朱向新;韦林，马克斯;金、方;John Lowengrub先生 使用高斯过程模型预测生物系统的模拟参数。 （英语） Zbl 07260345号 统计分析。数据最小值。 5，第6号，509-522（2012）. 摘要：在系统生物学中，寻找用于模拟生物系统的最佳参数通常是一项非常困难和昂贵的任务。由于搜索空间巨大（通常是无限的），强力搜索在实践中是不可行的。在本文中，我们建议通过使用回归学习系统输出与参数之间的关系来有效预测参数。然而，传统的参数回归模型存在两个问题，因此不适用于这个问题。首先，将回归函数限制为某个固定类型（如线性、多项式等）会引入太强的假设，从而降低模型的灵活性。其次，由于大多数生物模拟的随机性，以及可能存在大量影响模拟输出的其他因素，传统回归模型未能考虑到固定参数值可能对应多个不同输出的事实。我们提出了一种基于高斯过程模型的新方法，共同解决了这两个问题。我们将我们的方法应用于肿瘤血管生长模型和反馈Wright-Fisher模型。实验结果表明，该方法能够准确预测两种模型的参数值。 引用于1文件 MSC公司： 62至XX 统计 68倍 计算机科学 关键词：高斯过程;回归，回归;生物模拟 PDF格式BibTeX公司 XML格式引用 \textit{X.Zhu}等人，《统计分析》。数据最小值5，编号6，509--522（2012；Zbl 07260345） 全文： DOI程序 链接 参考文献： [1] C.拉斯穆森和C.威廉姆斯，麻省理工学院出版社，波士顿，2006年。 [2] D.Freedman、R.Purves和R.Pisani，《统计学》（第三版），W.W.Norton&Company，纽约，1998年·Zbl 1351.62002号 [3] S.Duane、A.Kennedy、B.Pendleton和D.Roweth，《混合蒙特卡罗》，《物理快报》195（2）（1987），216-222。 [4] C.Andrieu、N.De Freitas、A.Doucet和M.Jordan，《MCMC机器学习简介》，《马赫学习》50（2003），5-43·Zbl 1033.68081号 [5] R.Neal，“使用马尔可夫链蒙特卡罗方法进行概率推断”，技术报告CRG-TR-93-1，多伦多大学计算机科学系，1993年。 [6] H.B.Friebes、F.Jin、Y.-L.Chuang、S.M.Wise、J.S.Lowengrub和V.Cristini，《三维多物种非线性肿瘤生长II：肿瘤侵袭和血管生成》，《Theor Biol杂志》264（2010），1254-1278·Zbl 1406.92049号 [7] S.Takano、Y.Yoshii、S.Kondo、H.Suzuki、T.Maruno、S.Shirai和T.Nose，脑肿瘤患者血清和肿瘤组织中血管内皮生长因子的浓度，《癌症研究》56（1996），2185-2190。 [8] A.R.A.Anderson和M.A.J.Chaplain，肿瘤诱导血管生成的连续和离散数学模型，《公牛数学生物学》60（1998），857-900·Zbl 0923.92011号 [9] R.Fisher，《自然选择的遗传学理论》，牛津，克拉伦登出版社，1930年。 [10] S.Wright，孟德尔种群的进化，遗传学16（1931），97-159。 [11] D.McDonald，血管泄漏在癌症中的重要性，《癌症研究》62（2002），5381-5385。 [12] E.Bullitt、G.Gerig、S.Pizer、W.Lin和S.Aylward，从MRA图像测量脑内血管的扭曲度，IEEE Trans-Med Imaging 22（9）（2003），1163-1171。 [13] W.Hart、M.Goldbaum、B.Cote、P.Kube和M.Nelson，视网膜血管扭曲度的测量和分类，《国际医学通报》53（1999），239-252。 [14] S.M.Wise、J.S.Lowengrub、H.B.Friebes和V.Cristini，《三维多物种非线性肿瘤生长：模型和数值方法》，《Theor Biol杂志》253（2008），524-543·Zbl 1398.92135号 [15] V.Cristini和J.S.Lowengrub，《癌症的多尺度建模：综合实验和数学建模方法》，剑桥大学出版社，2010年。 [16] S.R.McDougall、A.R.A.Anderson、M.A.J.Chaplain和J.Sherrat，《血管网络流动的数学模型：对肿瘤诱导血管生成和化疗策略的影响》，《公牛数学生物学》64（2002），673-702·Zbl 1334.92106号 [17] M.J.Plank和B.D.Sleeman，肿瘤血管生成和抗血管生成策略的强化随机行走模型，《数学医学生物学》20（2）（2003），135-181·Zbl 1044.92036号 [18] M.J.Plank和B.D.Sleeman，肿瘤血管生成的晶格和非晶格模型，《公牛数学生物学》66（2004），1785-1819·Zbl 1334.92206号 [19] J.S.Lowengrub、H.B.Frieboes、F.Jin、Y.-L.Chuang、X.Li、P.Macklin、S.M.Wise和V.Cristini，《癌症的非线性建模：弥合细胞与肿瘤之间的差距》，非线性23（2010），R1-R91·兹比尔1181.92046 [20] A.R.Pries、M.Hopfner、F.le Noble、M.W.Dewhirst和T.W.Secomb，分流问题：正常和肿瘤血管中功能分流的控制，《国家癌症评论》10（2010），587-593。 [21] M.A.J.Chaplain、S.R.McDougall和A.R.A.Anderson，肿瘤诱导血管生成的数学建模，Ann Rev Biomed Eng 8（1006），233-257。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。