Eliminating fast reactions in stochastic simulations of biochemical networks: a bistable genetic switch
在生物化学反应网络的许多随机模拟中，需要“粗粒度”反应集，去除快速反应，同时保留正确的系统动力学。已经提出了各种粗粒化方法，但仍然不清楚哪些方法是可靠的，哪些反应可以安全地消除。我们解决这些问题的模型基因调控网络，是特别敏感的动态波动：一个双稳态遗传开关。我们删除蛋白质-DNA和/或蛋白质-蛋白质缔合-解离反应的反应集，使用各种粗粒化策略。我们确定对稳态概率分布函数和波动驱动的开关翻转过渡的速率的影响。我们发现，蛋白质相互作用可以安全地从反应集中消除，但蛋白质-DNA相互作用可能不会。我们还发现，重要的是使用化学主方程，而不是宏观速率方程来计算有效的倾向函数的粗粒度反应。
2007-11-28 q-bio.MN q-bio.QM
Robustly simulating biochemical reaction kinetics using multi-level Monte Carlo approaches
在这项工作中，我们考虑的问题，估计汇总统计量来确定感兴趣的生化反应网络。这种网络通常使用化学主方程（CME）的框架来描述。对于物理现实模型，CME被广泛认为是分析上难以处理的。因此，已经开发了各种蒙特卡罗算法来经验性地探索这种网络的动态。其中之一是多水平方法，它使用不同精度的样本路径的多个集合的估计来估计感兴趣的汇总统计量。{In在这项工作中，我们在两个方向上开发了多级方法：（1）为了增加多级方法的鲁棒性、可靠性和性能，我们实现了用于生成每个系综的样本路径的改进的方差减少方法;以及（2）为了提高计算性能，我们展示了用于选择哪些系综应该包括在多级算法中的不同机制的成功使用。
2018-11-26 q-bio.QM
A parallelizable sampling method for parameter inference of large biochemical reaction models
发展生物系统的机械模型是系统生物学的核心部分。在开发这些模型的一个主要任务是正确的模型参数的推断。由于大多数现实模型的大小和它们可能复杂的动力学行为，通常必须依赖于基于样本的方法。在本文中，我们提出了一种新的算法，可靠地估计模型参数的确定性以及随机模型的轨迹数据。我们的算法从似然的水平集中迭代地采样独立的粒子，并从这些水平集中恢复后验。该方法易于并行化，并利用Dirichlet过程高斯混合模型的密度估计，可以处理高维参数空间。我们说明，我们的算法是适用于大型，现实的确定性和随机模型，并成功地推断出正确的后，从一个给定数量的观测轨迹。该算法提出了一种新的，计算上可行的方法来识别基于样本路径数据的大型生化反应模型的参数。
2016-06-27 q-bio.QM
Parameter Identification for Markov Models of Biochemical Reactions
提出了一种生物过程马尔可夫模型中参数推断的数值方法。基于一个过程的时间序列数据，我们通过最大化数据的可能性来估计动力学速率常数。的可能性的计算依赖于马尔可夫模型的离散状态空间的动态抽象，成功地缓解了状态空间的大的问题。我们比较了我们的方法的两个变种，以国家的最先进的，最近发表的方法，并证明了他们的实用性和效率的几个案例研究从系统生物学。
2011-02-14 cs.CE q-bio.QM
UQSA -- An R-Package for Uncertainty Quantification and Sensitivity Analysis for Biochemical Reaction Network Models
KTH Royal Institute of Technology（皇家理工学院）；ICERM（应用数学跨学科研究中心）；Brown University（布朗大学）；Chalmers University of Technology（查尔姆斯理工大学）；AstraZeneca（阿斯利康）
针对生化反应网络模型的不确定性，开发了R包UQSA，集成MCMC采样与Vine-copulas进行不确定性量化和敏感性分析，支持多种采样算法，适用于多种反应网络。
2026-09-22 q-bio.QM q-bio.SC
