يمكنك أيضًا الحصول على هذه الأنواع من الديناميكيات كدالة لما يمكن أن نطلق عليه حقًا بعض الجزيئات الخارجية البسيطة ، وهو أمر رائع ، لأن هذا يعني أنه يمكنك الحصول على وحدات ذاكرة مستقلة حقًا عن جميع وحدات الذاكرة الأخرى التي تجري في خليتك. بينما إذا كان لديك ألفا مختلف ، فإن هذا يغير كل شيء. في حين أنه إذا كان مجرد تركيز لبعض السكر بالخارج ، فيمكنك أن تتخيل أنه قد يكون مفيدًا للغاية للاحتفاظ بذكرى ما واجهته الخلية في الماضي.

لذا اليوم ، ما تمكنا من القيام به هو تحليل شيء ما حول تفسير تطوري محتمل لسبب ملاحظة التنظيم الذاتي بشكل شائع كما هو. لذا فإن التنظيم الذاتي السلبي هو الذي يتم ملاحظته بشكل متكرر. وهذا ، على ما أعتقد ، له بعض الأغراض الواضحة جدًا.

وأعتقد أن فكرة أن يكون التركيز قويًا بالنسبة للمعلمات البيوكيميائية الأخرى هي فكرة كبيرة. سنرى فكرة القوة هذه تظهر عدة مرات على مدار هذا الفصل الدراسي. وأعتقد أنه من الجيد التفكير في القوة في هذه الحالة ، لأنه ربما يكون أبسط مثال على كيف يمكن للقوة كنهج أن تكون مفيدة كطريقة للتفكير في مشكلة.

سنفكر لاحقًا في المتانة في سياق التكيف المثالي في الانجذاب الكيميائي ، حيث تحاول البكتيريا العثور على الطعام. وهناك ، أعتقد أن كل شيء أكثر دقة ، لأن الظاهرة الأساسية القوية هي بالفعل شكل من أشكال القوة. وهذا يجعلك مختلطًا نوعًا ما. لذلك أعتقد أنه من الجيد أن نكون واضحين جدًا بشأن ما تعنيه المتانة هنا ، حتى نتمكن من استخدام ذلك للتفكير في المتانة في الوظائف البيولوجية الأخرى.

مع ذلك ، أتمنى لك عطلة نهاية أسبوع جيدة. حظًا سعيدًا في مجموعة المشكلات ، وسأراك يوم الثلاثاء.


قسم بيولوجيا الخلية الجزيئية ، معهد وايزمان للعلوم ، رحوفوت ، 76100 إسرائيل

قسم بيولوجيا الخلية الجزيئية ، معهد وايزمان للعلوم ، رحوفوت ، 76100 إسرائيل

قسم بيولوجيا الخلية الجزيئية ، معهد وايزمان للعلوم ، رحوفوت ، 76100 إسرائيل

قسم بيولوجيا الخلية الجزيئية ، معهد وايزمان للعلوم ، رحوفوت ، 76100 إسرائيل

معهد يونيس كينيدي شرايفر لصحة الطفل والتنمية البشرية ، بيثيسدا ، ماريلاند

جامعة برلين الحرة ، برلين ، ألمانيا

تسجيل الدخول المؤسسي
قم بتسجيل الدخول إلى مكتبة Wiley Online

إذا كنت قد حصلت مسبقًا على حق الوصول باستخدام حسابك الشخصي ، فيرجى تسجيل الدخول.

شراء فصل واحد
  • عرض غير محدود للمقال / الفصل PDF وأي ملاحق وأرقام مرتبطة.
  • يمكن طباعة المقال / الفصل.
  • يمكن تحميل المادة / الفصل.
  • المادة / الفصل يمكن ليس يتم إعادة توزيعها.

