开发用于使用基因算法进行剂量响应建模的改进样本采样协议,使用具有概率概况度量的基因算法

科学领域:

• 药理动力学和药理动力学 (PK-PD) 建模
• 计算生物学是一种计算生物学.
• 实验设计优化实验设计优化

背景情况:

• 数学模型对于理解生物系统至关重要,但数据限制可能会阻碍精确的参数识别.
• 现有的基于模型的实验设计方法通常依赖于局部近似,可能低估参数不确定性.
• 配置文件概率方法提供了一种更强大的方法来量化参数不确定性,超出线性假设.

研究的目的:

• 开发和评估一种基因算法 (GA) 方法,以优化PK-PD模型中的采样时间.
• 为了最大限度地减少参数不确定性,使用基于概率的概率度量.
• 在实验设计中,针对多个参数场景的同时优化.

主要方法:

• 为了优化PK-PD模型的采样时间表,使用了一种遗传算法.
• 优化目标是基于对参数不确定性的配置概率衍生的指标.
• 在各种样本数 (n=3-20) 和参数化中测试了GA方法.

主要成果:

• GA成功地确定了接近最佳的采样协议,平均减少了33-37%的参数方差.
• 形状-概率指标与基于蒙特卡洛的指标显示出强烈的相关性 (r > 0.89).
• 与现有方法相比,计算成本降低了数量级.

结论:

• 将GA和概率概率指标结合起来,可以在实验设计中考虑模型非线性.
• 这种方法提供了一种可行且计算效率高的方法来提高参数确定性或减少样本大小.
• 优化的实验设计可以导致更精确的参数识别和高效的资源分配在生物研究.