7. Regelbasierte Modellierung

Slides:



Advertisements
Ähnliche Präsentationen
8. Termin Teil B: Wiederholung Begriffe Baum
Advertisements

Vorlesung Compilertechnik Sommersemester 2008
Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Programmierung 1 - Repetitorium WS 2002/2003 Programmierung 1 - Repetitorium Andreas Augustin und Marc Wagner Homepage:
Programmierung 1 - Repetitorium WS 2002/2003 Programmierung 1 - Repetitorium Andreas Augustin und Marc Wagner Homepage:
Statistische Aspekte der PSG
Simulation komplexer technischer Anlagen
Schnelle Matrizenoperationen von Christian Büttner
7.2 B-Bäume / B*-Bäume als Hilfsmittel zur Indexorganisation
Claudio Moraga; Gisbert Dittrich
7. Natürliche Binärbäume
7. Automaten Ein Automat ist ein Sechstupel A= (I, O, Q, , q0, F).
R. Der - Vorlesung Algorithmen und Datenstrukturen (Magister)
8. Formale Sprachen und Grammatiken
3. Berechenbarkeit Wann ist eine Funktion (über den natürlichen Zahlen) berechenbar? Intuitiv: Wenn es einen Algorithmus gibt, der sie berechnet! Was heißt,
Christian Schindelhauer
Algorithmentheorie 04 –Hashing
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (17 – Bäume: Grundlagen und natürliche Suchbäume) Prof. Th. Ottmann.
Algorithmen und Datenstrukturen
Vorlesung Informatik 3 Einführung in die Theoretische Informatik (17 –Turingmaschinen) Prof. Dr. Th. Ottmann.
Kapitel 5 Stetigkeit.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
EINI-I Einführung in die Informatik für Naturwissenschaftler und Ingenieure I Vorlesung 2 SWS WS 99/00 Gisbert Dittrich FBI Unido
§9 Der affine Raum – Teil 2: Geraden
§9 Der affine Raum – Teil 2: Geraden
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
§10 Vektorraum. Definition und Beispiele
Endliche Automaten Informatik JgSt. 13, Abitur 2009
Zeichnen linearer Funktionen
Effiziente Algorithmen
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Mehrkriterielle Optimierung mit Metaheuristiken
Fuzzymengen – Was ist das?
Institut für Theoretische Informatik
Formale Sprachen Grammatiken und die Chomsky-Hierarchie
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 1: Wiederholung (Vor allem Folien von Priv.-Doz. Dr. Kindler vom WS 2001/02.
ENDLICHE KÖRPER RSA – VERFAHREN.
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
Petrinetze 1. Einführung Informatik : wesentlich Modellierung von
Arne Vater Wintersemester 2006/ Vorlesung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
Institut für Softwarewissenschaft – Universität WienP.Brezany 1 Beispiele (Frist: ) Beispiel 1: Sei  = {a, b} ein Alphabet und Q = {q 0, q 1 } eine.
7. Formale Sprachen und Grammatiken
Inhalt Einordnung und Funktion der lexikalische Analyse Grundlagen
Kapitel 4:Die Chomsky Hierarchie
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Binärer Baum, Binärer Suchbaum I
Die Binomialverteilung
Wann ist eine Funktion (über den natürlichen Zahlen) berechenbar?
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
10. Vorlesung 6. Petri-Netze (II) Eigenschaften von Petri-Netzen Petri-Netze und Simulation 7. Regelbasierte Modellierung Vorlesung WS 06/07Modellierung.
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Laufzeitverhalten beim Sortieren
Abiturprüfung Mathematik 2012 Baden-Württemberg Allgemeinbildende Gymnasien Pflichtteil Lösungen
7. Regelbasierte Modellierung
§17 Produkte und Quotienten von Vektorräumen
§23 Basiswechsel und allgemeine lineare Gruppe
REKURSION + ITERATION.
2. Die rekursive Datenstruktur Baum 2.1 Von der Liste zum Baum
Chemische und mikrobiologische Grundlagen der Wassertechnologie
3. Die Datenstruktur Graph 3.2 Repräsentation von Graphen
Kapitel I. Vorspann zum Begriff Vektorraum
Abiturprüfung Mathematik 2015 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 2.1 und B Lösungen.
Wahrscheinlichkeitsrechnung Stochastische Unabhängigkeit Ex
 Präsentation transkript:

