基于细胞间的有向加权通信网络定量评价蛹虫草对人体的调节作用

马丽娜 1,2,*,庞广昌 3,*,孙 勇 4,崔振富 5

(1.天津商业大学理学院,天津 300134;2.中央财经大学中国精算研究院,北京 100081;
3.天津商业大学生物技术与食品科学学院,天津 300134;4.北京食品科学研究院,北京 100050;5.北京东方计量测试研究所,北京 100086)

摘 要:基于有向加权图构建食用低、中、高剂量蛹虫草诱导机体所产生的3 个细胞间无线通信网络模型,并借助各种统计量对其进行定量化系统分析,验证这些参数是否能够从不同的角度定量刻画网络的状态、性质、结构和功能。结果表明:服用不同剂量的蛹虫草诱导机体产生的无线通信网络具有层次结构,并表现出一定的稳健性。同时,不同蛹虫草服用剂量能够改变细胞在通信中的重要性和扮演的角色。蛹虫草主要发挥下调机体细胞间无线通信网络的功能,说明它对于过敏反应、过度营养所造成的现代代谢综合征、心脑血管疾病等可能具有很好的保健和抗炎症功能。中剂量蛹虫草的平均作用强度最大,当进一步增加蛹虫草剂量时作用强度反而下降,这表明不同剂量的蛹虫草对于机体的免疫和生理内分泌具有非线性和双向调节功能。

关键词:有向加权图;细胞间无线通信网络;蛹虫草;细胞因子;度;权重

网络研究方法的应用几乎在整个生命科学领域中都产生了深刻变革。生物大分子(DNA、RNA、蛋白质如转录因子)之间互作网络的研究结果正在甚至已经改变了生命科学诸多领域,特别是分子生物学领域科学家的思维方式、技术路线和研究思路 [1-3]。但是,生命活动的基本单位并不是这些大分子本身,而是细胞 [4]。所有的生物活性分子都必须通过细胞发挥其生物学功能。遗憾的是,虽然科学家早就意识到高等动物除存在着一个以脑为中心的神经网络,它控制着机体的运动和神经活动以外,一定还存在着一个控制代谢、内分泌和免疫防御系统的无线通信网络,但是到目前为止,对这个网络的研究还处于一般的文字表述水平。

现有的生物网络研究方法主要是通过构建无向无权网络(如:代谢网络 [5-6]、蛋白质互作网络 [7-12]、疾病网络 [13])和有向无权网络(如:神经网络 [5]、淡水食物网络 [14])来模拟和分析生物复杂系统的发展和演化规律。然而,在生物学各领域中普遍存在着的却是有向加权网络,如:代谢网络 [15]、群体之间所形成的食物链、微生态系统所形成的群落等。很少有研究同时考虑权重和方向(即基于有向加权网络开展研究),原因之一就是已有数据不支持构建有向加权网络来模拟和分析生物复杂系统。

越来越多的研究证明,食品及其功能性成分在免疫系统的调节中发挥十分重要的作用。日益泛滥的现代文明病既是代谢性疾病,也是免疫紊乱造成的。如何定量化描述食品及其功能性成分,甚至药物的免疫调节功能已经成为其功能和效果评价的关键性难题。本课题组经过多年研究,已经通过实验动物、细胞培养和志愿者建立并完善了构建细胞间有向加权网络的方法 [16-20]

蛹虫草具有重要的免疫调节功能,Sun Yong等 [21]已经利用志愿者食用实验,验证了食用不同剂量的蛹虫草可以显著改变机体内多种细胞因子的合成与分泌,并对机体免疫发挥下调作用。本研究是对于前期研究的深化和拓展,主要内容包括:1)介绍有向加权网络及其常用统计量,并阐述其实际意义;2)构建食用蛹虫草诱导机体产生的细胞间有向加权无线通信网络;3)计算服用低、中、高剂量蛹虫草所形成的有向加权网络的度和权重等统计量,分析网络的拓扑性质,剖析蛹虫草对人体产生的生物功效。

