一种基于memetic算法的基因模体重构技术的制作方法
【技术领域】
[0001] 本发明涉及生物网络和智能优化领域，具体地说是一种基于memetic算法的基因 模体重构技术。
【背景技术】
[0002] 基因网络研究是当前国内外研究的前沿课题，其主要目的是通过建立基因转录调 控网络模型对某个物种或组织中全部基因的表达关系进行整体的模拟分析和研究。量化方 法是基因调控网络研究中一种有效的策略，可以从一个侧面对基因表达过程中的信息进行 挖掘，通过信息提取、分析，了解基因功能，理解遗传网络来弄清疾病发病机制。基因从表达 中展示其功能，基因的表达是彼此相互作用和调控的过程。基因调控网络中出现频率非常 高的连接子图被称为网络模体，它是基于网络的拓扑连接特征提出来的，是网络中具有简 单结构的单元，它表示的是转录因子和靶基因之间相互调控关系的特定小规模模式，通常 由少量的基因按照一定的拓扑结构构成。
[0003] 描述基因调控系统的数学方法和模型有很多，如微分方程模型、布尔模型等。加权 矩阵模型是其中一种建模基因调控网络的方法，利用这种结构可以有效判别基因模体的调 控作用是否有问题，同时以权值的形式简单描述出基因间相互作用的强度，在系统分析和 控制设计方面有一定的优势。
【发明内容】
[0004] 本发明的目的在于综合应用加权矩阵模型和memetic优化算法推断基因模体中 基因之间的相互关系，提出一种基于memetic算法的基因模体重构技术，寻优过程中以基 因表达响应输出误差为优化算法的评价函数，充分利用基于种群的全局搜索和基于个体的 局部启发式搜索，通过优化种群分布，及早剔除不良个体，加快算法的求解速度，在保证较 1?收敛性能的基础上，提1?全局搜索能力，获得1?质量的解，以推测出与实验数据最符合的 基因模体结构。
[0005] 在基因网络模体的加权矩阵模型中，一个基因的表达值是其他基因表达值的函 数。含有个基因的基因表达状态用η维空间中的向量u(t)表示，u(t)代表一个基因在时 刻t的表达水平。以一个加权矩阵W= (Wipnxn表示基因之间的相互调控作用，Wu代表基 因 j的表达水平对基因 i的影响。基因 i的总调控输入A⑴为
【主权项】
1. 一种基于memetic算法的基因模体重构技术，其特征是所述方法包括如下步骤： 步骤1 ;生成数据。由真实基因模体调控作用中产生所有基因表达的tf个离散时间序 列111似，1=(1，2，...，]1)，1=(1，2，...，1,)。 步骤2 ;编码。根据基因模体中加权模型权值变量的解空间，将可行解数据表示成搜索 空间的浮点型串结构数据，该些串结构数据不同组合构成不同可行解。 步骤3 ;产生初始群体。确定网络模体的基因个数n，搜索种群规模M，解空间维数大小 D=n2,杂交概率P。，变异概率Py，随机产生M个初始个体，进化代数变量k=l，最大进化代数 Kmax° 步骤4 ;交叉。按照杂交概率P。在M个个体中任意选取两个进行杂交运算，产生新一代 群体的两个新个体。 步骤5 ;变异。在杂交运算杂生的新群体中，按照变异概率Py从中选取若干个体，进行 变异操作。 步骤6 ;计算适应度函数。对变异后的新群体根据基因表达响应输出误差分别计算每 个个体的适应度函数，其公式为：
其中，Ui (t)、iJ,的分别表示基因i在t时刻真实与预测的基因表达水平。 步骤7;选择。从当前群体中选择M个优良（适应度高）的个体，选择概率与其适应度 成正比，舍弃适应度低的个体。 步骤8 ;局部搜索。对种群中的所有个体采用拟牛顿法进行局部搜索。 步骤9 ;如果满足停止条件或达到最大迭代次数化=KmJ，则寻优结束，所得到的全局 最优值，即为基因模体的加权矩阵模型权值；否则，k ;= k+1，转步骤4。
2. 根据权利要求1所述的一种基于memetic算法的基因模体重构技术，其特征是所述 步骤8中，局部搜索策略可采用爬山法、单纯形优化法、共辆梯度法、牛顿法等，本发明为了 提高局部收敛速度，采用拟牛顿法。
【专利摘要】本发明公开了一种基于memetic算法的基因模体重构技术，结合了群体算法搜索的广度优点和局部搜索算法的深度优点，以基因表达响应输出误差为优化算法的评价函数，通过个体间的交叉和变异增加了粒子的多样性，利用最小化评价函数来确定基因模体加权矩阵模型的最优结构及参数，从而推测出与实验数据相吻合的基因模体结构。
【IPC分类】G06F17-50
【公开号】CN104598657
【申请号】CN201310525115
【发明人】楼旭阳
【申请人】江南大学
【公开日】2015年5月6日
【申请日】2013年10月30日