Skip to content. | Skip to navigation

Personal tools

Matthias Jeschke (2010)

Efficient Non-Spatial and Spatial Simulation of Biochemical Reaction Networks

Doktorarbeit, Universität Rostock, Rostock.

Reaction networks describe interactions between (molecular) species and their proper function is crucial for all living beings. Analyzing them in vitro is often  aggravated by the spatial and temporal scale of the system: the size of species can range from nanometers to micrometers, some networks may fire in only a few nanoseconds while others require days to finish. As an alternative to real-world experiments, the system of interest (here: the reaction networks) can be abstracted to a model, which is then taken as the input for an experiment in silico — a simulation.   This dissertation is focused on algorithms for performing non-spatial and spatial stochastic simulations of reaction networks and on the exploration of improved or alternative approaches. A central topic is the evaluation and a subsequent comparison of algorithm performance in terms of execution speed and accuracy. A thorough discussion on the intricacies of a such an evaluation is followed by two large-scale studies which demonstrate the application of the elaborated concepts.   The second part of this work takes up the idea of temporal leap methods, extends it to the spatial realm, and introduces a variant for a parallel execution. Subjected to a theoretical and practical performance analysis, (parallel) spatial tau-leaping shows a strong dependence to both algorithm and model parameters, e.g. the particle distribution. Finally, the realization of a multi-algorithm simulation is explored by introducing inter-rules that forge a link between the synchronized execution of subsidiary algorithms. A simple notation for the description of discrete-event simulations is extended to allow the representation of moving individuals that can interact with particles in a discretized volume. Despite being qualitative only, several example models and experiments show the feasibility of this approach. ————————————————————– ————————————————————– Reaktionsnetzwerke beschreiben die Interaktionen zwischen (molekularen) Spezien und dieses oft komplexe Zusammenspiel ist essentiell für das Funktionieren aller Lebewesen. Die Analyse dieser Netzwerke in vitro wird häufig erschwert durch die vorhandenen Größenordnungen: die Spezien haben Durchmesser im Nano- bis Mikrometerbereich, einige Netzwerke feuern innerhalb von Nanosekunden, andere können für alle Schritte Tage benötigen. Eine Alternative zur Arbeit mit lebenden Zellen stellt das Erstellen von Modellen und das anschließende Experimentieren in silico dar — die Simulation. Die vorliegende Dissertation beschäftigt sich mit Algorithmen für die nicht-räumliche und räumliche stochastische Simulation von Reaktionsnetzwerken sowie deren Verbesserung bzw. der Entwicklung neuer Ansätze. Ein zentrales Element hierbei ist die Evaluierung und die dadurch geschaffene Möglichkeit des Vergleichs der Performanz von Algorithmen in Hinsicht auf deren Ausführungsgeschwindigkeit und Genauigkeit. Die Arbeit formuliert und diskutiert Konzepte für solche Studien und wendet diese im Rahmen zweier Beispielevaluierungen an.   Im weiteren Verlauf der Dissertation wird die Idee hinter den sogenannten Leap-Methoden aufgegriffen, diese für räumliche Modelle erweitert und eine Variante für eine parallele Ausführung vorgestellt. Eine theoretische und praktische Evaluierung der Methode zeigt eine deutliche Abhängigkeit der Performanz sowohl von Algorithmen- als auch von Modellparametern. Ein dritter Schwerpunkt ist die Realisierung einer Multi-Algorithmen Simulation durch die Einführung von Inter-Regeln, welche eine Interaktion zwischen verschiedenen Algorithmen erlauben. Basierend auf einer einfachen Notation zur Beschreibung von diskret-ereignisorientierten Simulationen wird ein mögliches Zusammenspiel zwischen Individuen und Populationen innerhalb eines diskretisierten Raumes diskutiert. Die Möglichkeiten, die dieses Konzept bietet, werden durch Beispielmodelle und -experimente demonstriert.

Document Actions