基因转录调控网络的降参建模：基于转录因子协同性近似的新策略提升预测精度

这篇研究通过建立降参模型（RPM），创新性地近似转录因子（TF）间的协同性（homotypic/heterotypic cooperativity），在保持基因调控网络（GRN）建模精度的同时显著降低参数复杂度。该方法采用逻辑门与连续函数结合的策略，有效解决了多输入启动子场景下的参数爆炸问题，为复杂GRN的动态研究提供了可扩展的建模工具。

　　

Highlight

现有基因调控网络（GRN）模型在描述多输入启动子时面临参数复杂度的挑战。本研究通过近似转录因子（TF）间的协同效应（包括同型协同homotypic cooperativity和异型协同heterotypic cooperativity），开发了降参模型（RPM），其参数数量仅与基因数量而非输入节点数相关。

Approximation of polymerase binding function

多转录因子输入通过逻辑门（如"与门∩""或门∪"）以析取范式（DNF）描述。例如三转录因子逻辑门：(A∩B)∪(B∩C)∪(A∩C)中，每个合取项代表需形成的TF复合物以招募RNA聚合酶（RNAP）。

Discussion

当前GRN模型或忽略启动子计算（如布尔网络），或存在参数爆炸问题（如Wittmann混合模型）。RPM通过协同性近似，在保持精度的同时将参数复杂度从O(n²)降至O(n)，尤其适用于高输入度节点。

Thermodynamic model

传统热力学模型常忽略协同性，而RPM和HillCube方法通过表观建模捕捉该现象。测试显示，RPM在GRN重构任务中预测误差比基准模型降低17-23%。

Conclusion

RPM通过协同性近似实现"参数经济性"，为复杂GRN研究提供兼具精度与可扩展性的新范式。该方法特别适用于需整合多TF输入信号的合成生物学电路设计。