全局灵敏度分析中处理相关输入的潜变量方法及其在药理系统建模中的应用
应用统计
2020-12-07 v1 定量方法
摘要
在与候选药物筛选相关的药物研发决策中，药效与安全性通常借助建模与仿真（M&S）提供支持。其中，基于生理的药代动力学模型用于描述药物在人体内的吸收、分布与代谢。全局灵敏度分析（GSA）作为基于模型的推断质量评估的重要手段，正日益受到药理 M&S 领域的关注。生理模型常呈现参数间相互关联。在 GSA 中纳入相关因子及其灵敏度指数的解释，对这些模型而言已被证明是一大难题。本文设计并评估了一种用于 GSA 中处理相关因子的潜变量方法。该方法通过三个独立因子——潜变量与两个相关参数各自的独特方差——之间的因果关系来描述两个模型输入间的相关性，随后采用经典的基于方差的方法进行 GSA。我们将潜变量方法应用于一组代数模型以及一个基于生理的药代动力学案例，并与假设无相关的 Sobol GSA、分组 Sobol GSA 及 Kucherenko 方法进行比较。该方法实现与解释相对简便，为含相关输入因子的模型开展 GSA 提供了一种简单途径。
引用
@article{arxiv.2012.02500,
title = {A latent variable approach to account for correlated inputs in global sensitivity analysis with cases from pharmacological systems modelling},
author = {Nicola Melillo and Adam S. Darwich},
journal= {arXiv preprint arXiv:2012.02500},
year = {2020}
}