StochDecomp - Matlab package for noise decomposition in stochastic biochemical systems
在细胞水平上，随机性是生物化学过程不可缺少的一个方面。关于噪声如何进入并在生化系统中传播的研究为我们提供了对随机性起源的重要见解，但总的来说，它们构成了不同理论分析的拼凑。在这里，我们提出了一个灵活的和普遍适用的噪声分解工具，使我们能够计算单个反应的系统的输出的总的可变性的贡献。因此，通过该软件包，可以量化噪声如何进入生化系统并在其中传播。我们还证明和验证使用JAK-STAT信号通路，它是可能的，直接从实验数据推断噪声的贡献，从个人的反应。这是第一个允许将噪声分解为单个反应所产生的贡献的计算工具。
2013-08-14 q-bio.MN q-bio.QM
A passivity-based stability criterion for a class of interconnected systems and applications to biochemical reaction networks
研究了一类由生化反应网络驱动的关联非线性系统的稳定性问题。其中一个主要结果确定了网络的全局渐近稳定性的对角稳定性的“耗散矩阵”，其中包括信息的无源属性的子系统，网络的互连结构，和互联条款的迹象。这个稳定性测试包括我们以前的论文中提出的循环网络的“割线准则”，并将其扩展到由图表示的一般互连结构。第二个主要结果允许容纳状态产品。这种扩展使得新的稳定性准则适用于更广泛的一类模型，即使在循环系统的情况下。新的稳定性测试上的丝裂原活化蛋白激酶（MAPK）级联模型，并在一个分支的互连结构的动机代谢网络。最后，另一个结果解决了稳定性的鲁棒性的存在下，扩散项在一个房室系统的相同的系统。
2007-05-22 q-bio.QM
A Dimension Reduction Method for Inferring Biochemical Networks
本文提出了一种扩展的代数统计方法，用于从实验数据推断生化反应网络，最近在[3]中提出。这种扩展使我们能够分析不一定是全维的反应网络，即，它们的化学计量空间的维数小于物种的数量。具体来说，我们建议增加原始的代数统计算法的网络推理与预处理步骤，确定正确的反应向量所跨越的子空间，在空间内跨越的物种。该降维步骤基于输入数据的主成分分析及其与由候选反应向量集生成的各种子空间的关系。仿真例子来说明在实现这种方法所涉及的主要思想，并评估其性能。
2009-02-25 q-bio.MN q-bio.QM
Nonlinear Biochemical Signal Processing via Noise Propagation
由于细胞内生化反应的随机性，单细胞研究通常显示出显著的表型变异性。当分子的数量，例如，转录因子和调节酶的丰度低，生化活性的波动变得显著，并且这种“噪音”可以通过生化反应网络的调节级联传播。在这里，我们开发了一个直观的，但完全定量方法，用于分析噪声如何影响细胞表型的基础上确定系统的非线性和噪声传播。我们观察到，这种噪声可以同时提高一个行为区域的敏感性，同时降低另一个行为区域的敏感性。利用这种新现象，我们设计了三个生化信号处理模块：（a）一个基因调控网络，作为一个浓度检测器，具有增强的幅度和灵敏度。(b)一个非合作的正反馈系统，在确定性的情况下，具有分级的剂量反应，由于噪声诱导的双峰，作为一个开关。(c)用于基因调控的噪声诱导线性放大器，其不需要反馈。在目前的工作中开发的方法允许一个理解和工程师的非线性生化信号处理器的基础上波动诱导的表型。
2013-09-10 q-bio.MN q-bio.QM q-bio.SC
Systematic model reduction captures the dynamics of extrinsic noise in biochemical subnetworks
我们考虑的一般问题描述的动态子网络的较大的生化反应网络，例如蛋白质相互作用网络涉及复杂的形成和解离反应。我们建议使用模型简化策略来理解网络其余部分所产生的随机性的“外在”来源。我们的方法是基于投影方法和路径积分导出的子网络动力学方程。结果提供了一个原则性的推导的不同组成部分的外在噪声，实验观察到在细胞的生化反应，超过和以上的内在噪声的随机性的生化事件在子网中。我们探索了几个中间近似系统地评估不同的外在噪声分量的相对重要性，包括初始瞬态，长时间的高原，时间相关性，乘性噪声项和非线性噪声传播。最好的近似实现一个简单的蛋白质网络和表皮生长因子受体信号网络的定量测试中的出色的准确性。
