用于随机化学动力学模拟的混合框架
分子网络
2016-10-12 v1
摘要
随机性在各种生化过程（如细胞调控网络和酶级联反应）中起着基础作用。等温、充分混合的系统可建模为马尔可夫过程，通常使用Gillespie随机模拟算法(SSA)进行模拟。尽管易于实现且精确，但随着反应事件频率增加，使用Gillespie SSA模拟此类系统的计算代价可能变得令人望而却步。这催生了许多粗粒度方案，其中“快速”反应使用Langevin动力学或确定性方法进行近似。尽管当所有反应物充足时此类方法能提供良好近似，但当一种或多种物种仅以低浓度存在且由反应离散性引起的涨落变得显著时，该近似失效。这在使用此类方法计算化学物种灭绝时间的统计量以及模拟非平衡系统（如细胞周期模型，其中单一物种可在丰度和稀缺间循环）时尤为成问题。本文推导了一个用于模拟充分混合随机动力学的混合跳跃-扩散模型。它充当Gillespie SSA与化学Langevin方程之间的桥梁。对于低反应物反应，其底层行为纯离散；而当所有物种浓度很大时纯扩散，两种不同行为在中间区域共存。获得了经典大体积标度极限下弱误差的一个界，并描述了跳跃-扩散模型的三种不同数值离散化。通过计算实例说明了此种形式体系的益处。
引用
@article{arxiv.1512.03988,
title = {Hybrid framework for the simulation of stochastic chemical kinetics},
author = {Andrew Duncan and Radek Erban and Konstantinos Zygalakis},
journal= {arXiv preprint arXiv:1512.03988},
year = {2016}
}
备注
37 pages, 6 figures