張萌 郭永峰 劉倩茹

摘要：

鑒于噪聲對生物系統(tǒng)的基因轉(zhuǎn)錄調(diào)控有著重要的影響作用，研究了乘性高斯白噪聲和加性Lévy噪聲共同激勵下的基因轉(zhuǎn)錄調(diào)控系統(tǒng)的動力學(xué)特性。首先借助Janicki-Weron算法模擬出Lévy噪聲，然后利用四階Runge-Kutta 算法計算出蛋白質(zhì)濃度的穩(wěn)態(tài)概率密度函數(shù)，并通過繪制其圖像對系統(tǒng)的動力學(xué)行為進行穩(wěn)態(tài)分析。研究發(fā)現(xiàn)：高斯噪聲強度、Lévy噪聲強度、穩(wěn)定性指標(biāo)、偏斜參數(shù)均會誘導(dǎo)蛋白質(zhì)濃度發(fā)生相變現(xiàn)象，且這些參數(shù)指標(biāo)的增大會使基因轉(zhuǎn)錄調(diào)控系統(tǒng)逐漸從“開啟”狀態(tài)轉(zhuǎn)變?yōu)椤瓣P(guān)閉”狀態(tài)。

關(guān)鍵詞：

基因轉(zhuǎn)錄調(diào)控系統(tǒng)；Lévy噪聲；高斯白噪聲；穩(wěn)態(tài)概率密度；相變

中圖分類號： O414.2；O415.6???? 文獻標(biāo)識碼：A

收稿日期：2021-09-17；修回日期：2022-04-26

基金項目：

國家自然科學(xué)基金（11672207）；天津市自然科學(xué)基金（17JCYBJC15700）

第一作者：

張萌（1997-），女，天津人，碩士研究生，主要研究方向為應(yīng)用概率統(tǒng)計。

通信作者：

郭永峰（1980-），男，山東濟寧人，博士，教授，主要研究方向為隨機動力系統(tǒng)，應(yīng)用概率統(tǒng)計等。

Steady-state Analysis of the Gene Transcriptional Regulation System Under the Double-noise Excitation

ZHANG Meng， GUO Yongfeng， LIU Qianru

（School of Mathematical Sciences， Tiangong University， Tianjin 300387， China）

Abstract：

Noise is playing an important role in the regulation of gene transcription in biological systems. This paper studies the dynamics of gene transcription regulation system under the effects of multiplicative Gaussian white noise and additive Lévy noise. Firstly， the Lévy noise is simulated with the Janicki-Weron algorithm， and then the fourth-order Runge-Kutta algorithm is used to calculate the steady-state probability density（SPD） function of the protein concentration， then the steady state analysis of the gene transcriptional regulation system is carried out by the SPD figures. The study found that Gaussian noise intensity， Lévy noise intensity， stability index， and skewness parameter all can induce phase transitions in the gene transcription regulation system; At the same time， the increase of these parameters will cause the gene transcription regulation system to gradually the " on" state changes to the "off" state.

Key words：

gene transcriptional regulation system; Lévy noise; Gaussian white noise ; steady-state probability density; phase transitions

0 引言

近些年，由噪聲引起的躍遷、非平衡相變、隨機共振等現(xiàn)象被一些學(xué)者廣泛關(guān)注［15］。噪聲驅(qū)動的動力系統(tǒng)的研究已涉及到物理、化學(xué)、經(jīng)濟、生物等多個學(xué)科領(lǐng)域。例如，文獻［6］和［7］研究了不同類型噪聲激勵下Duffing系統(tǒng)的隨機分叉和隨機共振現(xiàn)象；文獻［8］探討了雙穩(wěn)系統(tǒng)中周期信號在大參數(shù)頻率范圍內(nèi)的隨機共振現(xiàn)象。文獻［9］提出了二次采樣的隨機共振技術(shù)，實現(xiàn)了絕熱近似理論在大參數(shù)條件下從強噪聲中提取弱信號的目標(biāo)。另外，在生物系統(tǒng)的基因轉(zhuǎn)錄調(diào)控方面，已有的實驗研究表明，噪聲擾動常常發(fā)生在基因表達(dá)的轉(zhuǎn)錄、降解、翻譯和結(jié)合等不同階段［1013］，并且噪聲在基因轉(zhuǎn)錄的過程中可以誘導(dǎo)蛋白質(zhì)濃度發(fā)生“雙開關(guān)”現(xiàn)象［14］。因此，研究隨機噪聲激勵的基因轉(zhuǎn)錄調(diào)控系統(tǒng)的動力學(xué)特性具有非常重要的實際意義。

