复杂系统生物学模型的贝叶斯不确定性分析：仿真、全局参数搜索与基因功能评估

背景：目前系统生物学的各个领域均已采用许多数学模型。这些模型越来越多地涉及大量未知参数，其复杂结构可能导致相对于分析需求而言过长的计算时间，并且需要与观测数据进行比较。对此类模型的正确分析通常需要在高维参数空间上进行全局参数搜索，并纳入和尊重最重要的不确定性来源。这可能是一项极其困难的任务，但对于做出任何关于生物系统的有意义推断或预测而言至关重要。因此，它代表了整个系统生物学的一项根本挑战。结果：本文引入了用于复杂模型不确定性分析的贝叶斯统计方法，旨在解决高维全局参数搜索问题。模拟系统生物学模型但计算速度极快的贝叶斯仿真器被嵌入到迭代历史匹配中：这是一种在更正式的统计设定下搜索高维空间的有效方法，同时纳入了主要的不确定性来源。该方法通过应用于拟南芥根发育中激素串扰的两个模型进行了演示，这两个模型包含32个速率参数，我们识别出了能够与观测趋势数据产生可接受匹配的速率参数值集合。本文描述了由此产生的比较的生物学后果，包括对基因功能的评估。