第1章 绪论 1
进一步阅读 2
第2章 转录网络：基本概念 3
2.1 引言 3
2.2 细胞的认知问题 4
2.3 转录网络中的元件 5
2.3.1 时间尺度分离 7
2.3.2 边上的符号：激活剂和阻抑物 9
2.3.3 边上的数字：输入函数 9
2.3.4 逻辑输入函数：一个理解网络动力学的简单框架 11
2.3.5 多维输入函数调控具有几个输入的基因 12
2.3.6 小结 12
2.4 简单基因调控的动力学和响应时间 14
2.4.1 稳定蛋白质的响应时间是一个细胞世代 16
进一步阅读 16
习题 17
第3章 自身调节：一种网络模体 20
3.1 引言 20
3.2 模式、随机化网络及网络模体 21
3.2.1 与随机化网络比较发现网络模体 22
3.3 自身调节：一种网络模体 22
3.4 负自身调节网络加快基因回路的响应时间 24
3.5 负自身调节可增强生成速率波动的鲁棒性 27
3.5.1 正自身调节延缓响应且能导致双稳态 28
3.6 总结 29
进一步阅读 29
习题 29
第4章 前馈环网络模体 32
4.1 引言 32
4.2 子图在随机网络中出现的次数 32
4.3 前馈环是一个网络模体 35
4.4 前馈环基因回路的结构 36
4.5 具有逻辑“与”的协调-1型FFL的动力学 39
4.6 C1-FFL是一个信号敏感的延迟元件 40
4.6.1 在Sx的ON跳变后的延迟 40
4.6.2 在Sx的OFF跳变后没有延迟 41
4.6.3 C1-FFL是一个信号敏感的延迟元件 41
4.6.4 信号敏感延迟能防止短暂的输入波动 42
4.6.5 大肠杆菌的阿拉伯糖系统中的信号敏感延迟 43
4.6.6 “或”门C1-FFL对Sx的OFF跳变是信号敏感延迟的 46
4.6.7 小结 46
4.7 非协调-1型FFL 46
4.7.1 非协调FFL的结构 46
4.7.2 I1-FFL的动力学：一个脉冲发生器 47
4.7.3 I1-FFL加快了响应时间 49
4.7.4 响应加速是信号敏感的 50
4.7.5 I1-FFL动力学的实验研究 50
4.7.6 加快响应的三种方法（小结） 51
4.8 为什么有些FFL类型是稀有的？ 52
4.8.1 I1-FFL的稳态逻辑：Sy能开启高表达 52
4.8.2 I4-FFL，一个稀有的选择回路，拥有简化的功能性 53
4.9 FFL的趋同进化 55
4.10 总结 56
进一步阅读 57
习题 57
第5章 时间程序与转录网络的整体结构 61
5.1 引言 61
5.2 单输入模块（SIM）网络模体 61
5.3 SIM可产生表达的时间程序 63
5.4 网络模体的拓扑泛化 66
5.5 多输出FFL能产生FIFO时间顺序 69
5.5.1 多输出FFL也可作为每个输出的持续检测器 72
5.6 信号整合和组合调控：双扇和致密重叠调节子 73
5.7 网络模体及感觉转录网络的整体结构 74
进一步阅读 77
习题 78
第6章 发育、信号转导及神经网络中的网络模体 80
6.1 引言 80
6.2 发育转录网络中的网络模体 81
6.2.1 用于决策的双结点正反馈环 81
6.2.2 调节反馈和被调节反馈 83
6.2.3 长转录级联和发育的时间选择 84
6.2.4 枯草杆菌孢子形成网络中连锁的前馈环 85
6.3 信号转导网络中的网络模体 87
6.4 利用多层感知机的信号处理 88
6.4.1 蛋白激酶感知机的玩具模型 89
6.4.2 多层感知机可以执行复杂的计算 93
6.5 复合网络模体：负反馈和振荡器模体 96
6.6 秀丽隐杆线虫神经元网络中的网络模体 100
6.6.1 神经元网络中的多输入前馈环 104
6.6.2 秀丽隐杆线虫神经元网络中的多层感知机 105
6.7 总结 107
进一步阅读 108
习题 109
第7章 蛋白质回路的鲁棒性：细菌趋化性的例子 114
7.1 鲁棒性准则 114
