《分子生物學代謝過程多模型建模及非線性分析》是依託山東大學，由高瑞擔任項目負責人的面上項目。
基本介紹
- 中文名：分子生物學代謝過程多模型建模及非線性分析
- 項目類別：面上項目
- 項目負責人：高瑞
- 依託單位：山東大學
中文摘要,結題摘要,
中文摘要
伴隨著生物學和信息科學日新月異的發展，生物信息學的研究正蓬勃興起，計算機已成為生物學領域不可或缺的研究手段和工具。但目前尚無分子量級生物學過程模型描述工具，使得生物信息學研究對象嚴重匱乏，因此研究和尋求模型分析方法迫在眉睫而至關重要。本項目將綜合運用群論、矩陣論、元間理論以及不變數特徵方法等眾多數學建模方法與離散事件系統流程分析技術，精確定量描述分子生物學新陳代謝相關過程，建立蛋白質分子三級結構切換動力學抽象函式狀態空間方程並予以分析，基於觀測器設計基因調控網路常微分方程模型的非線性控制策略，並開展仿真和實驗驗證工作。以期揭示生物體新陳代謝相關基因信息傳遞機制與數學描述模型之間關係的一般性規律，闡明非線性控制方法在基因調控網路分析中的套用，並發展一套定量化的微生物過程模型理論與分析方法。相關研究結果將在仿生計算、系統生物學的研究等方面具有潛在套用前景。
結題摘要
伴隨著生物學和信息科學日新月異的發展，生物信息學的研究正蓬勃興起，計算機已成為生物學領域不可或缺的研究手段和工具。但目前尚無分子量級生物學過程模型描述工具，使得生物信息學研究對象嚴重匱乏，因此研究和尋求模型分析方法迫在眉睫而至關重要。本項目順利完成如下工作：(1) 發展了基於機器學習技術的典型蛋白質預測與識別的相關算法，用不同的分類算法完成了對氧化/抗氧化蛋白、噬菌體病毒蛋白、細胞外基質蛋白、抗凍蛋白、DNA複製蛋白和J蛋白質的預測識別工作；(2) 發展了基於少數類樣本合成過採樣技術的蛋白質綜合分析技術，成功解決了預測模型數據集較小和數據樣本不平衡的問題；(3) 設計了生物序列非線性特徵提取方法並實現生物過程的建模分析，從多個方面全面刻畫物種特性並用於物種親緣關係分析，解釋了相關病理現象的非線性特徵；(4) 基於矩陣半張量積方法重構基因調控網路並發展了網路信息挖掘算法，通過該算法計算獲得潛在微生物—疾病關聯關係，有效識別出對治療某類疾病的藥物有反應的標誌基因，以提高藥物療效。並針對一類特殊疾病構建其基因共表達網路，識別出該網路中具有生物學意義的模組；(5) 成功搭建了蛋白質進化特徵提取及蛋白質識別的網路服務平台。通過該項目的研究成果將揭示生物體新陳代謝相關基因信息傳遞機制與數學描述模型之間關係的一般性規律，闡明非線性控制方法在基因調控網路分析中的套用，並發展一套定量化的微生物過程模型理論與分析方法。相關研究結果將在仿生計算、精準醫療、製藥和基因進化分析等方面具有潛在套用前景。
