基因网络相继故障机理分析(英文)

癌相关基因在疾病发生与发展过程中的作用机理是非常重要的研究课题。现代数据分析方法,为从基因组数据中推断癌相关基因之间的关联,以及分析基因组的作用机理提供了有效的手段。本文根据基因表达谱数据分别建立了正常组织与神经胶质瘤和肾癌的患病组织的基因互信息网络。用以介数为基础的相继故障模型研究了基因网络结构与鲁棒性之间的关系。定义了网络相继故障节点百分比、平均相继故障规模和相继故障规模比例累积概率等衡量网络鲁棒性的结构参数。通过对照组与实验组之间的比对,我们发现实验组网络比对照组网络更加稳定,并将引起网络大规模相继故障的基因称为结构性关键基因。这些结构性关键基因中的一部分已经被证明与神经胶质瘤或肾癌的发生、发展有密切关系。大多数基因被预测在神经胶质瘤和肾癌的发生中起着激励或抑制作用,需要进一步的试验验证。预测信息为研究癌相关基因提供了新的方向。

分形:美的数学模型

普通几何研究的对象是直线、圆周等一些基本图形。但在我们周围却充满着分形图形:从弯曲的海岸线到连绵不断的山脉轮廓,从跳跃的火苗外形到错综分布的粗细血管,在其生长变化中总保持着某种必需的自相似结构,这正是分形图形的特点。对分形模式的研究已成为不少领域关注的课题。正如分形概念的提出者Mandelbrot在1984年所说的,"这些模式的存在向我们提出了挑战,要我们去研究Euclid留下的不成形的事物,探讨它们的形态结构"。而现代计算技术的发展。