McDonald, Robert A; Byrne, Helen M; Harrington, Heather A et al. · 2025 · Preprint (arXiv, q-bio.QM)

Metadata

Authors: McDonald, Robert A; Byrne, Helen M; Harrington, Heather A; Thorne, Thomas; Stolz, Bernadette J

Tags: #agent-based-model #stochastic-process #cell-migration

📄 Quick Note¶

摘要概述¶

本文提出了一套结合 Topological Data Analysis (TDA)、Approximate Bayesian Computation (ABC) 与 Random Forests (RFs) 的参数推断与模型选择流水线，专门用于处理难以写出 likelihood function 的高维 spatio-temporal 模型。作者以肿瘤诱导血管生成（tumour-induced angiogenesis）为案例，针对三个经典的离散 EC（endothelial cell）迁移模型——Anderson-Chaplain (AC)、Stokes-Lauffenberger (SL) 和 Plank-Sleeman (PS)——使用 Extended Persistent Homology (EPH) 提取拓扑摘要统计量（量化血管网络中的 branches、loops 与 components），再用 ABC-SMC 对每个模型推断四个参数，最后用分类与回归 RF 近似 model posterior 并选出正确模型。在合成数据与 toy model（TC/TE）上验证表明，该流水线能准确恢复真实参数并在大多数 test-case 中以高概率识别出真实模型，为缺乏解析似然的复杂空间生物模型提供了一种可推广的校准与比较框架。

关键图表¶

Figure 1：展示 AC、SL、PS 三个模型中 tip EC 的运动规则、参数与各自最关键的 summary statistics 分布，是理解三种 angiogenesis 模型差异的基础图。
Figure 2：给出每个模型在两个 test-case 下用 ABC-SMC 推断四个参数（如 \(a_{br}\)、\(c_{br}\) 等）所得的近似后验分布，验证了参数推断的准确性。
Figure 3：展示基于 Random Forests 的 model posterior \(p(m|D^*)\) 估计结果，在所有 test-case 中均以高概率正确识别出真实模型，是模型选择有效性的核心证据。

与我的关联¶

该论文虽以肿瘤血管生成为背景，但其 TDA + ABC 的空间模型校准与选择方法可直接迁移到动脉粥样硬化与血管生长重塑（vascular G&R）研究：将血管网络的拓扑特征（loops、branches）作为 summary statistics，可用于对比和筛选不同的血管重塑计算力学模型，为缺乏解析似然的空间仿真模型提供贝叶斯式参数推断与模型比选工具。