随机生化网络的粗粒化：基于随机路径积分技术的准稳态近似与快速模拟
分子网络
2009-07-07 v1 统计力学
生物物理
定量方法
摘要
我们提出了一种用于分析并快速模拟刚性随机生化动力学网络的通用方法，该方法基于消除快化学物种而不丢失慢物种介观非泊松涨落信息的原则。我们的方法类似于量子力学中的玻恩-奥本海默近似，源于反应事件全计数统计（也称为累积量生成函数）的随机路径积分表示。在化学反应数量较少的应用中，该方法可产生慢变量之间化学通量矩的解析表达式。这使得生化系统能够获得低维、可解释的表示，可用于计算复杂度低且精度高的粗粒化数值模拟方案。作为示例，我们考虑了一个生化反应链，推导了其粗粒化描述，并表明原始刚性系统的Gillespie模拟、粗粒化模拟以及完整解析处理结果一致，但粗粒化模拟比Gillespie模拟快三个数量级。
引用
@article{arxiv.0808.4016,
title = {Coarse-graining stochastic biochemical networks: quasi-stationary approximation and fast simulations using a stochastic path integral technique},
author = {N. A. Sinitsyn and Nicolas Hengartner and Ilya Nemenman},
journal= {arXiv preprint arXiv:0808.4016},
year = {2009}
}
备注
29 pages, 8 figures