1、當前在系統(tǒng)生物學的建模工作的主流主題之一是開發(fā)和分析網絡。
　　 高通量實驗手段的實現(xiàn),大量基因表達模式信息及細胞中單個基因、蛋白信息的產生以及新的代謝途徑和信號轉導途徑的確定,使得人們從分子水平上對生物體系有了更深入的了解。許多在細胞功能上(如細胞分裂,對外界刺激的反應等)起著重要作用的各類生物網絡(如代謝控制網絡、基因調控網絡及信號轉導網絡等)被發(fā)現(xiàn)并不斷完善。然而,由于這些網絡非常復雜,人們很難從直觀上確定各網絡的作用結果

2、。為較好地認識這些網絡的拓撲結構及動力學過程,計算機模擬技術、非線性動力學分析方法等被廣泛應用于生物化學體系的研究。
　　 本文針對典型的生物化學網絡模型,提出了一些新的模型分析方法,并通過對模型的分析進一步深入揭示了生物系統(tǒng)的內在作用關系。
　　 (1)以脈孢菌生物節(jié)律模型為研究對象,提出了新的全局靈敏度分析方法,均勻采樣回歸法。該方法不僅可以分析系統(tǒng)參數(shù)對系統(tǒng)輸出的貢獻大小,而且能夠得到模型輸出和動力學參數(shù)之間的回歸

3、模型。與Morris變量篩選方法和Sobol’全局定量靈敏度分析方法相比,均勻采樣回歸法不僅分析結果準確,而且計算量最小,有望應用于更為復雜的生物化學反應網絡,為揭示生物化學網絡的作用機理提供有效的分析工具。
　　 (2)對NF-κB信號轉導通路的數(shù)學模型進行了系統(tǒng)生物學分析,由靈敏度分析結論進一步解釋網絡的復雜生物學意義,深入揭示了各反應途徑對整個信號轉導網絡輸出的影響。與此同時,在靈敏度分析的結果上對模型參數(shù)進行了修正,獲得

4、了與實驗數(shù)據(jù)更加吻合的模型輸出,對原模型進行了有效地校正。研究表明,通過靈敏度分析可以確定模型各參數(shù)對輸出結果影響的大小,在模型校正過程中重點考慮那些對輸出結果影響大的參數(shù),這會在很大程度上減小模型校正的工作量,同時增加模型的可靠性。
　　 (3)提出了響應靈敏度分析方法,為模型辨識的精確性提供定量的先驗的估計。經計算機實驗和理論推導證明,響應靈敏度矩陣與參數(shù)估計的置信區(qū)間有著密切的聯(lián)系。研究結果表明,響應靈敏度可以成功地預測參

5、數(shù)估計的置信度,并給出量化的描述。對于網絡建模過程中實驗變量的選擇具有一定的指導意義。
　　 (4)提出了空間自適應粒子群優(yōu)化算法,并通過常用的基準測試函數(shù)對該算法進行了檢驗,結果表明該優(yōu)化算法具有收斂速度快、抗早熟能力強等特點,比同類其它粒子群優(yōu)化算法和進化策略算法有明顯的優(yōu)勢。而在參數(shù)估計問題中,對于可能存在指數(shù)差異的參數(shù),高維度的搜索空間復雜而且空間形狀高度非均勻,具有空間自適應性能的LAPSO算法將會體現(xiàn)出較高的準確性和