Булеві Мережі: Поворот Кнопки Між Порядком і Хаосом

ДНК як перемикальна схема

У 1969 році біолог Стьюарт Кафман запропонував надзвичайно спрощений модель регуляції генів: розглядати кожен ген як бінарний перемикач, увімкнений або вимкнений, оновлюваний на кожному кроці залежало від стану невеликої кількості інших генів, які його регулюють. Він назвав цю модель NK – N вузлів, кожен з яких слухає K випадково обраних входів, кожен з яких керується випадково призначеним булевим правилом. Ця модель свідомо відкидає всі біохімічні деталі, щоб поставити чисто структурне питання: які види довгострокової поведінки взагалі можливі, якщо враховувати лише те, скільки речей впливає на кожен ген?

Модель, точно

N вузлів, кожен з яких перебуває в стані 0 або 1 (вимкнено / увімкнено) для кожного вузла i: виберіть K інших вузлів випадковим чином → «входи» до вузла i призначте РУНДОМІЙНІ булеву таблицю з K входами та 1 виходом (можливо 2^(2^K) таблиць для вибору – наприклад, 16 можливих таблиць при K=2) ОСТАНОВЛЕ ДІЯ (синхронна, всі вузли одночасно): new_state[i] = truthTable[i]( state[input_1], state[input_2], ..., state[input_K] ) Кожен вузол оновлюється одночасно з одного і того ж моменту часу, як у грі «Життя» на цьому сайті – ця синхронність має значення, оскільки вона робить всю мережу детермінованою функцією від 2^N можливих станів до іншого. Детермінована динаміка в межах кінцевого простору станів має неминучий наслідок: починаючи з будь-якої точки, траєкторія зрештою повернеться до стану, який вона вже бачила, в цей момент зафіксується періодичний аттракторний цикл і повториться безперервно.

N nodes, each in state 0 or 1 (off / on)

for each node i:
  choose K OTHER nodes at random  →  node i's "inputs"
  assign a RANDOM Boolean truth table with K inputs and 1 output
  (2^(2^K) possible tables to choose from — e.g. 16 possible tables when K=2)

UPDATE RULE (synchronous, every node at once):
  new_state[i] = truthTable[i]( state[input_1], state[input_2], ..., state[input_K] )

Чому K вирішує все

Одинокий параметр з’єднання K – кількість входів, що живлять кожен вузол – виявляється контролює, чи згасне невелике збудження або він розгориться:

K = 1 ОРТЕРНИЙ невеликі збудження швидко згасають; мережа застигає в коротких притяжних циклах; більшість вузлів фіксуються у фіксованому значенні

K = 2 КРИТИЧНИЙ "межа хаосу" – збудження не надійно згасають і не надійно ростуть; довжина притяжних циклів приблизно масштабується з √N

K ≥ 3 ХАОТИЧНИЙ один перевернутий біт зазвичай поширюється через велику частину мережі протягом кількох кроків; довжини притяжних циклів можуть експоненційно зростати з N

Інтуїція полягає в тому, наскільки далеко вплив поширюється на кожному кроці. З K = 1 кожен вузол реагує лише на один інший вузол, тому вплив збудження поширюється вздовж тонкої, легко переривчастої ланцюга і зазвичай згасає. З більшим K кожен вузол є центром для більшої кількості входів, тому зміна будь-де має більше шансів поширитись на більше вузлів на наступному кроці – і для K ≥ 3 з використанням стандартних випадкових булевих функцій, це зовнішнє розгалуження зазвичай переважає над гальмуванням, створюючи шалені, хаотичні явища.

K = 1   ORDERED    small perturbations die out quickly; the network freezes
                    into short attractor cycles; most nodes lock to a fixed value

K = 2   CRITICAL    "the edge of chaos" — perturbations neither reliably die
                    nor reliably grow; attractor lengths scale roughly with √N

K ≥ 3   CHAOTIC     a single flipped bit typically cascades through a large
                    fraction of the network within a few steps; attractor
                    lengths can grow exponentially with N

Вимірювання межі: Дієррадові діаграми

Бернард Дієрра запропонував чистий, кількісний спосіб визначити межу порядку-хаосу: створюйте дві копії однієї мережі, запускайте їх у майже ідентичних станах (різнячись лише одним бітом), виконуйте один крок вперед для обох, та вимірюйте частку вузлів, які тепер не збігаються — відстань Хеммінга після оновлення, як функцію від відстані Хеммінга до оновлення. Побудуйте "після" проти "до" на багатьох спробах, і крива або згинається нижче діагоналі (різницям стає менше — упоряджений режим), майже точно лежить на діагоналі (середнє значення різниць не зростає і не зменшується — критична точка), або згинається вище її (різниці посилюються — хаотичний режим). Для мереж NK з незбалансованими випадковими булевими функціями, ця Дієррадова крива майже точно перетинає діагональ при K = 2, що є коренем відомого результату "K = 2 є критичним".

Атрактори як типи клітин

Теза Каффмана в області біології була більш радикальною, ніж математика сама по собі: він запропонував, що різні цикли атракторів однієї базової генної мережі відповідають різним, стабільно диференційованим клітинним типам у реальному організмі — шкірні клітини, клітини печінки та нейрони поділяють однакові ДНК, але закріплюються в різних самоузгоджених, самодостатніх патернах генної активності, точно так само, як різні початкові стани однієї мережі NK переходять у різні атрактори. Він також відзначив, що мережі в режимі упорядкованого переходу до критичної точки природним чином мають керовану, приблизно поліноміальну кількість коротких атракторів — що, ймовірно, відповідає скромній кількості окремих клітинних типів, які зустрічаються в реальних організмах, тоді як мережі з глибоким хаосом мали б некеровано велику, експоненційно зростаючу кількість довгих, нестабільних атракторів — що не відповідає тому, що насправді спостерігається в біології. Це залишається провокативною гіпотезою, а не усталеною біологічною теорією, але саме тому булеві мережі продовжують залишатися стандартним ігровим моделлю в системній біології для роздумів про стабільність та перепрограмування клітинного розвитку.

Frequently asked questions

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Boolean Network і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.