生物過程的形式化建模及仿真.pdf

1、近年來，生物學的迅猛發(fā)展驚動了全世界。尤其在分子生物學和基因學方面，已由實驗獲得了大量的數據，如蛋白質的網絡結構和人類基因組草圖，單靠人力幾乎不可能從中推出一套與整個數據集相吻合的假說。此外，生物學家往往通過實驗來獲得生物系統(tǒng)在各種特定條件下的反應結果，但是生物實驗的代價高昂，一定程度上對生物學的發(fā)展產生了阻礙作用。 為了幫助克服這些困難，計算機科學進了生物界，并且發(fā)揮著越來越大的作用，如遺傳信息的自動處理、DNA 計算機的實現(xiàn)

2、、生物酶促反應的模擬等。最常見例子的是計算機作為輔助工具，對生物分子過程進行建模和分析，為生物學家提供一個友好的接口進行模擬實驗。在大多數生物分子系統(tǒng)中，大量分子構成了循環(huán)影響的復雜狀態(tài)，用一個計算模型來描述這樣的系統(tǒng)，就能預測并系統(tǒng)地解釋某些情況下極為復雜的動態(tài)行為。生物學家只需輸入相應的數據，由計算機進行虛擬反應，預測實驗結果，從而對生物學的研究產生極為深遠的影響。 然而用計算機模擬生物系統(tǒng)并不像人們想象得那么容易。首先，計

3、算機科學和生物學的表達機制有巨大差異；其次，生物系統(tǒng)的實際復雜度超過世界上任何一臺計算機；再者，模擬和預測生物系統(tǒng)的動態(tài)行為是對計算機領域的一大挑戰(zhàn)，也是目前很多學者研究的重心。 本文主要介紹了兩類生物過程的形式化方法。第一種是基于隨機Pi演算的生物過程建模。在原有基本隨機Pi演算的基礎上，引入連續(xù)性算法進行模擬，使得模擬過程更加能夠清楚地表達出隨機Pi 演算的語義，為了驗證該連續(xù)性算法的有效性，我們對Stochastic Pi

4、 Machine 進行修改，使融入連續(xù)性算法，從模擬的結果與實驗數據的一致性來看，該方法在宏觀模擬生物過程中效果顯著。 第二種是基于膜計算（Membrane Computing）的生物過程建模。不但擴展了原有的cell-like 膜計算，使其加入Gillespie算法，設計了新的Stochastic Membrane Computing而且開發(fā)了用于模擬StochasticMembrane Computing 的模擬工具。該模型