×

兹马思-数学第一资源

复杂动态系统的可分离非线性最小二乘参数估计。(英语) Zbl 1435.92003
摘要:非线性动力学模型被广泛用于描述控制复杂生物通路系统的过程。在过去的十年里,这些模型的验证和进一步的发展成为可能,这是由于使用分子生物学方法通过高通量实验收集到的数据。虽然这些数据是非常有益的,但它们通常是不完整的和有噪声的,这使得复杂动态模型的参数值推断具有挑战性。幸运的是,许多生物系统都嵌入了线性数学特征,可以加以利用,从而提高拟合度,并导致优化算法更好地收敛。在这篇文章中,我们探讨了使用一种新的方法来推断动态模型的选项可分离非线性最小二乘优化并与传统的非线性最小二乘法进行了性能比较。大量模拟的数值结果表明,所提出的方法至少与传统的非线性最小二乘法一样精确,但通常优于传统的非线性最小二乘法,同时也大大减少了计算时间。
理学硕士:
92B15号 一般生物统计学
第62页 统计学在生物学和医学科学中的应用;元分析
92C42型 系统生物学,网络
62层10层 点估计
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 洛特卡,A.J.,《数学生物学要素》(1956年),纽约,美国:多佛出版公司,纽约,纽约,美国·Zbl 0074.14404号
[2] 梅,R.M.,模型生态系统的稳定性和复杂性。作者新介绍(2001),美国新泽西州普林斯顿:普林斯顿大学出版社,普林斯顿,新泽西州
[3] Peschel,M.;Mende,W.,《捕食者-猎物模型:我们是否生活在一个沃尔特拉世界?(1986年),纽约,美国:斯普林格,纽约,纽约,美国·Zbl 0576.92001
[4] Volterra,V.,《从数学角度考虑物种丰度的波动》,《自然》,1182972558-560(1926)·京FM 52.0453.03
[5] Savagau,M.A.,生化系统分析,分子生物学中的功能和设计研究,高级图书计划第6739卷(1976年),波士顿,马萨诸塞州,美国:Addison-Wesley出版公司,波士顿,马萨诸塞州,美国
[六] Voit,E.O.,生化系统理论:综述,ISRN生物数学,2013(2013)·Zbl 1268.92045
[七] 周,I.-C.;Voit,E.O.,生化和基因组系统参数估计和结构识别的最新进展,数学生物科学,219,2,57-83(2009)·Zbl 1168.92019号
[8] Gennemark,P.;Wedelin,D.,《生物系统常微分方程模型识别的有效算法》,IET系统生物学,1,2,120-129(2007)
[9] Girolami,M.;Calderhead,B.,Riemann Mangle Langevin和Hamiltonian Monte Carlo方法,皇家统计学会杂志:B系列(统计方法),73,2,123-214(2011)·62071号,141071号
[10] McGoff,K.;Mukherjee,S.;Pillai,N.,《动力系统的统计推断:回顾》,《统计调查》,9209-252(2015)·Zbl 1327.62458号
[11] Ramsay,J.;Hooker,G.,《动态数据分析》。《微分方程建模数据》(2017),纽约,纽约,美国:斯普林格,纽约,纽约,美国
[12] Schittkowski,K.,动力系统中的数值数据拟合。《应用与软件实用导论》(2002),荷兰多德雷赫特:荷兰多德雷赫特Kluwer学术出版社
[13] Voit,E.O.;Almeida,J.,《从代谢谱中识别通路的解耦动力学系统》,生物信息学,20,11670-1681(2004)
[14] Dolatshahi,S.;Voit,E.O.,代谢途径系统识别,遗传学前沿,7,6(2016)
[15] Faraji,M.;Voit,E.O.,《从代谢时间序列数据中逐步推断可能的动态通量分布》,生物信息学,33,14,2165-2172(2017)
[16] Goel,G.;Chou,I.-C.;Voit,E.O.,根据代谢时间序列数据进行系统估计,生物信息学,24,21,2505-2511(2008)
[17] Varah,J.M.,微分方程数值参数估计的样条最小二乘法,暹罗科学与统计计算杂志,3,1,28-46(1982)·Zbl 0481.65050
