[논문 리뷰] Separation of time-scales and model reduction for stochastic reaction networks

Hye-Won Kang, Thomas G. Kurtz|arXiv (Cornell University)|2010. 11. 07.

Gene Regulatory Network Analysis참고 문헌 16인용 수 4

한 줄 요약

이 논문은 종의 수와 반응 속도 상수의 일파rameter 스케일링을 통해 다중 시간 스케일을 활용하여 확률적 반응 네트워크에서 모델 축소를 체계적으로 개발한다. 스케일링 파라미터가 무한대에 수렴할 때 엄밀한 극한을 확립함으로써, 평균화 및 시간 스케일 분리 원리를 기반으로 복잡한 네트워크를 저차원의 확률적, 결정론적 또는 하이브리드 모델로 근사화할 수 있다.

ABSTRACT

A stochastic model for a chemical reaction network is embedded in a one-parameter family of models with species numbers and rate constants scaled by powers of the parameter. A systematic approach is developed for determining appropriate choices of the exponents that can be applied to large complex networks. When the scaling implies subnetworks have different time-scales, the subnetworks can be approximated separately providing insight into the behavior of the full network through the analysis of these lower dimensional approximations.

연구 동기 및 목표

• 다양한 종의 수와 반응 속도를 가진 대규모 복잡한 생화학 반응 네트워크를 모델링하는 데 도전하는 것.
• 확률적 반응 네트워크에서 다중 시간 스케일을 식별하고 활용하기 위한 엄밀한 수학적 프레임워크를 개발하는 것.
• 스케일링 및 평균화 기법을 통해 제한 모델—확률적, 결정론적 또는 하이브리드—를 유도하여 모델 축소를 가능하게 하는 것.
• 대규모 네트워크에서 종의 수와 속도 상수에 적절한 스케일링 지수를 선택하는 체계적인 방법을 제공하는 것.
• 마르팅게일 성질 및 자쿠보프스키 위상에서의 약한 수렴을 포함한 고급 확률적 분석을 사용하여 극한 과정의 수렴 결과를 확립하는 것.

제안 방법

• 큰 파라미터 $ N $ 의 거듭제곱으로 종의 수와 속도 상수를 스케일링하여 일파라미터 스펙트럼의 확률적 반응 네트워크 모델을 수식화한다.
• 마르코프 점프 과정의 역학을 기술하기 위해 $ X(t) = X(0) + \sum_k Y_k\left(\int_0^t \lambda_k(X(s))\,ds\right) \zeta_k $ 형태의 확률적 적분 방정식을 사용한다.
• 스케일링 지수 $ \gamma $ 를 통해 시간 스케일을 식별함으로써, $ N \to \infty $ 일 때 비퇴도성 극한을 갖는 종과 반응 역학을 식별한다.
• 카스미스키 이론에 영감을 얻은 평균화 기법을 적용하여 빠른 변수를 제거하고 느린 성분의 효과적 역학을 도출한다.
• 스코로호드 위상에서 실패할 수 있는 공통 점프를 가진 과정의 약한 수렴을 위해 자쿠보프스키 위상을 활용한다.
• 조건 (A.7) 과 (A.8) 하에서 재스케일링된 과정의 수렴을 확립하여, 극한 과정이 $ R_0 = \sum_{k=1}^m R_k $ 를 만족하고 강도 $ \lambda_k(t) = \frac{\mu_k(t)}{\sum_l \mu_l(t)} \lambda_0(t) $ 를 갖는다.

실험 결과

연구 질문

• RQ1 대규모 확률적 반응 네트워크에서 다중 시간 스케일을 어떻게 체계적으로 식별하고 분리할 수 있는가?
• RQ2 종의 수와 속도 상수에 대한 어떤 스케일링 지수들이 비퇴도성이고 잘 행동하는 극한 모델을 유도하는가?
• RQ3 빠르고 느린 시스템의 극한 과정이 하이브리드 또는 평균 모델로 수렴하는 조건은 무엇인가?
• RQ4 엄밀한 단조성 또는 정규성 조건이 없는 상황에서 재스케일링된 수세기 과정의 수렴을 어떻게 엄밀하게 확립할 수 있는가?
• RQ5 점프가 겹치는 가능성이 있는 과정의 상대적 컴acts성과 수렴을 보장하기 위해 자쿠보프스키 위상은 어떤 역할을 하는가?

주요 결과

• 극한 과정은 $ R_0 = \sum_{k=1}^m R_k $ 를 만족하며, $ R_k $ 는 상호 직교적인 수세기 과정이다.
• 극한에서 각 $ R_k $ 의 강도는 $ \lambda_k(t) = \frac{\mu_k(t)}{\sum_l \mu_l(t)} \lambda_0(t) $ 로 표현되며, 총 강도의 비율에 따라 분할됨을 반영한다.
• 스코로호드 컴acts성은 실패할 수 있으나, 자쿠보프스키 위상에서 수열 $ \{(R_0^N, R_1^N, \ldots, R_m^N)\} 의 상대적 컴acts성이 확립된다.
• 시간 변화된 과정 $ R_k^N \circ \gamma_N $ 는 분포 수렴을 보이며, 시간 변화와 마르팅게일 기법을 통해 극한 역학을 도출할 수 있다.
• 극한 모델은 스케일링 영역과 종 및 반응의 시간 스케일 간의 상호작용에 따라 확률적, 결정론적 또는 하이브리드일 수 있다.
• 이 프레임워크는 확률적 반응 네트워크에서 준정적상태 가정과 평균화 방법을 엄밀하게 정당화하며, 이전의 히우리스틱 접근을 확장한다.