分析随机合奏SimBiology中的数据

这个例子展示了如何使整体运行以及如何分析生成的数据在SimBiology®。

介绍

当一个模型的行为在本质上是随机的,一个单一的模拟运行模型没有提供足够的洞察。必须执行的整体运行。整体运行产生大量的数据,需要系统分析。

这个例子演示了如何使用SimBiology使整体运行以及如何分析生成的数据。

负荷模型

我们将使用G蛋白使用发布数据模型,建立了从易et al . (2003)。加载野生型G蛋白模型和看它的种类和反应。

sbioloadprojectgprotein_norulesm1m1.Species

ans = SimBiology物种数组索引:舱:名称:未具名的G值:单位:7000 2匿名Gd 3000 3未具名的Ga 0 4匿名RL 0 5不知名的6.022 L e + 17匿名R 10000 7匿名Gbg 3000

m1.Reactions

ans = SimBiology反应数组索引:反应:1 L + R < - > RL零3 RL - 2 R < - > >零4 Gd + Gbg - > G 5 G + RL - > Ga + Gbg + 6 RL Ga - > Gd

进行集成管理

整体运行只能做如果您使用的是随机动力学。与确定性动力学,是没有意义的整体运行以来你总是会得到完全相同的结果。由于特性转化,样本块在这个页面可能不完全匹配块你自己从运行这个示例。

解算器类型改为SSA和执行模型的10分。加快模拟,让我们记录每100才反应事件。

numRuns = 10;configsetObj = getconfigset (m1,“活跃”);configsetObj。SolverType =“ssa”;configsetObj.SolverOptions。LogDecimation = 100;simdata = sbioensemblerun (m1, numRuns);

的原始数据

情节相对应的原始数据的物种命名为G, Ga和RL和适当的注释情节。

图;speciesNames = {‘G’,“遗传算法”,“RL”};(t, x) = selectbyname (simdata speciesNames);持有在;为i = 1: numRuns情节(x t{我},{我});结束网格在;包含(的时间间隔,以秒为单位);ylabel (物种数量的);标题(“原始整体数据”);传奇(speciesNames);

图包含一个坐标轴对象。坐标轴标题原始整体数据对象,包含时间秒,ylabel物种数量包含30线类型的对象。这些对象代表G, Ga, RL。

系综统计

让我们计算这些物种整体统计数据。

[timeVals, meanVals varianceVals] = sbioensemblestats (simdata speciesNames);

让我们画出平均值和标准偏差作为时间的函数。

图;情节(timeVals meanVals);网格在;包含(的时间间隔,以秒为单位);ylabel (“的意思是”);标题(“变化的意思”);传奇(speciesNames“位置”,“NorthEastOutside”);

图包含一个坐标轴对象。坐标轴对象标题的变化意味着,包含时间以秒为单位,ylabel意味着包含3线类型的对象。这些对象代表G, Ga, RL。

图;情节(timeVals√varianceVals);网格在;包含(的时间间隔,以秒为单位);ylabel (“标准差”);标题(标准偏差的变化);传奇(speciesNames“位置”,“NorthEastOutside”);

图包含一个坐标轴对象。坐标轴对象标题变化的标准差,包含时间以秒为单位,ylabel标准差包含3线类型的对象。这些对象代表G, Ga, RL。

从这些情节似乎G和Ga完全相同的标准偏差,尽管他们的变化意味着是不同的。看看我们可以找出原因。第一步是找出它们之间是否有关系。让我们看看反应模型中再一次,看看什么是显而易见的。

m1.Reactions

ans = SimBiology反应数组索引:反应:1 L + R < - > RL零3 RL - 2 R < - > >零4 Gd + Gbg - > G 5 G + RL - > Ga + Gbg + 6 RL Ga - > Gd

一半的保护

从反应,G和Ga的关系是不明确的。进一步分析,我们要使用sbioconsmoiety是否有任何一部分保护。

sbioconsmoiety (m1,“semipos”,“p”)

ans =2 x1细胞{“G + Gbg '} {' G + Gd + Ga '}

从这我们可以看出,“G + Gd + Ga”总是守恒的。但这并不能完全解释为什么G的差异和遗传算法是相同的。Gd呢?为什么不其方差影响G或Ga吗?为了进一步调查,让我们计算Gd的系综统计和策划他们的变化。

[timeValsGd, meanValsGd varianceValsGd] = sbioensemblestats (simdata,“Gd”);图;情节(timeValsGd meanValsGd,“- - -”,…timeValsGd sqrt (varianceValsGd),“:”);轴([-50 600 -500 3000]);包含(的时间间隔,以秒为单位);标题(Gd的平均值和标准偏差);传奇(“的意思是”,“标准差”)

图包含一个坐标轴对象。坐标轴对象与标题Gd的平均值和标准偏差,包含时间在几秒钟内包含2线类型的对象。这些对象表示的意思是,标准偏差。

解释相同的方差

的情节,可以看出,Gd开始与一个非零值= 0时,但其均值和方差方法零急剧和呆在那里。因此,Gd保持接近零的时候,一部分守恒方程减少

$G + G 一个 \approx c o n 年代 t 一个 n t$

这意味着随着G上升Ga等量,反之亦然。这就解释了为什么G和Ga的差异几乎是相同的。如果你看中的数据矩阵varianceVals,你会看到两个方差非常接近但不完全相等。这是由于Gd的存在非常接近于零,但不是零。

整体情节:二维分布的情节

可视化随机整体数据的一个方法是绘制直方图的物种浓度在特定的时间点。每一个柱状图显示了一个特定的物种浓度的分布在整个运行的合奏。这些直方图可能使用SimBiology命令生成的sbioensembleplot。

让我们创建直方图的物种G, Ga, RL在时间t = 10。注意,在这个例子中,我们没有指定一个生成的整体数据插值的选择sbioensemblerun。每次运行的时间向量在合奏因此不同。sbioensembleplot插入每个运行的仿真数据发现的物种数量在精确的时间t = 10。

sbioensembleplot (simdata speciesNames 10);

图包含一个坐标轴对象。坐标轴对象与标题物种G(意味着= 5948.14,性病。偏差= 36.3051),包含大量的物种G, ylabel数量的数据点包含一个直方图类型的对象。

图包含一个坐标轴对象。坐标轴对象与标题物种遗传算法(意味着= 4051.39,性病。偏差= 36.1337),包含大量的物种Ga, ylabel数量的数据点包含一个直方图类型的对象。

图包含一个坐标轴对象。坐标轴对象与标题物种RL(意味着= 9622.07,性病。偏差= 11.0337),包含大量的物种RL, ylabel数量的数据点包含一个直方图类型的对象。

整体情节:3 d山情节

很明显,得到一个完全理解的分布变化随着时间的推移,您将需要让这些情节感兴趣的在每一个时间间隔分布。此外,情节需要分布均值和方差的阴谋。最好是把所有这些信息在一个阴谋。

嗯,3 d数据情节,合奏。与这些3 d绘图中您可以查看均值和方差变化作为时间的函数。此外,而不是阴谋物种的分布在每一个可能的时间步,在一个视图中可以看到一个符合正态分布,与实际数据的均值和方差,随着时间的变化。三维整体情节很好获得的概述如何的意思是,方差和分布变化作为时间的函数。

让我们看看一个3 d合奏的物种遗传算法。

sbioensembleplot (simdata“遗传算法”);

图包含一个坐标轴对象。坐标轴对象标题时变总体数据分析,包含时间,ylabel物种数量包含251行,类型的对象,文本。

这个例子显示了如何分析随机SimBiology的整体数据模型在SimBiology使用各种工具。