[论文解读] Parameter Estimation in an SPDE Model for Cell Repolarisation

Randolf Altmeyer, Till Bretschneider+2 more|arXiv (Cornell University)|Oct 13, 2020

Probabilistic and Robust Engineering Design参考文献 30被引用 4

一句话总结

该论文提出了一种基于Meinhardt激活-抑制框架的随机偏微分方程（SPDE）模型，用于描述在噪声作用下的细胞去极化动力学，将线性SPDE的参数估计技术拓展至非线性、具有生物学意义的设定。研究建立了扩散系数估计量在空间分辨率提高时的渐近正态性，并通过合成数据和真实数据模拟进行了验证。

ABSTRACT

As a concrete setting where stochastic partial differential equations (SPDEs) are able to model real phenomena, we propose a stochastic Meinhardt model for cell repolarisation and study how parameter estimation techniques developed for simple linear SPDE models apply in this situation. We establish the existence of mild SPDE solutions and we investigate the impact of the driving noise process on pattern formation in the solution. We then pursue estimation of the diffusion term and show asymptotic normality for our estimator as the space resolution becomes finer. The finite sample performance is investigated for synthetic and real data.

研究动机与目标

• 开发Meinhardt模型的随机扩展，以纳入分子涨落引起的噪声。
• 将线性SPDE的参数估计技术适配至非线性、具有生物学现实意义的SPDE设定。
• 在空间分辨率不断提高的条件下，建立扩散系数估计量的理论一致性和渐近正态性。
• 通过合成数据和来自粘菌（Dictyostelium）的实验真实数据，评估有限样本下的性能。

提出的方法

• 为激活剂（A）和抑制剂（I）浓度构建包含时空白噪声的随机反应-扩散方程耦合系统。
• 利用半群理论和希尔伯特空间中的随机积分，证明SPDE的弱解的存在性。
• 基于解的二次变差推导估计方程，利用数据中由噪声引起的变异性。
• 采用基于核的平滑方法近似无穷小生成元，并构建用于参数估计的对比函数。
• 在Julia中使用有限差分格式模拟SPDE，通过CFL条件确保稳定性，其中dt ∝ (dx)^2。
• 通过最小化基于经验二次变差导出的对比函数进行统计推断，从而得到扩散系数的估计量。

实验结果

研究问题

• RQ1 能否将为线性SPDE开发的参数估计技术有效扩展至非线性、具有生物学意义的SPDE模型（如随机Meinhardt模型）？
• RQ2 时空白噪声的引入如何影响细胞去极化过程中的模式形成与稳定性？
• RQ3 随着空间分辨率的提高，扩散系数估计量的渐近分布是什么？
• RQ4 在有限样本下，该估计量在合成数据和真实生物数据上的表现如何？
• RQ5 噪声水平在多大程度上影响去极化所需时间以及模式形成的鲁棒性？

主要发现

• 所提出的扩散系数估计量在空间分辨率δ → 0时表现出渐近正态性，收敛速率为δ⁻¹/²。
• 估计量的方差随δ⁴ × Var(·) → 0而衰减，证实了在空间采样增加条件下的相合性。
• 有限样本模拟显示，估计量在合成数据上表现良好，偏差较低，置信区间覆盖效果理想。
• 对18个粘菌细胞的真实数据进行分析，证实了模型能够准确捕捉去极化动力学，估计的噪声水平与生物学预期一致。
• 该模型成功再现了实验数据的关键特征，包括前沿重定位和在噪声下的模式稳定性。
• 理论框架支持在非线性SPDE中使用基于二次变差的估计方法，扩展了现有统计方法的应用范围。