通过敏感性分析确定系统生物学模型中参数的影响：一种比较方法

《npj Systems Biology and Applications》：Determining parameter impact in systems biology models via sensitivity analysis: a comparative approach

　　

摘要

数学建模是理解生物现象、预测行为以及指导实验的强大工具。模型参数代表着通过实验得到的速率，而要理解这些参数如何影响系统的输出往往颇具挑战性。全局敏感性分析（GSA）有助于确定模型结果的不确定性可归因于哪些参数。像索伯尔指数这样的方法虽然能提供详细的分析结果，但计算成本较高。因此，可能需要在应用此类方法之前先采用其他方法来缩小参数范围。莫里斯方法筛选（MMS）是一种定性分析方法，能够提供关于敏感性和参数相互作用的信息，因而可与索伯尔指数搭配使用。部分秩相关系数（PRCC）也是一种可行的选择，其计算成本与MMS相近。本研究探讨了在结合索伯尔分析时，排序法（PRCC）和筛选法（MMS）哪种更为有效。以上皮-间质转化模型作为测试案例，研究显示PRCC-索伯尔法和MMS-索伯尔法可能会得出不同的结果，这使得难以分析特定速率和数值是如何影响生物事件的。不过，由于这些方法之间存在差异，将这三种方法结合起来使用或许最为有效。