7.2 细菌趋化性，或细菌是如何思考的 115
7.2.1 趋化性行为 115
7.2.2 响应和正合适应 116
7.3 大肠杆菌的趋化性蛋白质回路 118
7.3.1 引诱剂降低X的活性 120
7.3.2 修饰增强X的活性，而缓慢的修饰就会导致适应性 120
7.4 解释正合适应性的两种模型：鲁棒和微调 121
7.4.1 微调模型 121
7.4.2 正合适应的Barkai-Leibler鲁棒机制 123
7.4.3 鲁棒适应和积分反馈 126
7.4.4 实验显示正合适应是鲁棒的，而稳态活性和适应时间则是微调的 126
7.5 细菌趋化性的特异性和鲁棒性 127
进一步阅读 128
习题 129
第8章 发育中的鲁棒模式形成 133
8.1 引言 133
8.2 指数型形态发生素剖面是非鲁棒的 134
8.3 通过自增强形态发生素降解来增强鲁棒性 136
8.4 为鲁棒模式形成提供降解反馈的网络模体 138
8.5 鲁棒性原理可以辨别果蝇模式形成的机制 139
进一步阅读 144
补充读物 144
习题 144
第9章 动力学校正 146
9.1 引言 146
9.2 遗传密码的动力学校正可以减少分子识别的差错率 147
9.2.1 平衡结合不能解释翻译的精确性 148
9.2.2 动力学校正可以显著地减少差错率 150
9.3 免疫系统的自身和非自身识别 151
9.3.1 平衡结合不能解释免疫识别的低差错率 152
9.3.2 动力学校正提高T细胞识别的精确度 154
9.4 动力学校正可能发生于细胞中不同的识别过程 155
进一步阅读 156
习题 157
第10章 最优的基因回路设计 160
10.1 引言 160
10.2 在恒定条件下蛋白质的最优表达水平 161
10.2.1 LacZ蛋白的收益 162
10.2.2 LacZ蛋白的成本 162
10.2.3 适应度函数与最优表达水平 163
10.2.4 实验室进化实验表明细胞在几百个世代之内达到最优的LacZ水平 164
10.3 调节还是不调节：在可变环境中的最优调节 166
10.4 前馈环网络模体的环境选择 168
10.5 总结 172
进一步阅读 172
习题 173
第11章 基因调控的需求规则 178
11.1 引言 178
11.2 SAVAGEAU需求规则 179
11.2.1 大肠杆菌中需求规则存在的证据 180
11.2.2 需求规则的突变解释 182
11.2.3 突变体选择讨论的问题 182
11.3 基于最小装载误差的基因调控规则 183
11.4 最优调控下的选择压力 184
11.5 多调节物系统中的需求规则 185
11.6 总结 189
进一步阅读 191
习题 191
第12章 结束语：生物学中的简单性 193
附录A 基因的输入函数：Michaelis-Menten与Hill方程 199
A.1 阻抑物与启动子的结合 199
A.2 阻抑物蛋白质与诱导物的结合：Michaelis-Menten方程 201
A.3 诱导物结合的协同性及Hill方程 202
A.4 Monod、Changeux及Wymann模型 203
A.5 阻抑物的基因调节输入函数 204
A.6 激活剂与它的DNA位点的结合 204
A.6.1 Logic和Hill输入函数的动力学比较 205
A.7 Michaelis-Menten酶动力学 206
进一步阅读 207
习题 207
附录B 多维输入函数 209
B.1 整合激活剂和阻抑物的输入函数 209
习题 210
附录C 转录网络的图性质 211
C.1 转录网络是稀疏的 211
C.2 转录网络具有长尾出度序列和紧入度序列 211
C.3 转录网络的群集系数 212
C.4 网络模块化的量化测度 213
附录D 基因表达的细胞间可变性 214
进一步阅读 216
词汇表 217
参考文献 224
中文索引 247
英文索引 253