7. Regelbasierte Modellierung 11. Vorlesung 7. Regelbasierte Modellierung Basissystem Analytisch Metabolisches System Vorlesung WS 06/07 Modellierung & Simulation Überblick

Regelbasierte Modellierung Eigenschaften: Parallelität Probability Modularität Datenfluss Genetic Information Gene Regulation Synthesis Regulation Metabolic Pathways Cell Communication Effect Influence Vorlesung Modellierung & Simulation 7. Regelsystem

Das metabolische System Idee: Regelbasiertes System für die Formalisierung von: - Biosyntheseprozessen, - Proteinsyntheseprozessen, - Metabolischen pathways sowie - Zellkommunikationsprozessen. Grundlage ist eine universelle Regel: - Spezifikation der Regelwahrscheinlichkeit (p). - Vier weitere Komponenten = spezifische Metabolite. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Metabolische Regel Sei Z die Menge aller möglichen Zellzustände. Eine metabolische Regel ist ein 5-Tupel (p,V,N,F,H), wobei p Î [0;1] und V,N,F,H Í Z. p heißt Regelwahrscheinlichkeit, V ist eine Menge von Vorbedingungen, N ist eine Menge von Nachbedingungen, F ist die Menge der Förder-Substanzen (Förderer) und H ist die Menge der Hemm-Substanzen (Hemmer).   Notation: Ist V, N, F oder H die leere Menge, so wird dies im weiteren durch Æ dargestellt. Vorlesung Modellierung & Simulation 7. Regelsystem

Basismodell ist ein diskretes Modell. Definition: Metabolisches Basissystem Ein metabolisches Basissystem ist ein Tripel G = (Z, R, z0). - Z bezeichnet die Menge aller möglichen Zellzustände, - z0 Î Z ist der Start-Zell­Zustand und - R eine endliche Menge metabolischer Regeln. Arbeitsweise des metabolischen Basissystems. Grundidee: Eigenschaften der metabolischen Verarbeitung in das Modell integrieren. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Aktivierung Sei G = (Z, R, z0) ein metabolisches Basissystem. Die Regel r = (p,V,N,F,H) Î R heißt aktiviert im Zustand z Î Z, wenn gilt: " x Î V x Î z und berechnen(r,z) > 0. AKT(z) = { r Î R : r ist aktiviert unter z } bezeichnet die Menge aller aktivierten Regeln im Zustand z. Gilt AKT(z) = Æ, dann terminiert G im Zustand z. r Î R ist aktiviert, wenn - V-Komponenten dieser Regel sind Elemente des aktuellen Zustandes und - Verrechnung der Einflussgemische hat eine modifizierte Regelwahrscheinlichkeit zur Folge, die größer als Null ist. Sie dient im zugehörigen Simulator einer booleschen Funktion random als Eingabe: true oder false, wobei im Fall true die Regel als ausführbar gilt ! Vorlesung Modellierung & Simulation 7. Regelsystem

r1 = (0.8, {S}, {H,S}, {D}, {L}) und r2 = (0.6, {D}, {X}, {E}, {D}). Beispiel: Sei G = (Z, R, z0) ein metabolisches System z0 = {S, D} und R = {r1,r2} wobei r1 = (0.8, {S}, {H,S}, {D}, {L}) und r2 = (0.6, {D}, {X}, {E}, {D}). Unter der Konfiguration z0 ist AKT(z0) = {r1}. r2 nicht aktiviert: Repressor ist anwesend und dadurch liefert berechnen(r,A) den Wert false (0). Eine aktivierte Regel (p,V,N,F,H) kann in Aktion treten.  Modifikation des aktuellen Zellzustand z, indem die in z auftretenden Elemente der Menge V durch die Elemente der Menge N substituiert werden.  Vorlesung Modellierung & Simulation 7. Regelsystem