基因轉(zhuǎn)錄調(diào)控系統(tǒng)是生物學(xué)交叉研究的核心問題，也是基因工程理論與實踐的基礎(chǔ)。目前，基因轉(zhuǎn)錄調(diào)控系統(tǒng)受到了許多專家學(xué)者持續(xù)廣泛的關(guān)注，并對此進行了深入的研究。文獻［15］基于Smolen等提出的基因轉(zhuǎn)錄調(diào)控系統(tǒng)動力學(xué)模型，從理論與數(shù)值兩方面研究了降解反應(yīng)速率和合成反應(yīng)速率波動對轉(zhuǎn)錄因子的影響；文獻［16］研究發(fā)現(xiàn)噪聲不相關(guān)時基因開關(guān)切換過程僅與降解反應(yīng)速率有關(guān)，而噪聲相關(guān)時遺傳調(diào)控系統(tǒng)中噪聲間的互相關(guān)強度和合成反應(yīng)速率亦會影響基因開關(guān)的切換。以往的研究多集中在高斯白噪聲誘導(dǎo)的基因轉(zhuǎn)錄調(diào)控系統(tǒng)，但是高斯白噪聲只是一種理想的狀態(tài)，不能精確地模擬實際情況?，F(xiàn)有的一些對于生物動力系統(tǒng)的研究表明，基因轉(zhuǎn)錄調(diào)控過程中的隨機擾動會以一種突發(fā)性的、跳躍性的、不可預(yù)測性的方式發(fā)生，這些特性可以用非高斯Lévy噪聲進行模擬［1718］。由此可見，非高斯噪聲對基因轉(zhuǎn)錄調(diào)控等動力學(xué)系統(tǒng)的影響是不可忽略的。如文獻［19］考慮了加性非高斯Lévy噪聲對基因調(diào)控系統(tǒng)穩(wěn)態(tài)概率密度和平均首次穿越時間的作用機制。文獻［20］研究了非高斯噪聲驅(qū)動的基因轉(zhuǎn)錄調(diào)控系統(tǒng)中噪聲的各個參數(shù)對隨機引力盆的影響。文獻［21］分析了噬菌體基因調(diào)控中乘性非高斯噪聲對系統(tǒng)穩(wěn)態(tài)概率密度和平均首次穿越時間的影響。文獻［22］通過蒙特卡洛方法對Lévy噪聲進行模擬，探討了Duffing-van der Pol系統(tǒng)的隨機分岔現(xiàn)象。文獻［23］分析了不同類型噪聲作用下耦合神經(jīng)網(wǎng)絡(luò)中脈沖信號的傳輸機制。文獻［24］研究了非高斯噪聲激勵下含周期信號 FitzHugh-Nagumo神經(jīng)元系統(tǒng)的響應(yīng)特征。但對于高斯白噪聲和Lévy噪聲共同激勵的基因轉(zhuǎn)錄調(diào)控系統(tǒng)的研究還尚未見到。

本文主要針對乘性高斯白噪聲和加性Lévy噪聲共同激勵的基因轉(zhuǎn)錄調(diào)控系統(tǒng)的穩(wěn)態(tài)動力學(xué)特性進行研究。利用Janicki-Weron算法產(chǎn)生Lévy噪聲，并通過四階Runge-Kutta算法模擬出方程的穩(wěn)態(tài)概率密度函數(shù)；進一步分析了高斯白噪聲和Lévy噪聲對系統(tǒng)穩(wěn)態(tài)概率密度的影響以及基因轉(zhuǎn)錄系統(tǒng)在“開啟”狀態(tài)和“關(guān)閉”狀態(tài)之間的相互轉(zhuǎn)換關(guān)系。

