求冰霞 李 宏* 王鈺安 李文康 陶 蒙 陳豐農(nóng) 陳 潔

1(杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，杭州 310018)2(上海交通大學(xué)醫(yī)學(xué)院第九人民醫(yī)院，上海 200031)

組織工程軟骨培養(yǎng)的細(xì)胞自動(dòng)機(jī)算法模型與優(yōu)化

求冰霞1李 宏1*王鈺安1李文康1陶 蒙1陳豐農(nóng)1陳 潔2

1(杭州電子科技大學(xué)生命信息與儀器工程學(xué)院，杭州 310018)2(上海交通大學(xué)醫(yī)學(xué)院第九人民醫(yī)院，上海 200031)

建立一個(gè)基于細(xì)胞自動(dòng)機(jī)算法的軟骨細(xì)胞和干細(xì)胞體外動(dòng)態(tài)培養(yǎng)數(shù)學(xué)模型，并進(jìn)行模擬計(jì)算與優(yōu)化，為組織工程軟骨的體外培養(yǎng)控制軟件的編寫提供理論依據(jù)。建立細(xì)胞自動(dòng)機(jī)算法模型，采用軟骨細(xì)胞和軟骨干細(xì)胞作為研究對(duì)象進(jìn)行Matlab仿真實(shí)驗(yàn)。實(shí)驗(yàn)分為3組，每組各自設(shè)置空白對(duì)照組、快速擴(kuò)增組、力學(xué)刺激組、擴(kuò)增與力學(xué)刺激復(fù)合培養(yǎng)組?？瞻讓?duì)照組的結(jié)果顯示，軟骨細(xì)胞和干細(xì)胞誘導(dǎo)軟骨細(xì)胞的細(xì)胞占空間區(qū)域分別為51%和45%；綜合考慮細(xì)胞生長(zhǎng)情況，軟骨細(xì)胞培養(yǎng)最佳壓強(qiáng)施加大小為100 kPa；干細(xì)胞誘導(dǎo)培養(yǎng)最佳壓強(qiáng)施加大小為15 kPa。運(yùn)用細(xì)胞自動(dòng)機(jī)算法建立的數(shù)學(xué)模型來(lái)動(dòng)態(tài)培養(yǎng)軟骨細(xì)胞，可以為體外生物反應(yīng)器控制軟件的編寫提供理論依據(jù)，對(duì)于組織工程培養(yǎng)軟骨組織及其他器官培養(yǎng)是一種有效的可供參考的方法。

組織工程；仿真；細(xì)胞自動(dòng)機(jī)算法；軟骨細(xì)胞

引言

組織工程技術(shù)為體外培養(yǎng)構(gòu)建工程化軟骨帶來(lái)了希望，而靜態(tài)培養(yǎng)的組織工程軟骨存在力學(xué)性能差、形態(tài)不完整、質(zhì)量和安全性難以控制等問(wèn)題[1-2]；研究發(fā)現(xiàn)，適當(dāng)?shù)牧W(xué)刺激對(duì)于軟骨細(xì)胞基質(zhì)分泌、軟骨組織塑形具有良好的調(diào)控作用[3]，組織工程軟骨生物反應(yīng)器的開發(fā)能為軟骨組織的體外培養(yǎng)提供生物的和力學(xué)的環(huán)境，目前，采用軟骨生物反應(yīng)器培養(yǎng)的軟骨組織在力學(xué)性能和形態(tài)上有明顯的改善[4]，但是，軟骨生物反應(yīng)器控制軟件由于缺乏良好的控制算法而使得軟骨生物反應(yīng)器的培養(yǎng)效果不理想，所以，尋求一種智能優(yōu)化算法對(duì)于完善軟骨生物反應(yīng)器具有重要的意義。

