Algebraic Tools for the Analysis of State Space Models
我们提出了代数技术来分析状态空间模型的结构可识别性,可观测性和不可观测性。虽然重点是调查现有的代数工具研究常微分方程系统,我们也提出了各种新的结果。特别是:在结构可辨识性方面,对于不可辨识的模型,提出了一种利用线性代数求模型参数可辨识函数的方法。在可观测性方面,我们提出了使用Gröbner基和代数拟阵来检验状态空间模型的代数可观测性的方法。在不可测性方面,我们利用计算代数给出了可测性的一个充分条件,并证明了测试不可测性。
2016-09-07 math.AG math.OC q-bio.QM
Optimal experiment design for practical parameter identifiability and model discrimination
该研究针对生物机理模型的参数可识别与多模型判别需求,提出基于轮廓似然评估可识别性、将最优实验设计转化为最优控制问题并借助庞特里亚金最大值原理高效求解的方法,在常微分方程模型中验证了有效性。
2025-06-12 q-bio.QM
Efficient inference and identifiability analysis for differential equation models with random parameters
异质性是许多生物过程行为的主导因素。尽管如此,数学和统计分析通常忽略生物异质性作为实验数据变异性的来源。因此,探索通过模型参数的可变性明确纳入异质性的模型的可识别性的方法相对不发达。我们开发了一个新的基于似然性的框架,矩匹配的基础上,微分方程模型,捕捉生物异质性,通过参数,根据概率分布的推断和可识别性分析。由于我们的新方法基于近似似然函数,因此具有高度灵活性;我们使用基于轮廓似然的频率论方法和基于马尔可夫链蒙特卡罗的贝叶斯方法来演示可识别性分析。通过三个案例研究,我们证明了我们的方法,通过提供一个教学指导推理和可识别性分析的超参数,涉及到独立的观测数据的模型参数的统计矩。我们的方法有一个计算成本相媲美的模型,忽略异质性,一个显着的改进,许多现有的替代品的分析。我们展示了如何分析随机参数模型可以帮助更好地了解生物数据的异质性来源。
2022-10-27 q-bio.QM stat.ME
Dynamical compensation in biological systems as a particular case of structural non-identifiability
IIM-CSIC(西班牙科学理事会应用研究所)
本文探讨了生物系统中动态补偿与结构性不可辨识之间的关系,利用现有SI分析工具进行DC分析,并通过四个生理电路验证了两者的一致性,同时指出不可辨识模型可能源于模型结构不当而非生物鲁棒性。
2017-01-10 cs.SY eess.SY math.DS
Structural identifiability analysis of PDEs: A case study in continuous age-structured epidemic models
计算和数学模型在很大程度上依赖于模型开发的估计参数值。可识别性分析确定了模型参数从实验数据中估计的程度。可识别性分析对于解释和确定模型参数值的置信度以及提供生物学相关预测至关重要。结构可识别性分析,其中一个假设数据是无噪声和任意细粒度的,已被广泛研究的背景下,常微分方程(ODE)模型,但尚未被广泛探讨年龄结构偏微分方程(PDE)模型。由于变量和偏导数的数量增加以及边界条件的存在,这些模型提出了额外的困难。在这项工作中,我们建立了一个管道的年龄结构PDE模型的结构可识别性分析,使用微分代数框架,并得出特定的年龄结构模型的可识别性结果。我们使用流行病模型来证明这一框架,因为它们在许多不同的疾病中广泛使用,并为以前为常微分方程所做的相应的平行工作。在我们的可识别性分析管道的应用中,我们专注于一个易感暴露感染模型,我们比较了PDE和相应的ODE系统的可识别性结果,并探讨了年龄相关参数对可识别性的影响。我们还展示了如何实际的可识别性分析可以应用在这个例子中。
2021-02-11 q-bio.QM
Parameter Identifiability beyond the Fisher Information Approximation in Data-Driven Modeling
Penn State University(宾夕法尼亚州立大学)
该研究提出了一种计算框架,通过渐近分析揭示数据驱动生物建模中参数可辨识性和不确定性量化的基本缩放规律,并在HIV-宿主动力学和阿尔茨海默病中验证其有效性。
2026-10-12 q-bio.QM
Geometric analysis enables biological insight from complex non-identifiable models using simple surrogates