Die Aktion der im Zustand z aktivierten Regel r ist gegeben durch: Definition: Aktion Sei G = (Z, R, z0) ein metabolisches Basissystem, z Î Z der aktuelle Zustand und r = (p,V,N,F,H) Î R eine aktivierte Regel. Die Aktion der im Zustand z aktivierten Regel r ist gegeben durch: z' = (z \ V) È N. Aktion der Regel r im Zustand z: z ® z' (symbolisch)   Beispiel: Sei G wie oben. Die Aktion der aktivierten Regel r1 führt zum Zustand z' = {H,S,D}. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Nachfolgezustand - Einschritt-Ableitung Nachfolgezustand: AKT(z) liefert eine potentielle Menge von Nachfolgezuständen ((AKT(z)). Definition: Nachfolgezustand - Einschritt-Ableitung Sei G = (Z, R, z0) ein metabolisches System. Sei z Î Z der aktuelle Zustand und T Í AKT(z) mit AKT(z) ¹ Æ. Die 'quasi' gleichzeitige Aktion der Regelmenge T führt zum Nachfolgezustand z' und heißt Einschritt-Ableitung, in Symbolen z ÞT z', wenn gilt: z' = (z \ VT) È NT, wobei VT = { m : $ r = (p,V,N,F,H) Î T m Î V } und NT = { m : $ r = (p,V,N,F,H) Î T m Î N }. Wir sagen: z wird mittels der Aktion T nach z' überführt. ABL(z) = { z' : $ TÍAKT(z) z ÞT z' } ist die Menge aller Nachfolgezustände aus z.

Beispiel: Sei G = (Z, R, z0) ein metabolisches System mit z0 = {B,C,E} und R = {r1,r2,r3} mit r1 = (0.9, {B}, {S,B}, {C}, Æ), r2 = (0.3, {C}, {F,C}, {E}, Æ) und r3 = (0.3, {C,F}, {B,C}, {E}, Æ). AKT(z0) = {r1,r2} ist die Menge der unter z0 aktivierten Regeln. Aktion der Regel r1  {B,C,E,S}. Im Zustand z0 gibt es verschiedene Einschritt-Ableitungen: {B,C,E,S} (Aktion von r1), {B,C,E,F} (Aktion von r2), {B,C,E,S,F} (Aktion von r1 und r2) und {B,C,E} (leere Aktion). Vorlesung Modellierung & Simulation 7. Regelsystem

Ableitung = Kaskade von Nachfolgezuständen. Definition: Ableitung Sei G = (Z, R, z0) ein beliebiges metabolisches System. Eine Folge von Zuständen z1,...,zn+1 heißt Ableitung von z1 nach zn+1 mittels der Aktion T1,...,Tn, wenn gilt:  i=1,...,n zi ÞTi zi+1. Ferner ist die n-Schritt-Ableitung z ÞTi z' definiert, in Worten z ist in n Schritten nach z' ableitbar, wenn gilt: Es gibt Zustände z1,...,zn+1 und Aktionen T1,...,Tn, so dass z = z1, z' = zn+1 und z1 bis zn+1 ist eine Ableitung mittels der Aktionen T1,...,Tn. Ferner ist z Þ z', in Worten z ist ableitbar nach z', wenn es ein n gibt, so dass z ÞTn z' gilt. Vorlesung Modellierung & Simulation 7. Regelsystem

{B,C,E} ÞT {B,C,E,S} ÞT' {B,C,E,S,F} ÞT'' {B,C,E,S,F}... mit Beispiel: G wie bereits festgelegt. Dann ist die folgende Kaskade eine mögliche Ableitung: {B,C,E} ÞT {B,C,E,S} ÞT' {B,C,E,S,F} ÞT'' {B,C,E,S,F}... mit T = {r1}, T' = {r1,r2} und T'' = {r2,r3}. Aktionswahrscheinlichkeit δ(p). Aktiviert ein Metabolitgemisch m eine Regel r = (p,V,N,F,H), so handelt es sich um das unabhängige Ereignis "r tritt bei m in Aktion" mit der Wahrscheinlichkeit δ(p). δ ist eine spezifische Funktion, die die modifizierte Regelwahrscheinlichkeit der Regel r in Abhängigkeit der vorhandenen Förderer und Hemmer bestimmt (modp). Vorlesung Modellierung & Simulation 7. Regelsystem

Wahrscheinlichkeit einer Ableitung Zunächst die Wahrscheinlichkeit der Einschritt-Ableitung des Zellzustandes z in den Zellzustand z' ermitteln: P(z'|z). Sei z Î Z. Es werden alle Paare (m,r) mit mÍz und rÎAKT(z) (d.h. m aktiviert r) betrachtet. Seien (m1,r1),...,(mk,rk) diese Paare mit k Î N. Vorlesung Modellierung & Simulation 7. Regelsystem

