基于遗传算法的布尔模型自动优化工具boolmore在植物气孔关闭信号网络重构中的应用

本研究针对生物信号网络布尔模型构建过程中人工整合实验证据效率低下的问题，开发了基于遗传算法的自动化模型优化工具boolmore。该工具通过扰动-观测对数据集驱动模型优化，在保持生物学合理性的前提下调整布尔函数，成功将拟南芥ABA诱导气孔关闭模型的实验吻合度从61.5%提升至84.5%，并预测了8条新型调控边。该研究为复杂生物系统的自动化建模提供了新范式。

　　

在植物生物学研究中，气孔运动调控机制一直是关键科学问题。气孔作为植物与外界环境进行气体交换的主要通道，其开闭状态直接影响光合作用和水分利用效率。脱落酸(ABA)诱导的气孔关闭过程涉及复杂的信号转导网络，包含ROS(活性氧)、Ca²⁺
、NO(一氧化氮)等多个信号分子。传统布尔网络建模方法依赖人工整合实验证据，存在效率低下、主观性强等局限。以拟南芥ABA信号网络为例，2017年发表的模型虽包含81个节点，但仍无法解释9个关键干预实验现象，且无法模拟气孔信号撤除后的可逆性响应。

宾夕法尼亚州立大学Rék^a
Albert团队在《npj Systems Biology and Applications》发表研究，开发了基于遗传算法的布尔模型优化工具boolmore。该工具通过三个关键技术实现突破：1）采用保持边符号约束的布尔函数变异表示法；2）建立层次化评分的扰动-观测对评价体系；3）利用最小陷阱空间(minimal trap spaces)表征长期动态行为。研究以40个公开布尔模型为基准测试，验证工具将模型平均准确率从49%提升至99%。在ABA信号网络案例中，收集505组实验数据，通过约束26个节点的调控函数和13条候选边，最终获得较原始模型显著改进的GA1-A和GA1-B模型。

研究结果部分，"基准测试分析"显示boolmore在训练集和验证集上分别实现99%和95%的准确率，证明其抗过拟合能力。"ABA诱导气孔关闭模型的改进"章节中，GA1-A模型成功解释了CaIM CA(钙离子通道组成型激活)等3个新增干预响应，GA1-B模型则保留了原始模型对InsP3(三磷酸肌醇)等3个干预的预测准确性。特别值得注意的是，两个优化模型均实现了气孔关闭的可逆性，且未采用2020年修订模型中时间依赖函数的复杂设计。"新型预测"部分发现8条共同新增边，包括PA(磷脂酸)抑制ABI2(蛋白磷酸酶2C)等重要调控关系，其中PA-ABI2边与2019年Maheshwari等实验验证的预测不谋而合。

讨论部分强调，boolmore通过自动化搜索解决了布尔模型局部修改引发全局动态变化的难题。工具采用的约束变异机制有效防止了生物不合理模型产生，其删除24条冗余边的特性反而降低了过拟合风险。研究提出的层次化评分系统创新性地处理了低通量数据离散化难题，通过"Some"等中间类别捕捉实验变异。尽管目前工具尚无法处理时序数据，但未来与GPU加速模拟器整合可望突破这一限制。该研究为信号网络建模提供了新范式，其开源实现将促进植物激素信号、癌症网络等多个领域的研究。

这项工作的重要意义在于：首先，首次实现布尔网络模型从85%到99%准确率的自动化跃升，节省了传统手动优化需时两年的工作量；其次，发现的气孔振荡响应机制为单细胞异质性研究提供了新视角；最后，建立的约束遗传算法框架为其他复杂生物系统建模提供了普适性解决方案。正如作者指出，随着高质量相互作用图谱数据库的丰富，boolmore有望推动生物网络建模进入自动化、标准化新时代。