生物系统层级间相互作用与分布规律研究

The concept of biological systems is defined as organisms and biological communities from the perspective of system theory that can be seen as biological hierarchies with different levels. The formation of hierarchical structure and functional differentiation for biological systems under self-adaptation is still a mystery. In the first part of the project, based on our previous research on biomolecular systems, we first explore more deeply the interactions and distributions between the various levels of systems by using modern statistical algorithms, constrained statistical inference and other methods. Then we integrate the obtained information between the levels of systems by using dynamic Bayesian network models to characterize the main molecular hierarchy system from genes to cells; In the second part of the project, we first investigate the formation mechanisms of hierarchical interactions and distributions under the condition that the system achieves stable cooperation by using the methods of evolutionary dynamics. Then the strategies for individuals are expanded to a series of feature distributions. The self-adaptation of systems, the system functions and the accumulated information of individuals are also considered. The games between individuals are extended to more general interactions. We then build more general models for evolution of biological systems. Based on these models we further study the origin of the hierarchy and functional differentiation for biological systems, and discuss the threshold of robustness of the systems, in order to predict and control the system behavior and provide reference for the bionic applications in engineering systems or social economic systems.

生物系统是指从系统论的角度看待生物体与生物界，将生物不同层次的结构体系看作系统。在自适应驱动下生物系统层级结构的形成和功能的分化仍然是一个谜。在本项目的第一部分研究中，首先基于我们以前对生物分子体系的研究，利用现代统计算法、有约束的统计推断等方法，更深入地探讨各层级间的相互作用与分布规律。然后利用动态贝叶斯网络模型整合所获的各层间信息，刻画从基因至细胞的主要分子层级系统的特征；在项目的第二部分研究中，利用演化动力学方法，首先以系统达到稳定合作为目的，探讨层级间相互作用与分布规律的形成机制。然后进一步将个体策略拓展为一族生物特征的概率分布，考虑系统的自适应驱动和功能的表达、个体的信息累积，将博弈推广为更一般的相互作用，发展更一般的生物系统演化模型，揭示生物系统层次结构和功能分化的起源，以及系统稳健性行为的域值，以达到预测和控制系统的行为，为实际工程系统或社会经济系统的仿生应用提供借鉴作用。

本项目致力于研究生物系统层级间相互作用与分布规律的形成机制。首先，利用演化动力学方法，讨论了有结构系统中持续合作的形成和维持，探讨了各种条件下不同类型个体间的相互作用以及相应的系统行为，研究了包含多个种群系统的随机共进化动态，从而实现对有结构系统层级间相互作用与分布规律的认识。. 其次，生物系统层级间相互作用与分布规律具有复杂性和多样性，正好适合贝叶斯网络推理的应用。把系统看成具有因果关系的贝叶斯网络，我们研究了多变量的马尔可夫覆盖与马尔可夫边界问题，首次从理论上证明了多变量的马尔可夫毯与马尔可夫边界具有可加性，在一般情形下构建算法并应用于分析实际数据；我们提出了基于“选择-排除-包含”三步策略的重要方法，可以有效地减轻掩盖现象、抵抗淹没现象、突显真实的马尔可夫边界节点；我们还构建了一种连续化粒子群优化新算法，对贝叶斯网络结构的系统层级进行学习和分析。. 自然界中最复杂的具有层级结构的系统是人类及其它生物的神经系统。最后，我们研究了一类神经元群体的随机编码与Bayes解码模型，特别是对二维刺激的编码以及解码，模拟结果表明，由我们的模型可以获得二维刺激的精确估计。我们还对神经系统的感知行为进行了研究，通过理论模型和实验方法，探讨了从具有随机方向的棒子中精确地检测出具有相同方向棒子的多样性辨别问题。研究了已知定向参照线对方向识别的视觉偏斜效应的影响，我们提出了包含关于编码精度和解码成本函数的贝叶斯模型，结果表明定向参照线可以有效地削弱视觉的偏斜效应。我们还讨论了基于隐马尔科夫模型的神经网络的推断及相关的最大熵模型。探讨了带有脉冲列和多变量时滞的分数阶BAM神经网络的全局Mittag-Leffler同步。对于分子层次的生物系统，我们基于同义密码子的使用偏性建立新的密码子置换模型，并在此模型的基础上分析物种的正向选择性。另外，在相关的统计方法方面，我们讨论了带有负叠加相依误差的线性模型的M检验等。. 本项目研究对揭示生物系统层次结构的形成机制和功能分化具有重要意义，丰富了针对系统层级结构建模的理论和方法，以期达到预测和控制系统的行为，为实际工程系统或社会经济系统的仿生应用提供借鉴作用。