Aktuelle Methoden zur dynamischen Modellierung von biologischen Systemen sind für Benutzer ohne
mathematische Ausbildung oft wenig verständlich. Des Weiteren fehlen sehr oft genaue Daten und detailliertes Wissen über Konzentrationen, Reaktionskinetiken oder regulatorische Effekte. Daher erfordert eine computergestützte Modellierung eines biologischen Systems, mit Unsicherheiten und grober Information umzugehen, die durch qualitatives Wissen und natürlichsprachliche Beschreibungen zur Verfügung gestellt wird.
Der Autor schlägt einen neuen Ansatz vor, mit dem solche Beschränkungen überwunden werden können. Dazu wird eine Petri-Netz-basierte graphische Darstellung von Systemen mit einer leistungsstarken und dennoch intuitiven Fuzzy-Logik-basierten Modellierung verknüpft. Der Petri Netz und Fuzzy Logik (PNFL) Ansatz erlaubt eine natürlichsprachlich-basierte Beschreibung von biologischen Entitäten sowie eine Wenn-Dann-Regel-basierte Definition von Reaktionen. Beides kann einfach und direkt aus qualitativem Wissen abgeleitet werden. PNFL verbindet damit qualitatives Wissen und quantitative Modellierung. / Current approaches in dynamic modeling of biological systems often lack comprehensibility,n especially for users without mathematical background. Additionally, exact data or detailed knowledge about concentrations, reaction kinetics or regulatory effects is missing. Thus, computational modeling of a biological system requires dealing with uncertainty and rough information provided by qualitative knowledge and linguistic descriptions.
The author proposes a new approach to overcome such limitations by combining the graphical representation provided by Petri nets with the modeling of dynamics by powerful yet intuitive fuzzy logic based systems. The Petri net and fuzzy logic (PNFL) approach allows natural language based descriptions of biological entities as well as if-then rule based definitions of reactions, both of which can be easily and directly derived from qualitative knowledge. PNFL bridges the gap between qualitative knowledge and quantitative modeling.
| Identifer | oai:union.ndltd.org:MUENCHEN/oai:edoc.ub.uni-muenchen.de:15655 |
| Date | 19 April 2013 |
| Creators | Windhager, Lukas |
| Publisher | Ludwig-Maximilians-Universität München |
| Source Sets | Digitale Hochschulschriften der LMU |
| Detected Language | German |
| Type | Dissertation, NonPeerReviewed |
| Format | application/pdf |
| Relation | http://edoc.ub.uni-muenchen.de/15655/ |
Page generated in 0.0013 seconds