转录因子网络的选型特征有助于稳健性

达特茅斯大学的研究人员探索了转录因子网络(TFNs)的连接类型和数量，以评估分类在稳健性中的作用PLOS计算生物学8月。研究发现，分类特征有助于网络抵御突变的弹性。

“在模拟中，似乎改变TFN模型的内外分类有更大的影响鲁棒性而不是改变其他三种类型的分类，”达特茅斯学院计算遗传学实验室的前研究员、第一作者Dov A. Pechenick博士说。“我们通过改变签名中所有四种类型的选型来确定这一点，然后测量鲁棒性。”

转录因子(TFs)是启动和调节基因表达的蛋白质。为了实现它们的遗传使命，tf也会调节彼此的表达。单个tf通过指向内或指向外的连接彼此连接，形成一个网络．耦合的方向表示调节控制;一个TF的出站连接规定了它对另一个的控制，因此它根据基因表达打开或关闭那个TF。

许多这样的连接配对发生在一个网络中，它们的类型决定了网络的分类性，这可以衡量这些配对是否倾向于发生在连接数量相似的tf之间。例如，当配对中的tf可能拥有相似数量的外向连接时，外向选型就很高。如果它们可能拥有非常不同的传入连接数量，则内入选型很低。综合起来，对不同种类的分类性的测量就形成了一个特征。根据Pechenick的说法，“有向网络中有四种类型的选型，选型签名是一种同时观察所有四种类型的方法。”

Pechenick和他在达特茅斯的合著者评估了41种不同的人类细胞和组织类型的已发表tfn的分类特征，发现超过平均数量的连接tfn具有相似数量的外向连接(高外向分类)。此外，这一属性，比其他三种类型的选型，似乎是一个鲁棒性的预测器。

“鲁棒性是一种衡量TF基因表达的整体模式随着时间的推移在面对这些TF调控指令突变时的弹性的方法。如果突变倾向于改变模式，那么鲁棒性就很低。如果突变倾向于对模式没有影响，那么鲁棒性就很高，”Pechenick说。

达特茅斯大学的这项研究首次研究了tfn的分类特征及其对稳健性的影响。Pechenick说:“结果表明，测量一个TFN的选型特征可以告诉你它的健壮性。”“对于希望理解和模拟生物网络的研究人员来说，这些结果表明了考虑分类的重要性。”