生化反应网络中反应事件的查询-响应因果分析

生化反应网络(BRN)的随机动力学由化学主方程(CME)与底层的质量作用定律描述。CME通常必须通过生成足够多的随机反应事件轨迹来数值求解。所得事件时间序列可进行统计评估，以识别例如反应簇、稀有反应事件以及活动增强或稳态的时段。本文旨在新近利用反应事件的实证统计，以获取因果与反因果相关的反应子序列。这允许发现反应网络的部分因果动力学并揭示其更具确定性的行为。特别地，本文提出，条件上近乎确定或近乎不确定的反应子序列可分别视为因果相关或无关。此外，由于反应的时间排序在局部无关，反应子序列可转化为反应事件集合或多重集合。随后可适当定义的度量来界定反应子序列间的等价关系。所提出的识别因果关联反应子序列的框架已作为一种计算高效的查询-响应机制实现。该框架在七项定义的数值实验中以五个选定的基因反应网络模型进行了评估。模型在BioNetGen中使用NFsim模拟，后者经修改以允许记录反应事件轨迹。生成的事件时间序列由Python与Matlab脚本分析。数据生成、分析与可视化的整个过程已近乎完全通过shell脚本自动化。