摘要
秀丽线虫具有生命周期短、神经结构规模小、行为丰富等实验优势，是一种简单且理想的模式生物。经过数十年的研究，秀丽线虫神经系统中全部神经元和完整神经系统的连接图谱已经被详细描述。但是目前秀丽线虫神经系统的很多电生理学数据依然缺失，比如突触的兴奋与抑制性、连接强度，这也是利用其解剖模型进行行为建模和分析的主要障碍之一。本文利用脉冲神经元和秀丽线虫的生物神经系统架构，构建秀丽线虫脉冲神经网络模型，并利用改进后的遗传算法优化网络参数，实现轻触应激行为和趋化行为，可为研究秀丽线虫神经系统产生行为的机理提供参考。本文具体工作如下： 1.对秀丽线虫神经系统建模的常见方法是使用前馈人工神经网络模型或者与线虫特定行为相关的局部神经系统模型，这些模型无论在神经元特性还是网络拓扑结构上都不符合生物神经系统的特性，并且对局部神经网络的建模不能体现线虫神经系统的交叉连通性。此外，越来越多的生物研究发现了线虫神经元能够发放动作电位的证据。因此，本文基于秀丽线虫的生物神经系统，采用脉冲神经元模型，构建秀丽线虫脉冲神经网络模型。模型中神经元之间的连接关系完全按照真实线虫的神经系统架构，包含302个神经元和全部突触连接。将神经元之间的双向连接分为两个单独的单向连接，则该模型共有5907个未知的神经元连接系数。该脉冲神经网络模型含有大量的反馈连接和长短程连接，拓扑结构与秀丽线虫神经系统保持一致，并且神经元模型符合生物神经元动态变化的特性，因此本文构建的网络模型与真实线虫的神经系统有更高的相似度。 2.将秀丽线虫受到的环境刺激模拟为上述脉冲神经网络模型的输入序列，将线虫受到环境刺激所产生的运动模拟为该脉冲神经网络模型的目标输出序列，秀丽线虫的行为可以通过该脉冲神经网络模型的输入序列和目标输出序列表示。通过上述方法，本文分别对秀丽线虫的轻触应激行为和趋化行为进行建模。通过改进后的遗传算法优化秀丽线虫脉冲神经网络模型的参数，使网络的实际输出序列拟合目标输出序列。最终使得该秀丽线虫脉冲神经网络模型能够模拟这两种线虫行为。 3.上述脉冲神经网络模型对线虫行为的学习过程可以理解为该模型的参数优化过程。由于该脉冲神经网络模型不是具有层级结构的前馈神经网络模型，无法通过按层反向传播误差的梯度对模型参数进行优化。经典的遗传算法适用于任何模型的参数优化，由于遗传算法的交叉操作在神经网络模型的参数优化过程中趋于破坏已经发现的特征，所以使用交叉概率不断衰减的遗传算法对该模型的5907个参数进行优化。本文通过实验论证上述参数优化方法的可行性。
NETL