[发明专利]基于概率布尔网络模拟并镇定基因调控网络的方法

权利要求书

1.基于概率布尔网络模拟并镇定基因调控网络的方法，其特征在于，包括以下步骤：

S1、基于基因调控网络实验数据建模形成初始的概率布尔网络，利用状态翻转控制与翻转状态转移矩阵，基于矩阵的半张量积方法，构建在状态翻转控制下的概率布尔网络代数模型；

S2、在考虑状态翻转控制下的概率布尔网络中的所有子网络的每个状态都经过一步翻转控制与自然演化的情况下，提出基因调控网络能实现弱镇定到目标状态的充要判据，获得可达集概念的镇定性判据；

S3、结合可达集概念的镇定性判据，基于矩阵半张量积方法，得到在模型已知情况下的最小翻转节点集；

S4、利用计算机强化学习中的Q学习算法，寻找模型未知情况下实现系统弱镇定的最优控制序列，通过最优控制序列得到在模型未知情况下的最小翻转节点集；

S5、根据模型已知情况下的最小翻转节点集和模型未知情况下的最小翻转节点集来控制基因调控网络，实现镇定。

2.如权利要求1所述的基于概率布尔网络模拟并镇定基因调控网络的方法，其特征在于，所述步骤S1的具体方法包括：

对建模形成初始的概率布尔网络，分析状态翻转控制对状态转移的影响，并将其用翻转状态转移矩阵f_R来表示；

基于矩阵的半张量积方法，考虑每个状态的一步转移包含了翻转控制与网络自身的演化，构建在状态翻转控制下的概率布尔网络代数模型为：其中L_μ(t)代表概率布尔网络中的一个子网络，R_v(t)是操作过程中给定的进行翻转控制的节点集W的子集，代表了通过人为干预来实现启动或者沉默的基因集合。

3.如权利要求2所述的基于概率布尔网络模拟并镇定基因调控网络的方法，其特征在于，所述步骤S2中在考虑状态翻转控制下的概率布尔网络中的所有子网络的每个状态都经过一步翻转控制与自然演化的情况下，提出基因调控网络能实现弱镇定到目标状态的充要判据的具体方法包括：

对概率布尔网络的所有子网络的状态转移矩阵，按照概率进行求和，记作状态概率转移矩阵，即其中N'为概率布尔网络中所有的子网络总数，p_i为每个子网络的概率，L_i为每个子网络的状态转移矩阵，获得矩阵L；

考虑系统中每一步状态转移均含有状态翻转控制，每个状态都含有翻转控制，对于无需翻转会更优的状态，以翻转空集的形式进行考虑，对于给定的能够进行翻转控制的节点集W，状态在采取实际翻转时，翻转集合为W的任意子集之一；

对于指定的目标状态第一，当能找到W的子集R_*,其对应的翻转状态转移矩阵满足则说明目标状态是一个不动点；

第二，当找到一串W的子集R₀,R₁,…,R_T-1,构造从任意初始状态出发，系统均能以一概率有限时间演化到目标状态的判据，从而实现系统在状态翻转控制下，能在有限时间全局弱镇定到目标状态，并保持在目标状态。

4.如权利要求3所述的基于概率布尔网络模拟并镇定基因调控网络的方法，其特征在于，所述步骤S2中获得可达集概念的镇定性判据的具体步骤如下：

S21、将镇定的问题拆分成一个个子问题，并利用迭代式给出k步可达集的概念；结合不同情况下的翻转状态转移矩阵与概率状态转移矩阵的乘积，计算得到不同状态间的一步能达情况，进而利用可达集将全状态空间划分成一步到达目标状态与k步到达目标状态的多个状态集合；

S22、提出结合可达集概念的镇定性判据，如果所有状态在k步可达集中，k步可达集中的状态以一概率到达k-1步可达集中的状态，且目标状态又在能一步以一概率到达自身，说明在状态翻转控制下的概率布尔网络能实现有限全局弱镇定到指定的目标状态。