塞缪尔·杰克逊（Samuel E.Jackson）。;伊恩·弗农;刘俊丽;基思·林赛 理解荷尔蒙相声拟南芥通过仿真和历史匹配进行根开发。 （英语） Zbl 1461.92011年 统计应用程序。遗传学。分子生物学。 19，第2号，文章ID 20180053，33 p.（2020）. 概述：植物发育生物学的一个主要挑战是了解植物生长是如何通过相互作用的激素和基因进行协调的。为了迎接这一挑战，不仅要使用实验数据，而且要建立数学模型。为了使数学模型能够最好地描述真实的生物系统，有必要了解模型的参数空间，以及模型、参数空间和实验观测之间的联系。我们使用贝叶斯仿真开发了序列历史匹配方法，以深入了解生物模型参数空间。这是通过根据连续的物理观测结果找到一组可接受的参数来实现的。然后将这些方法应用于复杂的荷尔蒙串扰模型拟南芥根系生长。在这个应用程序中，我们演示了22个观测趋势的初始集如何将可接受输入集的体积减少到原始空间的比例（6.1乘以10^{-7}）。额外的生物相关实验数据集，每个数据集的大小为5，将这个空间的大小分别减少了三个和两个数量级。因此，我们可以深入了解通过测量观测子集对模型结构施加的约束以及其生物后果。 MSC公司： 92立方厘米15 发育生物学，模式形成 92C80型 植物生物学 34C60个 常微分方程模型的定性研究与仿真 关键词：拟南芥;贝叶斯不确定性分析;仿真;历史匹配;参数搜索 软件：GPy公司;github;GPfit（全球拟合） PDF格式BibTeX公司 XML格式引用 \textit{S.E.Jackson}等人，《统计应用》。遗传学。分子生物学。19，第2号，文章ID 20180053，33 p.（2020；Zbl 1461.92011） 全文： 内政部 arXiv公司 参考文献： [1] Alves，R.、Antunes，F.和Salvador，A.（2006年）。生化网络动力学建模工具。自然生物技术。，24:667-672，doi:10.1038/nbt0606-667·doi:10.1038/nbt0606-667 [2] Andrianakis，Y.和Challenor，P.G.（2009年）。使用高斯过程进行参数估计和预测。MUCM技术报告。南安普顿大学。 [3] Andrianakis，Y.和Challenor，P.G.（2011年）。高斯过程仿真器的参数估计。技术报告。MUCM公司。 [4] Andrianakis，I.、Vernon，I.，McCreesh，N.、McKinley，T.J.、Oakley，J.E.、Nsubuga，R.N.、Goldstein，M.和White，R.G.（2015）。使用仿真对复杂传染病模型进行贝叶斯历史匹配：乌干达艾滋病毒指南和案例研究。 [5] Andrianakis，I.、McCreesh，N.、Vernon，I.R.、McKinley，T.J.、Oakley，J.、Nsubuga，R.、Goldstein，M.和White，R.G.（2017a）。高维个体HIV传播模型的历史匹配。J.不确定性。量化。5:694-719，doi:10.1137/16M1093008·Zbl 1387.62111号 ·doi:10.1137/16M1093008 [6] Andrianakis，I.、Vernon，I.，McCreesh，N.、McKinley，T.J.、Oakley，J.E.、Nsubuga，R.N.、Goldstein，M.和White，R.G.（2017b）。使用方差模拟对人类免疫缺陷病毒传播的复杂流行病学模型进行历史匹配。J.罗伊。Stat.Soc.C应用。统计，66:717-740，doi:10.1111/rssc.12198·doi:10.1111/rssc.12198 [7] Arendt，P.D.、Apley，D.W.和Chen，W.（2012）。模型不确定性的量化：校准、模型差异和可识别性。J.机械。设计。，134，doi:10.1115/1.4007390·数字对象标识代码：10.1115/1.4007390 [8] Babtie，A.C.和Stumpf，M.P.H.（2017年）。如何处理全细胞建模的参数。接口，14，doi:10.1098/rsif.2017.0237·doi:10.1098/rsif.2017.0237 [9] Bastos，T.S.和O’Hagan，A.（2008）。高斯进程仿真器诊断。技术计量学，51:425-438，doi:10.1198/tech.2009.08019·doi:10.19198/技术.2009.08019 [10] Boogerd，F.C.、Bruggeman，F.、Hofmeyr，J.H.S.和Westerhoff，H.V.（编辑），2007年。系统生物学哲学基础。阿姆斯特丹爱思唯尔。 [11] Bower，R.G.、Vernon，I.、Goldstein，M.、Benson，A.J.、Lacey，C.G.