Для каждой задачи можно сконфигурировать связанные с моделью настройки, такие как модель, чтобы моделировать, связанные с симуляцией настройки, такие как время остановки симуляции и специфичные для задачи настройки, такие как значения, чтобы отсканировать в задаче сканирования параметра.
Когда вы конфигурируете эти настройки, рабочий стол проверяет ошибки и предупреждения и отмечает их использующий индикаторы сообщения. Можно навести на индикаторы, чтобы получить больше информации об ошибках или предупреждениях. Больше информации о каждом разделе описано в контекстно-зависимой справке каждого раздела. Можно открыть его путем наведения на информационный значок рядом с каждым разделом.
Когда вы выбираете элементы модели, такие как параметры, чтобы оценить или дозы, чтобы использовать во время анализа, можно использовать инструмент Component Palette, который предоставляет полный список количеств модели, доз и вариантов. Можно открыть инструмент от вкладки Editor и перетащить мышью элементы модели на соответствующие разделы задачи. Можно также использовать клавишу курсора "вниз" из таблицы каждого раздела, чтобы выбрать элементы модели. В некоторых таблицах каждая строка имеет флажок в первом столбце. Когда флажок устанавливается, соответствующий элемент строки активен и используется во время анализа. Можно использовать контекстное меню каждой таблицы для большего количества опций, таких как показ количества в представлении схемы.
Каждая задача позволяет вам задать модель, чтобы анализировать. Если симуляция модели, как ожидают, займет много времени, или задача собирается моделировать модель многократно (такую как задача Сканирования Выполнения), можно ускорить модель, чтобы улучшать производительность. Можно включить ускорение путем установки флажка в разделе Model.
Можно также задать который дозы и варианты, чтобы использовать во время анализа модели. Предположим, что у вас есть два различных набора значений параметров для нормального и больных раком, сохраненных в отдельных вариантах. Можно задать который вариант использовать во время симуляции путем выбора его в разделе Variants to Apply задачи. Точно так же различные дозы могут быть выбраны в разделе Doses to Apply, чтобы оценить различные режимы дозирования, или дозирование объединения планирует оценивать различную комбинированную терапию. Можно также сгенерировать варианты с итоговыми значениями количества после симуляции модели или оценки параметра путем выбора соответствующей опции в разделе Variants to Generate Симуляции или Подходящей задачи Данных.
Каждая модель имеет настройки симуляции по умолчанию, сопоставленные с ним. Эти настройки включают опции времени симуляции, опции решателя, компилируют опции и опции регистрации данных. Можно получить доступ к этим опциям путем выбора Simulation Settings из вкладки Editor редактора задачи. Когда вы изменяете эти настройки симуляции, это влияет на каждую задачу, которая использует ту же модель.
Возможно перезаписать некоторые настройки симуляции по умолчанию для определенных задач. Эти настройки являются временем остановки симуляции, состояния, чтобы регистрировать, тип решателя и логарифмическое десятикратное уменьшение. В соответствующем разделе задачи можно принять решение использовать или значение настроек симуляции или пользовательское значение, специфичное для задачи только. Если вы выбираете пользовательскую опцию значения, то значение применяется к текущей задаче только и никаким другим задачам.
Некоторые задачи имеют уникальные настройки, которые должны быть сконфигурированы, прежде чем задачи могут быть запущены.
Эта задача позволяет вам оценить параметры модели путем подбора кривой модели к экспериментальным данным курса времени, использования или нелинейной регрессии или нелинейных смешанных эффектов (NLME) методы.
Рассмотрите сгруппированные данные, содержащие измеренные концентрации препарата в разное время для нескольких человек. Можно оценить параметры для каждого человека или одновременно соответствовать всем людям, чтобы оценить одно множество значений. Установите флажок Pool data в разделе Estimation Method, чтобы оценить один набор значений параметров для всех людей. Эта опция доступна для всех методов за исключением методов смешанных эффектов (nlmefit и nlmefitsa).
В разделе Estimated Parameters можно выбрать который параметры оценить и задать преобразования параметра по мере необходимости. Например, некоторые параметры, такие как объем отсека и разрешение являются положительными физическими количествами и регистрируют преобразование, отражает базовое физическое ограничение и обычно улучшает подбор кривой. Используйте logit, или probit преобразовывает для параметров, которые имеют значения от 0 до 1, такие как бионакопление. Можно также задать нижние и верхние границы для каждого предполагаемого параметра для некоторых методов оценки. Для списка методов, который поддерживает границы параметра, см. Поддерживаемые Методы для Оценки Параметра.
