Robust oscillations in multi-cyclic Markov state models of biochemical clocks
Notice bibliographique
Résumé
Organisms often use cyclic changes in the concentrations of chemical species to precisely time biological functions. Underlying these biochemical clocks are chemical reactions and transport processes, which are inherently stochastic. Understanding the physical basis for robust biochemical oscillations in the presence of fluctuations has thus emerged as an important problem. In a previous paper [C. del Junco and S. Vaikuntanathan, Phys. Rev. E 101, 012410 (2020)], we explored this question using the non-equilibrium statistical mechanics of single-ring Markov state models of biochemical networks that support oscillations. Our finding was that they can exploit non-equilibrium driving to robustly maintain the period and coherence of oscillations in the presence of randomness in the rates. Here, we extend our work to Markov state models consisting of a large cycle decorated with multiple small cycles. These additional cycles are intended to represent alternate pathways that the oscillator may take as it fluctuates about its average path. Combining a mapping to single-cycle networks based on first passage time distributions with our previously developed theory, we are able to make analytical predictions for the period and coherence of oscillations in these networks. One implication of our predictions is that a high energy budget can make different network topologies and arrangements of rates degenerate as far as the period and coherence of oscillations are concerned. Excellent agreement between analytical and numerical results confirms that this is the case. Our results suggest that biochemical oscillators can be more robust to fluctuations in the path of the oscillator when they have a high energy budget.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».