基因调控网络随机模型的参数估计与分岔分析：张量结构方法
分子网络
2015-03-17 v2 数值分析
定量方法
摘要
随机建模为理解分子层面的随机事件如何影响细胞功能提供了不可或缺的工具。在实践中，常见的挑战是针对实验数据校准大量模型参数。一个相关的问题是有效研究随机模型的行为如何依赖于其参数，即模型参数的变化是否会导致模型行为的显著定性变化（分岔）。本文提出了张量结构参数分析（TPA）。它基于最近提出的经典矩阵和向量的低参数张量结构表示。这种方法能够同时计算参数空间内所有参数值的模型属性。该方法被用于研究生化网络随机模型中的参数估计、鲁棒性、灵敏度和分岔结构。TPA已在Matlab中实现，代码可在http://www.stobifan.org获取。
引用
@article{arxiv.1406.7825,
title = {Parameter estimation and bifurcation analysis of stochastic models of gene regulatory networks: tensor-structured methods},
author = {Shuohao Liao and Tomas Vejchodsky and Radek Erban},
journal= {arXiv preprint arXiv:1406.7825},
year = {2015}
}
备注
26 pages, 8 figures, 11 tables; for associated project website, see http://www.stobifan.org