[论文解读] Optimal designs for enzyme inhibition kinetic models

Kirsten Schorning, Holger Dette+2 more|arXiv (Cornell University)|Jan 1, 2017

Optimal Experimental Design Methods参考文献 19被引用 2

一句话总结

本文提出了一种新型方法，用于酶抑制动力学模型中的最优设计，通过变换预测变量，将非线性模型转化为不完全响应面形式，从而实现显式或数值解，再反变换回原始空间。该方法为非竞争性抑制模型提供了可处理的D-最优设计和系数估计设计。

ABSTRACT

In this paper we present a new method for determining optimal designs for enzyme inhibition kinetic models, which are used to model the influence of the concentration of a substrate and an inhibition on the velocity of a reaction. The approach uses a nonlinear transformation of the vector of predictors such that the model in the new coordinates is given by an incomplete response surface model. Although there exist no explicit solutions of the optimal design problem for incomplete response surface models so far, the corre- sponding design problem in the new coordinates is substantially more transparent, such that explicit or numerical solutions can be determined more easily. The designs for the original problem can finally be found by an inverse transformation of the optimal designs determined for the response surface model. We illustrate the method determining explicit solutions for the D-optimal design and for the optimal design problem for estimating the individual coefficients in a non-competitive enzyme inhibition kinetic model.

研究动机与目标

• 为解决酶抑制动力学模型实验设计效率低下的问题，这些模型本质上是非线性的，难以直接优化。
• 克服在不完全响应面模型中缺乏显式最优设计解的问题，而这类模型是酶动力学中的通用框架。
• 开发一种基于变换的方法，在新坐标系中简化设计问题，同时保持原始模型的生物学可解释性。
• 通过反变换实现非竞争性抑制模型中D-最优设计和系数估计设计的显式或数值解。

提出的方法

• 对预测变量向量（底物和抑制剂浓度）应用非线性变换，以在新坐标系中重新表达酶抑制模型。
• 在变换后的空间中，模型变为不完全响应面模型，尽管通常缺乏闭式解，但更易于进行设计优化。
• 在变换后的坐标中，使用响应面模型的既定方法求解最优设计问题，利用其增强的透明度和结构。
• 通过反变换将所得最优设计转换回原始预测变量空间，以获得适用于实际实验设置的有效设计。
• 利用变换后的框架，推导出非竞争性抑制模型中D-最优性和系数估计的显式解。
• 通过将其应用于特定的非竞争性抑制模型，验证该方法，证明可获得解析解的可行性。

实验结果

研究问题

• RQ1 非线性预测变量变换是否能简化酶抑制模型的最优设计问题？
• RQ2 将模型转化为不完全响应面形式在多大程度上能实现此前不存在的显式或数值解？
• RQ3 如何将变换空间中的最优设计反变换，以获得原始实验空间中有效且可解释的设计？
• RQ4 使用该方法，非竞争性酶抑制模型中D-最优设计和系数估计设计的显式解是什么？
• RQ5 该变换是否保持了结果设计的统计效率和生物学相关性？

主要发现

• 非线性预测变量变换成功地将酶抑制模型转化为不完全响应面模型，显著简化了设计问题。
• 变换后设计问题的透明度显著提高，使得此前未知的显式解得以推导。
• 在变换空间中为非竞争性抑制模型推导出了显式D-最优设计，并反变换回原始空间。
• 该方法实现了对模型各系数进行估计的最优设计，这对酶动力学中的参数推断至关重要。
• 反变换过程保持了设计的最优性和可解释性，确保其在实验设置中的实际适用性。
• 该方法表明，通过适当的坐标变换，复杂的非线性模型可系统性地重构，以获得可处理的最优设计解。