进化基因调控网络的动力学特性分析

基于编码网络和动态特性的人工基因组模型,提出了一种可变长度的基因片段复制与歧化模型进化基因调控网络。应用分析和模拟技术,发现这类进化基因调控网络以更大的概率运转在有序状态,以更小的概率运转在混沌状态。结果表明,进化网络与生物网络有相近的动力学特性。     

基于QPSO算法和S-系统的基因调控网络分析与重构*

基于量子粒子群(QPSO)算法分析和重构了基因调控网络。利用S-系统模型进行基因调控网络的模拟,基本方法以真实实验数据与模拟数据的差的平方和作为目标函数进行迭代优化,只能预测数目很少的参数并且算法的收敛率很低。依据基因网络的稀疏性,提出了基于QPSO算法的逐步优化策略,将整个优化过程分为三个阶段,通过逐步确定无效参数的位置来简化模型。仿真实验基于QPSO算法逐步优化策略成功实现了一个包含5个节点60个参数的S-系统优化。     

模糊基因网络的构建*

提出了一种新颖的方法来预测基因调控网络,即将模糊理论引入基因网络的构建。详细阐述了利用模糊理论为基因调控网络建模的机理,并初步建立了模糊基因网络,对进一步理解肿瘤与癌症的发生和发展机理有重要的借鉴意义。     

构建时延基因调控网络的多数据源融合算法

为了进一步提高基因调控网络构建的精确度,提出一种基于多数据源融合的时延基因调控网络构建算法.该算法基于递归模糊神经网络模型,使用时序互信息估计基因间的转录时延,并限制每个基因的潜在调控基因,从而有效提高建网的效率.在网络结构学习阶段,使用离散多目标粒子群优化(discrete multi-objective particle swarm optimization,dMOPSO)算法实现从时序基因表达数据和CHIP-chip数据共同构建基因调控网络.人工模拟数据和酵母菌细胞周期表达数据的实验结果表明该算法能正确选出潜在的调控基因,从而更加精确地构建基因调控网络.     

胃癌模糊基因调控网络的构建

基因调控网络的研究是以系统的观点为出发点,从基因之间相互作用的角度揭示复杂的生命现象.生命体通过调节差异基因表达来控制其生长、遗传和变异行为.差异表达基因之间的相互作用是构建基因调控网络的纽带,网络中差异表达的基因可以揭示与癌症相关基因的信息.基因网络模型为深入理解生命本质提供了有益的参考,本文提出了一种新颖的方法来预测基因调控网络,即将模糊理论引入基因网络的构建中,阐述了模糊理论基因调控网络建模的机理并初步建立了胃癌模糊基因调控网络,对研究胃癌的发生和发展机理有重要的理论意义和应用价值.     

大规模动态网络的相似性度量方法研究

复杂网络相似性度量在异常检测、状态划分等网络分析应用中起着至关重要的作用。近年来,静态网络相似性受到学者的广泛关注,但在实际场景中,网络结构往往会随着时间的推移不断演化,网络规模也会逐渐增大,如何快速且准确地评估动态网络之间的相似性面临巨大的挑战。基于静态网络的谱距离方法尽管取得了不错的效果,但对于大规模动态网络而言计算成本很高。为了解决这一问题,提出了一种快速计算动态网络相似性的方法。该方法基于矩阵扰动理论估算动态网络特征值的变化进而计算网络的相似性,具有线性复杂度。在人工数据集与真实数据集上的实验表明,提出的方法在保证准确率的基础上有效降低了计算复杂度。     

基于改进SEM算法的基因调控网络构建方法*

动态贝叶斯网络（DBN）是基因调控网络的一种有力建模工具。贝叶斯结构期望最大算法（SEM）能较好地处理构建基因调控网络中数据缺失的情况,但SEM算法学习的结果对初始参数设置依赖性强。针对此问题,提出一种改进的SEM算法,通过随机生成一些候选初始值,在经过一次迭代后得到的参数中选择一个最好的初始值作为模型的初始参数值,然后执行基本的SEM算法。利用啤酒酵母细胞周期微阵列表达数据,构建其基因调控网络并与现有文献比较,结果显示该算法进一步提高了调控网络构建的精度。     

