混合代谢网络补全
计算机科学中的逻辑
2018-08-14 v1
摘要
代谢网络在生物学中起着关键作用，因为它们刻画了生物体内的所有化学反应。尽管许多模式生物的 networks 质量很高，但研究较少的生物的网络往往质量较差且存在不完整。为此，我们在先前工作中引入了基于 ASP 的代谢网络补全方法。尽管这种定性方法能够恢复中等程度退化的网络，却无法恢复高度退化的网络。这是因为它忽略了刻画反应速率的定量约束。为解决该问题，我们提出一种混合代谢网络补全方法，将定性 ASP 方法与刻画反应速率的定量手段相集成。我们首先在统一形式化框架下对已有的化学计量与拓扑网络补全方法进行形式化调和。基于此，我们开发了混合 ASP 编码，并依靠 ASP 系统 clingo 的理论推理能力来求解所得带实数线性约束的逻辑程序。我们以大肠杆菌的代谢网络为例对该方法进行实证评估。分析表明，相较纯定性或纯定量方法，我们的新方法所得结果远为优越。本文正在 Theory and Practice of Logic Programming (TPLP) 审稿中。
引用
@article{arxiv.1808.04149,
title = {Hybrid Metabolic Network Completion},
author = {Clémence Frioux and Torsten Schaub and Sebastian Schellhorn and Anne Siegel and Philipp Wanko},
journal= {arXiv preprint arXiv:1808.04149},
year = {2018}
}
备注
Under consideration in Theory and Practice of Logic Programming (TPLP)