目前已有研究采用數(shù)學(xué)方法來(lái)解決組織工程方面的問(wèn)題，許多數(shù)學(xué)算法被運(yùn)用到這一方面。遺傳算法是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法，但遺傳算法并不能完美模擬細(xì)胞的生長(zhǎng)方式，只是給出了一種最優(yōu)細(xì)胞培養(yǎng)環(huán)境。神經(jīng)網(wǎng)絡(luò)算法是由大量的簡(jiǎn)單基本元件相互聯(lián)接而成的自適應(yīng)非線性動(dòng)態(tài)系統(tǒng)算法，具有很強(qiáng)的非線性擬合能力及強(qiáng)大的自學(xué)習(xí)能力，但存在的問(wèn)題是難以分析神經(jīng)網(wǎng)絡(luò)的各項(xiàng)性能指標(biāo)，學(xué)習(xí)時(shí)間較長(zhǎng)，對(duì)實(shí)例模型和網(wǎng)絡(luò)模型之間的矛盾難以解決等。當(dāng)數(shù)據(jù)不充分的時(shí)候，神經(jīng)網(wǎng)絡(luò)算法運(yùn)行起來(lái)就比較困難[5-6]。蟻群算法也是一種進(jìn)化優(yōu)化的算法,但由于該算法是一種概率型算法，算法中參數(shù)的設(shè)定通常依靠實(shí)驗(yàn)方法得到，而與人的經(jīng)驗(yàn)值關(guān)系不大，因此運(yùn)用蟻群算法很難使系統(tǒng)的性能達(dá)到最優(yōu)[7-8]。

利用細(xì)胞自動(dòng)機(jī)算法，可以模擬解決各種各樣的復(fù)雜事物的演化過(guò)程。Liu等運(yùn)用細(xì)胞自動(dòng)機(jī)算法建立的模型可以用來(lái)處理醫(yī)學(xué)圖像[9]。刁元波使用細(xì)胞自動(dòng)機(jī)構(gòu)建了生物序列的離散模型，對(duì)細(xì)胞信號(hào)網(wǎng)絡(luò)中具有關(guān)鍵作用的跨膜蛋白進(jìn)行了拓?fù)浣Y(jié)構(gòu)預(yù)測(cè)[10]。在生物學(xué)中，細(xì)胞自動(dòng)機(jī)算法也已有了一定的發(fā)展，像腫瘤生長(zhǎng)[11]、生物病毒仿真[12]以及菌落的生長(zhǎng)[13]等。對(duì)于細(xì)胞的增長(zhǎng)模式，正是在外界環(huán)境及自身內(nèi)部結(jié)構(gòu)的影響下，細(xì)胞之間及周圍環(huán)境相互作用所決定的。因此，采用細(xì)胞自動(dòng)機(jī)算法來(lái)模擬組織工程軟骨的培養(yǎng)就比較合適。

1 材料與方法

1.1 模型建立

假設(shè)營(yíng)養(yǎng)液在注入空間區(qū)域后隨機(jī)流動(dòng)，充分體現(xiàn)營(yíng)養(yǎng)液的流動(dòng)性質(zhì)。即營(yíng)養(yǎng)液微粒隨機(jī)分布在培養(yǎng)區(qū)域中，保證每個(gè)細(xì)胞生長(zhǎng)概率一樣。

細(xì)胞生長(zhǎng)的空間區(qū)域用一個(gè)二維四方格區(qū)域L=(Lx×Ly)表示，其中(Lx,Ly∈Z)。一個(gè)細(xì)胞用區(qū)域中的一個(gè)元胞空間表示，其位置為(Lx,Ly)，營(yíng)養(yǎng)微粒和代謝微粒同樣用一個(gè)元胞空間表示。初始階段，細(xì)胞隨機(jī)的分布在網(wǎng)格區(qū)域，處于自身代謝狀態(tài)，在吸收營(yíng)養(yǎng)微粒之后，便開始進(jìn)行狀態(tài)的轉(zhuǎn)變——增殖、代謝、死亡。

