Bayesian inference of biochemical kinetic parameters using the linear noise approximation.
Bayesian inference of biochemical kinetic parameters using the linear noise approximation.
复制标题
DOI：
10.1186/1471-2105-10-343
复制
发表时间：
2009-10-19
影响因子：
3
通讯作者：
Rand DA
中科院分区：
文献类型：
--
作者：
Komorowski M;Finkenstädt B;Harper CV;Rand DA
荧光和发光基因报告使我们能够在单细胞水平上动态量化分子物种浓度随时间的变化。通过多变量动态模型对它们的相互作用进行数学建模，需要开发有效的统计方法来根据现有数据校准这些模型。鉴于生物化学系统中普遍存在的随机性和噪声，对随机模型的推理具有特殊的意义。本文提出了一种简单且计算效率高的算法，用于从基因报告数据中估计生化动力学参数。我们使用线性噪声近似通过随机动力学模型来模拟生化反应，该模型本质上近似于扩散模型，通过具有适当定义的噪声过程的常微分方程模型。可以推导出一个显式的似然函数公式，允许计算效率的参数估计。该算法嵌入在贝叶斯框架中，并使用马尔可夫链蒙特卡罗进行推理。该方法的主要优点是，与更成熟的基于扩散近似的方法相比，不需要计算昂贵的数据增强方法。我们的方法还允许未观察到的变量和测量误差。该方法对模拟和实验数据的应用表明，该方法为基于扩散近似的方法提供了一种有用的替代方法。
Fluorescent and luminescent gene reporters allow us to dynamically quantify changes in molecular species concentration over time on the single cell level. The mathematical modeling of their interaction through multivariate dynamical models requires the deveopment of effective statistical methods to calibrate such models against available data. Given the prevalence of stochasticity and noise in biochemical systems inference for stochastic models is of special interest. In this paper we present a simple and computationally efficient algorithm for the estimation of biochemical kinetic parameters from gene reporter data. We use the linear noise approximation to model biochemical reactions through a stochastic dynamic model which essentially approximates a diffusion model by an ordinary differential equation model with an appropriately defined noise process. An explicit formula for the likelihood function can be derived allowing for computationally efficient parameter estimation. The proposed algorithm is embedded in a Bayesian framework and inference is performed using Markov chain Monte Carlo. The major advantage of the method is that in contrast to the more established diffusion approximation based methods the computationally costly methods of data augmentation are not necessary. Our approach also allows for unobserved variables and measurement error. The application of the method to both simulated and experimental data shows that the proposed methodology provides a useful alternative to diffusion approximation based methods.
登录
查看更多内容
DOI：
10.1049/ip-syb:20050105
发表时间：
2006-07-01
期刊：
IEE PROCEEDINGS SYSTEMS BIOLOGY
影响因子：
--
作者：
Reinker, S.;Altman, R. M.;Timmer, J.
通讯作者：
Timmer, J.
影响因子：
7
作者：
Elf, J;Ehrenberg, M
通讯作者：
Ehrenberg, M
DOI：
10.1093/bioinformatics/btn562
发表时间：
2008-12-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Finkenstädt B;Heron EA;Komorowski M;Edwards K;Tang S;Harper CV;Davis JR;White MR;Millar AJ;Rand DA
通讯作者：
Rand DA
影响因子：
4.2
作者：
Esposito, WR;Floudas, CA
通讯作者：
Floudas, CA
影响因子：
3.3
作者：
GILLESPIE, DT
通讯作者：
GILLESPIE, DT