非线性网络的控制

线性化的局限

把非线性系统 $\dot{\mathbf x}=\mathbf f(\mathbf x,\mathbf u)$ 在平衡点附近线性化，若线性化系统可控，则原系统在该点附近局部可控。但反过来不成立：线性化不可控时非线性系统仍可能可控；更重要的是，线性化结论只在平衡点的小邻域内有效，而生物学关心的往往是大范围的状态切换——从一个吸引子（如增殖表型）到另一个吸引子（如凋亡或分化表型）。非线性控制理论用李括号刻画“可达性”（accessibility），能处理一般系统，但计算上只适用于很小的模型（Liu 与 Barabási 2016，第 III 节）。

对生物网络，更自然的目标是：把系统引导到它自身的某个吸引子。到达后吸引子会自行维持，控制可以撤除——这与“驱动到任意状态并维持”是截然不同的要求。

反馈顶点集控制

直观理解：多稳态和振荡都来自反馈环。锁定 FVS 节点等于切断所有环，剩下的网络无环，其状态由上游被锁定的节点唯一决定，因而只能“跟随”到目标吸引子上。Zañudo、Yang 与 Albert（2017，PNAS）指出还需同时锁定源节点（它们代表外部刺激或边界条件，不同取值对应不同的吸引子集合），并称“源节点 + FVS”的控制为 FC。

FVS 控制的优点是：不需要知道具体的函数形式和参数，只需要网络结构和目标吸引子上 FVS 节点的取值。代价是：它只能到达系统自身的吸引子；求最小 FVS 是 NP 难问题（实际中用启发式或整数规划求近似最小解）；FVS 对“所有”动力学都充分，对某个具体模型可能锁定更少节点就够了。代码示例的四基因网络中，最小 FVS 为 $\{X,Z\}$，锁定后系统从稳态 1 切换到稳态 2；在那组具体参数下只锁定 $X$ 也成功，而只锁定 $Z$ 失败。

FVS 控制与结构可控性的对比。Zañudo 等（2017）在多类真实网络上比较了两种框架所需的节点比例，二者呈反向关系：基因调控网络在结构可控性下需要 75%–96% 的节点，而 FC 只需 1%–18%；食物网、互联网也是结构可控性需要的更多；社交信任网络则相反。原因是结构可控性要求每条“链”的起点都被驱动、环可以免费挂接，而 FC 要求打断所有环、无环部分则免费跟随。两者的控制目标（任意状态 vs 自然吸引子）、动力学（线性 vs 非线性）和控制动作（输入信号 vs 状态锁定）都不同，不能互相替代。

稳定基序与布尔网络控制

许多细胞调控模型用布尔网络描述：每个基因只有开/关两种状态，按逻辑规则更新。其吸引子（不动点或周期环）对应细胞表型。

• 复杂度：Akutsu 等（2007，Journal of Theoretical Biology）证明，为一般布尔网络找到把系统引导到目标状态的控制策略是 NP 难问题，并给出树状网络的多项式算法。基于半张量积的代数方法（Cheng 与 Qi）把布尔动力学精确写成离散时间线性系统，从而给出可控性的充要条件，但矩阵规模为 $2^N$，大网络仍不可算。
• 稳定基序控制：Zañudo 与 Albert（2015，PLoS Computational Biology）利用“稳定基序”（能够自我维持某种取值的正反馈子结构）识别控制靶点：只需暂时固定少数节点，网络就会从任意初始状态进入并停留在目标吸引子。他们在 T 细胞大颗粒淋巴细胞白血病（T-LGL）信号网络和辅助性 T 细胞分化网络中找到了靶点，部分预测与已有实验一致。
• 代数方法：Murrugarra 等（2016，BMC Systems Biology）用计算代数在布尔分子网络模型中系统搜索节点与边的干预组合，以消除不想要的吸引子或建立想要的吸引子。

代码示例给出一个 6 节点布尔网络：它有 6 个吸引子（3 个不动点），把系统引导到指定不动点的最小钉扎集只需 2 个节点，且每个解都包含两个反馈环（A–B 互相抑制、C–D 互相激活）中各一个节点——与 FVS 的直觉一致。