基于复杂网络的生物节律模型探索

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    10975053
  • 项目类别：
    面上项目
  • 资助金额：
    40.0万
  • 负责人：
    刘宗华
  • 依托单位：
    华东师范大学
  • 学科分类：
    A2503.统计物理与复杂系统
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

哺乳动物的生物钟位于下丘脑的视交叉上核(SCN)，由左右两部分构成，按照功能每部分又由VL（ventrolateral腹外侧）及DM（dorsomedial背内侧）组成。本项目将建立VL与DM中耦合振子的复杂网络模型，以便展示SCN在无光照下的20至28小时节律效应及有光照时的24小时节律的机制。然后以此模型为窗口探索复杂网络领域的热点与重要问题之一：基本结构（motif）和拓扑结构与功能间的关系。着重研究SCN的集体行为对振子本身的特征及其相互间耦合方式的依赖性，揭示对不同度的节点施加外部驱动信号时信号的传播方式及各振子的频率跟随外部驱动频率的相同步化过程，讨论时间延迟对SCN振子的集体行为的影响及部分振子的病死对网络功能的鲁棒性。预期本项目的研究结果将对SCN中振子网络的结构与功能间的关系提供深刻和创新的科学理解并有助于理解其他非哺乳动物的节律效应。

结项摘要

本项目以哺乳动物的生物节律为出发点，探索复杂网络领域的热点与重要问题之一：拓扑结构与功能间的关系。生物钟位于下丘脑的视交叉上核，由左右两部分构成，按照功能每部分又由VL（腹外侧）及DM（背内侧）组成。本项目的研究先建立了VL与DM耦合振子的复杂网络模型，然后以此作为突破窗口研究了信息在生物系统特别是大脑中的传输。主要工作由以下三部分构成：.（1）生物节律SCN振子网络模型的建立及生物现象的机制解释：我们首先研究了部分动物如袋鼠等的节律分离现象的动力学机制，并为此提出了相应的非线性动力学模型，较好地解释了实验方面的发现。然后我们研究了SCN振子对外部光照信号的传输，我们首次发现接受光照的振子数占总SCN振子的比例p是一个关键参数。当此参数超过临界值时可实现信号从VL到DM的传输，否则信号不能传到DM。我们发现外部信号周期低于与高于24小时对DM振子有不同的影响：低于2４小时，DM振子随参数p的变化是一种连续变化；而高于24小时，DM振子随参数p的变化会出现跳变或一级相变。这是一个新的发现，我们给出了理论解释，但期待实验的验证。.（2）复杂网络上的信号放大：我们对复杂网络上的信号放大做了系统的研究。首先研究了耦合神经元系统在外部无序信号下的关联行为,发现不但耦合强度可以导致信号检测能力的增强,而且信号的无序也有利于信号的检测,即存在一种对耦合强度与信号的无序强度都敏感的双随机共振现象。然后我们系统研究了复杂网络局部的信号放大途径，单个耦合神经元系统在外部无序信号下所导致的共振行为，加权网络上信号放大的实现，带有相移的主动旋转子系统上的信号放大，以及设计了一个通过前反馈网络实现对弱信号的放大等。 .（3）听力探测与大脑上的信号传输：我们首先构建了一个一维链耦合振子模型对听力机制给出了比较完满的解释，这个研究结果为临床医学提供了两个方向来增加老年人的听力：增加发丝细胞间的耦合或降低耳声发射来保持他们之间的平衡。然后我们提出一个有组织的分层信号检测与传输模型，其网络上的外围神经细胞负责探测信号，然后通过锁频将信号逐级传输到中枢神经，其结果是中枢神经元可以与所有外围细胞探测的频率范围进行锁频，从而实现对各种频率的辨认，从而解释了大脑的层状结构的合理性。

