. . . . . .
.
... .
. .
R を用いた動的数理モデルの研究例
高橋 弘喜
奈良先端科学技術大学院大学
2012 年 2 月 22 日
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
目次
. .1. 目次
. .2. Stochastic シミュレーション うさぎと山猫の個体数変化 Lotka–Volterra 方程式 シミュレーション
. .3. 大腸菌における亜鉛恒常性機構 亜鉛とは...
動的数理モデルの構築
マルコフ連鎖モンテカルロ法 シミュレーション解析
. .4. AMDORAP
. . . . . .
目次
. .1. 目次
. .2. Stochastic シミュレーション うさぎと山猫の個体数変化 Lotka–Volterra 方程式 シミュレーション
. .3. 大腸菌における亜鉛恒常性機構 亜鉛とは...
動的数理モデルの構築
マルコフ連鎖モンテカルロ法 シミュレーション解析
. .4. AMDORAP
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
うさぎと山猫の個体数変化 Lotka–Volterra方程式 シミュレーション
個体数の変化
1860 1880 1900 1920
20406080100120140# of individuals
Rabbit Lynx
. . . . . .
Lotka–Volterra 方程式
捕食者(山猫) と被食者 (うさぎ) との個体数における関係式 (Y1:うさぎ, Y2:山猫)
Y1 −−k→ 2Y1 2 (1) Y1+ Y2
k2
−−→ 2Y2 (2) Y2 −−k→ 6 03 (3)
d[Y1]
dt = k1[Y1] − k2[Y1][Y2] (4) d[Y2]
dt = k2[Y1][Y2] − k3[Y2] (5)
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
うさぎと山猫の個体数変化 Lotka–Volterra方程式 シミュレーション
ソースコード例 : ODE
1 ## ODE solution 2 library(odesolve)
3 LV_model <- function(t, x, p){ 4 k1 <- p["k1"]
5 k2 <- p["k2"] 6 k3 <- p["k3"] 7
8 F1 <- k1*x[1]-k2*x[1]*x[2] 9 F2 <- k2*x[1]*x[2]-k3*x[2] 10 list(c(F1, F2))
11 } 12
13 params <- c(k1=1, k2=0.1, k3=0.1) 14 init <- c(4,10)
15 times <- seq(0, 1e2, by=0.01)
16 x <- lsoda(init, times, LV_model, params)
. . . . . .
ソースコード例 : Stochastic
1 #Gillespie algorithm
2 gillespie <- function(N, n, ...){
3 tt=0
4 x=N$M
5 S=t(N$Post-N$Pre)
6 u=nrow(S)
7 v=ncol(S)
8 tvec=vector("numeric", n) 9 xmat=matrix(ncol=u, nrow=n+1) 10 xmat[1,]=x
11
12 for(i in 1:n){ 13 h=N$h(x, tt, ...)
14 if(sum(h)==0)
15 break
16 tt=tt+rexp(1, sum(h)) 17 j=sample(v, 1, prob=h)
18 x=x+S[,j]
19 tvec[i]=tt
20 xmat[i+1,]=x
21 }
22 return(list(t=tvec, x=xmat))
23 }
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
うさぎと山猫の個体数変化 Lotka–Volterra方程式 シミュレーション
ODE vs Stochastic
.
微分方程式 .
.
... .
.
.
0 20 40 60 80 100
05101520[Y]
Rabbit Lynx
.
化学量論式 .
.
... .
.
.
. . . . . .
ODE vs Stochastic
.
微分方程式 .
.
... .
.
.
0 20 40 60 80 100
05101520[Y]
Rabbit Lynx
.
化学量論式 .
.
... .
.
.
0 5 10 15 20 25 30
0200400600800
Y
Rabbit Lynx
0 5 10 15 20 25 30
0200400600800
Y
Rabbit Lynx
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
亜鉛とは... 動的数理モデルの構築 マルコフ連鎖モンテカルロ法 シミュレーション解析
目次
. .1. 目次
. .2. Stochastic シミュレーション うさぎと山猫の個体数変化 Lotka–Volterra 方程式 シミュレーション
. .3. 大腸菌における亜鉛恒常性機構 亜鉛とは...
動的数理モデルの構築
マルコフ連鎖モンテカルロ法 シミュレーション解析
. .4. AMDORAP
. . . . . .
大腸菌における金属センサー
亜鉛は
存在量が2 番目 に多い遷移金属 である
全酵素クラスに おける補因子で ある
必須であるが、 毒でもある .
