论文部分内容阅读
细胞信号转导网络的结构复杂，规模庞大，建立的数学模型维数高，变量多，具有高度非线性，是系统生物学领域的重要研究内容之一。本文针对NF-κB信号转导网络，进行系统动力学分析、优化实验设计和模型简化，取得了一系列创新性的研究成果，这些研究成果在实际应用方面将具有显著的意义。本研究主要研究内容及结果如下：
①通过机理分析和动力学参数分析，建立了NF-κB信号转导网络的状态空间模型。由于信号转导网络的数学模型是非线性的，对系统在稳定点进行Taylor展开，分析了非线性系统的局部稳定性。利用Monte Carlo方法分析了NF-κB信号转导网络的系统输出关于参数变化的鲁棒性，进一步帮助理解系统的动态特性。
②针对NF-κB信号转导网络，利用直接微分法分析了动力学参数在小范围变化对系统输出的影响，分别研究了单变量输出和多变量输出关于单参数的局部敏感性函数，然后根据局部灵敏度参数矩阵，分析了模型参数的相关性和可辨识性。
③细胞信号转导网络结构的复杂性和参数的不确定性影响着系统的动态特性，研究动力学参数的干扰变化对系统输出的影响是十分必要的。假定NF-κB信号转导网络的模型参数在其变化区间内服从均匀分布，分别采用基于Latin超立方抽样的全局敏感性分析方法和Morris方法，将参数的不确定性和系统模型联系起来，研究多参数同时变化对系统输出的影响，分析参数的全局敏感性，确定信号转导网络的关键速率常数。
④为了有效估计模型参数，提出以Fisher信息矩阵FIM(θ)和估计参数的协方差矩阵∑为基础，利用不同的优化实验设计方法，研究NF-κB信号转导网络输入信号IKK初始浓度的最优设计问题，分析模型参数的95％置信区间。估计参数的置信区间越小，说明实验包含的信息量越多，从而降低了参数估计误差。
⑤系统模型简化已经成为细胞信号转导网络研究的热点问题之一。提出一种基于混合推理方法的模型简化策略，利用代谢控制分析、敏感性分析、主元分析和通量分析相结合，降低系统模型维数，减少生化反应个数，简化系统结构。简化模型能够准确预测系统的动态特性，为模型分析和参数辨识提供方便，验证了模型简化策略的有效性。