SimBiology позволяет оценивать параметры модели, подгоняя модель к экспериментальным данным временного курса, используя методы нелинейной регрессии или смешанных эффектов (NLME). Можно выполнить как индивидуальную, так и популяционную подгонку к сгруппированным данным.
Индивидуальная подгонка (Individual fit) - подгонка данных с использованием методов нелинейной регрессии (наименьших квадратов), определение преобразований параметров, параметров оценки и вычисления остатков и ковариационной матрицы оцененного коэффициента. Рабочий процесс командной строки см. в разделе Рабочий процесс фитинга для sbiofit. Рабочий процесс приложения см. в разделе Расчет параметров NCA и соответствие модели данным PK/PD с помощью приложения SimBiology Model Analyzer.
Подбор совокупности - подгонка данных, определение преобразований параметров и оценка фиксированных эффектов и случайных источников вариаций параметров с использованием нелинейных моделей смешанных эффектов. Рабочий процесс командной строки см. в разделе Рабочий процесс моделирования нелинейных смешанных эффектов.
Подгонка населения с использованием стохастического алгоритма - подгонка данных, определение преобразований параметров и оценка фиксированных эффектов и случайных источников вариаций параметров с использованием алгоритма стохастического аппроксимационного ожидания-максимизации (SAEM). SAEM более надежен по отношению к начальным значениям. Эта функциональность ослабляет предположение о постоянной дисперсии ошибок. Определить nlmefitsa как имя функции оценки при выполнении sbiofitmixed или выберите mixed effects using stochastic solver в разделе Статистическое моделирование программы Fit Data в приложении SimBiology Model Analyzer.
Кроме того, можно включить параметр ProgressPlot, чтобы получить динамическую обратную связь о состоянии оценки параметров.