[论文解读] 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 38

一句话总结

本文提出了一种动态随机混合方法，通过基于种群阈值自适应地在分子种群的离散随机表示与连续确定性表示之间切换，从而改进化学主方程（CME）的数值解。该方法通过并行求解简化后的CME和常微分方程组（ODEs）来降低计算成本，在传统方法失效的大种群模型中仍能保持高精度。

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.

研究动机与目标

• 解决大规模分子种群系统中完整化学主方程（CME）求解的计算不可行性。
• 克服纯随机模拟（如高方差、收敛缓慢）和纯确定性ODE模型（对低种群物种不准确）的局限性。
• 通过动态混合建模，在保持低种群物种精度的同时，降低高种群物种的计算成本。
• 实现复杂生化网络在比纯随机模拟更长时域内的高效且精确分析。

提出的方法

• 构建一种随机混合模型，根据用户定义的阈值，将种群表示为离散随机变量或连续确定性变量。
• 在模拟过程中，根据其期望种群大小是否跨越阈值，动态切换每种物种的表示方式。
• 对时间进行离散化，并在每个时间步执行相互更新：传播离散变量的瞬态概率分布，并使用ODEs更新连续变量的值。
• 求解离散随机变量的简化CME和连续确定性变量的非线性ODE系统，两者相互依赖。
• 使用显著集合（Sig）仅追踪概率可忽略不计的状态，从而减小状态空间大小和计算成本。
• 实现一种实时切换机制，根据种群随时间的演化动态调整模型表示。

实验结果

研究问题

• RQ1 混合建模方法能否在求解生化反应网络的化学主方程时，动态平衡精度与计算效率？
• RQ2 离散与连续表示之间的动态切换如何影响瞬态概率分布和平均种群估计的精度？
• RQ3 对于包含低-高种群物种混合的系统，与纯随机或纯确定性方法相比，该混合方法在计算成本上能降低多少？
• RQ4 在纯随机模拟因状态空间爆炸而不可行的长时间范围内，该混合方法是否能保持精度？
• RQ5 在具有非对称动力学或显著波动的模型（如捕食者-猎物系统）中，该方法表现如何？

主要发现

• 与纯随机模拟相比，该混合方法显著减少了显著状态数（|Sig|），尤其是在种群增长较大时，从而降低了内存和计算需求。
• 在Goutsias的模型中，纯确定性解在平均种群估计上存在95%的相对误差，而混合解则实现了高精度且内存使用可控。
• 在捕食者-猎物模型中，混合方法准确捕捉了振荡行为和切换动力学，而纯确定性解因平均估计误差过高而失败。
• 混合解在更长的时间范围内仍保持计算可行性，而纯随机解因状态空间呈指数增长而变得不可行。
• 该方法对模型对称性具有鲁棒性，在确定性近似失效的非对称系统中仍能保持精度。
• 在混合方法中，显著状态的平均数量显著更少，尤其当种群超过阈值时，证实了该方法在降低状态空间维度方面的高效性。