ملخص

يناقش هذا الفصل التقدم المحرز في السنوات القليلة الماضية في فهمنا لبنية شبكات النسخ البكتيرية (TRNs) والوظائف التي توفرها هذه البنية. يتعلق الجزء المتبقي من هذا الفصل بمثل هذا التحليل البنيوي المحلي ، مع التركيز على الدوائر الأولية التي تشكل الشبكة. تم تخصيص أقسام أخرى من الفصل للزخارف الشبكية في جمهورية شمال قبرص التركية الإشريكية القولونية، هيكلها ووظيفتها ، بهدف استيعاب فكرة أن كل فكرة يمكن أن تؤدي وظائف معالجة معلومات محددة. تحليل بكتريا قولونية كشفت TRN عن أربعة أنماط متكررة رئيسية: (1) التنظيم التلقائي ، (2) حلقة التغذية الأمامية (FFL) ، (3) وحدة الإدخال الفردية (SIM) ، و (4) النظام المتداخل الكثيف (DOR). يقوم NAR الخاص بـ TRN بتصنيف استجابة الجينات بشكل خطي ويزيد من النطاق الديناميكي للمدخلات لجينات المصب. تمت مناقشة الوظائف الديناميكية بالإضافة إلى الخصائص الأخرى لاثنين من FFLs الشائعين: النوع المتماسك -1 FFL والنوع 1 FFL غير المتماسك. كما هو موضح في الفصل ، يتم تخصيص وظائف مختلفة لنماذج الشبكة بناءً على النظرية والتجارب ، مع ظهور وظائف جديدة باستمرار. ومن المحتمل أن يتم إجراء دراسات إضافية على الأنظمة الأخرى في كليهما بكتريا قولونية، بالإضافة إلى البكتيريا الأخرى ، سيؤدي إلى تحديد وظائف إضافية لنماذج الشبكة في عزلة وفي سياق الشبكة بأكملها. يتمثل التحدي المستقبلي في عرض سلوك حافز الشبكة ضمن الديناميكيات العالمية لشبكات الجينات ، وتعيين وظائف معينة للشبكة بناءً على بنية الشبكة.


ملخص المؤلف

تعتمد الوحدات البيولوجية بطبيعتها على السياق حيث يتغير سلوك الإدخال / الإخراج للوحدة النمطية غالبًا عند الاتصال بالوحدات النمطية الأخرى. أحد مصادر الاعتماد على السياق هو الأثر الرجعي ، وهي ظاهرة تحميل يؤثر من خلالها نظام المصب على سلوك نظام المنبع عند التوصيل البيني. تجعل هذه الحقيقة من الصعب التنبؤ بكيفية تصرف الوحدات بمجرد ارتباطها ببعضها البعض. في هذه الورقة ، نقترح إطار عمل نمذجة عام لشبكات النسخ الجيني للتنبؤ بدقة بكيفية تأثير الأثر الرجعي على السلوك الديناميكي للوحدات المترابطة ، بناءً على الخصائص الفيزيائية البارزة لنفس الوحدات في عزلة. نوضح كيف يتنبأ إطار عملنا بخصائص ديناميكية مفاجئة وغير بديهية لهياكل الشبكة التي تحدث بشكل طبيعي ، والتي لا يمكن التقاطها بواسطة النماذج الحالية من نفس البعد. نحن نصف الآثار المترتبة على النتائج التي توصلنا إليها على النهج التصاعدي لتصميم الدوائر الاصطناعية ، وعلى النهج من أعلى إلى أسفل لتحديد الوحدات الوظيفية في الشبكات الطبيعية ، وكشف المفاضلات بين القوة للتوصيل البيني والأداء الديناميكي. يحمل إطار عملنا تشبيهات مفاهيمية كبيرة مع نظرية الشبكة الكهربائية بناءً على تمثيلات مكافئة. نعتقد أن الإطار الذي اقترحناه ، استنادًا أيضًا إلى تمثيلات الشبكة المكافئة ، يمكن أن يكون مفيدًا بالمثل في تحليل وتصميم الشبكات البيولوجية.

الاقتباس: Gyorgy A ، Del Vecchio D (2014) التركيب المعياري لشبكات النسخ الجيني. بلوس كومبوت بيول 10 (3): e1003486. https://doi.org/10.1371/journal.pcbi.1003486

محرر: ستانيسلاف شفارتسمان ، جامعة برينستون ، الولايات المتحدة الأمريكية

تم الاستلام: 17 مايو 2013 وافقت: 10 يناير 2014 نشرت: 13 مارس 2014

حقوق النشر: © 2014 جيورجي ، ديل فيكيو. هذا مقال مفتوح الوصول يتم توزيعه بموجب شروط ترخيص Creative Commons Attribution License ، والذي يسمح بالاستخدام غير المقيد والتوزيع والاستنساخ بأي وسيلة ، بشرط ذكر المؤلف الأصلي والمصدر.

