生物过程的形式化建模及仿真

摘要

近年来，生物学的迅猛发展惊动了全世界。尤其在分子生物学和基因学方面，已由实验获得了大量的数据，如蛋白质的网络结构和人类基因组草图，单靠人力几乎不可能从中推出一套与整个数据集相吻合的假说。此外，生物学家往往通过实验来获得生物系统在各种特定条件下的反应结果，但是生物实验的代价高昂，一定程度上对生物学的发展产生了阻碍作用。 为了帮助克服这些困难，计算机科学进了生物界，并且发挥着越来越大的作用，如遗传信息的自动处理、DNA 计算机的实现、生物酶促反应的模拟等。最常见例子的是计算机作为辅助工具，对生物分子过程进行建模和分析，为生物学家提供一个友好的接口进行模拟实验。在大多数生物分子系统中，大量分子构成了循环影响的复杂状态，用一个计算模型来描述这样的系统，就能预测并系统地解释某些情况下极为复杂的动态行为。生物学家只需输入相应的数据，由计算机进行虚拟反应，预测实验结果，从而对生物学的研究产生极为深远的影响。 然而用计算机模拟生物系统并不像人们想象得那么容易。首先，计算机科学和生物学的表达机制有巨大差异；其次，生物系统的实际复杂度超过世界上任何一台计算机；再者，模拟和预测生物系统的动态行为是对计算机领域的一大挑战，也是目前很多学者研究的重心。 本文主要介绍了两类生物过程的形式化方法。第一种是基于随机Pi演算的生物过程建模。在原有基本随机Pi演算的基础上，引入连续性算法进行模拟，使得模拟过程更加能够清楚地表达出随机Pi 演算的语义，为了验证该连续性算法的有效性，我们对Stochastic Pi Machine 进行修改，使融入连续性算法，从模拟的结果与实验数据的一致性来看，该方法在宏观模拟生物过程中效果显著。 第二种是基于膜计算（Membrane Computing）的生物过程建模。不但扩展了原有的cell-like 膜计算，使其加入Gillespie算法，设计了新的Stochastic Membrane Computing而且开发了用于模拟StochasticMembrane Computing 的模拟工具。该模型可以在微观上模拟反应速度较慢量较少的生物过程。