扩展多聚谷氨酰胺蛋白随机动力学模型的参数推断

细胞中蛋白质聚集体的存在是许多人类年龄相关疾病（如亨廷顿病）的已知特征。在细胞中扩展多聚谷氨酰胺（PolyQ）蛋白动态演化模型中使用固定参数值进行模拟，已用于更好地理解生物系统、如何聚焦药物开发以及如何构建更高效的未来实验室体外实验设计。然而，对于支配该系统的某些参数值存在相当大的不确定性。目前，通过临时尝试调整参数使模型输出匹配实验数据来选择合适的参数值。数据仅提供对潜在生物过程的部分洞察这一事实使问题进一步复杂化：数据仅包含在少数时间点的细胞死亡比例和具有包涵体细胞的比例，并受到测量误差的污染。在此情形下开发推断程序以估计模型参数是一项重要任务。与观测比例对应的模型概率无法精确计算，因此在推断算法中通过重复模拟模型实现来估计。一般而言此类方法计算代价极高，因此我们为关键量构建高斯过程模拟器，并围绕这些快速随机近似重新表述算法。最后我们检验了模型的拟合情况，并突出了导致对潜在生物过程（如聚集动力学）新见解的合适模型参数值。