生物過(guò)程的形式化建模及仿真.pdf

1、近年來(lái)，生物學(xué)的迅猛發(fā)展驚動(dòng)了全世界。尤其在分子生物學(xué)和基因?qū)W方面，已由實(shí)驗(yàn)獲得了大量的數(shù)據(jù)，如蛋白質(zhì)的網(wǎng)絡(luò)結(jié)構(gòu)和人類(lèi)基因組草圖，單靠人力幾乎不可能從中推出一套與整個(gè)數(shù)據(jù)集相吻合的假說(shuō)。此外，生物學(xué)家往往通過(guò)實(shí)驗(yàn)來(lái)獲得生物系統(tǒng)在各種特定條件下的反應(yīng)結(jié)果，但是生物實(shí)驗(yàn)的代價(jià)高昂，一定程度上對(duì)生物學(xué)的發(fā)展產(chǎn)生了阻礙作用。 為了幫助克服這些困難，計(jì)算機(jī)科學(xué)進(jìn)了生物界，并且發(fā)揮著越來(lái)越大的作用，如遺傳信息的自動(dòng)處理、DNA 計(jì)算機(jī)的實(shí)現(xiàn)

2、、生物酶促反應(yīng)的模擬等。最常見(jiàn)例子的是計(jì)算機(jī)作為輔助工具，對(duì)生物分子過(guò)程進(jìn)行建模和分析，為生物學(xué)家提供一個(gè)友好的接口進(jìn)行模擬實(shí)驗(yàn)。在大多數(shù)生物分子系統(tǒng)中，大量分子構(gòu)成了循環(huán)影響的復(fù)雜狀態(tài)，用一個(gè)計(jì)算模型來(lái)描述這樣的系統(tǒng)，就能預(yù)測(cè)并系統(tǒng)地解釋某些情況下極為復(fù)雜的動(dòng)態(tài)行為。生物學(xué)家只需輸入相應(yīng)的數(shù)據(jù)，由計(jì)算機(jī)進(jìn)行虛擬反應(yīng)，預(yù)測(cè)實(shí)驗(yàn)結(jié)果，從而對(duì)生物學(xué)的研究產(chǎn)生極為深遠(yuǎn)的影響。 然而用計(jì)算機(jī)模擬生物系統(tǒng)并不像人們想象得那么容易。首先，計(jì)

3、算機(jī)科學(xué)和生物學(xué)的表達(dá)機(jī)制有巨大差異；其次，生物系統(tǒng)的實(shí)際復(fù)雜度超過(guò)世界上任何一臺(tái)計(jì)算機(jī)；再者，模擬和預(yù)測(cè)生物系統(tǒng)的動(dòng)態(tài)行為是對(duì)計(jì)算機(jī)領(lǐng)域的一大挑戰(zhàn)，也是目前很多學(xué)者研究的重心。 本文主要介紹了兩類(lèi)生物過(guò)程的形式化方法。第一種是基于隨機(jī)Pi演算的生物過(guò)程建模。在原有基本隨機(jī)Pi演算的基礎(chǔ)上，引入連續(xù)性算法進(jìn)行模擬，使得模擬過(guò)程更加能夠清楚地表達(dá)出隨機(jī)Pi 演算的語(yǔ)義，為了驗(yàn)證該連續(xù)性算法的有效性，我們對(duì)Stochastic Pi

4、 Machine 進(jìn)行修改，使融入連續(xù)性算法，從模擬的結(jié)果與實(shí)驗(yàn)數(shù)據(jù)的一致性來(lái)看，該方法在宏觀模擬生物過(guò)程中效果顯著。 第二種是基于膜計(jì)算（Membrane Computing）的生物過(guò)程建模。不但擴(kuò)展了原有的cell-like 膜計(jì)算，使其加入Gillespie算法，設(shè)計(jì)了新的Stochastic Membrane Computing而且開(kāi)發(fā)了用于模擬StochasticMembrane Computing 的模擬工具。該模型