GNU MCSim es un conjunto de software de simulación. Le permite a uno diseñar sus propios modelos estadísticos o de simulación, realizar simulaciones de Monte Carlo e inferencia bayesiana a través de simulaciones de Monte Carlo de la cadena de Markov (templada) . La última versión permite el cálculo paralelo de simulaciones Monte Carlo o MCMC.
Desarrollador (es) | Proyecto GNU |
---|---|
Lanzamiento estable | 6.2.0 / 3 de junio de 2020 |
Repositorio | |
Escrito en | C |
Sistema operativo | Multiplataforma |
Tipo | Análisis numérico |
Licencia | Licencia pública general GNU |
Sitio web | https://www.gnu.org/software/mcsim |
Descripción
GNU MCSim es una herramienta de simulación e inferencia estadística para sistemas de ecuaciones algebraicas o diferenciales , optimizada para realizar análisis de Monte Carlo. El software comprende un generador de modelos y un motor de simulación:
- El generador de modelos facilita la definición y el mantenimiento del modelo estructural, al tiempo que reduce el tiempo de ejecución. El modelo está codificado usando una gramática simple y el generador lo traduce a código C. A partir de la versión 5.3.0, también se pueden utilizar modelos codificados en SBML .
- El motor de simulación es un conjunto de rutinas que están vinculadas al modelo para producir código ejecutable. El resultado es que se pueden ejecutar simulaciones del modelo estructural en una variedad de condiciones.
Internamente, el software utiliza la biblioteca científica GNU para algunos de sus cálculos numéricos.
Historia
El proyecto comenzó en 1991 en Berkeley cuando Don Maszle y Frederic Y. Bois tradujeron en C y reorganizaron un programa que Bois había desarrollado en Harvard para su tesis doctoral. La motivación principal del trabajo fue poder desarrollar rápidamente y mantener fácilmente modelos PBPK . Sin embargo, la sintaxis se definió con suficiente generalidad como para poder resolver muchas ecuaciones diferenciales ordinarias algebraicas y de primer orden . La capacidad de realizar simulaciones de Monte Carlo eficientes se agregó desde el principio, para las necesidades de investigación del grupo. El código se puso a disposición de forma gratuita desde un servidor en UC Berkeley. Las conversaciones con Stuart Beal de la Facultad de Farmacia de la UCSF llevaron al equipo a investigar el uso de las técnicas de Monte Carlo en cadena de Markov para la calibración de modelos PBPK . El código correspondiente fue desarrollado por Maszle, durante un proyecto en colaboración con Andrew Gelman , entonces profesor del Departamento de Estadística de UC Berkeley . El código adicional escrito por Ken Revzan permitió la definición y calibración bayesiana de modelos estadísticos jerárquicos (multinivel). En el momento de estos desarrollos (alrededor de 1996), esas capacidades eran únicas para un software de distribución gratuita, de fácil acceso, muy potente y versátil. Desde entonces, el software se ha mantenido y ampliado constantemente.
Versiones publicadas
- 6.2.0 (3 de junio de 2020)
- 6.1.0 (19 de febrero de 2019)
- 6.0.1 (5 de mayo de 2018)
- 6.0.0 (24 de febrero de 2018)
- 5.6.6 (21 de enero de 2017)
- 5.6.5 (27 de febrero de 2016)
- 5.6.4 (30 de enero de 2016)
- 5.6.3 (1 de enero de 2016)
- 5.6.2 (24 de diciembre de 2015)
- 5.6.1 (21 de diciembre de 2015)
- 5.6.0 (16 de diciembre de 2015)
- 5.5.0 (17 de marzo de 2013)
- 5.4.0 (18 de enero de 2011)
- 5.3.1 (3 de marzo de 2009)
- 5.3.0 (12 de enero de 2009)
- 5.2 beta (29 de enero de 2008)
- 5.1beta (18 de septiembre de 2006)
- 5.0.0 (4 de enero de 2005)
- 4.2.0 (15 de octubre de 2001)
- 4.1.0 (1 de agosto de 1997)
- 4.0.0 (24 de marzo de 1997)
- 3.6.0
- 3.3.2
Licencia
GNU MCSim es un software gratuito; puede redistribuirlo y / o modificarlo según los términos de la Licencia Pública General GNU publicada por la Free Software Foundation; ya sea la versión 3 de la Licencia o (a su elección) cualquier versión posterior.
