摘要 | 第3-5页 |
Abstract | 第5-7页 |
符号对照表 | 第8-15页 |
1 绪论 | 第15-29页 |
1.1 研究背景 | 第15-16页 |
1.2 基因调控网络 | 第16-18页 |
1.3 基因调控网络的研究现状 | 第18-25页 |
1.3.1 基因调控网络的功能研究 | 第18-22页 |
1.3.2 基因调控网络辨识 | 第22-25页 |
1.4 本文的研究问题 | 第25-27页 |
1.4.1 基因调控网络的适应性研究中存在的问题 | 第25-26页 |
1.4.2 基于观测数据的基因调控网络可辨识性问题 | 第26-27页 |
1.5 本文的研究内容与工作安排 | 第27-29页 |
2 基因调控网络辨识的问题描述 | 第29-39页 |
2.1 系统辨识关键问题 | 第29-30页 |
2.2 三节点基因调控网络的适应性功能研究 | 第30-36页 |
2.2.1 复杂生物网络中的网络模体 | 第30-35页 |
2.2.2 传统的基因调控网络适应性指标 | 第35-36页 |
2.3 观测数据的有效性问题 | 第36-38页 |
2.4 本章小结 | 第38-39页 |
3 具有满意适应性的GRN多目标优化辨识方法研究 | 第39-67页 |
3.1 问题描述 | 第39页 |
3.2 变拓扑三节点酶调控网络的Michaelis-Menten数学模型 | 第39-41页 |
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 | 第41-57页 |
3.3.1 基本遗传算法 | 第41-43页 |
3.3.2 本文使用的遗传算法 | 第43-47页 |
3.3.3 仿真结果与分析 | 第47-57页 |
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 | 第57-66页 |
3.4.1 NFBLB拓扑三节点酶调控网络的Michaelis-Menten数学模型 | 第57-59页 |
3.4.2 改进的多目标粒子群算法 | 第59-64页 |
3.4.3 仿真结果与分析 | 第64-66页 |
3.5 本章小结 | 第66-67页 |
4 具有适应性功能的基因调控网络全局参数特性研究 | 第67-91页 |
4.1 适应性功能的新指标 | 第67-68页 |
4.2 两种拓扑三节点酶调控网络的Michaelis-Menten数学模型 | 第68-69页 |
4.3 具有满意适应性的参数辨识方法 | 第69-72页 |
4.3.1 外部精英集策略 | 第70页 |
4.3.2 约束多目标优化 | 第70-71页 |
4.3.3 进化操作 | 第71-72页 |
4.4 满意参数的模糊C均值聚类分析 | 第72-74页 |
4.5 仿真结果与分析 | 第74-90页 |
4.5.1 算法参数设置 | 第74页 |
4.5.2 NFBLB拓扑GRN的仿真结果 | 第74-81页 |
4.5.3 IFFLP拓扑GRN的仿真结果 | 第81-87页 |
4.5.4 两种不同拓扑基因调控网络的适应性动态比较 | 第87-90页 |
4.6 本章小结 | 第90-91页 |
5 基于观测数据的基因调控网络可辨识性研究 | 第91-109页 |
5.1 问题描述 | 第92-93页 |
5.1.1 基因调控网络的S-system模型 | 第92页 |
5.1.2 基因调控网络辨识 | 第92-93页 |
5.2 辨识方法 | 第93-99页 |
5.2.1 简化的五节点基因调控网络模型 | 第93-95页 |
5.2.2 观测时间序列采集 | 第95-96页 |
5.2.3 模型输出时间序列的数值解 | 第96页 |
5.2.4 参数优化方法—改进的GA-PSO算法 | 第96-98页 |
5.2.5 基因调控网络的可辨识性 | 第98-99页 |
5.3 仿真结果与分析 | 第99-108页 |
5.3.1 参数设置 | 第100页 |
5.3.2 采用方案1观测数据的辨识结果 | 第100-101页 |
5.3.3 采用方案2观测数据的辨识结果 | 第101-103页 |
5.3.4 稳态观测数据导致辨识无效的原因 | 第103-105页 |
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 | 第105-108页 |
5.4 本章小结 | 第108-109页 |
6 总结与展望 | 第109-111页 |
6.1 本文的主要工作与结论 | 第109-110页 |
6.2 展望 | 第110-111页 |
致谢 | 第111-112页 |
参考文献 | 第112-120页 |
附录 攻读博士期间的主要研究成果 | 第120页 |