On a stochastic approach to model the double phosphorylation/dephosphorylation cycle
Notice bibliographique
Résumé
Because of the unavoidable intrinsic noise affecting biochemical processes, a stochastic approach is usually preferred whenever a deterministic model gives too rough information or, worse, may lead to erroneous qualitative behaviors and/or quantitatively wrong results.In this work we focus on the chemical master equation (CME)-based method which provides an accurate stochastic description of complex biochemical reaction networks in terms of the probability distribution of the underlying chemical populations.Indeed, deterministic models can be dealt with as first-order approximations of the average-value dynamics coming from the stochastic CME approach.Here we investigate the double phosphorylation/dephosphorylation cycle, a well-studied enzymatic reaction network where the inherent double time scale requires one to exploit quasisteady state approximation (QSSA) approaches to infer qualitative and quantitative information.Within the deterministic realm, several researchers have deeply investigated the use of the proper QSSA, agreeing to highlight that only one type of QSSA (the total QSSA) is able to faithfully replicate the qualitative behavior of bistability occurrences, as well as the correct assessment of the equilibrium points, accordingly to the not approximated (full) model.Based on recent results providing CME solutions that do not resort to Monte Carlo simulations, the proposed stochastic approach shows some counterintuitive facts arising when trying to straightforwardly transfer bistability deterministic results into the stochastic realm, and suggests how to handle such cases according to both theoretical and numerical results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».