[论文解读] Asymptotic and numerical methods for metastable events in stochastic gene networks

Jay Newby|arXiv (Cornell University)|Jan 1, 2015

Gene Regulatory Network Analysis参考文献 6被引用 3

一句话总结

本文提出了一种大偏差原理，用于分析具有自调控的随机基因网络中的亚稳态跃迁，实现了无需依赖慢时变极限或扩散近似即可进行精确的准稳态分析。该方法将连续马尔可夫过程的渐近与数值技术扩展至包含随机基因开关的完整模型，为基因调控中的弱噪声条件提供了严格的理论框架。

ABSTRACT

A general class of stochastic gene expression models with self regulation is considered. One or more genes randomly switch between regulatory states, each having a different mRNA transcription rate. The gene or genes are self regulating when the proteins they produce affect the rate of switching between regulatory states. Under weak noise conditions, the deterministic forces are much stronger than fluctuations from gene switching and protein synthesis. Metastable transitions, such as bistable switching, can occur under weak noise conditions, causing dramatic shifts in the expression of a gene. A general tool used to describe metastability is the quasi stationary analysis (QSA). A large deviation principle is derived so that the QSA can explicitly account for random gene switching without using an adiabatic limit or diffusion approximation, which are unreliable and inaccurate for metastable events.This allows the existing asymptotic and numerical methods that have been developed for continuous Markov processes to be used to analyze the full model.

研究动机与目标

• 解决在建模随机基因网络中亚稳态跃迁时，传统慢时变和扩散近似方法的局限性。
• 为具有随机调控态切换的自调控基因网络在弱噪声条件下的分析建立通用框架。
• 使既有的连续马尔可夫过程渐近与数值方法能够应用于完整的随机基因表达模型。
• 在准稳态分析中显式考虑随机基因开关，而无需依赖简化假设。
• 为理解基因表达动力学中的双稳态开关与罕见跃迁提供严格的数学基础。

提出的方法

• 推导出专用于具有自调控及调控态间随机切换的随机基因网络的大偏差原理。
• 将大偏差原理应用于实现无需慢时变极限或扩散近似的准稳态分析（QSA）。
• 利用大偏差框架在弱噪声条件下描述亚稳态跃迁，如双稳态开关。
• 将完整模型的动力学——包括基因开关与蛋白质反馈——整合进渐近分析框架。
• 将现有连续马尔可夫过程的方法扩展至包含基因调控态中离散随机切换事件。
• 在随机基因模型与大偏差形式体系之间建立正式联系，以确保亚稳态分析的分析严谨性。

实验结果

研究问题

• RQ1 如何在不依赖慢时变或扩散近似的情况下，对随机基因网络中的亚稳态跃迁进行精确建模？
• RQ2 何种数学框架可使准稳态分析能够考虑自调控系统中的随机基因开关？
• RQ3 大偏差原理如何改进对基因表达中弱噪声诱导跃迁的描述？
• RQ4 所提出的方法在何种方式下将现有渐近与数值技术扩展至完整的随机基因网络模型？
• RQ5 在何种条件下，大偏差方法相较于标准近似能提供对亚稳态更精确的描述？

主要发现

• 大偏差原理为分析随机基因网络中的亚稳态跃迁提供了一种严格的替代方案，优于传统的慢时变和扩散近似。
• 该方法使准稳态分析（QSA）能够显式包含随机基因开关，而无需简化假设。
• 在弱噪声条件下，利用推导出的大偏差框架可精确描述如双稳态开关等亚稳态跃迁。
• 该方法使既有的连续马尔可夫过程渐近与数值方法能够应用于完整的随机基因网络模型。
• 该框架能高保真地捕捉自调控基因系统中确定性力与随机涨落之间的相互作用。
• 分析表明，标准近似方法无法准确捕捉亚稳态动力学，而大偏差方法在罕见事件区域仍保持高精度。