Если ваши данные содержат информацию о дозировании, такую как сумма дозы для каждого пациента в каждый раз дозы, используйте раздел Dosing Information, чтобы задать отображение между столбцом дозы данных и соответствующей образцовой разновидностью, которая дозируется. В таблице раздела выберите имя переменной дозы (Dose Column Name), дозируемые разновидности (Dose Component Name) и тип дозы (Dose Configuration).
Можно сопоставить измеренный или наблюдаемый столбец данных ответа (зависимая переменная) с соответствующим количеством модели в разделе Response and Error Model Information. Для случаев множественных ответов SimBiology позволяет вам задать ошибочную модель для каждого ответа или одну ошибочную модель для всех ответов. Существует четыре ошибочных модели, а именно, постоянные, пропорциональны, объединены, и экспоненциал. Для списка методов, которые поддерживают несколько ошибочных моделей, см. Поддерживаемые Методы для Оценки Параметра. В дополнение к этим ошибочным моделям можно также задать веса для каждого ответа.
Можно также настроить некоторые общие настройки выбранного метода оценки в Algorithm Settings. Например, можно увеличить максимальные итерации, если алгоритму не удается сходиться в пределе по умолчанию. Можно задать дополнительные настройки алгоритма в Advanced Algorithm Settings. Например, если вы хотите использовать алгоритм Levenberg-Marquardt для метода lsqnonlin, введите Algorithm = 'levenberg-marquardt'. Чтобы видеть полный список всех опций для выбранного метода оценки, кликните по гиперссылке, обеспеченной в разделе.
Для проиллюстрированного примера подходящих данных о профиле PK с помощью метода наименьших квадратов смотрите Оценку Фармакокинетические Параметры Используя Рабочий стол SimBiology.
Для проблем смешанных эффектов SimBiology позволяет вам оценить параметры генеральной совокупности (зафиксированные эффекты) при считании отдельных изменений (случайные эффекты) использованием nlmefit, или методы оценки nlmefitsa (Statistics and Machine Learning Toolbox™ требуется). Рассмотрите сгруппированные данные, содержащие измеренные концентрации препарата в разное время для нескольких человек. Цель состоит в том, чтобы оценить генеральную совокупность параметры PK, такие как объем центрального отсека Central и разрешение Cl и случайный эффект каждого человека. Для i th человек, модель смешанных эффектов может быть описана как и , где θ1 и θ2 являются зафиксированными эффектами, и ηi является случайным эффектом i th человек. Случайные эффекты приняты, чтобы быть многомерны нормально распределенный , где Ψ является ковариационной матрицей случайных эффектов.
SimBiology представляет модель как Central = theta1+eta1 и Cl = theta2+eta2 в Estimated Parameters. Выпадающее меню отображений столбца Expression список доступных выражений для каждого параметра. Можно также ввести собственное выражение, но фиксированные имена эффекта должны всегда запускаться с theta, и случайные имена эффекта должны запуститься с eta.
Можно задать структуру Ψ в Covariance Matrix Pattern of Random Effect Parameters. Каждый флажок указывает на отклонение или параметр ковариации, который оценивается. По умолчанию SimBiology принимает, что никакая ковариация среди случайных эффектов, то есть, не использует диагональную ковариационную матрицу.
Можно также задать отдельно-специфичные коварианты, такие как терпеливый вес, которые линейно относятся к предполагаемому параметру в разделе Covariates. В таблице раздела выберите имя ковариационного столбца от данных. SimBiology позволяет центрироваться ковариантов, чтобы улучшить interpretability модели. Например, можно хотеть означать центр вес каждого пациента помогать интерпретировать фиксированные эффекты и сравнить результаты с и без коварианта. Если существует несколько ковариантов, можно стандартизировать каждого из них при помощи соответствующего метода масштабирования, который может помочь вам сравнить эти коварианты и выбрать некоторых из них.
Если вы задали ковариант, задача автоматически обновляет список выражений для каждого параметра в Estimated Parameters, чтобы включать дополнительные ковариационные параметром отношения, такие как Cl = exp(theta2+theta3*tWeight+eta2). theta3 является закрепленным эффектом веса на Cl, и tWeight является (преобразованным) весом. Для получения дополнительной информации смотрите CovariateModel.
