近年來,隨著生物學的研究,由較基礎的基因或蛋白質的分析,演變成較大整體組織的探討,為了進一步了解整個系統生物學的奧妙,我們用簡單的數學模 型去描述重要的生物網絡,並且驗證這些模型可以預測生物體的運作。 在此我們研究兩個議題,其一是在免疫系統中,細胞如何正確地分辨外來的訊號,以便有效殺死病毒,透過動態校正(Kinetic proofreading) 的模型我們知道細胞分辨的錯誤率小於10-6的機制,此篇用馬可夫鏈(Markov Chain)的模型取代動態校正,我們將得到一個更靈活且機動性的模型。其二是推廣大腸桿菌的乳糖調控系統,在極小化誤差負擔率(minimal error load)下,系統會如何選擇調控的機制,我們將之推廣至三個輸入狀態(input state),只要知道輸入狀態是受到催化劑(activator)或者受到抑壓劑(repressor)的調控,即可馬上得到乳糖調控系統會選擇哪一個機制。