当最优并非最佳：复杂生物模型中的参数估计
定量方法
2010-11-19 v1
摘要
背景：过去十年间可用的巨大计算资源使得开发和模拟日益复杂的癌症生长数学模型成为可能。这些模型通常涉及许多自由参数，其确定是模型发展的重大障碍。体内生化参数的直接测量往往困难甚至不可行，而在数据匮乏条件下拟合这些参数可能导致生物学上不合理的数值。结果：我们讨论了估计复杂生物模型参数的不同方法论途径。利用Blue Gene技术的高计算能力，我们对一个无血管肿瘤生长模型的参数空间进行了广泛研究。我们明确展示，用于优化模型以拟合数据的代价函数在参数空间中具有非常崎岖的地形。该代价函数存在许多具有非现实解的局部极小值，包括对应于最佳拟合的全局最小值。结论：本文研究的案例表明，从生物学角度看，最优拟合数据的模型参数未必是最佳参数。为避免将模型强行拟合到数据集，我们建议应通过从次优参数中选择那些符合拟合模型所用标准之外的其他标准的参数，来寻找最佳模型参数。我们还得出结论：模型、数据和优化方法构成了一个新的复杂系统，并指出需要一种更普遍地解决该问题的理论。
引用
@article{arxiv.1011.4245,
title = {When the optimal is not the best: parameter estimation in complex biological models},
author = {Diego Fernandez Slezak and Cecilia Suarez and Guillermo A. Cecchi and Guillermo Marshall and Gustavo Stolovitzky},
journal= {arXiv preprint arXiv:1011.4245},
year = {2010}
}