基于条件导数匹配矩闭合获取基因调控网络系统

本发明涉及生物学领域，尤其涉及生化反应网络系统的概率分布领域，具体是指一种基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法、装置、处理器及存储介质。背景技术：1、在生物学领域，生物体内的结构由离散且嘈杂的分子构成，这些分子不断进行布朗运动。个别分子在平均水平上下波动，这些波动可能在很大程度上决定生命体的生存和功能。因此，人们普遍认为规模小的并且不断演变的分子群的模型可以更好地解释生物模型的嘈杂特性和概率属性。这种噪音在塑造生物系统的行为中发挥着关键作用，其中一部分可以通过活细胞内分子浓度的内在波动来解释，这种波动是由生物化学反应的随机性引起，而又受到某些分子种类数量较少的促进。基于这一认识，在生物学研究中，随机建模迅速变得非常流行，主要以基于化学主方程(chemical master equation,cme)的马尔可夫模型为主导。cme可以表示最完整的分子种群演变在任何时候所有可能的结果，但正是其描述的宏大性，除了最简单的分子相互作用反应网络可以得到解析解，其他复杂的分子种群化学主方程都不可求得解析解，因此严重限制了其在生物系统中的应用。2、为了解决化学主方程的解析解由于方程组存在无穷阶的项，也就是存在耦合而不能求得解析解这个问题，可以通过随机模拟算法(stochastic simulation algorithm,ssa)来解决这个问题。该算法模拟随机演变分子种群的模型是基于概率分布的数值抽样，是一种在状态空间中生成随机轨迹集合的动力学蒙特卡罗方法，可以模拟底层随机过程的精确样本路径，从而提取准确的样本。这个算法虽然在经过改进后被广泛使用，但当反应速率跨越多个时间尺度时，这种方法变得十分繁琐。此外，这种方法不利于后续的反应网络模型分析，例如稳态和稳定性分析、微扰和分岔分析，这也是这个方法一个严重的缺陷。3、随机模拟算法所需的大量计算和繁琐性，使人们寻求一种替代方法，也就是近似方法，其中一种近似方法是矩闭合方法。由于人们通常只对低阶统计矩感兴趣，直接计算这些矩成为一种高效的替代方法。具体的矩闭合方法是定义一个能够使矩方程组闭合的方案，使用接受解的有限格式来逼近无穷阶方程集的解。已经开发的闭合方案有很多，大部分都是通过假设生化反应系统潜在的分布，比如normal moment closure,poisson momentclosure,log-normal moment closure,derivative matching等等矩闭合方法。然而，这些闭合方案对于模型的刻画还是不够准确并且在实际运用中的效果不够确定。特别是对于基因在转录活跃和不活跃状态之间切换导致生成的物质分布产生很大倾斜的生化反应网络，这些闭合方案都不同程度地失效了。4、而矩闭合近似主要提供对生化反应过程矩的估计值。然而，在很多情景中对生化反应过程最终的稳态分布感兴趣。为了实现这一目标，可以通过使用随机模拟算法运行蒙特卡罗模拟并进行集中平均。然而，ssa方法在计算上相当昂贵。另一种方法是首先通过矩闭合方法计算一定阶矩的近似值，然后从这些近似矩构造一个分布，避免了集合平均，从而更加有效。从化学主方程获得的矩闭合方程组可以近似地得到k阶以下的所有矩的演化，对矩方程组求解即可得到矩的估计值。通过给定稳态时刻的近似矩值，可以使用最大熵原理重建相应的边际概率分布。矩构造分布的一种常见方法依赖于最大熵原理。当需要通过这些矩的估计值获取生化反应系统的稳态分布时，通过给定稳态时刻的近似矩值，可以使用最大熵原理重建相应的边际概率分布。这一重构过程需要解决一个非线性约束优化问题。对于大多数系统，矩方程组的求解和利用求解的近似值进行分布的重建是非常有效的，允许快速逼近化学主方程的解。这种方法在需要获取反应网络参数的观察估计值时特别有用，因为通过提供边际分布，可以确定大多数可能性，也就可以成功构造系统的稳态分布。5、综上所述，当前在获取具有切换特性的基因调控网络模型最终时刻分布方面存在两个主要问题。首先，传统的矩闭合方法在这种生化反应模型中闭合失效，无法有效处理基因调控网络模型的切换特性。其次，使用ssa方法在这个问题上需要进行大量的集合平均，导致计算量庞大和复杂性增加。技术实现思路1、本发明的目的是克服了上述现有技术的缺点，提供了一种满足操作简便、研究效率高、适用范围较为广泛的基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法、装置、处理器及存储介质。