随机模型的无变量探索：一个基因调控网络示例

在分析基因调控网络的复杂随机模型时，找到粗粒度、低维的描述是一项重要任务。这项任务包括：（a）识别最能描述这些复杂系统状态的可观测项，以及（b）表征可观测项的动态。在上一篇论文中[R.Erban等人，化学杂志。物理学。 124,084106(2006)]作者假定已知良好的观测结果先验的提出了一种无方程方法来近似表征观测值长期行为的粗粒度量（即有效漂移和扩散系数）。这里我们使用扩散贴图[R.Coifman等人，程序。国家。阿卡德。科学。美国。 102,7426(2005)]在自动化时尚；这些涉及网络模拟数据构建的图上加权拉普拉斯算子的主要特征向量。我们提出了物理变量和基于数据的观测值之间转换的提升和限制程序。这些程序允许我们通过设计和处理以适当的基于数据的观测值初始化的短脉冲随机模拟来执行无方程、粗粒度计算，以表征长期动态。