荧光漂白恢复 PDE 模型中的参数可辨识性

为描述生物数据的数学模型确定唯一参数可能具有挑战性且常常无法实现。鉴于许多已建立的蛋白质动力学体内测量对空间维度进行了平均，细胞生物学中偏微分方程模型的参数可辨识性尤为困难。本文的动机来源于近期基于荧光漂白恢复（FRAP）测量对蛙卵母细胞 RNP 颗粒中 RNA 结合蛋白 PTBP3 结合动力学开展的实验。FRAP 是一种广泛用于探测活细胞中蛋白质动力学的实验技术，常使用简单的蛋白质动力学反应-扩散模型进行建模。我们表明，当前的结构与实用参数可辨识性方法对这些 PDE 模型及空间平均 FRAP 数据的动力学参数可辨识性提供的见解有限。因此我们提出一种基于重新参数化与轮廓似然分析的流程，用于评估参数可辨识性并学习参数组合。我们展示了该方法能够恢复合成 FRAP 数据集的参数组合，并考察了其在真实实验数据上的应用。