Análise exploratória da dinâmica de redes livre de escala adotando o formalismo Booleano: um estudo sobre atratores e modularidade
Moduladade; Redes livre de escala; Formalismo Booleano; Atratores; Agrupamento hierárquico; Câncer;
Dinâmicas de redes; Funções lógicas.
A modularidade é um aspecto central da organização biológica, amplamente observado na biologia de sistemas evolutivos, de desenvolvimento e moleculares. Apesar disso, seu surgimento ainda carece de informações. A modularidade surge através da ação da seleção natural? Ou simplesmente surge de mecanismos de aleatoriedade? Existe uma criticidade auto-organizada que governa a modularidade de acordo com o tamanho da rede? Aqui, realizamos uma análise exploratória da dinâmica de redes Booleanas livre de escala, a fim de identificar os módulos cujo comportamento dinâmico está fortemente correlacionado e, entretanto, é independente da influência dos módulos complementares do sistema global. Nossos resultados preliminares mostram que a formação de atratores de ponto fixo e ciclos limite é independente do tamanho da rede. Além disso, o ponto médio da iniciação da convergência de atratores no eixo do tempo discreto tende a seguir uma curva logaritmica à medida que a rede cresce. Além disso, as funções lógicas demonstraram influenciar diretamente a iniciação da convergência dinâmica. Como esperado, as perturbações nos nós do hub levam a mudanças drásticas na maioria das dinâmicas dos nós, enquanto as perturbações nos nós mal conectados raramente afetam as alterações na dinâmica dos nós. Também mostramos que algumas dinâmicas são diferenciadas pelo deslocamento de nó único, o que indica uma independência de certos nós da dinâmica global. Além disso, mostramos uma mudança de atrator (ciclo limite) dependendo da iniciação da convergência. Nossos resultados também identificam distribuições caóticas na correlação entre as condições iniciais e os atratores formados. A análise endereçada pode ser usada para investigar o surgimento e o comportamento de módulos fenotípicos em doenças genéticas, como o câncer, apoiando estudos de heterogeneidade e medicamentos para terapia-alvo.