HAL Id: hal-02360992
https://hal.archives-ouvertes.fr/hal-02360992
Submitted on 13 Nov 2019
HAL
is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire
HAL, estdestinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Modélisation de réseaux de régulation de gènes par processus déterministes par morceaux
Aurélie Muller-Gueudin, Arnaud Debussche, Alina Crudu
To cite this version:
Aurélie Muller-Gueudin, Arnaud Debussche, Alina Crudu. Modélisation de réseaux de régulation de
gènes par processus déterministes par morceaux. Journée de la Fédération Charles Hermite, Jun 2019,
Vandoeuvre-les-Nancy, France. pp.1-37. �hal-02360992�
Modélisation de
réseaux de régulation de gènes
par processus déterministes par morceaux
Aurélie MULLER-GUEUDIN(IECL), Arnaud DEBUSSCHE(ENS Rennes), Alina CRUDU(Université de Rennes)
21 juin 2019, Journée Fédération Charles Hermite
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Plan
1 Introduction
2 PDMP avec chgt de régime
3 PDMP avec saut
4 Moyennisation
5 Switching singulier
2 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Plan
1 Introduction
2 PDMP avec chgt de régime
3 PDMP avec saut
4 Moyennisation
5 Switching singulier
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Exemple 1: Activité intermittente d’un gène
G k1
k−1
G∗
G∗−→k2 G∗+P P−→k3
avec
G,G∗ ∈ {0,1}et G+G∗=1
0 1 2 3 4 5 6 7 8 9
0 0.2 0.4 0.6 0.8 1
temps
G*
0 1 2 3 4 5 6 7 8 9
0 1000 2000 3000 4000
temps
P
4 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Exemple 2: Auto-régulation du gène CI
2CI k1
k−1
CI2 D+CI2
k2
k−2
D1
D1−→k4 D1+CI D1+CI2
k3
k−3
D2
CI−→k5 avec
D,D1,D2∗ ∈ {0,1}
etD+D1+D2=1
0 2000 4000
0 50 100 150 200
temps
CI
0 2000 4000
0 50 100 150 200
temps CI2
0 2000 4000
0 0.2 0.4 0.6 0.8 1
temps
D
0 2000 4000
0 0.2 0.4 0.6 0.8 1
temps D1
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Modélisation: processus de Markov à sauts
p = nombre d’espèces chimiques R = ensemble des réactions chimiques
X(t) ∈Np= état du système chimique,X(t) = (Xi(t))16i6p X(t)processus de Markov à sauts
saut⇐⇒réaction chimiquer∈ R λr(X(t)) = intensité de la réactionr ∈ R
γr ∈Zp= saut appliqué àX après la réactionr : X −→X+γr.
!"!#"#
$%# $&# $'# $(#
!$!#"#
$%# $&# $'# $(#
)#)#)#)#)#)##### )#)#)#)#)#)#####
)#)#)#)#)#)#####
6 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Processus de Markov à sauts
(Ti)i suite de temps de sauts : T0=0,Ti =τ1+. . .+τi X est constant sur[Ti−1,Ti[et saute au tempsTi
P(τi >t|XTi−1 =x) =exp −P
r∈Rλr(x)t
P(XTi =x+γr|XTi−1 =x) = λr(x) P
r∈Rλr(x)
Générateur:
Af(X) =X
r∈R
[f(X+γr)−f(X)]λr(x)
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Espèces rares/ Espèces fréquentes
Partition des espèces :X = (XC,XD)∈NC×ND XD espèces rares :XDde l’ordre de 1
XC espèces fréquentes :xC= XC
N de l’ordre de 1
Partition des réactions:R=RC∪ RDC
RC réactions rapides:
λr=Neλr de l’ordre deNsi r ∈ RC
RDC réactions lentes:
λr de l’ordre de 1 si r ∈ RDC
Sauts deX:γr = (γrC, γrD)∈ZC×ZD
8 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Espèces rares/ Espèces fréquentes
Partition des espèces :X = (XC,XD)∈NC×ND XD espèces rares :XDde l’ordre de 1
XC espèces fréquentes :xC= XC
N de l’ordre de 1 Partition des réactions:R=RC∪ RDC
RC réactions rapides:
λr=Neλr de l’ordre deNsi r ∈ RC
RDC réactions lentes:
λr de l’ordre de 1 si r ∈ RDC
Sauts deX:γr = (γrC, γrD)∈ZC×ZD
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Espèces rares/ Espèces fréquentes
Partition des espèces :X = (XC,XD)∈NC×ND XD espèces rares :XDde l’ordre de 1
XC espèces fréquentes :xC= XC
N de l’ordre de 1 Partition des réactions:R=RC∪ RDC
RC réactions rapides:
λr=Neλr de l’ordre deNsi r ∈ RC
RDC réactions lentes:
λr de l’ordre de 1 si r ∈ RDC
Sauts deX:γr = (γrC, γrD)∈ZC×ZD
8 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Espèces rares/fréquentes
Af(xC,XD) = X
r∈RC
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC)
+ X
r∈RDC
f(xC+ 1
NγrC,XD+γrD)−f(xC,XD)
λr(xC,XD)
−−−−→
N→∞ ∇xCf(xC,XD)· X
r∈RC
λ˜r(xC)
+ X
r∈RDC
f(xC,XD+γrD)−f(xC,XD)
λr(xC,XD).
