資訊處理在其臨界階段被最大化（Solé& Valverde 2001; Kinouchi &copelli 2006; Ribeiro et al. 2008）。特別是 Lizier 等人（2008a）曾嘗試改進以前這些計算特性的測量，對隨機布林網路（RbNs，Kauffman 1993）中的資訊動態進行了徹底的定量研究。隨機布林網路被廣泛接受為基因調控網路（GRNs）的模型，研究表明，量化儲存和處理的主動資訊和傳遞熵的平均值各自在臨界點附近會達到最大值（Lizier et al. 2008a）。
從這裡，我們可以看到一些典型物理模型侷限性的暗示，例如平均場近似（mean-field approximations）和重整化群（renormalization group）方法，由於生物和非生物系統叢集行為的差異，這些方法並不總是能轉化為生物學所使用[例如，向生命過渡過程的資訊屬性可能是不連續的，見 davies （2013）]。也就是說，目前還不清楚平均場近似是否適用於包括生物學在內的一般情況，也不清楚通常應用於連續相變的重整化群是否適用於刻畫生物相變的不連續性特徵。解決方法之一是研究與生物功能相關臨界系統的特徵，以及這些特徵如何表現出生物網路。例如，daniels 等人（2018）最近證明了67個基因的調控網路是臨界性的，而具有相似因果和資訊架構的隨機集合則不是臨界性的，這顯示了特定的因果和資訊屬性功能、與生物網路是如何透過其臨界特性區分的。臨界性甚至已被證明是隨機基因網路模型中的一個可選擇性質（Serra 2019）。