| 论文的创新点 | 第6-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 目录 | 第11-13页 |
| 第一章 引言 | 第13-27页 |
| 1.1 系统生物学研究中的数学建模 | 第13-21页 |
| 1.1.1 确定性常微分方程模型 | 第14-17页 |
| 1.1.2 化学主方程及其数值模拟方法 | 第17-20页 |
| 1.1.3 化学郎之万方程及其数值模拟方法 | 第20-21页 |
| 1.2 病毒诱导的先天免疫网络的理论研究进展 | 第21-24页 |
| 1.3 基于蛋白相互作用网络的蛋白复合物识别 | 第24-25页 |
| 1.4 本文的主要工作 | 第25-27页 |
| 第二章 病毒诱导I型干扰素信号转导网络的建模与优化 | 第27-42页 |
| 2.1 病毒诱导1型干扰素信号转导网络的数学模型 | 第27-30页 |
| 2.2 数学模型中的参数优化与参数敏感性分析 | 第30-35页 |
| 2.3 系统正、负反馈机制的动力学分析 | 第35-38页 |
| 2.4 系统鲁棒性分析 | 第38-40页 |
| 2.5 本章小结 | 第40-42页 |
| 第三章 病毒诱导I型干扰素信号转导网络的随机模拟与动力学分析 | 第42-65页 |
| 3.1 核心转录环路的三类数学模型 | 第43-47页 |
| 3.2 模型中重要参数的动力学分岔分析 | 第47-54页 |
| 3.2.1 系统正、负反馈强度参数分岔分析 | 第51页 |
| 3.2.2 内、外噪声对系统双稳态的影响分析 | 第51-52页 |
| 3.2.3 负反馈调节系统振荡的幅度和频率 | 第52-53页 |
| 3.2.4 干扰素诱导率的动力学分岔分析 | 第53-54页 |
| 3.3 常数信号输入下系统响应时间和稳态分析 | 第54-56页 |
| 3.4 多细胞耦合的多状态随机模型建立和数值模拟 | 第56-63页 |
| 3.4.1 没有考虑干扰素IFN旁分泌机制时随机模拟分析 | 第56-57页 |
| 3.4.2 多细胞耦合系统的随机模型 | 第57-59页 |
| 3.4.3 数值模拟结果与分析 | 第59-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 基于蛋白质相互作用网络的蛋白质复合物识别方法 | 第65-84页 |
| 4.1 探测网络中蛋白复合物的新方法 | 第67-69页 |
| 4.2 数值实验 | 第69-77页 |
| 4.2.1 测试网络数据和参考复合物数据 | 第69-70页 |
| 4.2.2 度量指标 | 第70-71页 |
| 4.2.3 数值实验结果及分析 | 第71-77页 |
| 4.3 人和老鼠先天免疫蛋白质相互作用网络的蛋白质复合物预测和分析 | 第77-82页 |
| 4.4 本章小结 | 第82-84页 |
| 第五章 总结与展望 | 第84-87页 |
| 5.1 全文总结 | 第84-85页 |
| 5.2 进一步研究工作的展望 | 第85-87页 |
| 参考文献 | 第87-97页 |
| 作者在攻读博士学位期间撰写的学术论文 | 第97-98页 |
| 致谢 | 第98页 |