После завершения задачи можно сгенерировать вариант, который содержит количества модели с итоговыми ориентировочными стоимостями. Для необъединенной подгонки, то есть, оценивая один набор значений параметров для каждого человека или группы, можно сгенерировать специфичные для группы варианты, имея в виду один вариант для каждой группы. Можно также сгенерировать вариант, который содержит средние ориентировочные стоимости (усредненный через все группы). Можно выбрать соответствующую опцию в разделе Variants to Generate задачи.
Эта задача помогает вам исследовать эффекты параметра на системную динамику. Это позволяет вам вычислить локальную, зависящую от времени чувствительность одной или нескольких разновидностей относительно начальных условий разновидностей и значений параметров. Предположим, что вы хотите вычислить чувствительность белка приемника относительно параметра модели, чтобы видеть, имеет ли параметр влияние на динамику приемника. Можно задать разновидности приемника как чувствительность вывод (числитель) и параметр как вход (знаменатель) в разделе Sensitivities to Compute. SimBiology® позволяет вам задать разновидности, параметры, и постоянные отсеки как входные параметры (и разновидности и параметры как выходные параметры) для вычисления чувствительности. Вычисленная чувствительность может быть нормирована путем выбора соответствующего метода в разделе Normalization. Например, если вы хотите нормировать относительно чувствительности вывод только, выберите нормализацию Half. Выберите Full, чтобы сделать данные безразмерными. Для получения дополнительной информации смотрите Normalization. Вы не можете запустить задачу анализа чувствительности на моделях, которые содержат события, алгебраические правила или непостоянные отсеки. Для проиллюстрированного примера смотрите, Идентифицируют Важные Сетевые Компоненты из Модели Апоптоза Используя Анализ чувствительности.
Эта задача позволяет вам исследовать, как модель ведет себя с различными значениями количества, или повторите информацию о дозе, а именно, доза запускают времена, суммы, уровни и интервалы. Задача моделирует модель многократно, каждый раз с помощью различных значений для тех количеств или доз интереса. Предположим, что вы хотите исследовать, как, отличаясь значение параметра форвардного курса влияет на итоговую концентрацию разновидности продукта. Можно задать параметр в Values to Scan. Используйте раздел Values to Scan Defined With, чтобы задать что значения сгенерировать для сканирования. Можно задать значения с помощью пользовательского кода MATLAB. Также, если у вас есть Statistics and Machine Learning Toolbox, можно сгенерировать значения от многомерного нормального распределения или использования латинской выборки гиперкуба.
Эта задача выполняет несколько симуляций модели с помощью стохастического решателя. Это позволяет вам сравнить и анализировать колебания поведения модели по повторным стохастическим симуляциям. Поскольку стохастические симуляции полагаются на элемент вероятности, последовательные выполнения приводят к различным результатам. Поэтому несколько стохастических выполнений часто необходимы, чтобы определить распределение вероятностей результатов симуляции. Используйте раздел Number of Runs, чтобы задать общее количество стохастических симуляций. Если вы хотите, чтобы все выполнения имели сопоставимый временной вектор, данные должны быть интерполированы с помощью линейного, или нулевой порядок содержат метод, заданный в разделе Interpolation. По умолчанию задача экономит время и данные о количестве каждого состояния на каждом шаге времени симуляции. Можно записывать данные менее часто путем увеличения значения LogDecimation.
Эта задача позволяет вам моделировать каждую группу или пациента от сгруппированных данных. Предположим, что данные содержат измерения концентрации плазмы препарата в разное время для нескольких пациентов и дозирующий сумму для каждого пациента. Можно использовать эту задачу моделировать каждого пациента и сравнить результаты с экспериментальными данными.
В разделе Map Between Data and Model необходимо задать группирующую переменную, независимую переменную и зависимую переменную (ответ). Сопоставьте по крайней мере один столбец данных ответа (Dependent1) с соответствующим количеством модели. Точно так же можно сопоставить любой столбец дозы (Dose1) с соответствующей образцовой разновидностью, которая дозируется.
Если вы начинаете запускать задачу, она применяет любую заданную дозу к соответствующим разновидностям и моделирует каждую группу. Это строит столбец данных ответа против моделируемых значений для соответствующего количества модели. Когда вы сравниваете результаты симуляции с экспериментальными данными, можно далее исследовать поведение модели под различными значениями параметров или начальными условиями разновидностей с помощью Explorer Tools.