Marino, Simeone; Hogue, Ian B.; Ray, Christian J. et al. · 2008 · Journal of Theoretical Biology
Metadata
Authors: Marino, Simeone; Hogue, Ian B.; Ray, Christian J.; Kirschner, Denise E.
📄 Quick Note¶
摘要概述¶
本文是一篇关于在系统生物学模型中进行全局不确定性（uncertainty）与敏感性（sensitivity）分析的方法学综述。作者指出传统的单参数或局部敏感性分析在参数高度不确定的生物系统中并不适用，需采用全局方法在整个多维参数空间中评估不确定性。文章系统介绍了 Latin hypercube sampling（LHS）采样方案，以及两种最稳健高效的全局敏感性指标：partial rank correlation coefficient（PRCC）与 extended Fourier amplitude sensitivity test（eFAST），并比较二者在线性、单调非线性、非单调情形下的适用性。通过 Lotka–Volterra、HIV ODE、两房室 ODE、时滞微分方程及 agent-based model（ABM）等多个范例，作者展示了在确定性模型中两种方法结论一致，但在含 aleatory uncertainty 的随机 ABM 中 eFAST 会将随机方差错误归入 total-order index（STi）造成假象，而 LHS/PRCC 配合 replicate averaging 能以低得多的计算量得到同等结论。核心建议：先用 scatter plot 诊断输入–输出关系，再据单调性选 PRCC、据非单调性选 eFAST；对随机模型用 dummy parameter 检测 eFAST 的伪信号，并用重复平均抑制 aleatory variance。
关键图表¶
- Fig. 1 — LHS + PRCC 全流程示意图：给参数分配 pdf → 构建无放回采样的 LHS 矩阵 X → 求解模型得输出 Y → 对 X、Y 做 rank 变换后计算 PRCC。是理解整套方法学的工作流骨架。
- Fig. 9 — ABM 中"少量样本 + 重复平均"策略的收益：100 样本×3 replicate（共 300 次模拟）在 PRCC 上恢复了 1000 样本无重复才能识别的关键参数（aBI、λ），证明重复平均能在不增加总模拟次数下显著提升检测力。
- Fig. 10 — eFAST 在随机 ABM 上的伪信号：dummy parameter 的 STi 高达 24.3%，揭示 eFAST 把 aleatory 方差错配到 total-order 指标；经重复平均后伪信号降至 ~10%，且 LHS/PRCC 识别的 8/9 个参数在 first-order Si 上仍被 eFAST 检出。
与我的关联¶
本文是 vascular G&R 等含大量不确定参数的生物力学/计算模型做参数敏感性分析的标准方法学参考，直接指导如何在 FEniCS/ODE 模型中用 LHS/PRCC 定位主导参数、用 eFAST 检验非单调敏感性；尤其对 agent-based 或含随机项的模型，其 dummy-parameter 诊断与 replicate-averaging 策略可避免将 aleatory 噪声误判为参数效应。