[논문 리뷰] Implicit Simulation Methods for Stochastic Chemical Kinetics

Tae-Hyuk Ahn, Adrian Sandu외 1명|arXiv (Cornell University)|2013. 03. 14.

Gene Regulatory Network Analysis참고 문헌 17인용 수 8

한 줄 요약

이 논문은 강한 시스템에서 수치적 안정성을 향상시키기 위해 푸아송 분포 반응 사건의 평균과 분산을 모두 암시적으로 처리하는 완전 암시적 타우-리프팅 방법을 제안한다. 새로운 방법들—BE–BE, BE–TR, TR–TR 및 암시적 2차 강한 타우리프팅 방법—은 조건부 안정성 없이 안정성과 높은 정확도를 확보하며, TR–TR 및 α=0.5 강한 타우리프팅 방법은 최소한의 감쇠 효과를 보이며 큰 시간 간격에서도 뛰어난 성능을 발휘한다.

ABSTRACT

In biochemical systems some of the chemical species are present with only small numbers of molecules. In this situation discrete and stochastic simulation approaches are more relevant than continuous and deterministic ones. The fundamental Gillespie's stochastic simulation algorithm (SSA) accounts for every reaction event, which occurs with a probability determined by the configuration of the system. This approach requires a considerable computational effort for models with many reaction channels and chemical species. In order to improve efficiency, tau-leaping methods represent multiple firings of each reaction during a simulation step by Poisson random variables. For stiff systems the mean of this variable is treated implicitly in order to ensure numerical stability. This paper develops fully implicit tau-leaping-like algorithms that treat implicitly both the mean and the variance of the Poisson variables. The construction is based on adapting weakly convergent discretizations of stochastic differential equations to stochastic chemical kinetic systems. Theoretical analyses of accuracy and stability of the new methods are performed on a standard test problem. Numerical results demonstrate the performance of the proposed tau-leaping methods.

연구 동기 및 목표

• 넓은 시간 스케일 간격을 가진 강한 생화학적 시스템에서의 명시적 타우-리프팅 방법의 수치적 불안정성을 해결한다.
• 기존 부분 암시적 타우-리프팅 방법에서 발생하는 감쇠 효과를 극복하여 분산을 감소시키고 확률 분포를 왜곡시키는 문제를 해결한다.
• 푸아송 분포 반응 사건의 평균과 분산을 모두 암시적으로 처리하는 완전 암시적 스킴을 개발하여 안정성과 정확도를 향상시킨다.
• 이론적 및 수치적 검증을 통해 강한 시스템에서 조건부 안정성 없이 안정성과 향상된 수렴 성질을 확인한다.
• 정확한 SSA 및 기존의 암시적 방법과의 비교를 통해 다양한 벤치마크 시스템에서의 효율성과 정확도를 평가한다.

제안 방법

• 타우-리프팅 방법을 확률미분방정식(SDE)의 약한 수렴성 이산화로 공식화하여 고차수 방법의 체계적 유도를 가능하게 한다.
• BE–BE, BE–TR 및 TR–TR 방법을 제안하며, 푸아송 랜덤 변수의 평균 및 분산 성분에 모두 암시적 스킴(역오일러 또는 트라프레즈로드 규칙)을 적용한다.
• 매개변수 α와 β를 사용하여 안정성과 정확도를 조절할 수 있는 암시적 2차 강한 타우리프팅 방법을 확률적 타우리프팅 전개를 통해 개발한다.
• SDE 근사의 추세항과 확산항을 각각 확률적 역오일러 및 트라프레즈로드 방법으로 이산화하여 강한 시스템에서의 안정성을 보장한다.
• 약한 수렴 이론을 적용하여 기초 화학 마스터 방정식의 통계적 성질을 유지하는 방법을 도출한다.
• 시간 간격 선택을 렙 조건에 기반으로 하지만, 분산의 암시적 처리를 통해 더 큰 안정적인 시간 간격을 허용하도록 확장한다.

실험 결과

연구 질문

• RQ1 타우-리프팅에서 평균과 분산을 모두 암시적으로 처리하는 것이 강한 확률적 생화학 시스템의 수치적 안정성 향상에 기여하는가?
• RQ2 제안된 방법들의 渐진 평균과 분산은 정확한 SSA 및 전통적 타우-리프팅 방법과 비교해 어떻게 되는가?
• RQ3 다음 중 어떤 방법들이 조건부 안정성을 갖는가? 매개변수 선택(예: α=0.5 대비 α=1.0)이 안정성과 정확도에 어떤 영향을 미치는가?
• RQ4 기존 부분 암시적 타우-리프팅 방법에서 관찰되는 감쇠 효과는 어느 정도 감소되는가?
• RQ5 다양한 생화학적 시스템, 특히 강한 시스템과 이중 안정 네트워크에서 신규 방법의 정확도 및 계산 효율성은 어떻게 평가되는가?

주요 결과

• TR–TR 및 α=0.5 강한 타우리프팅 방법은 가장 높은 정확도를 보이며, 큰 시간 간격에서도 정확한 SSA 분포와 거의 일치한다.
• 제안된 6개 방법 중 4개(BE–BE, BE–TR, TR–TR 및 α=0.5 강한 타우리프팅)는 조건부 안정성을 갖지만, 나머지 2개(α=1.0 강한 타우리프팅)는 조건부 안정성이다.
• ELF 시스템에서 α=1.0 및 β=1.0을 사용한 암시적 2차 강한 타우리프팅 방법은 τ=0.005일 때 SSA와 0.15의 거리로 해를 도출하였으며, SSA의 CPU 시간의 3.5%만을 소비하였다.
• τ=0.04초일 때, TR–TR 및 α=0.5 강한 타우리프팅 방법은 단지 SSA의 0.4%의 계산 비용으로도 높은 정확도를 달성하였다.
• BE–BE, BE–TR 및 TR–TR 방법은 최소한의 감쇠 효과를 보이며, 확률 히스토GRAM이 SSA와 유사하게 나타났다. 반면 α=1.0 강한 타우리프팅 방법은 큰 시간 간격에서 분산 행동을 보였다.
• 이론적 분석 결과, 제안된 모든 방법은 정확한 해석적 평균으로 수렴하지만, 분산은 서로 다른 값으로 수렴하며, 이는 타우-리프팅 방법의 알려진 특성과 일치한다.