MCSim - MCSim
 | |
| Twórca (y) | Projekt GNU |
|---|---|
| Wersja stabilna | 6.0.1 / 05 maj 2018
|
| Magazyn |
|
| Napisane w | do |
| System operacyjny | Cross-platform |
| Rodzaj | Analiza numeryczna |
| Licencja | Powszechna Licencja Publiczna GNU |
| Stronie internetowej | https://www.gnu.org/software/mcsim |
GNU MCSim to pakiet oprogramowania symulacyjnego. To pozwala na projektowanie własnych modeli statystycznych lub symulacji, wykonaj Monte Carlo symulacje i Bayesa wnioskowania przez Łańcuch Markowa Monte Carlo symulacji.
Zawartość
Opis
GNU MCSim jest narzędzie do symulacji i wnioskowania statystycznego dla algebraicznych i różniczkowych równanie systemu, zoptymalizowana dla przeprowadzania analizy Monte Carlo. Oprogramowanie zawiera generator modelu i silnika symulacji:
- Generator modelu ułatwia definicję modelu strukturalnego i konserwacji, przy zachowaniu krótkiego czasu realizacji. Model ten jest kodowany za pomocą prostego gramatyki i generator tłumaczy je na kod C. Począwszy od wersji 5.3.0, modele zakodowane w SBML może być również używany.
- Silnik symulacja jest zbiorem procedur, które są powiązane z modelem w celu otrzymania kodu wykonywalnego. Powoduje to, że można uruchomić symulacje modelu konstrukcji w różnych warunkach.
Wewnętrznie, oprogramowanie wykorzystuje GNU Scientific Library dla niektórych swoich obliczeniach numerycznych.
Historia
Projekt rozpoczął się w 1991 roku w Berkeley, kiedy Don Maszle i Frederic Y. Bois tłumaczone w C i zreorganizowana program, który był opracowany w Bois Harvard dla jego pracy doktorskiej. Podstawową motywacją do pracy był w stanie szybko rozwijać i łatwo utrzymać PBPK modeli. Jednak formułowanie zdefiniowano w ogólności dość, że wiele algebraiczne pierwszego rzędu i zwykłe równania różnicowe może być rozwiązany. Zdolność do wykonywania wydajnych symulacje Monte Carlo dodano na początku, dla potrzeb badawczych grupy. Kod został swobodnie udostępniane z serwera na UC Berkeley. Dyskusje z Stuart Beal przy UCSF School of Pharmacy, poprowadził zespół do zbadania wykorzystania Łańcuch Markowa technik Monte Carlo PBPK modelek kalibracji . Odpowiedni kod został opracowany przez Maszle, w trakcie realizacji projektu we współpracy z Andrew Gelman , a następnie profesora UC Berkeley Departament Statystyki. Kod dodatkowy napisany przez Kena Revzan dozwolone definicji i Bayesa kalibrację hierarchicznych (wielopoziomowych) modeli statystycznych. W czasie tych wydarzeń (około 1996), te możliwości były unikalne dla dowolnie rozproszonych, łatwo dostępnym, skuteczny i dość wszechstronnym oprogramowaniem.
wersje Release
- 6.0.1 (05 maja 2018)
- 6.0.0 (24 lutego 2018)
- 5.6.6 (21 stycznia 2017),
- 5.6.5 (27 lutego 2016)
- 5.6.4 (30 stycznia 2016)
- 5.6.3 (1 stycznia 2016)
- 5.6.2 (24 grudnia 2015)
- 5.6.1 (21 grudnia 2015)
- 5.6.0 (16 grudnia 2015)
- 5.5.0 (17 marca 2013),
- 5.4.0 (18 stycznia 2011 roku)
- 5.3.1 (3 marca 2009 roku)
- 5.3.0 (12 stycznia 2009 roku)
- 5.2 beta (29 stycznia 2008 roku)
- 5.1beta (18 wrzesień 2006)
- 5.0.0 (4 stycznia 2005 roku)
- 4.2.0 (15 października 2001)
- 4.1.0 (1 sierpnia 1997)
- 4.0.0 (24 marca 1997)
- 3.6.0
- 3.3.2
Koncesjonowanie
GNU MCSim jest wolne oprogramowanie; możesz go rozprowadzać dalej i / lub modyfikować na warunkach Powszechnej Licencji Publicznej GNU opublikowanej przez Free Software Foundation; według wersji 3 tej Licencji lub (według twojego wyboru) którejś z późniejszych wersji.
