高维神经科学模型的全局敏感性分析：以神经血管耦合为例
神经元与认知
2018-11-22 v1
摘要
最先进的细胞模型的复杂性和规模显著增加，部分原因是这些模型需要具备被认为（但不一定被证明）重要的复杂细胞功能。现代细胞模型通常涉及数百个参数；这些参数的值往往来自动物实验，其与人类生理学的关系较弱，且关于这些测量误差的信息极少。参数值伴随的不确定性导致模型输出或关注量（QoIs）的不确定性。全局敏感性分析（GSA）旨在将输出不确定性的相对贡献分配给各个参数（或参数集），从而引入所述参数的影响或重要性度量。需要新的GSA方法来应对增加的模型规模和复杂性；本文提出了一种由筛选（降维）、代理建模和计算Sobol'指数组成的三阶段方法。该方法用于分析一个经生理学验证的、具有160个不确定参数的神经血管耦合数值模型。敏感性分析考察了三个关注量（QoIs）：细胞外空间中的平均值、灌注血管中的平均体积流率，以及平滑肌细胞中肌动蛋白/肌球蛋白复合物的最小值。GSA给出了每个参数对三个QoI各自的影响度量，从而深入揭示了可能的生理功能障碍区域和进一步研究的领域。
引用
@article{arxiv.1811.08498,
title = {Global Sensitivity Analysis of High Dimensional Neuroscience Models: An Example of Neurovascular Coupling},
author = {J. L. Hart and P. A. Gremaud and T. David},
journal= {arXiv preprint arXiv:1811.08498},
year = {2018}
}
备注
30 pages