MEANS: python package for Moment Expansion Approximation, iNference and Simulation.
MEANS: python package for Moment Expansion Approximation, iNference and Simulation.
复制标题
DOI：
10.1093/bioinformatics/btw229
复制
发表时间：
2016-09-15
期刊：
影响因子：
--
通讯作者：
Stumpf MP
中科院分区：
文献类型：
--
作者：
Fan S;Geissmann Q;Lakatos E;Lukauskas S;Ale A;Babtie AC;Kirk PD;Stumpf MP
动机：许多生化系统需要随机描述。不幸的是，这些问题只能在最简单的情况下解决，它们的直接模拟可能会变得非常昂贵，无法进行彻底的分析。作为一种替代方法，矩闭近似方法生成系统矩的时间演化方程，并应用闭包分析来获得微分方程的闭集；这可以成为随机系统输出矩的确定性分析的基础。结果：我们提供了一个免费的、用户友好的工具，通过参数闭包实现了一个有效的矩展开近似，该工具与IPython交互环境集成得很好。我们的软件包能够分析复杂的随机系统，而不受所研究的物种和矩的数量以及系统中速率定律类型的限制。除了近似方法外，我们的软件包还提供了许多工具来帮助非专业用户进行随机分析。可用性和实施：https://github.com/theosysbio/means联系方式：m.stumpf@imperial.ac.uk或e.lakatos13@imperial.ac.uk补充信息：补充数据可在生物信息学在线获取。
Motivation: Many biochemical systems require stochastic descriptions. Unfortunately these can only be solved for the simplest cases and their direct simulation can become prohibitively expensive, precluding thorough analysis. As an alternative, moment closure approximation methods generate equations for the time-evolution of the system’s moments and apply a closure ansatz to obtain a closed set of differential equations; that can become the basis for the deterministic analysis of the moments of the outputs of stochastic systems. Results: We present a free, user-friendly tool implementing an efficient moment expansion approximation with parametric closures that integrates well with the IPython interactive environment. Our package enables the analysis of complex stochastic systems without any constraints on the number of species and moments studied and the type of rate laws in the system. In addition to the approximation method our package provides numerous tools to help non-expert users in stochastic analysis. Availability and implementation: https://github.com/theosysbio/means Contacts: m.stumpf@imperial.ac.uk or e.lakatos13@imperial.ac.uk Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
2.7
作者：
Hindmarsh, AC;Brown, PN;Woodward, CS
通讯作者：
Woodward, CS
影响因子：
2.3
作者：
Gillespie, C. S.
通讯作者：
Gillespie, C. S.
影响因子：
4.4
作者：
Lakatos, Eszter;Ale, Angelique;Stumpf, Michael P. H.
通讯作者：
Stumpf, Michael P. H.
影响因子：
--
作者：
GILLESPIE, DT
通讯作者：
GILLESPIE, DT
影响因子：
4.4
作者：
Schnoerr, David;Sanguinetti, Guido;Grima, Ramon
通讯作者：
Grima, Ramon