基于似然的可观察性分析和动态模型预测的置信区间
摘要：生物化学网络的机制动态模型（如常微分方程）包含诸如反应速率常数和化合物的初始浓度等未知参数。这些参数的大量以及它们对模型响应的非线性影响妨碍了对参数估计的置信区间的确定。同时，将参数的不确定性转化为模型预测的置信区间的经典方法几乎不可行。 本文展示了一种称为预测轮廓似然的方法，尽管参数估计的置信区域的形状可以是任意复杂和高维的，但它仍能给出可靠的模型预测的置信区间。动态状态的预测置信区间允许基于数据的可观测性分析。该方法将对高维参数空间的采样问题转化为评估一维预测空间。如果存在无法识别的参数导致一些不充分指定的模型预测，从而可以解释为不可观察性，该方法也是适用的。此外，还引入了一种验证轮廓似然，在噪声验证实验需要解释时应使用该方法。 通过两个示例（一个描述两个连续反应的简单指导性ODE模型和一个描述MAP激酶信号转导通路的现实ODE模型），演示了预测和验证轮廓似然方法的性质和适用性。所提出的通用方法构成了可观测性分析和生成可靠模型预测置信区间的概念，尤其适用于生物系统的数学模型。
作者：Clemens Kreutz, Andreas Raue, Jens Timmer
论文ID：1107.0013
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2017-08-14