基因调控网络状态转变的优化策略研究

发布时间：2021-02-23 12:09

　　生物系统一般来说都是多稳态系统,其中不同的稳定状态,即吸引子,代表了生物体的不同表现形态。通常来讲,生物有机体正处于某一种吸引子状态,或者正在向某一稳定状态转移。近年来的研究表明,生物系统由一种状态向另一种状态的转变是可以实现的,例如细胞由早期癌症状态向正常状态的转变,这为很多疾病的临床治疗提供了新的契机。生物系统的各分子之间具有错综复杂的调控关系,故而生物网络具有高度复杂性和高度非线性的特点。基因调控网络在生物系统中具有举足轻重的意义,近十年来随着基因测序技术的广泛发展,已有大量的研究从控制理论或者物理能量的角度来探索基因调控网络的可控性以及状态转变的机制。当前研究大多以布尔网络模型或者线性微分方程模型为研究对象,忽略了基因网络连续的或非线性的动态特性。除此之外,一些学者尝试对基因网络非线性微分方程模型中的所有参数进行参数扰动以寻求可以实现状态转变的控制变量,然而这种方法对于具有众多调控参数的基因网络来说将耗费巨大的计算成本和时间成本,亦难以找到实现目标的最优调控变量。如何从基因网络成百上千的调控参数中识别控制变量及最少控制变量集,并对控制信号进行设计,这对当前基因网络状态转变策略的... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：156 页

【学位级别】：博士

【文章目录】：
致谢
摘要
abstract
第一章 绪论
    1.1 基因调控网络
        1.1.1 基本定义
        1.1.2 动态系统建模
    1.2 生物系统的吸引子
    1.3 基因网络的控制
    1.4 基因调控网络的控制研究现状
    1.5 本文主要研究内容
第二章 基因网络的模型及调控机理
    2.1 基因调控网络的动态模型
    2.2 基因网络的调控机理
    2.3 基因网络的优化问题
    2.4 本章小结
第三章 动态优化及混合整数动态优化算法
    3.1 动态优化算法研究现状
        3.1.1 序贯算法
        3.1.2 联立算法
        3.1.3 拟序贯算法
    3.2 拟序贯拓展算法
        3.2.1 变量离散
        3.2.2 模型计算
        3.2.3 灵敏度计算
        3.2.4 算法流程及结构
    3.3 混合整数动态优化及其拓展算法
        3.3.1 混合整数动态优化求解方法概况
        3.3.2 基于拟序贯的MIDO拓展算法
    3.4 本章小结
第四章 基因网络状态转变的控制路径优化
    4.1 状态转变路径优化问题描述
    4.2 优化实例
        4.2.1 两节点基因网络优化分析
            4.2.1.1 吸引子搜寻
            4.2.1.2 分岔临界值仿真计算
            4.2.1.3 优化求解
        4.2.2 T-LGL信号网络优化分析
    4.3 本章小结
第五章 基因网络调控变量识别
    5.1 变量识别优化问题描述
    5.2 MIDO问题预处理
    5.3 优化实例分析
        5.3.1 骨髓细胞分化调节网络
        5.3.2 癌症基因网络
        5.3.3 T-LGL信号网络
    5.4 本章小结
第六章 生物系统周期节律优化控制
    6.1 研究背景及意义
    6.2 优化问题分析
        6.2.1 时间区间的划分
        6.2.2 优化问题公式化
    6.3 生物系统优化实例探讨
        6.3.1 混沌系统
        6.3.2 哺乳动物昼夜节律系统
        6.3.3 胃癌基因调节网络
    6.4 本章小结
第七章 总结与展望
    7.1 论文总结
    7.2 研究展望
参考文献
附录 A T-LGL信号网络模型方程
附录 B 骨髓细胞分化网络模型方程
附录 C 哺乳动物昼夜节律系统模型方程
附录 D 胃癌网络模型方程
作者简历
攻读博士期间科研成果
公开发表学术论文与博士学位论文的关系


【参考文献】：
期刊论文
[1]混合整数非线性规划的算法软件及最新进展[J]. 刘明明,崔春风,童小娇,戴彧虹.  中国科学:数学. 2016(01)
[2]基因调控网络的控制:机遇与挑战[J]. 王沛,吕金虎.  自动化学报. 2013(12)
[3]微分方程模型在基因调控网络构建中的应用[J]. 柳伟伟,贺佳,吴骋,虞慧婷,金志超,叶小飞.  中国卫生统计. 2008(01)

博士论文
[1]基因调控网络的稳定性与分岔分析及同步控制[D]. 岳丹丹.华中科技大学 2017
[2]大规模动态过程优化的拟序贯算法研究[D]. 洪伟荣.浙江大学 2005

硕士论文
[1]大规模过程动态优化算法研究[D]. 谭鹏程.浙江大学 2010



本文编号：3047566