通过自适应变分贝叶斯方法从生物传感器数据估计速率常数

获取化学反应速率常数的方法在科学与工业中均是一个根本性的开放问题。寻找速率常数的传统技术要么需要对反应物进行化学修饰，要么依赖间接测量。速率常数图方法是研究化学反应中结合平衡与动力学的现代技术。从生物传感器数据求取速率常数图是一个不适定逆问题，通常通过正则化求解。在本工作中，我们并非去寻找一个不提供解的不确定性量化的确定性正则化速率常数图，而是开发了一种自适应变分贝叶斯方法来估计速率常数图的分布，由此可探究化学反应的某些内禀性质，包括关于速率常数的信息。我们的新方法有别于现有生物传感器方法且更为真实，并使我们能够估计相互作用的动力学，而这些通常在确定性近似解中被隐藏。我们通过数值模拟验证了所提新方法的性能，并与马尔可夫链蒙特卡洛算法进行比较。结果表明，该变分方法能以计算高效的方式可靠地捕捉后验分布。最后，所发展方法还在真实生物传感器数据（甲状旁腺激素）上进行了测试，我们提供了两种新颖的分析工具——阈值等高线图与高阶矩图——以估计相互作用的数量及其速率常数。