[论文解读] Low variance couplings for stochastic models of intracellular processes with time-dependent rate functions

David F. Anderson, Chaojie Yuan|arXiv (Cornell University)|Aug 5, 2017

Gene Regulatory Network Analysis参考文献 31被引用 3

一句话总结

本文提出了一种用于具有时变速率函数的随机生化模型的堆叠耦合方法，实现了高效的参数敏感性分析与多水平蒙特卡洛估计。通过构建具有极低方差的耦合路径——其方差通常比其他耦合方式低数百倍——该方法显著降低了具有时变动力学的胞内过程模拟中的计算成本。

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.

研究动机与目标

• 解决具有时变倾向函数的随机生化模型模拟问题，此类模型因积分计算成本高而使标准模拟算法变慢。
• 开发最小化成对随机路径间方差的耦合策略，以提高参数敏感性分析与多水平蒙特卡洛方法的效率。
• 证明堆叠耦合方法在时变模型中产生的路径方差显著低于其他耦合技术。
• 为参数敏感性与多水平蒙特卡洛提供实用估计器，尤其基于所提出的耦合方法，特别是堆叠耦合。
• 在多个模型（包括振荡系统与多尺度系统）中评估不同耦合策略的性能，以实证证明堆叠耦合的优越性。

提出的方法

• 通过在不同概率空间上使用多个等价的随机方程表示形式，构建时变非时齐马尔可夫跳跃过程，从而实现灵活的耦合构造。
• 基于不同的随机方程表示形式，开发三种耦合策略——共用随机数、基于泊松薄化法的耦合，以及新颖的堆叠耦合。
• 通过分层构造方式对齐耦合系统间的基础泊松过程，实现堆叠耦合的实现，同时保持时变动力学特性。
• 当精确击中时间解的计算成本过高时，使用基于拒绝的薄化与数值积分技术高效模拟路径。
• 通过扰动模型参数并利用耦合路径估计期望输出差异，将耦合方法应用于参数敏感性分析。
• 通过将精确路径与tau-跃迁近似耦合，将堆叠耦合集成到多水平蒙特卡洛框架中，尤其避免对慢反应进行离散化，以保持精度并降低方差。

实验结果

研究问题

• RQ1 如何为时变非时齐生化模型构建耦合的随机过程，以最小化样本路径间的方差？
• RQ2 哪种耦合策略在具有时变倾向函数的模型中能产生最低的路径差异方差？
• RQ3 堆叠耦合方法是否能显著提升具有时变速率的随机模型中参数敏感性分析的效率？
• RQ4 选择近似过程（如欧拉tau-跃迁与非离散化慢反应）如何影响此类模型中多水平蒙特卡洛估计器的性能？
• RQ5 在多种生化系统中，堆叠耦合在方差降低与计算成本方面相较于标准耦合技术的优越程度如何？

主要发现

• 堆叠耦合方法产生的路径方差通常比其他耦合策略（如共用随机数或基于泊松薄化的耦合）低数百倍。
• 在参数敏感性分析中，堆叠耦合可实现低方差的梯度估计，从而加快收敛速度并显著降低计算成本。
• 在多水平蒙特卡洛中，堆叠耦合使所需随机变量数量相比标准MLMC减少一个数量级，尤其当慢反应未被离散化时效果更显著。
• 在mRNA-蛋白质-二聚体模型中，MLMC6方法——采用非离散化慢反应的堆叠耦合——在估计二聚体期望数量时相比标准MLMC实现了10倍性能提升。
• 所有测试案例中CPU时间和随机变量使用量均大幅减少：例如，Extrande方法需高达1.7×10^10个随机变量，而MLMC6仅使用7.2×10^8个即可达到相同期望值。
• 堆叠耦合在所有测试模型中（包括振荡系统与多尺度生化网络）均持续优于其他方法，展现出鲁棒性与可扩展性。