项目成果

期刊论文数量（17）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Signal response amplification of scale-free networks
无标度网络的信号响应放大
  • DOI：
    10.1007/s11434-011-4701-y
  • 发表时间：
    2011-12
  • 期刊：
    Chinese Science Bulletin
  • 影响因子：
    --
  • 作者：
    Liu ZongHua
  • 通讯作者：
    Liu ZongHua
带有耦合强度分布的视交叉上核网络上两组节律振子的光照去同步
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    PLos One
  • 影响因子：
    3.7
  • 作者：
    Gu, Changgui;Liu, Zonghua;Schwartz, William J.;Indic, Preman;a
  • 通讯作者：
    a
Enhancing Weak Signal Transmission Through a Feedforward Network
通过前馈网络增强弱信号传输
  • DOI：
    10.1109/tnnls.2012.2204772
  • 发表时间：
    2012-06
  • 期刊：
    Ieee Transactions ON Neural Networks and Learning Systems
  • 影响因子：
    10.4
  • 作者：
    Liang, Xiaoming;Zhao, Liang;Liu, Zonghua
  • 通讯作者：
    Liu, Zonghua
Robust features of chimera states and the implementation of alternating chimera states
嵌合态的鲁棒特征和交替嵌合态的实现
  • DOI：
    10.1209/0295-5075/91/40006
  • 发表时间：
    2010-08-01
  • 期刊：
    EPL
  • 影响因子：
    1.8
  • 作者：
    Ma, Rubao;Wang, Jianxiong;Liu, Zonghua
  • 通讯作者：
    Liu, Zonghua
Effect of mobility in partially occupied complex networks
部分占用的复杂网络中移动性的影响
  • DOI：
    10.1103/physreve.81.016110
  • 发表时间：
    2010-01-01
  • 期刊：
    PHYSICAL REVIEW E
  • 影响因子：
    2.4
  • 作者：
    Liu, Zonghua
  • 通讯作者：
    Liu, Zonghua

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

高承诺人力资源实践就能提高组织绩效吗?
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    经济与管理研究
  • 影响因子：
    --
  • 作者：
    李燕萍;刘宗华
  • 通讯作者：
    刘宗华
Diversity of chimera-like patterns from a model of 2D arrays of neurons with nonlocal coupling
具有非局部耦合的二维神经元阵列模型中类嵌合体模式的多样性
  • DOI：
    10.1007/s11467-017-0656-z
  • 发表时间：
    2017-01
  • 期刊：
    Front. Phys.
  • 影响因子：
    --
  • 作者：
    Chang-Hai Tian;刘宗华
  • 通讯作者：
    刘宗华
企业社会责任、员工—企业认同和员工绩效的关系
  • DOI：
    10.14134/j.cnki.cn33-1337/c.2017.01.015
  • 发表时间：
    2017
  • 期刊：
    浙江工商大学学报
  • 影响因子：
    --
  • 作者：
    刘宗华;李燕萍;郑馨怡
  • 通讯作者：
    郑馨怡
mTOR Inhibition Potentiates Cytotoxicity of Vγ4 γδ T Cells via Pp-regulating NKG2D and TNF-α.
mTOR 抑制通过 Pp 调节 NKG2D 和 TNF-α 增强 Vγ4 γδ T 细胞的细胞毒性。
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    Journal of Leukocyte Biology
  • 影响因子：
    5.5
  • 作者：
    曹广超;王倩;黎光强;Ziyu Meng;Hui Liu;童吉宇;黄婉君;刘宗华;贾彦琼;Jun Wei;迟洪波;杨恒文;Liqing Zhao;Zhenzhou Wu;郝健磊;尹芝南
  • 通讯作者：
    尹芝南
高承诺工作系统与知识分享的关系:内部人身份感知和工作嵌入的作用
  • DOI：
    10.13253/j.cnki.ddjjgl.2017.07.009
  • 发表时间：
    2017
  • 期刊：
    当代经济管理
  • 影响因子：
    --
  • 作者：
    刘宗华;李燕萍;郑馨怡
  • 通讯作者：
    郑馨怡

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

刘宗华的其他基金

基于大脑静息态网络与认知网络的有限时间自持振荡的研究
  • 批准号：
    12175070
  • 批准年份：
    2021
  • 资助金额：
    63 万元
  • 项目类别：
    面上项目
基于复杂网络与耦合振子的大脑认知与记忆机制探讨
  • 批准号：
    11675056
  • 批准年份：
    2016
  • 资助金额：
    58.0 万元
  • 项目类别：
    面上项目
基于神经元物理链接网的信号识别与传输
  • 批准号：
    11375066
  • 批准年份：
    2013
  • 资助金额：
    72.0 万元
  • 项目类别：
    面上项目
复杂网络上的输运动力学及相关的统计物理学基础
  • 批准号：
    11135001
  • 批准年份：
    2011
  • 资助金额：
    260.0 万元
  • 项目类别：
    重点项目
复杂网络上热能与物质传输的动力学研究
  • 批准号：
    10775052
  • 批准年份：
    2007
  • 资助金额：
    30.0 万元
  • 项目类别：
    面上项目
网络系统上的信息传播与空间相的研究
  • 批准号：
    10475027
  • 批准年份：
    2004
  • 资助金额：
    26.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码