集智俱乐部 2024年09月09日
细胞命运决定和多细胞生成中的数学模型|周二直播·生命复杂性读书会
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

多细胞生物从一个受精卵开始,经过生长和分化,各个细胞井然有序地表达不同的基因,最终走向迥异的细胞命运,尽管它们共享着相同的遗传密码。李志远老师将基于动力学模型,运用吸引子和互信息的语言,探讨细胞命运决定背后的数学模型与网络机制,并分析了细胞命运决定过程中转录因子间的组合逻辑、不同逻辑组合对命运决定的动力学过程的影响、细胞命运决定是由噪声还是信号驱动的等问题,以及多细胞体系形成过程中复杂度自发增加的机制。

🤔 **细胞命运决定的动力学语言:正反馈、吸引子和分岔** 多细胞生物生长发育过程中,共享同一遗传密码的细胞需要在时间和空间上形成高度有序的形态,最终走向不同的命运。细胞命运决定可以用动力学模型来描述,其中关键概念包括正反馈、吸引子和分岔。正反馈是指一个信号放大自身,导致细胞状态的稳定,例如细胞分裂时,分裂信号会不断放大,最终导致细胞分裂。吸引子代表一个稳定的细胞状态,细胞会向该状态收敛,例如一个细胞最终成为神经元,就代表它进入了一个神经元的吸引子状态。分岔是指细胞状态在某些条件下会发生转变,例如一个细胞在发育过程中,受到外界信号的影响,会从一种吸引子状态转变到另一种吸引子状态。

🤔 **动力学模型的简化为什么会“离了谱”?** 虽然动力学模型在解释细胞命运决定方面取得了一些进展,但它们也存在一些局限性。例如,模型通常会简化细胞内部的复杂网络,导致模型与现实情况之间存在偏差。此外,模型中参数的确定也存在困难,因为细胞内部的复杂性难以完全模拟。因此,需要更加精确的模型来解释细胞命运决定的复杂性。

🤔 **发育过程中互信息自发增加的最简模型** 在多细胞体系形成的过程中,整个体系的复杂度是如何自发增加的?一个关键问题是互信息的增加。互信息是指两个变量之间相互依赖程度的度量,在细胞命运决定中,互信息可以用来衡量细胞状态之间的相互依赖程度。研究表明,发育过程中互信息的增加可以解释细胞状态的复杂化。一个简单的模型可以模拟这种现象,该模型假设细胞状态之间的相互作用会随着时间的推移而增加,从而导致互信息的增加。

🤔 **未来展望** 未来,需要更加精细的数学模型来解释细胞命运决定的复杂性,例如,需要考虑细胞内部的复杂网络结构、基因表达的动态变化、细胞之间的相互作用等因素。此外,还需要更多的数据来验证模型,例如单细胞测序、蛋白质组学等数据。通过更精确的模型和更多的数据,可以更好地理解细胞命运决定的机制,并为治疗疾病提供新的思路。

🤔 **思考** 细胞命运决定是生命科学中的一个基本问题,其研究对于理解生命过程、治疗疾病具有重要意义。通过动力学模型和互信息等数学工具,我们可以更好地理解细胞命运决定的机制,并为未来研究提供新的方向。

集智俱乐部 2024-09-09 20:58 北京

共享同一套遗传密码,如何走向迥异的细胞命运?


导语


在多细胞生物的形成过程中,一个引人入胜的问题是:细胞状态如何自发而有序地增加。从一个受精卵开始,经过生长和分化,各个细胞井然有序地表达不同的基因,最终走向迥异的细胞命运,尽管它们共享着相同的遗传密码。那么,究竟是什么样的“力”促使并维持了这些细胞状态的差异?又是何处来的信息,“告诉”细胞它应该走向哪个状态?


我们本周二晚的「生命复杂性」读书会将由北京大学定量生物学中心助理教授、研究员李志远老师分享,基于动力学模型,运用吸引子和互信息的语言,探讨细胞命运决定背后的数学模型与网络机制。




内容简介




多细胞生物生长发育的过程中,共享同一遗传密码的细胞需要在上百种不同的命运中进行“选择”,在时间和空间上形成高度有序的形态。自数十年前起,研究者们就开始探究细胞命运决定中的网络动力学模型,以反馈、吸引子、分岔等一系列数学语言来定量构建细胞命运决定的地形图。然而,领域中一些本质问题仍然没有完全清楚,例如:

命运决定过程中转录因子间的组合逻辑是什么?

