马尔可夫基因表达建模的神经网络矩闭合方法

摘要

生物体的生命活动与基因表达密切相关，然而现有的基因表达矩闭合近似建模方法难以充分利用生化反应过程的潜在细节信息。本文提出了一种基于人工神经网络的矩闭合方法，其利用神经网络学习到矩方程组中高阶矩的低阶表示，使方程组实现闭合，并进一步结合常微分方程求解器对闭合后的方程组进行求解，最终获得精确的矩估计。实验结果表明，所提方法在预测精度和计算效率上显著优于传统方法。

关键词

基因表达建模 / 神经网络 / 矩闭合方法 / 随机模拟 / 最大熵原理

基金资助

国家自然科学基金（62322309）; 上海市科技创新行动计划（23S41900500）