基于结构化投影的模型降阶及其在随机生化网络中的应用
最优化与控制
2015-10-21 v1 系统与控制
定量方法
摘要
化学主方程（CME）众所周知可提供生化反应网络的最高分辨率模型。不幸的是，即便模拟CME也可能是一项具有挑战性的任务。为此，人们提出了更简单的CME近似模型。本工作中我们关注这样一种模型，即线性噪声近似（LNA）。具体地，我们考虑最近提出的LNA时间尺度分离方法的影响。我们证明降阶LNA在均方意义下收敛到全阶模型。受此启发，我们推导了一种基于结构化投影的网络结构保持降阶算法。我们给出了描述此类投影如何计算的凸优化算法，并讨论了结构化解何时存在。我们还证明对于某类系统，结构化投影可利用基础线性代数找到，无需优化。随后将这些算法应用于酵母糖酵解途径的线性化随机LNA模型。
引用
@article{arxiv.1510.05784,
title = {Structured Projection-Based Model Reduction with Application to Stochastic Biochemical Networks},
author = {Aivar Sootla and James Anderson},
journal= {arXiv preprint arXiv:1510.05784},
year = {2015}
}
备注
13 pages; 7 figures; submitted to IEEE Transaction on Automatic Control