计算生物学的基本挑战是了解生物系统的复杂动力学,和系统级方法,结合高通量实验数据与数学和计算建模成为一个全面的方法来研究这些系统的动力学。生物过程涉及的蛋白质复合物的交互特点,如随机性的持续时间和交互时间,最好被随机模型和常见的建模方法是使用随机微分方程组描述的生化反应网络的进化。随机模拟和随机控制最近用来推断蜂窝网络结构,研究细胞的决定和理解复杂的生物过程的动力学。

噪音是一个内在方面的生化网络的动力学。而解决的生化反应动力学平衡,很多不能建模的随机效应可能影响大的非线性动力学分析生化反应网络。最近的工作产生了新的见解生物系统的复杂动力学和控制流程驱动它们的动态变化。

这个特殊问题的目的是吸引原始研究的贡献和动力系统综合评价分析,随机建模和控制理论专注于动力系统分析方法(随机微分方程、分岔分析和混沌行为,和multitime随机方法),生物系统的建模和分析(发育动力学、细胞分化和免疫系统动力学),和控制的生物过程(随机控制分析、细胞决策过程、转录、翻译、和表观遗传控制)。

我们鼓励提交的理论以及应用生物系统的动力分析调查,分岔分析,生物系统和混沌行为,网络动力学分析,随机反应网络与时间尺度分离,生物网络的数值方法进行模拟和分析。

潜在的主题包括但不限于以下:

• 动力系统和系统生物学
• 分岔分析生物系统
• 生物系统的混沌行为
• 生物系统的随机微分方程进行分析
• 利用时变多尺度模型细胞动力学过程
• Multitime系统动力学分析的方法
• Multitime进化和生物系统的最优控制
• 稳态动力学的数值计算方法
• 数值方法的大规模模拟生化网络动力学