[论文解读] Image-based Parameter Inference for Spatio-temporal models of Organogenesis

Britta Velten, Erkan Uenal+1 more|arXiv (Cornell University)|Jun 10, 2014

Pluripotent Stem Cells Research参考文献 4被引用 3

一句话总结

本文提出了一种用于基于图像的器官发生时空模型参数推断的混合计算框架，利用决策树引导初始参数估计，并通过SNOPT优化算法精炼模型输出。该方法成功恢复了小鼠肢体芽模型中的目标基因表达模式，将适应度函数值从13,989降低至4,526，证明了从成像数据中实现自动化参数推断的可行性。

ABSTRACT

Advances in imaging technology now provide us with detailed 3D data on gene expression patterns in developing embryos. This information can be used to build predictive mathematical models of embryogenesis. Current modelling approaches are, however, limited by lack of methods to automatically infer the regulatory networks and the parameter values from the image-based information. Here we make a first step to the development of such methods. We use limb bud development as a model system. For a given regulatory network we developed a decision tree based algorithm to automatically determine parameter values for which the model reproduces the expression patterns. Starting from this parameter set, local optimization was performed to further reduce the chosen goodness-of-fit measure. This approach allowed us to recover the target expression patterns, as judged by eye, and thus provides a first step towards the automated inference of parameter values for a given regulatory network.

研究动机与目标

• 为解决从胚胎发育的3D图像数据中推断调控网络参数缺乏自动化方法的问题。
• 开发一种计算高效的策略，将基于图像的表达模式整合到器官发生的预测性数学模型中。
• 通过识别关键调控组分及其对空间模式的影响，实现系统性、分步式的参数推断。
• 通过分层参数调优和基于梯度的优化，在保持精度的同时降低计算成本。
• 使用仿真数据验证该方法，证明其能够重现实验中观察到的表达模式。

提出的方法

• 一个二维反应-扩散PDE模型用于模拟肢体芽中FGF10、FGF8、BMP、WNT及其受体复合物的时空动态。
• 该模型通过Hill函数引入非线性反馈，并包含扩散、降解以及受体-配体结合动力学。
• 决策树算法通过逐项测试关键组分（如WNT、FGF8）是否在特定组织（如外胚层、AER）中正确定位，依次推断参数。
• 根据方向性影响（例如，若目标组分缺失则增加其合成速率）对参数进行加倍或减半调整，直至空间模式与参考值匹配。
• SNOPT是一种基于梯度的优化算法，采用伴随方法，利用适应度函数最小化模拟结果与目标表达模式之间的差异来精炼参数。
• 引入缩放因子（λi）作为额外参数，以考虑相对表达水平，避免对绝对浓度值的依赖。

实验结果

研究问题

• RQ1 基于决策树的算法能否有效引导器官发生时空模型中参数的初始估计？
• RQ2 当以决策树输出作为初始值时，基于SNOPT的梯度优化能在多大程度上提升模型精度？
• RQ3 该组合方法能否重现肢体芽发育过程中观察到的复杂多组分基因表达模式？
• RQ4 如何在不牺牲模型保真度的前提下，降低基于PDE的发育模型参数推断的计算成本？
• RQ5 基于调控层级的顺序参数更新在实现生物上合理的参数集收敛过程中起到何种作用？

主要发现

• 决策树方法将适应度函数值从初始参数的13,989降低至5,598，显著提升了模式保真度。
• 后续的SNOPT优化进一步将适应度函数值降低至4,526，接近目标模式值3,852。
• 优化后的模型成功再现了FGF10、FGF8、BMP和WNT在正确组织区域（间充质、AER、外胚层）中的空间表达模式。
• 通过排除Hill常数并降低优化过程中的模拟精度，计算时间减少了10倍（从约24小时降至约2小时）。
• 将缩放因子（λi）作为参数引入，实现了对相对表达水平的稳健比较，而无需绝对浓度值。
• 分层的、组分化的参数推断策略在处理复杂调控网络的高维参数空间方面被证明是有效的。