模擬實(shí)驗(yàn)中，在沒有吸收到營(yíng)養(yǎng)時(shí)細(xì)胞處于自身代謝狀態(tài)，稱之為普通狀態(tài)細(xì)胞。此狀態(tài)下細(xì)胞將會(huì)進(jìn)行周期性的自身代謝，自身代謝消耗存儲(chǔ)的營(yíng)養(yǎng)物質(zhì)，如果始終得不到營(yíng)養(yǎng)微粒的補(bǔ)充，那么細(xì)胞死亡；如果吸收了營(yíng)養(yǎng)微粒，細(xì)胞狀態(tài)就會(huì)激活，進(jìn)入增殖狀態(tài)，這時(shí)如果在該細(xì)胞周圍格子氣區(qū)域有空位，就增殖為兩個(gè)細(xì)胞，分裂后細(xì)胞進(jìn)入普通狀態(tài)。此后，若周圍格子氣區(qū)域存在營(yíng)養(yǎng)微粒，則細(xì)胞可以吸收營(yíng)養(yǎng)進(jìn)入下次繁殖周期，否則進(jìn)入潛生階段(潛生階段為細(xì)胞饑餓狀態(tài)，在此期間如果有營(yíng)養(yǎng)微粒到來(lái)，可以吸收轉(zhuǎn)變?yōu)槠胀ǖ淖陨泶x狀態(tài)，否則死亡)。

定義細(xì)胞的4種狀態(tài)空間分別為F=0,2,3,4，其中0—空，2—自代謝狀態(tài)，3—增殖狀態(tài)，4—潛生狀態(tài)。Ft+1(x,y)表示轉(zhuǎn)換后的細(xì)胞狀態(tài)，F(xiàn)t(x,y)表示轉(zhuǎn)化前的細(xì)胞狀態(tài)。tf為細(xì)胞在吸收了營(yíng)養(yǎng)微粒后的等待代謝時(shí)間。n(x,y)為格子氣區(qū)域的營(yíng)養(yǎng)微粒個(gè)數(shù)。模型的細(xì)胞狀態(tài)轉(zhuǎn)變方程為

Ft+1(x,y)=

在此轉(zhuǎn)變方程的基礎(chǔ)上，加入外部受力，外部壓強(qiáng)的大小影響到代謝時(shí)間tf的長(zhǎng)短，進(jìn)而影響細(xì)胞代謝和擴(kuò)增速率。所以在算法中加入代謝時(shí)間tf的影響。細(xì)胞的增殖效果，會(huì)由于tf的長(zhǎng)短而發(fā)生改變。

躁狂,是神志失常的一種證侯。多因肝經(jīng)熱盛;或痰火上擾;陽(yáng)明熱盛,熱擾心神;或穢濁上干;血蓄下焦,瘀熱上沖等所致。在臨床治療的實(shí)踐中,多采取藥物聯(lián)合的方式予以治療。根據(jù)國(guó)內(nèi)相關(guān)研究結(jié)果表明,采用利培酮聯(lián)合碳酸鋰治療躁狂具有很好的療效,本文結(jié)合本院在2015年5月到2017年5月期間收治的32例躁狂患者作為研究對(duì)象,對(duì)此展開研究,現(xiàn)報(bào)道如下:

細(xì)胞在轉(zhuǎn)化規(guī)則的控制下完成其自身狀態(tài)的改變，所有細(xì)胞的協(xié)同行為便形成一定的生物模式，因此利用自動(dòng)機(jī)算法建成了一個(gè)軟骨細(xì)胞培養(yǎng)模型。