2020-07-01 q-bio.MN q-bio.QM
Bayesian Inference for Jump-Diffusion Approximations of Biochemical Reaction Networks
本文针对生化反应网络的多尺度特性，提出基于跳-扩散近似和分块Gibbs粒子平滑的贝叶斯推断算法，通过序贯Monte Carlo状态推断与参数推断，实现对隐藏状态和参数的联合估计。
2023-04-13 q-bio.MN q-bio.QM stat.ME
Stochasticity or Noise in Biochemical Reactions
即使当细胞处于同质环境中时，跨同基因细胞群体的基因表达的异质性也可以引起表型多样性。这种多样性源于生物化学反应的离散性和随机性，而这种生物化学反应是由于单个细胞中基因、RNA或蛋白质分子的数量非常少而自然产生的。对单个生物分子的现代测量已经创造了关于这些分子波动的大量信息，但是对这些复杂的随机系统的定量理解需要精确的计算工具。在这篇文章中，我们提出了必要的现代工具来模拟生物系统中的变异性，并将模型结果与实验数据进行比较。我们回顾了化学主方程和方法来解决离散数量的生物分子的概率分布。我们讨论了如何使用基于似然的方法将概率分布拟合到单细胞数据。最后，我们提供了拟合离散随机模型的例子，以单分子荧光原位杂交数据，定量在细菌和酵母细胞群体的RNA水平。
2017-08-30 q-bio.MN q-bio.QM
Kinetic Monte Carlo Method for Rule-based Modeling of Biochemical Networks
我们提出了一种动力学蒙特卡罗方法来模拟化学反应规则所指定的化学转化，这些规则可以被看作是化学反应的生成器，或者等价地，反应类的定义。一个规则确定了参与转化的分子成分，这些成分如何变化，影响转化是否发生的条件，以及速率定律。与传统的模拟方法不同，该方法的计算成本与可能反应的数量无关，不需要事先指定或在模拟中明确生成。为了证明该方法，我们应用它来研究多价配体-受体相互作用的动力学。我们希望这种方法将有助于研究细胞信号系统和其他物理系统涉及聚集现象。
2008-08-22 q-bio.MN q-bio.QM
Stochastic simulation of biochemical systems with randomly fluctuating rate constants
在单酶反应的实验研究中，有人提出酶促反应的速率常数根据给定的分布随机波动。为了量化随机速率常数所产生的不确定性，有必要研究如何模拟这样的生化系统。要做到这一点，我们将采取Gillespie的随机模拟算法模拟化学系统的状态的演变，并研究修改的算法，将随机速率常数。除了模拟每个反应步骤的等待时间外，改进的算法还涉及模拟每个反应时间的速率常数的随机波动。我们认为修改后的算法在一个一般的框架，然后专门为两个对比的物理模型，其中一个波动发生在一个更快的时间尺度比反应步骤，和其他的波动发生得更慢。后一种情况被施加到单酶反应系统，部分使用Metropolis-Hastings算法来制定给定的分布上的随机速率常数。修改后的算法产生的仿真输出，证实了实验结果。人们希望，这种修改后的算法可以随后被用来作为一种工具，在系统中使用实验数据的参数估计或校准。
2012-02-06 q-bio.MN q-bio.QM
BioMETA: A multiple specification parameter estimation system for stochastic biochemical models
随机生化系统所表现出的固有行为变异性使得人类专家手动分析它们成为一项具有挑战性的任务。这种系统的计算建模有助于调查和预测潜在的生化过程的行为，但同时引入了几个未知参数的存在。在这种情况下面临的一个关键挑战是根据已知的行为规范确定这些未知参数的值。到目前为止，已经提出的解决方案针对单个规范来估计给定模型的参数，而当用单个参数值集实例化时，正确的模型被期望满足所有行为规范。我们提出了一种新的方法，BioMETA，来解决这个问题，使得一组参数值导致参数化的随机生化模型，以满足所有给定的概率时序逻辑行为规范同时。我们的方法是基于多假设检验的统计模型检查技术与模拟退火搜索相结合，寻找一组参数值，使给定的参数化模型满足多个概率行为规范。我们研究了两个随机规则为基础的模型的生化受体，即Fc $ε$ RI和T细胞作为我们的基准来评估所提出的方法的有用性。我们的实验结果成功地估计$26$参数的Fc $ε$ RI和$29$参数的T细胞受体模型对三个概率时序逻辑行为规范。
