Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Optimal Regional Regulation of Animal Waste Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Stochastic Modelling of Biochemical Networks and Inference of Model Parameters

verfasst von : Vilda Purutçuoğlu

Erschienen in: Modeling, Dynamics, Optimization and Bioeconomics III

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

There are many approaches to model the biochemical systems deterministically or stochastically. In deterministic approaches, we aim to describe the steady-state behaviours of the system, whereas, under stochastic models, we present the random nature of the system, for instance, during transcription or translation processes. Here, we represent the stochastic modelling approaches of biological networks and explain in details the inference of the model parameters within the Bayesian framework.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Myopia of Governments and Optimality of Irreversible Pollution Accumulation
Nächstes Kapitel Complete Nonholonomy of the Rolling Ellipsoid - A Constructive Proof
Literatur
1.
Berzuini, C., Best, N.G., Gilks, W.R., Larizza, C.: Dynamic conditional independence models and Markov Chain Monte Carlo methods. J. Am. Stat. Assoc. 92(440), 1403–1412 (1997)MathSciNetCrossRef
2.
Beskos, A., Papaspiliopoulos, O., Roberts, G., Fearnhead, P.: Exact and computationally efficient likelihood-based estimation for discretely observed diffusion processes. J. Roy. Stat. Soc. B 68, 1–29 (2006)MathSciNetCrossRef
3.
Bower, J.M., Bolouri, H.: Computational Modelling of Genetic and Biochemical Networks, 2nd edn. Massachusetts Institute of Technology, Cambridge (2001)
4.
Doucet, A., Godsill, S., Andrieu, C.: On sequential Monte Carlo sampling methods for Bayesian filtering. Stat. Comput. 10, 197–208 (2000)CrossRef
5.
Durham, G.B., Gallant, A.R.: Numerical techniques for maximum likelihood estimation of continuous-time diffusion processes. J. Bus. Econ. Stat. 20(3), 297–338 (2002)MathSciNetCrossRef
6.
Eraker, B.: MCMC analysis of diffusion models with application to finance. J. Bus. Econ. Stat. 19(2), 177–191 (2001)MathSciNetCrossRef
7.
Gamerman, D., Lopes, H.F.: Markov Chain Monte Carlo: Stochastic Simulation for Bayesian Inference. Chapman and Hall/CRC, Boca Raton (2006)MATH
8.
Gelman, A., Carlin, J.B., Stern, H.S., Rubin, D.B.: Bayesian Data Analysis. Chapman and Hall/CRC, Boca Raton (2004)MATH
9.
Gillespie, D.T.: Exact stochastic simulation of coupled chemical reactions. J. Phys. Chem. 81(25), 2340–2361 (1977)CrossRef
10.
Gillespie, D.T.: The multivariate langevin and fokker-planck equations. Am. J. Phys. 64(10), 1246–1257 (1996)MathSciNetCrossRef
11.
Gillespie, D.T.: The chemical langevin equation. J. Chem. Phys. 113, 97–306 (2000)CrossRef
12.
Gillespie, D.T.: Approximate accelerated stochastic simulation of chemically reacting systems. J. Chem. Phys. 115, 1716–1733 (2001)CrossRef
13.
Golightly, A., Wilkinson, D.J.: Bayesian inference for stochastic kinetic models using a diffusion approximation. Biometrics 61(3), 781–788 (2005)MathSciNetCrossRef
14.
Golightly, A., Wilkinson, D.J.: Bayesian sequential inference for nonlinear multivariate diffusions. Stat. Comput. 16, 323–338 (2006)MathSciNetCrossRef
15.
Golightly, A., Wilkinson, D.J.: Bayesian sequential inference for stochastic kinetic biochemical network models. J. Comput. Biol. 13(3), 838–851 (2006)MathSciNetCrossRef
16.
Golightly, A., Wilkinson, D.J.: Bayesian inference for nonlinear multivariate diffusion models observed with error. Comput. Stat. Data Anal. 52(3), 1674–1693 (2008)MathSciNetCrossRef
17.
Jong, H.D.: Modelling and simulation of genetic regulatory systems: a literature review. J. Comput. Biol. 9(1), 67–103 (2002)CrossRef
18.
Pedersen, A.R.: A new approach to maximum likelihood estimation for stochastic differential equations based on discrete observations. Scand. J. Stat. 2(1), 55–71 (1995)MathSciNetMATH
19.
Purutçuoğlu, V., Wit, E.: Bayesian inference for the MAPK/ERK pathway by considering the dependency of the kinetic parameters. Bayesian Anal. 3(4), 851–886 (2008)MathSciNetCrossRef
20.
21.
Risken, H.: The Fokker-planck Equation: Methods of Solution and Applications. Springer, Berlin (1989)CrossRef
22.
Roberts, G.O., Stramer, O.: On inference for partially observed nonlinear diffusion models using the metropolis-hastings algorithm. Biometrika 88(3), 603–621 (2001)MathSciNetCrossRef
23.
Roberts, G.O., Gelman, A., Gilks, W.R.: Weak convergence and optimal scaling of random walk metropolis algorithms. Ann. Appl. Probab. 7(1), 110–120 (1997)MathSciNetCrossRef
24.
Turner, T.E., Schnell, S., Burrage, K.: Stochastic approaches for modelling in vivo reactions. Comput. Biol. Chem. 28, 165–178 (2004)CrossRef
25.
Van Kampen, N.G.: Stochastic Processes in Physics and Chemistry. North- Holland, Amsterdam (1981)MATH
26.
Wilkinson, D.J.: Stochastic Modelling for Systems Biology. Chapman and Hall/CRC, Boca Raton (2006)MATH
Metadaten
Titel
Stochastic Modelling of Biochemical Networks and Inference of Model Parameters
verfasst von
Vilda Purutçuoğlu
Copyright-Jahr
2018
Buch
Modeling, Dynamics, Optimization and Bioeconomics III

Print ISBN: 978-3-319-74085-0

Electronic ISBN: 978-3-319-74086-7

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-74086-7_18

Premium Partner

    Bildnachweise