PRL速递：生物化学信号网络中的动力学信息协同

关键词：复杂网络，生物信号网络，协同信息

论文题目：Dynamical Information Synergy in Biochemical Signaling Networks论文地址：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.131.128401
生物细胞通过生化信号网络对环境进行信息编码，以控制其内部状态和响应。这些信息通常编码在信号分子的动态模式中，而不仅仅是瞬时浓度。因此研究人员通常会连续对系统进行多次测量，以了解特定的细胞信号传递过程。近日，法国巴黎高师物理实验室的科学家发现，如果他们将两次测量结果整体分析，而不是依次分析，那么可以从测量中获取更多信息。
细胞信号分子存在于复杂网络中，并且具有复杂的动力学特性。随着时间推移，一种分子的浓度可以恢复到稳定状态，或者按照多种不同的时间模式上升和下降。这种浓度变化还可能取决于细胞接收到的特定刺激。研究人员认为，细胞传递信息不仅通过信号分子的身份，还通过其时间动力学。
这项研究在线性区域内，为静态和时变输入信号的多个典型情况分析了信号分子动力学中包含的信息。在考虑振荡输出动力学时，研究发现连续测量之间会出现协同作用，这意味着两次测量的联合信息超过各个信息的总和。研究通过数值分析将范围扩展到线性输入编码之外，以揭示频率或阻尼调制情况下的协同效应，这两种情况都与经典生化信号系统相关。

图1. 计算时间轨迹中的互信息。(a) 研究中考虑的输入信号可以是静态的或动态的，它通过生化网络传输，产生时间依赖的输出信号，其动态模式可能编码有关输入的信息。(b) 为了评估信息传输，研究在给定数量的时间点上对输入-输出轨迹进行采样并计算互信息。

图2. 连续测量之间信息传输的协同。

编译｜梁金

因果涌现读书会第三季启动

详情请见：

因果涌现读书会第三季启动：深入多尺度复杂系统核心，探索因果涌现理论应用

推荐阅读

‍1. Nat. Commun速递：生物化学反应网络的通用适应结构2. 类脑计算前沿：基于有机电化学网络的生物信号分类3. Nature 速递：预训练深度学习模型进行网络生物学预测4. 张江：第三代人工智能技术基础——从可微分编程到因果推理 | 集智学园全新课程5. 成为集智VIP，解锁全站课程／读书会6. 加入集智，一起复杂！

点击“阅读原文”，报名读书会