计算生物学的一个持久挑战是平衡数据质量和数量与模型复杂性。工具,如可识别性分析和信息标准已经开发,以协调这种并列,但不能总是解决现有数据和粒度之间的不匹配所需的数学模型,以回答重要的生物学问题。通常,只有简单的现象学模型,如逻辑斯谛和Gompertz增长模型,才能从标准的实验测量中识别出来。为了从复杂的,不可识别的模型,包括关键的生物学机制的利益,我们研究了一个复杂的模型,一个简单的,可识别的,代理模型的参数空间中的映射的几何形状。通过研究复杂模型中的非可识别参数如何与代理中的可识别参数定量相关,我们引入并利用了一层非可识别参数集与典型可识别性分析中研究的拟合优度度量或似然之间的解释。我们通过分析多细胞肿瘤球体生长的数学模型层次来证明我们的方法。来自肿瘤球体实验的典型数据是有限的和有噪声的,并且相应的数学模型经常被任意地复杂化。我们的几何方法能够预测不可识别性,将不可识别的参数空间子集化为与个体数据特征相关的可识别参数组合,并从复杂的不可识别模型中提供额外的生物学见解。
2022-08-03 q-bio.QM
Dynamical compensation and structural identifiability: analysis, implications, and reconciliation
Bioprocess Engineering Group, IIM-CSIC(生物过程工程组,IIM-CSIC)
本文分析动态补偿与结构可识别性的关系,指出其等价性及对生物建模参数估计的影响,提出替代定义并展示如何使模型可识别同时保持动态补偿。
2017-03-24 cs.SY eess.SY math.DS
Systems Biology: Identifiability analysis and parameter identification via systems-biology informed neural networks
University of Pennsylvania(宾夕法尼亚大学);Brown University(布朗大学)
系统生物过程的动力学通常由具有许多未知参数的常微分方程(ODE)系统建模,这些参数需要从噪声和稀疏测量中推断。在这里,我们引入系统生物学通知神经网络的参数估计,通过将系统的常微分方程到神经网络。为了完成系统辨识的工作流程,我们还描述了结构和实际的可辨识性分析,分析参数的可辨识性。我们以葡萄糖-胰岛素相互作用的内分泌模型为例来演示所有这些方法及其实现。
2022-02-03 cs.LG q-bio.QM
Benchmarking tools for a priori identifiability analysis
模型的结构可辨识性和可观测性决定了通过观测其输出来推断其参数和状态的可能性。在试图校准模型之前,应分析这些特性。不幸的是,这种\textit{a priori}分析可能具有挑战性,因为它需要通常具有高计算成本的符号计算。近年来,许多软件工具已经开发了这项任务,主要是在系统生物学社区,但也在其他学科。这些工具的特点和能力大不相同,对它们的性能仍然缺乏严格的评估。在这里,我们提出了一个全面的研究可用于分析结构可识别性的计算资源。我们考虑用7种编程语言(Matlab,Maple,Mathematica,Julia,Python,Reduce和Maxima)开发的12种软件工具,并使用从21个模型创建的25个案例研究来评估它们的性能。我们的研究结果揭示了它们的优点和缺点,为特定问题选择最合适的工具提供了指导方针,并突出了未来发展的机会。
2022-10-17 cs.SY eess.SY q-bio.QM
Parameter identifiability and model selection for partial differential equation models of cell invasion
本研究使用轮廓似然法分析Fisher--KPP模型四个扩展在细胞入侵实验数据下的参数可识别性,发现模型越复杂越难识别且对实验差异更敏感,建议将参数可识别性纳入模型选择标准。
2023-10-18 q-bio.CB q-bio.QM
Identifiability Limits of Physics-Informed Inference for Spatial Stochastic Dynamics from Static Snapshots
University of California, Irvine(加州大学尔湾分校);Worcester Polytechnic Institute(伍斯特理工学院);University of Utah(犹他大学)
研究从静态空间模式推断空间异质性动力学(如扩散、创建、销毁)的可识别性,发现点源可恢复可识别性而分布源不可,边界条件和随机微积分约定影响极限,并验证了物理信息方案的有效性。
2026-07-03 physics.bio-ph q-bio.QM stat.ML
Structural identifiability of linear-in-parameter parabolic PDEs through auxiliary elliptic operators
针对参数线性抛物型PDE,提出将其结构可辨识性转化为辅助椭圆方程存在唯一性问题的新方法,利用Fredholm替代定理分析并证明了多种模型在特定条件下的可辨识性。
2025-04-06 math.AP q-bio.QM
Structural identifiability analysis of linear reaction-advection-diffusion processes in mathematical biology
