生化反應(yīng)系統(tǒng)中加速隨機(jī)模擬算法的研究.pdf

1、一切生命活動(dòng)的基礎(chǔ)是細(xì)胞,細(xì)胞的活動(dòng)構(gòu)成一套精密而復(fù)雜的化學(xué)反應(yīng)網(wǎng)絡(luò)。因此研究這些相互作用的化學(xué)反應(yīng)網(wǎng)絡(luò)已成為系統(tǒng)生物學(xué)研究中的一個(gè)重要課題。為了研究復(fù)雜化學(xué)反應(yīng)的動(dòng)力學(xué)特征,需要對生反應(yīng)系統(tǒng)進(jìn)行建模和仿真。由于細(xì)胞內(nèi)的化學(xué)反應(yīng)都具有隨機(jī)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(jī)”的模型。
　　具有代表性反應(yīng)的算法(Representative Reaction Approach,RRA)的提出為研究生化反應(yīng)系統(tǒng)開拓出

2、了一個(gè)新的研究方向,它主要的思想是以反應(yīng)2A?B代表整個(gè)生化反應(yīng)系統(tǒng)中所有的反應(yīng)。本文在RRA算法基礎(chǔ)之上,提出“最后所有可能步進(jìn)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(yùn)行次數(shù),結(jié)果表明在相同精度的前提下,FAPS RRA算法比RRA算法的模擬運(yùn)行速率有顯著的提高。
　　時(shí)滯是生化反應(yīng)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(shí)間后才發(fā)生反應(yīng)。Barrio等人與 Cai提出的精確時(shí)滯隨機(jī)模擬算法(DSSA)均用來解決含時(shí)滯的生化反應(yīng)系統(tǒng)中的動(dòng)力學(xué)問題。由于DSSA每次只能模擬一個(gè)反應(yīng)事件,模擬生化反應(yīng)進(jìn)程時(shí)速率過低。本文在現(xiàn)有RRA算法的基礎(chǔ)上進(jìn)行拓展,將其應(yīng)用到含時(shí)滯的生化反應(yīng)系統(tǒng)中,提出了時(shí)滯生化反應(yīng)系統(tǒng)中RRA算法(DRRA)。仿真實(shí)驗(yàn)表明:與DSSA算法相比較,我們提出的DRRA算法在模

4、擬含時(shí)滯的生化反應(yīng)系統(tǒng)時(shí)更為有效與實(shí)用。
　　考慮到生化反應(yīng)系統(tǒng)中時(shí)滯反應(yīng)與非時(shí)滯反應(yīng)可能同時(shí)發(fā)生反應(yīng),Bayati提出了含時(shí)滯的加速隨機(jī)模擬算法(D-leaping)。該算法是通過對時(shí)滯生化反應(yīng)系統(tǒng)建立一個(gè)以時(shí)滯的等待序列為主體的四元結(jié)構(gòu)體,來有效地模擬時(shí)滯生化反應(yīng)系統(tǒng)。在實(shí)際運(yùn)行中,為了得到可靠的統(tǒng)計(jì)特性,往往需要對大量的模擬做平均。文中我們提出模擬時(shí)滯生化反應(yīng)系統(tǒng)的加速隨機(jī)模擬算法,稱為“最后所有可能步進(jìn)的加速算法(DFAP