2020-01-05 q-bio.MN q-bio.QM
Efficient simulation techniques for biochemical reaction networks
离散状态，连续时间马尔可夫模型在生物化学过程的建模中变得越来越普遍。这种模型所导致的数学公式是不透明的，并且由于其复杂性，通常被认为是难以分析的。因此，已经开发了各种蒙特卡罗模拟算法来经验性地探索模型动态。虽然众所周知的方法，如吉莱斯皮算法，可以实现调查一个给定的模型，传统的模拟技术的计算需求仍然是一个重大的障碍，现代研究。为了进一步开发和探索生物相关的随机模型，需要新的和有效的计算方法。在这篇论文中，高性能的模拟算法被开发出来估计概括统计量，概括一个选定的反应网络。该算法利用方差减少技术，利用模型动态的统计特性，以提高性能。多水平方法是方差缩减技术的一个示例。该方法通过使用不同精度的样本路径的多个集合的估计来估计混合良好的空间均质模型的汇总统计量。在这篇论文中，多层次的方法是在三个方向发展：首先，一个细致入微的实施框架进行了描述;其次，一个重新制定的方法适用于刚性反应系统;最后，不同的方法来减少方差的实施和比较。支持多层次方法的方差缩减方法，然后重新用于了解空间扩展马尔可夫模型的动态是如何影响其输入参数的变化。通过利用空间扩展模型的固有动力学，一个有效的有限差分格式被用来估计参数灵敏度鲁棒。
2017-10-30 q-bio.QM
Coarse-graining stochastic biochemical networks: quasi-stationary approximation and fast simulations using a stochastic path integral technique
我们提出了一种通用的方法，分析和快速模拟刚性随机生化动力学网络，这取决于消除快速化学物种没有损失的信息介观，非泊松波动的缓慢。我们的方法，这是类似于量子力学中的玻恩-奥本海默近似，遵循从随机路径积分表示的反应事件的全计数统计（也称为累积生成函数）。在具有少量化学反应的应用中，该方法产生慢变量之间的化学通量的时刻的解析表达式。这允许生化系统的低维、可解释的表示，其可以用于具有小计算复杂度和高精度的粗粒度数值模拟方案。作为一个例子，我们考虑一个链的生化反应，推导出其粗粒度的描述，并表明，Gillespie模拟的原始刚性系统，粗粒度的模拟，和完整的分析处理是在一个协议，但粗粒度的模拟速度比Gillespie模拟三个数量级。
2008-08-29 cond-mat.stat-mech physics.bio-ph q-bio.MN
A mathematical framework to study organising principles in graphical representations of biochemical processes
University of Rostock（罗斯托克大学）；Christian-Albrechts-University（克里斯蒂安-阿尔布莱希特大学）；Leibniz-Institute for Food Systems Biology（莱布尼茨食品系统生物研究所）；Technical University of Munich（慕尼黑工业大学）；Stellenbosch Institute for Advanced Study（斯泰伦博斯高等研究院）
本文提出一种基于范畴论的数学框架，用于研究生物化学过程图形表示中的组织原则，通过结构化余弦理论构建双范畴，实现生物化学反应网络的可组合性和抽象能力。
2026-01-23 math.CT q-bio.MN q-bio.QM
A Query-Response Causal Analysis of Reaction Events in Biochemical Reaction Networks
该研究提出一种利用生化反应网络事件经验统计量识别因果关联反应子序列的查询-响应框架，通过5个基因反应网络模型的7组实验验证了其有效性，且实现了数据处理流程的近乎全自动化。
2023-06-17 q-bio.MN q-bio.QM
