実験データに較正した細胞過程の機構モデルにおける予測不確実性【JST・京大機械翻訳】

Irvin, M.; Ramanathan, A.; Lopez, C. F.

プレプリント

J-GLOBAL ID：202202216272012480 整理番号：21P0255043

実験データに較正した細胞過程の機構モデルにおける予測不確実性【JST・京大機械翻訳】

Predictive uncertainty in mechanistic models of cellular processes calibrated to experimental data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月02日プレプリントサーバーでの情報更新日： 2022年02月02日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

数学モデルは,システム展望からネットワーク駆動細胞プロセスを探索するためにしばしば用いられる。しかし,モデル較正に適した定量的データの大地は,パラメータ単一識別性と疑わしい予測力を持つモデルをもたらす。ここでは,Bayesおよび機械学習ベースの測定モデルアプローチを導入し,欠損データコンテキスト内のアポトーシス実行の量的および非定量的データ制約モデルを検討した。定量的(例えば蛍光)データに匹敵する精度を達成するためには,2桁以上の順序(例えば,免疫ブロット)データが必要であることを見出した。特に,順序と名目(例えば,免疫染色)非定量的データは,モデルの不確実性を減らし,精度を改善する。さらに,モデル予測精度と確実性は,測定の厳密なデータ駆動定式化,およびデータセットのサイズと構成に強く依存する。最後に,データ駆動測定モデルアプローチの可能性を実証し,モデル特徴を同定し,有益な実験測定を導き,モデル予測力を改善した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

数値計算

, , , , , ,

前のページに戻る