海歸學者發起的公益學術平臺
分享資訊，整合資源
交流學術，偶爾風月
Pixabay/geralt
21世紀以來，生物大資料在量（多資料種類，海量樣本數，多時間點取樣等）、質（高時空精度，單細胞測序等）兩方面快速發展，大大推動了生命科學的進步，也為生物醫學問題的模型建立、資料分析，以及預測和控制，帶來了巨大的機遇和挑戰。
傳統的生物學資料研究方法大多基於資料的靜態統計資訊，即
“
基於統計學的資料科學”(statistics-based data science)
，其缺點是，在很多場景下不能準確地解釋和預測系統的複雜動態行為。資料分類、資料降維、變數聚類、變數相關性分析等方法都是如此。
然而，即使是靜態的資料，往往也蘊含著系統的動力學特徵。我們需要透過
“
基於動力學的資料科學”
（dynamics-based data science）
，充分建立和利用動力系統的普遍性質（如，穩定平衡點的臨界性質、中心流型的低維性、單變數的吸引子的重構性等），對蘊含在資料中的動力學資訊進行挖掘和分析。
“基於動力學的資料科學”將動力系統理論、統計學理論，和資料的實際背景結合在一起，為處理和解釋動態生物大資料提供了一種基礎堅實、計算高效的理論和方法。
在最近發表於《國家科學評論》（National Science Review，NSR）的觀點文章中，中科院生化細胞所的陳洛南研究員(通訊作者)、東京大學的史際帆博士(第一作者)和Aihara教授透過3個具體例項，揭示瞭如何利用動力系統的普遍性質，由觀測的資料對生物學現象進行動力學分析，並解決生命科學的實際問題。
1。 利用微分方程的分岔理論，由測量的高維資料，進行健康臨界預警和疾病預測。DNB理論利用了系統在臨界點附近，複雜網路將表現出有別於非臨界點的網路特性，量化臨界狀態並發現疾病的關鍵因子，實現疾病預警“防病於未然”。
2。 利用偏微分方程和diffusion map理論，量化細胞的多潛能性或距離幹細胞的遠近。LDD方法是，透過建立隨機生滅過程的偏微分方程模型，對細胞的分化過程進行了多潛能性量化。利用單細胞測序資料和相關數學方法，可以對每類細胞多潛能性進行估計和分化程度排序，實現量化細胞的多潛能性，並構建多潛能性勢能景觀。
3。 利用神經網路工具，對基因表達量等的時間序列進行預測。ARNN方法是，利用最新的reservior神經網路工具，透過“空間-時間資訊變換方程”STI，即變換高維資料的資訊為時間的動態資訊，對短序列高維度資料（如基因表達資料）進行學習，可實現複雜系統的短時間序列或動態演化的預測。
“基於動力學的資料科學”是一個全新交叉領域，相比傳統靜態的“基於統計學的資料科學”方法，具有“可解釋性”、“可量化性”和“可拓展性”，在今後的生物醫學等領域的研究舞臺，將扮演不可或缺的重要角色。