从产生癌症的生化反应，到在社交媒体上病毒式传播的最新模因，简单的行动可以产生复杂的行为。然而，对于试图理解这些突发行为的研究人员来说，复杂性可能会对当前的计算方法造成负担。
现在，一组研究人员开发了一种新算法，可以作为一种更有效的方法来分析生物系统模型，从而为理解构成这些系统的决策回路开辟了一条新途径。研究人员补充说，该算法将帮助科学家研究相对简单的行为如何导致复杂的行为，例如癌症生长和投票模式。
宾夕法尼亚州立大学物理学博士生 Jordan Rozum 说，所使用的建模框架由布尔网络组成，布尔网络是一组处于开启或关闭状态的节点。例如，布尔网络可以是一个相互作用基因的网络，这些基因在细胞中被打开——表达——或关闭。
“布尔网络是捕捉系统本质的好方法，”Rozum 说。“有趣的是，这些非常丰富的行为可以通过将小开关连接在一起而出现 – 一个开关被切换，然后它会切换另一个开关，这可能导致大量效果，然后反馈到原始开关。我们可以从简单的耦合中获得非常有趣的复杂行为。”
“布尔模型描述了信息如何通过网络传播，”宾夕法尼亚州立大学埃伯利科学学院物理学和生物学杰出教授、计算和数据科学研究所附属机构 Réka Albert 说。研究人员称，最终，节点的开/关状态陷入重复模式，称为吸引子，这对应于系统的长期稳定行为，他们在最新一期的《科学进展》上报告了他们的发现。
即使这些系统基于简单的操作，随着节点的增加，复杂性也会显着增加，特别是在系统中的事件不同步的情况下。例如，根据研究人员的说法，具有几十个节点的生物过程的典型布尔网络模型具有数百亿个状态。在基因组的情况下，这些模型可以有数千个节点，从而产生比可观测宇宙中的原子更多的状态。
研究人员使用两种变换——奇偶校验和时间反转——来提高布尔网络的分析效率。奇偶校验转换提供了网络的镜像，切换节点的开启和关闭，反之亦然，这有助于确定哪些子网具有可以随时间维持自身的开启和关闭值的组合。时间反转向后运行网络的动态，探索哪些状态可以先于初始输入状态。
该团队在一组称为随机布尔网络的合成布尔网络上测试了他们的方法，这些网络已作为一种模拟基因调控如何决定细胞命运的方式使用了 50 多年。该技术使该团队能够在这些网络中找到超过 16,000 个基因的吸引子数量，据研究人员称，这些基因的大小比以往任何时候都大，进行了如此详细的分析。
据该团队称，该技术可以帮助医学研究人员。
“例如，您可能希望癌细胞经历细胞凋亡(程序性细胞死亡)，因此您希望能够让系统选择导致预期结果的决定，”Rozum 说。“因此，通过研究这些决策是在网络中的哪个位置做出的，您可以弄清楚需要做什么才能让系统选择这些选项。”
使用这些方法研究社会科学和信息技术中的问题存在其他可能性。
“信息的传播也将成为一个有趣的应用，”阿尔伯特说。“例如，有一些模型描述了一个人们对某件事持有二元意见的社会。在这个模型中，人们相互交流，形成了当地的共识。我们的方法可以用来绘制可能的共识群体的曲目，包括全球共识。”
她补充说，使用可以扩展到研究人员试图找到消除病理行为或驱动系统进入更正常行为的方法的任何领域。
“要做到这一点，理论存在，方法论存在，但计算费用是一个限制因素，”阿尔伯特说。“有了这个算法，很大一部分已经被消除了。”
据阿尔伯特说，研究人员开发了一个公开可用的软件库，并且这些算法已经用于她的团队进行的研究中。
这项研究的计算是使用宾夕法尼亚州立大学的 Roar 超级计算机进行的。
Albert 和 Rozum 与博德研究所和 Dana-Farber 癌症研究所的博士后助理 Jorge Gómez Tejeda Zañudo 合作;肖干，复杂网络研究中心博士后研究员;和塞梅维什大学研究生研究员 Dávid Deritei。