用于大状态连续时间马尔可夫链平均首达时间估计的通路精化方法及其在核酸动力学中的应用
定量方法
2021-09-23 v2 统计计算
摘要
为预测核酸反应动力学，连续时间马尔可夫链 (CTMCs) 被广泛使用。反应的速率可通过其 CTMC 的平均首达时间 (MFPT) 获得。然而，CTMCs 中的一个典型问题是状态数量可能很大，使得 MFPT 估计十分困难，尤其是对于长时间尺度上发生的事件（稀有事件）。我们提出通路精化方法，一种针对细致平衡 CTMCs 的、基于概率截断且时间高效的途径。它可用于估计稀有事件的 MFPT，此外还能在不进行昂贵重算的情况下快速评估扰动参数。我们通过针对 267 项测量（覆盖不同类型反应的大范围速率）的计算实验证明，通路精化适用于预测核酸动力学。我们利用通路精化深入分析了两个对比反应的动力学，其中一个为稀有事件。随后，我们在 237 个 SSA 可行的反应上将通路精化与随机模拟算法 (SSA) 的 MFPT 估计性能进行比较。我们进一步构建基于 SSA 与过渡路径采样 (TPS) 的截断 CTMC 以与通路精化对比。最后，我们利用通路精化在这 237 个反应上相对于实验测量速率进行优化时快速评估扰动模型参数。在剩余 30 个涉及稀有事件且 SSA 不可行的反应上，测试误差与训练误差相比得到相近的改善。我们的框架与数据集可在 https://github.com/ DNA-and-Natural-Algorithms-Group/PathwayElaboration 获取。
引用
@article{arxiv.2101.03657,
title = {The pathway elaboration method for mean first passage time estimation in large continuous-time Markov chains with applications to nucleic acid kinetics},
author = {Sedigheh Zolaktaf and Frits Dannenberg and Mark Schmidt and Anne Condon and Erik Winfree},
journal= {arXiv preprint arXiv:2101.03657},
year = {2021}
}
备注
32 pages, 10 figures