、Baugh，C.M.、Cole，S.和Frenk，C.S.，2010年10月。星系形成的参数空间。在线链接：doi:10.1111/j.1365-2966.2010.16991.x也发表在《皇家天文学会月刊》上。 ·doi:10.1111/j.1365-2966.2010.16991.x [12] Brooks，S.、Gelman，A.、Jones，G.和Meng，X.（2011年）。马尔可夫链蒙特卡罗手册。佛罗里达州CRC出版社·Zbl 1218.65001号 [13] Brynjarsdottir，J.和O'Hagan，A.（2014）。学习物理参数：模型差异的重要性。反向概率。，30，doi:10.1088/0266-5611/30/11/114007·Zbl 1307.60042号 ·doi:10.1088/0266-5611/30/11/114007 [14] Castelletti，A.、Galelli，S.、Ratto，M.、Soncini-Sessa，R.和Young，P.C.（2012年）。环境问题动态仿真建模的一般框架。环境。模型。软件，34:5-18，doi:10.1016/j.envsoft.2012.01.002·doi:10.1016/j.envsoft.2012.01.002 [15] Castruccio，S.、McInerney，D.J.、Stein，M.L.、Crouch，F.L.、Jacob，R.L.和Moyer，E.J.（2014）。基于预计算GCM运行的气候模型预测的统计仿真。J.攀登。，27:1829-1844，doi:10.1175/jcli-d-13-00099.1·doi:10.1175/jcli-d-13-00099.1 [16] Conti，S.、Gosling，J.P.、Oakley，J.和O'Hagan，A.（2009年）。动态计算机代码的高斯过程仿真。MUCM公司·Zbl 1437.62015年 [17] Craig，P.S.、Goldstein，M.、Seheult，A.H.和Smith，J.A.（1996）。匹配油气藏历史的贝叶斯线性策略。收录：Bernardo，J.M.、Berger，J.O.、Dawid，A.P.和Smith，A.F.M.（编辑），贝叶斯统计，第5卷。克拉伦登出版社，牛津，第69-95页。 [18] Craig，P.S.、Goldstein，M.、Seheult，A.H.和Smith，J.A.（1997）。油气藏压力匹配：大型计算机实验中使用贝叶斯线性策略的案例研究（含讨论）。收录于：Gatsonis，C.、Hodges，J.S.、Kass，R.E.、McCulloch，R.E、Rossi，P.和Singpurwalla，N.D.（编辑），贝叶斯统计案例研究，第3卷。施普林格，纽约，第36-93页·Zbl 0895.62105号 [19] Cumming，J.和Goldstein，M.（2007年）。多级仿真。2007年10月MUCM技术报告。 [20] Cumming，J.和Goldstein，M.（2010年）。基于多尺度计算机实验的油藏贝叶斯线性不确定性分析。收录人：奥哈根，A.和迈克，W.（编辑）。牛津应用贝叶斯分析手册。牛津大学出版社，第241-270页。 [21] Cumming，J.和Goldstein，M.（2009年）。基于使用快速近似获得的信息的复杂高维模型的小样本贝叶斯设计。技术计量学，51:377-388，doi:10.1198/tech.2009.08015·doi:10.1198/tech.2009.08015 [22] Currin，C.、Mitchell，T.、Morris，M.和Ylvisaker，D.（1991年）。确定性函数的贝叶斯预测及其在计算机实验设计和分析中的应用。美国统计协会期刊，86:953-963，doi:10.1080/01621459.1991.10475138·doi:10.1080/01621459.1991.10475138 [23] de Finetti，B.（1974年）。概率论，第一卷。威利·Zbl 0328.60002号 [24] de Finetti，B.（1975年）。概率论，第2卷。威利·Zbl 0328.60003号 [25] Farah，M.、Birrell，P.、Contin，S.和De Angelis，D.（2014）。甲型H1N1流感动态流行模型的贝叶斯仿真和校准。J.Am.Stat.Assoc.，109:1398-1411，doi:10.1080/016214529.2014.934453·doi:10.1080/01621459.2014.934453 [26] Fisher，R.A.（1937年）。实验设计。奥利弗和博伊德。 [27] Forrester，A.（2010年）。用于复杂系统模拟的黑盒校准。菲尔翻译。罗伊。