Parameter Estimation and Uncertainty Quantification for Systems Biology Models
数学模型可以提供对免疫受体信号传导的定量洞察,但在进行可靠的预测之前需要参数化和不确定性量化。我们审查目前可用的方法和软件工具来解决这些问题。我们考虑基于梯度和无梯度的参数值的点估计方法,和方法的配置文件的可能性,自举,和贝叶斯推断的不确定性量化。我们考虑这些方法在免疫相关现象的系统级建模中的最近和潜在的未来应用。
2019-06-26 q-bio.QM
A Novel Use of Pseudospectra in Mathematical Biology: Understanding HPA Axis Sensitivity
University of Birmingham(伯明翰大学);University of Cambridge(剑桥大学)
针对HPA轴失调相关疾病及建模挑战,提出基于非线性延迟微分方程模型的三种线性化伪谱计算方法(时变雅可比、极限环线性化、Koopman算子DMD分析),解释实验现象并确立稳定性,为HPA轴研究提供新数学工具。
2024-11-30 cs.LG cs.NA math.NA
Density analysis of non-Markovian BSDEs and applications to biology and finance
在本文中,我们提供的条件,确保随机Lipschitz倒向随机微分方程承认Malliavin可微的解决方案。研究了一般路径依赖随机Lipschitz倒向随机微分方程解的第一分量的密度存在性问题,并在特殊情况下得到了第二分量的密度存在性结果.我们将这些结果应用于生物学中的基因表达模型的研究和数学金融中的经典定价问题。
2016-02-19 math.PR q-bio.QM q-fin.MF
Computer algebra in systems biology
系统生物学专注于研究整个生物系统,而不是它们的单个组成部分。随着分子生物学高通量数据生成技术的出现和先进数学建模技术的发展,该领域有望提供重要的新见解。与此同时,随着越来越强大的计算机的可用性,计算机代数已经发展成为许多应用的有用工具。本文通过一个著名的基因调控网络--大肠杆菌中的Lac操纵子来说明计算机代数在系统生物学中的应用。杆菌
2008-12-19 cs.SC q-bio.MN q-bio.QM
Criterion of positivity for semilinear problems with applications in biology
本文的目的是为一类无限维半线性抽象柯西问题的正定性和适定性提供一个有用的判据。这个判据是基于半线性问题的非线性部分和由微分算子生成的强连续半群的存在性的一些弱假设。为了说明各种各样的应用,我们展示了这个标准的可行性,通过三个例子在数学生物学:流行病学,捕食者-猎物的相互作用和肿瘤学。
2017-01-19 math.AP q-bio.QM
Dealing with complexity of biological systems: from data to models
本书的四个章节代表了我研究兴趣的四个主要领域:1)分子生物学数据分析,2)生物网络的数学建模,3)基因组进化,4)癌症系统生物学。第一章是致力于我的工作在发展非线性降维方法(弹性映射和主树的方法),扩展了经典的主成分方法。我也提出了应用矩阵分解技术分析癌症数据。第二章致力于分子生物学中数学模型的复杂性。阐述了化学反应网络渐近性的基本思想,旨在剖析和简化复杂的化学动力学模型。这种方法的两个应用:NFkB和细胞凋亡途径的建模,和蛋白质翻译的miRNA作用的建模机制。第三章简要介绍了我对不同生物体(从微生物到人类癌症基因组)基因组结构的研究。无监督数据分析方法用于研究基因组序列中由基因组进化形成并受环境基本属性影响的模式。第四章总结了我用计算方法(通过综合数据分析和数学建模方法相结合)研究癌症的经验。特别是,我描述了正在进行的研究项目,如细胞命运决策的数学建模和DNA修复网络中的合成致死相互作用。综合的结论是列出了计算系统生物学的主要挑战,连接到本文的主题,即处理生物系统的复杂性。
2014-04-06 q-bio.QM
Abstract relational structures in models of biology
School of BioSciences, University of Melbourne(墨尔本大学生物科学学院);School of Mathematics and Statistics, University of Melbourne(墨尔本大学数学与统计学院);ARC Centre of Excellence for the Mathematical Analysis of Cellular Systems (MACSYS)(ARC细胞系统数学分析卓越中心(MACSYS));Cell Bauhaus(细胞包豪斯)
本文引入系统超图作为一种通用形式化方法,用于表示抽象关系系统,并通过化学反应网络和随机Petri网的实例,严格证明了随机Petri网比化学反应网络更具一般性。