التمويل: المنحة رقم FA9550-12-1-0129. لم يكن للممولين دور في تصميم الدراسة أو جمع البيانات وتحليلها أو اتخاذ قرار النشر أو إعداد المخطوطة.

تضارب المصالح: وقد أعلن الباحثون إلى أن لا المصالح المتنافسة موجودة.


مناقشة

التناقض الملحوظ في تكرار حدوث FFLs و 3-CYCs هو نتيجة طبيعية للخصائص الطوبولوجية للشبكات

تظهر حالات FFLs و 3-CYCs في شبكات بيولوجية مختلفة (انظر الجدول 1) أنماطًا: هناك عدد كبير نسبيًا من FFLs وعدد صغير نسبيًا من 3-CYCs. في هذا القسم نشرح الأساس الطوبولوجي لهذه الاختلافات في تردداتها.

نلاحظ أولاً أن الاتصال العشوائي ضمن الرسوم البيانية الفرعية المكونة من ثلاث عقد يفضل FFLs. ضع في اعتبارك مخططًا موجهًا وكاملاً - هناك حافة بين كل زوج من العقد - رسم بياني للعقد الثلاثة (3 رسم بياني). باستثناء الحواف ثنائية الاتجاه ، لأي مجموعة من 3 عقد ، هناك 2 3 = 8 رسوم بيانية ثلاثية محتملة. كل من هذه التكوينات متشابه إلى FFL أو 3-CYC - أي رسم بياني ثلاثي كامل موجه هو إما FFL أو 3-CYC. من بين 8 احتمالات ، 6 من FFLs ، و 2 من 3-CYCs. للسماح بالحواف ثنائية الاتجاه ، هناك 19 تكوينًا ممكنًا إضافيًا تحتوي على حافة ثنائية الاتجاه واحدة على الأقل. كل من هذه الاحتمالات يعطي FFLs متعددة أو 3-CYCs أو كليهما. مع أو بدون حواف ثنائية الاتجاه ، هناك تحيز طبيعي بنسبة 3: 1 نحو تشكيل FFL على 3-CYC في رسم بياني ثلاثي.

تفضل الخصائص العالمية للشبكات البيولوجية أيضًا FFLs على 3-CYCs. معظم الشبكات البيولوجية ، مثل تلك المستخدمة في دراستنا ، هي خالٍ من المقاييس [15]. في الشبكات الخالية من المقاييس ، يتبع توصيل العقد قانون الطاقة: احتمال وجود عقدة ك الجيران ص(ك)

ك -γ . فقط عدد قليل من العقد في مثل هذه الشبكة شديدة الارتباط (وشكل المحاور) ، في حين أن معظم العقد قليلة التوصيل [15].

سألنا عن عدد FFLs في مختلف الشبكات التي تحتوي على محاور بين عقدها. (نعتبر المحاور أعلى 10٪ من العقد في الشبكة شديدة الترابط ، ولديها أكثر من 10 جيران.) يحتوي الجدول 2 على النسب المئوية لـ FFL التي تم تعدادها في شبكات مختلفة ، مع وجود ن = <0، 1، 2، 3> العقد كمحاور. الغالبية العظمى من FFLs تحتوي على محور واحد على الأقل الأكثر شيوعًا هو FFLs مع محاور في اثنين من عقدها. في شبكة الخميرة المركبة ، يوجد في 961 من 997 FFLs واحدًا مشتركًا على الأقل مصدر وسيط حافة بينهما. يمكن تجميع 961 FFLs في 114 مجموعة (تحتوي على حواف وسيطة مميزة للمصدر) لتكشف عن أن المحاور المتصلة غالبًا ما تشترك في العديد من الأطفال الشائعين ، مما يؤدي تلقائيًا إلى ظهور FFLs. نعتقد أن مبدأ مرفق تفضيلي يهيئ شبكة بيولوجية لتكون لها محاور متصلة لديها أطفال مشتركون. هذا يعطي الشبكة قوتها لفشل العقدة العشوائية [15].

