Identifiability of SDEs for reaction networks

1. Problématique

Les réseaux de réaction biochimiques (RN) sont fondamentaux pour modéliser des systèmes dynamiques complexes en biologie, écologie et médecine. Traditionnellement, leur dynamique est étudiée dans trois régimes :

1. Stochastique discret (Chaînes de Markov en temps continu - CTMC) pour un faible nombre de molécules.
2. Déterministe (Équations différentielles ordinaires - EDO) pour un grand nombre de molécules.
3. Approximation de diffusion (Équations différentielles stochastiques - EDS) pour une échelle intermédiaire, offrant un compromis entre précision stochastique et coût computationnel.

Le problème central abordé dans cet article est l'identifiabilité structurelle de ces modèles. Une fois les données observées (les trajectoires du processus stochastique) connues, peut-on uniquely (uniquement) déterminer les paramètres du modèle (les constantes de vitesse $\kappa$) et/ou la structure du réseau de réaction lui-même ?

L'article met en évidence une lacune importante : bien que l'identifiabilité ait été étudiée pour les EDO et les CTMC, elle n'a pas été analysée de manière rigoureuse pour les approximations de diffusion (EDS), spécifiquement l'approximation de Langevin (LA). Les auteurs soulignent que l'identifiabilité dans le cadre stochastique peut différer de manière cruciale de celle du cadre déterministe.

2. Méthodologie

Les auteurs adoptent une approche analytique basée sur la théorie des processus stochastiques et l'algèbre linéaire.

• Modélisation : Ils considèrent des réseaux de réaction avec cinétique de loi d'action de masse. La dynamique est décrite par une EDS de type Langevin :
  $$dX_t = A(X_t)dt + \sigma(X_t)dW_t$$
  où $A$ est le vecteur de dérive (drift) et $\sigma$ la matrice de diffusion (dérivée de la matrice $B = \sigma\sigma^\top$).
• L'opérateur générateur : Au lieu d'analyser directement les trajectoires, les auteurs se concentrent sur le générateur infinitésimal $L$ du processus de Markov associé. Pour une fonction test $f$, le générateur est donné par :
  $$Lf(x) = \langle A(x), \nabla \rangle f(x) + \frac{1}{2} \text{Tr}(B(x) \nabla^2 f(x))$$
  Ils établissent un lien fondamental : l'identifiabilité de la loi du processus EDS est équivalente à l'identifiabilité de son générateur.
• Critères Algébriques : Ils dérivent des conditions nécessaires et suffisantes basées sur l'indépendance linéaire de vecteurs associés aux réactions. Pour chaque complexe source $y$, ils considèrent la famille de vecteurs combinant le vecteur stœchiométrique de la réaction ($y' - y$) et son produit tensoriel ($(y' - y) \cdot (y' - y)^\top$).
• Comparaison des cadres : Ils comparent systématiquement leurs résultats avec ceux des modèles EDO (déterministes) et des modèles CTMC (discrets).

3. Contributions Clés et Résultats Principaux

A. Identifiabilité des constantes de vitesse (Reaction-identifiability)

Le théorème principal (Théorème 3.3 et 5.9) établit qu'un réseau de réaction est identifiable par rapport à son EDS si et seulement si, pour chaque complexe source $y$, l'ensemble des vecteurs suivants est linéairement indépendant :
$$\{ (y' - y, (y' - y) \cdot (y' - y)^\top) \mid y \to y' \in R \}$$

• Résultat surprenant : Contrairement au cas EDO où seule la dérive (vecteurs $y'-y$) compte, le cas EDS intègre la matrice de diffusion. Cela signifie que l'EDS est plus fine (plus restrictive) que l'EDO.
• Contre-exemple : Les auteurs montrent qu'il existe des réseaux avec des constantes de vitesse non identifiables pour l'EDO (car les vecteurs de dérive sont dépendants) mais qui deviennent identifiables pour l'EDS grâce à l'information supplémentaire apportée par la diffusion. Inversement, ils montrent que certains réseaux peuvent avoir des constantes non identifiables même si la loi du processus est connue.

B. Confondabilité des structures (Unconfoundability)

Deux réseaux de réaction distincts ($N$ et $N'$) sont dits "confondables" s'ils peuvent générer la même dynamique stochastique (même générateur) avec des choix appropriés de constantes de vitesse.

• Condition : Deux réseaux sont non-confondables (unconfoundable) si et seulement s'ils ont des ensembles de complexes sources différents, ou si pour chaque complexe source commun $y$, les cônes convexes générés par les vecteurs de réaction (incluant la partie diffusion) sont disjoints :
  $$\text{Cone}_R(y) \cap \text{Cone}_{R'}(y) = \emptyset$$
• Implication : Il est possible que deux réseaux avec des structures graphiques différentes produisent exactement la même loi de diffusion, rendant impossible la distinction de leur structure basée uniquement sur les données stochastiques observées.

C. Conjugaison Linéaire

Les auteurs étendent le concept de conjugaison linéaire (déjà connu pour les EDO) au cadre stochastique. Ils fournissent des conditions pour qu'il existe une transformation linéaire $G$ (diagonale positive et permutation) reliant deux réseaux distincts. Cela permet d'identifier des classes de modèles qui sont structurellement équivalents sous un changement d'échelle des variables.

D. Comparaison avec les autres modèles

• Vs EDO : L'identifiabilité pour les EDS est strictement plus forte que pour les EDO. Un réseau non identifiable en EDO peut l'être en EDS, mais l'inverse n'est pas vrai (si un réseau est identifiable en EDO, il l'est aussi en EDS, mais le critère est plus fort).
• Vs CTMC : L'article note que dans les modèles CTMC, l'identifiabilité est souvent possible si l'espace d'état observé est suffisamment grand, tandis que pour les EDS, la continuité du temps et de l'espace introduit des contraintes supplémentaires via la matrice de diffusion.

4. Signification et Implications

• Pour l'inférence statistique : Ces résultats sont cruciaux pour la biologie des systèmes. Ils aident à déterminer si un problème d'estimation de paramètres est bien posé. Si un modèle n'est pas identifiable, aucune quantité de données ne permettra de distinguer les paramètres, et l'inférence sera vaine.
• Choix du modèle : L'article démontre que l'approximation de diffusion (EDS) n'est pas seulement un outil de simulation plus rapide, mais qu'elle offre une résolution théorique supérieure pour la détermination des paramètres par rapport aux modèles déterministes.
• Limites et Perspectives : Les auteurs soulignent que leur analyse suppose une observation complète de toutes les espèces et un réseau connu. Ils identifient comme prochaine étape l'étude de l'identifiabilité sous observation partielle (seules certaines espèces sont mesurées) et l'extension aux approximations de Langevin contraintes (CLA) qui respectent la positivité des concentrations.

En résumé, cet article fournit un cadre mathématique rigoureux pour évaluer l'identifiabilité des réseaux de réaction biochimiques modélisés par des équations différentielles stochastiques, révélant que la structure stochastique (bruit) apporte une information discriminante supplémentaire par rapport à la dynamique moyenne déterministe.