一种基于基因网络的同步控制方法及系统技术方案

本发明专利技术公开了一种基于基因网络的同步控制方法及系统，针对细胞免疫中的一种群体感应系统，提出了对该系统的稳定性及同步控制。本发明专利技术研究了同步情况下的投影同步控制，即驱动系统与响应系统之间按呈比例关系，而比例系数是随机的。这种同步在群体感应的背景下，可以更好的观测群体感应系统的稳定性与其他性能，放大群体感应过程中的种种信息交流过程。将同步引入群体感应系统中，也是人类对于生物技术的又一进步，进一步研究后，可以以此控制细胞的生命活动，对生命科学也具有重大意义。

【技术实现步骤摘要】
一种基于基因网络的同步控制方法及系统
本专利技术属于基因网络同步控制领域，具体涉及一种基于基因网络的同步控制方法及系统。
技术介绍
近年来，群体感应受到了广泛关注，自1996年首先在细菌中被发现至今，在环境保护，疾病防治等方面得到了突破和进展。研究发现，在农业方面，群体感应也逐渐得到生物学家及农学家的重视。具体来说，全球面临的人口增长伴随的食物短缺问题，在耕地面积有限的情况下，群体感应抑制剂可以通过影响致病原菌基因的表达，来达到控制病原菌密度的效果，密度降低可以有效地减少其危害农作物的能力，降低病原菌对植物的危害程度，生产出高产且质量优良的粮食作物。群体感应现象存在于细菌和真菌中。群体感应也影响生物的发光，和植物共生等自然界的菌落行为，影响生物膜的形成，有些通过抑制群体感应阻断通讯引起细菌感染病原体，也会影响细胞sRNA的转录和表达，群体感应现象也与生物群游现象密切相关。以上种种现象表明，对群体感应的研究是非常必要的，因此基于群体感应研究进行细胞生命活动追踪，是微生物学研究的热点和焦点之一。目前，主要以数学建模的形式对群体感应系统进行分析和控制，其中，首先，要建立模拟系统生物功能的数学模型；为了更进一步的研究群体感应的作用原理，人们针对不同类型的群体感应系统，总结出了不同的模型，抽象出数学模型进而更好的分析研究群体感应。其中，抽象出的数学模型包括：非线性系统动力学模型，其大致包括对混沌、分岔和同步等几类动力学行为的研究。与线性系统模型不同的是，非线性系统不能应用叠加原理，且，非线性系统的稳定性情况复杂。因为，非线性系统可能有多个平衡状态，且在不同的平衡状态都是有可能稳定有可能分岔的。稳定亦或是分岔，都与系统的初始条件下有关，且与系统的参数和结构也有密不可分的关系。起始点不同，时滞不同，系统的状态是稳定或者不稳定就可能不同。相比于线性系统，非线性系统更加侧重于具体问题具体分析。由于数学计算上的复杂性，非线性系统至今没有一个特定完整的模型去描述概况，在这种前提下，建议一个准确的数学模型进行细胞生命活动追踪就显得尤为重要。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术由于数学计算上的复杂性，非线性系统至今没有一个特定完整的模型去描述缺陷，提供一种基于基因网络的同步控制方法及系统。本专利技术解决其技术问题所采用的技术方案是：构造一种基于基因网络的同步控制方法，包括以下步骤：S1、基于群体感应系统，所述群体感应系统包括驱动模型和响应模型，分别构建驱动模型和响应模型在群体感应背景下的感染模型；S2、基于步骤S1构建的感染模型，对群体感应系统进行稳定性分析，得到若干个自由平衡点，通过自由平衡点判断在系统稳定的时候，执行下一步骤；S3、添加滑膜控制器u(t)到响应模型中，根据参数自适应律，调整群体感应系统的控制参数；用投影同步控制方法，利用驱动模型的输出信号驱动响应模型，当响应系统与驱动系统的误差函数达到稳定状态，反应的同步误差都趋近于0时，即实现基因网络的同步控制，且，基于同步控制后的基因网络来控制细胞的生命活动；其中：