大卫·沃恩,露丝·贝克,&马修·辛普森(2020)系统生物学中计算推理的伪边缘方法实用指南。理论生物学杂志,496,文章编号:110255。
在发布者处查看
对于许多系统生物学感兴趣的随机模型,例如那些描述生化反应网络的模型,通过统计推断精确量化参数不确定性是很难的。当模型的似然函数难以处理,但通过正向问题的随机模拟可以生成多个样本路径时,无似然计算推理技术可以进行参数推断。在系统生物学中最常见的无障碍方法是近似贝叶斯计算,它接受的参数导致随机模拟和测量数据之间的差异很小。然而,很难评估接受阈值和差异函数的选择如何影响结果推断的准确性。伪边缘方法是一种替代的无似然推理方法,它使用似然函数的蒙特卡罗估计。这种方法有几个优点,特别是在生物化学反应网络研究中典型的噪声、部分观测的时间过程数据的背景下。具体而言,伪边缘方法有助于精确推断和不确定性量化,并可与粒子滤波器有效结合,以实现低方差、高精度的似然估计。在这篇综述中,作为一系列案例研究,我们对使用推理的生化反应网络的伪边缘方法进行了实用的介绍。使用Julia编程语言提供了关键算法的实现和示例;一种用于科学计算的高性能开源编程语言(https://github.com/davidwarne/Warne2019_伪边际指南).
影响和利益:
引文计数 每月从Scopus公司和科学网®引文数据库。
这些数据库包含来自可用出版物不同子集和不同时间段的引文,因此每个数据库的引文计数通常不同。一些作品不在任何一个数据库中,并且没有显示计数。Scopus包括1996年以后发表的文章的引文,以及1980年以后的Web of Science®。
引文计数来自谷歌学者™索引服务可以在链接的Google Scholar™搜索中查看。
全文下载:
全文下载显示此作品文件的总次数(例如PDF格式)已从QUT ePrints下载,以及前365天的下载次数。如果一个作品有多个文件,则该计数包括所有文件的下载。
导出: 尾注|都柏林核心元数据集|BibTeX公司
仅仓库员工:项目控制页