利用非线性动力学稀疏辨识推断生物网络

推断网络模型的结构与动力学对于理解复杂系统（如代谢和调控生物网络）的功能与控制至关重要。实验数据质量和数量的提升使得基于信息论的统计方法可用于模型选择和拟合优度度量。我们提出一种替代方法，通过利用促进稀疏性的 $\ell_1$ 优化来选择代表全连接网络上动力学的非线性相互作用子集，从而推断网络化的非线性动力系统。我们的方法将非线性动力系统的稀疏识别（SINDy）算法推广到具有有理函数非线性的动力系统，如生物网络。我们展示了具有有理非线性的动力系统可被写成隐式形式，其中方程可在包含状态和导数项的混合非线性库的零空间中识别；该方法更普遍地适用于超出包含有理非线性的隐式动力系统。该隐式-SINDy 方法成功推断了三个典型生物模型：米氏酶动力学、细菌能力调控网络以及酵母糖酵解代谢网络。