Soc.A，368:3567-3579，doi:10.1098/rsta.201.0051·doi:10.1098/rsta.2010.0051 [28] Gardner，P.、Lord，C.和Barthorpe，R.J.（2018年）。前向模型驱动结构健康监测的贝叶斯历史匹配。模型验证不确定性。量化，3:175-183，doi:10.1007/978-3-319-74793-4_22·doi:10.1007/978-3-319-74793-4_22 [29] Goldstein，M.（1999）。贝叶斯线性分析。贝叶斯线性分析。收录于：Kotz，S.、Read，C.B.、Balakrishnan，N.和Vidakovic，B.（编辑），《统计科学百科全书》。威利，纽约，第29-34页。 [30] Goldstein，M.和Rougier，J.C.（2006年）。复杂系统的贝叶斯线性校正预测。美国统计协会期刊，101:1132-1143，doi:10.1198/016214500000203·Zbl 1120.62351号 ·doi:10.19198/0162114506000000203 [31] Goldstein，M.和Rougier，J.C.（2009年）。物理系统的具体贝叶斯建模和推理（含讨论）。J.统计计划。推断，139:1221-1239，doi:10.1016/j.jspi.2008.07.019·Zbl 1156.62316号 ·doi:10.1016/j.jspi.2008.07.019 [32] Goldstein，M.和Wooff，D.（2007年）。贝叶斯线性统计。奇切斯特·威利·Zbl 1231.62033号 [33] Goldstein，M.、Seheult，A.和Vernon，I.（2013年）。评估模型的充分性。摘自：Wainwright，J.和Mulligan，M.（编辑），《环境建模：在复杂性中寻找简单性》。奇切斯特约翰·威利父子公司。 [34] Gong，Z.和DiazDelaO，F.A.（2017年）。使用子集模拟进行历史匹配的采样方案。第一届计算科学与工程不确定性量化国际会议论文集。 [35] Gosling，J.P.、Hart，A.、Owen，H.、Davies，M.、Li，J.和MacKay，C.（2013）。皮肤过敏的贝叶斯线性证据权重风险评估方法。贝叶斯分析。，8:169-186，doi:10.1214/13-ba807·Zbl 1329.62424号 ·数字对象标识代码：10.1214/13-ba807 [36] GPy公司。（自2012年起）。GPy：Python中的高斯进程框架。网址：https://github.com/SheffieldML/GPy。 [37] Hamdi，H.、Couckuyt，I.、Sousa，M.C.和Dhane，T.，2017年。历史拟合的高斯过程：在非常规气藏中的应用。计算。地质科学。，21:267-287，doi:10.1007/s10596-016-9611-2·Zbl 1387.86054号 ·doi:10.1007/s10596-016-9611-2 [38] Hankin，R.K.S.（2005）。介绍BACCO：用于计算机代码输出的贝叶斯分析的R包。J.Stat.Software，14，doi:10.18637/jss.v014.316·doi:10.18637/jss.v014.116 [39] Heitmann，K.、Higdon，D.、White，M.、Habib，S.、Williams，B.J.、Lawrence，E.和Wagner，C.（2010）。郊狼宇宙II：非线性物质功率谱的宇宙学模型和精确仿真。 [40] Higdon，D.、Gattiker，J.、Williams，B.和Rightley，M.（2008年）。使用高维输出的计算机模型校准。103:570-583，doi:10.1198/016214500000888·Zbl 1469.62414号 ·doi:10.1198/0162145000000888 [41] Holden，P.B.、Edwards，N.R.、Hensman，J.和Wilkinson，R.D.（2018年）。近似贝叶斯计算手册。查普曼和霍尔。气候ABC章：处理昂贵的模拟器。 [42] Jamshidi，N.和Palsson，B.O.（2008）。制定后基因组时代的基因组尺度动力学模型。摩尔系统。生物学，4，doi:10.1038/msb.2008.8·doi:10.1038/msb.2008.8号文件 [43] Johnson，J.S.、Gosling，J.P.和Kennedy，M.C.（2011年）。二阶蒙特卡罗模拟的高斯过程仿真。J.统计计划。推断，141:1838-1848，doi:10.1016/j.jspi.2010.11.034·Zbl 1207.62180号 ·doi:10.1016/j.jspi.2010.11.034 [44] Jones，B.