... .
. .
細胞内亜鉛量は厳密に制御されている
高橋 弘喜 @理研PSC
Waldron and Robinson 2009
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
亜鉛とは... 動的数理モデルの構築
マルコフ連鎖モンテカルロ法 シミュレーション解析
亜鉛制御機構のモデル
インポーターZnuABC の発現は、Zurによって 抑制されている
エクスポーターZntAの 発現は、ZntRによって 抑制されている
リザーバーは、高い細胞 内総量の維持に必要で ある
. . . . . .
動的数理モデルと実験データとの統合
.14 の未知パラメーター値 .
.
... .
.
.
事前情報なし(10) 事前情報あり(4)
dy1
dt = f (y1,y2, . . . ,yn) dy2
dt = g(y1,y2, . . . ,yn) dyn
dt = h(y1,y2, . . . ,yn)
.
実験データ .
.
... .
.
.
プロモーター活性(共同研究 者による)
亜鉛量に応じた転写誘導
(Outten & O’Halloran 2001 Science)
細胞内亜鉛量(Outten & O’Halloran 2001 Science)
タンパク質濃度(Ishihama et al. 2008 BMC Genomics)
亜鉛欠乏時の転写応答(Graham
et al.2009 JBC)
.
... .
. .
14 のパラメーター値の統計的推論
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
亜鉛とは... 動的数理モデルの構築 マルコフ連鎖モンテカルロ法
シミュレーション解析
メトロポリスヘイスティングスアルゴリズム
.
ベイズの定理
.
.
. . . .
.
.
p ( q | D ) = p ( D
| q ) p ( q )
p ( D )
.
採択率 .
.
. . . .
.
.
α(θ, φ) = min
1 ,
π(φ)
π(θ)
. . . . . .
パラメーター推論
β1
Value
Iteration step
−0.5 0.0 0.5 1.0
110000 0.01.0
K1
Value
Iteration step
0.30 0.40 0.50
110000 0510
Kx
Value
Iteration step
−6.7 −6.5 −6.3
110000 0246
r2
Value
Iteration step
−6 −4 −2 0 2
110000 0.000.20
β2
Value
Iteration step
−2 0 2 4
110000 0.000.20
K2
Value
Iteration step
1.0 1.4 1.8 2.2
110000 0.01.0
Ky
Value
Iteration step
−5.0 −4.6−4.2 −3.8
110000 0.01.0
Ap1
Value
Iteration step
2 3 4 5
110000 0.00.40.8
Ab
Value
Iteration step
6.5 7.0 7.5 8.0
110000 0.01.0
Kin
Value
Iteration step
8.5 9.0 9.5 10.0
110000 0.01.0
Bp2
Value
Iteration step
−15 −5 0 5 10
110000 0.000.20
Bb
Value
Iteration step
6.5 7.5 8.5
110000 0.01.0
Kroff
Value
Iteration step
−12 −8 −4 0
110000 0.000.15
Kron
Value
Iteration step
4 5 6 7 8
110000 0.01.0
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
亜鉛とは... 動的数理モデルの構築 マルコフ連鎖モンテカルロ法 シミュレーション解析
シミュレーションによる挙動予測 ( タンパク質量 )
ZnuABC (インポーター)
0 20 40 60 80 100
050010001500200025003000
Time [h]
# of molecule
ZntA (エクスポーター)
0 20 40 60 80 100
0100200300400500600
Time [h]
# of molecule
. . . . . .
目次
. .1. 目次
. .2. Stochastic シミュレーション うさぎと山猫の個体数変化 Lotka–Volterra 方程式 シミュレーション
. .3. 大腸菌における亜鉛恒常性機構
亜鉛とは...
動的数理モデルの構築
マルコフ連鎖モンテカルロ法 シミュレーション解析
. .4. AMDORAP
高橋 弘喜 @理研PSC
. . . . . .
目次 Stochasticシミュレーション 大腸菌における亜鉛恒常性機構 AMDORAP
メタボロミクス情報解析
.
解析プラットフォームAMDORAP の構築
http://amdorap.sourceforge.net/ .
.
... .
.
.@理研PSC
LC-Orbitrap: 約2GB
Takahashi et al., 2011 BMC Bioinformatics
. . . . . .
最後に ...
.
.. . .
.
.
共同研究
出前講義
勉強会
学生募集
hi-takah@bs.naist.jp
高橋 弘喜 @理研PSC