仿生机制算法——细胞吸引子模型（附Matlab代码）

从去年一月份第一次拿到相关论文至今年一月份，对于细胞吸引子选择模型也接触了一年的时间了。

其间阅读了相关的文献也不少，自己针对细胞吸引子模型也发表了一篇SCI，一篇EI，一篇专利。

所以想写一下细胞吸引子模型的总结。

背景介绍
在微生物学方面的研究成果表明，微生物细胞可以通过改变自身的基因表达行为来适应外部生存环境的改变，细胞的基因网络在多种内在的基因程序之间进行切换，使得细胞能够响应外部环境的噪声、产生新的代谢表型状态，进而适应新的生存环境条件。这些微生物细胞的生命行为通常由基因层次上的机制所调控。

以大肠杆菌为例（见下图），其细胞的基因调控网络的调控行为具有层次结构、稳定演变和动态自适应的特性。

什么是细胞吸引子模型？

吸引子选择模型是通过双吸引因子方程模拟动态营养环境下大肠杆菌细胞的新陈代谢的过程。通过细胞对于动态变化环境做出的适应性反应影响双吸引子的数值大小变化，完成决策过程。

当营养物质充足时，细胞的代谢旺盛，需要大量的mRNA进行基因的转录和蛋白质的合成，以维持细胞的正常生命活动。如果营养物质一直富余，则此状态会一直保持下去，使大肠杆菌的繁殖和生长更加活跃。当营养物质匮乏时，大肠杆菌的mRNA立即做出反应，使得细胞中的新陈代谢减弱，让细胞维持在一个适合该环境的状态下，从而使细胞灵活应对动态变化的外界环境。

吸引子选择模型中存在两个吸引因子，即$m_1$和$m_2$，每个吸引因子代表了当时环境下大肠杆菌细胞内的两种mRNA浓度或者他们的蛋白质产量。为了对该机制进行数学表征，研究者们借助了耦合微分方程进行建模，引入了随机噪声项，从而提出了吸引子选择模型（Attractor Selection Model， ASM）：

⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪dm1dt=S(A)1+m22−D(A)×m1+