Wahrscheinlichkeit einer Ableitung Ein jedes Wort w Î {L,R}k bezeichnet eine Menge von Ereignissen, die einen Generationswechsel beschreiben. Sei w = a1a2..ak, dann entspricht w dem Ereignis: für i = 1,...,k, ri tritt in Aktion bei Nachricht mi, falls ai = L und ri tritt nicht in Aktion bei Nachricht mi, falls ai = R. Vorlesung Modellierung & Simulation 7. Regelsystem

Dies sind unabhängige Ereignisse: P(w) := Pi=1,...,k qi , wobei δ(pi), falls ai = L qi := 1 - δ(pi), falls ai = R Jedes dieser Ereignisse w legt eine Ausgabenachricht α(w) fest: α(a1..ak) = { N : $ i Î {1,...,k} ai = L und ri = (p,V,N,F,H) }. D.h.: P(z'|z) = Sα(w)=z' P(w). Vorlesung Modellierung & Simulation 7. Regelsystem

(m1,r1) δ(p) 1- δ(p) L R (m2,r2) L R L R (m3,r3) ........................................................ ........................................................ (mn,rk) α(w) Vorlesung Modellierung & Simulation 7. Regelsystem

Gegeben sei ein metabolisches Basissystem G = (Z, R ,z0) mit: z0 = {S1} und R = {r1, r2, r3} mit r1 = (p1, {S1, Sx}, {S2}, {E1}, Æ), r2 = (p2, {S1, Sx}, {S2}, {Ex}, Æ) und r3 = (p3, {Sk}, {Sh}, {Ek}, Æ) und δ(p1) = 3/4 =: p, δ(p2) = 3/4 =: p‘, δ(p3) = 1/5 =: p''. Sei z = {S1, Sx, Sk, E1, Ex, Ek} der aktuelle Zustand, dann ist die Liste der Paare (Gemisch, aktivierte Regel): ({S1, Sx, E1}, {r1}) 1. Paar ({S1, Sx, Ex}, {r2}) 2. Paar ({Sk, Ek}, {r3}) 3. Paar Vorlesung Modellierung & Simulation 7. Regelsystem

Pfad beschreibt das Wort LRL und damit das Ereignis: Worte w Î {L,R}3 lassen sich als Pfad in einem vollständigen binären Baum auffassen. ({S1, Sx, E1}, {r1}) L R ({S1, Sx, Ex}, {r2}) L R L R ({Sk, Ek}, {r3}) L L R L R L R Pfad beschreibt das Wort LRL und damit das Ereignis: Regel r1 tritt unter Substrat S1, Sx und Enzym E1 in Aktion und Regel r3 tritt unter Substrat Sk und Enzym Ek in Aktion.

Kantenbeschriftung: Mit ri, der Regel des i-ten Paares, wird in der i-ten Schicht den Kanten zu linken Söhnen δ(pi) und den Kanten zu rechten Söhnen 1-δ(pi) zugeordnet. ({S1, Sx, E1}, {r1}) δ(p1) 1- δ(p1) ({S1, Sx, Ex}, {r2}) δ(p2) 1- δ(p2) δ(p2) 1- δ(p2) ({Sk, Ek}, {r3}) δ(p3) δ(p3) δ(p3) δ(p3) 1- δ(p3) 1- δ(p3) 1- δ(p3) 1- δ(p3) Das Produkt der Zahlen an den Kanten, die auf dem einem Wort w zugeordneten Pfad liegen, ist die Wahrscheinlichkeit des Ereignisses w. Im Beispiel hat der betrachtete Weg LRL die Wahrscheinlichkeit p1 * (1-p2) * p3 = (3/4) * (1 - 3/4) * (1/5) = 0.0375.

