[논문 리뷰] Low variance couplings for stochastic models of intracellular processes with time-dependent rate functions

David F. Anderson, Chaojie Yuan|arXiv (Cornell University)|2017. 08. 05.

Gene Regulatory Network Analysis참고 문헌 31인용 수 3

한 줄 요약

이 논문은 시간에 따라 변하는 비율 함수를 가진 확률적 생화학 모델을 위한 스택드 커플링 방법을 소개한다. 이는 매우 효율적인 매개변수 민감도 분석과 다수준 몬테카를로 추정을 가능하게 하며, 일반적으로 다른 커플링 기법보다 수백 배 이상 낮은 분산을 갖는 쌍방향 경로를 구성함으로써, 시간에 따라 변화하는 동역학을 가지는 세포내 과정 시뮬레이션에서 계산 비용을 크게 감소시킨다.

ABSTRACT

A number of coupling strategies are presented for stochastically modeled biochemical processes with time-dependent parameters. In particular, the stacked coupling is introduced and is shown via a number of examples to provide an exceptionally low variance between the generated paths. This coupling will be useful in the numerical computation of parametric sensitivities and the fast estimation of expectations via multilevel Monte Carlo methods. We provide the requisite estimators in both cases.

연구 동기 및 목표

• 시간에 따라 변하는 적응률 함수를 가진 확률적 생화학 모델을 시뮬레이션하는 데 있어, 복잡한 적분 계산으로 인해 표준 시뮬레이션 알고리즘이 느려지는 문제를 해결한다.
• 쌍방향 확률 경로 간의 분산을 최소화하는 커플링 전략을 개발하여, 매개변수 민감도 분석 및 다수준 몬테카를로 방법의 효율성을 향상시킨다.
• 스택드 커플링 방법이 시간에 따라 변하는 모델에서 다른 커플링 기법보다 훨씬 낮은 경로 분산을 생성함을 입증한다.
• 제안된 커플링, 특히 스택드 커플링을 사용하여 매개변수 민감도 및 다수준 몬테카를로에 대한 실용적인 추정기법을 제공한다.
• 다양한 모델, 특히 진동하는 시스템과 다중 스케일 시스템을 대상으로 다양한 커플링 전략의 성능을 평가하여 스택드 커플링의 실증적 우월성을 확립한다.

제안 방법

• 다양한 확률 공간에서 동일한 확률적 방정식 표현을 사용하여 시간에 따라 변하는 마르코프 점프 과정을 수립함으로써, 탄력적인 커플링 구성이 가능해진다.
• 다른 확률적 방정식 표현 기반으로 공통된 난수, 포아송 희석 기반 커플링, 그리고 새로운 스택드 커플링을 포함한 세 가지 커플링 전략을 개발한다.
• 스택드 커플링을 계층적 구성 방식을 통해 쌍방향 시스템 간의 기저 포아송 과정을 정렬함으로써, 시간에 따라 변하는 동역학을 유지하도록 구현한다.
• 정확한 도달 시간 해석이 계산적으로 비용이 많이 들 경우, 기각 기반 희석 및 수치 적분 기법을 사용하여 효율적으로 경로를 시뮬레이션한다.
• 모델 매개변수를 변형하고 쌍방향 경로를 사용하여 기대 출력의 차이를 추정함으로써 커플링을 매개변수 민감도 분석에 적용한다.
• 스택드 커플링을 다수준 몬테카를로 프레임워크에 통합함으로써 정확한 경로와 타우-리프 근사치를 커플링하며, 특히 느린 반응의 이산화를 피함으로써 정확도를 유지하고 분산을 감소시킨다.

실험 결과

연구 질문

• RQ1 시간에 따라 변하는 생화학 모델을 위한 쌍방향 확률 과정은 어떻게 구성할 수 있으며, 이를 통해 경로 간 분산을 최소화할 수 있는가?
• RQ2 시간에 따라 변하는 적응률 함수를 가진 모델에서 경로 차이의 분산을 최소화하는 데 가장 효과적인 커플링 전략은 무엇인가?
• RQ3 스택드 커플링 방법은 시간에 따라 변하는 비율을 가진 확률적 모델에서 매개변수 민감도 분석의 효율성을 크게 향상시킬 수 있는가?
• RQ4 예를 들어, 오일러 타우-리프와 비이산화된 느린 반응을 고려할 때, 근사 과정의 선택이 이러한 모델에서 다수준 몬테카를로 추정기의 성능에 어떤 영향을 미치는가?
• RQ5 다양한 생화학 시스템에서 스택드 커플링이 표준 커플링 기법보다 분산 감소 및 계산 비용 측면에서 얼마나 뛰어난가?

주요 결과

• 스택드 커플링 방법은 공통된 난수나 포아송 희석 기반 커플링과 같은 다른 커플링 기법보다 경로 분산이 수백 배 낮은 편이다.
• 매개변수 민감도 분석에서 스택드 커플링은 분산을 크게 감소시켜 기울기 추정을 정확하게 수행할 수 있으며, 수렴 속도 향상과 계산 비용 절감을 이룬다.
• 다수준 몬테카를로에서, 스택드 커플링은 표준 MLMC 대비 랜덤 변수 수를 최대 한 계단 수준까지 감소시켰으며, 특히 느린 반응이 이산화되지 않은 경우에 두드러진다.
• mRNA-단백질-다이머 모델에서, 스택드 커플링과 비이산화된 느린 반응을 사용한 MLMC6 방법은 기대 다이머 수 추정에서 표준 MLMC 대비 10배 성능 향상을 달성했다.
• 모든 시험 케이스에서 CPU 시간과 랜덤 변수 사용량이 극적으로 감소했다: 예를 들어, Extrande 방법은 최대 1.7×10^10개의 랜덤 변수가 필요로 했지만, MLMC6는 동일한 기대값을 위해 단지 7.2×10^8개의 랜덤 변수만 사용했다.
• 스택드 커플링은 진동 시스템과 다중 스케일 생화학 네트워크를 포함한 모든 테스트 모델에서 다른 방법들보다 뛰어난 성능를 보였으며, 이는 강건성과 확장성의 증거이다.