一种基于MGA-BNI算法的布尔网络推理方法及系统

本发明涉及生物信息，特别是一种基于mga-bni算法的布尔网络推理方法及系统。

背景技术：

1、使用定量和连续的数学模型对生物过程进行建模给系统生物学带来了重要的突破。然而这些模型在模拟大型生物网络时存在效率低下，无法准确的对复杂模型进行建模等问题。布尔网络的出现为离散的复杂生物学系统建模提供了一种新的途径，如酵母转录网络，2型糖尿病生物通路模型等。

2、在对布尔网络的重构过程中，现存的方法只针对其拓扑结构进行调节，而忽略其内部的逻辑运算关系。在涉及布尔网络的动态变化时，逻辑运算和拓扑结构需要同时进行分析，以增强对复杂布尔网络的推理能力。

技术实现思路

1、鉴于上述使用定量和连续的数学模型对生物过程进行建模，在模拟大型生物网络时存在效率低下，无法准确的对复杂模型进行建模中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于如何提供一种生成带有标志位的布尔网络，并采用遗传算法对其进行推理的方法。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明实施例提供了一种基于mga-bni算法的布尔网络推理方法，其包括，采用遗传算法对布尔网络进行推理，利用先验知识，对布尔网络中的布尔函数进行标记，并作为遗传算法中的一条染色体，初始化种群；确定遗传算法对布尔网络推理过程中的适应度评价函数；采用轮盘赌方法选择适应度值更好的染色体作为父代种群；采用交叉、变异和启发式序列组装策略不断的更新种群；判断是否达到终止条件：若达到终止条件，则算法终止并输出布尔网络；若未到达终止条件，则重新跳转至确定遗传算法对布尔网络推理过程中的适应度评价函数的步骤。

5、作为本发明所述基于mga-bni算法的布尔网络推理方法的一种优选方案，其中：所述对布尔网络中的布尔函数进行标记，并作为遗传算法中的一条染色体包括以下步骤，设一个布尔网络g(v,f)，由节点v＝{x1,x2,...,xn}和布尔函数f＝{f1,f2,...,fn}组成，网络中的任意节点xm的函数表达式为：

6、xm(t+1)＝fm{xm1(t),xm2(t),...,xmn(t)}

7、采用遗传算法对布尔网络进行推理时，将布尔函数和遗传算法中的其他染色体进行区分：根据协同演化原理，将布尔网络整体编码为一条染色体，采用标记的编码策略，在本染色体的开端进行标记，用于表示相对应的布尔函数；在进行所述标记的过程中，不仅考虑各调节节点xm1(t),xm2(t),...,xmn(t)，还需将fm使用编码表示，将带有标记的布尔函数染色体纳入遗传算法中，作为遗传算法中一种新的染色体。

8、作为本发明所述基于mga-bni算法的布尔网络推理方法的一种优选方案，其中：所述初始化种群的过程中，将具有n个节点的布尔网络编码为由n个片段组成的染色体，随机生成正整数kn∈{1,2,...,kmax}作为目标节点xm的调节节点的数量，随机生成一个片段用于表示布尔函数，在生成m个片段后，将m个片段组装成一条对应一个布尔网络的染色体，重复上述初始化过程s次，得到一定数量的染色体初始种群。

9、作为本发明所述基于mga-bni算法的布尔网络推理方法的一种优选方案，其中：所述确定遗传算法对布尔网络推理过程中的适应度评价函数包括以下步骤：设网络中的任意节点xm的函数表达式的估计值函数如下：

10、

11、其中，xm是第m个节点在t+1时刻的推测状态，为算法推理出的关于xm的布尔网络函，{xm1(t),xm2(t),...,xmn(t)}为目标节点xm的调节节点在t时刻的状态。

12、将带有标志位的染色体解码为特定的布尔函数，并用此布尔函数表示目标节点的推理状态；假设目标节点xm与时间序列数据td中对应状态转换之间的不一致性如下表示：

13、

14、其中，l为时间序列数据td的长度，xm(t)为xm(t)的估计值；采用适应度函数表示目标节点xm的推理状态转移与其在时间序列数据td中的相应数值的差异为：

15、

16、

17、其中，d是数据td的数量，n是布尔网络节点总数，fitness为遗传算法推理布尔网络过程中的适应度函数。

18、作为本发明所述基于mga-bni算法的布尔网络推理方法的一种优选方案，其中：所述采用轮盘赌方法选择适应度值更好的染色体作为父代种群包括以下步骤：采用适应度评价过程计算出种群个体中每个个体的适应度值；计算出每个个体被遗传到下一代群体中的概率：

19、

20、其中，p是节点xm遗传到下一代群体中的概率；

21、计算出每个个体的累积概率：

22、

23、其中，qm是节点xj遗传到下一代群体中的累积概率；

24、在[0,1]区间内产生一个均匀分布的伪随机数r；

25、若r＜q[λ]，则选择个体λ作为父代种群，否则，则选择个体k，使q[k-λ]＜r＜q[k]成立；重复上述过程，至产生新的适应度较好的父代种群pnew。

26、作为本发明所述基于mga-bni算法的布尔网络推理方法的一种优选方案，其中：所述采用交叉、变异和启发式序列组装策略不断的更新种群包括将带有不同标记的布尔网络函数编码作为遗传算法中的染色体，通过交叉操作通过改变个体的基因组合产生新的个体；所述在交叉操作中，任意两个个体的染色体会随机选择一段基因进行交换，产生新的个体；采用变异操作对上述通过交叉操作产生的新个体的基因进行随机的改变；采用所述启发式序列组装的方法针对染色体中的片段进行局部优化，即对种群中所有染色体相应的第m个片段进行比较，找出最优。

27、作为本发明所述基于mga-bni算法的布尔网络推理方法的一种优选方案，其中：所述判断是否达到终止条件包括采用遗传算法对布尔网络进行推理的过程中，设定最大迭代次数，若算法达到最大迭代次数，则推理过程终止并输出经过遗传算法推理后的布尔网络；若未到达最大迭代次数，则重复确定遗传算法对布尔网络推理过程中的适应度评价函数、采用轮盘赌方法选择适应度值更好的染色体作为父代种群和采用交叉、变异和启发式序列组装策略不断的更新种群的过程，直到满足终止条件。

28、第二方面，本发明为进一步解决使用定量和连续的数学模型对生物过程进行建模，在模拟大型生物网络时存在效率低下，无法准确的对复杂模型进行建模中存在的问题，实施例提供了基于mga-bni算法的布尔网络推理系统，其包括编码模块，用于利用先验知识，对布尔网络中的布尔函数进行编码，作为遗传算法的初始染色体；遗传算法模块，用于确定适应度函数，进行选择、交叉和变异操作，不断迭代更新种群；推理模块，用于根据遗传算法迭代结果，对布尔网络进行推理，得到输出；终止判断模块，用于判断遗传算法是否达到终止条件，如果是，则输出结果，如果否，则继续迭代；结果输出模块，用于当算法终止时，输出推理得到的布尔网络。

29、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于mga-bni算法的布尔网络推理方法的任一步骤。

30、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的基于mga-bni算法的布尔网络推理方法的任一步骤。

31、本发明有益效果为，本发明对布尔网络函数进行标记，生成带有标志位的布尔网络，并采用遗传算法对其进行推理，提高了最优解的丰富性与变通性；对布尔网络进行推理的过程中，将多种逻辑运算符号纳入其中，并将带有逻辑运算符号的布尔网络函数编码为遗传算法中的染色体，然后对其进行推理，旨在获得用复杂的逻辑关系表示的布尔网络。