Incremental parameter estimation of kinetic metabolic network models.
Incremental parameter estimation of kinetic metabolic network models.
复制标题
DOI：
10.1186/1752-0509-6-142
复制
发表时间：
2012-11-21
影响因子：
--
通讯作者：
Gunawan R
中科院分区：
文献类型：
--
作者：
Jia G;Stephanopoulos G;Gunawan R
利用常微分方程建立生物模型，需要一种有效可靠的参数估计方法。现有的估计方法大多涉及同时在整个参数空间上寻找数据拟合残差的全局最小值。不幸的是，由于大量的参数和缺乏完整的参数可识别性（即，不是所有的参数都可以唯一地识别），相关的计算要求往往变得过高。在这项工作中，增量的方法被应用到ODE模型的参数估计从浓度-时间曲线。特别是，该方法的开发，以解决一个常见的情况下，在代谢网络的建模，代谢通量（反应速率）的数量超过代谢物（化学物种）。这里，模型残差的最小化是在参数空间的一个子集上进行的，该参数空间与浓度时间斜率的动态通量估计中的自由度相关。使用两个广义质量作用（GMA）模型证明了该方法的有效性，其中该方法显着优于单步估计。此外，还提出了一种处理缺失数据的估计方法的扩展。所提出的增量估计方法能够解决缺乏完整的参数可识别性的问题，并显着减少估计模型参数的计算量，这将有助于在未来的基因组规模的细胞代谢动力学建模。
An efficient and reliable parameter estimation method is essential for the creation of biological models using ordinary differential equation (ODE). Most of the existing estimation methods involve finding the global minimum of data fitting residuals over the entire parameter space simultaneously. Unfortunately, the associated computational requirement often becomes prohibitively high due to the large number of parameters and the lack of complete parameter identifiability (i.e. not all parameters can be uniquely identified). In this work, an incremental approach was applied to the parameter estimation of ODE models from concentration time profiles. Particularly, the method was developed to address a commonly encountered circumstance in the modeling of metabolic networks, where the number of metabolic fluxes (reaction rates) exceeds that of metabolites (chemical species). Here, the minimization of model residuals was performed over a subset of the parameter space that is associated with the degrees of freedom in the dynamic flux estimation from the concentration time-slopes. The efficacy of this method was demonstrated using two generalized mass action (GMA) models, where the method significantly outperformed single-step estimations. In addition, an extension of the estimation method to handle missing data is also presented. The proposed incremental estimation method is able to tackle the issue on the lack of complete parameter identifiability and to significantly reduce the computational efforts in estimating model parameters, which will facilitate kinetic modeling of genome-scale cellular metabolism in the future.
登录
查看更多内容
非线性动力学生物系统参数估计的新型元疗法。
影响因子：
3
作者：
Rodriguez-Fernandez, Maria;Egea, Jose A;Banga, Julio R
通讯作者：
Banga, Julio R
影响因子：
4.4
作者：
Neves, AR;Ramos, A;Santos, H
通讯作者：
Santos, H
DOI：
10.1007/978-1-61779-361-5_11
发表时间：
2012-01-01
期刊：
BACTERIAL MOLECULAR NETWORKS: METHODS AND PROTOCOLS
影响因子：
--
作者：
Latendresse, Mario;Paley, Suzanne;Karp, Peter D.
通讯作者：
Karp, Peter D.
影响因子：
5.8
作者：
Jia, Gengjie;Stephanopoulos, Gregory N.;Gunawan, Rudiyanto
通讯作者：
Gunawan, Rudiyanto
影响因子：
4.1
作者：
Srinath, Sridharan;Gunawan, Rudiyanto
通讯作者：
Gunawan, Rudiyanto