Im betrachteten Beispiel ergibt sich: Jedem Blatt lässt sich der Nachfolgezustand des Ereignisses zuordnen. Er entspricht dem in diesem Blatt endenden Pfad. Im betrachteten Beispiel ergibt sich: ({S1, Sx, E1}, {r1}) L R ({S1, Sx, Ex}, {r2}) L R L R ({Sk, Ek}, {r3}) L L R L R L R b1 b2 b3 b4 b5 b6 b7 b8 b1 = {S2, Sh, E1, Ex, Ek} b2 = {S2, Sk, E1, Ex, Ek} b3 = {S2, Sh, E1, Ex, Ek} b4 = {S2, Sk, E1, Ex, Ek} b5 = {S2, Sh, E1, Ex, Ek} b6 = {S2, Sk, E1, Ex, Ek) b7 = {S1, Sx, Sh, E1, Ex, Ek} b8 = {S1, Sx, Sk, E1, Ex, Ek}

P(b3|z) = (3/4) * (1 - (3/4)) * (1/5) = 0.05 Mit dieser Sichtweise kann man jetzt ausrechnen, dass im obigen Beispiel gilt: P(b1|z) = (3/4) * (3/4) * (1/5) = 0.14 P(b3|z) = (3/4) * (1 - (3/4)) * (1/5) = 0.05 P(b5|z) = (1 - 3/4) * (3/4) * (1/5) = 0.05 Damit ergibt sich für {S2, Sh, E1, Ex, Ek} die Wahrscheinlichkeit 0.24.   Die Ereignisse in verschiedenen Generationen werden als unabhängige Ereignisse angesehen. Damit hat eine Ableitung A = (z1,z2,...,zh) die Wahrscheinlichkeit P(A):= P(z2|z1) * P(z3|z2) ... * P(zh|zh-1) Vorlesung Modellierung & Simulation 7. Regelsystem

P(A,i+1) := SzÎZ P(A|z) P(z,i) (II.) Ebenso lässt sich die Wahrscheinlichkeit P(M,i), dass die Substanzmenge M nach i Generationen vorliegt, rekursiv bestimmen: 1 falls A = Æ P(A,0) := (I.) 0 sonst P(A,i+1) := SzÎZ P(A|z) P(z,i) (II.)   (I.) - Start-Zellzustand erhält die Wahrscheinlichkeit 1. (II.) Berücksichtigt, dass jeder Zustand auf verschiedenen Wegen erreicht werden kann. Es wird davon abstrahiert, mit welchen Schritten man den Zellzustand erreicht. Vorlesung Modellierung & Simulation 7. Regelsystem

Analytisch-metabolisches System Konzentrationen sollen Berücksichtigung finden.  Kinetische Effekte im Modell. Metabolische Regel: 5-Tupel (p,V,N,F,H). Komponenten = Liste von Metabolite.   Konzentrationswerte: Zähleinheit für die jeweiligen Metabolite ist die Anzahl der Moleküle. Gemisch: Menge von Metaboliten, die jeweils in unterschiedlicher Quantität vorliegen. Formal: Verallgemeinerte Multimengen. Vorlesung Modellierung & Simulation 7. Regelsystem

m: X ® Z (in die Menge der ganzen Zahlen). Multimenge Eine verallgemeinerte Multimenge m über einer Menge X ist eine Abbildung m: X ® Z (in die Menge der ganzen Zahlen). Beispiel: Sei X = {a,b,c} eine beliebige Menge. Eine mögliche Multimenge über X ist: m = {(a,6),(b,9),(c,4)}. Vorlesung Modellierung & Simulation 7. Regelsystem

Multimenge Vereinbarung: Bezeichne MIN die Minimalfunktion und MAX die Maximalfunktion. Für zwei Multimengen m und u gilt: x Î m º m(x) > 0 u Í m º " xÎX u(x) £ m(x) u Ç m º { (x, MIN(u(x),m(x)) : x Î X } u È m º { (x, MAX(u(x),m(x)) : x Î X } u + m º { (x,u(x)+m(x) : x Î X } u - m º { (x,u(x)-m(x) : x Î X } m(x) ::= Anzahl eines Elementes x in einer Multimenge m Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Metabolisches Gemisch Sei z Í Z ein beliebiger Zellzustand und k eine Multimenge über Z. k heißt metabolisches Gemisch mit Zellzustand z, wenn z = { x : k(x) > 0 }. Im weiteren werden die metabolischen Gemische als Liste wie folgt dargestellt [k(x1) x1,..., k(xn) xn], wobei nur die Komponenten eingetragen werden, deren Werte verschieden von Null sind. Vorlesung Modellierung & Simulation 7. Regelsystem

