含潜变量生物网络循环图模型的结构可辨识性
分子网络
2017-08-25 v1 统计方法学
摘要
本研究针对广泛的网络结构开发了一种高效的结构可辨识性分析算法。所提出的方法采用 Wright 的路径系数法生成符号多项式形式的可辨识性方程，然后将这些符号方程转换为二元矩阵（称为可辨识性矩阵）。引入了几种矩阵操作，在保持系统等价性的同时进行可辨识性矩阵的约简。基于约简后的可辨识性矩阵，确定每个参数的结构可辨识性。使用多个基准模型验证了所提方法的有效性。最后，以甲型流感病毒复制的网络模块作为实例，说明了所提方法在实际中的应用。所提方法能够处理含潜变量的循环网络。其关键优势在于有意避免了符号计算，因此效率很高。此外，该方法能够确定每个单一参数的可辨识性，因此与许多现有方法相比具有更高的分辨率。总体而言，本研究为从可辨识性角度系统检验和精炼生物网络图模型提供了基础，并具有扩展到更复杂网络结构或高维系统的巨大潜力。
引用
@article{arxiv.1708.07352,
title = {Structural Identifiability of Cyclic Graphical Models of Biological Networks with Latent Variables},
author = {Yulin Wang and Na Lu and Hongyu Miao},
journal= {arXiv preprint arXiv:1708.07352},
year = {2017}
}