跳到主要內容

臺灣博碩士論文加值系統

(44.211.24.175) 您好!臺灣時間:2024/11/13 07:25
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:吳東憲
研究生(外文):Tung-Hsien Wu
論文名稱:利用微擾動時間序列數據推估基因調控網路
論文名稱(外文):Inference of Gene Regulatory Network by Using Time Series Data
指導教授:王逢盛
指導教授(外文):Feng-Sheng Wang
學位類別:碩士
校院名稱:國立中正大學
系所名稱:化學工程所
學門:工程學門
學類:化學工程學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:110
中文關鍵詞:時間序列數據基因調控網路混合差值演算法
外文關鍵詞:Hybrid Differential EvolutionHDETime Series DataJacobianGene Regulatory Network
相關次數:
  • 被引用被引用:0
  • 點閱點閱:223
  • 評分評分:
  • 下載下載:28
  • 收藏至我的研究室書目清單書目收藏:0
近年來,由於實驗平台之精進,我們可獲得大量的基因體(Genommics)、蛋白質體(Proteomics)與代謝體(Metabolomics)等實驗數據。由這些數據,雖然可觀察到細胞之暫態行為,卻無法得知代謝網路或基因網路中,各代謝物或基因之間的調控關係。本研究旨在應用微擾動動態靈敏度演算法,藉由基因、蛋白質與代謝物等擾動時間序列實驗數據,進一步推估各代謝物與基因之間的調控關係。此方法除了可重建調控網路之外,並可於後續建構S-system (Synergism-system)或GMA (Generalized Mass Action)等冪次模式(power law model)時,確保動力階數(kinetic order)之調控特性,並進一步參數搜尋範圍,以提高參數估計之效率。本研究發現,利用微擾動動態靈敏度演算法輔助建構生物系統之數學模式,與傳統不施加任何參數搜尋範圍限制之建模方法相較之下,除了可提升結構辨識之效率,所獲之冪次數學模式亦將更為符合細胞之生理機制。
One of the fundamental problems of cell biology is the understanding of complex regulatory networks. Such networks are ubiquitous in cells and knowledge of their properties is essential for the understanding of cellular behavior. High-throughput technologies have facilitated the acquisition of large genomics and proteomics datasets. However, these data provide snapshots of cellular behavior, rather than help us reveal casual relations. In this study, we try to infer the regulatory relationships between one node and other nodes by using unperturbed and perturbed time series data and a simple algorithm called “Approximative Type Jacobian Method”. Through the regulatory relationships, we can decide the searching region of kinetic orders of synthetic terms in power law model prior to parameter estimation. From the results, we prove that it indeed improve the ability and efficiency of structure identification. On the other hand, we adopt derivative type Jacobian method to obtain steady-state equality constraints of kinetic orders. Through these equality constraints, we can obtain a power law model with biological significance.
目錄

摘要………………………………………………………………………Ⅰ
Abstact …………………………………………………………………Ⅱ
目錄………………………………………………………………………Ⅲ
圖目錄……………………………………………………………………Ⅴ
表目錄……………………………………………………………………Ⅷ
第一章 緒論…………………………………………………………1
1.1 前言…………………………………………………………1
1.2 文獻回顧……………………………………………………5
1.2.1 分群演算法…………………………………………………6
1.2.2 布林網路……………………………………………………7
1.2.3 代謝控制分析理論…………………………………………8
1.2.4 貝氏網路……………………………………………………8
1.3 研究動機……………………………………………………10
1.4 組織章節……………………………………………………10
第二章 微擾動動態靈敏度演算法…………………………………15
2.1 前言…………………………………………………………15
2.2 微分型式之微擾動動態靈敏度演算法前言………………19
2.3 近似型式之微擾動動態靈敏度演算法前言………………23
2.4 微擾動動態靈敏度演算法之應用…………………………25
2.4.1 S-system冪次非線性模式…………………………………26
2.4.2 微分型式微擾動動態靈敏度演算法之應用………………27
2.4.2.1 等式限制條件………………………………………………27
2.4.2.2 生成項之動力階數搜尋範圍………………………………30
2.4.3 近似型式微擾動動態靈敏度演算法之應用………………32
2.5 參數估計方法之介紹………………………………………34
第三章 誘導基因網路之應用………………………………………43
3.1 誘導基因網路系統之介紹…………………………………43
3.2 微分型式微擾動動態靈敏度演算法之應用………………46
3.3 近似型式微擾動動態靈敏度演算法之應用………………57
第四章 結論與建議…………………………………………………92
4.1 誘導基因網路系統之介紹…………………………………92
4.2 建議…………………………………………………………93
參考文獻 ………………………………………………………………94