Beispiel: Sei z = {Glucose, Lactose, RNS-Polymerase}, dann ist Komponenten eines metabolischen Gemisches werden als Liste zusammengefasst. Der Wert Eins wird dabei im weiteren optional angewendet, d. h. er muss nicht explizit genannt werden. Beispiel: Sei z = {Glucose, Lactose, RNS-Polymerase}, dann ist [34 Glucose, Lactose, 15 RNS-Poly­merase] ein metabolisches Gemisch, das sich aus 34 Einheiten Glucose, einer Einheit Lactose und 15 Einheiten RNS-Polymerase zusammensetzt. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Metabolisches Einflussgemisch Reaktionen basieren auf spezifischen Reaktionsgeschwindigkeiten, die sich aus der Konzentration der beteiligten Metaboliten ergibt. Definition: Metabolisches Einflussgemisch Sei n Î N, γ eine rationale Zahl aus dem Intervall [0;1] und f eine berechenbare monotone Funktion. Für f ist das Intervall [0;1] von rationalen Zahlen Definitionsbereich und Wertebereich. Der metabolische Einfluss des Metaboliten m ist ein 3-Tupel (f,n,γ). f ist die Einflussfunktion, n der Schwellenwert und γ die Stärke des Metaboliten m (Modifikationsfaktor). Ein metabolisches Einflussgemisch ist eine Liste von Metaboliten mit zugehörigem metabolischen Einfluss. Die Metaboliten heißen Hemmer oder Förderer. Vorlesung Modellierung & Simulation 7. Regelsystem

Schwellenwert = Sättigungsgrad des Metaboliten. Sei die aktuelle Konzentration des Metaboliten größer oder gleich diesem Schwellenwert  Einflussfunktion liefert den Wert 1 und der Metabolit kann seine volle Wirkung ausüben, indem die Regel- wahrscheinlichkeit mit der Stärke multipliziert wird. Sei die aktuelle Konzentration unterhalb des Schwellenwertes  Es wird eine rationale Zahl aus dem Intervall [0;1] in Abhängigkeit der gewählten Einflussfunktion ermittelt: sigmoide (s), hyperbolische (h) und lineare (l) Einflussfunktionen. Vorlesung Modellierung & Simulation 7. Regelsystem

Im implementierten Simulationsprogramm findet die sigmoide (s), Schwellenwert Im implementierten Simulationsprogramm findet die sigmoide (s), hyperbolische (h) und lineare (l) Funktion Berücksichtigung, indem der Benutzer für f abkürzend den jeweiligen Anfangsbuchstaben der gewünschten Funktion in das 3-Tupel einsetzt (f Î {l,s,h}). Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Analytisch-metabolische Regel Sei Z ein metabolisches Gemisch. Eine analytisch-metabolische Regel ist ein 5-Tupel (p,V,N,F,H) mit: p ist Regelwahrscheinlichkeit aus dem Intervall [0;1], V positive Multimenge über Z (genannt Vorhergemisch), N positive Multimenge über Z (genannt Nachhergemisch), F förderndes metabolisches Einflußgemisch und H hemmendes metabolisches Einflußgemisch. Vorlesung Modellierung & Simulation 7. Regelsystem

Für eine analytisch-metabolische Regel r bezeichnet VOR(r) das Vorhergemisch, NACH(r) das Nachhergemisch, FÖR(r) die Metaboliten des fördernden Einflussgemisches und HEM(r) die Metaboliten des hemmenden Einflussgemisches. Vorlesung Modellierung & Simulation 7. Regelsystem

Hydrolyse der Lactose ist ein enzymatisch gesteuerter Prozeß. Beispiel: Hydrolyse der Lactose ist ein enzymatisch gesteuerter Prozeß. Lactose wird in Galactose und Glucose umgesetzt. Katalyse: ß-Galactosidase = Modell: Positives Einflußgemisch mit einer hohen Wirkung. Eine mögliche Regel: r = (1.0, [Lactose], [Galactose, Glucose], [ß-Galactosidase(s,100,0.99)], Æ) mit: VOR(r) = {[Lactose]}, NACH = {[Galactose, Glucose]}, FÖR(r) = {[ß-Galactosidase]} und HEM(r) = Æ. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Analytisch-metabolisches System Das 3-Tupel G = (Z,R,k0) mit Z Menge der Metabolitgemische, k0 eine positive Mulitmenge über Z und R eine endliche Menge von analytisch-metabolischen Regeln heisst analytisch-metabolisches System. Jede Multimenge k über Z heißt Konfiguration des analytisch-metabolischen Systems. k0 heißt Start-Konfiguration von G. Vereinbarung: K = Menge aller Konfigurationen des Systems. Vorlesung Modellierung & Simulation 7. Regelsystem