[18] 《生物化学系统的计算分析:生物化学家和分子生物学家实用指南》(2000),英国剑桥:剑桥大学出版社,英国剑桥
[19] Himmelblau,D.M.;Jones,C.R.;Bischoff,K.B.,《复杂动力学模型速率常数的测定》,《工业与工程化学基础》,6,4,539-543(1967)
[20] Dattner,I.;Klaassen,C.A.J.,《参数函数线性常微分方程组中直接估计器的最佳速率》,电子统计杂志,9,2,1939-1973(2015)·Zbl 1327.62120号
[21] Golub,G.H.;Pereyra,V.,《变量分离的伪逆和非线性最小二乘问题的微分》,暹罗数值分析杂志,10,2,413-432(1973)·中银0258.65045
[22] Ruhe,A.;Wedin,P.ï,可分离非线性最小二乘问题的算法,暹罗评论,22,3,318-337(1980)·Zbl 0466.65039
[23] Dattner,I.;Miller,E.;Petrenko,M.;Kadouri,D.E.;Jurkevitch,E.;Huppert,A.,《使用直接积分法对异质环境中捕食者-猎物动力学的建模和参数推断》,《皇家学会界面杂志》,14,126(2017年)
[24] Wu,L.;Qiu,X.;Yuan,Y.-X.;Wu,H.,《线性常微分方程大系统的参数估计和变量选择:基于矩阵的方法》,美国统计协会期刊,114,526,657-667(2019年)·Zbl 1420.62102
[25] Yaari,R.;Dattner,I.,Simode:使用可分离积分匹配对常微分方程组进行统计推断,R软件包版本1.1.4(2019年1月),https://CRAN.R-project.org/package=Simode
[26] Golub,G.;Pereyra,V.,可分离非线性最小二乘法:变量投影法及其应用,反问题,19,2,1-26(2003)·Zbl 1022.65014
[27] Mullen,K.M.,可分离非线性模型:物理和化学中的理论、实现和应用(2008),荷兰阿姆斯特丹:荷兰阿姆斯特丹Vrije大学,荷兰阿姆斯特丹,博士论文
[28] Chung,J.;Nagy,J.G.,大规模可分离非线性反问题的有效迭代方法,暹罗科学计算杂志,31,6,4654-4674(2010)·Zbl 1205.65160
[29] Gan,M.;Chen,C.L.P.;Chen,G.-Y.;Chen,L.,关于可分离非线性最小二乘问题的一些分离算法,IEEE控制论汇刊,48,10,2866-2874(2018)
[30] Erichson,N.B.;Zheng,P.;Manohar,K.;Brunton,S.L.;Kutz,J.N.;Aravkin,A.Y.,通过变量投影进行稀疏主成分分析(2018年),https://arxiv.org/abs/1804.00341
[31] Basu,S.;Bresler,Y.,非线性最小二乘问题的稳定性和Cramér-Rao界,IEEE信号处理汇刊,48,12,3426-3436(2000)·Zbl 1002.94004号
[32] 赫希,M.W.;Devaney,R.L.;Smale,S.,微分方程,动力系统和线性代数,60(1974),剑桥,马萨诸塞州,美国:学术出版社,剑桥,马萨诸塞州,美国
[33] Fan,J.;Gijbels,I.,局部多项式建模及其应用(1996),英国伦敦:查普曼和霍尔,伦敦,英国,第66卷统计学和应用概率专著·邮政编码:0873.62037
[34] Green,P.J.;Silverman,B.W.,非参数回归和广义线性模型:粗糙度惩罚法(1994),英国伦敦:查普曼和霍尔,伦敦,英国,第58卷统计学和应用概率专著·Zbl 0832.62032
[35] Wasserman,L.,所有非参数统计(2006),纽约,美国:斯普林格,纽约,纽约,美国·Zbl 1099.62029
[36] Brunel,N.J.-B.,通过非参数估计对ODE的参数估计,电子统计杂志,1242-1267(2008)·Zbl 1320.62063
[37] Gugushvili,S.;Klaassen,C.A.J.,\(\sqrt{n}\)—常微分方程组的一致参数估计:通过平滑绕过数值积分,Bernoulli,18,3,1061-1098(2012)·Zbl 1257.49033