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Théorème, Kurtz (1971, 1978)
SiN→ ∞, sous certaines hypothèse, le processus converge en probabilité vers un processus(xC,XD)tel que:
xCobéit à une EDO indépendante deXD, XDa une dynamique de sauts.
Le processus limite est unprocessus markovien déterministe par morceaux.
!"!#"#
$%# $&# $'# $(#
!$!#"#
$%# $&# $'# $(#
10 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
La critique du biologiste
!"!#"#
$%# $&# $'# $(#
!$!#"#
$%# $&# $'# $(#
1 La variable continuexCpeut avoir un régime qui dépend deXD
2 La variable continuexCpeut avoir des sauts
3 La variable discrèteXD peut avoir des réactions rapides
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Processus markovien déterministe par morceaux (PDMP), Davis (1993)
Processus
xt = (yt, θt), t∈R+, à valeurs dans
E=Rn×Nd déterminé par ses3 caractéristiques locales:
1 Flotφθ(t,y): mouvement déterministe deyt entre les sauts
2 Intensitéλdes sauts aléatoiresλ:E→R+
3 Mesure de transitionQ
Q: E→ P(E) x7→Q(·;x)
Le générateur du processus est donné par Af(x) =Fθ(x)· ∇yf(x) +λ(x)
Z
E
(f(z)−f(x))Q(dz;x),
∀x= (y, θ)∈EoùFθest le champ de vecteurs associé au flotφθ.
12 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
PDMP : construction
xt = (yt, θt), t >0 démarrant enx = (y,θ)est un processus càdlàg:
1 xt := (φθ(t,y),θ) pour0≤t <T1oùT1est le 1ertemps de saut Px(T1>t) =exp −
Z t 0
λ(φθ(s,y),θ)ds
!
, t∈R+
2 xT−
1
= (φθ(T1,y),θ)etxT
1 est de loi Px(xT
1 ∈A|T1=t) =Q(A; (φθ(t,y),θ)) pour tout borélienAdeE.
3 On réitère, en prenant comme point de départxT
1.
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Plan
1 Introduction
2 PDMP avec chgt de régime
3 PDMP avec saut
4 Moyennisation
5 Switching singulier
14 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Approximation avec changement de régime
L’indication du biologiste
Certaines réactions deRDC sont assez fréquentes pour induire des changements de régime surxC.
RéactionsS1⊂ RDC : rapides
ne modifiant pasXD:
γrD =0 sir ∈ S1
Ici, les variables rares XDsont lentes. Si pour r ∈ S1,γrD6=0: des variables discrètes changent rapidement... Autre problème...