2026-05-22 q-bio.QM
The necessity and power of random, under-sampled experiments in biology
过去十年中开发的大量变革性技术使测量和扰动的规模不断增加,但我们对许多系统的理解仍然受到实验能力的限制。克服这一限制并不仅仅是用现有方法降低成本的问题;对于复杂的生物系统,可能永远不可能全面测量和扰动感兴趣的变量的每一个组合。然而,越来越多的工作--其中大部分是基础性的和先例性的--从高度欠采样的数据中提取了惊人数量的信息。对于一系列广泛的生物学问题,特别是遗传相互作用的研究,这些方法对于获得全面的理解至关重要。然而,没有一个连贯的框架来统一这些方法,提供一个严格的数学基础来理解它们的局限性和能力,让我们通过一个共同的镜头来理解它们令人惊讶的成功,并建议我们如何将关键概念结晶化以改变实验生物学。在这里,我们回顾以前的工作在这个主题上-生物学和数学基础的随机化和低维推理-并提出了一个通用的框架,使数据收集在广泛的研究大大提高了效率,使用随机实验和复合实验。
2020-12-23 q-bio.QM stat.AP
From reductionism to realism: Holistic mathematical modelling for complex biological systems
Mathematical Institute, University of Oxford(牛津大学数学研究所);Centre for Eudaimonia and Human Flourishing, University of Oxford(牛津大学幸福与人类繁荣中心)
本文提出了一种整体数学建模范式,通过整合多层网络和模拟方法,以应对复杂生物系统中的异质性和多尺度相互作用,推动数学生物学的发展。
2025-10-01 physics.bio-ph physics.soc-ph q-bio.QM
Perspectives on theory at the interface of physics and biology
本文论述物理学与生物学在理论目标上的差异,并结合历史与现代实例论证建立统一生物系统理论物理学的时机已经成熟。
2015-12-30 cond-mat.dis-nn physics.bio-ph physics.hist-ph
Mathematical models for chemotaxis and their applications in self-organisation phenomena
趋化性是细胞和生物体的一种基本导向机制,负责吸引微生物进入食物,胚胎细胞进入发育组织,免疫细胞进入感染部位,动物走向潜在配偶,数学家进入生物学。Patlak-Keller-Segel(PKS)系统构成了数学生物学的基石,是建模者和分析师的首选。对于前者来说,它简单但概括了许多现象;后者则被这些丰富的动态所吸引。在这里,我回顾了PKS系统的采用时,解释自组织过程。我考虑了它们的基础,回到帕特拉克、凯勒和西格尔最初的努力,并简要描述了它们的模式化特性。PKS系统的应用被认为是在其不同的领域,包括微生物学,发展,免疫学,癌症,生态学和犯罪。在每一种情况下,提供了一个历史的角度来看趋化行为的证据,其次是一个审查的建模工作,一个纲要的模型包括作为附录。最后,一个半严肃/半开玩笑的模型来解释派系如何在学术界形成。学者根据现有问题改变研究路线的假设导致了学术集群和“热点”研究课题的形成。
2018-06-25 q-bio.CB q-bio.QM
Kernel methods in genomics and computational biology
支持向量机和核方法在基因组学和计算生物学中越来越受欢迎,这是由于它们在现实世界应用中的良好性能和强大的模块性,使它们适用于从肿瘤分类到蛋白质自动注释的广泛问题。他们的工作能力,在高维度,处理非矢量数据,和自然的框架,他们提供了整合异构数据是特别相关的计算生物学中出现的各种问题。在本章中,我们将回顾迄今为止发表的一些最突出的应用,强调由生物学问题引发的核方法的特别发展,并提到一些有前途的研究方向可能在未来扩展。
2005-10-17 q-bio.QM
An Optimal Likelihood Free Method for Biological Model Selection
系统生物学试图创建生物系统的数学模型,以减少固有的生物复杂性,并为治疗开发等应用提供预测。然而,确定哪个数学模型是正确的以及如何最佳地得出答案仍然是一个挑战。我们提出了一个算法,自动生物模型选择使用数学模型的系统生物学和似然自由推理方法。我们的算法在没有先验信息的情况下,比实验生物学和随机搜索中使用的传统算法更能达到正确的模型。这种方法有望加速生物基础科学和药物发现。
2022-08-03 q-bio.QM stat.ML
Lagrangian Approaches for a class of Matching Problems in Computational Biology