[38] Villela,M.;Borges,C.C.H.;Vinga,S.,《动力学模型数值解耦的自动平滑器》,BMC生物信息学,8,1305(2007)
[39] Chen,S.;Shojaie,A.;Witten,D.M.,《高维常微分方程网络重构》,美国统计协会期刊,1125201697-1707(2017)
[40] Dattner,I.,基于模型的估计常微分方程系统参数的初始猜测,生物识别,71,4,1176-1184(2015)·Zbl 1419.62083
[41] Datilisca,2018年第156-126期模型应用;Datilisca,step-step-Statiser
[42] Dattner,I.;Huppert,A.,《利用数学模型推断和预测传染病的现代统计工具》,《医学研究中的统计方法》,27,7,1927-1929(2018)
[43] Vissing Mikkelsen,F.;Hansen,N.R.,学习大型常微分方程系统(2017),https://arxiv.org/abs/1710.09308
[44] Vujačić,i.;Dattner,i.;González,J.;Wit,E.,《参数、统计与计算中线性常微分方程的时间过程窗口估计》,25,6,1057-1070(2015)·Zbl 1331.62109号
[45] Yaari,R.;Dattner,I.,Simode:R使用可分离积分匹配进行常微分方程统计推断的软件包(2018),https://joss.theoj.org/papers/10.21105/joss.01850
[46] Yaari,R.;Dattner,I.;Huppert,A.,从发病率数据估算年龄组流行病模型参数的两阶段方法,医学研究统计方法,27,7,1999-2014(2018)
[47] Lawton,W.H.;Sylvestre,E.A.,《非线性回归中线性参数的消除》,技术计量学,13,3461-467(1971)·Zbl 0219.62014
[48] 韦克姆,H.,GGPLOT 2。优雅图形数据分析(2009),纽约,纽约,美国:斯普林格,纽约,纽约,美国·Zbl 1170.62004
[49] Johnstone,I.M.;Silverman,B.W.,经验贝叶斯小波阈值选择,统计学年鉴,33,4,1700-1752(2005)·Zbl 1078.62005
[50] Hethcote,H.W.,传染病数学,暹罗评论,42,4599-653(2000)·Zbl 0993.92033
[51] FitzHugh,R.,神经膜理论模型中的脉冲和生理状态,生物物理学杂志,1,6,445-466(1961)
[52] FitzHugh,R.;Schwan,H.P.,神经兴奋和传播的数学模型,生物工程,1-85(1969),纽约,纽约,美国:McGraw-Hill,纽约,纽约,美国,大学间电子系列第9卷
[53] Nagumo,J.;Arimoto,S.;Yoshizawa,S.,《模拟神经轴突的主动脉冲传输线》,IRE论文集,50,10,2061-2070(1962)
[54] 霍奇金,A.L.;赫胥黎,A.F.,膜电流的定量描述及其在神经传导和兴奋中的应用,生理学杂志,117,4500-544(1952)
[55] Ramsay,J.O.;Hooker,G.;Campbell,D.;Cao,J.,《微分方程参数估计:广义平滑方法》,《皇家统计学会期刊:B系列(统计方法学)》,69,5741-796(2007)
[56] Campbell,D.;Steele,R.J.,《非线性微分方程模型的光滑函数回火,统计与计算》,22,2429-443(2012)·Zbl 1322.62011
[57] 《定量信息的视觉显示》(2001),柴郡,康涅狄格州,美国:图形出版社,柴郡,康涅狄格州,美国
[58] Venables,W.N.;Ripley,B.D.,《现代应用统计学与统计与计算》(2002),纽约,纽约,美国:斯普林格,纽约,纽约,美国·Zbl 1006.62003
[59] Mullen,K.;van Stokkum,I.,TIMP:用于模拟多方向光谱测量的R包,统计软件杂志,18,3,1-46(2007)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。