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
Algebraic Methods for Inferring Biochemical Networks: a Maximum Likelihood Approach
我们提出了一种新的方法，用于确定一个生化反应网络的基础上，在相应的反应速率方程从各种（可能不同）的实验到达多套估计的反应速率。目前的方法，不像一些在文献中提出的图形方法，使用的实验测量值仅相对于生化反应的几何形状的假设下，基本的反应网络是相同的所有的实验。所提出的方法利用代数统计方法，以参数化的一组可能的反应，以确定最有可能的网络结构，并很容易扩展到非常复杂的生化系统，涉及大量的物种和反应。该方法示出了一个假设的网络形式的“传质”型模型的数值例子。
2008-10-04 q-bio.MN q-bio.QM stat.AP
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
Identification in models of biochemical reactions
我们介绍，分析，并实现了一种新的方法，用于常微分方程系统的参数识别，用于建模的生化反应集。我们的方法依赖于积分公式的常微分方程系统和线性最小二乘法应用到积分方程。本文还介绍了这种方法的某些变体。
2003-11-18 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
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
Characterizing the non-monotonic behavior of mutual information along biochemical reaction cascades
本研究探讨了生化反应级联中稳态分子丰度间互信息非单调增加的条件与机制，指出其源于噪声传播与短时波动的时间平均，并强调稳态互信息无法有效表征细胞信息传递。
2024-08-08 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
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
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 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 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
Optimal first-passage time in gene regulatory networks
生物化学反应的固有概率性质和物种的低拷贝数可导致相同细胞中基因表达的随机性。结果，在诱导基因表达之后，达到特定蛋白质计数的时间也是随机的。因此，在关键蛋白质水平发生的事件将在其时间上看到随机性。首次通过时间（FPT），随机过程达到临界阈值的时间，提供了一个框架来模拟此类事件。在这里，我们研究FPT中的随机性。特别是，我们认为控制随机性是有利的事件。作为一种可能的调节机制，我们还研究了基因转录速率依赖于蛋白质计数的自调节对FPT随机性的影响。具体而言，我们调查的最佳自动调节，最大限度地减少随机性FPT，固定平均FPT和阈值。为此，我们在单细胞水平上对基因表达进行建模。我们发现的FPT的统计矩的模型参数的解析公式。此外，我们研究了具有自动调节的基因表达模型。有趣的是，我们的研究结果表明，在FPT的随机性，对于一个固定的平均值，是最小化时，转录率是独立的蛋白质计数。此外，我们讨论了由$λ$噬菌体病毒感染的\textit{E. coli}细胞的裂解时间的结果。最佳裂解时间为$λ$噬菌体提供了进化优势，这表明可能的调节以使其随机性最小化。我们的研究结果表明，没有负责溶解的蛋白质的自动调节。此外，与实验证据一致，我们的分析预测，裂解蛋白的表达应该有一个小的爆发大小。
2014-05-13 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
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
Colored extrinsic fluctuations and stochastic gene expression
细胞既利用又控制随机性。虽然生物化学中固有的内在随机性相对较好地理解，但细胞变异或“噪声”主要是由感兴趣的系统与细胞或其环境中的其他随机系统的相互作用产生的。这种外在波动是非特异性的，影响许多系统组件，并具有相当长的寿命，相当于细胞周期（它们是“有色的”）。在这里，我们扩展了标准的随机模拟算法，包括外在的波动。我们发现，这些波动影响平均蛋白质数量和内在噪声，可以加快典型的网络响应时间，并可以解释变化的高通量测量的趋势。如果网络的两个组成部分的外在波动是相关的，它们可能会相长地组合（相互放大）或相消地组合（相互衰减）。因此，我们预测，非相干前馈回路衰减随机性，而相干前馈放大it.Our结果表明，时间尺度的外在波动和它们的非特异性实质上影响生化网络的功能和性能。
2008-09-17 q-bio.MN q-bio.QM
Techniques of Model Reductions in Biochemical Cell Signaling Pathways
有许多生化细胞信号转导通路的数学模型，其中包含大量的元素（物种和反应）。这有时是识别关键模型元素和描述模型动态的一个大问题。因此，模型简化技术可以用作数学工具，以最小化变量和参数的数量。在这篇论文中，我们回顾了细胞信号转导通路模型降阶的一些著名方法。我们还开发了一些方法，使我们在模型简化方面向前迈出了一大步。这些技术是准稳态近似（QSSA），准平衡近似（QEA），集总的物种和熵产生分析。它们应用于具有microRNA机制的蛋白质翻译途径、化学反应网络、细胞外信号调节激酶（ERK）途径、NF κ B信号转导途径、延伸因子EFTu和EFT信号通路以及二氢叶酸还原酶（DHFR）途径。本论文的主要目的是简化复杂的细胞信号转导通路模型。这提供了一个更好的理解这种模型的动态，并给出了一个准确的近似解。结果表明，简化模型与原模型具有较好的一致性.