3 基因轉(zhuǎn)錄調(diào)控系統(tǒng)的穩(wěn)態(tài)分析

根據(jù)上述數(shù)值模擬方法，圖4～圖7分別給出了穩(wěn)態(tài)概率密度函數(shù)pst（x）隨穩(wěn)定性指標(biāo)α、偏斜參數(shù)β、Lévy噪聲強度Q、高斯噪聲強度D的變化曲線。

由文獻［19］和［20］可知，Lévy噪聲的穩(wěn)定性指標(biāo)α∈（1，2）時為非高斯分布，當(dāng)α=2時，Lévy噪聲轉(zhuǎn)變?yōu)楦咚拱自肼?。圖4給出了Lévy噪聲為非高斯情形時穩(wěn)態(tài)概率密度函數(shù)的變化曲線，從圖4可以看出，隨著Lévy噪聲的穩(wěn)定性指標(biāo)α的增大，穩(wěn)態(tài)概率密度函數(shù)曲線左峰逐漸升高，右峰逐漸降低，基因轉(zhuǎn)錄調(diào)控系統(tǒng)的穩(wěn)態(tài)概率密度函數(shù)逐漸由單峰狀態(tài)轉(zhuǎn)變?yōu)殡p峰狀態(tài)，蛋白質(zhì)濃度從高濃度狀態(tài)向低濃度狀態(tài)轉(zhuǎn)移，發(fā)生了相變現(xiàn)象。這表明Lévy噪聲的穩(wěn)定性指標(biāo)α可以誘導(dǎo)基因開關(guān)發(fā)生轉(zhuǎn)變。

圖5 為不同Lévy噪聲的偏斜參數(shù)β對穩(wěn)態(tài)概率密度影響的變化曲線，當(dāng)β<0時，穩(wěn)態(tài)概率密度函數(shù)曲線右邊的峰較高，蛋白質(zhì)濃度主要集中在高濃度區(qū)域，基因處于開啟狀態(tài)。但隨著β的增大，穩(wěn)態(tài)概率密度峰值向左移動，且從單峰變?yōu)殡p峰結(jié)構(gòu)，表明蛋白質(zhì)濃度逐漸由高濃度轉(zhuǎn)向低濃度狀態(tài)。當(dāng)β>0時，左邊的峰值不斷升高，曲線又從雙峰結(jié)構(gòu)變?yōu)閱畏褰Y(jié)構(gòu)。此時，蛋白質(zhì)濃度主要集中在低濃度區(qū)域，基因處于“關(guān)閉”狀態(tài)。由此可見，偏斜參數(shù)β的變化也可以控制基因的開關(guān)。

圖6 給出了不同Lévy噪聲強度Q對穩(wěn)態(tài)概率密度的影響變化曲線。當(dāng)Lévy噪聲強度Q較小時，蛋白質(zhì)濃度主要集中在高濃度區(qū)域，基因處于“開啟”狀態(tài)，但隨著噪聲強度Q的增大，左峰逐漸升高，右峰逐漸降低，蛋白質(zhì)濃度逐漸從高濃度區(qū)域向低濃度區(qū)域轉(zhuǎn)移，由此可見，Lévy噪聲強度Q可以誘導(dǎo)基因轉(zhuǎn)錄的開關(guān)。

圖7 為不同高斯噪聲強度D對概率密度的影響變化曲線，從圖7可以看出，當(dāng)高斯噪聲強度D較小時，蛋白質(zhì)濃度主要集中在高濃度區(qū)域，此時基因處于開啟狀態(tài)，隨著高斯噪聲強度D的增大，左峰明顯升高，右峰明顯降低，蛋白質(zhì)濃度從高濃度向低濃度轉(zhuǎn)移，基因逐漸向“關(guān)閉”狀態(tài)轉(zhuǎn)變，這說明高斯噪聲強度D亦能夠誘導(dǎo)基因開關(guān)的轉(zhuǎn)換。