Disponibilidad de la plataforma
El código fuente de C se proporciona y se puede compilar en cualquier máquina con un compilador de C. La biblioteca científica GNU también debe estar disponible en la plataforma de destino para usar algunas distribuciones adicionales en modelos estadísticos. Para aprovechar las capacidades de traducción de SBML, se debe instalar la biblioteca LibSBLM. A partir de la versión 6.0.0, también se utiliza el integrador Sundials Cvodes. Para aprovechar la computación en paralelo (a partir de la versión 6.2.0), es necesario instalar una biblioteca MPI .
Ver también
Referencias
Bois F., Maszle D., 1997, MCSim: Un programa de simulación, Journal of Statistical Software, 2 (9): http://www.stat.ucla.edu/journals/jss/v02/i09 .
Jonsson F., Johanson G., 2003, El enfoque poblacional bayesiano de los modelos fisiológicos toxicocinético-toxicodinámicos: un ejemplo que utiliza el software MCSim, Toxicology Letters 138: 143-150.
Bois F., 2009, GNU MCSim: inferencia estadística bayesiana para modelos de biología de sistemas codificados con SBML, Bioinformatics, 25: 1453-1454, doi: 10.1093 / bioinformatics / btp162.
Allen BC, Hack EC, Clewell HJ, 2007, Uso del análisis de Monte Carlo de la cadena de Markov con un modelo farmacocinético de base fisiológica del metilmercurio para estimar la exposición en mujeres estadounidenses en edad fértil, Análisis de riesgos, 27: 947-959.
Covington TR, Gentry PR, et al., 2007, El uso del análisis de incertidumbre de Monte Carlo de la cadena de Markov para respaldar un objetivo de salud pública para el percloroetileno, Toxicología reguladora y farmacología , 47: 1-18.
David RM, Clewell HJ, et al., 2006, Evaluación revisada del riesgo de cáncer al diclorometano II. Aplicación de métodos probabilísticos a la determinación del riesgo de cáncer. Toxicología y farmacología reglamentarias 45: 55-65.
Franks SJ, Spendiff MK, et al., 2006, Modelado farmacocinético fisiológico de la exposición humana al 2-butoxietanol, Toxicology Letters 162: 164-173.
Hack EC, 2006, Análisis bayesiano de modelos toxicocinéticos y toxicodinámicos de base fisiológica, Toxicología, 221: 241-248.
Hack EC, Chiu WA, et al., 2006, Análisis de población bayesiana de un modelo farmacocinético armonizado de base fisiológica del tricloroetileno y sus metabolitos, Regulatory Toxicology and Pharmacology, 46: 63-83.
Lyons MA, Yang RSH, Mayeno AN, Reisfeld B. 2008, Toxicología computacional del cloroformo: dosimetría inversa usando inferencia bayesiana, simulación de la cadena de Markov Monte Carlo y datos de biomonitoreo humano, Environmental Health Perspectives, 116: 1040-1046.
Marino, DJ, H. Clewell, et al., 2006, Evaluación revisada del riesgo de cáncer al diclorometano: parte I PBPK bayesiano y modelado de respuesta a la dosis en ratones, Regulatory Toxicology and Pharmacology 45: 44-54.
Mezzetti M., Ibrahim JG, et al., 2003, Un modelo compartimental bayesiano para la evaluación del metabolismo del 1,3-butadieno, Journal of the Royal Statistical Society, Serie C, 52: 291-305.