e＝[e1e2e3]T；上述第一项公式中，e1＝V'-m1V,e2＝R'-m2R,e3＝N'-m3N，其中，mi∈R，i＝1,2,3,mi≠0是标量比例因子，e1、e2、e3均为预定义的误差值，V、V′分别表示驱动、响应模型下易感宿主细胞的数量；R、R′分别表示驱动、响应模型下感染细胞的数量；N、N′表示驱动、响应模型下免疫细胞的数量；上述第二项公式中，t为驱动模型的输入信号，τ为延时参数，b、β、c为取正值的常数，c1,c2,r为大于0的设计参数，s为滑膜控制器中的滑膜面，s＝e3+c1e1+c2e2；为误差控制参数α的估计值；sign()为符号函数。本专利技术公开的一种基于基因网络的同步控制系统，包括以下模块：模型构建模块，用于基于群体感应系统，所述群体感应系统包括驱动模型和响应模型，分别构建驱动模型和响应模型在群体感应背景下的感染模型；稳定性分析模块，用于基于模型构建模块构建的感染模型，对群体感应系统进行稳定性分析，得到若干个自由平衡点，通过自由平衡点判断系统稳定性；同步控制模块，用于添加滑膜控制器u(t)到响应模型中，根据参数自适应律，调整群体感应系统的参数；采用投影同步控制方法，利用驱动模型的输出信号驱动响应模型，当响应系统与驱动系统的误差函数达到稳定状态，反应的同步误差都趋近于0时，即实现基因网络的同步控制，且，基于同步控制后的基因网络来控制细胞的生命活动；其中：e＝[e1e2e3]T；上述第一项公式中，e1＝V'-m1V,e2＝R'-m2R,e3＝N'-m3N，其中，mi∈R，i＝1,2,3,mi≠0是标量比例因子，e1、e2、e3均为预定义的误差值，V、V′分别表示驱动、响应模型下易感宿主细胞的数量；R、R′分别表示驱动、响应模型下感染细胞的数量；N、N′表示驱动、响应模型下免疫细胞的数量；上述第二项公式中，t为驱动模型的输入信号，τ为延时参数，b、β、c为取正值的常数，c1,c2,r为大于0的设计参数，s为滑膜控制器中的滑膜面，s＝e3+c1e1+c2e2；为误差控制参数α的估计值；sign()为符号函数。实施本专利技术的一种基于基因网络的同步控制方法及系统，具有以下有益效果：1、这种同步在群体感应的背景下，可以更快速地使我们更好的观测群体感应系统的稳定性与其他性能，完成简单的模型下的同步控制，放大群体感应过程中的种种信息交流过程；2、将同步引入群体感应系统中，也是人类对于生物技术的又一进步，进一步研究后，可以以此控制细胞的生命活动，对生命科学也具有重大意义。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例1公开的一种基于基因网络的同步控制方法执行流程图；图2是本专利技术实施例2公开的一种基于基因网络的同步控制方法执行流程图；图3是本专利技术公开的一种基于基因网络的同步控制系统结构图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。复杂网络的同步完全同步事实上是一种非常理想的情形，客观现实中并不多见。与完全同步相比起来，广义同步在现实中更容易达到，因此，更多研究人员倾向于研究广义同步。投影同步(PS)是广义同步中最具代表性的一种，指的是同步后两系统状态之间相差比例因数α，并且同步种类可由α的取值决定。然而，对于基因网络群体感应中的同步控制，研究的并不多，在控制方法上比较复杂，控制器的控制因为滑膜面的选择趋于复杂化而不能很快的完成简单的模型下的同步控制。为了克服现有技术的不足，请参考实施例1和2，本专利技术提供了一种滑膜控制器，针对广义同步中的投影同步，通过所述滑膜控制器控制群体感应系统下包括的驱动模型和响应模型之间按呈比例关系，而比例系数是随机。实施例1：...