1.2 實(shí)驗(yàn)方法

采用Matlab仿真軟件，通過(guò)矩陣和圖像的相互轉(zhuǎn)換對(duì)細(xì)胞生長(zhǎng)模型進(jìn)行實(shí)驗(yàn)仿真。在Matlab中，利用矩陣，將初始時(shí)刻的自身代謝狀態(tài)的細(xì)胞隨機(jī)分布在培養(yǎng)區(qū)域。然后，在此矩陣基礎(chǔ)上建立起細(xì)胞自動(dòng)機(jī)模型，并將營(yíng)養(yǎng)微粒隨機(jī)分布于矩陣中。之后，細(xì)胞就會(huì)按照細(xì)胞生長(zhǎng)模型進(jìn)行繁殖、生長(zhǎng)，最后以圖像的形式顯示出來(lái)。

首先設(shè)定軟骨組織結(jié)構(gòu)的力學(xué)性能和初始培養(yǎng)環(huán)境，根據(jù)對(duì)象的不同實(shí)驗(yàn)分為3組，分別為空白對(duì)照組、軟骨細(xì)胞培養(yǎng)組和干細(xì)胞誘導(dǎo)培養(yǎng)組。第1組為空白對(duì)照組，空白對(duì)照組不施加壓強(qiáng)，分別對(duì)軟骨細(xì)胞和干細(xì)胞進(jìn)行培養(yǎng)。第2組為軟骨細(xì)胞培養(yǎng)組，分成A、B、C等3個(gè)小組，施加初始?jí)簭?qiáng)為55 kPa，之后每次依次增加22.5 kPa，培養(yǎng)方法為：令A(yù)組規(guī)模最大化增長(zhǎng)，不考慮細(xì)胞的增長(zhǎng)模式是否健康、所繁殖軟骨細(xì)胞性能是否最佳；對(duì)B組施加壓強(qiáng)，不考慮軟骨細(xì)胞的增長(zhǎng)速度和規(guī)模；C組綜合考慮，同時(shí)增加壓強(qiáng)刺激又考慮增長(zhǎng)規(guī)?？烨叶?；第3組是干細(xì)胞誘導(dǎo)成軟骨細(xì)胞培養(yǎng)，分成D、E、F等3個(gè)小組，初始?jí)簭?qiáng)為5 kPa，之后每次依次增加5 kPa，實(shí)驗(yàn)條件和培養(yǎng)方法與第2組相同。

對(duì)于每組仿真，其培養(yǎng)環(huán)境是相同的，仿真的循環(huán)周期也是相同的，確保每種仿真細(xì)胞生長(zhǎng)的時(shí)間相同，可充分體現(xiàn)壓強(qiáng)的影響。每組仿真反饋了不同的信息，通過(guò)圖像顯示出來(lái)。

2 結(jié)果

在模擬仿真中，培養(yǎng)區(qū)域?yàn)?00×100的二維區(qū)域空間，即有100×100個(gè)元胞空間供細(xì)胞、營(yíng)養(yǎng)微粒、代謝微粒占據(jù)。圖形中紅色代表細(xì)胞，藍(lán)色代表營(yíng)養(yǎng)液微粒，深藍(lán)色代表空的元胞空間，黑色代表細(xì)胞繁殖過(guò)程中的代謝微粒。

2.1 空白對(duì)照組

圖1 無(wú)壓強(qiáng)作用下的干細(xì)胞培養(yǎng)生長(zhǎng)過(guò)程。 (a)100 h; (b)300 h; (c)500 hFig.1 Stem cells grow in the case of no mechanical force. (a)100 h; (b)300 h; (c)500 h

圖2 無(wú)壓強(qiáng)作用下的軟骨細(xì)胞培養(yǎng)生長(zhǎng)過(guò)程。 (a)100 h; (b)300 h; (c)500 hFig.2 Chondrocytes grow in the case of no mechanical force. (a)100 h; (b)300 h; (c)500 h

