枯草芽孢杆菌孢子形成过程中 sigmaF 数据驱动机理模型的预测稳定性
分子网络
2013-09-10 v1
摘要
生物网络的数学建模有助于将大量信息整合到一个一致的框架中，进而用于获得新的机理见解和预测。我们此前开发了一个详细的机理模型，用于描述枯草芽孢杆菌 (Bacillus subtilis) 孢子形成过程中 {\sigma}F 的调控。该模型基于广泛的定量数据，一旦拟合数据，模型做出的预测即可在实验中得到证实。然而，之前的分析基于单一的最优参数集。我们想知道模型的预测对于所有最优参数集是否稳定。为此，我们在生理参数范围内进行了全局参数筛选。筛选方法使我们能够识别敏感参数和随意参数 (sloppy parameters)，并突出了优化过程中进一步所需的数据集。最终，所有重现了所有可用数据的参数集都正确预测了生理状况。
引用
@article{arxiv.1309.1775,
title = {Prediction Stability in a data-based mechanistic model of sigmaF during sporulation in Bacillus subtilis},
author = {Georgios Fengos and Dagmar Iber},
journal= {arXiv preprint arXiv:1309.1775},
year = {2013}
}