ISSN: 2376-130X
గార్టే ఎస్ మరియు ఆల్బర్ట్ ఎ
జీన్ రెగ్యులేటరీ నెట్వర్క్ల నమూనాలు (GRN) బయోలాజికల్ కంట్రోల్ నెట్వర్క్ల యొక్క అత్యంత సంక్లిష్టమైన ప్రవర్తన యొక్క అనేక అంశాలను అర్థం చేసుకోవడానికి ఉపయోగపడతాయని నిరూపించబడింది. యాదృచ్ఛికంగా ఉత్పత్తి చేయబడిన నాన్-బూలియన్ నెట్వర్క్లు అనేక జన్యురూప పారామితుల యొక్క విధిగా డైనమిక్ ఫినోటైప్లపై డేటాను రూపొందించడానికి ప్రయోగాత్మక అనుకరణలలో ఉపయోగించబడ్డాయి. నెట్వర్క్ జెనోటైప్ యొక్క టోపోలాజికల్ భాగం నిర్దిష్ట సమలక్షణ పారామితులను అంచనా వేయగల గణిత సూత్రాల ఆవిష్కరణకు అడ్డంకిగా ఉంటుందని మేము ఊహించాము. మా డేటా ఆ పరికల్పనకు మద్దతు ఇస్తుంది. మేము టోపోలాజికల్ జెనోటైప్ (TGE) ప్రభావాన్ని లెక్కించాము మరియు సాధారణ మరియు సంక్లిష్టమైన బహుళ-జన్యు నెట్వర్క్లలోని అనేక డైనమిక్ ఫినోటైప్లపై దాని ప్రభావాన్ని నిర్ణయించాము. TGE తక్కువగా ఉన్న సందర్భాల్లో, నెట్వర్క్ జన్యువుల సంఖ్య, పరస్పర చర్య సాంద్రత మరియు ప్రారంభ పరిస్థితుల ఆధారంగా మంచి ఖచ్చితత్వంతో కొన్ని సమలక్షణాలను అంచనా వేయడానికి సూత్రాలను ఊహించడం సాధ్యమైంది. ఈ గణిత సంబంధాల సూత్రీకరణతో పాటు, సంక్లిష్ట డోలనం ప్రవర్తనలతో సహా అనేక డైనమిక్ లక్షణాలను మేము కనుగొన్నాము, ఇవి ఎక్కువగా జన్యురూప టోపోలాజీపై ఆధారపడి ఉంటాయి మరియు అలాంటి సూత్రాలు ఏవీ నిర్ణయించబడవు. జన్యు వ్యక్తీకరణ స్థితి యొక్క సమగ్ర కొలతల కోసం, మేము అనేక రకాల పీరియడ్ నిడివితో స్థిరమైన, ఆవర్తన సైక్లింగ్, అపెరియోడిక్ సైక్లింగ్ మరియు స్పష్టమైన అస్తవ్యస్తమైన డైనమిక్లతో సహా అనేక రకాల డోలనం నమూనాలను గమనించాము. ఈ ఫలితాలు జీవ జన్యు నియంత్రణ నెట్వర్క్లకు వర్తిస్తాయో లేదో నిర్ణయించాల్సి ఉంది.