本文提出了一种针对部分观测的线性反应-对流-扩散偏微分方程模型进行结构可辨识性分析的一般方法,证明微分代数方法在理论上始终适用,并指出空间化不会降低模型的结构可辨识性。
2024-02-27 q-bio.QM stat.ME
A practical identifiability criterion leveraging weak-form parameter estimation
University of Colorado, Boulder(科罗拉多大学博尔德分校)
本文提出了一种基于弱形式参数估计的实用可辨识性准则,通过生成弱形式输入输出方程并应用WENDy方法,提高了对噪声变化的鲁棒性和计算效率。
2026-03-12 q-bio.QM stat.ME
Parameter identifiability in PDE models of fluorescence recovery after photobleaching
针对空间平均FRAP数据下反应-扩散PDE动力学参数难以辨识的问题,提出基于重新参数化与轮廓似然的可辨识性评估及参数组合学习流程,并在合成与真实数据上验证。
2024-03-02 math.DS q-bio.QM
A cautionary tale of model misspecification and identifiability
University of Melbourne(墨尔本大学);The University of South Australia(南澳大学)
针对数学生物学中简化模型修正可识别性易引发模型误设的问题,本文采用半参数高斯过程方法验证结构不确定性对参数估计的影响,证实考虑结构不确定性可提升参数估计稳健性与精度。
2025-11-17 q-bio.QM stat.ME
Identifiability of nonlinear ODE Models with Time-Varying Parameters: the General Analytical Solution and Applications in Viral Dynamics
本文提出一种通用自动化解析方法,通过导数计算和矩阵秩判定非线性ODE模型中未知时变参数的可辨识性,并在HIV、Covid-19和遗传拨动开关模型中发现与现有文献相矛盾的新结果。
2024-09-11 cs.SY eess.SY math.OC
Exact identifiability analysis for a class of partially observed near-linear stochastic differential equation models
University of Melbourne(墨尔本大学);Mathematical Institute, University of Oxford(牛津大学数学研究所);School of Engineering, University of Warwick(华威大学工程学院);Max Planck Institute of Molecular Cell Biology and Genetics(马克斯·普朗克分子细胞生物学与遗传学研究所);FIZ Karlsruhe - Leibnitz Institute for Information Infrastructure(卡尔斯鲁厄FIZ - 莱布尼茨信息基础设施研究所)
本文提出了一种基于微分代数的框架,用于分析线性和近线性部分观测随机微分方程模型的结构可识别性,并探讨了初始条件对可识别性的影响。
2025-12-09 q-bio.QM stat.ME
SIAN: software for structural identifiability analysis of ODE models
North Carolina State University(北卡罗来纳州立大学);New York University(纽约大学)
本文提出SIAN软件,用于在实际实验前检查ODE模型参数估计的唯一性,解决了传统方法无法处理的问题。
2018-12-26 cs.SC cs.SY eess.SY
Multi-objective Bayesian inference in an agent-based model of zebrafish patterns via topological data analysis
Purdue University(普渡大学)
本文提出了一种结合拓扑技术和贝叶斯计算的多目标方法,用于推断详细模型的参数,通过推断鱼鳞图案的基于代理的模型,在多个案例研究中实现了实用的可识别性,并通过引入扩展的先验分布将参数推断重新表述为规则推断,以寻找与数据一致的替代简单模型。
2026-05-18 q-bio.QM
Likelihood-based inference, identifiability and prediction using count data from lattice-based random walk models
针对细胞迁移实验计数数据与连续PDE模型解的关联问题,提出基于似然的参数估计等方法,对比两种测量误差模型,发现多项模型计算开销更低且预测更具物理意义。
