信號網路的系統層級分析整合了生化動力學、控制理論與計算建模，揭示細胞資訊處理的設計原則。
動力學建模框架
典型信號轉導 ODE 系統以 Michaelis-Menten 動力學描述酵素反應：
d[ERK*]/dt = k_cat_MEK · [MEK*] · [ERK] / (K_m + [ERK]) − k_cat_phos · [Phos] · [ERK*] / (K_m_phos + [ERK*])
雙重磷酸化（dual phosphorylation）引入 processive vs distributive 機制的差異：distributive mechanism 需要兩次獨立的酵素-基質碰撞，產生 ultrasensitivity（Markevich et al., J Cell Biol, 2004 以 mass-action 模型嚴格證明此機制可產生 bistability）。
Metabolic Control Analysis (MCA) 在信號網路的推廣
Kholodenko et al.（FEBS Lett, 1997）將 MCA 框架推廣到信號級聯：定義 response coefficient R_j^xi = (∂ln xi / ∂ln ej) 衡量酵素 j 的表現量變化對穩態信號強度 xi 的影響。信號網路中的 summation theorem 修正為考慮分支和回饋的形式。
Modular Response Analysis (MRA)
Kholodenko et al.（PNAS, 2002）提出 MRA：將網路拆為模組，測量每個模組對擾動的局部響應（local response coefficients），然後從連接矩陣推斷全域響應。只需 n 次擾動實驗（n = 模組數）即可推斷完整模組間連接。實驗上使用 specific inhibitors 或 siRNA 作為擾動工具。
時空信號動態
信號不只是時間上的 on/off，也有空間維度。Receptor endocytosis 後 signaling endosome 在細胞質中移動，在不同位置活化不同下游效應器。Reaction-diffusion PDE 模型描述空間梯度：
∂[ERK*]/∂t = D · ∇²[ERK*] + f([ERK*], [MEK*], ...)
Brown & Bhatt (Science Signaling, 2020) 利用 optogenetic 工具在單細胞層級操控信號的時間模式（pulse vs sustained），證明 ERK 活化的頻率（而非幅度）編碼細胞增殖 vs 分化的命運決定。
Phosphoproteomics 驅動的網路重建
定量磷酸化蛋白質體學（TMT/SILAC + TiO2 enrichment + LC-MS/MS）可在一次實驗中偵測 >10,000 個磷酸化位點的動態變化。Casado et al.（Sci Signal, 2013）結合時間序列磷酸化數據與 Bayesian network 推斷信號流向，揭示 PI3K 與 MAPK 途徑間的隱藏 crosstalk edge。
合成信號迴路：MESA（Modular Extracellular Sensor Architecture; Daringer et al., ACS Synth Biol, 2014）將工程化受體拆成可互換的感測器、切割、轉錄活化模組，實現信號途徑的 from-scratch 設計。
文獻：Kholodenko (2000) Eur J Biochem 267:1583-1588 / Huang & Ferrell (1996) PNAS 93:10078-10083 / Markevich et al. (2004) J Cell Biol 164:353-363.