Exploring Parameter Space of Stochastic Biochemical Systems Using Quantitative Model Checking

BRIM, Luboš, Milan ČEŠKA, Sven DRAŽAN a David ŠAFRÁNEK. Exploring Parameter Space of Stochastic Biochemical Systems Using Quantitative Model Checking. In 25th International Conference, CAV 2013, Saint Petersburg, Russia, July 13-19, 2013. Proceedings. Berlin: Springer Berlin Heidelberg, 2013, s. 107-123. ISBN 978-3-642-39798-1. Dostupné z: https://dx.doi.org/10.1007/978-3-642-39799-8_7.

Základní údaje

Originální název

Exploring Parameter Space of Stochastic Biochemical Systems Using Quantitative Model Checking

Autoři

BRIM, Luboš (203 Česká republika, domácí), Milan ČEŠKA (203 Česká republika, domácí), Sven DRAŽAN (203 Česká republika, domácí) a David ŠAFRÁNEK (203 Česká republika, garant, domácí)

Vydání

Berlin, 25th International Conference, CAV 2013, Saint Petersburg, Russia, July 13-19, 2013. Proceedings, od s. 107-123, 17 s. 2013

Nakladatel

Springer Berlin Heidelberg

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

URL

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/13:00066280

Organizační jednotka

Fakulta informatiky

ISBN

978-3-642-39798-1

ISSN

DOI

http://dx.doi.org/10.1007/978-3-642-39799-8_7

Klíčová slova anglicky

continuous-time Markov chains; parameter exploration; model checking

Štítky

core_A, firank_1

---

Anotace

V originále

We propose an automated method for exploring kinetic parameters of stochastic biochemical systems. The main question addressed is how the validity of an a priori given hypothesis expressed as a temporal logic property depends on kinetic parameters. Our aim is to compute a landscape function that, for each parameter point from the inspected parameter space, returns the quantitative model checking result for the respective continuous time Markov chain. Since the parameter space is in principle dense, it is infeasible to compute the landscape function directly. Hence, we design an effective method that iteratively approximates the lower and upper bounds of the landscape function with respect to a given accuracy. To this end, we modify the standard uniformization technique and introduce an iterative parameter space decomposition. We also demonstrate our approach on two biologically motivated case studies.

---

Návaznosti

EE2.3.20.0256, projekt VaV	Název: Vytvoření výzkumného týmu a mezinárodního konzorcia pro počítačový model buňky sinice
EE2.3.30.0009, projekt VaV	Název: Zaměstnáním čerstvých absolventů doktorského studia k vědecké excelenci
GAP202/11/0312, projekt VaV	Název: Vývoj a verifikace softwarových komponent v zapouzdřených systémech (Akronym: Components in Embedded Systems) Investor: Grantová agentura ČR, Software Components in Embedded Systems: Development and Verification
MUNI/A/0739/2012, interní kód MU	Název: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity (Akronym: SKOMU) Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
MUNI/A/0760/2012, interní kód MU	Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace II. (Akronym: FI MAV II.) Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace II., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty