细胞培养中钙相互作用的数据驱动多智能体建模：PINN 与正则化最小二乘法的对比
定量方法
2025-05-28 v1 人工智能
摘要
生物系统动力学的数据驱动发现能够更好地观察和表征各种过程，例如细胞培养中的钙信号传导。技术的最新进展使得探索动力系统以前无法获得的见解成为可能，例如非线性动力学的稀疏识别 (SINDy)，克服了更经典方法的局限性。后者需要一些关于候选术语有效库的先验知识，这对于真实的案例研究是不现实的。借鉴交通密度估计和控制理论等领域的灵感，我们提出了一种用于细胞家族中钙传递表征和性能分析的方法。在这项工作中，我们比较了约束正则化最小二乘法 (CRLSM) 和物理信息神经网络 (PINN) 在系统识别和发现控制常微分方程 (ODE) 参数方面的性能。当在共识问题中使用学习到的参数时，CRLSM 实现了相当好的参数估计和良好的数据拟合。另一方面，尽管有最初的假设，PINN 未能匹配 CRLSM 的性能，并且在当前配置下无法提供公平的参数估计。然而，我们仅研究了有限数量的 PINN 架构，预计额外的超参数调整以及不确定性量化能够在未来的工作中显著改善其性能。
引用
@article{arxiv.2505.20327,
title = {Data-driven multi-agent modelling of calcium interactions in cell culture: PINN vs Regularized Least-squares},
author = {Aurora Poggi and Giuseppe Alessio D'Inverno and Hjalmar Brismar and Ozan Öktem and Matthieu Barreau and Kateryna Morozovska},
journal= {arXiv preprint arXiv:2505.20327},
year = {2025}
}