【技术保护点】
1.一种基于基因网络的同步控制方法，其特征在于，包括以下步骤：/nS1、基于群体感应系统，所述群体感应系统包括驱动模型和响应模型，分别构建驱动模型和响应模型在群体感应背景下的感染模型；/nS2、基于步骤S1构建的感染模型，对群体感应系统进行稳定性分析，得到若干个自由平衡点，通过自由平衡点判断在系统稳定的时候，执行下一步骤；/nS3、添加滑膜控制器u(t)到响应模型中，根据参数自适应律，调整群体感应系统的控制参数；采用投影同步控制方法，利用驱动模型的输出信号驱动响应模型，当响应系统与驱动系统的误差函数达到稳定状态，反应的同步误差趋近于0时，即

【技术特征摘要】
1.一种基于基因网络的同步控制方法，其特征在于，包括以下步骤：
S1、基于群体感应系统，所述群体感应系统包括驱动模型和响应模型，分别构建驱动模型和响应模型在群体感应背景下的感染模型；
S2、基于步骤S1构建的感染模型，对群体感应系统进行稳定性分析，得到若干个自由平衡点，通过自由平衡点判断在系统稳定的时候，执行下一步骤；
S3、添加滑膜控制器u(t)到响应模型中，根据参数自适应律，调整群体感应系统的控制参数；采用投影同步控制方法，利用驱动模型的输出信号驱动响应模型，当响应系统与驱动系统的误差函数达到稳定状态，反应的同步误差趋近于0时，即实现基因网络的同步控制，且，基于同步控制后的基因网络来控制细胞的生命活动；其中：
e＝[e1e2e3]T；(1)



(1)式中，e1＝V'-m1V,e2＝R'-m2R,e3＝N'-m3N，其中，mi∈R，i＝1,2,3,mi≠0是标量比例因子，e1、e2、e3均为预定义的误差值，V、V′分别表示驱动、响应模型下定义的易感宿主细胞数量；R、R′分别表示驱动、响应模型下定义的感染细胞数量；N、N′表示驱动、响应模型下定义的免疫细胞数量；
(2)式中，t为驱动模型的输入信号，τ为延时参数，b、β、c为取正值的常数，c1,c2,r均为大于0的第一系统设计参数，s为滑膜控制器中的滑膜面，s＝e3+c1e1+c2e2；为误差控制参数α的估计值；sign()为符号函数。


2.根据权利要求1所述的同步控制方法，其特征在于，步骤S2中还包括当t时刻产生的免疫细胞数量依赖于t-τ时刻的数量，即存在系统存在时滞；
当前步骤下，根据奈奎斯特稳定判据条件，计算出系统临界稳定的时滞条件，结合自由平衡点进行系统稳定性的判定。


3.根据权利要求2所述的同步控制方法，其特征在于，步骤S1中，驱动模型的感染模型为：



步骤S3中，添加滑膜控制器u(t)到响应模型中后，响应模型的感染模型为：



其中，t、t’分别为驱动及响应模型的输入信号；V(t)、V(t′)分别为模型中基于输入信号t和t′产生的易感宿主细胞数量；R(t)、R(t′)分别为模型中基于输入信号t和t′产生的感染细胞数量；N(t)、N(t′)分别为模型中基于输入信号t和t′产生的免疫细胞数量；参数λ,a,b,c,d,β,ρ均为取正值的常数；为非线性系统方程中对“*”的求导；
(3)式及(4)式中的第一行计算公式中，当输入信号到模型时，λ为感染细胞从前组织中的产生率，未感染细胞以速率dV死亡，并以速率βVR变为感染细胞；第二行计算公式中，当输入信号到模型时，β为描述感染过程的速率常数，感染细胞以速率aR死亡并以速率ρRN被免疫细胞杀死；第三行计算公式中，当输入信号到模型时，免疫细胞以速率bN死亡；
驱动模型中的参数t作为响应模型的一个输入信号，与信号t’共同影响响应模型的输出。


4.根据权利要求3所述的同步控制方法，其特征在于，步骤S3中，所述滑膜控制器u(t)为一个单维度的控制器；
采用投影同步控制方法，包括构建投影同步误差方程：



其中，m为标量比例因子；基于公式(5)，进行响应模型与驱动模型的稳定状态判断。


5.根据权利要求4所述的同步控制方法，其特征在于，步骤S3中，在单维控制器u(t)和参数自适应律的作用下，实现基因网络的同步稳定控制；所述参数自适应律的数学表达式为：



其中，γ1、γ2、γ3均为大于0的第二系统设计参数，θ1、θ2、θ3均为系统控制参数向量，为θi的估计值，i＝1,2,3。


6.一种基于...

【专利技术属性】
技术研发人员：黄书贤，刘峰，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北;42