[論文レビュー] Hybrid Numerical Solution of the Chemical Master Equation

Thomas A. Henzinger, Maria Mateescu+2 more|arXiv (Cornell University)|May 5, 2010

Gene Regulatory Network Analysis参考文献 28被引用数 38

ひとこと要約

本稿では、分子集団の数に応じて離散的な確率的表現と連続的な決定的表現の間を動的に切り替えることで、化学的マスター方程式（CME）の数値解法を改善する動的確率的ハイブリッド手法を提案する。この手法は、縮小されたCMEと常微分方程式（ODE）を併用して解くことで計算コストを低減し、従来の手法が失敗する大規模な集団を有するモデルですら高い精度を達成する。

ABSTRACT

We present a numerical approximation technique for the analysis of continuous-time Markov chains that describe networks of biochemical reactions and play an important role in the stochastic modeling of biological systems. Our approach is based on the construction of a stochastic hybrid model in which certain discrete random variables of the original Markov chain are approximated by continuous deterministic variables. We compute the solution of the stochastic hybrid model using a numerical algorithm that discretizes time and in each step performs a mutual update of the transient probability distribution of the discrete stochastic variables and the values of the continuous deterministic variables. We implemented the algorithm and we demonstrate its usefulness and efficiency on several case studies from systems biology.

研究の動機と目的

• 大規模な分子集団を有する系において、完全な化学的マスター方程式（CME）を解くことが計算的に非現実的である問題に対処する。
• 純粋な確率的シミュレーション（例：高い分散、収束が遅い）および純粋な決定的ODEモデル（低集団種に対して不正確）の限界を克服する。
• 低集団種に対しては精度を維持しながら、高集団種に対しては計算コストを低減する動的ハイブリッドモデリングを通じて、精度を保つ手法を開発する。
• 純粋な確率的シミュレーションでは不可能な長時間スケールでの、複雑な生化学反応ネットワークの効率的かつ正確な解析を可能にする。

提案手法

• ユーザーが定義したしきい値に基づき、集団を離散的な確率的変数または連続的な決定的変数として表現する確率的ハイブリッドモデルを構築する。
• シミュレーション中に、各種の期待集団サイズがしきい値を超えたかどうかに応じて、その表現を動的に切り替える。
• 時間離散化を行い、各タイムステップで相互に更新する：離散的変数の遷移確率分布を進める一方で、連続的変数の値をODEを用いて更新する。
• 離散的な確率的変数のための縮小されたCMEと、連続的な決定的変数のための非線形ODEの連立系を解く。両者は互いに依存する。
• 非無視できる確率を持つ状態のみを追跡するための有意集合（Sig）を用い、状態空間のサイズと計算コストを削減する。
• 集団の時間的変化に応じて、モデル表現をリアルタイムで適応的に変更するオンザフライ切り替え機構を実装する。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドモデリングアプローチは、生化学反応ネットワークの化学的マスター方程式を解く際に、精度と計算効率のバランスを動的に保てるか？
• RQ2 離散的および連続的表現の間での動的切り替えが、遷移確率分布および平均集団推定値の精度にどのように影響するか？
• RQ3 低集団種と高集団種が混合した系において、純粋な確率的または決定的アプローチと比較して、ハイブリッド手法がどれほど計算コストを削減できるか？
• RQ4 純粋な確率的シミュレーションが状態空間の爆発により非現実的になるような長時間スケールでも、ハイブリッド手法は精度を維持できるか？
• RQ5 非対称なダイナミクスや顕著なフラクチュエーションを示すモデル（例：捕食者・被食者系）において、この手法はどの程度の性能を示すか？

主な発見

• 集団が大きくなると、特に純粋な確率的シミュレーションと比較して、有意状態の数（|Sig|）が顕著に減少し、メモリ使用量と計算コストが低減される。
• Goutsiasのモデルでは、純粋な決定的解法は平均集団推定値に対して95％の相対誤差を示したが、ハイブリッド解法は計算可能かつ高い精度を達成した。
• 捕食者・被食者モデルでは、ハイブリッド手法が周期的挙動とスイッチングダイナミクスを正確に捉えたのに対し、純粋な決定的解法は平均推定値の誤差が大きく、失敗した。
• ハイブリッド解法は長時間スケールでも計算的に実行可能であったが、純粋な確率的シミュレーションは状態空間の指数的増大により非現実的になった。
• この手法はモデルの対称性にかかわらず頑健であり、決定的近似が失敗する非対称系でも精度を維持した。
• 平均して、ハイブリッド手法における有意状態の数は著しく少なく、特に集団がしきい値を超えた場合に顕著に減少し、状態空間次元の低減が確認された。