基于混合逼近的多尺度随机反应网络的随机滤波
摘要：基于时间分辨实时单细胞测量和荧光显微技术的发展，在过去几十年中，科学家们观察实时单细胞活动的能力得到了很大提高。在本文中，我们考虑与这些先进技术相关的滤波问题，即如何从荧光报告物的时间序列测量中估计细胞内多尺度随机反应网络的潜在动态状态。解决这个问题的好方法可以进一步提高科学家从时间序列实验中提取细胞内系统信息的能力。 这个滤波问题的一种直观方法是使用粒子滤波器，其中粒子是通过模拟完整模型生成的，并根据观测结果进行加权。然而，准确模拟完整动态模型通常需要大量的计算时间，阻碍了这种类型的粒子滤波器用于实时应用，如转录调控网络。受到多尺度化学反应网络混合近似方法最近的发展启发，我们以一种替代方式来解决滤波问题。我们首先证明，通过解决表示动态为混合过程的简化模型的滤波问题，可以构建准确的滤波问题解决方案。模型简化基于利用原始网络中的时间尺度分离，因此可以大大减少模拟动态所需的计算工作量。因此，我们能够通过将粒子滤波器应用于简化模型来开发有效的粒子滤波器来解决原始模型的滤波问题。我们使用几个数值例子来说明我们方法的准确性和计算效率。
作者：Zhou Fang, Ankit Gupta, Mustafa Khammash
论文ID：2106.03276
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-07-27