[论文解读] STRIKE-GOLDD 4.0: user-friendly, efficient analysis of structural identifiability and observability

Sandra Díaz-Seoane, Xabier Rey Barreiro+1 more|arXiv (Cornell University)|Jul 15, 2022

Microbial Metabolic Engineering and Bioproduction被引用 7

一句话总结

STRIKE-GOLDD 4.0 引入了 ProbObsTest，这是一种针对具有未知输入的有理数 ODE 模型进行结构可辨识性和可观测性分析的快速、数值高效的算法，其在速度和内存使用方面显著优于先前的 FISPO 算法。该算法可对复杂模型（如 JAKSTAT 和 CHO 模型）进行完整分析，而这些模型此前因内存错误而无法处理，同时保留了对非有理数模型和对称性的支持，所有功能均集成于用户友好的 MATLAB 图形界面中。

ABSTRACT

Structural identifiability and observability are desirable properties of systems biology models. Many software toolboxes have been developed for their analysis in the last decades. STRIKE-GOLDD is a generally applicable tool that can analyse non-linear, non-rational ODE models with unknown inputs. However, this generality comes at the expense of a lower computational efficiency than other tools. Here we present STRIKE-GOLDD 4.0, which includes a new algorithm, ProbObsTest, specifically designed for the analysis of rational models. ProbObsTest is significantly faster than the FISPO algorithm - which was already available in older versions of the toolbox - when applied to computationally expensive models. An important feature of both algorithms is their ability to analyse models with unknown inputs. Thus, their coexistence in the same toolbox provides a combination of general applicability and computational efficiency. STRIKE-GOLDD 4.0 is implemented as a free and open-source Matlab toolbox with a user-friendly graphical interface. It is available under a GPLv3 license and it can be downloaded from GitHub at https://github.com/afvillaverde/strike-goldd.

研究动机与目标

• 解决现有工具在分析具有未知输入的有理数模型时计算效率低下的问题。
• 开发一种更快、数值高效的有理数模型算法，同时不牺牲通用性。
• 将先进算法集成到用户友好的 MATLAB 工具箱中，以提升系统生物学研究人员的可访问性。
• 通过新旧算法的结合，实现对以往因内存或时间限制而无法分析的复杂模型的分析。
• 支持自动将非有理数模型（例如含对数或三角函数项的模型）重写为有理形式，以实现高效分析。

提出的方法

• 实现 ProbObsTest，即 [21] 中概率算法的数值扩展，通过使用随机整数代入的幂级数展开，避免符号 Lie 导数计算。
• 将 ProbObsTest 与现有的 FISPO 算法集成，以保持对非有理数模型和未知输入的支持。
• 开发一个自动模型重写模块，将某些非有理数模型（例如含对数、三角函数或非整数指数的模型）转换为有理形式。
• 在 MATLAB 中设计一个图形用户界面（GUI），以简化模型输入、算法选择和结果可视化。
• 结合符号计算与数值计算：符号计算用于结构分析，数值计算用于有理数情况下的性能优化。
• 应用可观测性秩条件（ORC），并通过包含未知输入的扩展状态空间来测试结构可观测性和可辨识性。

实验结果

研究问题

• RQ1 能否开发一种数值高效的算法，用于具有未知输入的有理数 ODE 模型的结构可辨识性和可观测性分析，而无需依赖符号计算？
• RQ2 在复杂模型上，新算法 ProbObsTest 与现有 FISPO 算法相比，在速度和内存使用方面表现如何？
• RQ3 能否自动将含对数、三角函数或非整数指数项的非有理数模型重写为有理形式，以实现高效分析？
• RQ4 新算法在多大程度上能够处理以往因内存溢出错误而无法处理的模型？
• RQ5 在单一用户友好的图形界面中集成多种算法（FISPO 和 ProbObsTest）对系统生物学模型分析的有效性如何？

主要发现

• 对于具有已知输入的 3 阶模型，ProbObsTest 将计算时间从 FISPO 的 984.89 秒减少至 12.65 秒，速度提升 78 倍。
• 在存在未知输入且有三个非零导数的情况下，FISPO 因内存溢出错误而失败，而 ProbObsTest 在 38.95 秒内完成。
• 对于 25 阶的 JAKSTAT 模型，FISPO 导致内存溢出错误，而 ProbObsTest 在 1914.79 秒内完成；经重写后，ObservabilityTest 仅耗时 0.016 秒。
• CHO 模型是一个 32 阶的非有理数代谢模型，此前因内存限制导致 FISPO 失败；ProbObsTest 在 12 天内成功分析了整个模型，对全部 117 个参数得出了明确结论。
• ProbObsTest 自动将非有理数项（例如对数函数和非整数指数函数）重写为有理形式，实现了无需人工干预的高效分析。
• STRIKE-GOLDD 4.0 中的图形界面支持无缝的模型输入、算法选择和结果可视化，显著提升了非专家用户的易用性。