不同逻辑组合对命运决定的动力学过程有什么影响?

细胞命运决定是由噪声还是信号驱动的?

以及,在多细胞体系形成的过程中,整个体系的复杂度如何在没有外界指引的情况下自发增加?


带着这些问题,我们将探讨细胞命运和多细胞生成中的数学模型,特别是这些模型的不足,以及对复杂性自发生成的一些思考。





内容大纲



   

1. 细胞命运决定的动力学语言:正反馈、吸引子和分岔

2. 动力学模型的简化为什么会“离了谱”?

3. 发育过程中互信息自发增加的最简模型





核心概念




网络动力学

反馈

细胞命运决定

互信息





参考文献




Moris, Naomi, Cristina Pina, and Alfonso Martinez Arias. Transition states and cell fate decisions in epigenetic landscapes. Nature Reviews Genetics 17.11 (2016): 693-703.

Zhang, Lu, et al. A mathematical framework for understanding the spontaneous emergence of complexity applicable to growing multicellular systems. PLOS Computational Biology 20.6 (2024): e1011882.

Xue, Gang, et al. A logic-incorporated gene regulatory network deciphers principles in cell fate decisions. Elife 12 (2024): RP88742.





主讲人




李志远,北京大学定量生物学中心助理教授、研究员,北京大学-清华大学生命联合中心研究员。2009年在北京大学物理学院获物理学学士学位,2014年在加州大学旧金山分校获生物物理学博士学位,2015年在普林斯顿大学进行博士后研究,2019年加入北京大学。课题组的研究以“生物系统中的自组织规律”为核心,以数据挖掘和网络动力学等计算方法为手段,着重关注如下几个领域:微生物从演化到群落互作中的定量科学,多细胞体系中模式生成的数学规律,生物大数据挖掘的方法建设,传染病动力学和对非药物干预的建模。

实验室主页:https://cqb.pku.edu.cn/zyli/





参与方式




直播信息

时间:2024年9月10日(本周二)晚19:00-21:00


报名参与读书会:

斑图链接:https://pattern.swarma.org/mobile/study_group_issue/738?from=wechat


扫码参与「生命复杂性」读书会,加入群聊,获取系列读书会回看权限,加入生命复杂性社区,与社区的一线科研工作者沟通交流,共同推动这一前沿领域的发展。



报名成为主讲人

读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员,均遵循内容共创共享机制,可以获得报名费退款,并共享本读书会产生的所有内容资源。详情请见:生命复杂性读书会:从微观到宏观,多尺度视角探索生命复杂系统的构成原理



生命复杂性读书会:

生命复杂系统的构成原理


在生物学中心法则的起点,基因作为生命复杂系统的遗传信息载体,在生命周期内稳定存在;而位于中心法则末端的蛋白质,其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进,尤其是生命组学(基因组学、转录组学、蛋白质组学和代谢组学等的集合)等领域的日新月异,当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统——“人体”的构成原理和设计原理?阐释人类发育、衰老和重大疾病的发生机制?


集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰,国家蛋白质科学中心(北京)副研究员常乘、李杨,香港浸会大学助理教授唐乾元,北京大学前沿交叉学科研究院研究员林一瀚,中国科学院分子细胞科学卓越创新中心博士后唐诗婕,共同发起「生命复杂性:生命复杂系统的构成原理」读书会,从微观细胞尺度、介观组织器官尺度到宏观人体尺度,梳理生命科学领域中的重要问题及重要数据,由生物学家提问,希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流,建立跨学科合作关系,激发新的研究思路和合作项目。读书会从2024年8月6日开始,每周二晚19:00-21:00进行,持续时间预计10-12周。欢迎对这个生命科学、物理学、计算机科学、复杂系统科学深度交叉的前沿领域感兴趣的朋友加入!



详情请见:

生命复杂性读书会:从微观到宏观,多尺度视角探索生命复杂系统的构成原理



点击“阅读原文”,报名读书会

阅读原文

跳转微信打开

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

细胞命运决定 动力学模型 吸引子 互信息 复杂性
相关文章