[最小支配集.docVIP

最小支配集的活体计算模型 刘向荣1,2王淑栋1，陈梅1 1．北京大学信息科学技术学院软件所北京 100871 摘要：本文一种活体计算模，图最小生物体自身的信息处理能力进行计算关键词计算；；RNA干扰1 引言DNA计算是以DNA分子为“数据”、生物酶或者生化操作为“工具”的一种新的信息处理计算机模型。Adleman 博士1994年的DNA 计算模型[1]至今已有10多年的历史。10多年来，DNA计算无论在理论应用模型的建立上，还是实验与检测技术上都取得了惊人的进展。许多学者在此领域内作出了杰出的工作，如Lipton建立了SAT问题的DNA计算模型[2]，Ouyang等建立了求解图的最大团问题的DNA计算模型[3]，Sakamoto等建立的求解SAT问题的发卡DNA计算模型[4]，Frutos和Liu等给出了求解SAT问题的表面DNA计算模型[5,6]，Rothemund等建立了图灵DNA计算机模型[7], Winfree等提出了自组装DNA计算模型[8], Roweis等提出的粘贴DNA计算模型[9]。2002年，BraichAdleman等建立了具有20个变量3-可满足性问题的DNA计算机模型[10]。文献[11,12]分别建立了不同类型的图顶点着色DNA计算模型，文献[13]给出了一种枚举型的图顶点着色DNA计算模型。 上述计算模型和实验都是在体外试管溶液中或者固体表面进行的。这些方法在利用生物体自身的信息处理能力方面显不足。在生物分子自动机研究中，已经开始利用细胞内部的信息处理能力。2001年，Shapiro等提出了一种可编程的有穷自动机模型[14]，2004年，他领导的小组提出了一种用于基因表达逻辑控制的分子自动机模型[15]该模型被用于肺癌和前列腺癌的诊疗，生物实验还是在体外试管中的。2004年，Kramer等在哺乳动物细胞内实现了一个用于转录控制生物分子逻辑门[16]。2007年，Yaakov Benenson等利用RNA干扰技术，在细胞内构建了一个分子计算机执行一般的布尔逻辑运算[17]。本RNA干扰技术问题活体计算模型。细胞网络，通过细胞的自身生理机制转录表达，输入的是RNA双链分子及目标DNA分子，目标DNA分子载体细胞转染，最后输出为蛋白质。这是直接利用生物体自身强大的信息处理能力解决一些计算问题，是一种全新的计算模式。是一个有限、无向、简单图，分别用表示图的顶点集、边集和顶点相邻顶点集。设，若对任意顶点，要么，要么与内一个顶点相邻，则称为图的一个支配集。若的任何真子集皆非支配集，则为图的一个极小支配集。设是图的一个支配集，但已无支配集，使得，则称为图的最小支配集。最小支配集中包含的顶点个数称为的支配数，用表示。图最小支配集问题是图与组合优化中的一个NP难题，它与图的最大独立集、最小覆盖以及最大团问题息息相关，在网络资源优化分配等问题中有着广泛的应用。从支配集的定义出发，公式（1）可以求出图的所有极小支配集： （1） 其中，，公式中的运算是逻辑运算。若顶点在支配集中，则公式（1）中逻辑变量的取值为“1”，否则为“0”。所有满足的都为图的极小支配集。 （2）RNA干扰与基因调控网络 RNA干扰是由双链RNA (dsRNA) 引发的转录后基因沉默机制(PTGS)。RNAi主要是指dsRNA分子进入细胞内，特异性降解与之同源的mRNA，从而特异高效的抑制基因表达活性的现象。它特异性阻断表达的能力是研究基因功能的有力工具，而且可以实现计算功能。。 图1 6个顶点条边的图 所有的极小支配集可由下式求出， （2） 每个括号为一个子句，子句内部“+”是顶点间的逻辑或操作，子句间是逻辑与操作，逻辑变量 取值为“1”时，表示该逻辑变量对应的顶点属于某个极小支配集，反之不属于。时，取值为“1”的顶点组成的集合为图的一个极小支配集。 结合RNAi和乳糖操纵子调控模型，我们在细胞内构建了一个基因调控网络实现上述计算（如图2所示）。该活体DNA计算模型在功能上可分为以下三个模块： 图2 1）输入：代表图顶点的siRNA分子中顶点“1”或“”，即顶点“属于”或 “不属于”某个极小支配集，。针对图1中极小支配集，我们列出顶点、对应逻辑变量取值以及其对应分子的状态如表1所示。 表1 支配集中顶点及其对应分子的状态表示 顶点 值 1 0 0 0 1 0 应分子 siRNA-v1 siRNA-v2 siRNA-v3 siRNA-v4 siRNA-v5 siRNA-v6 分子状态 出现 缺失 缺失 缺失 出现 缺失 2）计算：主要mRNA运算分子阻遏蛋白i=1,2, …,6，图2中虚线框部分）组成。根据子句的不同，DNA运算分子Ⅰ所含的Target i的组成和个数也不同。这些