论文部分内容阅读
图灵机模型假设输入信息已经位于机器纸带之上，可以被转移函数直接获取;然而对于三元计算，信息不仅仅存在于数字空间，还广泛存在于物理世界和人类社会。因此，三元计算的一个重要任务是将存在于物理世界和人类社会中的信息转移到数字空间。本文关注将物理世界中的有效网络转化为数字空间中的网络模型的感知过程。当给定感知时间尺度后，是否可以通过优化感知过程使得感知结果逼近于有效网络？若不能，感知时间尺度带来的感知结果与有效网络的固有差异是什么？如何感知到仅包含固有差异的网络模型？针对于如上问题，本文的主要贡献如下: (1)本文提出了一个生物网络感知概念:表象网络。假设有效网络在时间尺度上分离并具有传递性，表象网络与有效网络的差异刻画了感知时间尺度带来的感知结果与有效网络的固有差异;因为，可以证明表象网络的边等价于感知时间尺度下的直接作用。并且，由于感知时间尺度下的直接作用定义在状态采样上，该定理还指出了一种从感知时间尺度状态数据中推断表象网络的方法。本文提出的针对细胞级信号表象网络和全脑脑区表象网络的两个感知方法均基于该定理。更进一步，通过这两个感知实例表明，表象网络的概念及其性质可以帮助降低实验成本和提出新的科学假说。 (2)本文提出了一种感知细胞级信号表象网络的算法CCELL;它利用抗体交叉反应性和有效网络在时间尺度上的分离，试图避免可扩展难题和可测量难题。CCELL算法不像传统算法一样要求使用无交叉反应性抗体独立测量每种蛋白质浓度;而是反其道而行，利用抗体交叉反应一次测量多种蛋白质浓度之和。结合网络时间尺度分离导致的表象网络中浓度变化稀疏性，这种组合测量方式不仅避免了可测量难题，还使得CCELL算法显著地降低了对抗体种类数量的要求，从而在一定程度上避免了可扩展难题。模拟实验结果表明，CCELL算法可以在保证感知精度的前提下，将使用的抗体种类数量降低到蛋白质种类数量的50％，从而总测量次数也相应地降低了50％。 (3)本文提出使用最小偏相关系数作为脑区表象网络骨架的度量指标，从而避免了使用fMRI数据中不准确的时序信息。为了有效地计算最小偏相关系数的同时尽可能避免显著性阈值的影响，本文设计了弹性PC算法。与传统PC算法不同的是，弹性PC算法不基于某一特定显著性阈值计算最小偏相关系数，而是在给定计算时间限制下，尽可能逼近最小偏相关系。本文使用包含28个模拟脑网络的NetSim数据集评测了弹性PC算法。实验结果表明，相对于其它5个对比算法，弹性PC算法对24个模拟脑网络取得了最高的c-sensitivity。有趣的是，通过分析人类脑连接组计划rsfMRI数据发现:跨脑半球异型脑区连接极少出现在推断的静息状态表象网络中。