Designing Experiments to Understand the Variability in Biochemical Reaction Networks
利用由生物过程的分子噪声提供的信息已被证明在从单细胞测量中提取关于基础动力学参数和变异性来源的知识方面是有价值的。然而，先验地量化这种额外的信息，以决定单细胞实验是否可能是有益的，目前仅可能在非常简单的系统中，其中化学主方程在计算上是易处理的，或者高斯近似是适当的。在这里，我们展示了如何分布测量提供的信息可以近似的基础过程的前四个时刻。推导出的公式一般是有效的任何随机动力学模型，包括模型，包括内在和外在的噪声。这使我们能够提出一个最佳的实验设计框架，异质性细胞群体，我们采用双报告和扰动实验分离外在和内在的噪音在一个简单的模型基因表达的效用进行比较。随后，我们比较了不同的实验，已在工程光开关基因表达系统在酵母中进行的信息内容，并表明，精心选择的基因诱导模式可以让一个识别功能的系统，仍然隐藏在计划外的实验。
2013-04-04 q-bio.QM
On Projection-Based Model Reduction of Biochemical Networks-- Part II: The Stochastic Case
Imperial College London（伦敦帝国理工学院）；University of Oxford（牛津大学）
本文研究了随机生物化学网络的降阶问题，提出基于投影的降阶方法，保留部分节点的物理意义，平衡降阶精度与物理解释。
2014-03-24 cs.SY eess.SY math.OC
Decomposing Noise in Biochemical Signalling Systems Highlights the Role of Protein Degradation
在过去的几十年里，生物化学过程中的随机性现象一直吸引着生命科学家。我们现在知道，活细胞在某些情况下利用随机性，在另一些情况下抵消随机效应。生物分子系统中内在随机性的来源是个体反应的随机定时，其累积地驱动此类系统的输出的可变性。尽管活细胞功能的随机性的相关性是公认的，但还没有提出严格的方法来精确地识别变异性的来源。在本文中，我们提出了一种新的方法，使我们能够计算到一个系统的输出的可变性的个别反应的贡献。我们证明，一些反应有显着不同的影响比其他噪音。令人惊讶的是，在作为信号转导近似模型的开放转换系统中，输出的退化贡献了总噪声的一半。我们还证明了退化在其他相关系统中的重要性，并提出了一种退化反馈控制机制，具有有效的噪声抑制能力。我们的方法应用到一些研究充分的生化系统，如：基因表达，Michaelis-Menten酶动力学，和p53系统表明，我们的方法揭示了一个前所未有的洞察生化系统的变异性的起源。对于许多系统的分析分解是不可用的，因此，该方法已被实现为一个Matlab软件包，并可从作者的要求。
2011-06-08 q-bio.CB q-bio.QM
Dynamic Information Transfer in Stochastic Biochemical Networks
我们开发了数值和分析方法来计算嵌入到一个更大的反应网络中的两个分子组分的完整路径之间的互信息。特别是，我们专注于一个连续时间马尔可夫链形式主义，经常用来描述涉及低丰度分子物种的细胞内过程。在此之前，我们已经展示了当两个分子组分直接相互作用而没有中间分子组分存在时，如何计算这样的系统的路径互信息。在这项工作中，我们将这种方法推广到涉及任意数量的分子组件的生化网络。我们提出了一个有效的蒙特卡罗方法以及分析近似计算的路径互信息，并显示它可以被分解成一对转移熵，捕获两个网络组件之间的因果信息流。我们应用我们的方法来研究一个简单的三节点前馈网络中的信息传输，以及一个更复杂的正反馈系统，两个亚稳态模式之间的随机切换。
2022-08-08 q-bio.MN q-bio.QM
Push-forward method for piecewise deterministic biochemical simulations
生物化学网络可以通过一组常微分方程（ODE）在充分搅拌的反应器条件下，对于大量的分子和频繁的反应进行模拟。当一些分子种类数量较少并且改变它们的反应不频繁时，这不再是一个稳健的表示。在这种情况下，离散随机事件触发了生化网络的平滑确定性动力学的变化。分段确定性马尔可夫过程（Pests）非常适合描述这种情况。虽然PSTs模型现在在生物学中已经很好地建立，但这些模型在计算上仍然具有挑战性。以前，我们已经介绍了向前推的方法来计算概率测度是如何传播的确定性ODE流的PDMP，通过使用相应的半群的解析表达式。在本文中，我们提供了一个更一般的模拟算法，也适用于不可积系统。该方法可用于基础生物学、生物技术和生物计算中的生化模拟。这项工作是CMSB 2019会议上提出的工作的扩展版本。