、Gunneras，S.A.、Peterson，S.V.、Tarkowski，P.、Graham，N.、May，S.、Dolezal，K.、Sandberg，G.和Ljung，K.（2010年）。细胞分裂素对拟南芥生长素合成的调节涉及通过生长素和细胞分裂素信号转导调节的稳态反馈回路。《植物细胞》，22:2956-2969，doi:10.1105/tpc.110.074856·doi:10.1105/tpc.110.074856 [45] Journel，A.G.和Huijbregts，C.J.（1978年）。采矿地质统计学。阿姆斯特丹学术出版社。 [46] Kaye，K.，Day，R.D.，Hair，E.C.，Moore，K.A.，Hadley，A.M.，Teixeira，P.J.，Helmschrott，S.，Massing，N.和Ackermann，D.（2009年）。父母婚姻质量和父母-青少年关系：对青少年性行为的影响。《婚姻与家庭评论》，45:270-288。 [47] Kennedy，M.C.和O'Hagan，A.（2001年）。计算机模型的贝叶斯校准。J.罗伊。Stat.Soc.，63:425-464，doi:10.1111/1467-9868.00294·Zbl 1007.62021号 ·doi:10.111/1467-9868.00294 [48] Liu，J.，Mehdi，S.，Topping，J.、Tarkowski，P.和Lindsey，K.（2010年）。拟南芥激素串扰的建模和实验分析。摩尔系统。生物学，6，doi:10.1038/msb2010.26·doi:10.1038/msb2010.26 [49] Liu，J.，Mehdi，S.，Topping，J.、Friml，J.和Lindsey，K.（2013）。拟南芥根系发育中PLS和PIN的相互作用及激素串扰。前面。植物科学。，4，doi:10.3389/fpls.2013.00075·doi:10.3389/fpl.2013.00075 [50] Liu，J.、Rowe，J.和Lindsey，K.（2014）。根系发育的激素串扰：实验和模型相结合的观点。前面。植物科学：116，doi:10.3389/fpls.2014.00116·doi:10.3389/fpls.2014.00116 [51] Liu，J.、Moore，S.、Chen，C.和Lindsey，K.（2017年）。拟南芥根发育中生长素、细胞分裂素和乙烯之间的串扰复杂性：从实验到系统建模，然后再回来。摩尔工厂，10:1480-1496，doi:10.1016/j.molp.2017.11.002·doi:10.1016/j.molp.2017.11.002 [52] MacDonald，B.、Ranjan，P.和Chipman，H.（2015）。GPfit：一个R包，用于将高斯过程模型拟合到确定性模拟器输出。J.Stat.Software，第64:1-23条，doi:10.18637/jss.v064.i12·doi:10.18637/jss.v064.i12 [53] McCreesh，N.、Andrianakis，I.、Nsubuga，R.N.、Strong，M.、Vernon，I.，McKinley，T.J.、Oakley，J.E.、Goldstein，M.，Hayes，R.和White，R.G.（2017）。普遍检测、治疗和保存：提高抗逆转录病毒药物的保留率是乌干达成本效益高的艾滋病毒控制的关键。BMC感染。数字化信息系统。，17:322，doi:10.1186/s12879-017-2420-y·doi:10.1186/s12879-017-2420年 [54] McKay，M.D.、Beckman，R.J.和Conover，W.J.（1979年）。在计算机代码输出分析中选择输入变量值的三种方法的比较。技术计量学，21:239-245，doi:10.1080/00401706.1979.10489755·Zbl 0415.62011号 ·doi:10.1080/00401706.1979.10489755 [55] McKinley，T.J.、Vernon，I.、Andrianakis，I.，McCreesh，N.、Oakley，J.E.、Nsubuga，R.、Goldstein，M.和White，R.G.（2018年）。复杂随机传染病模型的近似贝叶斯计算和基于模拟的推理。统计科学。，33:4-18，doi:10.1214/17-sts618·Zbl 1407.62406号 ·doi:10.1214/17-sts618 [56] Mobius，W.和Laan，L.（2015）。实验论文中的物理和数学建模。单元格，163:1577-1583，doi:10.1016/j.Cell.2015.12.006·doi:10.1016/j.cell.2015.12.006 [57] Mohamed，L.、Calderhead，B.