当最优不是最好：复杂生物模型中的参数估计
摘要：癌症生长的复杂数学模型经常涉及许多自由参数，其确定是模型发展的重要障碍。直接测量生化参数在体内通常困难且有时不可行，而在数据贫乏的条件下适配它们可能导致生物学上不合理的值。 我们讨论了在复杂生物模型中估计参数的不同方法学方法。我们利用蓝基因技术的高计算能力，在一个无血管肿瘤生长模型中进行了广泛的参数空间研究。我们明确地展示了用于优化模型与数据匹配的代价函数在参数空间中具有非常崎岖的表面。该代价函数具有许多具有不合理解的局部最小值，包括与最佳匹配对应的全局最小值。 本文研究的案例显示了一个例子，即最合适数据的模型参数未必是从生物学角度来看最好的参数。为了避免将模型强行与数据集匹配，我们建议应通过选择除适配模型所用标准以外的其他标准来找到最佳模型参数，而这些参数可能是次优的。我们还得出结论，模型、数据和优化方法构成了一个新的复杂系统，并指出有必要提出一个更一般解决这个问题的理论。
作者：Diego Fernandez Slezak, Cecilia Suarez, Guillermo A. Cecchi, Guillermo Marshall and Gustavo Stolovitzky
论文ID：1011.4245
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2010-11-19