4 結(jié)論

本文主要分析了加性高斯白噪聲與乘性Lévy噪聲共同作用下的基因轉(zhuǎn)錄調(diào)控系統(tǒng)的復(fù)雜動力學(xué)特性。首先利用Janicki-Weron算法產(chǎn)生Lévy噪聲，然后利用四階Runge-Kutta算法模擬基因轉(zhuǎn)錄調(diào)控系統(tǒng)的蛋白質(zhì)濃度的穩(wěn)態(tài)概率密度函數(shù)，通過模擬出的穩(wěn)態(tài)概率密度函數(shù)圖像分析了高斯白噪聲與Lévy噪聲共同作用下蛋白質(zhì)濃度大小的轉(zhuǎn)變關(guān)系。研究發(fā)現(xiàn)：穩(wěn)定性指標(biāo)α、位置參數(shù)指標(biāo)β、乘性Lévy噪聲強度Q、加性高斯白噪聲強度D均可以誘導(dǎo)基因開關(guān)的轉(zhuǎn)換，并誘導(dǎo)蛋白質(zhì)濃度由高濃度向低濃度轉(zhuǎn)移。

參考文獻：

［1］胡崗. 隨機力與非線性系統(tǒng)［M］. 上海：上海科技教育出版社， 1994：125-183.

［2］KRAMERS H A. Brownian motion in a field of force and the diffusion model of chemical reactions［J］. Physica， 1940， 7（4）：284-304.

［3］GHOSH P K ， BARIK D ， RAY D S. Noise-induced transition in a quantum system［J］. Physics Letters A， 2005， 342（1/2）：12-21.

［4］MANGIONI S E， DEZA R R， et al. Nonequilibrium phase transitions induced by multiplicative noise： effects of self-correlation［J］. Phys Rev E， 2000， 61（1）：223-232.

［5］BIERWIRTH M ， Using single transients on the performance analysis of electrochemical noise amplifiers［J］. Materials and Corrosion， 2013， 64：664-670.

［6］XU Y， GU R C， ZHANG H Q， et al. Stochastic bifurcations in a bistable duffing-van der pol oscillator with colored noise［J］. Physical Review E， 2011， 83（5）：056215.

［7］李娟娟， 許勇， 馮晶. Duffing系統(tǒng)中Lévy噪聲誘導(dǎo)的隨機共振與相轉(zhuǎn)移［J］. 動力學(xué)與控制學(xué)報， 2012， 10（3）：278-282.

LI JJ ， XU Y ， F J. Stochastic resonance and phase transfer induced by lévy noise in duffing system［J］. Journal of dynamics and control， 2012， 10（3）：278-282.

［8］楊定新，胡政，楊擁民.大參數(shù)周期信號隨機共振解析［J］.物理學(xué)報，2012， 61（8）：50-59.

YANG DX ， HU Z ， YANG Y M. Stochastic resonance analysis of large parameter periodic signals［J］. Acta Physica Sinica， 2012， 61（8）：50-59.

［9］冷永剛，王太勇， 二次采樣用于隨機共振從強噪聲中提取弱信號的數(shù)值研究［J］. 物理學(xué)報， 2003， 52（10）：2432-2437.

LENG YG ， WANG T Y. Numberical research of twice sampling storchastic resonance for the detection of a week signal submerged in a heavy noise［J］. Acta Physica Sinica， 2003， 52（10）：2432-2437.

［10］ XIE Q S， WANG T H， ZENG C H， et al. Predicting fluctuations-caused regime shifts in a time delayed dynamics of an invading species［J］. Physica A： Statistical Mechanics and Its Applications， 2018， 493：69-83.

［11］ SMOLEN P ， ET A L. Frequency selectivity， multistability， and oscillations emerge from models of genetic regulatory systems.［J］. American Journal of Physiology. Cell Physiology， 1998， 274（2）：C531-C542.

