三个实例：“基于能源学的数据迷信”在性命迷信中的利用

21世纪以来，生物在量（多半据品种，海量样本数，多光阴点采样等）、质（高时空精度，单细胞测序等）两方面疾速倒退，年夜年夜推进了性命迷信的提高，也为生物医学识题的模子树立、数据阐发，以及预测和节制，带来了微小的机会和挑战。

传统的生物学数据研讨办法年夜多基于数据的静态统计信息，即“基于统计学的数据迷信”(statistics-based data science)，其缺陷是，在好多场景下不克不及精确地解释和预测体系的简单动静行动。数据分类、数据降维、变量聚类、变量相关性阐发等办法都是如斯。

然而，即便是静态的数据，往往也蕴含着体系的能源学特征。咱们必要应用“基于能源学的数据迷信”（dynamics-based data science），充沛树立和应用能源体系的广泛性子（如，稳定均衡点的临界性子、中间流型的低维性、单变量的吸引子的重构性等），对蕴含在数据中的能源学信息进行挖掘和阐发。

“基于能源学的数据迷信”将能源体系实际、统计学实际，和数据的理论配景联合在一路，为处置息争释动静生物提供了一种根底松软、盘算高效的实际和办法。

在比来颁发于《国度迷信评论》（National Science Review，NSR）的概念文章中，中科院生化细胞所的陈洛南研讨员(通信作者)、东京年夜学的史际帆博士(第一作者)和Aihara传授通过3个详细实例，提醒了若何应用能源体系的广泛性子，由观测的数据对生物学征象进行为力学阐发，并解决相关性命迷信等理论成绩：

1. 应用微分方程的分岔实际，由丈量的高维数据，进行安康临界预警和疾病预测。DNB实际应用了体系在临界点邻近，简单网络将表示出有别于非临界点的网络个性，量化临界状态并发现疾病的症结因子，完成疾病预警“防病于已然”。

2. 应用偏微分方程和diffusion map实际，量化细胞的干性或间隔的远近。LDD办法是，通过树立随机生灭进程的偏微分方程模子，对细胞的分解进程进行了干性量化。应用单细胞测序数据和相关数学办法，可以对每类细胞干性进行估量和分解水平排序，完成量化细胞的干性，并构建干性势能景观。

3. 应用神经网络对象，对基因表白量等的光阴序列进行预测。ARNN办法是，应用最新的reservior神经网络对象，通过“空间-光阴信息变换方程”STI，即变换高维数据的信息为光阴的动静信息，对小引列高维度数据(如基因表白数据)进行培训，可完成简单体系的短光阴序列或动静演变的预测。

“基于能源学的数据迷信”是一个全新穿插畛域，相比传统静态的“基于统计学的数据迷信”办法，具备“可解释性”、“可量化性”和“可拓展性”，在往后的生物医学等畛域的研讨舞台，将饰演不行或缺的紧张脚色。(100yiyao.com）