生物网络的新数学语言

柏林数学教授迈克尔·乔斯维格(MichaelJoswig)周围的一个研究小组提出了一个新概念，用于生物系统中遗传相互作用的数学建模。该团队与苏黎世联邦理工学院和卡内基科学(美国)的生物学家合作，成功地在整个遗传网络的背景下确定了主调控因子。

研究成果为分析生物网络提供了一个连贯的理论框架，并已发表于美国国家科学院院刊。

确定对进化、生态和健康具有决定性影响的关键基因和物种是生物学家的长期目标。研究人员现已成功确定某些基因是生物网络中的主要调节因子。这些关键调节因子在系统内发挥更大的控制作用并引导重要的细胞过程。以前的研究主要集中在系统内的成对相互作用，这种相互作用可能受到遗传背景或生物背景的强烈影响。

背景依赖性效应在生物学中广泛存在，但尚未得到充分研究。生物网络的一个主要挑战是它们是高维的。因此，我们的团队首次寻求一种影响更深远的方法，其中包括更高阶的交互，从而确定整个网络背景下的关键监管机构。”Joswig解释道，他是柏林工业大学离散数学和几何教授、柏林卓越数学集群MATH+的杰出研究员，以及莱比锡马克斯·普朗克数学科学研究所的组长。

作为高维几何建模方法的上位概念

科学家们检查了生物学家提供的真实数据集，他们根据肠道中某些细菌组合的存在分析了果蝇的预期寿命。为了以数学方式描述这些过程，该团队应用了几何学的高维方法，重新解释了众所周知的上位生物学概念。上位性是指不同基因之间的相互作用现象，其中一个基因可能影响另一个基因的出现。

这些相互作用对于理解遗传遗传和表型的多样性至关重要，揭示不同基因如何相互作用来调节特定性状的表达。上位相互作用在自然界中具有重要意义。例如，微生物组中细菌之间的上位性可能会产生深远的功能影响。

研究人员分析了整个果蝇种群中五种不同细菌的微生物组，同时测量了果蝇的微生物组。这些细菌在某些组合下的预期寿命(代表表型)。使用适应性景观(称为适应性景观)绘制相关生物信息，并对其上位性进行量化，以研究个体基因和物种如何影响整个生物网络中的相互作用。再次分析所得的5维数据集并以图形方式呈现。

识别相关信号作为网络的主调节器

这项工作的主要贡献不仅体现了研究人员的成果用一种新的语言表达了之前的发现，同时也重新解释了NikoBeerenwinkel、LiorPrachter和BerndSturmfels之前的工作，即将健身景观表示为网络的上位过滤。这种方法能够对具体实验进行分析，以编码相关的生物信息，使其可读(可解释)，并允许识别更高维度的相关信号，这些信号充当网络的主调节器。

这项生物学和数学交叉领域的跨学科研究涉及大量真实实验，以证明所提出的方法检测生物学相关信息的能力及其可靠的信号，同时避免误报。研究结果为分析生物网络提供了一个连贯的理论框架。

分析整个网络的连贯理论框架

在上述果蝇实验中，整个遗传相互作用涉及五种不同的基因类型或细菌，每种基因型包含32个基因的组合。该数据集是得出果蝇预期寿命结论的基础。一个重要的考虑因素是当额外的基因或参数出现时会发生什么——这是现实生活中常见的场景。

由于其连贯的几何上层结构，新方法提供了一个灵活的框架来检测和描述偏差场景，这是以前的实验和数学建模中无法实现的，这需要对每个单独的实验进行单独的评估。

“我们很高兴能够为用数学语言描述生物学结果做出贡献。通过我们的几何统计分析方法，我们希望为探索更高维度的生物网络提供强大的工具。事实证明，这是识别网络主监管者的绝佳方法。通过应用新的高维几何方法，量化适应度景观中的上位性，我们能够破译个体基因和物种如何影响生态系统中的相互作用。更广泛的生物网络，”乔斯维格总结道。

肠道中的微生物组成显着影响预期寿命，因此也希望将这种新的量化方法应用于人类。然而，由于人类肠道中存在大量细菌，这尚不可能。科学家们希望，未来使用更简单的方法与经典的转化过程相结合，可以为定制药物的开发等应用铺平道路。