临界基因调控网络的可控性理论及其干预方法研究

对基因调控网络进行系统的干预，可以防止正常细胞向癌症细胞转化，或促使癌症细胞转向凋亡。目前，基因调控网络的建模及其干预方法的研究已经成为当今计算生物系统学研究的一个"热门"领域。由于越来越多的研究结果表明细胞网络，特别是基因调控网络可能是一种处于有序和无序之间的临界状态网络。本项目拟在概率布尔网络（PBN）模型的体系下，研究临界基因调控网络是否具有最佳的可控性，以及具有最佳可控性的原因或机理，进而在此基础上研究临界基因调控网络干预中的最佳控制基因的选择，动态干预方法及其优化等问题。这些问题的研究必将促进基因调控网络干预的理论研究水平，为药物靶点的识别，疾病的预防和治疗等问题提供理论基础。

基因调控网络是系统生物学研究的重点和核心。网络的结构、建模、动态行为之间密切相关，特别是在现有高通量数据的多源异质及量少的背景下。由于动态系统的长程相关性与系统功能的正常与否密切相关，在本项目的研究中，我们系统的研究了布尔网络和概率布尔网络的长程相关性。我们发现二种模型可以产生1/f特征，而且其相变空间非常相似。主要的区别是概率布尔网络的1/f噪声区间更大（约2-5%之间）。一个网络能否产生1/f特征与网络的结构和作用方式有密切的关系，大部分多吸引子结构的布尔网络具有该特征，而概率布尔网络则与其基础网络密切相关。网络的1/f噪声的宽度与网络状态空间分布的信息熵有很大的关系，信息熵大的网络通常能在一个较大的噪声范围呈现该特征。与没有1/f特征的网络相比，这种网络往往具有最佳的可控性。此外，由于网络的功能预期模块之间的相互作用密切相关，我们研究共表达网络中的频繁模式和差异模式的挖掘方法主要方法是通过优化数据结构，去噪、剪枝等策略，提高算法的时间复杂度和空间复杂度性能，并开发了相应的应用软件。这些研究密切相关，对于认识基因调控网络的调控机制及功能具有重要的意义。