Filter inference: A scalable nonlinear mixed effects inference approach for snapshot time series data
Filter inference: A scalable nonlinear mixed effects inference approach for snapshot time series data
复制标题
过滤器推理：针对快照时间序列数据的可扩展非线性混合效应推理方法
DOI：
10.1101/2022.11.01.514702
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Augustin D
中科院分区：
文献类型：
--
作者：
Augustin D
变异性是生物系统的固有属性，通常是其复杂行为的核心。例子的范围从细胞信号通路的细胞间变异到患者对治疗反应的变异。建模和理解这种变异性的一种流行方法是非线性混合效应 (NLME) 建模。然而，随着测量个体数量的增加，根据测量估计 NLME 模型的参数很快就会变得计算成本高昂，使得 NLME 推断对于具有数千个测量个体的数据集变得困难。这个缺点对于快照数据集尤其有限制，例如常见的快照数据集。在细胞生物学中，高通量测量技术提供大量的单细胞测量。我们引入了一种根据快照测量估计 NLME 模型参数的新方法，我们称之为过滤器推断。过滤推理使用模拟个体的测量值来定义模型参数的近似可能性，避免了传统 NLME 推理方法的计算限制，并使快照测量的有效推理成为可能。使用最先进的基于梯度的 MCMC 算法（例如 No-U-Turn Sampler (NUTS)），滤波器推理还可以很好地随着模型参数的数量而扩展。我们使用早期癌症生长模型和表皮生长因子信号通路建模的示例证明了过滤器推理的属性。
Variability is an intrinsic property of biological systems and is often at the heart of their complex behaviour. Examples range from cell-to-cell variability in cell signalling pathways to variability in the response to treatment across patients. A popular approach to model and understand this variability is nonlinear mixed effects (NLME) modelling. However, estimating the parameters of NLME models from measurements quickly becomes computationally expensive as the number of measured individuals grows, making NLME inference intractable for datasets with thousands of measured individuals. This shortcoming is particularly limiting for snapshot datasets, common e.g. in cell biology, where high-throughput measurement techniques provide large numbers of single cell measurements. We introduce a novel approach for the estimation of NLME model parameters from snapshot measurements, which we call filter inference. Filter inference uses measurements of simulated individuals to define an approximate likelihood for the model parameters, avoiding the computational limitations of traditional NLME inference approaches and making efficient inferences from snapshot measurements possible. Filter inference also scales well with the number of model parameters, using state-of-the-art gradient-based MCMC algorithms such as the No-U-Turn Sampler (NUTS). We demonstrate the properties of filter inference using examples from early cancer growth modelling and from epidermal growth factor signalling pathway modelling.
登录
查看更多内容
影响因子：
3.5
作者：
Ribba, B;Holford, N H;Magni, P;Troconiz, I;Gueorguieva, I;Girard, P;Sarr, C;Elishmereni, M;Kloft, C;Friberg, L E
通讯作者：
Friberg, L E
总体方法的混合效应模型。
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
J. Bertrand
通讯作者：
J. Bertrand
变异和可变性：生物学的核心概念
DOI：
--
发表时间：
2005
期刊：
影响因子：
--
作者：
B. Hallgrímsson;B. Hall
通讯作者：
B. Hall
“具有随机参数的微分方程模型的有效推理和可辨识性分析”的补充材料
DOI：
--
发表时间：
2022
期刊：
影响因子：
--
作者：
A. Browning;C. Drovandi;I. Turner;L. Adrianne;Jenner;M. J. Simpson
通讯作者：
M. J. Simpson
重测序数据没有提供任何证据表明非洲在倒数第二次冰期期间存在人类瓶颈。
影响因子：
10.7
作者：
P. Sjödin;Agnès E Sjöstrand;M. Jakobsson;M. Blum
通讯作者：
M. Blum