利用线性噪声近似进行反应网络推断
统计方法学
2014-02-05 v2
摘要
我们考虑离散观测网络（如系统生物学、种群生态学和流行病学模型中的网络）中反应速率的推断。大多数此类网络既不够慢也不够小，无法通过真实的状态依赖马尔可夫跳跃过程进行推断。通常，推断是通过用常微分方程（ODE）或随机微分方程（SDE）近似动力学来进行的。前者忽略了真实模型中的随机性，可能导致不准确的推断。后者更准确，但由于SDE模型的转移密度通常未知，实现起来更困难。线性噪声近似（LNA）是近似SDE关于确定性解的一阶泰勒展开，可以看作是ODE和SDE模型之间的折衷。它是一个随机模型，但LNA的离散时间转移概率可以通过求解一系列常微分方程得到。我们描述了如何有效地使用重启LNA对一般类别的反应网络进行推断；评估了这种方法的准确性；并展示了这种方法在何时以及如何在统计或计算上比ODE或SDE方法更高效。我们将LNA应用于分析新西兰北岛和南岛的谷歌流感趋势数据，并能够获得比另一种最近提出的方法更准确的新流感病例短期预测，尽管计算成本更高。
引用
@article{arxiv.1205.6920,
title = {Inference for reaction networks using the Linear Noise Approximation},
author = {Paul Fearnhead and Vasileios Giagos and Chris Sherlock},
journal= {arXiv preprint arXiv:1205.6920},
year = {2014}
}