2024-06-24 nlin.CG physics.app-ph q-bio.QM
Fine-Grained System Identification of Nonlinear Neural Circuits
California Institute of Technology(加州理工学院)
研究了高维组合函数的稀疏非线性模型恢复问题。我们的研究的动机是在神经科学中出现的机会,使用收集的测量数据恢复生物神经回路的细粒度模型。在神经科学领域知识的指导下,我们探索了可以恢复生成训练数据的潜在生物电路的条件。我们的研究结果提出了见解的理论和实际利益。最值得注意的是,我们发现,一个符号约束的权重是系统恢复的必要条件,我们建立了理论上的可识别性保证和经验上的模拟生物电路。最后,我们使用从小鼠视网膜收集的数据对视网膜神经节细胞回路进行了案例研究,展示了这种方法的实际潜力。
2021-06-09 cs.LG q-bio.QM
Functional redundancy in the NF-κB signalling pathway
通过确定性和随机建模来表示细胞内生化动力学的能力是在预测-预测-控制-设计知识阶梯中移动生物科学的关键组成部分之一。与工程或物理问题相比,定量生物学中的动力学模型通常依赖于相对大量的参数。因此,模型参数和动态之间的关系往往难以确定。我们开发了一种方法来描述多参数随机和确定性模型的输入输出关系,通过信息论量化模型参数和模块之间的相似性。识别大多数信息理论上正交的生物成分,提供了数学语言来精确地传达和可视化补偿等现象,如生物鲁棒性,草率性和统计不可识别性。对多参数NF- $κ$ B信号通路的综合分析表明,信息论相似性反映了网络的拓扑结构。对该系统目前可用的实验数据的检查揭示了可识别参数的数量,并建议提供信息的实验方案。
2013-03-13 q-bio.MN q-bio.QM
A protocol for dynamic model calibration
常微分方程模型目前广泛用于生物过程及其时间演化的机理描述。这些模型通常具有许多未知和不可测量的参数,这些参数必须通过将模型拟合到实验数据来确定。为了执行这项任务,称为参数估计或模型校准,建模面临的挑战,如参数可识别性差,缺乏足够的信息实验数据,并存在局部极小值的目标函数景观。这些问题往往随着模型尺寸的增大而恶化,从而增加了计算复杂性和未知参数的数量。不正确的校准模型是有问题的,因为它可能导致不准确的预测和误导性的结论。对于非专业用户,存在大量潜在的陷阱。在这里,我们提供了一个协议,指导用户完成动态模型校准中涉及的所有步骤。我们用两个模型来说明这种方法,并提供了重现结果所需的所有代码,并对新模型执行相同的分析。我们的协议为生物建模领域的从业者和研究人员提供了一站式指南,该指南既紧凑又足够全面,可以涵盖问题的各个方面。
2021-05-26 q-bio.QM
Identifiable specializations for ODE models
本文针对 ODE 模型的参数不可辨识问题,证明通过参数部分特化总可得到保持输入-输出行为且形式一致的局部可辨识模型,并给出状态空间变换存在的充分可观测性条件。
2025-06-10 cs.SY eess.SY math.DS
Mono- and Polyauxic Growth Kinetics: A Semi-Mechanistic Framework for Complex Biological Dynamics
Interdisciplinary Research Group on Biotechnology Applied to the Agriculture and the Environment, School of Agricultural Engineering, University of Campinas (GBMA/FEAGRI/UNICAMP)(坎皮纳斯大学农业工程学院农业与环境应用生物技术跨学科研究组)
本文提出一种半机制框架,整合非线性回归方法,通过差分进化和L-BFGS-B优化策略,结合Charbonnier损失函数和鲁棒回归,解决高维参数空间中的参数识别问题,验证了该框架在厌氧消化实验数据中的有效性。
2025-12-29 q-bio.CB q-bio.PE q-bio.QM
Feature leakage and the identifiability of direct-dependency entropy models of neural activity
Kempner Institute for the Study of Natural and Artificial Intelligence at Harvard University(哈佛大学生物自然与人工智能研究所);Department of Neurobiology, Howard Hughes Medical Institute, Harvard Medical School(哈佛医学院神经生物学系霍华德休斯医学研究所)
本文研究直接依赖熵模型在预测神经活动时的局限性,指出其成功预测仅反映输入分布下的预测能力而非机制辨识,并提出诊断方法区分分布内预测与响应规则恢复。
2026-06-01 q-bio.NC q-bio.QM stat.ME