1 材料与方法

1.1 有向加权网络的常用统计量

图DWG=(V,E,W),其中V={v 1,v 2,..., v n}为节点集,节点数为n,E={(v 1,v 2)},(i,j=1,2,..., n)为边集,边数为m,(v i,v j)表示从节点v i发出的指向节点v j的边,每条边都有V中的一对节点与之相对应,W={w ij},(i,j=1,2,..., n)为边权集,w ij表示边(v i,v j)上的权值。如果任意两点v i和v j(v i≠v j)对应的边(v i,v j)和(v j,v i)不同,则称之为有向加权图。

有向加权网络可以抽象成有向加权图,根据各个节点属性,按照一定的规则对连接强度进行赋值,权值w ij和w ji不一定相等。下面介绍本研究中涉及的有向加权通信网络的常用统计量,主要包括:

1.1.1 度

1.1.1.1 节点的度

节点的度定量刻画了按照一定的规则与该节点直接通信的通信路径数,也刻画了与该节点直接作用的节点(即邻接点)的个数,特别地,若节点到其自身有连边,则其也是其自己的邻接点。节点v i的度有出、入度之分,需要分别考虑节点v i与邻接点之间相互作用的方向性。节点v i的出度为节点v i作为源节点通过发送信号作用于其他节点的总计通信路径数;节点v i的入度为节点v i作为终节点能够接收信号的总计通信路径数;节点v i的总度为节点v i作为源节点(或终节点)发送(或接收)信号的总计通信路径数。节点v i的出度k out(i)、入度k in(i)和总度k total(i)分别定义为:

式中: 即当节点v i和节点v j之间存在连边且该边是从节点v i指向节点v j时,a ij=1,否则a ij=0。

1.1.1.2 网络的度

网络的度k network为网络中存在的有向边的条数,显然有:

1.1.1.3 网络的平均度

网络的平均度为网络中的任意节点拥有的与网络中其他节点可进行直接通信的平均路径数,即:

该统计量是度量网络中任意两点之间通信途径可选性的指标之一,也是刻画网络鲁棒性的指标之一,其值越大,表明从平均的意义上来说网络中任意节点与其他节点通信的可选途径越多,选择性越大,网络的抗毁性越强。

1.1.2 权重

权重定量刻画了网络中各节点之间交互作用强度的差异性,是系统中的各种非线性行为和自组织行为产生的重要原因之一。

1.1.2.1 节点的权重

在有向加权网络中,节点的强度有出、入强度之分,可分为节点的出权重、入权重和总权重。节点v i的出权重S out(i)为从节点v i发出的所有边上所承载的权重之和;节点v i的入权重S in(i)为所有到达节点v i的边上所承载的权重之和;节点v i的总权重S total(i)为节点v i的出、入权重之和,分别定义如下:

1.1.2.2 网络的权重

网络的权重S network为整个网络的所有连边上承载的权重(即通信的信号强度)之和,即:

1.1.2.3 网络的平均权重

网络的平均权重是整个网络承载的平均权重的量化指标之一,包括边平均权重和点平均权重。

网络的边平均权重为网络中所有连边承载的权重之和与网络中有向连边数的比值,即:

该统计量刻画了有向加权网络的每条边上所承载的平均信号强度的大小,定量描述了网络中任意两个节点通过一条通信途径所产生的平均作用强度的大小(即信号强度的大小)。

网络的点平均权重为网络中所有连边承载的权重之和与网络中节点数的比值,即:

该统计量刻画了每个节点平均发出或接收的信号强度的大小。

1.2 构建有向加权的无线通信网络

细胞通过自分泌、旁分泌和内分泌来产生细胞因子,并将这些细胞因子通过循环系统进行近、中和长距离传递,实现细胞间的局部和整个机体的通信。通过测定外周血中这些信号分子的浓度变化可以定量描述机体内细胞间无线通信网络的运转和细胞活性调控情况。文献[21]阐释了具体的实验方法和数据来源,本研究根据文献[21]中的数据提出一种基于有向加权图来构建细胞间无线通信网络的方法,关键步骤如下:

