Obliczanie wartości sygnałów w deterministycznych i stochastycznych modelach ścieżek sygnałowych Paweł Lachor, Institute of Informatics, Silesian University of Technology Krzysztof Puszyński, Institute of Automatic Control, Silesian University of Technology

Zrealizowane projekty Wizualizacja i analiza modeli ścieżek sygnałowych Slover stochastyczno-deterministycznych modeli 2

Narzędzie do wizualizacji Prostota obsługi Interaktywność Uniwersalność (można przestawić dowolne ekserymenty) Platforma Action Script System łatwy w rozbudowie o kolejne funkcjonalnosci Prosty XML format danych wejściowych 3

4

Timelapse fluorescence images of one cell over 29 h after 5 Gy of gamma irradiation. Nuclear p53-CFP and Mdm2-YFP are imaged in green and red, respectively. „Oscillations and variability in the p53 system” by Naama Geva-Zatorsky 5

6 Genetic regulatory circuits Exploring mechanisms of oscillations in p53 and NF- кB systems Hat Beata, Krzysztof Puszyński and Tomasz Lipniacki, IET Systems Biology, SYB R1 Model of dynamics of regulatory interactions between p53 and Mdm2. The "Toy" model involving interlinked positive and negative feedbacks.

7 Aplikacja w akcji

8

Slover Pojawił się problem długotrwałych obliczeń w śrdowisku MATLAB. Zgodnie z postulatem Haseltine’a i Rawlingsa, planował realizację algorytmu Gillespiego dla wolnych reakcji w połączeniu z równaniami różniczkowymi zwyczajnymi w celu przybliżeń deterministycznych. 9

System Został zrealizowany w C++ W pełni obiektowo Zachowana została prostota rozbudowy Cały silnik jest stworzony w postaci singletonu który można zaimportować do innego systemu i łatwo go tam obudować Zarządzanie pamięcią zostało zoptymalizowane W początkowej fazie problem było zaproponowanie szkieletu który musi jak optymalnie realizować obliczenia Utrudnia tutaj zadanie fakt iż ma być zachowana całkowita prostota przy tworzeniu plików modelu, parametrów i w przyszłości wejść. 10

Model i parametry A1(p[01]+(p[02]*(p[10]/(p[10]+AB))))+{p[05]*AB} {p[06]*(A*(B*(C/(C+p[09]))))}+(p[11]*A)0 C1(p[03]*(p[07]/(AB+p[07])))(p[12]*C)48 B0{p[04]*(C*(p[08]/(C+p[08])))}+{p[05]*AB} {p[06]*(A*(B*(C/(C+p[09]))))}+{p[13]*B}32 AB0{p[06]*(A*(B*(C/(C+p[09]))))} {p[05]*AB}+{p[14]*AB}0 p[07] % k3 // polowa predk prod C p[08] % k4 // polowa pred prod B p[09] % k5 // polowa pred tworzenia AB p[10] % k6 // polowa pred prod wym A p[11] % d1 // deg A p[12] % d2 // deg C p[13]0.001 % d3 // deg B p[14] % d4 // deg AB 11

Generowane wyniki ACBABczasa*iPainput

Wyniki testów i plany rozwoju Już na etapie tworzenia zauważamy ogromną poprawę wydajności omawianego programu. Obserwujemy przyśpieszenia rzędu stu-krotnego dla bardziej złożonych modeli stochastycznych W kolejnych etapach planujemy: Dodanie możliwości obliczania więcej niż jednej komórki na raz, co doprowadzi do zrównoleglenia wątków Istnieje realna możliwość udostępnienia aplikacji poprzez stronę internetową innym osobą zaangażowanym w obliczanie takich właśnie modeli, ułatwiając im szybkie pozyskiwanie wyników swoich eksperymentów Planowane jest pełne połączenie z projektem wizualizacji w celu stworzenia większego serwisu 13