[논문 리뷰] Green's Function Reaction Dynamics: a new approach to simulate biochemical networks at the particle level and in time and space

Jeroen S. van Zon, Pieter Rein ten Wolde|ArXiv.org|2004. 04. 02.

Gene Regulatory Network Analysis참고 문헌 3인용 수 6

한 줄 요약

이 논문은 스몰وخอ프스키 방정식을 그린 함수를 사용하여 해석적으로 푸는 방식으로, 분자의 공간적·시간적 분포를 정확히 모델링하는 새로운 입자 기반 시뮬레이션 방법인 그린 함수 반응 역학(GFRD)을 소개한다. 이 방법은 입자가 서로 멀리 떨어져 있을 경우 큰 시간 스텝을 허용함으로써 생물학적으로 관련성이 있는 조건에서 기존 기법 대비 최대 100만 배의 속도 향상을 달성한다.

ABSTRACT

Biochemical networks are the analog computers of life. They allow living cells to control a large number of biological processes, such as gene expression and cell signalling. In biochemical networks, the concentrations of the components are often low. This means that the discrete nature of the reactants and the stochastic character of their interactions have to be taken into account. Moreover, the spatial distribution of the components can be of crucial importance. However, the current numerical techniques for simulating biochemical networks either ignore the particulate nature of matter or treat the spatial fluctuations in a mean-field manner. We have developed a new technique, called Green's Function Reaction Dynamics (GFRD), that makes it possible to simulate biochemical networks at the particle level and in both time and space. In this scheme, a maximum time step is chosen such that only single particles or pairs of particles have to be considered. For these particles, the Smoluchowski equation can be solved analytically using Green's functions. The main idea of GFRD is to exploit the exact solution of the Smoluchoswki equation to set up an event-driven algorithm. This allows GFRD to make large jumps in time when the particles are far apart from each other. Here, we apply the technique to a simple model of gene expression. The simulations reveal that the scheme is highly efficient. Under biologically relevant conditions, GFRD is up to six orders of magnitude faster than conventional particle-based techniques for simulating biochemical networks in time and space.

연구 동기 및 목표

• 기존 시뮬레이션 기법들이 분자의 이산성은 忽시하거나 공간적 변동성을 평균장 방식으로 다루는 데서 비롯하는 한계를 해결하기 위해.
• 생화학 반응의 확률적 성격과 입자 수준에서의 분자 분포를 동시에 포착할 수 있는 방법을 개발하기 위해.
• 스몰وخ오프스키 방정식의 해석적 해를 활용하여 생화학 네트워크의 효율적이고 사고 기반(event-driven) 시뮬레이션을 가능하게 하기 위해.
• 공간 해상도가 있는 확률적 시뮬레이션에서 기존 입자 기반 방법의 계산적 한계를 극복하기 위해.
• 유전자 발현과 같은 복잡한 생화학 시스템을 고공간·고시간 해상도로 시뮬레이션할 수 있는 가능성과 효율성을 입증하기 위해.

제안 방법

• GFRD는 반응 영향을 받는 확산 문제에 대해 스몰وخ오프스키 방정식을 그린 함수를 사용해 해석적으로 풀어 입자 상호작용을 정확히 처리한다.
• 그린 함수를 자유 확산 항과 반응 경계 조건이 적용된 접촉 거리에서의 보정 항으로 분해한다.
• 사고 기반 알고리즘을 구현하여 시간 스텝을 단일 입자나 쌍의 상호작용만 고려하도록 선택함으로써, 입자가 떨어져 있을 경우 큰 시간 스텝을 허용한다.
• 반응 확률은 생존 확률 $ S_\nu(t) $ 를 사용하여 화학 마스터 방정식과 통계적으로 일致하도록 보장한다.
• 반복된 반응을 방지하기 위해 최대 시간 스텝을 설정하고, 반복된 반응을 방지하기 위해 기각 샘플링을 사용한다.
• 보정 항 $ p_{\text{corr}} $ 는 베셀 함수와 반경 적분을 포함한 무한 급수를 통해 계산되며, 수렴이 이루어질 때까지 잘라내어 계산한다.

실험 결과

연구 질문

• RQ1 입자 기반 시뮬레이션 방법이 공간적·시간적 해상도를 유지하면서도 확률적 성격을 정확히 모델링할 수 있는가?
• RQ2 입자 기반 시뮬레이션의 계산 비용을 공간적·시간적 동역학의 정확성을 훼손하지 않고 어떻게 줄일 수 있는가?
• RQ3 스몰وخ오프스키 방정식의 해석적 해가 저농도 생화학 시스템에서 시뮬레이션 효율성을 얼마나 향상시킬 수 있는가?
• RQ4 실제 생물학적 상황에서 기존 입자 기반 방법 대비 GFRD의 성능 향상은 어느 정도인가?
• RQ5 공간적 상관관계의 포함이 유전자 발현과 같은 생화학 네트워크의 동역학에 어떤 영향을 미치는가?

주요 결과

• GFRD는 생물학적으로 관련성이 있는 조건에서 기존 입자 기반 방법 대비 최대 100만 배 빠른 시뮬레이션 속도를 달성한다.
• 이 방법은 시간과 공간에서 개별 입자를 해상도 있게 분석함으로써 생화학 네트워크의 확률적 동역학을 정확히 포착한다.
• 그린 함수를 자유 확산 항과 보정 항으로 분해함으로써, 특히 짧은 시간에 수렴에 필요한 항의 수를 크게 줄였다.
• 사고 기반 알고리즘은 화학 마스터 방정식과 통계적으로 일치시키면서도 입자가 떨어져 있을 경우 큰 시간 스텝을 허용한다.
• GFRD를 사용한 유전자 발현 모델의 시뮬레이션 결과, 공간적 조직화와 확산이 낮은 분자 수 조건에서도 반응 속도에 결정적인 영향을 미친다.
• 짧은 시간에는 작지만, 입자가 반응 반경 근처에 있을 경우 반응 확률 추정에 필수적인 보정 항 $ p_{\text{corr}} $ 는 중요하다.