本文提出了一种有效的算法,用于解决蛋白质结构模板与查询氨基酸序列的比对问题,称为蛋白质线程问题。我们认为这个问题是图匹配问题的一个特例。给出了问题的形式化图模型和整数规划模型。在研究了这些模型的性质后,我们提出了两种拉格朗日松弛法来求解它们。我们目前的实验结果显示我们的方法的效率在现实生活中的实例。
2006-09-01 q-bio.QM
Biological applications of the theory of birth-and-death processes
在这篇综述中,我们讨论了生与死过程理论在生物学问题中的应用,主要是进化基因组学问题。这些过程的理论的数学原理进行了简要描述。生与死过程,加上一些简单的补充,如创新,是一个简单的,自然的正式框架,用于模拟各种各样的生物过程,如种群动力学,物种形成,基因组进化,包括旁系同源基因家族的增长和水平基因转移,以及癌症的体细胞进化。我们进一步描述了经验数据,例如,旁系同源基因家族规模的分布,可以用来选择模型,最好地反映了实际的进化过程中的不同版本的出生-死亡-和创新模型。生-死过程由于其数学上的透明性、灵活性和与基本生物过程的相关性,将成为新兴的系统生物学领域不可或缺的数学工具。
2005-07-15 q-bio.GN q-bio.QM
Folding@Home and Genome@Home: Using distributed computing to tackle previously intractable problems in computational biology
几十年来,研究人员一直在应用计算机模拟来解决生物学问题。然而,计算生物学中的许多“重大挑战”,例如模拟蛋白质如何折叠,由于其巨大的复杂性而仍未解决。事实上,即使是模拟最快的折叠蛋白质也需要在最快的现代CPU上花费数十年的时间。在这里,我们回顾新的方法,从根本上加快这些以前棘手的问题,使用一种新的计算范式:分布式计算。通过有效地利用世界各地数以万计的计算机,我们已经能够打破以前的计算障碍。然而,分布式计算带来了新的挑战,例如如何有效地划分通过相对较慢的网络连接的许多PC的复杂计算。此外,即使精确再现现实的挑战可以克服,新的挑战也出现了:我们如何利用这些模拟的结果(通常是数十到数百GB的原始数据)并对手头的问题有所了解。分析大规模模拟产生的海量数据的挑战可能会在未来几十年内继续存在。
2009-01-07 physics.bio-ph physics.comp-ph q-bio.QM
Fourier-enhanced Neural Networks For Systems Biology Applications
Computer Science(计算机科学)
针对系统生物学中微分方程求解复杂系统成本高、PINN方法存在局限的问题,提出傅里叶增强神经网络SB-FNN,通过嵌入傅里叶网络、自适应激活函数和循环惩罚函数优化预测,在六个生物模型上性能与效率均优于PINN,有望成为更先进方法。
2025-02-10 cs.LG q-bio.QM
A Mathematical Framework for Agent Based Models of Complex Biological Networks
基于Agent的建模和仿真是研究从分子生物学到生态学等广泛领域中的生物现象的有用方法。由于目前还没有一个公认的标准方法来指定这样的模型,因此使用已发布的模型并不总是那么容易。此外,由于模型描述通常不是用数学术语给出的,因此很难使用数学分析工具,因此通常通过模拟来研究模型。为了解决这个问题,Grimm等人提出了一个用于模型规范的协议,即所谓的ODD协议,它提供了一种描述模型的标准方法。本文提出了一个除了ODD协议,它允许描述的一个基于代理的模型作为一个动态系统,它提供了访问的计算和理论工具,其分析。数学框架是代数模型,即具有代数结构的时间离散动力系统。它是通过几个例子,这个数学规范可以帮助模型分析。
2010-09-09 cs.MA physics.bio-ph q-bio.QM
Learning physically consistent mathematical models from data using group sparsity
Technische Universität Dresden(德累斯顿工业大学);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);Center for Systems Biology Dresden(德累斯顿系统生物学中心);Flatiron Institute(熨斗研究所);LMU München(慕尼黑大学);Helmholtz Zentrum München(亥姆霍兹慕尼黑研究中心);Center for Scalable Data Analytics and Artificial Intelligence ScaDS.AI(可扩展数据分析与人工智能中心(ScaDS.AI));Cluster of Excellence Physics of Life, TU Dresden(德累斯顿工业大学卓越生命物理集群);ONI Inc.(ONI公司)
