随机化学反应网络参数灵敏度的无偏估计

随机化学反应网络的参数灵敏度估计是一个重要且具有挑战性的问题。灵敏度值在化学网络的分析、建模和设计中至关重要。它们有助于理解系统的鲁棒性特性，并识别导致特定结果的关键反应。在离散设置中，文献中大多数现有的参数灵敏度估计方法依赖于蒙特卡洛模拟结合有限差分计算。然而，这些方法在灵敏度估计中引入了偏差，且在大多数情况下，偏差的大小或方向未知，这可能损害分析的准确性。在本文中，我们利用 Kurtz 的随机时间变化表示推导出了参数灵敏度的精确公式。该公式使我们能够构建参数灵敏度的无偏估计量，并可通过精心设计的蒙特卡洛方案进行高效评估。现有文献中仅有一种方法可产生此类无偏估计量，该方法由 Plyasunov 和 Arkin 提出，基于 Girsanov 测度变换。通过几个示例，我们将我们的方法与该现有方法进行了比较。结果表明，在计算相对于量值较小的反应速率常数的灵敏度时，我们的方法可能比现有方法快得多。该速率常数可能对应于系统在参考时间尺度上较慢的反应。由于许多生物系统存在此类慢反应，我们的方法可成为灵敏度分析的有用工具。