基于答案集编程的形式化方法重访蛋白质信号网络逻辑模型的训练
定量方法
2012-12-27 v2 人工智能
计算工程、金融与科学
机器学习
摘要
系统生物学中的一个基本问题是数学模型的构建及其针对数据的训练。逻辑形式化方法因结构简单，能够对包含数百种蛋白质的大型系统进行建模，因而已成为模拟信号网络的流行方法。近期引入了一种将（布尔）逻辑模型训练至高通量磷酸化蛋白质组学数据的方法，并使用基于随机方法的优化启发式算法求解。在此，我们展示了如何使用答案集编程（ASP）解决这一问题，ASP 是一种声明式问题求解范式，其中问题被编码为逻辑程序，其答案集即代表问题的解。与启发式方法相比，ASP 在效率和可扩展性方面有显著改进，它保证了解的全局最优性，并能提供完整的解集。我们基于真实网络和数据的计算机模拟案例，阐述了 ASP 的应用。
引用
@article{arxiv.1210.0690,
title = {Revisiting the Training of Logic Models of Protein Signaling Networks with a Formal Approach based on Answer Set Programming},
author = {Santiago Videla and Carito Guziolowski and Federica Eduati and Sven Thiele and Niels Grabe and Julio Saez-Rodriguez and Anne Siegel},
journal= {arXiv preprint arXiv:1210.0690},
year = {2012}
}