ACM通信
研究突出了
技术视角:生物学与计算的相遇
1954年，艾伦·图灵在吃了一个含有氰化物的苹果后，死于实验室。尽管图灵的母亲认为她儿子的死是由于一些意外事件造成的，而这些意外事件通常发生在从事实验室实验的心不在焉的数学家身上，但人们普遍认为这是自杀。
在他生命的最后几年，图灵成为了一名实验学家，对生物化学系统很感兴趣。他在1952年发表的题为《形态发生的化学基础》的论文中提出了一个反应扩散模型，提出了他的生物模式形成假说。图灵的模型描述了在两个连续时间过程中，某些物质(称为形态因子)的浓度在空间中的分布变化:当地的化学化学反应，其中物质相互转化，和扩散，导致这些物质在太空中扩散。图灵反应扩散方程的解显示出不同的模式，如行波、螺旋、斑、条纹和耗散孤子。图灵的模型只关注持续变化的形态因子浓度:他写道:“既然基因的作用大概是催化的，……他们可能会被排除在讨论之外。”
然而，基因在生物模式形成中起着重要得多的作用。由一小群转录激活因子(蛋白质和microRNAs)触发，这些基因以一种复杂但严格编程的编排方式开启和关闭自己，并控制包括转录激活因子在内的许多生物分子的浓度和空间分布。因此，杂交自动机可以更好地理解生物学中的模式形成，在这种自动机中，基因通过自己的状态转换程序形成复杂的离散模式，同时随着系统驻留在各种模式中，显示出连续的动态。
Wolpert的法国国旗(或PI，位置信息)模型很好地捕捉到了图案形成的另一个有趣的特征，在该模型中，形态-浓度梯度的离散水平，随着空间和时间的复杂变化，决定了当地社区生物细胞的命运。这个模型是高度健壮的、规模不变的和异步的;它们呈现出时间结构，在这种结构中，事件的顺序远比它们的准确时间更重要。因此，虽然这些系统的基因型/语法很容易用混合自动机描述，但它们的表型/语义可以用时间逻辑理想地描述。
幸运的是，在过去的几十年里，越来越多的计算机科学家一直在思考类似的问题，并开发了许多强大的模型检查工具来调试复杂的异步系统。这些研究人员中的许多人现在转向了系统生物学，Grosu等人在这里的论文就是一个例子。
作者描述了一个心脏细胞相互作用的生物模型，并研究了它们如何形成复杂的电模式，使用模型检查和机器学习工具来规范、学习和检测混合自动机网络中的突发行为/模式。这些工具对心房纤颤(Afib)的发病过程具有重要意义，这是一种起源于心脏上腔的异常心律，折磨着数百万人，发病率随着年龄的增长而增加。心脏组织是一个由肌细胞(肌纤维细胞)组成的空间网络，为了有效地泵血，它们必须以协调的方式收缩。通过反应-扩散系统(RDS)确保协调:起搏的肌细胞产生电刺激，扩散到邻近的肌细胞;它们以一种全有或全无的方式反应，这加强了刺激，并确保其进一步传播而不受抑制。反应受肌细胞膜中特定分子(离子通道)的控制。作者在算法上对这一问题进行了创新，即用混合自动机网络取代了标准的非线性偏微分方程的Luo-Rudi模型，并通过高效的模式抽象和叠加对其进行分析;他们发展了一种新的基于空间叠加的模态逻辑，用于指定突发行为;他们设计了一种巧妙的方法，从空间模式中学习这种逻辑的公式;最后，应用有界模型检查来检测这种生物医学上重要的涌现模式的开始，即螺旋波。
这两位作者让人们相信，计算机科学的未来很可能不仅在于设计出强大的工具来催化大规模实验或储存大量实验数据以供搜索和挖掘，而且还在于作为复杂现象的解释者和重新描述者。在这个角色中，使用本文所描述的工具，计算机科学家可以彻底改变我们试图理解一大堆相互连接的神经元、一个假定为利他个体的大型社会网络、一群对灾难做出反应的人群、通过复杂交易相互作用的全球金融市场、一个相互连接的电网等等的方式。我们可以尝试理解它们的拓扑结构、结构演化、空间模式、自组织、随机性、因果联系和突发行为。我们可以在这些复杂的系统中寻找设计原则，其中一些原则(有些人认为)是由聪明的设计师精心设计的，他们似乎漫不经心地发布了这些系统，而没有适当的文档。
©2009 acm 0001-0782/09/0300 $5.00
允许制作本作品的全部或部分的数字或硬拷贝用于个人或课堂使用，但前提是该拷贝不是为了盈利或商业利益而制作或分发，并且该拷贝在第一页上带有本通知和完整引用。以其他方式复制、重新发布、在服务器上发布或重新分发到列表，需要事先获得特定的许可和/或付费。
数字图书馆是由计算机协会出版的。版权所有©2009 ACM有限公司
没有发现记录