Latent space of a small genetic network: Geometry of dynamics and information.
Latent space of a small genetic network: Geometry of dynamics and information.
复制标题
DOI：
10.1073/pnas.2113651119
复制
发表时间：
2022-06-28
影响因子：
11.1
通讯作者：
中科院分区：
文献类型：
--
作者：
在生命系统中，所有过程都是内在动态的。但是，即使是最基本的生物动力学也具有如此高的维度特征，以至于通常很难推断出包含具有高预测能力的最基本特征的表征。在这里，我们认为一个小的遗传网络驱动早期苍蝇发展的动态，并得出一个直观的位置信息的生物概念编码的图片表示。我们展示了基因调控和网络电路是如何与这幅图中的几何特征相关联的，以及一个将时间和空间分开的苍蝇发育的简约模型是如何自然出现的。我们的工作说明了生物数据的小而信息丰富的表示如何用于直观地解释复杂的生物调节和动态。大多数生物系统的高维特征对建模和预测提出了真正的挑战。在这里，我们提出了一个基于神经网络的方法降维和生物基因表达数据的分析，使用，作为一个案例研究，一个著名的遗传网络在早期果蝇胚胎，差距基因模式系统。我们构建了一个自动编码器，将空间间隙基因表达的动态压缩成二维（2D）潜在图。由此产生的2D动力学表明一个几乎线性的模型，只有一小部分基本的相互作用。母体定义的空间模式控制间隙基因的定位，没有经典假设的一套复杂的抑制性间隙基因的相互作用。令人惊讶的是，这预测了敲除缺口基因时相邻缺口结构域的最小变化，与先前的观察结果一致。母体突变体的潜在空间几何形状也与这种空间模式的存在相一致。最后，我们展示了位置信息是如何被很好地定义和解释为潜在空间中的极角。我们的工作说明了在中型生物数据集上优化小型神经网络如何提供足够的信息，以捕获网络功能的基本机制。
In living systems all processes are intrinsically dynamic. But even the most basic biological dynamics are of such high-dimensional character that it is often difficult to deduce representations containing the most essential features with high predictive power. Here we consider the dynamics of a small genetic network driving early fly development and derive a picture representation that intuitively encodes the biological notion of positional information. We show how gene regulation and network circuitry are associated with geometric features in this picture, and how a parsimonious model for fly development separating time and space emerges naturally. Our work illustrates how small, informative representations of biological data serve for intuitive interpretation of complex biological regulation and dynamics. The high-dimensional character of most biological systems presents genuine challenges for modeling and prediction. Here we propose a neural network–based approach for dimensionality reduction and analysis of biological gene expression data, using, as a case study, a well-known genetic network in the early Drosophila embryo, the gap gene patterning system. We build an autoencoder compressing the dynamics of spatial gap gene expression into a two-dimensional (2D) latent map. The resulting 2D dynamics suggests an almost linear model, with a small bare set of essential interactions. Maternally defined spatial modes control gap genes positioning, without the classically assumed intricate set of repressive gap gene interactions. This, surprisingly, predicts minimal changes of neighboring gap domains when knocking out gap genes, consistent with previous observations. Latent space geometries in maternal mutants are also consistent with the existence of such spatial modes. Finally, we show how positional information is well defined and interpretable as a polar angle in latent space. Our work illustrates how optimization of small neural networks on medium-sized biological datasets is sufficiently informative to capture essential underlying mechanisms of network function.
登录
查看更多内容
发育过程中细胞命运动态的无基因方法。
影响因子：
7.7
作者：
Corson F;Siggia ED
通讯作者：
Siggia ED
影响因子：
64.8
作者：
HULSKAMP, M;PFEIFLE, C;TAUTZ, D
通讯作者：
TAUTZ, D
DOI：
10.1016/j.cub.2016.02.054
发表时间：
2016-05-09
期刊：
Current biology : CB
影响因子：
--
作者：
El-Sherif E;Levine M
通讯作者：
Levine M
DOI：
10.1073/pnas.2109011118
发表时间：
2021-11-16
影响因子：
11.1
作者：
Bauer, Marianne;Petkova, Mariela D.;Bialek, William
通讯作者：
Bialek, William
影响因子：
64.8
作者：
Clyde, DE;Corado, MSG;Small, S
通讯作者：
Small, S