我们提出了一个基于组稀疏回归的统计学习框架,可用于1)执行守恒律,2)确保模型等价性,3)在从测量数据学习或推断微分方程模型时保证对称性。从数据中直接学习$\textit{interpretable}$数学模型已经成为一种有价值的建模方法。然而,在生物学等领域,高噪声水平,传感器诱导的相关性和强系统间的可变性可能会使数据驱动的模型无意义或物理上不一致,而无需对模型结构进行额外的约束。因此,重要的是利用来自物理原理的$\textit{prior}$知识来学习“生物学上合理的和物理上一致的”模型,而不是简单地最好地拟合数据的模型。我们提出了一种新的群体迭代硬约束保持(gIHT)算法,并使用稳定性选择来推断具有最小参数调整的物理相容模型。我们展示了系统生物学的几个应用程序,展示了在数据驱动建模中执行$\textit{priors}$的好处。
2020-12-11 cs.LG q-bio.QM stat.AP
First Passage Problems in Biology
UCLA(加州大学洛杉矶分校);CalState-Northridge(加州州立大学北岭分校)
本文综述了首次通过时间在生物学中的应用,涵盖分子解离、转录翻译、神经元放电等过程,探讨了马尔可夫模型及近似方法在生物系统中的应用。
2014-08-20 cond-mat.stat-mech q-bio.QM q-bio.SC
Bayesian Uncertainty Quantification for Systems Biology Models Parameterized Using Qualitative Data
动机:最近的工作已经证明了使用非数值的定性数据来参数化数学模型的可行性。然而,这种参数化模型的不确定性量化(UQ)仍然是具有挑战性的,因为缺乏一个统计解释的优化中使用的目标函数。结果如下:我们制定了似然函数适用于使用定性数据或定性和定量数据的组合进行贝叶斯UQ。为了证明所得到的UQ能力,我们使用合成的定性和定量数据集分析了IgE受体信号传导的已发表模型。值得注意的是,来自定性数据的参数值的估计值与来自较低通量定量数据的估计值几乎一致。这些结果为在生物建模中利用定性数据提供了进一步的动力。供货情况:这里介绍的似然函数是在PyBioNetFit的新版本中实现的,PyBioNetFit是一个用于分析SBML和BNGL格式模型的开源应用程序,可在www.example.com在线获得www.github.com/lanl/PyBNF。
2019-08-30 q-bio.QM stat.ME
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
PEtab -- interoperable specification of parameter estimation problems in systems biology
基于数据的建模研究结果的可复制性和可重用性至关重要。然而,到目前为止,在系统生物学中还没有广泛支持的参数估计问题规范格式。在这里,我们介绍PEtab,一种格式,便于规范的参数估计问题,使用系统生物学标记语言(SBML)模型和一组制表符分隔的值文件描述的观察模型和实验数据以及参数估计。我们已经将PEtab支持实施到八个完善的模型仿真和参数估计工具箱中,总共有数百名用户。我们提供了一个Python库,用于验证和修改PEtab问题,目前有20个基于最近研究的参数估计问题。PEtab的规范、PEtab Python库以及示例链接和所有支持软件工具可在https://github.com/PEtab-dev/PEtab获得,快照可在https://doi.org/10.5281/zenodo.3732958获得。所有原创内容均在许可证下提供。
2020-08-07 q-bio.QM
Nonlocal Models in Biology and Life Sciences: Sources, Developments, and Applications
本综述聚焦生物学与生命科学中非局部模型的来源、发展与应用,系统探讨种群动力学模式形成条件、网络非局部相互作用及多尺度建模(含纳米技术、生物医学),总结趋势并指出未来方向。
2025-02-13 math-ph math.DS math.MP
Mathematical and computational modeling for describing the basic behavior of free radicals and antioxidants within epithelial cells
传统的生物学研究方法是基于例证性描述和线性逻辑解释的。这项工作旨在通过引入替代工具来描述和表示复杂的生物系统来改进这种方法。为了研究自由基和抗氧化剂之间的生物过程,开发了两种模型,一种是数学模型,另一种是计算模型。每个模型被用来研究相同的过程,但在不同的情况下。该数学模型被用来研究上皮细胞培养中的生物过程;该模型用来自分子和实验医学系的Anne Hanneken研究小组的实验数据进行了验证,该实验数据发表在2006年7月的《调查眼科学和视觉科学》杂志上。计算模型用于研究个体的相同过程。该模型以衰老的网络理论为支撑,采用C++程序设计语言进行建模。
2012-01-21 cs.CE q-bio.QM
Generalized Inverse Optimal Control and its Application in Biology