1)分别取3 mL食用高(3 g)、中(1.5 g)、低剂量(0.5 g)的蛹虫草细粉之前和之后的志愿者的外周血,测定其中的细胞因子浓度,进行成对数据的t检验,在显著性水平为0.1下挖掘具有显著性变化的细胞因子,这些细胞因子就是本研究所构建无线通信网络的传输信号。

食用低、中、高剂量蛹虫草促使机体内产生显著变化的细胞因子集合分别为{嗜酸性粒细胞趋化因子, 成纤维细胞生长因子-2, 肿瘤生长相关因子, 单核细胞趋化蛋白-1},{肿瘤生长相关因子, 可溶性CD40配体, 肿瘤坏死因子-α},{白细胞介素-12(p70), 干扰素诱导蛋白-10, 单核细胞趋化蛋白-1, 巨噬细胞炎症蛋白-1β} [21]

2)基于当前的数据库(细胞因子在线百科全书:http://www.copewithcytokines.de/cope.cgi)搜集具有显著性变化的细胞因子的分泌细胞及其作用的靶细胞,这些细胞就是本研究构建的无线通信网络的节点,而通过区别分泌细胞和靶细胞,便得到了网络中连边的方向,从分泌细胞指向靶细胞。

3)计算血液中显著变化的细胞因子的相对变化率,并将第i个细胞通过分泌细胞因子作用于第j个细胞的全部细胞因子的相对变化率求和,该和即为从第i个细胞到第j个细胞连边上的权重w ij,即:

式中:n cyt为发生显著变化的细胞因子的个数;ρ k为第k(k=1,2,..., n cyt)种细胞因子浓度的相对变化率, 分别表示食用实验食品前、后血液中第k种细胞因子的浓度。且 细胞i分泌细胞医子k且细胞i通过细胞医子k作用于细胞j其他。

4)通过本课题组研发的软件画出有向加权网络图。食用低、中、高剂量蛹虫草细粉对应的细胞间无线通信网络如图1所示。

图1 食用5、10、15 g蛹虫草的细胞间的有向加权通信网络
Fig.1 Intercellular directed weighted communication networks in response to ingestion of 5, 10 and 15 g of Cordyceps militaries

2 结果与分析

2.1 网络具有层次性

在不考虑节点到其自身连边的情况下,若节点的出度非0而入度为0,则该节点在整个通信网络中属于信号的发送端(扮演通信的指挥者角色),节点的出度越大,表明其在指挥集团中地位越重要,作为指挥者与其他节点的通信越频繁;若节点的入度非0而出度为0,则该节点属于信号的接收终端(扮演行动的实施者角色),节点的入度越大,表明其在实施集团中的地位越重要,作为执行者与其他节点的通信越频繁;若节点的出度和入度均非0,则该节点属于信号的中转层(扮演行动的传递者,也可能主动行使一些指挥功能),节点的总度越大,表明其传递能力越强,对整个通信网络的信息传输起到越重要的作用。

借助于出度和入度的概念,无论是食用哪种剂量的蛹虫草所诱导产生的无线通信网络均可以被清晰地划分为3 个互不相容且完备的层次(图1):发送信号端、中转信号层和接受(效应)信号端,表明这3 个网络均具有层次性,进一步表明蛹虫草对机体的调节作用是通过在机体内构建具有发送、中转和执行功能的细胞间的无线通信层次网络来实现的。

2.2 网络具有一定的稳健性

低、中、高剂量蛹虫草网络的节点数分别为18、16、20,三者相差不多。这3 个网络中的通信节点(即细胞)存在差异,它们拥有7 个共同的节点,包括:成纤维细胞、内皮细胞、嗜中性粒细胞、单核细胞、NK细胞、滑膜细胞和平滑肌细胞,分别占低中高网络总节点的比例为7/18、7/16、7/20,其余节点不尽相同,低、中剂量蛹虫草有9 个相同节点,低、高剂量蛹虫草有10 个相同节点,中、高剂量蛹虫草有10 个相同节点。这表明服用不同剂量的蛹虫草会中等程度地改变无线通信网络中的通信主体(即细胞),但保持生物系统的主要生理、免疫和代谢内分泌功能处于一个相对稳定和内平衡状态。

