广义Lotka-Volterra模型的稳健校准

《npj Systems Biology and Applications》：Robust calibration of generalised Lotka-Volterra models

　　

摘要

广义Lotka-Volterra（GLV）模型为从时间序列数据中推断微生物相互作用网络提供了一个可解释的框架。然而，这些模型在某些参数值下常常表现出类似“爆炸性增长”的（快速发散的）轨迹，导致数值不稳定，并使得全局优化方法失效，尤其是在使用较宽的参数范围时。我们提出了一种稳健的参数估计策略，该策略结合了最初较为严格的、符合生物学逻辑的参数范围，以及一种利用动态调整的迭代优化过程来逐步扩大搜索空间的方法。这种方法避免了早期对发散轨迹的探索，使全局优化器能够初始化出可行的参数组合，并逐步引导搜索朝向能够获得良好拟合结果的参数区域。虽然我们的方法专门针对“爆炸性增长”轨迹这一实际问题，但也同时解决了另外两个常见问题：收敛到局部最优解和过拟合。我们通过逐渐增加复杂性的案例研究验证了这一方法的有效性。最后，我们指出实验设计对实际参数可识别性具有重要影响，并强调了实现良好拟合与恢复真实参数值之间的区别——这一观点对于生态学解释至关重要。这项工作不仅在方法论上有所突破，还为复杂微生物生态学模型中的参数估计提供了重要的概念澄清。