platforma Dostępność
Kod źródłowy C jest i mogą być opracowywane w dowolnej rozstrzygających obrabiać kompilatora. GNU Scientific Library musi być również dostępny na platformie docelowej, aby wykorzystać kilka dodatkowych wypłat w modelach statystycznych. Aby skorzystać z możliwości tłumaczeń SBML biblioteka LibSBLM powinien być zainstalowany. Począwszy od wersji 6.0.0 integrator Sundials Cvodes jest również używany.
Zobacz też
Referencje
Bois F. Maszle D., 1997, MCSim: program symulacyjny, Journal of statystycznego oprogramowania, 2 (9): http://www.stat.ucla.edu/journals/jss/v02/i09 .
Jonsson F. Johanson G., 2003, Bayesian populacyjnej do fizjologicznych modeli toksykokinetycznych-toksykodynamicznych - przykład zastosowania oprogramowania MCSim, toksykologia Letters 138: 143-150.
Bois F., 2009, GNU MCSim: Bayesa wnioskowania statystycznego dla SBML kodowanych modeli biologii systemów, bioinformatyka, 25: 1453/54, doi: 10.1093 / bioinformatyka / btp162.
Allen BC, Hack WE Clewella HJ, 2007, Zastosowanie analizy łańcucha Markowa Monte Carlo z fizjologicznie oparte na modelu farmakokinetycznych metylortęci oszacowanie ekspozycji w nas, kobiet w wieku rozrodczym, analiza ryzyka, 27: 947-959.
Covington TR, Gentry PR, et al, 2007, Zastosowanie łańcucha Markowa Monte Carlo analizy niepewności do obsługi cel zdrowia publicznego, dla perchloroetylenu. Toxicology Regulatory i farmakologii , 47: 1-18.
David RM, Clewella HJ, et al., 2006, Revised ocena ryzyka dla raka dichlorometanu II. Zastosowanie metod probabilistycznych do oznaczeń ryzyka raka. Farmakologia i toksykologia regulacyjny 45: 55-65.
Franks SJ, Spendiff MK, et al, 2006, modelowanie farmakokinetyczne Fizjologicznie oparty narażenia ludzi na 2-butoksyetanol,. Toksykologiczne Letters 162: 164-173.
Hack WE, 2006, analizę Bayesa fizjologicznie opartych toksykokinetycznych i toksykodynamicznych modeli, toksykologia, 221: 241-248.
Hack WE, Chiu WA, et al, 2006, analiza Bayesa populacja zharmonizowanego modelu opartego fizjologicznie farmakokinetycznych trójchloroetylenu i jego metabolitów, toksykologia Regulacji i farmakologii., 46: 63-83.
Lyons MA Yang RSH, Mayeno AN Reisfeld B. 2008 obliczeniowa toksykologia chloroformu odwrotnej dozymetrii pomocą Bayesa wywnioskować, łańcuch Markowa symulacji Monte Carlo, a dane biomonitoring człowieka środowiska Health Perspectives, 116: 1040/46.
. Marino, DJ, H. Clewella, et al, 2006, Revised ocena ryzyka dla raka dichlorometan: część I Bayesa PBPK i modelowanie dawka-odpowiedź u myszy, Farmakologia i Toksykologia regulacyjna 45: 44-54.
MEZZETTI M. Ibrahim JG, et al, 2003, Model Bayesowski przedziałowy do oceny metabolizmu 1,3-butadien, Journal Royal Statistical Society, seria C, 52. 291-305.