Fast Bayesian parameter estimation for stochastic logistic growth models.
Fast Bayesian parameter estimation for stochastic logistic growth models.
复制标题
DOI：
10.1016/j.biosystems.2014.05.002
复制
发表时间：
2014-08
期刊：
影响因子：
1.6
通讯作者：
Wilkinson, Darren J.
中科院分区：
文献类型：
--
作者：
Heydari, Jonathan;Lawless, Conor;Lydall, David A.;Wilkinson, Darren J.
具有乘性内在噪声的随机逻辑人口增长模型的转变密度在分析上是棘手的。因此，通过将这种随机微分方程（SDE）模型拟合到数据来推断模型参数值需要相对较慢的数值模拟。如果这种模拟速度过慢，另一种方法是使用具有分析上易于处理的转变密度的模型近似，从而实现快速推理。我们引入了两个这样的近似，具有乘法或加法固有噪声，每个近似都源自逻辑增长 SDE 的线性噪声近似 (LNA)。经过贝叶斯推理后，我们发现我们的快速 LNA 模型使用卡尔曼滤波器递归计算边际似然，给出了与慢速、任意精确模型类似的后验分布。我们还证明，我们的 LNA 模型的模拟比相关方法更好地描述了随机 Logistic 增长模型的特征。最后，我们证明了具有附加内在噪声和测量误差的 LNA 模型最好地描述了从典型的全基因组筛选实验中获取的微生物种群大小的纵向观察示例集。
The transition density of a stochastic, logistic population growth model with multiplicative intrinsic noise is analytically intractable. Inferring model parameter values by fitting such stochastic differential equation (SDE) models to data therefore requires relatively slow numerical simulation. Where such simulation is prohibitively slow, an alternative is to use model approximations which do have an analytically tractable transition density, enabling fast inference. We introduce two such approximations, with either multiplicative or additive intrinsic noise, each derived from the linear noise approximation (LNA) of a logistic growth SDE. After Bayesian inference we find that our fast LNA models, using Kalman filter recursion for computation of marginal likelihoods, give similar posterior distributions to slow, arbitrarily exact models. We also demonstrate that simulations from our LNA models better describe the characteristics of the stochastic logistic growth models than a related approach. Finally, we demonstrate that our LNA model with additive intrinsic noise and measurement error best describes an example set of longitudinal observations of microbial population size taken from a typical, genome-wide screening experiment.
登录
查看更多内容
影响因子：
3
作者：
Komorowski M;Finkenstädt B;Harper CV;Rand DA
通讯作者：
Rand DA
影响因子：
8.1
作者：
Peleg, Micha;Corradini, Maria G.;Normand, Mark D.
通讯作者：
Normand, Mark D.
DOI：
10.1007/bf00274586
发表时间：
1974-01-01
期刊：
KYBERNETIK
影响因子：
--
作者：
CAPOCELLI, RM;RICCIARDI, LM
通讯作者：
RICCIARDI, LM
影响因子：
1.6
作者：
Roman-Roman, Patricia;Torres-Ruiz, Francisco
通讯作者：
Torres-Ruiz, Francisco
影响因子：
1.4
作者：
Ross, J. V.;Pagendam, D. E.;Pollett, P. K.
通讯作者：
Pollett, P. K.