用于研究大型生物系统的成对最大熵模型：何时有效与何时无效
定量方法
2015-05-13 v1 无序系统与神经网络
神经元与认知
摘要
在生物系统研究中，我们面临的最关键问题之一是构建其准确的统计描述。这一问题极具挑战性，因为生物系统通常包含大量相互作用的元素，这使得无法使用标准的暴力破解方法。然而，最近有几个研究小组报告称，可能存在一种替代策略。这些报告表明，在不知道系统中所有相互作用的情况下，也可以建立可靠的统计模型；相反，成对相互作用就足够了。然而，这些发现是基于对小型子系统的分析。我们在此探讨这些观察结果是否能推广到现实大小的系统，即成对模型是否能对真实生物系统提供可靠的描述。我们的结果表明，在大多数情况下，它们不能。原因在于成对模型的预测能力存在一个交叉点：如果子系统的规模低于交叉点，则结果对大型系统没有预测能力。如果规模高于交叉点，则结果确实具有预测能力。因此，这项工作提供了一个通用框架，用于确定在多大程度上可以使用成对模型来预测整个生物系统的行为。应用于神经数据时，迄今为止研究的大多数系统的规模都低于交叉点。
引用
@article{arxiv.0811.0903,
title = {Pairwise maximum entropy models for studying large biological systems: when they can and when they can't work},
author = {Yasser Roudi and Sheila Nirenberg and Peter Latham},
journal= {arXiv preprint arXiv:0811.0903},
year = {2015}
}