自相关测量过程与生物系统常微分方程模型的推断
统计方法学
2022-10-05 v1 定量方法
摘要
常微分方程模型被用于描述生物学中的动态过程。为了对这些模型进行基于似然的参数推断，有必要指定一个统计过程来表示未被数学模型显式包含的因素的贡献。为此，通常选择独立高斯噪声，其使用如此广泛以至于研究者通常不为该选择提供明确的理由。该噪声模型假设“随机”潜在因素以短暂方式影响系统，导致观测变量与其建模对应量之间出现无系统偏差。然而，如同系统中确定性建模的部分一样，这些潜在因素可能对观测变量产生持续性影响。在此，我们利用来自心脏生理学和电化学的动态系统实验数据，证明观测值与建模量之间可能出现高度持续的差异。考虑到持续性噪声仅由测量缺陷引起的情况，我们利用 Fisher 信息矩阵量化了在错误假设独立噪声时参数估计不确定性被人为降低的程度。我们提出了一种从模型拟合中诊断持续性噪声的工作流程，并描述了如何重新建模以考虑相关误差。
引用
@article{arxiv.2210.01592,
title = {Autocorrelated measurement processes and inference for ordinary differential equation models of biological systems},
author = {Ben Lambert and Chon Lok Lei and Martin Robinson and Michael Clerx and Richard Creswell and Sanmitra Ghosh and Simon Tavener and David Gavaghan},
journal= {arXiv preprint arXiv:2210.01592},
year = {2022}
}