使用无味卡尔曼滤波器进行灵敏度和可识别性分析的新视角
摘要：从实验数据中高效且唯一地确定输入参数是详细的生命科学动力系统模型的一个至关重要但具有挑战性的任务。为了澄清我们对这个过程的理解，我们利用了无印卡尔曼滤波（UKF）计算方法、灵敏度和正交性分析的计算方法。我们将这三种技术应用于单腔室的测试台模型，该模型通过欧姆阀与一个合规-电阻-合规（CRC）Windkessel电气模拟模型的体循环耦合在一起，之所以选择这个模型，是因为它相对简单、易于解释且有先例。利用一种高效、新颖且实时的UKF实现（代码可在https://github.com/H-Sax/CMSB-2023找到），我们展示了如何从实验数据中高效地恢复输入参数，即使它们在当前接受的意义上不是敏感参数，这一结果揭示了标准解释中指定输入参数可识别性的潜在限制，并暗示了灵敏度和可识别性的概念可能与常被认为的关系较弱-至少在存在适当的数据集时如此。我们对这些观察进行了合理解释。实际上，我们展示了UKF作为一种高效方法，能够实时分配个性化的输入参数，从而增加了我们方法在临床意义上的重要性。
作者：Harry Saxton, Xu Xu, Ian Halliday and Torsten Schenkel
论文ID：2306.15710
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-06-29