利用极端分解和置信传播算法估计细胞信号通路中的反应速率参数：面向数据丰富场景
分子网络
2011-03-07 v1 定量方法
摘要
动机：使用常微分方程（ODE）对生物信号网络进行建模已被证明是洞察细胞动力学的强大技术，但它通常需要基于实验观测的浓度来估计速率参数。新的测量方法可以测量通路中所有分子种类的浓度，这为分解速率参数的优化创造了新的机会。结果：与最小化模拟浓度与观测浓度之间差异的传统方法相反，BPPE方法通过观测浓度点拟合样条曲线，然后将样条曲线的导数与每个物种的生成和消耗相匹配。传统方法精确遵循ODE然后尝试匹配数据，而BPPE精确遵循数据然后尝试匹配ODE。新的目标函数是问题的极端分解，因为函数中的每个因子都在强制一个ODE在一个时间片上的等式。一种“环状置信传播”算法解决了参数估计问题的这个因子化近似，提供了搜索空间的系统覆盖和独特的渐近行为；运行时间与分子数和时间点数的多项式相关，但与生化网络的度数呈指数关系。该实现是一种全局-局部混合优化，我们将其与局部、全局和混合方法的性能进行了比较。BPPE在一个包含氧化还原介导的PTEN失活的Akt激活动力学新模型上得到了验证。可用性：软件和补充信息可在 http://webbppe.nus.edu.sg:8080/opal2/WebBPPE 获取。联系方式：[email protected]。关键词：概率图模型，物理化学建模，系统生物学，信号转导。
引用
@article{arxiv.1103.0907,
title = {Estimating Reaction Rate Parameters in Cell Signaling Pathways Using Extreme Decomposition and Belief Propagation Tailored for Data-Rich Cases},
author = {Tri Hieu Nim and Le Luo and Marie-Véronique Clément and Jacob K. White and Lisa Tucker-Kellogg},
journal= {arXiv preprint arXiv:1103.0907},
year = {2011}
}
备注
11 pages, 9 figures, 1 table