2.2 軟骨培養(yǎng)組

實(shí)驗(yàn)中，對(duì)軟骨細(xì)胞施加55 kPa的壓強(qiáng)，可得到明顯促進(jìn)細(xì)胞生長(zhǎng)的效果。在55 kPa為初始受力條件下，每次依次增加22.5 kPa，隨著壓強(qiáng)的增加，細(xì)胞增殖效果與壓強(qiáng)大小呈線性正相關(guān)關(guān)系，但當(dāng)壓強(qiáng)超過(guò)122.5 kPa時(shí)，細(xì)胞增殖過(guò)程開始惡化。仿真結(jié)果顯示，綜合考慮細(xì)胞生長(zhǎng)時(shí)(同時(shí)增加壓強(qiáng)刺激又考慮增長(zhǎng)規(guī)?？烨掖?所施加的壓強(qiáng)為100 kPa。

圖3顯示壓強(qiáng)122.5 kPa情況下，軟骨細(xì)胞生長(zhǎng)規(guī)模達(dá)到最大，體積占整個(gè)空間區(qū)域的90%；圖4顯示壓強(qiáng)大小為77.5 kPa時(shí)，軟骨細(xì)胞性能達(dá)到最佳，體積占整個(gè)空間區(qū)域的69%；圖5顯示壓強(qiáng)大小為100 kPa情況下，軟骨細(xì)胞綜合生長(zhǎng)達(dá)到最優(yōu)，體積占整個(gè)空間區(qū)域的81%。此外，還可以發(fā)現(xiàn)逐漸加大壓強(qiáng)對(duì)軟骨細(xì)胞生長(zhǎng)的影響，圖6、7分別為施加壓強(qiáng)77.5和150 kPa情況下的軟骨細(xì)胞生長(zhǎng)情況，細(xì)胞最終所占空間區(qū)域?yàn)?2%和66%。

圖3 122.5 kPa作用下軟骨細(xì)胞生長(zhǎng)最大化過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.3 Chondrocytes expansion process under 122.5 kPa. (a)100 h; (b)300 h; (c)500 h

圖4 77.5 kPa作用下軟骨細(xì)胞性能最優(yōu)生長(zhǎng)過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.4 Chondrocytes optimal performance growth process under 177.5 kPa. (a)100 h; (b)300 h; (c)500 h

圖5 100 kPa作用下軟骨細(xì)胞綜合生長(zhǎng)最優(yōu)過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.5 Chondrocytes comprehensive growth process under 100 kPa. (a)100 h; (b)300 h; (c)500 h

圖6 壓強(qiáng)77.5 kPa作用下軟骨細(xì)胞培養(yǎng)生長(zhǎng)過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.6 Chondrocytes growth process under 77.5 kPa. (a)100 h; (b)300 h; (c)500 h

圖7 壓強(qiáng)150 kPa作用下軟骨細(xì)胞培養(yǎng)生長(zhǎng)過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.7 Chondrocytes growth process under 150 kPa. (a)100 h; (b)300 h; (c)500 h

2.3 干細(xì)胞誘導(dǎo)培養(yǎng)組

實(shí)驗(yàn)中，對(duì)干細(xì)胞施加5 kPa的壓強(qiáng)，可得到明顯促進(jìn)細(xì)胞生長(zhǎng)的效果。在5 kPa為初始受力條件下，每次依次增加5 kPa力，可得到如下結(jié)果：在壓強(qiáng)為20 kPa時(shí)細(xì)胞生長(zhǎng)情況最好，繼續(xù)增加壓強(qiáng)到25 kPa時(shí)細(xì)胞生長(zhǎng)情況轉(zhuǎn)壞。在誘導(dǎo)成軟骨細(xì)胞后，施加壓強(qiáng)122.5 kPa(第2組軟骨細(xì)胞培養(yǎng)中的最佳壓強(qiáng)大小)進(jìn)行培養(yǎng)。仿真結(jié)果顯示，綜合考慮細(xì)胞生長(zhǎng)時(shí)，干細(xì)胞培養(yǎng)階段壓強(qiáng)應(yīng)為15 kPa，軟骨細(xì)胞培養(yǎng)階段壓強(qiáng)應(yīng)為100 kPa。