人工鱼群算法在基因调控网络中的应用研究

在分析基因调控网络现状及优缺点的基础上,提出利用人工鱼群算法对阈值布尔网络模型构建下的基因调控网络进行研究。将阈值布尔网络模型应用于花发育形态模型,构建基于预定义吸引子和极限环的综合网络。比较人工鱼群算法与模拟退火算法在基因调控网络中的应用情况,分析网络节点更新机制变化时布尔网络保留吸引子的能力,发现在极限环长度为2和特定网络拓扑下网络才具有鲁棒性。实验结果表明,与模拟退火算法相比,人工鱼群算法在网络发现、鲁棒性方面具有更好的性能,因此利用人工鱼群算法学习布尔网络结构是有效可行的。     

基于改进PSO的基因调控网络重构方法

提出一种基于改进粒子群优化算法的基因调控网络重构方法。该方法利用粒子群优化算法确定加权矩阵模型的最优结构及参数,从而推测出与实验数据相吻合的加权矩阵,实现利用重构的加权矩阵模型模拟基因调控网络的相互作用。实验结果表明,该方法能有效推理出复杂的基因调控网络结构。     

基于动态网络切分的关键蛋白质预测方法

关键蛋白质作为蛋白质中的关键物质,不仅对研究细胞生长调控有着重要意义,也为更深层次的疾病研究奠定理论基础.目前,针对关键蛋白质的识别方法大多为应用基因表达信息和蛋白质相互作用网络,提出识别关键蛋白质的静态和动态网络方法,但这些方法未考虑基因表达调控的周期性规律,无法准确地刻画受基因周期调控的蛋白质网络.为此,在基因表达动态性的基础上引入了基因周期性表达的概念,提出了一种动态网络切分方法.该方法通过构建基因“活性”表达矩阵,利用切分后的“活性”表达矩阵作用于蛋白质相互作用网络,从而形成蛋白质周期子网络,最终综合各周期子网络来衡量蛋白质结点在网络中的重要性.实验结果表明,该方法在酵母、大肠杆菌和人类膀胱数据中可以有效地提高关键蛋白质预测率.     

动态基因调控网演化分析

动态基因调控网是展现生物体内基因与基因之间相互关系随时间变化而变化的动力学行为的复杂网络.这种相互作用关系可以分为两类：激励和抑制.对动态基因调控网网络演化的研究,可以预测未来时刻生物体内的基因调控关系,从而在疾病预测和诊断、药物开发、生物学实验等领域起到重要的指导和辅助作用.现实世界中,动态基因调控网的网络演化是一个复杂而巨大的系统,当前,对于其演化机制的研究存在只关注静态网络而忽略动态网络和只关注相互作用关系而忽略相互作用类型的缺陷.针对上述问题,提出了一种动态基因调控网演化分析方法（dynamic gene regulatory network evolution analyzing method,简称DGNE）,将研究扩展到了动态带符号网络领域.通过该方法包含的基于模体转换概率的连边预测算法（link prediction algorithm based on motif transfer probability,简称MT）和基于隐空间特征的符号判别算法,能够动态地捕捉基因调控网的演化机制,并准确地预测未来时刻基因调控网的连边情况.实验结果表明,DGNE方法在仿真数据集和真实数据集上均有良好的表现.     

基于复杂网络理论的肺癌特异性基因识别研究

基于复杂网络理论分别构建以肺癌组织和健康肺组织基因为节点,基因间调控关系为边的基因调控网络,并从拓扑结构、分布特征、节点中心性三方面分析网络特性,挖掘网络核心节点生物功能差异性以识别出肺癌特异性基因。结果发现,肺癌组织和健康肺组织基因调控网络拓扑参数极其相似且两者都为无标度网络,两网络核心节点集高度重叠,但非重叠部分核心节点的生物功能十分特殊,并据此识别出肺癌特异性基因。该方法识别出的肺癌特异性基因,能够成为潜在肺癌生物标记物,为肺癌的早期诊断提供帮助,同时该方法能够适用于其他疾病特异性基因的识别。     

Existence criteria of periodic oscillations in cyclic gene regulatory networks

In this paper, we consider the existence conditions of periodic oscillations in large-scale cyclic gene regulatory networks. Using the Poincaré–Bendixson theorem for cyclic systems, we first show that the local instability of an equilibrium point implies the existence of periodic oscillations. We then derive the graphical and its equivalent analytic criteria for the existence of periodic oscillations based on local instability analysis. These criteria have a remarkable feature that they can be applied systematically to a large-scale cyclic gene regulatory network consisting of any number of genes. The latter part of this paper is devoted to analyze the relation between an equilibrium point and the biochemical parameters. This leads to an analytic existence criterion that explicitly takes the dependence of the equilibrium state on biochemical parameters into account, which is often overlooked in nonlinear system analyses. In particular, the novel physical quantities that are essential for determining the existence of periodic oscillations are obtained based on the rigorous analytic criterion.     

