随机生化反应网络的模拟与推断算法：从基本概念到前沿技术
分子网络
2019-03-04 v2
摘要
随机性是基因调控和化学信号传导等细胞内过程的关键特征。因此，刻画生化系统中的随机效应对理解生物体的复杂动力学至关重要。生化反应系统的数学理想化模型必须能够捕捉随机现象。尽管描述此类随机模型的稳健理论已然存在，但由于现实模型在解析上不可处理，探索这些模型的计算挑战在实践中可能成为显著负担。确定随机生化反应网络的期望行为与变异性，需要对其演化进行大量概率模拟。利用生化反应网络模型辅助解释生物实验的时间过程数据则更具挑战性，因为用于确定观测概率的似然函数不可解析处理。这些计算挑战四十多年来一直是活跃的研究课题。在本综述中，我们通俗地讨论了与随机生化反应网络模型的模拟和推断问题相关的重大历史进展与前沿计算技术。对特别重要的方法给出了详细算法描述，并辅以MATLAB实现。因此，本综述为生命科学界提供了随机模型计算方法的实用且易懂的入门介绍。
引用
@article{arxiv.1812.05759,
title = {Simulation and inference algorithms for stochastic biochemical reaction networks: from basic concepts to state-of-the-art},
author = {David J. Warne and Ruth E. Baker and Matthew J. Simpson},
journal= {arXiv preprint arXiv:1812.05759},
year = {2019}
}