《感染性疾病調控網路的動力學模型與並行算法》是依託武漢大學，由鄒秀芬擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：感染性疾病調控網路的動力學模型與並行算法
- 項目類別：重大研究計畫
- 項目負責人：鄒秀芬
- 依託單位：武漢大學
項目摘要,結題摘要,
項目摘要
感染性疾病對全球公共健康構成巨大威脅，病毒和細菌感染誘導機體炎症反應的調控網路是極其複雜的動態調控網路。本項目旨在通過對感染性疾病動態調控網路的構建與分析，提煉出可計算模型以及高維最佳化問題進行研究，開發滿足實際精度要求的動力學模型，探索高性能的並行進化算法及其理論。具體地，以高通量的多組學數據為基礎，將構建炎症因子相互作用網路轉化為以蛋白表達相關性為目標函式,以基因表達特異性與關聯性為約束條件的單目標最佳化問題求解；建立炎症因子調控網路的非線性動力學模型，探索用整數與實數變數混合的高維多目標最佳化問題的並行算法來識別網路的參數；研究調控網路的動力學性態與疾病表型關聯的定量評估方法等。將這些方法和結果套用於識別A型流感病毒感染誘導細胞炎症反應的複雜調控網路及其分子機制，並進行生物學實驗驗證，為揭示感染性疾病的致病機制提供新思路。本項目形成的理論成果和計算技術可更廣泛套用於其它複雜的生物學系統。
結題摘要
本項目通過對感染性疾病等複雜疾病的動態調控網路的構建與分析，提煉出可計算模型以及高維最佳化問題進行研究，開發滿足實際精度要求的動力學模型，探索高性能的並行進化算法及其理論基礎。具體地，整合高通量的多組學數據，設計了在計算精度和時間複雜性方面均優的構建複雜疾病動態調控網路的高效算法；開發了在動態網路的框架下識別動態網路標記物的新方法；基於最佳化算法建立了疾病調控網路的非線性動力學模型，結合基於熵的定量分析與動力學性態分析，識別了流感病毒感染誘導的炎症網路中的關鍵蛋白及其複合物；研究了複雜網路系統的可控性，提出了複雜疾病的區域控制的新概念及其可控性證明，並從控制論的角度去揭示疾病的致病機制和識別藥物靶標的新思路。這些結果為重大疾病的早期診斷、治療、預防和控制提供方法論，並為相關新型藥物的靶標識別奠定理論基礎。本項目形成的理論成果和計算技術可更廣泛套用於其它複雜的生物學系統。 本項目取得了創造性的研究成果，在“Scientific Reports” ,“Mathematical Biosciences”,“International Journal of Bifurcation and Chaos”, “IEEE/ACM Transactions on Computational Biology and Bioinformatics”等國際重要學術刊物上發表SCI學術論文20餘篇,其中大部分論文被引用多次。通過本項目的實施，培養畢業了博士研究生4人，碩士研究生4人，參與本項目的碩士和博士研究生均已具有紮實科學計算與系統生物學理論知識和研究能力。
