Redes booleanas probabilísticas: un modelo de incertidumbre basado en reglas para redes de regulación genética

MOTIVACIÓN: Nuestro objetivo es construir un modelo para redes de regulación genética de tal manera que la clase de modelos: (i) incorpore dependencias basadas en reglas entre genes; (ii) permita el estudio sistemático de la dinámica global de la red; (iii) sea capaz de enfrentar la incertidumbre, tanto en los datos como en la selección de modelos; y (iv) permita la cuantificación de la influencia relativa y la sensibilidad de los genes en sus interacciones con otros genes. RESULTADOS: Introducimos Redes Booleanas Probabilísticas (PBN) que comparten las atractivas propiedades basadas en reglas de las redes booleanas, pero son robustas frente a la incertidumbre. Mostramos cómo la dinámica de estas redes puede ser estudiada en el contexto probabilístico de cadenas de Markov, siendo las redes booleanas estándar casos especiales. Luego, discutimos la relación entre PBN y redes bayesianas, una familia de modelos gráficos que representan explícitamente relaciones probabilísticas entre variables. Mostramos cómo se pueden obtener dependencias probabilísticas entre un gen y sus genes padres, que constituyen los bloques básicos de construcción de redes bayesianas, a partir de PBN. Finalmente, presentamos métodos para cuantificar la influencia de los genes sobre otros genes, en el contexto de las PBN. Se presentan ejemplos que ilustran los conceptos anteriores a lo largo del artículo.