1140. Cello J., Paul A.V., Wimmer E. Chemical synthesis of poliovirus cDNA: Generation of infectious virus in the absence of natural template // Science. 2002. V.297. P.1016–1018.
1141. Chin J.W. Programming and engineering biological networks // Curr. Opin. Struct. Biol. 2006. V.16. P.551–556.
1142. Elowitz M.B., Leibler S. A synthetic oscillatory network of transcriptional regulators // Nature. 2000. V.403. P.335–338.
1143. Elowitz M.B., Levine A.J., Siggia E.D., Swain P.S. Stochastic gene expression in a single cell // Science. 2002. V.297. P.1183–1186.
1144. Endy D. Foundations for engineering biology // Nature. 2005. V.438. P.449–453. 1145. Feng X.J., et al. Optimizing genetic circuits by global sensitivity analysis //
Biophys. J. 2004. V.87. P.2195–2202.
1146. Kolisnychenko V., Plunkett III G., Herring C.D., Feher T., Posfai J., Blattner F.R., Posfai G. Engineering a reduced Escherichia coli genome // Genome Res. 2002. V.12. P.640–647.
1147. Marchisio M.A., Stelling J. Computational design of synthetic gene circuits with composable parts // Bioinformatics. 2008. V.24. P.1903-1910.
1148. Morimoto T., Kadoya R., Endo K., Tohata M., Sawada K., Liu S., Ozawa T., Kodama T., Kakeshita H., Kageyama Y., et al. Enhanced Recombinant Protein Productivity by Genome Reduction in Bacillus subtilis // DNA Res. 2008. V.15. P.7381.
1149. Seet B.T., Dikic I., Zhou M.M., Pawson T. Reading protein modifications with interaction domains // Nat. Rev. Mol. Cell Biol. 2006. V.7. P.473–483.
1150. Chen L., Aihara K. A model of periodic oscillation for genetic regulatory systems // IEEE Trans. Circuits Syst. I. 2002. V.49. P.1429-1436.
1151. Chen L., Wang R., Kobayashi T., Aihara K. Dynamics of gene regulatory networks with cell division cycles // Phys. Rev. E. 2004. V.70. P.1-13.
1152. Crosthwaite S.K., Dunlap J.C., Loros J.J. Neurospora wc-1 and wc-2: transcription, photoresponses, and the origin of circadian rhythmicity // Science. 1997. V.276. P.763-769.
1153. Dunlap J.C. Molecular bases for circadian clocks // Cell. 1999. V.96. P.271-290.
171
1154. Leloup J., Gonze D., Goldbeter A. Limit cycle models for circadian rhythms based on transcription regulation in Drosophila and Neurospora // J. Biol. Rhythms. 1999. V.19. P.10-21.
1155. Belair J., Campbell S.A., Driessche P. Frustration, stability, and delay-induced oscillations in a neural network model // SIAM J. Appl. Math. 1996. V.56. P.245-255.
1156. Deng Y., Ding M., Feng J. Synchronization in stochastic coupled systems: theoretical results // J. Phys. A: Math. Gen. 2004. V.37. P.2163-2173.
1157. Elowitz M.B., Leibler S. Asynthetic oscillatory network of transcriptional regulators // Nature. 2000. V.403. P.335-338.
1158. Garcia-Ojalvo J., Elowitz M., Strogatz S.H. Modeling a synthetic multicellular clock: repressilators coupled by quorum sensing // PNAS. 2004. V.101. P.1095510960.
1159. Goldbeter A. Amodel for circadian oscillations in the Drosophila period protein (PER) // Proc. R. Soc. Lond. B. 1995. V.261. P.319-324.
1160. Golden S.S., Ishiura M., Johnson C.H., Kondo T. Cyanobacterial circadian rhythms // Annu. Rev. Plant. Physiol. Plant. Mol. Biol. 1997. V.48. P.327-354.
1161. Kunz H., Achermann P. Simulation of circadian rhythm generation in the suprachiasmatic nucleus with locally coupled self-sustained oscillators // J. Theor. Biol. 2003. V.224. P.63-78.
1162. Malpel S., Klarsfeld A., Rouyer F. Circadian synchronization and rhythmicity in larval photoperceptiondefective mutation of Drosophila // J. Biol. Rhythms. 2004. V.19. P.10-21.
1163. McMillen D., Kopell N., Hasty J., Collins J.J. Synchronizing genetic relaxation oscillators by intercell signaling // PNAS. 2002. V.99. P.679-684.
1164. Pecora L.M., Carrol T.L. Master stability functions for synchronized coupled systems // Phys. Rev. Lett. 1998. V.80. P.2105-2109.
1165. Pikovsky A., Rosenblum M., Kurths J. Synchronization: AUniversal Concept in Nonlinear Sciences. Cambridge, UK: Cambridge University Press, 2001.
1166. Taga M.E., Bassler B.L. Chemical communication among bacteria // PNAS. 2003. V.100. P.14549-14554.
172
1167. Ueda H., Hirose K., Iino M. Intercellular coupling mechanism for synchronized and noise-resistant circadian oscillators // J. Theor. Biol. 2002. V.216. P.501-512.
