论文部分内容阅读
系统生物学旨在揭示生命现象的一些基本原理和本质规律，参数估计值的准确性问题是建立生物系统模型的一个主要障碍，参数值的不确定性对模型性能的影响巨大，进而影响我们对模型的运用。 运用灵敏度分析技术可确定系统某些关键变量对模型参数变化的灵敏程度，它是定性和定量研究系统生物学模型不确定性的主要方法，可以有效确定主导参数，减小模型不确定性，提高优化效率。然而，如何快速有效地评估参数灵敏度，现已成为系统生物学模型优化的难题，确定参数值的不确定性对模型性能的影响实际意义重大。 全局灵敏度分析(Global Sensitivity Analysis，GSA)可以定性或定量分析参数共同变化引起的模型输出变化，并能说明其背后的生物机理。目前，基于全局灵敏度分析的参数选择技术已经被成功地应用于很多实际复杂模型参数辨识问题。 β转化生长因子（Transforming Growth Factorβ，TGF-β）信号转导网络存在于成年生物体和发育的胚胎等众多细胞过程中，涉及细胞的生长、分化、凋亡、免疫和癌变等多种细胞调节行为。本文以Smad蛋白主导的TGF-β信号转导网络(Smad dependent TGF-β，TGF-β/Smad)为研究对象，运用全局灵敏度分析技术进行深入研究，具体内容如下: (1)对TGF-β/Smad细胞信号转导网络进行详细的机理分析，并对TGF-β/Smad信号转导网络的模型进行分析。 (2)采用Morris定性和Sobol定量灵敏度算法，对TGF-β/Smad信号转导网络进行全局灵敏度分析，由灵敏度分析结论进一步解释网络的复杂生物学意义，深入揭示各反应过程对整个信号转导网络输出的影响。并针对Morris和Sobol算法各自的特性，提出将它们结合使用，此方法可大大降低计算量，提高计算效率。 (3)针对Sobol算法计算效率低下问题，在Saltelli改进的Sobol法(S-Sobol)基础上，提出基于均值的Sobol灵敏度算法，将第二个重采样矩阵引入一阶和全阶灵敏度计算中，采用均值思想求取各方差估计量，进而求取灵敏度指数。所提出的均值改进Sobol法不仅(Ave-Sobol)计算效率高且更加精确。并利用或然误差估计，可以有效地做到在计算次数和准确性上的平衡性选择。 (4)将均匀采样与二次型回归技术用于TGF-β/Smad细胞信号转导网络全局灵敏度分析，得到系统输出和动力学参数之间的回归模型，进而定性地分析系统参数对系统输出的贡献大小。与Morris法和Sobol法相比，均匀采样回归法分析结果准确，且计算量较小，可用于模型参数交互作用不显著的对象。