21、药物基因组学通路筛选与深度合并共识树问题研究

药物基因组学通路筛选与深度合并共识树问题研究

药物基因组学通路筛选

在药物基因组学研究中，为了对相关模型进行模拟，采用了基于扩展混合功能Petri网的生物通路模拟软件Cell Illustrator来实现模型。

数据同化与参数估计及模型选择

设$y_j[t]$为第$j$个基因在时间$t$的表达值，$f(x, θ)$为模拟模型，其中$x$是模拟模型中的变量向量，$θ$是参数向量。模拟变量$x$通过系统模型更新：
$x_t = f(x_{t - 1}, θ) + v_t$，$t \in N$
这里$x_t$是时间$t$时模拟变量的值向量，$v_t$表示创新噪声，$N$是模拟时间点的集合，$N = {1, …, T}$。为了将模拟模型与观测数据连接起来，构建了观测模型：
$y_j[t] = h(x_t) + w_t$，$t \in N_{obs}$
其中$h$是将模拟变量映射到观测值的函数，$w_t$是观测噪声，$N_{obs}$是测量基因表达数据的时间点集合，且$N_{obs}$是$N$的子集。将上述两个方程组合构建的模型称为非线性状态空间模型。

参数向量$θ$通过最大似然法估计，即选择使似然函数$L(θ|Y_j^T)$最大化的$θ$值：
$L(θ|Y_j^T) = \int p(x_0) \prod_{t = 1}^{T} p(y_j[t]|x_t)p(x_t|x_{t - 1}, θ)dx_1 · · · dx_T$
其中$Y_j^T = (y_j[1], …, y_j[T ])$。在计算似然函数时，使用了粒子滤波算法。

为了比较多个模拟模型$f^1, …, f^M$，采用贝叶