图2 低(a)、中(b)、高(c)剂量蛹虫草的细胞间无线通信网络的度
Fig.2 Degrees of the intercellular wireless communication networks under the low (a), medium (b) and high doses (c) of Cordyceps militaries

如图2所示,低、中、高剂量蛹虫草的无线通信网络的平均度分别为2.556、6.375、3.5,与以往的研究相比,任意节点的平均通信路径数并不少,当随机破坏掉个别通信路径时,网络的通信并不会瘫痪,网络也不会解体,网络表现出一定的稳健性。

图3 低(a)、中(b)、高(c)剂量蛹虫草的细胞间的无线通信网络的权重
Fig.3 Weights of the intercellular wireless communication networks under the low (a), medium (b) and high (c) doses of Cordyceps militaries

如图3所示,低、中、高剂量蛹虫草网络的边平均权重分别为-0.375、-0.381和-0.339,三者相差不多。这表明服用不同剂量的蛹虫草对于体内无线通信网络中每条通信途径(即有向加权网络的边)上承载的平均信号强度的大小影响甚微,进而表明对于不同剂量的蛹虫草诱导机体内产生的细胞间的无线通信网络在任意两个细胞间的作用强度方面呈现出一定的稳健性,亦充分说明了实现相同强度的生物调节功能,具有多条可选择途径。

2.3 蛹虫草具有下调机体免疫内分泌代谢网络的作用

低、中、高剂量蛹虫草网络中每条通信途径(即网络的边)上承载的信号强度均为负数(图2),低、中、高剂量蛹虫草网络的总权重也是负数,分别为-17.23、-38.91和-23.72,表明无论服用哪种剂量的蛹虫草都会对机体的免疫内分泌活动发挥下调作用。

2.4 不同剂量的蛹虫草具有双向调节作用

服用不同剂量的蛹虫草的确可以显著改变体内细胞间无线通信网络。网络的边数和网络的节点数是刻画网络规模的指标,该值越大,说明网络越庞大。低、中、高剂量蛹虫草无线通信网络图的节点数分别为18、16、20,相差不多,但是边数分别为46、102、70,相差非常大,综合两个指标考虑,可以认为服用中剂量蛹虫草的网络规模最大,高剂量蛹虫草网络规模次之,低剂量蛹虫草网络规模最小。

服用不同剂量的蛹虫草可以显著改变体内无线通信网络承载的总信号强度。低、中、高剂量水平蛹虫草网络的总权重分别为-17.23、-38.91和-23.72,中剂量蛹虫草网络的信号强度最强,高剂量蛹虫草次之,低剂量蛹虫草最弱。

服用不同剂量的蛹虫草也可以改变体内无线通信网络的抗毁性。低、中、高剂量蛹虫草无线通信网络的平均度分别为2.556、6.375、3.5,这表明从平均意义上来说,中剂量蛹虫草的无线通信网络中任意两类细胞的通信路径最多,网络的抗毁性最强,其次为高剂量蛹虫草网络,低剂量蛹虫草网络的通信途径的选择性最小,抗毁性最差。

服用不同剂量的蛹虫草能够改变体内无线通信网络中细胞(即有向加权网络的节点)所发出或接收的平均信号强度的大小。网络的点平均权重定量刻画了每类细胞平均权重的大小,低、中、高剂量蛹虫草网络的点平均权重分别为-0.957、-2.432和-1.186,中剂量蛹虫草网络中每类细胞平均发送或接收的信号强度最强,高剂量蛹虫草次之,低剂量蛹虫草最弱。

以上结果均表明中剂量蛹虫草对机体的调节作用最强,高剂量蛹虫草次之,低剂量蛹虫草最差,说明不同剂量蛹虫草具有双向调节功效,要使其发挥更大功能需要找到其最佳服用剂量。

