基于数据的基因调控网络动态模糊建模及动态特性研究

基因调控网络是当前系统生物学和自动控制领域的一个前沿热点课题，基于微阵列数据的基因调控网络建模将进一步揭示网络内在的调控机制，预测未知的系统性态。本项目将融合聚类点、网络拓扑结构等信息和动态模糊建模方法，设计约束的模糊聚类算法和优化算法，建立动态模糊基因调控网络模型，反映和揭示网络内在的非线性调控机制，提高模型的精确度和准确度，减少需要识别的参数数量；利用遗传算法、神经网络优化等来识别基因微阵列数据的时延大小，建立多时延动态模糊基因调控网络模型，进一步揭示时延在基因转录和翻译过程中的作用和影响；在所建模型基础上，分析该复杂非线性网络的动态特性，并进一步对网络进行目的性的操纵，设计符合生物意义的"内置式"控制策略，使其按照我们所期望的方向演化，也有助于我们在系统的尺度上更深层次地理解生命体的演化。

本项目以基于数据的基因调控网络动态模糊建模及动态特性分析为主线，完成了以下创新成果：(1)设计了约束的模糊聚类算法，基于微阵列数据，建立了结构约束的模糊基因调控网络模型；(2)得到了判定随机基因调控网络鲁棒稳定的新型判据，降低了保守性，同时得到了mRNA和蛋白质在环境参数变化的情况下保持稳定的可容忍噪声强度；(3)基于T-S模糊控制理论，得到了判定非线性生化调节网络正稳定的充分条件，提出了保证非线性系统正稳定的约束生化电路设计方法；(4)基于部分脉冲控制策略，在部分个体状态可测的情况下，实现了多细胞系统的群体一致性；(5)得到了判定非线性能源消耗系统镇定、同步、随机同步的充分条件；(6)得到了时滞电力网络鲁棒稳定、鲁棒随机稳定的新型判定条件，降低了保守性。项目同时也开展了电力系统负荷预测、状态估计、潮流计算等方面的研究，取得了一些有创新特色的研究工作。本项目已在国内外重要学术刊物，如Nonlinear Dynamics、Neurocomputing、IEEE Trans. Power Systems、中国电机工程学报、电力系统自动化等发表论文40余篇，其中SCI收录10篇，EI收录30余篇。项目部分结果获得2012年度浙江省科学技术三等奖。