机制性无环生物网络基于模拟推断的实验最优设计
定量方法
2021-11-29 v1 分子网络
摘要
基于蛋白质相互结合以传递基因表达信号的生物信号通路（如骨形态发生蛋白（BMP）信号通路），可通过导致非闭合形式多项式方程的质量作用动力学和守恒定律进行建模。准确确定代表物理相关特征的生物通路参数（如蛋白质的结合亲和力及其相关不确定性），对缺乏显式似然函数的生物模型而言是一项挑战。此外，参数化非闭合形式的生物模型需要来自昂贵扰动-响应实验的大量数据以拟合模型参数。我们提出了一种算法（SBIDOEMAN），用于确定具有隐式似然的系统生物学模型的最优实验与参数。我们利用留出真实参数值的模拟对该算法进行了评估，结果表明，在两个具有隐式似然函数的BMP信号通路简单模型上进行评估时，与随机和等距实验设计相比，该算法提高了准确参数推断的速率。
引用
@article{arxiv.2111.13612,
title = {Optimal Design of Experiments for Simulation-Based Inference of Mechanistic Acyclic Biological Networks},
author = {Vincent Zaballa and Elliot Hui},
journal= {arXiv preprint arXiv:2111.13612},
year = {2021}
}
备注
Accepted to Learning Meaningful Representations of Life workshop at NeurIPs 2021