生化反應系統(tǒng)中加速隨機模擬算法的研究.pdf

1、一切生命活動的基礎是細胞,細胞的活動構成一套精密而復雜的化學反應網(wǎng)絡。因此研究這些相互作用的化學反應網(wǎng)絡已成為系統(tǒng)生物學研究中的一個重要課題。為了研究復雜化學反應的動力學特征,需要對生反應系統(tǒng)進行建模和仿真。由于細胞內(nèi)的化學反應都具有隨機性和離散性,這就使得我們在建模過程中注重“微觀離散隨機”的模型。
　　具有代表性反應的算法(Representative Reaction Approach,RRA)的提出為研究生化反應系統(tǒng)開拓出

2、了一個新的研究方向,它主要的思想是以反應2A?B代表整個生化反應系統(tǒng)中所有的反應。本文在RRA算法基礎之上,提出“最后所有可能步進的RRA算法(Final All Possible Step RRA,FAPS RRA)”。該算法改變了RRA算法的數(shù)據(jù)收集方式,目的是在不失RRA算法精度的前提下,減少模擬的運行次數(shù),結果表明在相同精度的前提下,FAPS RRA算法比RRA算法的模擬運行速率有顯著的提高。
　　時滯是生化反應系統(tǒng)中普遍

3、存在的現(xiàn)象,如基因轉(zhuǎn)錄和mRNA翻譯等都不是立即發(fā)生而是經(jīng)過一段時間后才發(fā)生反應。Barrio等人與 Cai提出的精確時滯隨機模擬算法(DSSA)均用來解決含時滯的生化反應系統(tǒng)中的動力學問題。由于DSSA每次只能模擬一個反應事件,模擬生化反應進程時速率過低。本文在現(xiàn)有RRA算法的基礎上進行拓展,將其應用到含時滯的生化反應系統(tǒng)中,提出了時滯生化反應系統(tǒng)中RRA算法(DRRA)。仿真實驗表明:與DSSA算法相比較,我們提出的DRRA算法在模

4、擬含時滯的生化反應系統(tǒng)時更為有效與實用。
　　考慮到生化反應系統(tǒng)中時滯反應與非時滯反應可能同時發(fā)生反應,Bayati提出了含時滯的加速隨機模擬算法(D-leaping)。該算法是通過對時滯生化反應系統(tǒng)建立一個以時滯的等待序列為主體的四元結構體,來有效地模擬時滯生化反應系統(tǒng)。在實際運行中,為了得到可靠的統(tǒng)計特性,往往需要對大量的模擬做平均。文中我們提出模擬時滯生化反應系統(tǒng)的加速隨機模擬算法,稱為“最后所有可能步進的加速算法(DFAP