COBRA框架在转录调控、转录翻译和信号传导网络上的应用研究

转录调控、转录翻译和信号传导网络等生化网络分别刻画不同的生物过程,描述细胞的不同生命活动。对这些生化网络进行计算机建模与分析,不仅可以获得细胞生长各阶段更加全面的认识,同时对药物靶点的确定和代谢工程的发展也有着深远的影响。基于约束的重构和分析方法COBRA是一套完整的对生化网络进行建模和分析的框架。它已被广泛应用于全基因组规模代谢网络的研究中,同时在应用过程中也发展出了许多极具价值的分析方法。近年来,COBRA框架也被陆续应用到其它生化网络中。主要介绍COBRA框架在转录调控、转录翻译和信号传导网络中的建模和分析方面的应用,并且简要评述COBRA框架的研究现状及可能的发展方向。     

切换奇异布尔网络的稳定性分析

基因调控网络的稳定性分析是系统生物学的研究热点问题之一.本文利用矩阵半张量积方法研究了切换奇异布尔网络的稳定性问题.首先给出了切换奇异布尔网络的代数表示,基于该代数表示,建立了系统解存在唯一的充要条件.然后通过将切换奇异布尔网络转化为等价的切换布尔网络,分别得到了系统在任意切换下稳定以及切换可稳的充要条件.最后给出例子验证所得结果的有效性.     

使用稳态系统和粒群优化算法进行基因调控网络推断

基因调控网络模型试图从海量的时序基因表达数据中研究基因的功能,推断基因之间的调控关系,从而揭示复杂的病理现象和生命现象.通过利用时序基因表达数据来推断一个基于稳态系统(S-system)模型的基因网络,提出使用粒群优化算法(PSO)来优化模型参数,从而捕捉基因表达数据中的动力学特性.实验结果表明,该方法能够使模型参数快速得到收敛,配置参数后模型仿真能力好,可以较好地识别基因调控关系.     

一种独立于被管系统的网络性能管理系统

本文提出了一种在广播信道上基于倾听机制的独立网络性能管理系统。这种系统适用于用物理广播信道连接，但存在多种协议体系结构的网络系统，例如ＣＩＭＳ网络。     

区块链环境下电商消费者网络多子群混合增长模型构建及特性研究

为探究区块链环境下电商消费者行为的复杂网络特性,在对传统局域网络与BBV增长网络研究的基础上,针对区块链环境下电子商务消费者行为的特性,提出2个方面的创新优化： （1）建立基于声誉的有限信任共识机制; （2）构建基于去中心化特性的消费者社团交互选择的智能合约。将共识机制与智能合约融入多子群混合增长模型中,研究在特定参数下,区块链电商消费者网络在复杂网络结构方面的特性。实证研究表明：即使是在具有去中心化、去信任的区块链电子商务环境下,消费者网络依旧会呈现出节点幂律分布的特点和小世界特性。在多子群混合增长模型中,消费者社团划分明显,消费者之间会出现“富者愈富”的马太效应,但是与传统网络电子商务消费者网络相比,其社团结构则更为松散,具有反垄断的特性。实验表明,在该环境下消费者的消费行为更加自由与透明。     

基于因果关系挖掘的概率基因调控网络的构建

科学的基因聚类方法是构建基因调控网络的前提，但仅以聚类作为构建网络的主要手段只能找到共同调控的基因，不能精确反映基因之间的相互作用过程。贝叶斯网络模型通过基于图的方式求得多变量之间条件独立的概率因果关系，但因其计算复杂性受到应用层面的限制。该文综合考虑几方面因素，在对基因进行聚类基础上，通过对调控关系的预测获得对目标基因的调控基因组，再利用LCD(local causal relation discovery)方法通过限制搜索条件发现基因间的独立关系，进而获得基因调控网络。实验结果表明了该方法的可行性和有效性。