《生物机理启发的智能计算模型与生物信息处理方法》

生物机理启发的智能计算模型与生物信息处理方法具有计算机科学、数学、生命科学、生物学等多学科交叉融合的特点,是计算机科学的前沿和热点研究领域之一。生命在亿万年的进化中沉淀了丰富的计算智能,是人类构建智能计算模型是重要思想源泉。该领域的研究最早可追溯到1948年,阿兰图灵在其发表的论文中称“应从生化反应中发现执行计算的模型”;上世纪90年代,图灵奖获得者,有人工智能之父之称的Marvin Minsky认为“求解复杂计算问题,应从生物学中获得启示”。2012年,美国科学院院士、美国工程院院士George M.Church在Science发表论文称“生物机理在大规模存储和计算中具有巨大的优势”。

智能计算模型受到拓扑结构相对固化、参数范围小等因素限制,约束了系统计算的性能和应用效果。人脑神经元中的信息处理机理,如星细胞、自适应突触、单细胞自治、多细胞自适应协同等机理天然的智能处理机理,未能在智能计算模型设计得到充分应用。另一方面,生物启发计算模型在生物信息处理中的天然优势未得到充分利用,亟待进一步深入探索。

该项目在国家自然科学基金等项目资助下,突破了传统智能计算模型拓扑结构固化、参数范围小等局限,发展了单细胞自治和多细胞自组织协同的智能信息处理模型,并在大规模生物分子数据的处理中展现出重要的应用价值,主要发现点如下:

1、突破了神经计算模型的拓扑结构约束和参数约束,将人脑神经系统中的反脉冲、星细胞、环境脉冲应激、突触自适应创生/删除等人脑智能信息处理机理抽象为形式化的智能算子,构建了一系列全新的脉冲神经膜系统;揭示了脉冲神经膜系统动态拓扑结构、参数范围广、自适应信息处理方式的内在机制及其对系统计算性能的影响。该项研究初步建立了动态脉冲神经膜系统的一般计算理论框架。

2、发现了单细胞自治和多细胞协同进行信息对细胞计算模型计算性能影响的机理;发展了时间鲁棒的计算“时间换空间”策略,给出了计算困难问题的多项式求解算法,对经典计算问题,如NP=?P问题,从生物学和生命科学给出了全新的认识角度,丰富了经典的计算理论体系。

3、突破了基因关系错综复杂逻辑关系难以刻画的局限,发展了基因数据的逻辑关系描述方法,在细胞核输出信号和标签SNP(单核苷酸突变)的有效识别和快速定位、Micro RNA功能的预测和疾病关联关系分析中开展应用,解决了大规模生物基因数据的逻辑关系挖掘问题,为疾病基因信号的快速识别和定位提供技术支持。

该项目的8篇代表性论文,SCI他引239次,其中5篇入选ESI高被引论文。所有成果发表SCI期刊论文64篇,SCI引用1011次,SCI他引714次。研究成果得到了欧洲科学院院士Gh.Paun,欧洲科学院院士Mario J.Perez-Jimenez,费马奖获得者Luigi Ambrosio,10余名IEEE Fellow等世界领袖科学家的引用和正面评价。譬如,欧洲科学院院士、膜计算创始人Gh Paun院士评价申请人的研究成果为“the best results”。欧洲科学院院士Mario J.Perez-Jimenez教授,评价相关研究成果为“非常具有活力的研究分支之一”。费马奖获得者Luigi Ambrosio教授评价相关研究成果为“具有巨大挑战领域中的开创性研究成果”。

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。