基因调控网络&群体机器人（1）

基因调控网络&群体机器人（1）

生物体的复杂程度并不仅仅是由基因数目决定的，基因无法完全反映复杂的生命现象。在简单到复杂、低级到高级的生物进化过程中，生物系统中基因、蛋白质、小分子之间的复杂相互作用关系起决定作用。

系统生物学(System biology)就是基于这样的大背景应运而生，成为当今生物学研究的热点新领域。系统生物学致力于研究生物系统中组成成分的构成，以及在特定条件下这些组分间的相互作用关系；帮助生物学家从系统的角度研究高度复杂的生命现象，从系统水平理解生物体的结构与功能，研究并揭示生物信息的规律。

系统生物学的研究范畴包括多种不同层面的网络，如宏观的生态网络，微观的基因调控网络(Gene regulatory network, GRN)，蛋白质分子网络等。基因调控网络是目前的研究热点之一，几乎所有的细胞活动都被基因网络所控制。

基因调控网络就是由一组基因、蛋白质、小分子以及它们之间的相互调控作用所构成的一种生化网络，可理解为细胞内生物分子之间的相互作用关系在基因空间当中的投影。

基因调控网络是一个输入-网络-输出的复杂系统，细胞里面的每个基因可视为系统中的一个变量，这些变量之间又存在着相互作用关系。刺激响应关系指的是系统在面对扰动时，所做出的应激响应。倍变探测功能，适应性功能等都属于刺激响应关系研究的范畴。

倍变探测(Fold-change detection)功能类似于心理学上众所周知的韦伯定律
(Weber’s Law)，即系统的响应（输出信号）取决于外界刺激（输入信号）的改变幅度，不受外界刺激绝对值大小的影响。

适应性即系统在对输入扰动做出响应后，恢复到原来状态的能力。适应性作为基因调控网络的重要功能之一，体现了生物体在变化环境中的生存能力。生物系统中有很多适应性的例子，如：细菌的化学趋向性，酵母跨膜反应，哺乳动物的钙平衡等。

常用的数学模型主要有：有向图模型、布尔网络模型、贝叶斯、网络模型和微分方程模型等。其中，前两种偏定性，后三种偏定量，尤其是微分方程模型被广泛用来构建小而精确的基因调控网络。

这篇主要是对基因调控网络做一个简单的引入，后续会跟进内容。有兴趣的同学可以关注我，日更哈。