基因调控网络辨识与功能分析
发布时间：2023-05-13 23:30
基因调控网络(Gene regulatory network,GRN)是由细胞中的脱氧核糖核酸、核糖核酸、蛋白质、代谢物所构成的相互作调控网络。自然界中,具有较好适应性的生物体才能获得更多的生存机会。GRN的适应性研究具有重要的生物学意义。利用基因表达观测数据辨识基因间的调控关系有助于实现系统的白化。本文针对GRN的适应性功能和基于观测数据的GRN可辨识性两个方面进行了研究,主要工作和结论如下:(1)利用改进的优化算法提高了具有适应性的三节点GRN的拓扑、参数辨识效率以及解的质量。分别以变拓扑的、定拓扑三节点GRN为研究对象,提出了几种改进的启发式搜索方法,解决了拉丁超立方抽样方法(Latin hypercube sampling,LHS)辨识适应性网络时存在的效率不高、解质量不高的问题。1.)建立了变拓扑三节点GRN的Michaelis-Menten数学模型,提出了基于多目标遗传算法辨识具有适应性GRN的方法(包括拓扑解与参数解),提高了拓扑、参数辨识效率。2)针对积分控制节点负反馈回路(Negative feedback loop with a buffering会node,NFB...
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
符号对照表
1 绪论
1.1 研究背景
1.2 基因调控网络
1.3 基因调控网络的研究现状
1.3.1 基因调控网络的功能研究
1.3.2 基因调控网络辨识
1.4 本文的研究问题
1.4.1 基因调控网络的适应性研究中存在的问题
1.4.2 基于观测数据的基因调控网络可辨识性问题
1.5 本文的研究内容与工作安排
2 基因调控网络辨识的问题描述
2.1 系统辨识关键问题
2.2 三节点基因调控网络的适应性功能研究
2.2.1 复杂生物网络中的网络模体
2.2.2 传统的基因调控网络适应性指标
2.3 观测数据的有效性问题
2.4 本章小结
3 具有满意适应性的GRN多目标优化辨识方法研究
3.1 问题描述
3.2 变拓扑三节点酶调控网络的Michaelis-Menten数学模型
3.3 基于多目标遗传算法辨识具有适应性功能的三节点变拓扑GRN
3.3.1 基本遗传算法
3.3.2 本文使用的遗传算法
3.3.3 仿真结果与分析
3.4 基于多目标粒子群算法优化三节点定拓扑GRN的适应性
3.4.1 NFBLB拓扑三节点酶调控网络的Michaelis-Menten数学模型
3.4.2 改进的多目标粒子群算法
3.4.3 仿真结果与分析
3.5 本章小结
4 具有适应性功能的基因调控网络全局参数特性研究
4.1 适应性功能的新指标
4.2 两种拓扑三节点酶调控网络的Michaelis-Menten数学模型
4.3 具有满意适应性的参数辨识方法
4.3.1 外部精英集策略
4.3.2 约束多目标优化
4.3.3 进化操作
4.4 满意参数的模糊C均值聚类分析
4.5 仿真结果与分析
4.5.1 算法参数设置
4.5.2 NFBLB拓扑GRN的仿真结果
4.5.3 IFFLP拓扑GRN的仿真结果
4.5.4 两种不同拓扑基因调控网络的适应性动态比较
4.6 本章小结
5 基于观测数据的基因调控网络可辨识性研究
5.1 问题描述
5.1.1 基因调控网络的S-system模型
5.1.2 基因调控网络辨识
5.2 辨识方法
5.2.1 简化的五节点基因调控网络模型
5.2.2 观测时间序列采集
5.2.3 模型输出时间序列的数值解
5.2.4 参数优化方法—改进的GA-PSO算法
5.2.5 基因调控网络的可辨识性
5.3 仿真结果与分析
5.3.1 参数设置
5.3.2 采用方案1观测数据的辨识结果
5.3.3 采用方案2观测数据的辨识结果
5.3.4 稳态观测数据导致辨识无效的原因
5.3.5 采用方案3脉冲激励响应有效观测数据的辨识结果
5.4 本章小结
6 总结与展望
6.1 本文的主要工作与结论
6.2 展望
致谢
参考文献
附录 攻读博士期间的主要研究成果
本文编号：3816741
【文章页数】：120 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
符号对照表
1 绪论
1.1 研究背景
1.2 基因调控网络
1.3 基因调控网络的研究现状
1.3.1 基因调控网络的功能研究
1.3.2 基因调控网络辨识
1.4 本文的研究问题
1.4.1 基因调控网络的适应性研究中存在的问题
1.4.2 基于观测数据的基因调控网络可辨识性问题
1.5 本文的研究内容与工作安排
2 基因调控网络辨识的问题描述
2.1 系统辨识关键问题
2.2 三节点基因调控网络的适应性功能研究
2.2.1 复杂生物网络中的网络模体
2.2.2 传统的基因调控网络适应性指标
2.3 观测数据的有效性问题
2.4 本章小结
3 具有满意适应性的GRN多目标优化辨识方法研究
3.1 问题描述
3.2 变拓扑三节点酶调控网络的Michaelis-Menten数学模型
3.3 基于多目标遗传算法辨识具有适应性功能的三节点变拓扑GRN
3.3.1 基本遗传算法
3.3.2 本文使用的遗传算法
3.3.3 仿真结果与分析
3.4 基于多目标粒子群算法优化三节点定拓扑GRN的适应性
3.4.1 NFBLB拓扑三节点酶调控网络的Michaelis-Menten数学模型
3.4.2 改进的多目标粒子群算法
3.4.3 仿真结果与分析
3.5 本章小结
4 具有适应性功能的基因调控网络全局参数特性研究
4.1 适应性功能的新指标
4.2 两种拓扑三节点酶调控网络的Michaelis-Menten数学模型
4.3 具有满意适应性的参数辨识方法
4.3.1 外部精英集策略
4.3.2 约束多目标优化
4.3.3 进化操作
4.4 满意参数的模糊C均值聚类分析
4.5 仿真结果与分析
4.5.1 算法参数设置
4.5.2 NFBLB拓扑GRN的仿真结果
4.5.3 IFFLP拓扑GRN的仿真结果
4.5.4 两种不同拓扑基因调控网络的适应性动态比较
4.6 本章小结
5 基于观测数据的基因调控网络可辨识性研究
5.1 问题描述
5.1.1 基因调控网络的S-system模型
5.1.2 基因调控网络辨识
5.2 辨识方法
5.2.1 简化的五节点基因调控网络模型
5.2.2 观测时间序列采集
5.2.3 模型输出时间序列的数值解
5.2.4 参数优化方法—改进的GA-PSO算法
5.2.5 基因调控网络的可辨识性
5.3 仿真结果与分析
5.3.1 参数设置
5.3.2 采用方案1观测数据的辨识结果
5.3.3 采用方案2观测数据的辨识结果
5.3.4 稳态观测数据导致辨识无效的原因
5.3.5 采用方案3脉冲激励响应有效观测数据的辨识结果
5.4 本章小结
6 总结与展望
6.1 本文的主要工作与结论
6.2 展望
致谢
参考文献
附录 攻读博士期间的主要研究成果
本文编号：3816741
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3816741.html