2021-02-12 q-bio.MN q-bio.QM
Stochastic analysis of biochemical reaction networks with absolute concentration robustness
最近已经表明，反应网络上的结构条件，而不是系统参数的“微调”，通常足以在广泛的一类生物相关的、确定性建模的质量作用系统上赋予“绝对浓度鲁棒性"[Shinar和Feinberg，Science，2010]。我们在这里表明，根本不同的结论，这种系统的长期行为达成，如果系统，而不是随机动力学和离散状态空间建模。具体来说，我们描述了一大类模型，表现出收敛到一个积极的鲁棒平衡的确定性设置，而相应的随机模型的轨迹必然被吸收的一组状态，驻留在边界上的状态空间，即系统经历了灭绝事件。如果灭绝的时间相对于系统的相关时间尺度来说很大，那么在不可避免的灭绝发生之前，这个过程就会出现稳定的分布。这种准平稳分布被认为是两个系统从文献中，和结果一致的绝对浓度的鲁棒性恢复表明，准平稳分布的强大的物种接近泊松分布。
2014-01-16 math.PR q-bio.MN q-bio.QM
Reconstructing biochemical cluster networks
在化学和生物学中的基本问题的动机，我们研究集群图所产生的一组初态$S\subseteq\Z^n_+$和一组转换/反应$M\subseteq\Z^n_+\times\Z^n_+$。簇是由可以通过一系列可逆转变相互转化的状态形成的。我们提供了一个解决方案的方法，从计算交换代数，允许决定是否两个给定的状态属于同一个集群，以及重建的完整的集群图。使用聚类图方法，我们提供了两个基本问题的解决方案：1）决定两个状态是否连接，例如，如果初态可以通过一系列转变为最终状态，以及2）简明地列出可以实现这一点的所有反应过程。作为一个计算的例子，我们将该框架应用于高锰酸盐/草酸反应。
2011-06-24 math.AC q-bio.QM
Exact Parallelization of the Stochastic Simulation Algorithm for Scalable Simulation of Large Biochemical Networks
对细胞整个生物化学过程的全面模拟具有巨大的潜力，可以帮助医生治疗疾病，帮助工程师设计生物机器。但这样的模拟必须模拟数百万种分子种类和反应的网络。随机模拟算法（SSA）被广泛用于模拟生物化学过程，特别是那些种群数量很小，离散性和随机性起着重要作用的系统。然而，现有的串行SSA方法对于全面的网络来说是非常慢的，并且现有的并行SSA方法使用周期性同步，牺牲了精度。为了实现快速，准确和可扩展的生物化学模拟，我们提出了一个精确的并行算法SSA的生化网络划分成许多SSA的过程，并行模拟。我们的并行SSA算法正是协调这些SSA过程和物种之间的相互作用，他们共享的状态，通过构造算法作为一个并行离散事件模拟（DES）的应用程序，并使用一个乐观的并行DES模拟器同步的相互作用。我们预计，我们的方法将实现前所未有的生化模拟。
2020-05-20 cs.DC cs.DS q-bio.MN
Simplicity of Completion Time Distributions for Common Complex Biochemical Processes
生化过程通常涉及大量的单个可逆步骤，每个步骤都有自己的动力学速率常数。例如，动力学校正过程依赖于许多顺序反应，以保证特定大分子的精确构建。在这项工作中，我们研究了这些系统的瞬态特性，并充分表征其首次通过（完成）的时间分布。特别是，我们提供了明确的表达式的平均值和方差的动力学校对过程和计算分析更复杂的生化系统的完成时间。我们发现，对于广泛的参数范围内，随着系统规模的增长，完成时间的行为简化：它成为确定性或指数分布，与两个政权之间的一个非常狭窄的过渡。在这两种情况下，整个系统的动力学复杂性与其明显的结构复杂性相比微不足道。类似的简单性很可能出现在许多复杂的多步生化过程的动力学中。特别是，这些发现表明，人们不仅可能无法从宏观观察中理解单个基元反应，而且这种理解可能是不必要的。
