Strukturierte Methoden zur Parameterschätzung und Unsicherheitsquantifizierung für mechanistische Modelle in den Lebenswissenschaften

Die Parameterschätzung und die Unsicherheitsquantifizierung sind wichtige Schritte, um mathematische Modelle mit Beobachtungen aus der realen Welt in Beziehung zu setzen und um die Unsicherheit in Modellvorhersagen abzuschätzen. Methoden zur Durchführung dieser Aufgaben können jedoch rechnerisch aufwendig sein, insbesondere wenn die Anzahl der unbekannten Modellparameter groß ist. Ziel dieser Studie ist es, eine effiziente, auf Profil-Wahrscheinlichkeiten basierende Methode zu entwickeln und zu testen, die die Struktur des verwendeten mathematischen Modells nutzt. Dies erreichen wir, indem wir spezifische Parameter identifizieren, die auf bekannte Weise die Modellausgabe beeinflussen, wie beispielsweise eine lineare Skalierung. Wir veranschaulichen die Methode, indem wir sie auf drei Modellbeispiele aus verschiedenen Bereichen der Lebenswissenschaften anwenden: (i) ein Räuber-Beute-Modell aus der Ökologie; (ii) ein compartment-basiertes Epidemiemodell aus den Gesundheitswissenschaften; und (iii) ein Advektions-Diffusions-Reaktionsmodell zur Beschreibung des Transports gelöster Stoffe aus der Umweltwissenschaft. Wir zeigen, dass die neue Methode Ergebnisse von vergleichbarer Genauigkeit zu bestehenden Profil-Wahrscheinlichkeitsmethoden liefert, jedoch mit erheblich weniger Auswertungen des Vorwärtsmodells. Wir schließen, dass unsere Methode einen viel effizienteren Ansatz zur Parameterschätzung für Modelle bieten könnte, bei denen ein strukturierter Ansatz praktikabel ist. Computercode zur Anwendung der neuen Methode auf von Nutzern bereitgestellte Modelle und Daten wird über ein öffentlich zugängliches Repository bereitgestellt.