第二十七章 信息生命体（七） (第1/3页)

5.集群

我们和其他小组最近的一些研究，强调了在与环境的因果互动和内部信息处理中适应性和鲁棒性之间的平衡（Walker et al. 2016），已知信息处理特性表现出从稳定阶段（以信息存储为主）到混沌阶段（以信息传递为主）之间临界转变距离的强烈依赖性。众所周知，临界系统具有生物系统的两个基本特征：对各种不同环境条件的适应性和鲁棒性。我们期望基因调控中的临界性普遍存在，这将为生物网络独特的信息处理和控制特性研究提供参考。

Control kernel 控制核

复杂系统研究的主旨之一是理解并理预测出系统涌现的全局动态，例如动态轨迹或最终状(Barabási 2016）。这些代表系统集群行为的全局状态可以通过施加外部因果干预来改变。引导整个系统从初始状态到达期望的最终状态。这为许多领域应用都提供了强大的工具，包括从舆论动态相关的问题到流行病，从细胞的分化到社会性昆虫的巢穴选择问题等等。

最近的研究发展了复杂网络控制相关的数学基础，试图通过理解因果结构与各组成部分动态的更新规则来寻找严格的控制机制。Liu 等人（2011）发展了他们的前瞻性框架，将具有线性动态过程的有向复杂网络可控性问题简化为一个图论问题。利用他们的理论可以确定一组能够完全控制整个网络动态的驱动节点（driver nodes）。他们还发现，所确定的驱动节点往往是低度节点，并且总数主要由网络的度分布决定。

生物系统模型大多是非线性动力学系统，完全可控性既不可行也没有必要。相反，找到一种特定的控制机制，能够将一个给定的系统从特定的初始状态或轨迹引导到另一组期望状态或轨迹集合，是更为现实的，往往也足够的（Cornelius et al. 2013）。例如，控制基因调控网络的主要目的之一是将系统引导到特定的细胞状态，而非任意的表达水平。这种表型控制通常被定位在整个网络的一小部分中，以能驱动系统到期望吸引子的控制核来定义。不过，控制核的大小通常比一般随机网络还要更大（Liu et al. 2011; Kim et al. 2013; Gates Rocha 2016; Choo et al. 2018）。这表明生物系统的可控性程度可能存在一定的范围，可以通过控制核的大小来量化。因此我们会将可控性程度视为生物系统信息架构的基本特征

本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！