2.5 不同剂量蛹虫草能够改变细胞在通信网络中的重要性

服用不同剂量的蛹虫草能够改变细胞所发送和接收信号的总强度,从而改变其在通信网络中的重要性。例如:内皮细胞在低剂量蛹虫草网络中最重要(在低剂量蛹虫草网络中,内皮细胞总权重的绝对值最大),在中剂量蛹虫草网络较重要(在中剂量网络中,内皮细胞总权重的绝对值排序为4(从高到低)),在高剂量蛹虫草网络中只有中等重要程度(在高剂量网络中,内皮细胞总权重的绝对值排序为10,恰好位于序的中间)。单核细胞在低、高剂量蛹虫草网络中都非常重要,而在中剂量蛹虫草网络中只有中等重要程度(单核细胞总权重的绝对值在低、高剂量蛹虫草网络中的排序分别为2和1,在中剂量蛹虫草网络中的排序位于中间为7)。

服用不同剂量的蛹虫草还会改变某些细胞在通信网络中的重要性,即使这些细胞在3 个剂量的蛹虫草网络中都处于相同的通信端。例如:成纤维细胞在3 个网络中均处于信号的中转层,但是它们在传递信号中的重要程度并不相同,在中剂量蛹虫草网络中它最重要(此时成纤维细胞的总度为22,总权重的绝对值为10.254,总度和总权重的绝对值均最大),在低剂量蛹虫草网络中具有中等重要性(在低剂量蛹虫草网络中,成纤维细胞的总度为5,排序居中,总权重绝对值为2.144,排序靠前(从高到低);在高剂量蛹虫草网络中总度为7,排序偏低,总权重绝对值为2.356,排序居中)。

2.6 不同剂量蛹虫草能够改变细胞在通信网络中的角色

服用不同剂量的蛹虫草会改变某些细胞在执行生物功能时的角色,例如NK细胞在3 个通信网络中都出现了,但是功能却不尽相同,在低、高剂量蛹虫草网络中它属于接受信号端,是主要的效应细胞(在低、高剂量蛹虫草网络中,NK细胞的入度分别为6、15,在两个网络的接收端细胞中入度均最大);在中剂量蛹虫草网络中,它属于发送信号端,主要是通过发送信号发挥启动和指挥功能(此时NK细胞的出度为9,在发送端细胞中出度最大)。滑膜细胞在3 个剂量的蛹虫草网络中也均出现了,在低、高剂量蛹虫草网络中,它属于信号的发送端,在两个网络中出度分别为5和9,在发送端的细胞中出度均最大,说明它们主要通过信号分子发挥调动和指挥功能,而在中剂量网络中滑膜细胞属于接受端,在接受端的细胞中入度最大(入度为10),主要通过接受内皮(胃肠道、血管内皮等)的信号发挥生物功能,是主要的效应细胞。B细胞在中、高剂量蛹虫草网络中都出现了,在高剂量蛹虫草网络中B细胞属于信号的传递层,既具有发送信号也具有接收信号功能,而在中剂量蛹虫草网络中B细胞属于接收端,只具有接收信号功能而不具有发送信号的功能,由此可推测在服用中剂量蛹虫草时,其在体液免疫启动和调节中发挥作用。

3 结 论

研究发现机体的免疫内分泌和代谢系统通过细胞因子、趋化因子和激素等信号分子构成复杂的细胞间无线通信网络,这个网络可以通过测定血液循环中(外周血)信号分子的变化,在其分泌细胞和靶细胞之间构建有向加权无线通信网络。该网络可以借助各种参数定量化评价食品、药物和各种环境变化对机体内细胞间无线通信网络的作用情况。从而为定量化评价免疫调节作用提供了一种基于复杂网络的新方法,亦提出了一种系统性研究视角。

本研究对服用低、中、高剂量蛹虫草诱导机体所产生的网络变化进行了系统性分析,验证了这些参数能够从不同的角度定量刻画网络(机体)的状态、性质、结构和功能。分析结果表明,服用不同剂量的蛹虫草诱导机体产生的无线通信网络具有层次结构,并表现出一定的稳健性。同时,不同剂量蛹虫草能够改变不同细胞在通信网络中的重要性和扮演的角色。分析结果表明,服用蛹虫草主要发挥下调机体内细胞间无线通信网络的作用,其中中剂量蛹虫草的平均作用强度最大,当进一 步增加剂量时,其作用强度反而下降,而且低剂量的蛹虫草主要是激发发出信号细胞的活性,启动其网络调节作用;当超过一定的限度时(最大调节作用剂量)就会更多地表现在增加对接收信号细胞和效应细胞的作用。这表明不同剂量的蛹虫草对于机体的免疫功能具有非线性和双向调节功能。值得强调的是,随着过度营养问题的不断蔓延,现如今肥胖、高血脂、高血压、糖尿病和心脑血管疾病已经成为致病、致癌甚至死亡的主要病因,免疫、内分泌和代谢网络活性过强的问题日益凸显,蛹虫草的这种下调细胞通信网络和明显的抗炎症、抑制过度的免疫应答作用证明了它的保健功能和应用开发前景。

