Data-driven quantification of the robustness and sensitivity of cell signaling networks.
Data-driven quantification of the robustness and sensitivity of cell signaling networks.
复制标题
DOI：
10.1088/1478-3975/10/6/066002
复制
发表时间：
2013-12
期刊：
影响因子：
2
通讯作者：
Das J
中科院分区：
文献类型：
--
作者：
Mukherjee S;Seok SC;Vieland VJ;Das J
细胞信号网络产生的反应的鲁棒性和敏感性与生物体的生存和进化有关。然而，现有的方法分析信号网络的鲁棒性和灵敏度忽略了实验观察到的蛋白质丰度和细胞功能的细胞与细胞之间的变化或包含特设的假设。我们提出并应用了一种基于数据驱动的最大熵（MaxEnt）方法来量化大肠杆菌（E. coli）的鲁棒性和敏感性。coli）趋化性信号网络。我们的分析正确地对E的不同模型进行了排序。大肠杆菌趋化性的基础上，他们的鲁棒性，并建议调节细胞信号的参数是进化选择不同的个体细胞，根据他们的能力，扰乱细胞功能。此外，从我们的方法预测蛋白质丰度的分布和性质的趋化反应在单个细胞的基础上细胞群体平均数据是在良好的协议与他们的实验同行。我们的方法是通用的，可以用来评估鲁棒性，以及在广泛的细胞信号系统的群体平均实验数据的基础上产生的单细胞特性的预测。
Robustness and sensitivity of responses generated by cell signaling networks has been associated with survival and evolvability of organisms. However, existing methods analyzing robustness and sensitivity of signaling networks ignore the experimentally observed cell-to-cell variations of protein abundances and cell functions or contain ad hoc assumptions. We propose and apply a data driven Maximum Entropy (MaxEnt) based method to quantify robustness and sensitivity of Escherichia coli (E. coli) chemotaxis signaling network. Our analysis correctly rank orders different models of E. coli chemotaxis based on their robustness and suggests that parameters regulating cell signaling are evolutionary selected to vary in individual cells according to their abilities to perturb cell functions. Furthermore, predictions from our approach regarding distribution of protein abundances and properties of chemotactic responses in individual cells based on cell population averaged data are in excellent agreement with their experimental counterparts. Our approach is general and can be used to evaluate robustness as well as generate predictions of single cell properties based on population averaged experimental data in a wide range of cell signaling systems.
登录
查看更多内容
影响因子：
4.3
作者：
Dayarian A;Chaves M;Sontag ED;Sengupta AM
通讯作者：
Sengupta AM
影响因子：
64.8
作者：
Alon, U;Surette, MG;Leibler, S
通讯作者：
Leibler, S
影响因子：
64.8
作者：
Barkai, N;Leibler, S
通讯作者：
Leibler, S
影响因子：
64.8
作者：
Daniels, Mark A.;Teixeiro, Emma;Palmer, Ed
通讯作者：
Palmer, Ed
影响因子：
9.9
作者：
通讯作者：
--