in Abhängigkeit der aktuellen Konfiguration und der Formalismus: Einfluss der Hemm-Substanzen und Förder-Substanzen in Abhängigkeit der aktuellen Konfiguration und der jeweiligen Einflussgemische unabhängig voneinander berechnen. Idee: Einflusswerte multiplikativ mit der Regelwahrscheinlichkeit verrechnen.   Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Modifizierte Regelwahrscheinlichkeit. Sei r = (p,V,N,F,H) eine analytisch-metabolische Regel. Sei e ein Metabolit, der Förder-Substanz oder Hemm-Substanz ist, mit dem metabolischen Einfluss (fe, ne, γe). Der wirksame Einfluss auf die Regel r in der Konfiguration z ist γe, falls der Schwellenwert ne überschritten ist, d.h. z(e) > ne. Andernfalls bestimmt er sich durch γe = f(z(e)/ne). Der gemeinsame Einfluss der Förderer (γFÖR(r)) bestimmt sich durch: SeÎFÖR(r) (γe * e) / SeÎFÖR(r) γe. Der Einfluß der Hemmer (γHEM(r)) ist durch MAXeÎHEM(r) e gegeben. Die modifizierte Regelwahrscheinlichkeit ergibt sich dann aus: modp(r,k) = p * γFÖR(r) * γHEM(r). Vorlesung Modellierung & Simulation 7. Regelsystem

eine analytisch-metabolische Regel und [A, B, 5 F1, 20 F2, 10 H1] Beispiel r=(0.9,[A,B],[C],[F1(l,10,1.0),F2(s,10,0.1)],[H1(l,10,1.0),H2(s,10,0.9)]) eine analytisch-metabolische Regel und [A, B, 5 F1, 20 F2, 10 H1] die aktuelle Konfiguration. Dann ergeben sich die folgenden Modifikationsfaktoren: für F1 = 0.5, F2 = 0.09 und H1 = 0.0. Daraus ergibt sich die modifizierte Regelwahrscheinlichkeit modp(r) = 0.0, weil die Hemm-Substanz H1 absolut wirkt. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Aktivierung Sei G = (Z,R,k0) ein analytisch-metabolisches System und k eine Konfiguration des Systems. Für die Aktivierung der Regel r unter k gilt: a) Ist eine Komponente der Konfiguration k negativ, so ist r nicht aktiviert. b) Sei k eine positive Multimenge, dann heißt r = (p,V,N,F,H) unter k aktiviert, wenn es gilt: V Í k und modp(r,k) > 0. AKT(k) = { r Î R : r ist aktiviert unter der Konfiguration k } bezeichnet die Menge aller aktivierten Regeln unter der Multimenge k. Gilt AKT(k) = Æ, dann terminiert G in der Konfiguration k. Vorlesung Modellierung & Simulation 7. Regelsystem

Sei G = (Z,R,k0) ein analytisch-metabolisches System. Definition: Aktion Sei G = (Z,R,k0) ein analytisch-metabolisches System. r = (p,V,N,F,H) eine aktivierte Regel in der Konfiguration k. Dann ist die Aktion von r, in Symbolen k ® k', gegeben durch: k' = (k - VOR(r)) + NACH(r). Vorlesung Modellierung & Simulation 7. Regelsystem

Beispiel: G = (Z,R,k0) ein analytisch-metabolisches System. k = [H1, 2 A] sei die aktuelle Konfiguration R = {r1,r2} mit r1 = (0.5, [A], [B, 2 C], [E], [H1, H2]) und r2 = (0.8, [A], [B], [E], [H2]). Regel r1 nicht aktiviert, weil der Repressor H1 anwesend ist. Regel r2 aktiviert, weil H2 nicht und Enzym E1 anwesend ist. Aktion der Regel r2 führt zu k' = [H1, 2 A] - [A] + [B] = [H1, A, B]. Vorlesung Modellierung & Simulation 7. Regelsystem

