5.叢集
我們和其他小組最近的一些研究，強調了在與環境的因果互動和內部資訊處理中適應性和魯棒性之間的平衡（walker et al. 2016），已知資訊處理特性表現出從穩定階段（以資訊儲存為主）到混沌階段（以資訊傳遞為主）之間臨界轉變距離的強烈依賴性。眾所周知，臨界系統具有生物系統的兩個基本特徵：對各種不同環境條件的適應性和魯棒性。我們期望基因調控中的臨界性普遍存在，這將為生物網路獨特的資訊處理和控制特性研究提供參考。
control kernel 控制核
複雜系統研究的主旨之一是理解並理預測出系統湧現的全域性動態，例如動態軌跡或最終狀(barabási 2016）。這些代表系統叢集行為的全域性狀態可以透過施加外部因果乾預來改變。引導整個系統從初始狀態到達期望的最終狀態。這為許多領域應用都提供了強大的工具，包括從輿論動態相關的問題到流行病，從細胞的分化到社會性昆蟲的巢穴選擇問題等等。
最近的研究發展了複雜網路控制相關的數學基礎，試圖透過理解因果結構與各組成部分動態的更新規則來尋找嚴格的控制機制。Liu 等人（2011）發展了他們的前瞻性框架，將具有線性動態過程的有向複雜網路可控性問題簡化為一個圖論問題。利用他們的理論可以確定一組能夠完全控制整個網路動態的驅動節點（driver nodes）。他們還發現，所確定的驅動節點往往是低度節點，並且總數主要由網路的度分佈決定。
生物系統模型大多是非線性動力學系統，完全可控性既不可行也沒有必要。相反，找到一種特定的控制機制，能夠將一個給定的系統從特定的初始狀態或軌跡引導到另一組期望狀態或軌跡集合，是更為現實的，往往也足夠的（cornelius et al. 2013）。例如，控制基因調控網路的主要目的之一是將系統引導到特定的細胞狀態，而非任意的表達水平。這種表型控制通常被定位在整個網路的一小部分中，以能驅動系統到期望吸引子的控制核來定義。不過，控制核的大小通常比一般隨機網路還要更大（Liu et al. 2011; Kim et al. 2013; Gates Rocha 2016; choo et al. 2018）。這表明生物系統的可控性程度可能存在一定的範圍，可以透過控制核的大小來量化。因此我們會將可控性程度視為生物系統資訊架構的基本特徵（walker et al. 2016; Kim et al. 2015），以區別於所有非生物叢集。
causal emergence 因果湧現
識別複雜系統中的因果關係是理解其湧現行為最基本的方法之一。然而這卻是一項艱鉅的任務：不僅因為複雜系統中的因果結構很複雜（坦率地講它們確實很複雜），而且因為因果結構可以在多個時空尺度上進行分析，往往讓我們搞不清楚哪種尺度是分析的首選（如果有的話）。長期以來，人們一直認為主因結構只能在最低（微觀）尺度上定義，更高尺度上的因果結構是有用的，但只是對主因結構的粗略描述。即認為微觀層面的因果關係確定了所有更高層次的因果結構，更高（宏觀）層次的因果並沒有實際上的因果貢獻（Kim 1993，2000）。
這種觀念下的還原論方法在科學各領域取得了廣泛的成功，包括物理學和化學的重大發展。儘管如此，因果湧現的另一種可能——宏觀尺度是因果結構的重要驅動，被一再提出來，因為它能對各種型別的生物叢集行為提供更簡單的解釋：從表觀遺傳學到蟻群的群體決策，再到大腦中的心理狀態等等。以往對這種因果湧現的研究大多侷限於定性論證，而最近 hoel