、Filippone，M.、Christie，M.和Girolma，M.（2012年）。用于历史匹配和不确定性量化的总体MCMC方法。计算。地质科学。，16:423-436，doi:10.1007/s10596-011-9232-8·doi:10.1007/s10596-011-9232-8 [58] 蒙哥马利特区（2009）。实验设计与分析。威利。 [59] Moore，S.、Zhang，X.、Liu，J.和Lindsey，K.（2015a）。植物激素梯度建模。eLS:1-10，doi:10.1002/9780470015902.a0023733·doi:10.1002/9780470015902.a0023733 [60] Moore，S.、Zhang，X.、Liu，J.和Lindsey，K.（2015b）。在生长素-乙烯-细胞分裂素串扰背景下建模生长素模式的一些基本方面。工厂信号。行为。，10:e1056424。PMID:26237293，doi:10.1080/15592324.2015.1056424·doi:10.1080/15592324.2015.1056424 [61] Moore，S.、Zhang，X.、Mudge，A.、Rowe，J.H.、Topping，J.F.、Liu，J.和Lindsey，K.（2015c）。激素串扰的时空模型解释了拟南芥野生型和突变根中激素和基因表达的水平和模式。新植物醇。，207:1110-1122，doi:10.1111/nph.13421·doi:10.1111/nph.13421 [62] Moore，S.、Liu，J.、Zhang，X.和Lindsey，K.（2017年）。恢复原理提供了对拟南芥根中生长素模式控制的见解。科学。众议员，7，doi:10.1038/srep43004·doi:10.1038/srep43004 [63] Neal，R.M.（1997年）。贝叶斯回归和分类高斯过程模型的蒙特卡罗实现。技术报告。多伦多大学。 [64] Nott，D.J.、Fan，Y.、Marshall，L.和Sisson，S.A.（2014年）。近似贝叶斯计算和贝叶斯线性分析：面向高维ABC。J.计算。图表统计，23:65-86，doi:10.1080/10618600.2012.751874·doi:10.1080/10618600.2012.751874 [65] O'Hagan，A.（1987）。随机响应模型的Bayes线性估计。美国统计协会期刊，82:580-585，doi:10.1080/01621459.1987.10478469·Zbl 0657.62011号 ·doi:10.1080/01621459.1987.10478469 [66] Oliver，D.S.和Chen，Y.（2011）。储层历史匹配的最新进展：综述。计算。地质科学。，15:185-221，doi:10.1007/s10596-010-9194-2·Zbl 1209.86001号 ·doi:10.1007/s10596-010-9194-2 [67] Overstall，A.M.和Woods，D.C.（2016年）。计算机模拟器的多元仿真：模型选择和诊断，并应用于人道主义救济模型。J.罗伊。Stat.Soc.C申请。Stat.，65，doi:10.1111/rssc.12141·doi:10.1111/rssc.12141 [68] Picheny，V.、Ginsbourger，D.、Richet，Y.和Caplin，G.（2013）。基于分位数的含噪计算机实验优化，精度可调。技术计量学，55，doi:10.1080/00401706.2012.707580·doi:10.1080/00401706.2012.707580 [69] Prangle，D.、Everitt，R.G.和Kypraios，T.（2018年）。高维近似贝叶斯计算的罕见事件方法。统计计算。，28:819-834，doi:10.1007/s11222-017-9764-4·Zbl 1384.62099号 ·文件编号：10.1007/s11222-017-9764-4 [70] Pukelsheim，F.（1994）。三西格玛规则。美国统计学家，48:88-91，doi:10.1080/00031305.1994.10476030·doi:10.1080/00031305.1994.10476030 [71] Rasmussen，C.E.和Williams，C.K.I.（2006）。机器学习的高斯过程。麻省理工学院出版社。网址：http://www.gaussianprocess.org/gpml/。 ·Zbl 1177.68165号 [72] Santner，T.J.、Williams，B.J.和Notz，W.I.（2003）。计算机实验的设计与分析。纽约州施普林格·Zbl 1041.62068号 [73] Smallbone，K.