Einschritt-Ableitung: ‚Quasi' gleichzeitige Aktion aktivierter Regeln. Definition: Nachfolgekonfiguration - Einschritt-Ableitung Sei G = (Z,R,k0) ein analytisch-metabolisches System und k eine beliebige Konfiguration für die gilt: T Í AKT(k) mit AKT(k) ¹ Æ. Die 'quasi' gleichzeitige Aktion der Regelmenge T heißt Einschritt-Ableitung und führt zur Nachfolgekonfiguration k', in Symbolen k ÞT k', wenn gilt k' = (k - S"tÎT VOR(t)) + S"tÎT NACH(t). Wir sagen k wird mittels der Aktion T nach k' überführt. D(k) = { k' : $ TÍAKT(k) k ÞT k' } beschreibt die Menge aller Nachfolgekonfigurationen. Vorlesung Modellierung & Simulation 7. Regelsystem

k = [6 A, 8 B, 3 E] und der Regelmenge R mit Beispiel: Gegeben ein analytisch-metabolisches System G mit k = [6 A, 8 B, 3 E] und der Regelmenge R mit r1 = (0.8, [2 A], [3 B], [E], [X]) und r2 = (0.5, [2 B], [3 D], [E], [X]). Dann gilt: AKT(k) = {r1,r2} und D(k) = { [6 A, 8 B, 3 E], [4 A, 11 B, 3 E], [6 A, 6 B, 3 D, 3 E], [4 A, 9 B, 3 D, 3 E] } ergibt sich unmittelbar aus den möglichen Einschritt-Ableitungen. Sei k' = [5 U, 14 H], dann ist AKT(k') = Æ. In diesem Fall terminiert G in dieser Konfiguration. Vorlesung Modellierung & Simulation 7. Regelsystem

Definition: Ableitung Sei G = (Z,R,k0) ein beliebiges analytisch-metabolisches System. Eine Folge von Konfigurationen k1,...,kn+1 (nÎN) heißt Ableitung von k1 nach kn+1 mittels der Aktion T1,...,Tn, wenn gilt: " i=1,...,n ki ÞTi ki+1. Ferner ist die n-Schritt-Ableitung k Þn k' definiert, in Worten k ist in n Schritten nach k' ableitbar, wenn gilt: Es gibt Konfigurationen k1,...,kn+1 und Aktionen T1,...,Tn, so dass k = k1, k' = kn+1 und k1 bis kn+1 ist eine Ableitung mittels der Aktionen T1,...,Tn. Ferner ist k Þ* k', in Worten k ist ableitbar nach k', wenn es ein n gibt, so dass k Þn k' gilt. ABL(G) = { k : k0 Þ* k } bezeichnet die Menge aller aus k0 ableitbaren Konfigurationen. Vorlesung Modellierung & Simulation 7. Regelsystem

Betrachtet wird das analytisch-metabolische System s.o. Beispiel: Betrachtet wird das analytisch-metabolische System s.o. Dann ist eine mögliche Ableitung gegeben durch: [6A,8B,3E] ÞT [4A,11B,3E] ÞT' [2A,12B,3D,3E] ÞT'' [15B,3D,3E] mit T = {r1}, T' = {r1,r2} und T''= {r1}. In G ist die Konfiguration [15 B, 3 D, 3 E] durch die Ableitung [6 A, 8 B, 3 E] Þ* [15 B, 3 D, 3 E] erreichbar. Vorlesung Modellierung & Simulation 7. Regelsystem

Sei G = (Z,R,k0) ein analytisch-metabolisches System mit Beispiel: Sei G = (Z,R,k0) ein analytisch-metabolisches System mit k = [X] und R = {r1,r2,r3} mit r1 = (1.0, [X], [B], Æ, Æ), r2 = (1.0, [B] ,[C], Æ, Æ) und r3 = (1.0, [X], [D], Æ, Æ). Unter k ist T = {r1,r3} aktiviert. Die Nachfolgekonfiguration von k unter T ergibt: k' = [X] - ([X] + [X]) + ([B] + [D]) = [-X, B, D] Vorlesung Modellierung & Simulation 7. Regelsystem