首页 > 文献资料
-
基于连续-离散扩展卡尔曼建模的p53-Mdm2调控关系研究
生物医学研究揭示,肿瘤抑制基因p53的表达水平与肿瘤的形成相关.p53相关的信号转导网络研究为揭示癌症、肿瘤的发病机制和寻找其治疗方法提供新思路,而p53和癌基因Mdm2的负反馈关系是该信号转导网络的核心部分.因此,研究p53-Mdm2的调控关系意义重大.基于电离辐射后人类白血病细胞中测得的时间序列基因表达数据,利用连续-离散的扩展卡尔曼(EKF)算法,建立带有延迟特性的非线性动态连续随机生物网络模型,模拟电离辐射后的p53-Mdm2动态调控过程.同时,对所建立网络的准确性进行验证,可得模型的误差率为0.85％.结果表明:所提出的算法是收敛的,可以预测基因的表达水平,准确地模拟p53-Mdm2调控网络受到电离辐射后的衰减震荡响应过程,该过程和生物实验结果一致.所提出的算法为生物学实验建模提供一种有效的方法,并可以为网络系统动力学特性的研究提供条件.
-
经验模态分解法与长期生长趋势资料的统计分析
目的:了解长期生长趋势资料统计分析方法的不足,寻找经验模态分解法在生长长期趋势资料分析中的可行性.方法:通过阅读国内外有关生长长期趋势统计分析方法、经验模态相关理论及应用的文献,寻找经验模态分解法理论与生长长期趋势资料分析的结合点,探讨基于经验模态分解法的生长长期趋势资料的分析方法构建的可行性.结果:现有的长期生长趋势统计分析方法不能将遗传和环境因素的作用分离,不能用于客观评价环境因素在生长发育水平的影响.经验模态分解法是目前国际公认的分析非线性、非稳态时间序列数据的好方法,由于体质状况受遗传和环境因素综合影响,使得长期生长趋势资料呈现非线性、非稳态特征,从理论上讲,经验模态分解法可用于长期生长趋势资料的统计分析.结论:经验模态分解法适合长期生长趋势资料的统计分析,基于经验模态分解法理论创建长期生长趋势统计分析新方法是解决传统统计分析方法诸多不足的一条全新的思路.
