在系统生物学的研究中,由于所研究问题的复杂性和多尺度性,经常会遇到刚性方程的求解.而近年来,神经网络和深度学习的发展为上述问题提供了新的解决思路和方法 .本研究以经典的Belousov-Zhabotinsky(B-Z)反应和Van der Pol(VdP)方程为例...在系统生物学的研究中,由于所研究问题的复杂性和多尺度性,经常会遇到刚性方程的求解.而近年来,神经网络和深度学习的发展为上述问题提供了新的解决思路和方法 .本研究以经典的Belousov-Zhabotinsky(B-Z)反应和Van der Pol(VdP)方程为例,对四类非时序神经网络,包括全连接网络、残差网络、改进的残差网络和深度混合卷积网络,以及三类时序神经网络,包括循环神经网络(RNN)、长短时记忆网络(LSTM)、注意力机制进行了系统比较.实验结果表明:时序神经网络应用于刚性问题的求解精度和计算时间都大幅优于非时序神经网络,而四类非时序神经网络之间的表现并无显著差异.此外还将常微分神经网络(ODE-Net)应用于上述刚性问题,并观察到在极短的计算时间内,该方法能够达到极高的精度.本研究为应用神经网络解决系统生物学中各类刚性问题提供了参考和指导.展开更多
目的:应用计算机系统生物学方法预测茵陈蒿汤的分子靶标,并阐明有效成分群的协同作用机制。方法:采用TCMGeneDIT数据库系统,文本挖掘茵陈蒿、大黄、栀子各自所能影响的基因或蛋白质数据;收集茵陈蒿汤中6,7-二甲基氧香豆素、京尼平苷、...目的:应用计算机系统生物学方法预测茵陈蒿汤的分子靶标,并阐明有效成分群的协同作用机制。方法:采用TCMGeneDIT数据库系统,文本挖掘茵陈蒿、大黄、栀子各自所能影响的基因或蛋白质数据;收集茵陈蒿汤中6,7-二甲基氧香豆素、京尼平苷、红花黄色素A、大黄酸、大黄素等17种血中移行成分,采用Accelrys公司Discovery Studio 2.5版完成分子构建,并上载至PharmMapper服务器进行靶标预测;从BIND、BioGRID、DIP、HPRD、IntAct、MINT等分子相互作用数据库中收集与预测靶标有直接相互作用的蛋白质,进行综合分析。结果:已有的实验证实:4个蛋白质与茵陈蒿汤相关,8个蛋白质与大黄相关,没有蛋白质与栀子相关。大黄酸、大黄素、6,7-二甲基氧香豆素、绿原酸等6种化学成分不但可直接作用于实验证实的靶标,也可像异秦皮啶、檞皮素3-O-葡萄糖苷等8种化学成分一样,通过影响相关靶标而发挥间接的治疗作用。结论:本研究结果可为茵陈蒿汤的后续研究提供有用的线索,促进茵陈蒿汤的分子作用机制研究,本研究策略可为中药复方的系统研究提供参考。展开更多
文摘在系统生物学的研究中,由于所研究问题的复杂性和多尺度性,经常会遇到刚性方程的求解.而近年来,神经网络和深度学习的发展为上述问题提供了新的解决思路和方法 .本研究以经典的Belousov-Zhabotinsky(B-Z)反应和Van der Pol(VdP)方程为例,对四类非时序神经网络,包括全连接网络、残差网络、改进的残差网络和深度混合卷积网络,以及三类时序神经网络,包括循环神经网络(RNN)、长短时记忆网络(LSTM)、注意力机制进行了系统比较.实验结果表明:时序神经网络应用于刚性问题的求解精度和计算时间都大幅优于非时序神经网络,而四类非时序神经网络之间的表现并无显著差异.此外还将常微分神经网络(ODE-Net)应用于上述刚性问题,并观察到在极短的计算时间内,该方法能够达到极高的精度.本研究为应用神经网络解决系统生物学中各类刚性问题提供了参考和指导.
文摘目的:应用计算机系统生物学方法预测茵陈蒿汤的分子靶标,并阐明有效成分群的协同作用机制。方法:采用TCMGeneDIT数据库系统,文本挖掘茵陈蒿、大黄、栀子各自所能影响的基因或蛋白质数据;收集茵陈蒿汤中6,7-二甲基氧香豆素、京尼平苷、红花黄色素A、大黄酸、大黄素等17种血中移行成分,采用Accelrys公司Discovery Studio 2.5版完成分子构建,并上载至PharmMapper服务器进行靶标预测;从BIND、BioGRID、DIP、HPRD、IntAct、MINT等分子相互作用数据库中收集与预测靶标有直接相互作用的蛋白质,进行综合分析。结果:已有的实验证实:4个蛋白质与茵陈蒿汤相关,8个蛋白质与大黄相关,没有蛋白质与栀子相关。大黄酸、大黄素、6,7-二甲基氧香豆素、绿原酸等6种化学成分不但可直接作用于实验证实的靶标,也可像异秦皮啶、檞皮素3-O-葡萄糖苷等8种化学成分一样,通过影响相关靶标而发挥间接的治疗作用。结论:本研究结果可为茵陈蒿汤的后续研究提供有用的线索,促进茵陈蒿汤的分子作用机制研究,本研究策略可为中药复方的系统研究提供参考。
