分子網(wǎng)絡(luò)多靶標(biāo)篩選的群體智能數(shù)值模擬法.pdf

1、隨著時代的發(fā)展，我們對疾病的認(rèn)識也更加深入。疾病的產(chǎn)生不但可以用網(wǎng)絡(luò)來表示，還可以通過網(wǎng)絡(luò)來研究病理，找到致病的原因。病理的發(fā)現(xiàn)就是尋找網(wǎng)絡(luò)中的分子靶標(biāo)并證明它們和疾病的產(chǎn)生相關(guān)，然后研究和開發(fā)相應(yīng)的藥物，這就形成了網(wǎng)絡(luò)藥理學(xué)。網(wǎng)絡(luò)藥理學(xué)以系統(tǒng)生物學(xué)和網(wǎng)絡(luò)生物學(xué)為基礎(chǔ)，能夠在分子水平上更好地理解細(xì)胞和各組織之間的行為以及它們對整個系統(tǒng)的影響。對于疾病分子網(wǎng)絡(luò)，以往的單靶標(biāo)高選擇性藥物在治療復(fù)雜疾病時已顯現(xiàn)出它的弊端，很難達到理想的治療效

2、果。現(xiàn)在我們采用多靶標(biāo)藥物治療的方式，同時調(diào)節(jié)疾病分子網(wǎng)絡(luò)中的多個環(huán)節(jié)，預(yù)測并發(fā)現(xiàn)能夠?qū)ο到y(tǒng)恢復(fù)起到作用的靶標(biāo)，并且使藥物在作用靶標(biāo)的同時，最大限度的不影響網(wǎng)絡(luò)的平衡性。
　　多靶標(biāo)藥物治療主要分為兩個階段:首先需要篩選出網(wǎng)絡(luò)中潛在的藥物靶標(biāo)，了解它們的致病性，這也是治療疾病分子網(wǎng)絡(luò)的關(guān)鍵所在;其次是利用已經(jīng)篩選出的藥物靶標(biāo)進行相互組合干預(yù)，進而得到針對疾病的有效抑制方案。對于此類問題，目前使用的優(yōu)化算法效率不高，而且耗時太多，所

3、以本文提出使用群體智能算法來處理分子網(wǎng)絡(luò)問題，并使用花生四烯酸(Arachidonic acid)炎癥代謝網(wǎng)絡(luò)作為一個具體的算例。
　　本文的創(chuàng)新點在第三章和第五章中詳細(xì)介紹。第三章對現(xiàn)有的粒子群算法提出一些改進。提出計算并行化、種群初始均勻化、更新代數(shù)的約束、速度位置更新權(quán)重的自適應(yīng)調(diào)整、避免早熟和壞情況的提前終止策略，這樣更有利于多靶標(biāo)的篩選。第五章運用改進后的粒子群算法對AA代謝網(wǎng)絡(luò)進行多靶標(biāo)篩選。對酶的活性給出三種擾動方案