نلاحظ أيضًا أن هناك عدم توازن بين غير متكافئ وخارج حول المحاور - هناك حواف صادرة أكثر بكثير من الحواف الواردة. لقد رأينا أعلاه أن FFLs مفضلة بشكل طبيعي على 3-CYCs في 3 رسوم بيانية. تعزز الاختلالات بين الدرجة الداخلية والخارجية حول المحاور تشكيل FFLs. النظر في محور مع م واردة و ن حواف المنتهية ولايته. مع إضافة عشوائية للحافة بين أي زوج من (م + ن) العقد المجاورة لهذا المحور ، فإن احتمال تكوين FFL في هذا النظام هو: P FFL = 2 (m C 2 + n C 2) + mn 2 (m C 2 + n C 2 + mn) MathType @ MTEF @ 5 @ 5 @ + = feaagaart1ev2aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacPC6xNi = xH8viVGI8Gi = hEeeu0xXdbba9frFj0xb9qqpG0dXdb9aspeI8k8fiI + FSY = rqGqVepae9pg0db9vqaiVgFr0xfr = XFR = xc9adbaqaaeGaciGaaiaabeqaaeqabiWaaaGcbaGaemiuaa1aaSbaaSqaaiabbAeagjabbAeagjabbYeambqabaGccqGH9aqpjuaGdaWcaaqaaiabikdaYiabcIcaOmaaCaaabeqaaiabd2gaTbaacqWGdbWqdaWgaaqaaiabikdaYaqabaGaey4kaSYaaWbaaeqabaGaemOBa4gaaiabdoeadnaaBaaabaGaeGOmaidabeaacqGGPaqkcqGHRaWkcqWGTbqBcqWGUbGBaeaacqaIYaGmcqGGOaakdaahaaqabeaacqWGTbqBaaGaem4qam0aaSbaaeaacqaIYaGmaeqaaiabgUcaRmaaCaaabeqaaiabd6gaUbaacqWGdbWqdaWgaaqaaiabikdaYaqabaGaey4kaSIaemyBa0MaemOBa4MaeiykaKcaaaaa @ 4F1D @ في حين أن تشكيل دورة هو: P 3 - CYC = مليون 2 (م C 2 + ن C 2 + بالمليون) MathType @ MTEF @ 5 @ 5 @ + = feaagaart1ev2aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacPC6xNi = xH8viVGI8Gi = hEeeu0xXdbb a9frFj0xb9qqpG0dXdb9aspeI8k8fiI + FSY = = rqGqVepae9pg0db9vqaiVgFr0xfr XFR = xc9adbaqaaeGaciGaaiaabeqaaeqabiWaaaGcbaGaemiuaa1aaSbaaSqaaiabiodaZiabgkHiTiabboeadjabbMfazjabboeadbqabaGccqGH9aqpjuaGdaWcaaqaaiabd2gaTjabd6gaUbqaaiabikdaYiabcIcaOmaaCaaabeqaaiabd2gaTbaacqWGdbWqdaWgaaqaaiabikdaYaqabaGaey4kaSYaaWbaaeqabaGaemOBa4gaaiabdoeadnaaBaaabaGaeGOmaidabeaacqGHRaWkcqWGTbqBcqWGUbGBcqGGPaqkaaaaaa @ 4554 @. ثم، P FFL P 3 - CYC = 1 + (م - 1) ن + (ن - 1) م MathType @ MTEF @ 5 @ 5 @ + = feaagaart1ev2aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacPC6xNi = xH8viVGI8Gi = hEeeu0xXdbba9frFj0xb9qqpG0dXdb9aspeI8k8fiI + FSY = rqGqVepae9pg0db9vqaiVgFr0xfr = XFR = xc9adbaqaaeGaciGaaiaabeqaaeqabiWaaaGcbaqcfa4aaSaaaeaacqWGqbaudaWgaaqaaiabbAeagjabbAeagjabbYeambqabaaabaGaemiuaa1aaSbaaeaacqaIZaWmcqGHsislcqqGdbWqcqqGzbqwcqqGdbWqaeqaaaaacqGH9aqpcqaIXaqmcqGHRaWkdaWcaaqaaiabcIcaOiabd2gaTjabgkHiTiabigdaXiabcMcaPaqaaiabd6gaUbaacqGHRaWkdaWcaaqaaiabcIcaOiabd6gaUjabgkHiTiabigdaXiabcMcaPaqaaiabd2gaTbaaaaa @ 4808 @ ، وهو متماثل في م و ن. إذا كان هناك تباين كبير بين م و ن (بمعنى آخر.، من، أو من)، ثم واحدة من حيث (بالمليون) MathType @ MTEF @ 5 @ 5 @ + = feaagaart1ev2aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacPC6xNi = xH8viVGI8Gi = hEeeu0xXdbba9frFj0xb9qqpG0dXdb9aspeI8k8fiI + FSY = rqGqVepae9pg0db9vqaiVgFr0xfr = XFR = xc9adbaqaaeGaciGaaiaabeqaaeqabiWaaaGcbaWaaeWaaKqbagaadaWcaaqaaiabd2gaTbqaaiabd6gaUbaaaOGaayjkaiaawMcaaaaa @ 30CE @ أو (نانومتر) MathType @ MTEF @ 5 @ 5 @ + = feaagaart1ev2aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacPC6xNi = = xH8viVGI8Gi hEeeu0xXdbba9frFj0xb9qqpG0dXdb9aspeI8k8fiI + FSY = = rqGqVepae9pg0db9vqaiVgFr0xfr XFR = xc9adbaqaaeGaciGaaiaabeqaaeqabiWaaaGcbaWaaeWaaKqbagaadaWcaaqaaiabd6gaUbqaaiabd2gaTbaaaOGaayjkaiaawMcaaaaa @ 30CE @ يهيمن، مما أدى إلى P FFL P 3 - CYC