2009-08-28 cond-mat.stat-mech q-bio.MN q-bio.QM
Optimal signal processing in small stochastic biochemical networks
我们量化了转录调控网络的拓扑结构对其处理环境信号能力的影响。通过从信息论的角度提出这个问题，我们可以做到这一点，而不必具体说明网络所执行的功能。具体而言，我们研究的输入（化学）信号和输出（遗传）响应可达到的网络的背景下的粒子数波动的分析模型之间的最大互信息。我们对所有生化回路进行这种分析，包括各种反馈回路，这些回路可以由3种化学物质组成，每种化学物质都受一个调节器的控制。我们发现，一个通用的网络，限制到低分子数量和合理的响应时间，可以存储更多的信息比一个简单的二进制开关，事实上，设法实现接近最佳的信息传输保真度。这些高信息的解决方案是强大的十倍的变化，在大多数网络的生化参数;此外，他们更容易实现在网络中包含的周期与奇数负调节器（整体负反馈），由于其减少分子噪声（结果，我们推导分析）。最后，我们证明了单个电路可以支持多个高信息解决方案。这些发现表明了“串扰”困境的潜在解决方案，以及先前无法解释的观察结果，即经历蛋白水解的转录因子更可能是自动抑制的。
2006-12-21 q-bio.MN q-bio.QM
Analytical Equilibrium Solutions of Biochemical Systems with Synthesis and Degradation
利用其相关的网络结构分析生化反应的定性行为已被证明在生物学的不同分支中是有用的。作为我们以前工作的扩展，我们引入了一个基于图的框架来计算具有合成和降解的生化反应网络的稳态解。我们的方法是基于一个标记有向图$G$和相关的系统的线性非齐次微分方程的一阶退化和零阶综合。我们还提出了一个定理，提供了充要条件的动力学产生一个唯一的稳定的定态。虽然动态是线性的，但可以通过将非线性编码到边缘标签中来将该框架应用于非线性系统。我们回答公开的问题，从我们以前的工作有关的非正性的元素的逆扰动拉普拉斯矩阵。此外，我们提供了一个图形理论框架的计算这样的矩阵的逆。这也完成了我们之前的框架，使其成为纯图论的。最近，我们证明了这个框架的实用性，将其应用到胰岛素分泌的数学模型，通过离子通道和葡萄糖代谢在胰腺$β$ -细胞。
2014-04-25 math.CA math.DS q-bio.MN
Efficient Parallel Statistical Model Checking of Biochemical Networks
我们考虑的问题，验证生化网络的随机模型对时间逻辑术语表示的行为特性。精确的概率验证方法，例如CSL/PCTL模型检验，被巨大的计算需求所破坏，这使得它们被排除在大多数真实案例研究之外。要求较低的方法，如统计模型检验，通过从随机模型中抽样执行来估计满足属性的可能性。我们提出了一种方法，有效地估计的可能性，LTL属性P持有的随机模型的生化网络。与其他统计验证技术一样，我们提出的方法使用随机模拟算法来生成执行样本，但是有三个关键方面可以提高效率：首先，样本生成是由P的动态验证驱动的，这导致了最佳的整体模拟时间。其次，P保持概率的置信区间估计基于威尔逊方法的有效变体，可确保更快的收敛。第三，整个方法的设计，根据一个并行的方式和原型软件工具已经实施，并行执行采样/验证过程中的HPC架构。
2009-12-13 cs.CE cs.DC cs.LO
Fluctuation preserving coarse graining for biochemical systems
有限随机马尔可夫模型在生物化学途径建模中发挥着重要作用。此类模型是对底层微观动力学的粗粒度描述，并且可以被认为是介观的。粗粒化的程度在一定程度上是任意的，因为它取决于适应测量的分辨率。在这里，我们提出了一种方法来简化这样的随机描述，既保留了中观微观和中观宏观的连接。前者通过要求局部性来实现，后者通过考虑状态网络上的循环来实现。使用单个和多个实例，我们展示了我们的新方法如何比简单的方法更好地保留可观测量的波动。
2012-06-04 cond-mat.stat-mech physics.bio-ph q-bio.QM
Structured Projection-Based Model Reduction with Application to Stochastic Biochemical Networks
