Towards Practical Identification of Asynchronous Boolean Networks

Bc. Ondřej Lošťák

Master's thesis

Abstract:

Systémová biologie je mezioborem biologie, matematiky a informatiky a představuje posun od tradičních experimentálních přístupů pomocí holistického chápání genových, proteinových a biochemických sítí. Tento obor zlepšuje naše chápání komplexních onemocnění, podporuje objevování léků a personalizovanou medicínu a díky analýze biologických systémů a rozsáhlých dat pohání inovace v syntetické biologii. V této oblasti jsou klíčem k rozluštění genových interakcí genové regulační sítě, přičemž booleovské sítě nabízejí zjednodušený model binárních stavů a interakcí genů. Odvození těchto sítí z řídkých, zašuměných nebo neúplných časových řad však představuje značnou výzvu. Identifikovatelnost v teorii systémů, má zásadní význam v oborech, jako je inženýrství, ekonomie a biologie, zahrnuje určení vnitřní struktury nebo parametrů systému na základě jeho výstupů, což je koncept, který zatím není pro booleovské sítě jasně definován. Tato práce si klade za cíl definovat identifikovatelnost booleovských sítí, diskutovat její praktické problémy a navrhnout dvě nové metody pro identifikaci asynchronních booleovských sítí z časových řad. Jednu deterministickou metodu pro sítě malého rozsahu prohledávající celý prohledávaný prostor omezený předchozími znalostmi o systému. A druhou metodu jako aproximační framework vhodný pro větší sítě, který usnadňuje porovnání různých optimalizačních přístupů. Aby se demonstrovalo jejich praktická využití, obě metody byly implementovány a vyhodnoceny, což vnáší vhled do jejich omezení a potenciálních aplikací.

Abstract:

Systems biology is an intersection of biology, mathematics, and computational science, marking a shift from traditional experimental approaches by holistically understanding gene, protein, and biochemical networks. This field enhances our grasp of complex diseases, propels drug discovery and personalized medicine, and drives synthetic biology innovations through its analysis of biological systems and extensive data. Within this realm, Gene Regulatory Networks are key to deciphering gene interactions, with Boolean Networks offering a simplified model of binary gene states and interactions. However, inferring these networks from sparse, noisy, or incomplete time-series data presents substantial computational challenges in accurately representing system dynamics. Identifiability in systems theory, crucial in fields like engineering, economics, and biology, involves determining a system's internal structure or parameters from its outputs, a concept not yet clearly defined for Boolean Networks. This thesis addresses this gap by defining Boolean Network identifiability, exploring its challenges, and introducing two novel methods for identifying Asynchronous Boolean Networks from time series: a deterministic method for small-scale networks using exhaustive search and prior knowledge, and an approximation framework, suitable for larger networks, facilitating comparative analysis of different optimization approaches. To demonstrate their practicality, both methods are implemented as proof of concept and evaluated, providing insights into their respective limitations and potential applications.

Keywords

systems biology, Boolean Networks, time-series, optimization, systems identifiability

Language used: English

Date on which the thesis was submitted / produced: 15. 12. 2023

Thesis defence

• Date of defence: 8. 2. 2024
• Supervisor: doc. RNDr. David Šafránek, Ph.D.
• Reader: RNDr. Matej Troják, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Artificial intelligence and data processing / Bioinformatics and systems biology