Computational Biology Lab, Misión Biológica de Galicia (MBG-CSIC), Spanish National Research Council(计算生物学实验室,加利西亚生物使命(MBG-CSIC),西班牙国家研究委员会);Department of Mathematics, Otto von Guericke University(数学系,奥托·冯·格里克大学);Max Planck Institute for Dynamics of Complex Technical Systems(复杂技术系统动力学马克斯·普朗克研究所)
该研究提出广义逆最优控制方法,从生物数据中推断最优性原理,并用于前向控制以预测和操纵生物系统,应用于生物医学等领域。
2025-06-16 math.OC q-bio.QM
AI-Aristotle: A Physics-Informed framework for Systems Biology Gray-Box Identification
Brown University(布朗大学)
本研究提出名为AI-Aristotle的物理信息框架,融合X-TFC区域分解、PINNs与符号回归技术,通过两个系统生物学基准测试验证其性能,可处理噪声数据并快速实现黑箱辨识,为相关灰箱辨识研究提供参考。
2023-09-29 cs.AI cs.LG q-bio.QM
MEIGO: an open-source software suite based on metaheuristics for global optimization in systems biology and bioinformatics
优化是解决计算生物学中许多问题的关键。全局最优化方法提供了一种鲁棒的方法,特别是元分析法已被证明是许多应用中最有效的方法。尽管他们的效用,有有限的可用性的元启发式工具。我们提出了MEIGO,一个R和Matlab优化工具箱(也可以通过R版本的包装器在Python中使用),它实现了能够解决系统生物学和生物信息学中出现的各种问题的元算法:用于连续非线性规划(cNLP)和混合整数规划(MINLP)问题的增强分散搜索法(eSS),以及用于整数规划(IP)问题的可变邻域搜索(VNS)。这两种方法都可以在单线程上运行,也可以使用协作策略并行运行。该代码在GPL v3下提供,可在\url{http://www.iim.csic.es/~gingproc/meigo.html}上获得。包括文档和示例。R包已提交给Bioconductor。我们评估MEIGO对优化基准,并说明其适用性的一系列案例研究,在生物信息学和系统生物学,优于其他国家的最先进的方法。MEIGO提供了一个免费的开源优化平台,可应用于系统生物学和生物信息学的多个领域。它包括最先进的元分析技术,其开放和模块化的结构允许添加更多的方法。
2013-11-22 cs.CE cs.MS math.OC
A Model Checking-based Analysis Framework for Systems Biology Models
生物系统通常被建模为具有时不变参数的常微分方程(ODE)系统。然而,细胞信号转导事件或药物干预可能改变细胞状态并诱导系统的多模式动力学。这样的系统自然地被建模为混合自动机,其具有多个操作模式,每个模式中具有特定的非线性动力学。在本文中,我们介绍了一个模型检查启用的框架,可以建模和分析单模式和多模式的生物系统。我们解决了系统生物学中的核心问题--识别参数值,使模型满足期望的行为--使用有界模型检查。我们采用增量决策过程来解决可满足性模理论(SMT)问题,并避开可达性问题的不可判定性。我们的框架,使几个分析任务,包括模型校准和证伪,治疗策略识别,和李雅普诺夫稳定性分析。我们使用前列腺癌进展、心脏细胞动作电位和放射性疾病的案例研究来证明这些方法的适用性。
2020-04-26 cs.FL q-bio.QM
Sparse and nonparametric estimation of equations governing dynamical systems with applications to biology
Department of Information Engineering, University of Padova(信息工程系,帕多瓦大学);Department of Pathology, Cambridge University(病理学系,剑桥大学);Department of Applied Mathematics, University of Washington(应用数学系,华盛顿大学);Department of Pharmacology, University of North Carolina at Chapel Hill(药理学系,北卡罗来纳大学教堂山分校)
提出一种结合稀疏参数估计与非参数技术的新框架,用于克服Sindy等参数化模型在捕捉复杂系统非线性时的局限,并在复杂生物现象估计的示例中验证了其有效性。
2025-11-01 cs.LG q-bio.QM stat.ML