圖8顯示壓強(qiáng)20 kPa時(shí)，軟骨干細(xì)胞生長(zhǎng)規(guī)模達(dá)到最大，體積占空間區(qū)域的86%；圖9顯示壓強(qiáng)10 kPa的情況下，軟骨干細(xì)胞的細(xì)胞性能達(dá)到最優(yōu)，體積占空間區(qū)域的67%；圖10顯示壓強(qiáng)大小為15 kPa情況下，軟骨干細(xì)胞綜合生長(zhǎng)達(dá)到最優(yōu)，體積占空間區(qū)域的75%。此外，還可以發(fā)現(xiàn)逐漸加大壓強(qiáng)對(duì)干細(xì)胞生長(zhǎng)的影響，圖11、12為壓強(qiáng)5和25 kPa時(shí)的生長(zhǎng)情況，細(xì)胞最終所占空間區(qū)域大小為54%和75%。

圖8 20 kPa作用下干細(xì)胞生長(zhǎng)最大化過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.8 Stem cells rapid expansion process under 20 kPa. (a)100 h; (b)300 h; (c)500 h

圖9 10 kPa作用下干細(xì)胞性能最優(yōu)過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.9 Stem cells optimal performance growth process under 10 kPa. (a)100 h; (b)300 h; (c)500 h

圖10 15kPa作用下干細(xì)胞綜合生長(zhǎng)最優(yōu)過(guò)程。(a)100 h; (b)300 h; (c)500 hFig.10 Stem cells comprehensive growth process under 15 kPa. (a)100 h; (b)300 h; (c)500 h

圖11 5 kPa作用下干細(xì)胞生長(zhǎng)情況過(guò)程。 (a)100 h; (b)300 h; (c)500 hFig.11 Stem cells growth process under 5 kPa. (a)100 h; (b)300 h; (c)500 h

圖12 25 kPa作用下軟骨細(xì)胞生長(zhǎng)情況過(guò)程。 (a)100 h; (b)300 h; (c)500 hFig.12 Chondrocytes growth process in 25 kPa. (a)100 h; (b)300 h; (c)500 h

3 討論和結(jié)論

在這一系列仿真中，通過(guò)3組的模擬和比較，可以得出組織軟骨的最佳培養(yǎng)策略。對(duì)于第2組和第3組，可以看到隨著壓強(qiáng)的增大，組織的生長(zhǎng)情況越來(lái)越好，但當(dāng)壓強(qiáng)增大到一定數(shù)值時(shí)，就達(dá)到促進(jìn)組織生長(zhǎng)的極限效果，繼續(xù)增大壓強(qiáng)，就會(huì)導(dǎo)致組織結(jié)構(gòu)發(fā)生破壞，這是因?yàn)檫^(guò)大的受力和擠壓導(dǎo)致細(xì)胞間相互作用被破壞，細(xì)胞表面結(jié)構(gòu)損壞，進(jìn)而導(dǎo)致細(xì)胞之間的黏性發(fā)生損傷，甚至可能導(dǎo)致細(xì)胞的破裂。

第2組和第3組比較，可以得出力學(xué)因素誘導(dǎo)干細(xì)胞為軟骨細(xì)胞的過(guò)程和影響，為虛擬仿真誘導(dǎo)干細(xì)胞培養(yǎng)軟骨組織提供控制理論依據(jù)，這為組織及其他器官培養(yǎng)提供了虛擬培養(yǎng)方法，利用算法虛擬培養(yǎng)可以節(jié)省培養(yǎng)成本，提高效率。

運(yùn)用細(xì)胞自動(dòng)機(jī)算法建立的數(shù)學(xué)模型來(lái)虛擬動(dòng)態(tài)培養(yǎng)軟骨細(xì)胞，可以很好地控制外界培養(yǎng)條件，實(shí)現(xiàn)對(duì)關(guān)鍵參數(shù)的控制和優(yōu)化，獲得了最佳的培養(yǎng)效果，為完善組織工程軟骨生物反應(yīng)器智能軟件的編寫提供理論依據(jù)，這是一種非常有效的方法。

[1] Matsiko A, Levingstone TJ, O'Brien FJ. Advanced strategies for articular cartilage defect repair[J]. Materials, 2013, 6(2): 637-668.

