27、多智能体系统与调控网络的系统综述

多智能体系统与调控网络的系统综述

1. 引言

如今，人们投入大量精力开发工具以增进对分子相互作用的了解。将生物系统表示为基因调控网络（GRN），即描绘生物体中分子间相互作用的图谱，是呈现生物复杂性的一种方式。过去几年，为了进行模拟和推理，人们采用了许多不同的数学和算法模型来表示GRN，但多智能体系统（MAS）在这方面的应用却有所忽视。因此，本文进行了系统文献综述（SLR），以阐明MAS在GRN表示中的应用情况。

随着组学数据测量和存储技术的显著进步，以及其在医学、农业和工业领域的潜在应用，生物系统领域的关注度大幅提升。面对海量数据，开发能够揭示分子相互作用复杂机制的数学、统计和计算工具成为一大挑战。

生物体的高度复杂性与组件以级联互联事件的网络形式组织密切相关。因此，研究人员一直致力于生物网络的研究，如GRN。在GRN中，基因控制其他基因的表达，但并非所有基因都相互作用，通常一个基因只控制网络中部分其他基因的表达，其自身表达也受部分基因控制。

此前用于GRN推断和表示的方法包括：微分方程（DE）、贝叶斯网络、布尔网络（NB）、布尔概率网络（BPN）以及使用马尔可夫链蒙特卡罗和图形高斯模型的贝叶斯网络。

SLR是一种针对明确主题的研究，旨在识别、选择、评估和综合特定研究主题的证据。其起源于20世纪50年代，但方法学的发展直到20世纪80年代才在健康领域等得到巩固。SLR应深入且无偏见，所选标准需清晰，以便其他研究人员重复该过程。在生物信息学领域，虽然没有统一的SLR标准，但已有学者提出了相关步骤和程序的标准化建议。

本次SLR的主要目标是获得关于MAS和GRN交叉领域的良好理论背景，为开发GRN的多智能体模拟器奠定基础。