圖目錄

圖1.1 從系統階層之觀點探索系統之概念示意圖………………12
圖1.2 系統生物學施行之策略……………………………………13
圖1.3 貝氏網路示意圖……………………………………………14
圖2.1 調控網路圖譜………………………………………………40
圖2.2 線性反應圖譜………………………………………………40
圖2.3 應用微擾動動態靈敏度演算法於結構辨識之流程示意圖41
圖2.4 混合差值演算法之運算流程………………………………42
圖3.1 誘導基因網路圖譜…………………………………………75
圖3.2 四種不同參數估計之條件進行參數估計所獲得之實驗一模
式時間序列數據與真實實驗值之比較……………………76
圖3.3 四種不同參數估計之條件進行參數估計所獲得之實驗二模
式時間序列數據與真實實驗值之比較……………………77
圖3.4 四種不同參數估計之條件進行參數估計所獲得之實驗三模
式時間序列數據與真實實驗值之比較……………………78
圖3.5 四種不同參數估計之條件進行參數估計所獲得之實驗四模
式時間序列數據與真實實驗值之比較……………………79
圖3.6 四種不同參數估計之條件進行參數估計所獲得之實驗五模
式時間序列數據與真實實驗值之比較……………………80
圖3.7 四種不同參數估計之條件進行參數估計所獲得之實驗六模
式時間序列數據與真實實驗值之比較……………………81
圖3.8 四種不同參數估計之條件進行參數估計所獲得之實驗七模
式時間序列數據與真實實驗值之比較……………………82
圖3.9 四種不同參數估計之條件進行參數估計所獲得之實驗八模
式時間序列數據與真實實驗值之比較……………………83
圖3.10 四種不同參數估計之條件進行結構辨識所獲得之實驗一模
式時間序列數據與真實實驗值之比較……………………84
圖3.11 四種不同參數估計之條件進行結構辨識所獲得之實驗二模
式時間序列數據與真實實驗值之比較……………………85
圖3.12 四種不同參數估計之條件進行結構辨識所獲得之實驗三模
式時間序列數據與真實實驗值之比較……………………86
圖3.13 四種不同參數估計之條件進行結構辨識所獲得之實驗四模
式時間序列數據與真實實驗值之比較……………………87
圖3.14 四種不同參數估計之條件進行結構辨識所獲得之實驗五模
式時間序列數據與真實實驗值之比較……………………88
圖3.15 四種不同參數估計之條件進行結構辨識所獲得之實驗六模
式時間序列數據與真實實驗值之比較……………………89
圖3.16 四種不同參數估計之條件進行結構辨識所獲得之實驗七模
式時間序列數據與真實實驗值之比較……………………90
圖3.17 四種不同參數估計之條件進行結構辨識所獲得之實驗八模
式時間序列數據與真實實驗值之比較……………………91