2、为了实现上述目的，本发明的基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法、装置、处理器及存储介质如下：3、该基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法，其主要特点是，所述的方法包括以下步骤：4、(1)构造研究对象反应网络系统；5、(2)获得反应网络系统的矩方程组并进行条件导数匹配矩闭合，将闭合的矩方程组求解获得矩近似值，得到矩的精确近似值；6、(3)通过最大熵原理构造拉格朗日函数；7、(4)求解获得拉格朗日乘子大小并构造模型分布；8、(5)与随机模拟算法获得的准确稳态分布结果进行对比，来验证正确性。9、较佳地，所述的步骤(1)具体包括以下步骤：10、(1.1)确定具体需要研究的生化反应网络模型；11、(1.2)使用构造反应网络系统的软件包直接进行构建。12、较佳地，所述的步骤(2)具体包括以下步骤：13、(2.1)从构建好的基因调控网络系统获取化学主方程；14、(2.2)通过化学主方程得到所需的矩方程组；15、(2.3)利用条件导数匹配矩闭合获得高阶矩的低阶表示；16、(2.4)将高阶矩的低阶表示带入到方程组中得到闭合的方程组，对微分方程组求解，得到所需矩的精确近似值。17、较佳地，所述的步骤(2.3)具体包括以下步骤：18、(2.3.1)利用全概率定理得到基因在活跃和非活跃状态对应的所需矩的两个子项；19、(2.3.2)分别对两个子项使用导数匹配方法获得高阶矩的低阶表示。20、较佳地，所述的步骤(2.4)具体包括以下步骤：21、(2.4.1)高阶矩的低阶表示带入到方程组中得到闭合的矩方程组；22、(2.4.2)使用常微分方程组求解闭合微分方程组，获得矩的精确近似值。23、较佳地，所述的步骤(3)具体包括以下步骤：24、(3.1)引入拉格朗日乘数法，定义拉格朗日函数，所述的函数包括原始问题的目标函数以及约束条件；25、(3.2)代入定义的拉格朗日函数中，得到原始问题的对偶函数。26、较佳地，所述的步骤(4)具体包括以下步骤：27、(4.1)选择使用各种求解最值的优化包，求解拉格朗日函数的对偶函数的最优化问题；28、(4.2)将求解得的最优解带入公式，得到基因调控网络系统达到稳定状态时物质的概率分布。29、较佳地，所述的步骤(5)具体包括以下步骤：30、(5.1)利用随机模拟算法，进行多次模拟并进行集中平均，获得准确的稳定状态分布；31、(5.2)对获得的准确分布和矩闭合方法获得的分布进行比较，验证矩闭合方法获得的分布的准确性；32、(5.3)分析比较结果，评估矩闭合方法获得的分布的准确性；33、(5.4)根据差距的程度，决定是否继续获得稳态分布。34、较佳地，所述的步骤(5.1)具体包括以下步骤：35、(5.1.1)记录达到最终时刻点分子对象的状态；36、(5.1.2)将所述的状态的采样结果进行集中平均，获得离散的分子对象具体的分布。37、该用于基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的装置，其特征在于，所述的装置包括：38、处理器，被配置成执行计算机可执行指令；39、存储器，存储一个或多个计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法的各个步骤。40、该用于基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的处理器，其特征在于，所述的处理器被配置成执行计算机可执行指令，所述的计算机可执行指令被所述的处理器执行时，实现上述的基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法的各个步骤。41、该计算机可读存储介质，其特征在于，其上存储有计算机程序，所述的计算机程序可被处理器执行以实现上述的基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法的各个步骤。42、采用了本发明的基于条件导数匹配矩闭合获取基因调控网络系统稳态分布的方法、装置、处理器及存储介质，同时解决传统矩闭合方法在这一领域失效的问题，以及ssa所需的大量集合平均导致的高计算量和复杂性。这种新的实现方法将有助于提高研究在这一领域获取最终分布的数据和效率。通过降低计算量和简化操作，科研人员可以更专注于他们的研究工作，从而节省时间和提高研究效率。