Вычислите Чувствительность Используя sbiosimulate

Вычислите чувствительность Используя `sbiosimulate`

Обзор

О модели в качестве примера

Этот пример использует модель, описанную в Модели Дрожжей Гетеротримерный Цикл Белка G, чтобы проиллюстрировать опции анализа чувствительности SimBiology^®.

Эта таблица приводит реакции, используемые, чтобы смоделировать цикл белка G и соответствующие параметры уровня (константы скорости) для каждой реакции массовой акции. Для обратимых реакций параметр форвардного курса перечислен сначала.

Нет.	Имя	^Reaction1	Параметры уровня
1	Взаимодействие лиганда приемника	`L + R <-> RL`	`kRL`, `kRLm`
2	Гетеротримерное формирование белка G	`Gd + Gbg -> G`	`kG1`
3	G активация белка	`RL + G -> Ga + Gbg + RL`	`kGa`
4	Синтез приемника и ухудшение	`R <-> null`	`kRdo`, `kRs`
5	Ухудшение лиганда приемника	`RL -> null`	`kRD1`
6	G деактивация белка	`Ga -> Gd`	`kGd`
¹ Легенда разновидностей: L = лиганд (альфа-фактор), R = факторный альфой приемник, Gd = неактивный G-alpha-GDP, Gbg = свободные уровни комплекса G-beta:G-gamma, G = неактивный комплекс Gbg:Gd, Ga = активный G-alpha-GTP

О примере

Примите, что вы вычисляете чувствительность разновидностей Ga относительно каждого параметра в модели. Таким образом вы хотите вычислить зависящие от времени производные

$\frac{\partial (G a)}{\partial (k R L m)}, \frac{\partial (G a)}{\partial (k R L)}, \frac{\partial (G a)}{\partial (k G 1)}, \frac{\partial (G a)}{\partial (k G a)} ...$

Загрузите и сконфигурируйте модель для анализа чувствительности

gprotein_norules.sbproj проект содержит модель, которая представляет деформацию дикого типа (сохраненный в переменной m1).
```
sbioloadproject gprotein_norules m1
```
Опции для анализа чувствительности находятся в объекте конфигурации модели. Получите объект конфигурации модели из модели.
```
csObj = getconfigset(m1);
```
Используйте sbioselect функция, которая позволяет вам запросить типом, получить Ga разновидности из модели.
```
Ga = sbioselect(m1,'Type','species','Where','Name','==','Ga');
```
Установите Outputs свойство SensitivityAnalysisOptions возразите против Ga разновидности.
```
csObj.SensitivityAnalysisOptions.Outputs = Ga;
```
Используйте sbioselect функция, которая позволяет вам запросить типом, получить все параметры из модели и сохранить вектор в переменной, pif.
```
pif = sbioselect(m1,'Type','parameter');
```
Установите Inputs свойство SensitivityAnalysisOptions возразите против pif переменная, содержащая параметры.
```
csObj.SensitivityAnalysisOptions.Inputs =  pif;
```
Включите анализ чувствительности в объекте конфигурации модели (csObj) путем установки SensitivityAnalysis опция к true.
```
csObj.SolverOptions.SensitivityAnalysis = true;
```
Установите Normalization свойство SensitivityAnalysisOptions объект выполнить 'Full' нормализация.
```
csObj.SensitivityAnalysisOptions.Normalization = 'Full';
```

Выполните анализ чувствительности

Симулируйте модель и возвратите данные в SimData object:

simDataObj = sbiosimulate(m1);

Извлеките и отобразите данные о чувствительности на графике

Можно извлечь результаты чувствительности с помощью getsensmatrix метод SimData object. В этом примере, R чувствительность разновидностей Ga относительно восьми параметров. В этом примере показано, как сравнить изменение чувствительности Ga относительно различных параметров, и находят параметры, которые влияют на Ga большинство.

Извлеките данные о чувствительности в выходных переменных T (время), R (данные о чувствительности для разновидностей Ga), snames (имена состояний, заданных для анализа чувствительности), и ifacs (имена входных факторов, используемых для анализа чувствительности):
```
[T, R, snames, ifacs] = getsensmatrix(simDataObj);
```
Поскольку R трехмерный массив с размерностями, соответствующими временам, выходные факторы и входные факторы, изменяют R в столбцы входных факторов, чтобы упростить визуализацию и графический вывод:
```
R2 = squeeze(R);
```

После извлечения данных и изменения форму матрицы, отобразите данные на графике:

figure;
plot(T,R2);
title('Normalized Sensitivity of Ga With Respect To Various Parameters');
xlabel('Time (seconds)');
ylabel('Normalized Sensitivity of Ga');
leg = legend(ifacs, 'Location', 'NorthEastOutside');
set(leg, 'Interpreter', 'none');

Из предыдущего графика вы видите тот Ga является самым чувствительным к параметрам kGd, kRs, kRD1, и kGa. Это предполагает, что суммы активного белка G в ячейке зависят от уровня:

Синтез приемника
Ухудшение комплекса лиганда приемника
G активация белка
G деактивация белка

Документация