Solving Stochastic Reaction Networks with Maximum Entropy Lagrange Multipliers.
Solving Stochastic Reaction Networks with Maximum Entropy Lagrange Multipliers.
复制标题
DOI：
10.3390/e20090700
复制
发表时间：
2018-09-12
期刊：
影响因子：
--
通讯作者：
Kaznessis YN
中科院分区：
文献类型：
--
作者：
Vlysidis M;Kaznessis YN
随机反应网络的时间演化可以用概率分布的化学主方程来模拟。或者，数值问题可以用概率矩方程重新表述。在这里，我们提出了一个新的替代方法数值求解随机反应网络的时间演化。基于反应网络熵最大的假设，引入了拉格朗日乘子。所提出的方法推导出方程，这些拉格朗日乘子的时间导数模型。给出了将矩方程转化为拉格朗日乘子方程的详细步骤。为了证明该方法，我们提出了不同程度的复杂性，包括多稳态和振荡系统的非线性随机反应网络的例子。我们发现，新的方法是准确和显着更有效的比吉莱斯皮的原始精确算法的系统与少量的相互作用的物种。这项工作是一个步骤，解决随机反应网络准确和有效地。
The time evolution of stochastic reaction networks can be modeled with the chemical master equation of the probability distribution. Alternatively, the numerical problem can be reformulated in terms of probability moment equations. Herein we present a new alternative method for numerically solving the time evolution of stochastic reaction networks. Based on the assumption that the entropy of the reaction network is maximum, Lagrange multipliers are introduced. The proposed method derives equations that model the time derivatives of these Lagrange multipliers. We present detailed steps to transform moment equations to Lagrange multiplier equations. In order to demonstrate the method, we present examples of non-linear stochastic reaction networks of varying degrees of complexity, including multistable and oscillatory systems. We find that the new approach is as accurate and significantly more efficient than Gillespie’s original exact algorithm for systems with small number of interacting species. This work is a step towards solving stochastic reaction networks accurately and efficiently.
登录
查看更多内容
影响因子：
2
作者：
LAVENDA, B;NICOLIS, G;HERSCHKO.M
通讯作者：
HERSCHKO.M
影响因子：
4.4
作者：
Grima, Ramon
通讯作者：
Grima, Ramon
影响因子：
--
作者：
KULLBACK, S;LEIBLER, RA
通讯作者：
LEIBLER, RA
影响因子：
2.3
作者：
Gillespie, C. S.
通讯作者：
Gillespie, C. S.
影响因子：
1.9
作者：
Jahnke, Tobias;Huisinga, Wilhelm
通讯作者：
Huisinga, Wilhelm