生物PEPA

在这项工作中,我们提出了Bio-PEPA,一个用于生化网络建模和分析的过程代数。它是对PEPA的改进,最初是为计算机系统的性能分析而定义的,目的是处理生物模型的某些特性,如化学计量和一般动力学定律的使用。Bio-PEPA可以看作是生物系统的一种中间的、形式化的组成表示,可以对其进行不同类型的分析。Bio-PEPA丰富了一些等价的概念,特别是PEPA的同构和强互模拟已经被考虑并扩展到我们的语言中。最后,我们展示了一个生物模型到新语言的翻译,并报告了一些分析结果。


zbMATH中的参考文献(参考 102篇文章,1标准件)

显示102个结果中的1到20个。
按年份排序(引用)
  1. Luca Bortolussi;Hillston,Jane;Loreti,Michele:《广播系统的流体近似》(2020)
  2. Boreale,Michele:代数,余代数和多项式微分方程中的极小化(2019)
  3. Cardelli,Luca;Tribastone,Mirco;Tchaikowski,Max;Vandin,Andrea:微分等效的符号计算(2019年)
  4. Júlvez,Jorge;Oliver,Stephen G.:柔性网络:不确定参数动态系统的建模形式(2019)
  5. Sanguinetti,Guido(编辑);Huynh Thu,V–n Anh(编辑):基因调控网络。方法和方案(2019年)
  6. Toro,Mauricio:基于个体的生态系统建模的形式语言概述(2019)
  7. Baier,Christel;de Alfaro,Luca;Forejt,Vojtěch;Kwiatkowska,Marta:模型检验概率系统(2018)
  8. Andrej Aderhold;Husmeier,Dirk;Grzegorczyk,Marco:半机械模型中的近似贝叶斯推理(2017)
  9. Boreale,Michele:代数,余代数和多项式微分方程中的极小化(2017)
  10. Giannakis,Konstantinos;Andronikos,Theodore:用于模拟生物分子过程的膜自动机(2017)
  11. Grzegorczyk,Marco;Aderhold,Andrej;Husmeier,Dirk:以直接路径非平衡热力学积分为目标的Bayes因子(2017)
  12. Bortolussi,Luca:Markov种群模型的混合行为(2016)
  13. Bortolussi,Luca;Gast,Nicolas:超越常微分方程的平均场极限(2016)
  14. Bortolussi,Luca;Milios,Dimitrios;Sanguinetti,Guido:不确定连续时间马尔可夫链的平滑模型检验(2016)
  15. Cardelli,Luca;Tribastone,Mirco;Tchaikowski,Max;Vandin,Andrea:微分等效的符号计算(2016)
  16. Colvin,Robert J.:使用混合过程代数建模和分析神经网络(2016)
  17. DěD,T.;Нafránek,D.;Troják,M.;Klement,M.;Slagovič,J.;Brim,L.:Kappa和BNGL中语义的形式生化空间(2016)
  18. Hillston,Jane:集体适应系统的定量分析(2016)
  19. Olatet,C.;Chiarugi,D.;Falaschi,M.;Hermith,D.:生化系统时空依赖性的证明理论观点(2016)
  20. Vandin,Andrea;Tribastone,Mirco:集体适应系统的定量抽象(2016)

更多出版物请访问:http://homepages.inf.ed.ac.uk/jeh/Bio-PEPA/References.html