表目錄

表2.1 Fij 值與其相應之調控關係………………………………18
表3.1 誘導基因網路冪次模式之文獻參數值……………………45
表3.2 八組不同起始條件之實驗…………………………………47
表3.3 誘導基因網路之穩態濃度與通量值………………………47
表3.4 動力階數關係式……………………………………………48
表3.5 在四種不同參數搜尋條件下,進行HDE與BCONF參數估計之
最小目標函數值與總函數呼叫次數比較…………………50
表3.6 case 1之參數搜尋範圍,以及HDE與BCONF參數搜尋結果53
表3.7 case 2之參數搜尋範圍,以及HDE與BCONF參數搜尋結果54
表3.8 case 3之參數搜尋範圍,以及HDE與BCONF參數搜尋結果55
表3.9 case 4之參數搜尋範圍,以及HDE與BCONF參數搜尋結果56
表3.10 誘導基因網路之五組干擾實驗參數………………………58
表3.11 誘導基因網路之case 1結構辨識結果……………………62
表3.12 誘導基因網路之case 1結構辨識結果……………………63
表3.13 誘導基因網路之case 2結構辨識結果……………………64
表3.14 誘導基因網路之case 2結構辨識結果……………………65
表3.15 誘導基因網路之case 3結構辨識結果……………………66
表3.16 誘導基因網路之case 3結構辨識結果……………………67
表3.17 誘導基因網路之case 3結構辨識結果……………………68
表3.18 誘導基因網路之case 3結構辨識結果……………………69
表3.19 誘導基因網路之case 4結構辨識結果……………………70
表3.20 誘導基因網路之case 4結構辨識結果……………………71
表3.21 在四種不同結構辨識之條件下,進行一次HDE與一次BCONF
參數剔除程序,所獲得的最小目標函數值與總函數呼叫次
數之比較……………………………………………………73
參考文獻

