设计实验以理解生化反应网络中的变异性
定量方法
2013-08-30 v1
摘要
利用生物过程分子噪声提供的信息，已被证明在从单细胞测量中提取有关底层动力学参数和变异性来源的知识方面具有重要价值。然而，先验地量化这些额外信息以决定单细胞实验是否有益，目前仅在非常简单的系统中才可能实现，这些系统要么化学主方程在计算上可处理，要么高斯近似是合适的。在这里，我们展示了如何从底层过程的前四阶矩来近似分布测量所提供的信息。推导出的公式对于任何随机动力学模型均普遍有效，包括同时包含内在噪声和外在噪声的模型。这使我们能够为异质细胞群提出一个最优实验设计框架，我们利用该框架比较了双报告基因和微扰实验在分离简单基因表达模型中外在噪声和内在噪声方面的效用。随后，我们比较了在酵母工程化光开关基因表达系统中执行的不同实验的信息含量，并表明精心选择的基因诱导模式可能允许人们识别出在无计划实验中仍隐藏的系统特征。
引用
@article{arxiv.1304.1455,
title = {Designing Experiments to Understand the Variability in Biochemical Reaction Networks},
author = {Jakob Ruess and Andreas Milias-Argeitis and John Lygeros},
journal= {arXiv preprint arXiv:1304.1455},
year = {2013}
}