参考文献:

[1] VIDAL M, CUSICK M E, BARABASI A L. Interactome networks and human disease[J]. Cell, 2011, 144(6): 986-998. DOI:10.1016/ j.cell.2011.02.016.

[2] RYAN C J, CIMERMANČIČ P, SZPIECH Z A, et al. High-resolution network biology: connecting sequence with function[J]. Nature Reviews Genetics, 2013, 14(12): 865-879. DOI:10.1038/nrg3574.

[3] COSTANZO M, BARYSHNIKOVA A, BELLAY J, et al. The genetic landscape of a cell[J]. Science, 2010, 327: 425-431. DOI:10.1126/ science.1180823.

[4] BRENNER S. Sequences and consequences[J]. Philosophical Transactions of the Royal Society B: Biological Sciences, 2010, 365: 207-212. DOI:10.1098/rstb.2009.0221.

[5] WATTS D J, STROGATZ S H. Collective dynamics of ‘small-world’networks[J]. Nature, 1998, 393: 440-442. DOI:10.1038/30918.

[6] JEONG H, TOMBOR B, ALBERT R, et al. The large-scale organization of metabolic networks[J]. Nature, 2000, 407: 651-654. DOI:10.1038/35036627.

[7] JEONG H, MASON S P, BARABÁSI A L, et al. Lethality and centrality in protein networks[J]. Nature, 2001, 411: 41-42. DOI:10.1038/35075138.

[8] UETZ P, GIOT L, CAGNEY G, et al. A comprehensive analysis of protein-protein interactions in Saccharomyces cerevisiae[J]. Nature, 2000, 403: 623-627. DOI:10.1038/35001009.

[9] HAKES L, PINNEY J W, ROBERTSON D L, et al. Protein-protein interaction networks and biology: what’s the connection?[J]. Nature Biotechnology, 2008, 26(1): 69-72. DOI:10.1038/nbt0108-69.

[10] HASE T, TANAKA H, SUZUKI Y, et al. Structure of protein interaction networks and their implications on drug design[J]. PLoS Computational Biology, 2009, 5(10): e1000550. DOI:10.1371/journal. pcbi.1000550.

[11] MILO R, ITZKOVITZ S, KASHTAN N, et al. Superfamilies of evolved and designed networks[J]. Science, 2004, 303: 1538-1542. DOI:10.1126/science.1089167.

[12] SARDIU M E, WASHBURN M P. Building protein-protein interaction networks with proteomics and informatics tools[J]. Journal of Biological Chemistry, 2011, 286(27): 23645-23651. DOI:10.1074/ jbc.R110.174052.

[13] FURLONG L I. Human diseases through the lens of network biology[J]. Trends in Genetics, 2013, 29(3): 150-159. DOI:10.1016/ j.tig.2012.11.004.

[14] MARTINEZ N D. Artifacts or attributes? Effects of resolution on the Little Rock Lake food web[J]. Ecological Monographs, 1991: 367-392. DOI:10.2307/2937047.

[15] ALMAAS E, KOVACS B, VICSEK T, et al. Global organization of metabolic fluxes in the bacterium Escherichia coli[J]. Nature, 2004, 427: 839-843. DOI:10.1038/nature02289.

[16] 庞广昌, 陈庆森, 胡志和, 等. 食品与机体中的移动通讯网络[J]. 食品科学, 2010, 31(21): 1-9.

[17] 滑艳君, 庞广昌, 郭丽. 口服酪蛋白复合肽对细胞通讯网络的作用[J].食品科学, 2010, 31(17): 310-317.