[1] 王培銘,「由簡而繁的系統生物學」,生物資源保存及研究簡訊,第十七卷,第三期,民國九十三年。
[2] 徐英哲,「以基因表現相關性及轉錄因子結合區重建調控網路」,國立交通大學資訊科學所論文,民國九十二年。
[3] 蔡光曜,「全域/局部最適化方法應用於基因調控網路模式之參數估計」,國立中正大學化學工程研究所碩士論文,民國九十三年。
[4] Alves, R. and Savageau, M.A., 2000, “Systemic Properties of Ensembles of Metabolic Networks: Application of Graphical and Statistical Methods to Simple Unbranched Pathways”, Bioinformatics, 16, 534–547.
[5] Chiou, J.P., and Wang, F.S., 1998, “A Hybrid Method of Differential Evolution with Application to Optimal Control Problems of a Bioprocess System”, IEEE Conference On Evolutionary Computation, Anchorage, 627-631.
[6] Claverie, J.M., 1999, “Computational Methods for The Identification of Differential and Coordinated Gene Expression”, Human Molecular Genetics, 8, 1821–1832.
[7] Hlavacek, W.S., and Savageau, M.A., 1996, “Rules for Coupled Expression of Regulatory and Effector Genes in Inducible Circuits”, Journal of Molecular Biology, 255, 121-139.
[8] Hood, L., 2002, “A Personal View of Molecular Technology and How It Has Changed Biology”, Journal of Proteome Research, 1, 399-409.
[9] Kikuchi, S., Tominaga, D., Arita, M., Takahashi, K., and Tomita, M., 2003, “Dynamic Modeling of Genetic Networks Using Genetic Algorithm and S-system”, Bioinformatics, 19, 643-650.
[10] Niehrs, C., and Pollet, N., 1999, “Synexpression Groups in Eukaryotes”, Nature, 402, 483–487.
[11] Savageau, M.A., 1976, “Biochemical Systems Analysis: A Study of Function and Design in Molecular Biology”, Addison-Wesley, Reading, MA.
[12] Schuster, S., Fell, D.A., and Dandekar, T., 2000, “A General Definition of Metabolic Pathway Useful for Systematic Organization and Analysis of Complex Metabolic Networks”, Nature Biotechnology, 18, 326-332.
[13] Shmulevich, I., Dougherty, E.R., Kim, S., and Zhang, W., 2002, “Probabilistic Boolean Networks: A Rule-based Uncertainty Model for Gene Regulatory Networks”, Bioinformatics, 18, 261-274.
[14] Silvescu, A., and Honavar, V., 2001, “Temporal Boolean Network Models of Genetic Networks and Their Inference from Gene Expression Time Series”, Complex Systems, 13, 54-59.
[15] Soinov, L.A., Krestyaninova, M.A., and Brazma, A., 2003, “Towards Reconstruction of Gene Networks from Expression Data by Supervised Learning”, Genome Biology, 4, R6.
[16] Sontag, E., Kiyatkin, A., and Kholodenko, B.N., 2004, “Inferring Dynamic Architecture of Cellular Networks Using Time Series of Gene Expression, Protein and Metabolite Data”, Bioinformatics, 20, 1877-1886.
[17] Tominaga, D., and Okamoto, M., 1998, “Design of Canonical Model Complex Nonlinear Dynamics’, In Proceeding of International Conference on Computer Applications in Biotechnology, 85-90.
[18] Tominaga, D., Koga, N., and Okamoto, M., 2000, “Efficient Numerical Optimization Algorithm Based on Genetic Algorithm for Inverse Problem”, In Proceeding of the Genetic and Evolutionary Computation Conference, 251-258.
[19] Van Someren, E.P., Wessels, L.F.A., and Reinders M.J.T., 2000, “Linear Modeling of Genetic Networks from Experimental Data”, Intelligent Systems for Molecular Biology, 8, 355-366.
[20] Voit, E.O., 2000, “Computational Analysis of Biochemical Systems: A Practical Guide for Biochemists and Molecular Biologists”, Cambridge University Press, Cambridge, U.K.
[21] Voit, E.O. and Radivoyevitch, T., 2000, “Biochemical Systems Analysis of Genome-wide Expression Data”, Bioinformatics, 16, 1023–1037.
[22] Voit, E.O., and Almeida, J., 2004, “Decoupling Dynamics Systems for Pathway Identification from Metabolic Profiles”, Bioinformatics, 20, 1670-1681.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 周繼祥,〈兩岸應早日恢復對話〉,《交流》,第54期,2000年12月。
2. 周繼祥,〈兩岸應早日恢復對話〉,《交流》,第54期,2000年12月。
3. 周繼祥,〈〈一個中國的原則與臺灣問題〉白皮書發表後的兩岸關係發展〉,《立法院院聞》,28卷4期,2000年4月。
4. 周繼祥,〈〈一個中國的原則與臺灣問題〉白皮書發表後的兩岸關係發展〉,《立法院院聞》,28卷4期,2000年4月。
5. [1] 王培銘,「由簡而繁的系統生物學」,生物資源保存及研究簡訊,第十七卷,第三期,民國九十三年。
6. 周繼祥,〈當前兩岸關係平議〉,《立法院院聞》,29卷1期,2001年1月。
7. 周繼祥,〈當前兩岸關係平議〉,《立法院院聞》,29卷1期,2001年1月。
8. 周志偉,〈從「華府—北京—台北」三角關係檢視陳水扁總統的一邊一國論〉,《國家政策論壇》,創刊號,2002年10月。
9. 周志偉,〈從「華府—北京—台北」三角關係檢視陳水扁總統的一邊一國論〉,《國家政策論壇》,創刊號,2002年10月。
10. 許宗力,〈兩岸關係法律定位百年來的演變與最新發展----台灣的角度出發〉,《月旦法學》,第12期,1996年4月15日。
11. 許宗力,〈兩岸關係法律定位百年來的演變與最新發展----台灣的角度出發〉,《月旦法學》,第12期,1996年4月15日。
12. 陳鴻瑜,〈在「一個中國」與「兩國關係」之間:特殊的國與國關係〉,《政策月刊》,第50期,1999年9月。
13. 陳鴻瑜,〈在「一個中國」與「兩國關係」之間:特殊的國與國關係〉,《政策月刊》,第50期,1999年9月。
14. 張顯超,〈從「兩國論」析主權爭執及兩岸前景〉,《遠景季刊》,第一卷第一期,2000年1月。
15. 張顯超,〈從「兩國論」析主權爭執及兩岸前景〉,《遠景季刊》,第一卷第一期,2000年1月。