ماكس ((م ن)، (ن م)) MathType @ MTEF @ 5 @ 5 @ + = = feaagaart1ev2aaatCvAUfKttLearuWrP9MDH5MBPbIqV92AaeXatLxBI9gBaebbnrfifHhDYfgasaacPC6xNi xH8viVGI8Gi = hEeeu0xXdbba9frFj0xb9qqpG0dXdb9aspeI8k8fiI + FSY = = rqGqVepae9pg0db9vqaiVgFr0xfr XFR = xc9adbaqaaeGaciGaaiaabeqaaeqabiWaaaGcbaqcfa4aaSaaaeaacqWGqbaudaWgaaqaaiabbAeagjabbAeagjabbYeambqabaaabaGaemiuaa1aaSbaaeaacqaIZaWmcqGHsislcqqGdbWqcqqGzbqwcqqGdbWqaeqaaaaakiabc6ha + jGbc2gaTjabcggaHjabcIha4naabmaabaWaaeWaaKqbagaadaWcaaqaaiabd2gaTbqaaiabd6gaUbaaaOGaayjkaiaawMcaaiabcYcaSmaabmaajuaGbaWaaSaaaeaacqWGUbGBaeaacqWGTbqBaaaakiaawIcacaGLPaaaaiaawIcacaGLPaaaaaa @ 498F @. على سبيل المثال ، متى م = 2 و ن = 20, صFFL = 0.91 و ص3-CYC = 0.09. يوضح هذا الاحتمالات ضد تكوين 3-CYC في شبكات ذات هياكل نموذجية للشبكات البيولوجية.

كانت هناك اقتراحات بأن 3-CYC هو "مضاد للعنصر" - عزر يتم اختياره ضد في العديد من الشبكات البيولوجية [14]. ولكن ، كما هو موضح أعلاه ، فإن قمع 3-CYCs هو نتيجة متوقعة للخصائص الطوبولوجية للشبكات البيولوجية.

هذه الخصائص كافية لحساب الملامح المرصودة لـ FFLs و 3-CYCs.

تجميعات الزخارف

لاحظ كشتان وزملاؤه [16] أن الشبكات التنظيمية تحتوي على تعميمات FFL متعددة المخرجات (انظر الشكل 2 (أ)) بترددات أعلى بكثير من المدخلات المتعددة (الشكل 2 (د)) ومتعددة الوسائط (الشكل 2 (و)) التعميمات. (اقترح هؤلاء المؤلفون أيضًا أنه تم اختيار FFLs متعددة المخرجات لتحقيق بعض دور معالجة المعلومات [16].)


شاهد الفيديو: محاضرات الشبكات الكهربائية. 14. خط النقل القصير. Short Transmission Line (شهر فبراير 2023).