、Simeonidis，E.、Swainston，N.和Mendes，P.（2010年）。细胞代谢的基因组尺度动力学模型。BMC系统。生物学，4，doi:10.1186/1752-0509-4-6·doi:10.1186/1752-0509-4-6 [74] Smith，A.F.M.和Gelfand，A.E.（1992）。无泪贝叶斯统计：抽样重采样视角。美国统计学家，46:84-88，doi:10.2307/2684170·doi:10.2307/2684170 [75] Toni，T.、Welch，D.、Strelkowa，N.、Ipsen，A.和Stumpf，M.P.H.（2009年）。动态系统参数推理和模型选择的近似贝叶斯计算方案。J.R.Soc.接口，6:187-202，doi:10.1098/rsif.2008.0172·doi:10.1098/rsif.2008.0172 [76] Torres，N.V.和Santos，G.（2015）。生物科学中的（数学）建模过程。前面。遗传学。，6:354，doi:10.3389/fgene.2015.00354·doi:10.3389/fgene.2015.00354 [77] Vernon，I.、Goldstein，M.和Bower，R.G.（2010a）。星系形成：贝叶斯不确定性分析。贝叶斯分析。，5:619-669，doi:10.1214/10-ba524·Zbl 1330.85005号 ·doi:10.1214/10-ba524 [78] Vernon，I.、Seheult，A.和Goldstein，M.（2010年b）。降雨径流模型的模块化动态仿真和内部模型差异。管理复杂模型中的不确定性。英国达勒姆达勒姆大学。 [79] Vernon，I.、Goldstein，M.和Bower，R.G.（2010c）。重聚星系形成：贝叶斯不确定性分析。贝叶斯分析。，5:697-708，doi:10.1214/10-ba524rej·Zbl 1330.85006号 ·doi:10.1214/10-ba524rej [80] Vernon，I.、Goldstein，M.、Rowe，J.、Topping，J.，Liu，J.和Lindsey，K.（2018年）。复杂系统生物模型的贝叶斯不确定性分析：仿真、全局参数搜索和基因功能评估。BMC系统。生物学，12，doi:10.1186/s12918-017-0484-3·doi:10.1186/s12918-017-0484-3 [81] Wang，X.、Nott，D.J.、Drovandi，C.C.、Mengersen，K.和Evans，M.（2018）。使用历史匹配进行优先选择。技术计量学，60:445-460，doi:10.1080/00401706.2017.1421587·doi:10.1080/00401706.2017.1421587 [82] Whittle，P.（1958）。关于概率密度函数的平滑。J.罗伊。Stat.Soc.B方法。，20:334-343，doi:10.1111/j.2517-6161.1958.tb00298.x·Zbl 0088.12603号 ·doi:10.1111/j.2517-6161.1958.tb00298.x [83] Wilkinson，R.D.（2013）。近似贝叶斯计算（ABC）在模型误差的假设下给出了准确的结果。统计应用程序。遗传学。分子生物学。，12:129-141，doi:10.1115/samb-2013-0010·doi:10.1515/sagmb-2013-0010 [84] Wilkinson，R.D.（2014）。使用高斯过程加速ABC方法。收录于：JMLR:研讨会和会议记录，第33卷，第1015-1023页。 [85] Williams，C.K.I.和Rasmussen，C.E.（1996）。回归的高斯过程。高级神经信息处理。系统。，8: 514-520. [86] Williamson，D.和Vernon，I.（2013年）。多波计算机实验的有效均匀设计。 [87] Williamson，D.、Goldstein，M.、Allison，L.、Blaker，A.、Challenor，P.、Jackson，L.和Yamazaki，K.（2013）。使用观测和大型扰动物理系综探索和减少气候模型参数空间的历史匹配。气候。动态。，41:1703-1729，doi:10.1007/s00382-013-1896-4·文件编号：10.1007/s00382-013-1896-4 [88] Zhang，X.、Hou，J.、Wang，D.、Mu，T.、Wu，J..和Lu，X.（2012）。基于改进遗传算法的油藏数值模拟自动历史拟合方法。第29届信息与电子工程国际研讨会论文集，第29卷，第3924-3928页。 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。