在最新一期的《美国国家科学院院刊》（PNAS）上（4月28日），来自美国哈佛医学院和麻省理工学院的研究人员公布了他们关于单个细胞中随机基因表达动态学研究的新进展。文章的第一作者是Jerome T. Mettetal。

蛋白质数量的波动（即噪音）是由单个细胞中内在的随机因素造成的。这种噪音会对基因调控网络的动力学行为产生巨大影响。尽管确定性模型能够预测调控网络的平均行为，但它们无法反映基因表达的随机特征，从而影响了对单细胞行为预测的准确性。

近年来，随机模型已被用于预测一组细胞中稳态蛋白质水平的分布，但无法预测动态的、前稳态的分布。在这项新研究中，研究人员检测了一个其动力学受随机效应严重影响的系统。他们测量了大肠杆菌乳糖吸收网络中蛋白质数量随时间变化的群体分布情况。

随后，研究人员引入了一种动态随机模型，并证明动态分布的预测除了需要确定性模型的速率参数外，只需若干噪音参数。虽然确定性模型无法完整捕捉观察到的行为，但研究团队的随机模型则能在无需任何额外参数的情况下正确预测动力学分布。

这项研究的结果表明，通过利用一种能捕捉重要噪音源的随机成分来补充确定性模型，可以使该模型准确预测蛋白质的动态分布。这一方法为理解单细胞水平的基因表达调控提供了新的工具，并可能应用于其他生物系统中随机过程的建模。