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Approximation avec changement de régime
ANf(xC,XD) = X
r∈RC
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC)
+X
r∈S1
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC,XD)
+ X
r∈RDC\S1
f(xC+ 1
NγrC,XD+γrD)−f(xC,XD)
λr(xC,XD)
16 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Approximation avec changement de régime
ANf(xC,XD) = X
r∈RC
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC)
+X
r∈S1
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC,XD)
+ X
r∈RDC\S1
f(xC+ 1
NγrC,XD+γrD)−f(xC,XD)
λr(xC,XD)
−−−−−→ N→∞
X r∈RC
λr˜(xC)γC r + X
r∈S1
λr˜(xC,XD)γC r
· ∇xC f(xC,XD)
+ X
r∈RDC\S1 h
f(xC,XD+γD
r)−f(xC,XD) i
λr(xC,XD)
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Résultat de convergence : Théorème 1
Sous certaines hypothèses, le processus de Markov(xCN,XDN) converge en loi vers le PDMP de générateur
A∞f(xc,XD) =
X
r∈RC
˜λr(xC)γCr +X
r∈S1
˜λr(xC,XD)γrC
· ∇xCf(xC,XD)
+ X
r∈RDC\S1
f(xC,XD+γrD)−f(xC,XD)
λr(xC,XD)
xCobéit à une EDO dépendante deXD, XDa une dynamique de sauts.
Idée de la preuve
17 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Plan
1 Introduction
2 PDMP avec chgt de régime
3 PDMP avec saut
4 Moyennisation
5 Switching singulier
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Approximation avec sauts de x
CL’indication du biologiste
Certaines réactions deRDC induisent de grands sauts surxC. RéactionsS2⊂ RDC :
modifiant fortementxC :
xC 7→xC+ ˜γrC sir ∈ S2
avec˜γCr de l’ordre de 1, pour toutN.
19 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Approximation avec sauts de x
CA˜Nf(xC,XD) = X
r∈RC
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC)
+X
r∈S2
hf(xC+˜γCr ,XD+γrD)−f(xC,XD)i
λr(xC,XD)
+ X
r∈RDC\S2
f(xC+ 1
NγrC,XD+γrD)−f(xC,XD)
λr(xC,XD)
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Approximation avec sauts de x
CA˜Nf(xC,XD) = X
r∈RC
f(xC+ 1
NγrC,XD)−f(xC,XD)
Nλ˜r(xC)
+X
r∈S2
h
f(xC+˜γCr ,XD+γrD)−f(xC,XD)i
λr(xC,XD)
+ X
r∈RDC\S2
f(xC+ 1
NγrC,XD+γrD)−f(xC,XD)
λr(xC,XD)
−−−−−→ N→∞
X r∈RC
λ˜r(xC)γC r
· ∇xC f(xC,XD)
+ X
r∈S2 h
f(xC+γ˜C r,XD+γD
r)−f(xC,XD)i λr(xC,XD)
+ X
r∈RDC\S2 h
f(xC,XD+γD
r)−f(xC,XD) i
λr(xC,XD)
20 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Résultat de convergence : théorème 2
Sous certaines hypothèses, le processus(xCN,XDN)converge en loi vers le PDMP de générateur
A˜∞f(xc,XD) =
X
r∈RC
λ˜r(xC)γrC
· ∇xCf(xC,XD)
+X
r∈S2
hf(xC+˜γrC,XD+γrD)−f(xC,XD)i
λr(xC,XD)
+ X
r∈RDC\S2
f(xC,XD+γrD)−f(xC,XD)
λr(xC,XD)
xCpeut sauter, et entre 2 sauts, il obéit à une EDO XDa une dynamique de sauts.
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Plan
1 Introduction
2 PDMP avec chgt de régime
3 PDMP avec saut
4 Moyennisation
5 Switching singulier
22 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Variables discrètes lentes et rapides
L’indication du biologiste
Certaines variables discrètes sont rapides.