2021-09-14 q-bio.MN 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
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
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
Bayesian inference of biochemical kinetic parameters using the linear noise approximation
荧光和发光基因报告使我们能够在单细胞水平上动态定量分子种类浓度随时间的变化。通过多变量动态模型对它们的相互作用进行数学建模，需要开发有效的统计方法，以根据现有数据校准这些模型。由于随机性和噪声在生物化学系统中的普遍存在，随机模型的推断特别令人感兴趣。在本文中，我们提出了一个简单的和计算效率高的算法估计生化动力学参数的基因报告数据。我们使用的线性噪声近似模型的生化反应，通过一个随机动力学模型，基本上近似扩散模型的常微分方程模型与适当定义的噪声过程。可以导出似然函数的显式公式，从而允许计算上有效的参数估计。该算法是嵌入在贝叶斯框架和推理进行马尔可夫链蒙特卡罗。该方法的主要优点是，与更成熟的基于扩散近似的方法相比，不需要计算成本高的数据增强方法。我们的方法还考虑到未观测到的变量和测量误差。模拟和实验数据的方法的应用表明，所提出的方法提供了一个有用的替代扩散近似为基础的方法。
2009-07-04 q-bio.QM
Quantifying Stochastic Effects in Biochemical Reaction Networks using Partitioned Leaping
“跳跃”方法显示出极大的希望，显着加速复杂的生化反应网络的随机模拟。然而，跳跃的实际应用很少出现在文献中。在这里，我们使用“分区跳跃算法”（PLA）[L.A. Harris和P.Clancy，J.Chem.Phys.125，144107（2006）]，最近引入的多尺度跳跃方法。我们使用PLA研究两个模型生化反应网络中的随机效应。我们所考虑的网络足够简单，可以用我们的直觉来理解，但又足够复杂，可以普遍代表真实的生物系统。我们演示了如何解放军使我们能够量化这些系统中的随机性的微妙影响，这将是难以确定的，否则以及不那么微妙的行为，将应变常用的“精确”随机方法。我们还说明了瓶颈，可能会阻碍的方法，并讨论克服它们的可能策略。总的来说，我们的目标是通过提供跳跃方法的好处的鲜明例证，同时阐明在实践中经常遇到的障碍，来帮助和激励跳跃的未来应用。
2009-07-06 physics.chem-ph q-bio.QM q-bio.SC
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
Stochastic Control Analysis for Biochemical Reaction Systems
在本文中，我们研究如何随机反应过程受到外部扰动。我们描述了一个扩展的确定性代谢控制分析（MCA）的随机制度。我们引入随机灵敏度的反应物浓度和反应通量的平均值和协方差值，并表明存在MCA的这些灵敏度之间的求和定理。通量方差的求和定理取决于测量时间窗口（$ε$）的大小，在该窗口内，反应事件计数用于测量单个通量。的程度的$ε$的依赖性，可以成为重要的过程，涉及多时间尺度的动态，并估计通过引入一个新的措施的时间尺度分离。这种$ε$依赖性被证明是密切相关的幂律缩放在各种复杂的网络中观察到的通量波动。我们提出了一个系统的方法来控制反应物浓度的波动，同时尽量减少平均浓度水平的变化。这种正交控制是通过引入一个控制向量来获得的，该控制向量指示导致灵敏控制的参数扰动的强度和方向。我们还提出了一个可能的影响，在控制的磁通量波动：控制分布的磁通量波动的测量时间窗口的大小，$ε$的变化。当控制工程师在反应系统上应用特定的控制操作时，系统可能会根据时间窗口大小$ε$做出与预期相反的响应。
2009-08-21 q-bio.QM q-bio.SC
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
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
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
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
eGFRD in all dimensions
生化反应通常发生在低拷贝数，但在拥挤和多样化的环境中。因此，空间和随机性在生物化学网络中起着至关重要的作用。空间随机模拟已经成为一个突出的工具，了解如何在微观层面上的随机性影响宏观行为的系统。然而，虽然基于粒子的模型保证了在非常低的拷贝数下准确描述微观动力学所需的细节水平，但用于模拟它们的算法往往意味着计算效率和准确性之间的权衡。eGFRD（增强型格林函数反应动力学）是一种精确算法，通过将N粒子系统划分为M<N个可分析的单粒子和双粒子系统来避免这种权衡;然后使用分析解（格林函数）来实现事件驱动的基于粒子的方案，该方案允许粒子在时间和空间上进行大的跳跃，同时随时保持对其状态变量的访问。在这里，我们提出了“eGFRD 2”，一个新的eGFRD版本，它在所有维度上实现了eGFRD的原理，能够在3D细胞质中，在代表膜的2D平面上，以及在代表例如，细胞骨架轨道或DNA;在1D中，它还包括用于模拟主动运输的对流运动。我们发现，对于低粒子密度，eGFRD 2是高达3个数量级的速度比优化的布朗动力学。我们通过模拟Pom 1梯度形成的理想模型来验证eGFRD 2的能力，该模型涉及3D扩散，微管上的主动运输和膜上的自磷酸化，证实了该系统的最新结果，并证明它可以在真正的随机条件下有效地运行。
2017-08-30 cond-mat.soft physics.bio-ph q-bio.MN
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
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
