REPOZITORIJ > REZULTATI

Doktorska disertacija

Deterministično in stohastično procesno modeliranje in načrtovanje dinamičnih sistemov v biologiji

Avtor(ji): Jovan Tanevski (Avtor), Sašo Džeroski (Mentor), Ljupčo Todorovski (Somentor)

Datum zagovora: 24.08.2016

Organizacija: MPŠ - Mednarodna podiplomska šola Jožefa Stefana

PID: 20.500.12556/ReVIS-15034

Ogledi: 2 | Prenosi: 0

Povzetek

Delo, ki je predstavljeno v tej tezi, se umešča na stičišče treh raziskovalnih področij: sistemske in sintezne biologije, matematičnega modeliranja in strojnega učenja. Sistemska biologija se ukvarja z razumevanjem načel življenja in z nastankom njihove kompleksnosti na ravni sistema. Sintezna biologija uporablja znanje, pridobljeno iz sistemske biologije, za snovanje novih živih sistemov, ki se obnašajo v skladu z našimi napovedmi in nam koristijo. Matematično modeliranje je pomemben aspekt sistemske in sintezne biologije. To je dobro uveljavljen postopek pridobivanja znanja o strukturi, funkciji in obnašanju dinamičnega sistema. Procesno modeliranje je eden od načinov, kako lahko s strojnim učenjem pridemo do znanstvenih odkritij, saj lahko s pomočjo podatkov in znanja avtomatično zgradi popoln matematični model dinamičnega sistema.
Največje omejitve procesnega modeliranja so grobi in deterministični formalni opisi modelov in znanja o domeni, omejena uporaba znanja pri izbiranju modela in uporaba postopkov, ki so povsem podatkovno vodeni. V tem delu presežemo omenjene omejitve procesnega modeliranja, s čimer tak pristop postane primernejši za uporabo pri modeliranju in načrtovanju bioloških dinamičnih sistemov. Natančneje, v procesno modeliranje vpeljemo stohastične modele, kompleksne kriterije izbiranja modelov, odvisne od domene, in procesno načrtovanje dinamičnih sistemov.
Predlagamo izboljšan formalizem procesnega modeliranja s podrobnejšo predstavitvijo modelov in znanja o modeliranju, ki je odvisno od domene. S takim formalizmom opišemo procese oziroma interakcije kot množice reakcijskih enačb, ki opisujejo te interakcije. Novi formalizem dopušča tako deterministično kot stohastično razlago modelov in znanja o modeliranju.
Nalogo izbiranja modelov obravnavamo z regularizacijo, ki je prilagojena posebnostim procesnega modeliranja. Nadalje predstavimo domensko odvisne kriterije, ki krepijo pristranskost evaluacije učnega procesa. Pokažemo, da opisani pristop preseže standardne načine izbiranja modelov v primeru omejenih možnosti opazovanja dinamičnega sistema.
Povečamo domet procesnega modeliranja, ki ga zdaj lahko uporabimo za načrtovanje bioloških dinamičnih sistemov, ki se obnašajo po naših željah. Odpravimo odvisnost procesnega modeliranja od podatkov in naredimo korak proti učenju, ki ga vodi zgolj znanje, pri čemer izkoristimo metode za sočasno optimizacijo več funkcij koristnosti, odvisnih od naloge. S tem omogočimo procesno načrtovanje novih bioloških sistemov z želenimi lastnostmi in obnašanjem.
Predstavljene izboljšave so bile preizkušene na več nalogah modeliranja in načrtovanja iz domen sistemske in sintezne biologije. Preizkusi pokažejo, da lahko s procesnim pristopom pridemo po avtomatizirani poti do enakih rezultatov, kot jih srečamo v literaturi in so bili pridobljeni ročno ali s sorodnimi računalniškimi pristopi. Naš pristop se dobro odreže tako pri sintetičnih kot tudi pri resničnih problemih modeliranja in načrtovanja determinističnih in stohastičnih dinamičnih sistemov.
Svoj pristop k procesnemu modeliranju z izboljšanim formalizmom uspešno uporabimo pri razpoznavanju strukture in dinamike genskih regulatornih mrež z globalnimi in lokalnimi reakcijskimi hitrostmi ter pri učenju kompartmentalnih epidemioloških modelov za izbruha kuge v Eyamu in gripe na otoku Tristan da Cunha. Okrepljena pristranskost pri evalvaciji s pomočjo domensko odvisnih kriterijev je bila uporabljena pri izbiranju modela za dinamiko preklopa Rab5-Rab7 v endocitozi. Naš pristop je bil uspešno preizkušen tudi na dveh nalogah načrtovanja, kjer je bilo treba konstruirati stohastično preklopno stikalo brez kooperativnosti in deterministični oscilator.

Priloge

Citiraj to delo