[18] HUA Y J, PANG G C. Cellular communication network modeling method based on cytokines[C]//Network Computing and Information Security (NCIS), 2011 International Conference on IEEE, 2011: 441-445. DOI:10.1109/NCIS.2011.96.

[19] 乔冬, 庞广昌, 李杨. γ-亚麻酸对小鼠免疫系统的调节作用[J]. 食品科学, 2011, 32(21): 247-252.

[20] LI H, LIU X, LI Y, et al. Effects of the polysaccharide from Pholiota nameko on human cytokine network in serum[J]. International Journal of Biological Macromolecules, 2012, 50(1): 164-170. DOI:10.1016/ j.ijbiomac.2011.10.015.

[21] SUN Y, SHAO Y, ZHANG Z, et al. Regulation of human cytokines by Cordyceps militaris[J]. Journal of Food and Drug Analysis, 2014, 22(4): 463-467. DOI:10.1016/j.jfda.2014.01.025.

Quantitative Evaluation of the Regulatory Effect of Cordyceps militaris on Human Body with the Intercellular Directed Weighted Communication Networks

MA Lina 1,2,*, PANG Guangchang 3,*, SUN Yong 4, CUI Zhenfu 5
(1. School of Science, Tianjin University of Commerce, Tianjin 300134, China; 2. China Institute for Actuarial Science, Central University of Finance and Economics, Beijing 100081, China; 3. College of Biotechnology and Food Science, Tianjin University of Commerce, Tianjin 300134, China; 4. Beijing Academy of Food Sciences, Beijing 100050, China; 5. Beijing Oriental Institute of Measurement and Testing, Beijing 100086, China)

Abstract:Based on the directed weighted graph, three intercellular wireless communication networks are constructed, which are generated in young and healthy volunteers consuming Cordyceps militaris at low, medium and high doses. The quantitative analyses on three intercellular networks are conducted by means of statistics. It is proved that these parameters can quantitatively describe the conditions, properties, structures and functions of networks from different perspectives. These wireless communication networks have a hierarchical structure, and demonstrate a certain robustness. Meanwhile, different doses of Cordyceps militaris can change the importance and role of the cells during the wireless communications. The consumption of Cordyceps militaris mainly plays a role in down-regulating the intercellular wireless communication network in vivo. Therefore, Cordyceps militaris has good health protection and anti-inflammatory effect on metabolic syndrome (MS) and cardiovascular or cerebrovascular diseases caused by allergic reaction and overnutrition. The middle dose exerts the greatest effect from an average viewpoint. When further increasing the dose, the functional strength is contrarily lowered down. This shows that Cordyceps militaris at various doses has nonlinear and dual-direction regulatory functions on organisms.

Key words:directed weighted graph; intercellular wireless communication networks; Cordyceps militaris; cytokines; degree; weight

DOI:10.7506/spkx1002-6630-201601027

中图分类号:R151.1

文献标志码:A

文章编号:1002-6630(2016)01-0150-07

引文格式:

马丽娜, 庞广昌, 孙勇, 等. 基于细胞间的有向加权通信网络定量评价蛹虫草对人体的调节作用[J]. 食品科学, 2016, 37(1): 150-156. DOI:10.7506/spkx1002-6630-201601027. http://www.spkx.net.cn

MA Lina, PANG Guangchang, SUN Yong, et al. Quantitative evaluation of the regulatory effect of Cordyceps militaris on human body with the intercellular directed weighted communication networks[J]. Food Science, 2016, 37(1): 150-156. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-201601027. http://www.spkx.net.cn

收稿日期:2015-04-28

基金项目:国家自然科学基金青年科学基金项目(71401124);天津市高等学校科技发展基金计划项目(20131004);

国家自然科学基金面上项目(31371773)

*通信作者:马丽娜(1979—),女,副教授,博士,研究方向为复杂网络、数理统计、保险精算和金融衍生品定价。

E-mail:malinastat@163.com

庞广昌(1964—),男,教授,博士,研究方向为食品免疫、细胞通讯网络、代谢网络和生物传感器。

E-mail:pangtjcu@163.com