• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>other >A Framework for Parameter Estimation and Model Selection from Experimental Data in Systems Biology Using Approximate Bayesian Computation
【2h】

A Framework for Parameter Estimation and Model Selection from Experimental Data in Systems Biology Using Approximate Bayesian Computation

机译：使用近似贝叶斯计算的系统生物学实验数据参数估计和模型选择框架

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

As modeling becomes a more widespread practice in the life- and biomedical sciences, we require reliable tools to calibrate models against ever more complex and detailed data. Here we present an approximate Bayesian computation framework and software environment, ABC-SysBio, which enables parameter estimation and model selection in the Bayesian formalism using Sequential Monte-Carlo approaches. We outline the underlying rationale, discuss the computational and practical issues, and provide detailed guidance as to how the important tasks of parameter inference and model selection can be carried out in practice. Unlike other available packages, ABC-SysBio is highly suited for investigating in particular the challenging problem of fitting stochastic models to data. Although computationally expensive, the additional insights gained in the Bayesian formalism more than make up for this cost, especially in complex problems.
机译：随着建模成为生命科学和生物医学领域中更为广泛的实践，我们需要可靠的工具来根据越来越复杂和详细的数据来校准模型。在这里，我们介绍一个近似的贝叶斯计算框架和软件环境ABC-SysBio，它可以使用顺序蒙特卡洛方法在贝叶斯形式主义中进行参数估计和模型选择。我们概述了基本原理，讨论了计算和实际问题，并就如何在实践中执行参数推断和模型选择的重要任务提供了详细的指导。与其他可用软件包不同，ABC-SysBio非常适合研究特别是将随机模型拟合到数据中的难题。尽管在计算上很昂贵，但是在贝叶斯形式主义中获得的其他见解远远超过了此代价，尤其是在复杂问题中。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号