in silico生物分子网络动力学参数高速与高精度自动化估计的研究

项目名称： in silico生物分子网络动力学参数高速与高精度自动化估计的研究

项目编号： No.31301100

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 生物科学

项目作者： 李晨

作者单位： 浙江大学

项目金额： 20万元

中文摘要： 计算机仿真在分析生物系统的动力学特性，揭示生物系统的作用机理中发挥着重要作用。如何确定影响仿真结果的反应动力学参数是目前系统生物学面临的关键科学问题之一。由于生物系统本身的复杂性与实验测量技术的局限性，使我们无法确切地获得动力学参数，目前主要的计算估计方法也存在一定弊端。本项目是基于数据同化只局限在十几个参数的估计，并对时序列数据及计算机配置有较高依赖的研究背景下，拟在高阶Petri网理论基础上，提出新的一般概率线性时态逻辑gPLTL的模型检测理论并将其整合至数据同化方法中，建立高速与高精度仿真模型的动力学参数自动化估计框架DAMC，并在小鼠昼夜节律调控网络上评价DAMC的有效性和实用性。本研究可摆脱传统手动设置参数的方式，减少主观人为因素干扰。不仅能大幅度提高计算效率减少单次参数估计过程中使用的计算空间，并且对于将来展开使用高性能计算机对大规模生物系统网络进行分析提供有力的理论基础。

中文关键词： 参数估计；动力学；数据同化；模型检验；生物系统网络

英文摘要： ■ Background: Simulation studies on biological systems promises a deep understanding of complex cellular mechanisms by investigating dynamic features. How to determinate kinetic parameters which govern the results of a simulation model is one of the most critical problem of current research in systems biology. The complexity of biological systems and the progress of experimental techniques severely limit the acquirement of appropriate kinetic parameters. Meanwhile, existing methods also have some issues on estimating kinetic parameters. Data assimilation (DA) approach enables users to handle parameter estimation in the context of statistical inferences. However, it highly depends on providing successive time points of time-series data and costs massive computational resource for the estimation, in some cases, it will be completely impossible to estimate parameters. ■ Method: We therefore propose a novel computational framework DAMC to automatically estimate kinetic parameters of biological networks by introducing our new generic Probabilistic Linear-time Temporal Logic (gPLTL) based model checking (MC) to data assimilation. We employ a statistical method -- particle filter, often applied to DA for our estimation procedure. We evaluate the availability and practicality of proposed method by a high-level Petri ne

英文关键词： parameter estimation；kinetics；data assimilation；model checking；biological network