1168. Wang R., Chen L. Synchronizing Genetic Oscillators by Signaling Molecules // J. Biol. Rhythms. 2005. V.20. P.257-269.
1169. Wang R., Jing Z., Chen L. Modelling periodic oscillation in gene regulatory networks by cyclic feedback networks // Bull. Math. Biol. 2004. V.67. P.339-367.
1170. Wang R., Zhou T., Jing Z., Chen L. Modelling periodic oscillation of biological systems with multiple time scale networks // Syst. Biol. 2004. V.1. P.71-84.
1171. Winfree A.T. The Geometry of Biological Time. Berlin: Springer-Verlag, 2000. 1172. Weiss R., Knight T.F. Engineering communications for microbial robotics //
DNA6. 2000.
1173. Heinlein M. Plasmodesmata: dynamic regulation and role in macromolecular cell- to-cell signaling // Curr. Opin. Plant. Biol. 2002. V.5. P.543-552.
1174. Perbal B. Communication is the key // Cell Commun. Signaling. 2003. V.1. P.1-4. 1175. Chen L.,Wang R., Zhou T., Aihara K. Noise-induced cooperative behavior in a multi-cell system // Proceedings of IEEE International Symposium on Circuits and
Systems. 2005.
173
5. Наноинформатика
Развитие бионанотехнологий ставит перед компьютерными науками широкий спектр новых задач. Это моделирование наноустройств и их отдельных узлов на этапе разработки, симуляция работы наноустройств, управление наносистемами и т.д.
Существенное внимание уделяется исследованиям, направленным на создание алгоритмов, моделей и симуляторов для разработки наноустройств на биохимическим уровне. На сегодняшний день разработано несколько симуляторов для биохимических реакций (см. [1] – [6]). В работах [7], [8] предложены алгоритмы анализа некоторых аспектов взаимодействия молекул ДНК. В [9] – [12] описан ряд подходов к моделированию поведения одиночной последовательности ДНК на основе метода Монте-Карло. Методы моделирования РНК рассматривались в работах [13] – [15]. В [16] – [23] разработаны алгоритмы вычисления концентрации молекул ДНК в зависимости от возможных реакций. Большое внимание уделяется исследованию различных моделей полимеризации ДНК [24] – [47]. В работах [48] – [54] исследуются вопросы моделирования ДНК на основе броуновской динамики. Рассматривался также вопрос о моделировании событий: гибридизации, дегибридизации, перемещения [55].
На основе анализа молекулярной коммуникации естественных молекулярных систем (см. [56] – [58]) разрабатываются модели молекулярной коммуникации для искусственных молекулярных систем и наноустройств (см. [59] – [62]).
Весьма важным представляется рассмотрение вопросов разработки,
моделирования и управления на уровне, абстрагирующемся от биохимической природы явлений, поскольку это позволяет оперировать общими понятиями для ДНК наномеханических устройств и обычных механических роботов. Это позволяет привлечь для разработки наномеханических устройств модели классической робототехники. При этом следует отметить, что в отдельных случаях возможен полный перенос существующих робототехнических моделей на наноуровень, а в некоторых случаях необходима существенная ревизия, добавляющая в модели принципиально новые краски. Не ставя перед собой задачу дать полный анализ применимости существующих робототехнических теорий к наномеханическим устройствам, мы остановимся лишь на нескольких концепциях с акцентом на различия между
174
макроуровнем и наноуровнем. В частности, для разработки систем управления и коммуникации для наномеханических устройств представляют существенный интерес соответствующие модели теории искусственного интеллекта, относящиеся к так называемому Bottom – Up AI. В первую очередь к числу таких моделей следует отнести
модели искусственного интеллекта на основе локальных предпочтений
(см. [63] – [68]);
системы реактивного управления, применяемые для разработки архитектуры автономных систем роботов, функционирующих под контролем распределенных систем управления (см. [69] – [79]);
теория возникновения и эволюции языка и сознания как единой адаптивной динамической системы (см. [80] – [83]);
теория самоорганизующихся языков (см. [84] – [89]);
исследования в области ассоциации символьной и аналоговой информации (см. [90] – [98]);
теория возникновения предпочтений и функциональности (см. [99] – [108]);
теория автономности и автономных агентов (см. [109] – [114]).
Раздел искусственного интеллекта Bottom – Up AI по своей идейной направленности совпадает с нанотехнологиями, поскольку в обоих случаях распространение управления предполагается снизу вверх. Однако перенос моделей
Bottom – Up AI на системы наномеханических роботов сопряжен с довольно серьезными трудностями. Основная трудность заключается в том, что формирование новых знаний и/или адаптация имеющихся приведет к изменению физических параметров наномеханических устройств: если изменение содержимого карты памяти обычного робота на может существенно повлиять на механические характеристики устройства, то в случае наномеханического робота произойдет изменение атомно-
молекулярной структуры, с которым желательно считаться. Другая важная проблема связана с тем, что генетический материал весьма подвержен точечным мутациям.
Соответственно невозможно построить эффективную систему управления ДНК наномеханическим роботом, исходя из предположения, что самопроизвольное
175