21世纪以来,生物大数据在量(多数据种类,海量样本数,多时间点采样等)、质(高时空精度,单细胞测序等)两方面快速发展,大大推动了生命科学的进步,也为生物医学问题的模型建立、数据分析,以及预测和控制,带来了巨大的机遇和挑战。
传统的生物学数据研究方法大多基于数据的静态统计信息,即“基于统计学的数据科学”(statistics-based data science),其缺点是,在很多场景下不能准确地解释和预测系统的复杂动态行为。数据分类、数据降维、变量聚类、变量相关性分析等方法都是如此。
然而,即使是静态的数据,往往也蕴含着系统的动力学特征。我们需要通过“基于动力学的数据科学”(dynamics-based data science),充分建立和利用动力系统的普遍性质(如,稳定平衡点的临界性质、中心流型的低维性、单变量的吸引子的重构性等),对蕴含在数据中的动力学信息进行挖掘和分析。
“基于动力学的数据科学”将动力系统理论、统计学理论,和数据的实际背景结合在一起,为处理和解释动态生物大数据提供了一种基础坚实、计算高效的理论和方法。
2. 利用偏微分方程和diffusion map理论,量化细胞的多潜能性或距离干细胞的远近。LDD方法是,通过建立随机生灭过程的偏微分方程模型,对细胞的分化过程进行了多潜能性量化。利用单细胞测序数据和相关数学方法,可以对每类细胞多潜能性进行估计和分化程度排序,实现量化细胞的多潜能性,并构建多潜能性势能景观。
3. 利用神经网络工具,对基因表达量等的时间序列进行预测。ARNN方法是,利用最新的reservior神经网络工具,通过“空间-时间信息变换方程”STI,即变换高维数据的信息为时间的动态信息,对短序列高维度数据(如基因表达数据)进行学习,可实现复杂系统的短时间序列或动态演化的预测。
“基于动力学的数据科学”是一个全新交叉领域,相比传统静态的“基于统计学的数据科学”方法,具有“可解释性”、“可量化性”和“可拓展性”,在今后的生物医学等领域的研究舞台,将扮演不可或缺的重要角色。
联系客服