[논문 리뷰] Robust Parameter Estimation for Biological Systems: A Study on the Dynamics of Microbial Communities

Matthias Chung, Justin Krueger외 1명|arXiv (Cornell University)|2015. 09. 23.

Gut microbiota and health참고 문헌 39인용 수 3

한 줄 요약

이 논문은 미생물 군집의 미분방정식 모델에서 매개변수 추정을 위한 강건한 연속 쇼팅 방법을 제안한다. 보간을 기반으로 한 상태 변수 근사화를 통해 전통적인 단일 쇼팅 방법의 한계를 극복한다. 이 방법은 시뮬레이션된 데이터와 실제 장내 미생물군집 데이터에서 매개변수와 동역학을 정확하게 복원할 수 있으며, 데이터 적합도 측면에서 기존에 발표된 모델을 능가하고 생물학적으로 검증된 상호작용을 포착한다.

ABSTRACT

Interest in the study of in-host microbial communities has increased in recent years due to our improved understanding of the communities' significant role in host health. As a result, the ability to model these communities using differential equations, for example, and analyze the results has become increasingly relevant. The size of the models and limitations in data collection among many other considerations require that we develop new parameter estimation methods to address the challenges that arise when using traditional parameter estimation methods for models of these in-host microbial communities. In this work, we present the challenges that appear when applying traditional parameter estimation techniques to differential equation models of microbial communities, and we provide an original, alternative method to those techniques. We show the derivation of our method and how our method avoids the limitations of traditional techniques while including additional benefits. We also provide simulation studies to demonstrate our method's viability, the application of our method to a model of intestinal microbial communities to demonstrate the insights that can be gained from our method, and sample code to give readers the opportunity to apply our method to their own research.

연구 동기 및 목표

• 내생성 미생물군집의 복잡하고 데이터가 제한된 모델에서의 매개변수 추정 과제를 해결하기 위해.
• 미분방정식 모델에 대한 전통적인 단일 쇼팅 매개변수 추정 기법의 비효율성과 낮은 강건성 문제를 극복하기 위해.
• 희소하거나 노이즈가 많은 시계열 데이터로부터 매개변수와 동역학적 궤적을 정확하게 복원할 수 있는 새로운 방법을 개발하기 위해.
• 일반화된 로트카-볼테라 모델에서 생성된 시뮬레이션 데이터를 바탕으로 방법을 검증하기 위해.
• 실제 장내 미생물군집 데이터에 적용하여 기존에 발표된 모델과 비교하여 방법의 유용성을 입증하기 위해.

제안 방법

• 모델 상태 변수를 조각별 다항식 스플라인으로 근사하여 시간에 따라 시스템의 동역학을 부드럽게 표현한다.
• 엄격한 제약 조건을 완화하여 '근접한' 최적화 문제로 재구성함으로써 매개변수 추정 문제를 재정의한다. 이 문제는 강력한 수치적 방법으로 해결할 수 있다.
• 스플라인의 부드러움과 연속성을 보장하기 위해 삼차 스플라인과 노트-어-노트 경계 조건을 사용한다.
• 스플라인 근사의 상태 변수 및 매개변수에 대한 도함수를 계산하여 기울기 기반 최적화를 가능하게 한다.
• 기본 역학 시스템으로 로트카-볼테라 모델을 통합하며, 성장률과 상호작용 계수를 [r; vec(A)]로 표현한다.
• 스플라인 구축, 모델 평가, 도함수 계산 기능을 포함한 MATLAB으로 구현되었으며, continuousShooting.m 및 lotkaVolterra.m 등의 함수를 제공한다.

실험 결과

연구 질문

• RQ1 스플라인 기반 연속 쇼팅 방법은 전통적인 단일 쇼팅 방법에 비해 미생물군집의 미분방정식 모델에서 매개변수 추정 정확도를 향상시킬 수 있는가?
• RQ2 제안된 방법은 노이즈가 많거나 희소한 시계열 데이터로부터 매개변수와 동역학적 궤적을 효과적으로 복원할 수 있는가?
• RQ3 실제 장내 미생물군집 데이터에 적용했을 때, 기존에 발표된 모델과 비교해 어떻게 성능을 발휘하는가?
• RQ4 이 방법은 장내 군집에서 생물학적으로 검증된 미생물 상호작용을 포착할 수 있는가?
• RQ5 이 방법은 초깃값 추측과 데이터 노이즈에 대해 얼마나 감소된 민감도를 보이는가?

주요 결과

• 스플라인 기반 근사화를 통해 일반화된 로트카-볼테라 모델을 사용한 시뮬레이션 연구에서 진짜 매개변수와 기저 동역학을 성공적으로 복원하였다.
• 장내 미생물군집 사례 연구에서, 동일한 데이터셋을 사용한 기존에 발표된 모델보다 뛰어난 데이터 복원 성능을 보였다.
• 실험적으로 확인된 미생물 상호작용을 포착하여 추정된 매개변수의 생물학적 의미를 입증하였다.
• 이 방법은 데이터 노이즈에 강건하고 초깃값에 대한 민감도가 낮아 전통적인 단일 쇼팅 접근법을 능가하였다.
• 스플라인 기반 근사화 덕분에 안정적이고 정확한 기울기 계산이 가능해져 신뢰할 수 있는 최적화를 가능하게 하였다.
• continuousShooting.m, cubicSplines.m, lotkaVolterra.m 등의 샘플 MATLAB 코드 제공로 재현성과 새로운 데이터셋에의 적용이 직접 가능하다.