本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
動機：理解生化系統的常見問題是推斷其正確的結構或拓樸。該拓撲由所有相關的狀態變數組成—通常是分子及其相互作用。在這裡，我們提出了一種稱為拓撲增強的方法，從先驗知識和實驗數據以統計上嚴格和系統的方式推斷出這種結構。結果：拓撲增強從一個無法解釋實驗數據的簡單模型開始，並透過添加捕獲實驗行為的新術語來增強其拓撲。這個過程是透過隨機微分方程式來表示模型拓撲中的不確定性來指導的，隨機微分方程的軌跡包含有關丟失模型部分的資訊。我們首先將這種半自動程序應用於藥物動力學模型。此範例說明參數空間的全域採樣對於推斷正確的模型結構至關重要。我們也使用我們的方法來提高我們對酵母中谷氨酰胺轉運的理解。該分析表明，轉運動力學由具有兩種不同動力學的谷氨酰胺滲透酶決定。拓樸增廣不僅可以應用於生化系統，還可以應用於任何可以用常微分方程描述的系統。