基于数据的基因网络时标系统建模、动力学及同步控制研究

In recent years, genetic regulatory networks has become a hot research topic in the fields of systems biology and automatic control, modeling of genetic networks based on micro-array data could further explore the regulatory schemes and predict the unknow dynamics of the networks. Based on the yeast database, by using machine learning, data mining, pathway analysis and parameter estimation, etc., a new time-scale dynamic model is proposed by combining the space-time characteristics and the influences of external pulses and reaction diffusions. Then, the evolutionary dynamics of the model will be analyzed through nonlinear system theory. By using pinning control, impulse control, intermittent control and adaptive control, etc., several effective synchronization strategies are developed, which could improve the synchronous ability and avoid harmful synchronization. Finally, computer simulation results could evaluate the modeling accuracy and the effectiveness of the proposed reuslts, and further help explain its biological background and practical significance.

基因网络是当前系统生物学和自动控制领域的一个前沿热点课题，基于微阵列数据的基因网络建模将进一步揭示网络内在的调控机制,预测未知的系统性态。本项目基于酵母菌的基因表达数据，利用机器学习、数据挖掘、通路分析和参数估计等方法，结合其具有的时-空特征并考虑外部脉冲和反应扩散的影响建立一种全新的时标动力系统模型；运用非线性动力系统分析方法研究其演化动力学特性；利用牵制控制、脉冲控制、间歇控制和自适应控制等控制方法设计有效的同步控制策略并得到加强同步能力和避免有害同步的方法；最后，通过计算机模拟仿真评价所建模型的准确性和所提结论的有效性，并进一步解释其生物背景和实际意义。

基因网络是当前系统生物学和自动控制领域的一个前沿热点课题，也是非线性系统科学应用的一个典型范例。本项目作为信息与数学领域交叉类项目，对复杂系统、复杂网络等与基因网络研究相关的非线性系统相关理论进行了深入研究，主要成果如下：. （1）提出了利用均方对决策系统进行特征提取的学习方法、基于运动补偿的数据修补算法和一种自适应变步长消噪算法，以提高观测数据的精确性和基因网络建模的合理性。特别是，针对具有脉冲影响的一类基因调控网络的有限时间稳定性进行了研究，通过设计李普诺夫函数得到了易于验证的充分必要条件，对通过精确调控相关基因并在有限时间达到控制效果提供了理论依据。. （2）研究了乙肝病毒模型和一类SEIQ传染病模型，分析了模型平衡点的稳定性，并给出了最大吸引域的估计方法，该研究成果为基因调控模型的分析和预测提供了较好的理论支持。. （3）研究了一类离散型高阶Cohen–Grossberg和BAM神经网络周期解的存在性与指数稳定性问题，找到了使这一智能算法快速收敛的判别条件。该研究所提出的理论方法容易被推广高阶基因调控网络的动力学性态分析中。. （4）提出了一类具有空间变化参数的复杂时空网络模型，研究了其动力学特性，给出了渐近同步、鲁棒指数同步、仿射指数同步等充分条件。针对多个耦合混沌系统的同步控制问题，建立了一类更为复杂的混合同步机制。该研究对基因网络的同步设计和应用有重要的指导意义。. （5）项目组研究为欠驱动摆式机器人的运动轨迹规划提供了一套新的设计理论，并将机器人由初始点到目标点的稳定控制问题转化为了跟踪期望轨迹的控制问题，实现了用一个控制器全局渐近稳定机器人的目标，并且整个稳定运动过程与时间可提前预知，这对基因网络的精确控制提供了借鉴。. 毋庸置疑，随着后基因组时代的到来，将是生命科学领域面临的最具挑战性的难题之一，运用控制科学、数学、信息科学、计算机科学等理论知识对基因网络的建模、动力学分析及其同步控制等的研究有重大的理论和现实意义。