ソボルにはソボルに？Systems Biologyアプリケーションにおけるサンプリングスキームの効果

生物学の計算モデルと数学モデルは、それらを特徴付けるパラメーターに大きく依存しています。ただし、その値の堅牢な推定値は通常、とらえどころのないため、モデル研究には大きなパラメーター空間が必要になります。モデルのパラメータースペースを探索するサンプリングスキームは、モデルのキャリブレーションや感度分析など、システム生物学のさまざまな目的に使用されます。通常、ランダムサンプリングが使用されます。ただし、モデルの不明なパラメーターの数が多い場合、またはモデルが非常に複雑である場合、計算コストが重要な要素になります。この問題は、ラテンハイパーキューブサンプリング（LHS）やSOBOLシーケンスなどの効率的なサンプリングスキームを使用することで削減できます。この作業では、パラメーター感度分析とモデルキャリブレーションの両方を実行するために、ランダムサンプリング、LHS、およびSOBOLシーケンスの3つのサンプリングスキームを比較対照します。さらに、これらの分析は、さまざまな複雑さのさまざまなタイプの計算モデルおよび数学モデルに適用します。単純なODEモデル、複雑なODEモデル、エージェントベースのモデルです。一般に、サンプリングスキームはキャリブレーションの取り組みに使用された場合はほとんど効果がありませんでしたが、感度分析に適用すると、SOBOLシーケンスはより速い収束を示しました。観測された収束への利点は比較的少ないが、SOBOLシーケンスはLHSサンプルよりも計算するのに計算的に安価であり、また決定論的であるという利点があるため、結果の再現性が向上します。

Computational and mathematical models in biology rely heavily on the parameters that characterize them. However, robust estimates for their values are typically elusive and thus a large parameter space becomes necessary for model study, particularly to make translationally impactful predictions. Sampling schemes exploring parameter spaces for models are used for a variety of purposes in systems biology, including model calibration and sensitivity analysis. Typically, random sampling is used; however, when models have a high number of unknown parameters or the models are highly complex, computational cost becomes an important factor. This issue can be reduced through the use of efficient sampling schemes such as Latin hypercube sampling (LHS) and Sobol sequences. In this work, we compare and contrast three sampling schemes - random sampling, LHS, and Sobol sequences - for the purposes of performing both parameter sensitivity analysis and model calibration. In addition, we apply these analyses to different types of computational and mathematical models of varying complexity: a simple ODE model, a complex ODE model, and an agent-based model. In general, the sampling scheme had little effect when used for calibration efforts, but when applied to sensitivity analyses, Sobol sequences exhibited faster convergence. While the observed benefit to convergence is relatively small, Sobol sequences are computationally less expensive to compute than LHS samples and also have the benefit of being deterministic, which allows for better reproducibility of results.