［12］ RAJ A ， OUDENAARDEN A V. Nature， nurture， or chance： stochastic gene expression and its consequences［J］. Cell， 2008， 135（2）：216-226.

［13］ LI G W， XIE X S. Central dogma at the single-molecule level in living cells.［J］. Nature， 2011， 475： 308-315.

［14］ 劉泉. 基因轉(zhuǎn)錄調(diào)節(jié)動力學(xué)中的隨機性質(zhì)：漲落誘導(dǎo)基因開關(guān)［D］. 武漢：華中師范大學(xué)， 2004.

LIU Q. Random properties in the dynamics of gene transcriptional regulation： fluctuation induced gene switching［D］. WUHAN： Central China Normal University， 2004.

［15］ SMOLEN P， BAXTER D A， BYRNE J H. Mathematical modeling of gene networks［J］. Neuron， 2000， 26（3）：567-580.

［16］ LIU Q ， JIA Y. Fluctuations-induced switch in the gene transcriptional regulatory system［J］. Physical Review E， 2004， 70（4）：041907.

［17］ GOLDING I， PAULSSON J，? ZAWIISKI S， et al. Real-time kinetics of gene activity in individual bacteria［J］. Cell， 2005， 123（6）：1025-1036.

［18］ RAJ A， PESKIN C S， TRANCHINA D， et al. Stochastic mRNA synthesis in mammalian cells［J］. Plos Biology， 2006， 4（10）：e309.

［19］ XU Y， FENG J， LI J J， et al. Lévy noise induced switch in the gene transcriptional regulatory system［J］. Chaos， 2013， 23（1）： 013110.

［20］ SONG Y， XU W. Stability of a gene transcriptional regulatory system under non-gaussian noise［J］. Chaos， Solitons & Fractals， 2020， 130： 109430.

［21］ CHEN X， KANG Y M， FU Y X. Switches in a Genetic regulatory system under multiplicative non-gaussian noise［J］. Journal of Theoretical Biology， 2017， 435： 134-144.

［22］ 顧仁財，許勇，郝孟麗，等. Lévy穩(wěn)定噪聲激勵下的Duffing-van der Pol振子的隨機分岔［J］. 物理學(xué)報， 2011， 60（6）：157-161.

GU CR ， XU Y ， HAO M L， et al. Stochastic bifurcations in duffing-van der Pol oscillator with lévy stable noise［J］. Acta Physica Sinica， 2011， 60（6）：157-161.

［23］ 方鴻雁，潘園園，孫華通，等.耦合神經(jīng)網(wǎng)絡(luò)中脈沖信號傳輸?shù)脑肼曉鰪娧芯浚跩］.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2017， 14（2）：59-64.

FANG HY ， PAN Y Y ， SUN H T， et al. Study of noise-enhanced pulse signal transmission in coupling neural networks［J］. Complex Systems and Complexity Science， 2017， 14（2）：59-64.

［24］ 徐超，康艷梅.非高斯噪聲激勵下含周期信號FitzHugh-Nagumo系統(tǒng)的響應(yīng)特征［J］.物理學(xué)報，2011，60（10）：742-749.

XU C， KANG YM. Mean response time of FitzHugh-Nagumo model in the presence of non-gaussian noise and a periodic signal［J］. Acta Physica Sinica ， 2011， 60（10）：742-749.

［25］ WERON A ， WERON R. Computer Simulation of Lévy α-stable Variables and Processes［M］. Berlin Heidelberg： Springer， 1995： 379–392.

［26］ WERON R. On the chambers-mallows-stuck method for simulating skewed stable random variables［J］. Stat Probabil Lett 1996， 28（2）：165–71.

［27］ GUARCELLO C ， FILATRELLA G ， SPAGNOLO B ， et al. Voltage drop across Josephson junctions for Lévy noise detection［J］. Physical Review Research， 2020， 2（4）： 043332.

［28］ REBECCA L H. Stochastic runge-kutta algorithms. I. white noise［J］. Physical Review A， 1992， 45（2）： 600-603.

（責(zé)任編輯 李 進）