相关实验视频
Updated: Jul 10, 2025

10:14
Recapitulation of an Ion Channel IV Curve Using Frequency Components
Published on: February 8, 2011
13.6K
由于模型不一致而导致的预测不确定性的实证量化,通过对一组实验设计进行训练:对离子通道动力学的应用
Joseph G Shuttleworth1, Chon Lok Lei2,3, Dominic G Whittaker1,4
1Centre for Mathematical Medicine & Biology, School of Mathematical Sciences, University of Nottingham, University Park, Nottingham, NG7 2RD, UK.
Bulletin of mathematical biology
|November 24, 2023
概括
数学模型需要准确的不确定性量化,用于生物预测. 本研究建议使用来自不同实验协议的参数集组合来估计因模型差异而产生的不确定性,从而改善模型选择.
科学领域:
- 计算生物学 计算生物学
- 系统生物学 系统生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 数学模型对于临床和工业环境中的定量预测至关重要.
- 模型差异,即模型无法完美地代表生物系统,挑战了准确的预测和不确定性量化.
- 实验协议的选择显著影响模型训练和预测准确性.
研究的目的:
- 开发一种方法来描述由于模型差异的不确定性.
- 提供可靠的预测不确定性估计,即使对于新的实验协议.
- 改进适合未来研究的生物模型的选择.
主要方法:
- 建议使用不同实验协议数据训练的参数集进行组合方法.
- 使用hERG通道上的电生理学实验作为案例研究.
- 用一个模型模拟数据,并将其与不一致的模型相匹配,以突出模型的不足.
主要成果:
- 来自整体的预测中的可变性提供了由于模型差异的不确定性的经验估计.
- 来自单一协议的参数估计显示出很低的变化,但不同协议的参数之间存在冲突.
- 这种冲突在经验上证明并量化了模型差异.
结论:
- 拟议的整体方法有效量化了因模型差异而产生的不确定性.
- 这种方法有助于为特定应用选择更合适的生物模型.
- 该方法广泛适用于各种生物建模挑战.