Montefiore Institute, University of Liège（列日大学蒙特菲奥尔研究所）；St John’s College, Oxford（牛津大学圣约翰学院）；Department of Engineering Science, University of Oxford（牛津大学工程科学系）
本文提出一种基于结构投影的降阶方法，用于简化线性噪声近似模型，并应用于酵母糖酵解途径的随机模型。
2015-10-20 cs.SY eess.SY math.OC
Coupling particle-based reaction-diffusion simulations with reservoirs mediated by reaction-diffusion PDEs
本研究开发了开放环境下基于粒子的反应扩散建模与数值方案，通过推导扩散粒子开放系统及二阶反应系统的均场，将基于粒子的反应扩散过程与反应扩散PDE一致耦合，以实现对与时间依赖且空间不均匀储层接触的开放生化系统的建模。
2020-05-29 physics.chem-ph physics.comp-ph q-bio.QM
Biological timekeeping in the presence of stochasticity
细胞周期中关键事件的因果顺序对于有机体的正常功能至关重要。然而，它仍然是一个谜，一个特定的时间程序的事件是如何保持尽管不可避免的随机性的生化动力学决定的时间细胞事件。我们提出，如果细胞命运的改变是由潜在的随机生化信号的{ \em时间积分}而不是原始信号触发的，则时间特异性结果的显著改善。精确的分析结果的沙漏计时器和时钟，生物计时的两个重要范例的随机模型，阐明如何通过时间积分实现时间特异性。在途中，我们引入了一个自然的表示随机过程的时间积分，提供了一个分析处方，用于评估相应的第一次通过时间分布，并揭示了一种机制，通过该机制，一个人口的相同的细胞可以自发地分叉成亚群的早期和晚期反应，这取决于层次的时间尺度的动态。此外，我们的方法揭示了如何通过一个简单的化学反应方案，可以实现生物化学的随机信号的时间积分。
2017-03-28 cond-mat.soft cond-mat.stat-mech q-bio.CB
Biochemical Oscillations in Delayed Negative Cyclic Feedback: Harmonic Balance Analysis with Applications
Department of Information Physics and Computing, The University of Tokyo（东京大学信息物理工学系）
提出基于多变量谐波平衡的理论框架，解析负循环反馈基因调控网络中振荡蛋白浓度的频率、相位和振幅，并应用于Pentilator和Hes7自抑制网络验证。
2012-12-27 cs.SY eess.SY math.OC
Approximation and inference methods for stochastic biochemical kinetics - a tutorial review
分子数的随机涨落在生物系统中普遍存在。重要的例子包括活细胞中的基因表达和酶过程。这些系统通常被建模为化学反应网络，其动力学由化学主方程控制。尽管其结构简单，但对于大多数系统来说，化学主方程式没有解析解。此外，随机模拟在计算上是昂贵的，使得系统分析和统计推断成为一项具有挑战性的任务。因此，近几十年来，人们在开发有效的近似和推理方法上花费了大量的努力。本文介绍了基本的建模概念以及最先进的方法的概述。首先，我们激励和介绍化学网络建模的确定性和随机性方法，并给出了模拟和精确解方法的概述。接下来，我们讨论了几种近似方法，包括化学Langevin方程，系统尺寸展开，矩封闭近似，时间尺度分离近似和混合方法。我们讨论了它们的各种属性，并回顾了这些方法的最新进展和剩余的挑战。我们提出了一个比较这些方法的数值案例研究的手段，并突出了各自的优点和缺点。最后，我们讨论了贝叶斯框架中的实验数据推断的问题，并回顾了最近的方法开发的文献。总之，这篇评论给出了一个独立的介绍随机化学动力学的建模，近似和推理方法。
2017-01-12 cond-mat.stat-mech physics.bio-ph q-bio.MN
