6.5 生物信息学与计算建模

6.5 生物信息学与计算建模

本节摘要：组学给你海量表格，生物信息学负责把它们变成可问的问题，计算建模负责把"如果这个基因多一点，那个会怎样"变成可以解的数字。本节走完"数据清洗 → 网络构建 → ODE 模拟"三步，用一个典型的基因调控网络（GRN）微分方程例子，看一个形态发生素梯度为何能在稳定态里"读出自位置"。

学习目标

阅读完本节，你应当能够：

1. 区分"统计数据"与"机制模型"两类任务在发育研究里的分工。
2. 说清降维聚类与"找调控网络"之间的区别。
3. 用一个简单 ODE 描述"信号-靶基因"的动态，并预测稳态。
4. 认识模拟的局限：参数未知、方程是近似的。

从表到问：生物信息学在干嘛

发育生物学的计算工作大体分两摊。统计侧负责"从数据里看发生了什么"——就是上一节那套降维聚类、差异表达、轨迹推断，它不预设机制，偏"让数据说话"。机制侧相反，先写下"我猜是这个回路在起作用"，再用模型检查这个猜测自洽不自洽。两者一拍即合：统计发现哪些基因在某个窗口共变（候选调控关系），机制模型再去检验"若是这个关系，动态会是什么样"。

网络：把共表达变成结构

一个基因常被另一个基因的产物调控，于是成千上万基因之间织成一张网——基因调控网络（GRN）。构建的朴素办法是共表达/互信息：若两个基因在几千个单细胞或时间点里总是同增同减，就给它们连一条边。这类方法快、说明直觉，但"共变"不等于"因果调控"，大量边只是相关而非驱动。进阶法子用伪时序信息判断先后：若 A 先变、随后 B 跟着变，说"可能 A 驱动 B"就更站得住。发育里著名的骨架型 GRN 案例是把"细胞要不要进入神经命运"的一小撮转录因子的互锁表达焊成图谱——那正是第 3 章命运决定背后那张回想图。

可执行的动态：ODE 模拟"梯度读出位置"

网络是静态的"线路图"，真正的发育是动态的。把节点当成浓度变量，边变成"+/- 影响"，直觉就走进了微分方程：多少表达被自身降解、被激活着抬升、被抑制者压下去。下面这个例子浓缩了几乎所有形态发生素模型的精髓：一个信号 S 的浓度沿胚胎某轴呈梯度分布，一个靶基因 T 被 S 浓度依赖地打开。我问的问题是：给定 S 梯度，T 的稳定态高/低能不能按位置被可靠判读？

import numpy as np

# 靶基因 T 动态：dT/dt = 基础激活 + 信号依赖激活 - 降解
deg, base, hill, half, n = 0.1, 1.0, 5.0, 0.5, 3.0
grid = np.linspace(0, 1, 41)          # 沿轴的41个位置
S = np.exp(-grid / 0.3)               # 形态发生素：前端高、后端低(指数衰减)

def dTdt(T, S):
    act = hill * (S ** n) / (S ** n + half ** n)   # Hill 函数：浓度到打开开关的软硬化
    return base + act - deg * T

def steady(T0, S, steps=4000, dt=0.01):
    T = T0
    for _ in range(steps):
        T += dTdt(T, S) * dt
    return T

print("位置 | 信号S | 靶基因稳态T  (看T能否随S变化而分段拉平)")
for i in [0, 5, 12, 20, 30, 40]:
    T_ss = steady(1.0, S[i])
    print(f"{grid[i]:5.2f} | {S[i]:.3f} | {T_ss:5.2f}")
​

跑完你会看到：信号 S 从前到后是光滑衰减的，可靶基因 T 的稳定态却被 Hill 函数的"台阶"拉成了"该的高就高、该的低就低"的两档——这就是梯度→离散身份的开关机制。它解释了为什么平滑的 morphogen 信号能在胚体里读出一格一格互斥的细胞命运（第 2 章体节、第 4 章背腹分区都是这套逻辑）。真实模型还要加时间窗、邻居抑制（Notch 那一类），但"Hill 陡化 + 降解取稳态"已经抓住最内核的形状。

模拟的边界：要诚实

模型会自动告诉你"如果……会怎样"，但它给的是"在你写下的方程里会怎样"。风险在于方程本身来自假设、参数常常拿不到实测值、且只收录了主要因子。一个好的模型工作从不声称"全对"，只声称"在给定机制下，观测可以得到合理解释，且某参数如果偏离某范围，行为会崩"——分析那种崩溃点，本身就是发现。发育计算里 "反事实模拟"（若是少了某抑制子会如何）尤其常用，因为它可以在不打基因的情况下，先预言敲除的表型。

⚠️ 常见坑：把"模拟吻合"当"证明"。模型吻合只说明它的机制与观测兼容，不排斥其它机制。要区分"解释力"与"排他性"，得靠预测那种可被新实验唯一检验的差异。

和全书的关系

第 2 章的形态发生素梯度、第 3 章的信号互锁与 Notch 横向抑制、第 6.4 节行星尺度数据——都是计算建模的原料与考场。反过来，模型提出的可测预言，又指导下一轮组学实验抓哪些时间点、敲哪个基因。数据喂给模型、模型归还假设、假设再催实验，这是发育研究技术最现代的一条闭环。

本节小结

• 统计 vs 机制：数据侧看"有什么"，模型侧看"若如此会怎样"，两者互补。
• GRN 构建：共表达/互信息给边，伪时序给方向，边是相关的候选而非铁证。
• Hill + 降解 = 梯度读数：平滑梯度能被陡化成离散身份，是命运决定的开关内核。
• 诚实边界：模拟=兼容性证据，不是证明；它擅长预言"反事实"表型。
• 闭环：数据→模型→预言→实验→数据，是计算与实验互咬的最前沿。

图 6-5 计算闭环：数据 → 网络 → 模型 → 预言 → 再实验