隨機(jī)微分方程系統(tǒng)在信號(hào)傳導(dǎo)通路和代謝網(wǎng)絡(luò)噪聲模型中的應(yīng)用.pdf

1、生物信息學(xué)已經(jīng)從結(jié)構(gòu)生物信息學(xué)向功能生物信息學(xué)和所謂的后基因組時(shí)代的生物信息學(xué)發(fā)展。系統(tǒng)生物學(xué)能夠幫助從系統(tǒng)的角度考察生物學(xué)的問題。
　　噪聲模型用于建立符合實(shí)驗(yàn)結(jié)果的更準(zhǔn)確的數(shù)學(xué)模型，而且還可以研究噪聲的影響和研究對(duì)象處于噪聲中的魯棒性等特性。
　　本文分別從GPCR信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路、RKIP調(diào)控ERK信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路和人的血紅細(xì)胞代謝網(wǎng)絡(luò)、紫色非硫細(xì)菌代謝網(wǎng)絡(luò)、大腸桿菌的代謝網(wǎng)絡(luò)等研究實(shí)例出發(fā)，說明了隨機(jī)微分方程系統(tǒng)在信

2、號(hào)傳導(dǎo)通路和代謝網(wǎng)絡(luò)噪聲模型中的應(yīng)用。
　　本論文的研究主要完成了以下五個(gè)方面的工作:
　　1.使用隨機(jī)微分方程系統(tǒng)分別對(duì)GPCR信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路和RKIP調(diào)控ERK信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路進(jìn)行了隨機(jī)建模，并使用Monte Carlo(MC)、Markov Chain Monte Carlo(MCMC)、結(jié)合粒子群優(yōu)化算法和下山單純形法的組合優(yōu)化策略方法以及MaximunLikelihood(ML)方法進(jìn)行參數(shù)的優(yōu)化學(xué)習(xí)，并比較了參

3、數(shù)學(xué)習(xí)的結(jié)果。使用學(xué)習(xí)后的參數(shù)對(duì)建立的模型進(jìn)行了模擬。
　　2.分別對(duì)GPCR信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路和RKIP調(diào)控ERK信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路的隨機(jī)模型進(jìn)行了隨機(jī)敏感性分析，主要研究了隨機(jī)微分方程模擬的軌道數(shù)和擴(kuò)散項(xiàng)系數(shù)對(duì)于模型的影響。
　　3.利用隨機(jī)微分方程系統(tǒng)分別對(duì)人的血紅細(xì)胞代謝網(wǎng)絡(luò)、紫色非硫細(xì)菌代謝網(wǎng)絡(luò)、大腸桿菌的代謝網(wǎng)絡(luò)進(jìn)行了隨機(jī)噪聲建模。根據(jù)代謝流分析得到了模型的參數(shù)，并對(duì)模型進(jìn)行了模擬。
　　4.使用隨機(jī)微分方程系

4、統(tǒng)分別對(duì)人的血紅細(xì)胞代謝網(wǎng)絡(luò)、紫色非硫細(xì)菌代謝網(wǎng)絡(luò)、大腸桿菌的代謝網(wǎng)絡(luò)噪聲模型獨(dú)立噪聲源的影響和傳播進(jìn)行了分析。
　　5.根據(jù)生物代謝網(wǎng)絡(luò)魯棒性的特性，使用兩類函數(shù)通過時(shí)變的擴(kuò)散項(xiàng)模擬了代謝網(wǎng)絡(luò)中的噪聲抑制機(jī)制，并對(duì)以上各個(gè)物種的代謝網(wǎng)絡(luò)進(jìn)行了數(shù)值模擬和比較。
　　上述研究工作得到了以下一些初步結(jié)論:
　　1.在參數(shù)學(xué)習(xí)中，對(duì)于完全觀察的數(shù)據(jù)，ML方法能夠得到較好的結(jié)果;而不完全觀察的數(shù)據(jù)，則可以使用MC、MCMC和組

5、合優(yōu)化策略方法進(jìn)行優(yōu)化學(xué)習(xí)。其中MCMC方法依賴于參數(shù)的先驗(yàn)概率分布。
　　2.根據(jù)多次使用針對(duì)隨機(jī)微分方程模型的多種參數(shù)學(xué)習(xí)方法，其結(jié)果可以將模型中變量分為噪聲較大、噪聲較小和介于兩者之間等三種類型。GPCR信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路模型中，α亞基結(jié)合GDP的G蛋白和環(huán)腺苷酸（cAMP）的噪聲較大;而被激活的腺苷酰（基）轉(zhuǎn)移酶(AC)和G蛋白偶聯(lián)受體(GPCR)的噪聲較小。在RKIP調(diào)控ERK信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路模型中，Raf-1*和MEK-

6、PP噪聲較大;而Raf-1*/RKIP、Raf-1*/RKIP/ERK-PP、ERK、RKIP-P、MEK-PP/ERK和RKIP-P/RP等所產(chǎn)生的噪聲較小。能夠利用這一方法對(duì)新的模型的變量所產(chǎn)生的噪聲的程度進(jìn)行預(yù)測(cè)。
　　3.從隨機(jī)敏感性分析得知:GPCR信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路模型中，α亞基結(jié)合GTP的G蛋白、被激活的腺苷酰（基）轉(zhuǎn)移酶(AC)和α亞基結(jié)合GDP的G蛋白更易受軌道數(shù)的影響;α亞基結(jié)合GDP的G蛋白、α亞基結(jié)合GDP的

7、G蛋白、被激活的腺苷酰（基）轉(zhuǎn)移酶(AC)和環(huán)腺苷酸(cAM)更易受隨機(jī)微分方程擴(kuò)散項(xiàng)系數(shù)的影響。在RKIP調(diào)控ERK信號(hào)傳導(dǎo)網(wǎng)絡(luò)通路模型中，ERK、MEK-PP/ERK、Raf-1*/RKIP和Raf-1*/RKIP/ERK-PP更易受軌道數(shù)和隨機(jī)微分方程擴(kuò)散項(xiàng)系數(shù)的影響。
　　4.對(duì)人的血紅細(xì)胞代謝網(wǎng)絡(luò)、紫色非硫細(xì)菌代謝網(wǎng)絡(luò)、大腸桿菌的代謝網(wǎng)絡(luò)模型進(jìn)行數(shù)值模擬后發(fā)現(xiàn)紫色非硫細(xì)菌代謝物和大腸桿菌代謝物的濃度變化依噪聲的隨機(jī)波動(dòng)比

8、較大。
　　5.分別對(duì)人的血紅細(xì)胞代謝網(wǎng)絡(luò)、紫色非硫細(xì)菌代謝網(wǎng)絡(luò)、大腸桿菌的代謝網(wǎng)絡(luò)模型中的十種、十五種和十八種代謝物研究了單噪聲源的噪聲傳播分析并進(jìn)行了比較，從現(xiàn)有的網(wǎng)絡(luò)數(shù)據(jù)來看，紫色非硫細(xì)菌和大腸桿菌的隨機(jī)模型的代謝流通路和噪聲傳播規(guī)律更加相似。
　　6.對(duì)以上各個(gè)代謝網(wǎng)絡(luò)的帶有噪聲抑制的隨機(jī)微分方程模型數(shù)值模擬可知，噪聲確實(shí)被限定在一定的范圍之內(nèi)，達(dá)到了模型所預(yù)期的要求。
　　隨機(jī)微分方程系統(tǒng)能夠被用于在信號(hào)傳導(dǎo)