[2] 楊波,張安,曹峻嶺. 組織工程修復(fù)關(guān)節(jié)軟骨損傷研究進(jìn)展[J]. 國(guó)外醫(yī)學(xué)(醫(yī)學(xué)地理分冊(cè)),2007,1:1-6.

[3] 李正章,程應(yīng)樟,吳險(xiǎn)峰,等. 周期性壓力培養(yǎng)對(duì)兔骨髓間充質(zhì)干細(xì)胞增殖的影響[J]. 中國(guó)組織工程研究與臨床康復(fù),2009,19:3628-3632.

[4] Couet F, Mantovani D. How to optimize maturation in a bioreactor for vascular tissue engineering: focus on a decision algorithm for experimental planning [J]. Annals of Biomedical Engineering,2010, 38(9): 2877-2884.

[5] 趙其剛，李群湛，彭虎.小波神經(jīng)網(wǎng)絡(luò)在NGN流量預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程，2006,32(16):20-22.

[6] 柳松青. MATLAB神經(jīng)網(wǎng)絡(luò)BP網(wǎng)絡(luò)研究與應(yīng)用[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2003,11:81-83,88.

[7] 閔克學(xué)，葛宏偉，張毅，等.基于蟻群和粒子群優(yōu)化的混合算法求解TSP問(wèn)題[J].吉林大學(xué)學(xué)報(bào), 2006,24(4):402-405.

[8] 詹士昌，徐婕，吳俊蟻. 群算法中有關(guān)算法參數(shù)的最優(yōu)選擇[J].科技通報(bào)，2003,19(5)：381-386.

[9] 刁元波. 復(fù)雜網(wǎng)絡(luò)理論和細(xì)胞自動(dòng)機(jī)在生物信息學(xué)中的應(yīng)用研究[D]. 成都：四川大學(xué),2007.

[10] 黃文高，潘志庚.人工生命在計(jì)算機(jī)圖形學(xué)中的應(yīng)用[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005,17(7):1383-1388.

[11] 劉天慶，卜葛丹，程坊，等. 神經(jīng)干細(xì)胞球生長(zhǎng)動(dòng)力學(xué)模型[J].中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)，2006,25(6):708-716.

[12] 馮海林. 生物病毒復(fù)雜系統(tǒng)定性仿真研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué),2007.

[13] 趙峰, 陶祖萊. 生物模式的元胞自動(dòng)機(jī)模型 (Ⅱ): 菌落的生長(zhǎng)模式[J]. 生物醫(yī)學(xué)工程學(xué)雜志, 2007, 24(4): 820-823.

The Cellular Automata Model and Optimization Algorithm of Tissue Engineering Cartilage

Qiu Bingxia1Li Hong1*Wang Yu′an1Li Wenkang1Tao Meng1Chen Fengnong1Chen Jie2

1(CollegeofLifeInformationScience&InstrumentEngineering,HangzhouDianziUniversity,Hangzhou310018,China)2(TheNinthPeople′sHospital,CollegeofMedicine,ShanghaiJiaotongUniversity，Shanghai200031,China)

tissue engineering; simulation; cellular automata algorithm; cartilage cells

10.3969/j.issn.0258-8021. 2016. 02.018

2015-06-10， 錄用日期:2015-10-20

上海自然科學(xué)基金項(xiàng)目 (09ZR1432700)

R318

A

0258-8021(2016) 02-0252-05

*通信作者(Corresponding author)， E-mail: lihong@hdu.edu.cn