मॉडल-आधारित प्रयोगात्मक डिज़ाइन और पैरामीटर अनुमान की सीमाएँ स्लॉपी सिस्टम में

हम स्लॉपी मॉडल में प्रयोगात्मक डिज़ाइन, पैरामीटर अनुमान और प्रणालीगत त्रुटि के बीच संबंध का अन्वेषण करते हैं। हम दिखाते हैं कि गणितीय मॉडलों की आंशिक प्रकृति स्लॉपी मॉडलों में प्रयोगात्मक डिज़ाइन के लिए चुनौतियाँ प्रस्तुत करती है। जटिल जैविक प्रक्रियाओं के कई मॉडलों में यह अज्ञात है कि ऐसे कौन से प्रासंगिक भौतिक तंत्र हैं जिन्हें प्रणाली के व्यवहार को स्पष्ट करने के लिए शामिल किया जाना चाहिए। इसके परिणामस्वरूप, मॉडल अक्सर अत्यधिक जटिल होते हैं, जिनमें कई व्यावहारिक रूप से पहचाने जाने योग्य पैरामीटर होते हैं। इसके अलावा, कौन से तंत्र प्रासंगिक/अप्रासंगिक हैं, यह प्रयोगों के बीच भिन्नता रखता है। पूरक प्रयोगों का चयन करके, प्रयोगात्मक डिज़ाइन अनजाने में उन विवरणों को प्रासंगिक बना सकता है जो मॉडल से हटा दिए गए थे। जब ऐसा होता है, तो मॉडल में एक बड़ी प्रणालीगत त्रुटि होगी और यह डेटा के साथ अच्छा फिट प्रदान करने में असफल रहेगा। हम मॉडल त्रुटि के एक सरल हाइपर-मॉडल का उपयोग करते हैं ताकि एक मॉडल के असंगति को मात्रात्मक रूप से परिमाणित किया जा सके और इसे जटिल जैविक प्रक्रियाओं (EGFR सिग्नलिंग और DNA मरम्मत) के दो मॉडलों पर लागू करते हैं जिनमें अनुकूलित प्रयोग चुने गए हैं। हम पाते हैं कि हालांकि पैरामीटरों का सही अनुमान लगाया जा सकता है, लेकिन मॉडल में असंगति इसे पूर्वानुमानित करने में कम सक्षम बनाती है जो कि उस स्लॉपी क्षेत्र में था जहाँ प्रणालीगत त्रुटि छोटी होती है। हम एक स्लॉपी सिस्टम की अवधारणा पेश करते हैं - जटिलता की बढ़ती हुई श्रृंखला के मॉडल जो सूक्ष्म सटीकता की सीमा में स्लॉपी हो जाते हैं। हम स्लॉपी सिस्टम में सटीक पैरामीटर अनुमान के सीमाओं का अन्वेषण करते हैं और तर्क करते हैं कि प्रणाली के व्यवहार को नियंत्रित करने वाले अंतर्निहित तंत्र की पहचान करना विभिन्न विवरणों के मॉडल के एक अनुक्रम पर विचार करके बेहतर रूप से किया जा सकता है, न कि एकल मॉडल में पैरामीटर अनुमान पर ध्यान केंद्रित करके।