XD= (lent, rapide) = (XD1,XD2)∈NMD,1×NMD,2 γrD= (γrD,1, γD,2r ),r∈ R
RéactionsS1⊂ RDC: rapides
uniquement surxC et la variable rapideXD2
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Variables discrètes lentes et rapides
Générateur de la formeA˜N=AN+NBN
A˜Nf(xC,XD1,XD2)
= X
r∈RC
f(xC+ 1
NγrC,XD1,XD2)−f(xC,XD1,XD2)
Nλ˜r(xC)
+X
r∈S1
f(xC+ 1
NγrC,XD1,XD2+γrD,2)−f(xC,XD1,XD2)
Nλ˜r(xC,XD1,XD2)
+ X
r∈RDC\S1
f(xC+ 1
NγrC,XD1+γrD,1,XD2+γrD,2)−f(xC,XD1,XD2)
λr(xC,XD1,XD2)
24 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Moyennisation par rapport à la variable rapide
Méthode de moyennisation
Etape 1 Moyenner en la variable discrète rapideXD2
Etape 2 Etudier le comportement limite des variables lentes : (xC,XD1) Hypothèse pour l’étape 1
Ergodicité de la variable rapideXD2, de loi stationnaireνx
C,XD1
Dynamique moyenne des variables lentes:
λ¯r(xC,XD1) = Z
λr(xC,XD1,XD2)νx
C,XD1(dXD2), r ∈ RDC
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Moyennisation
Etape 2 : Comportement limite des variables lentes(xC,XD1) Méthode des fonctions tests perturbées(Fouque, 2007):
fN(xC,XD1,XD2) =f(xC,XD1)+N1f1(xC,XD1,XD2)
Rappel :A˜N =AN+NBN
On choisitf1tel que A˜N(f+N1f1)−−−−→
N→∞
X
r∈RC
γrC˜λr(xC) +X
r∈S1
γrC¯λr(xC,XD1)
· ∇xCf(xC,XD1)
+ X
r∈(RDC\S1)
h
f(xC,XD1+γrD,1)−f(xC,XD1)i
λ¯r(xC,XD1).
26 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Résultat de convergence : Théorème 3
Sous certaines hypothèses,(xCN,XD1,N)converge en loi vers le PDMP de générateur
A˜∞f(xC,XD1)
=
X
r∈RC
γrC˜λr(xC) +X
r∈S1
γrCλ¯r(xC,XD1)
· ∇xCf(xC,XD1)
+ X
r∈(RDC\S1)
hf(xC,XD1+γD,1r )−f(xC,XD1)i
¯λr(xC,XD1).
xCobéit à une EDO
XD1a une dynamique de sauts.
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Plan
1 Introduction
2 PDMP avec chgt de régime
3 PDMP avec saut
4 Moyennisation
5 Switching singulier
28 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Système à double échelle de temps
A˜N,f(xC,0) = X
r∈RDC
f(xC+ 1
NγrC,0)−f(xC,0)
N˜λr(xC,0)
+ [f(xC,1)−f(xC,0)]λθ(xC,0), et
A˜N,f(xC,1) =1
X
r∈RDC
f(xC+ 1
NγrC,1)−f(xC,1)
Nλ˜r(xC,1) +1
[f(xC,0)−f(xC,1)] ˜λθ(xC,1).
Passage0−→1lent ; passage1−→0rapide En régime0:xCrapide
En régime1:xCtrès rapide
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Résultat de convergence : Théorème 4
Sous certaines hypothèses,(xCN,ε)converge en loi dans Lp [0,T];R|C|
pourp≥1, vers le PDMP de générateur A˜∞ϕ(xC) =
X
r∈RDC
γCr λ˜r(xC,0)
· ∇xCϕ(xC)
+λθ(xC,0) Z ∞
0
(ϕ(φ1(t,xC))−ϕ(xC)) ˜λθ(φ1(t,xC),1)e−R0tλ˜θ(φ1(s,xC),1)dsdt
oùφ1est le flot associé au champ de vecteurs X
r∈RDC
γrCλ˜r(xC,1).
Idée de la preuve
30 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Idée de la preuve
Step 1 Tension de (xCN,XDN).
Step 2 Identification des points d’adhérence de(xCN,XDN): ils sont solution d’un problème de martingale.
Step 3 Convergence de toute la suite via un théorème d’unicité de la solution du problème de martingale.
Bouton de retour
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Idée de la preuve
Step 1 Tension de (xCN,ε)dansLp([0,T))pourp≥1.
Step 2 Identification des points d’adhérence de(xCN,ε): ils sont solution d’un problème de martingale.
Step 3 Convergence de toute la suite via un théorème d’unicité de la solution du problème de martingale.
Bouton de retour
32 / 33
Intro PDMP avec chgt de régime PDMP avec saut Moyennisation Switching singulier Références
Références
Davis, M. (1993).
Markov Models and Optimization.
Fouque, J., Garnier, J., Papanicolaou, G., and Solna, K. (2007).
Wave propagation and time reversal in randomly layered media.
Kurtz, T. (1978).
Strong approximation theorems for density dependent markov chains.
Stoch. Proc. Appl., 6:223–240.