Les Limites de la Conception Expérimentale Basée sur des Modèles et de l'Estimation des Paramètres dans des Systèmes Généreux

Nous explorons la relation entre la conception expérimentale, l'estimation des paramètres et l'erreur systématique dans des modèles approximatifs. Nous montrons que la nature approximative des modèles mathématiques pose des défis pour la conception expérimentale dans les modèles imprécis. Dans de nombreux modèles de processus biologiques complexes, il n'est pas clair quels sont les mécanismes physiques pertinents qui doivent être inclus pour expliquer les comportements du système. En conséquence, les modèles sont souvent trop complexes, avec de nombreux paramètres pratiquement non identifiables. De plus, les mécanismes pertinents/non pertinents varient selon les expériences. En choisissant des expériences complémentaires, la conception expérimentale peut involontairement rendre des détails omis dans le modèle pertinents. Lorsque cela se produit, le modèle présentera une grande erreur systématique et échouera à bien s'ajuster aux données. Nous utilisons un hyper-modèle simple d'erreur de modèle pour quantifier la discordance d'un modèle et l'appliquons à deux modèles de processus biologiques complexes (signalisation EGFR et réparation de l'ADN) avec des expériences optimales sélectionnées. Nous trouvons que bien que les paramètres puissent être estimés avec précision, la discordance dans le modèle le rend moins prédictif qu'il ne l'était dans le régime approximatif où l'erreur systématique est faible. Nous introduisons le concept de système approximatif - une séquence de modèles de complexité croissante qui deviennent imprécis à la limite d'une précision microscopique. Nous explorons les limites de l'estimation précise des paramètres dans des systèmes approximatifs et soutenons que l'identification des mécanismes sous-jacents contrôlant le comportement du système est mieux abordée en considérant une hiérarchie de modèles de détails variés plutôt qu'en se concentrant sur l'estimation des paramètres dans un seul modèle.