Функциональный интерфейс для выполнения моделей SimBiology
The SimFunction объект предоставляет интерфейс, который позволяет вам выполнять SimBiology® модель, подобная функции и рабочему процессу, для выполнения сканов параметров (параллельно, если доступна Toolbox™ Parallel Computing), симуляций Монте-Карло и сканирований с множественными или векторизованными дозами. Начиная с SimFunction объект может быть выполнен как указатель на функцию, можно настроить его, чтобы интегрировать модели SimBiology с другими MATLAB® продукты и другие пользовательские анализы (такие как визуальные прогнозирующие проверки).
Используйте createSimFunction метод для создания объекта SimFunction. Объекты SimFunction являются неизменяемыми после создания и автоматически ускоряются при первом выполнении функции.
Если вы указали какую-либо информацию о дозах при вызове createSimFunction чтобы создать SimFunction F объекта, затем F имеет следующие синтаксисы.
simdata = F(phi,t_stop,u,t_output)SimData object
simdata после симуляции модели SimBiology с использованием начальных условий или сценариев симуляции, заданных в phi, время остановки симуляции, t_stop, информация о дозах, u, и время выхода, t_output.
simdata = F(phi,t_stop,u)phi, t_stop, и u.
Если вы не указали какую-либо информацию о дозах при вызове createSimFunction, затем F имеет следующие синтаксисы:
simdata = F(phi,t_stop)SimData object
simdata после симуляции модели с использованием начальных условий или сценариев симуляции, заданных в phi, и время остановки симуляции, t_stop.
simdata = F(phi,t_stop,[],t_output)phi, t_stop, пустой дозированный аргумент [], и t_output. Вы должны задать u, информацию о дозах, как пустой массив [] для этой подписи. Когда t_output пуст и t_stop задано, что симуляции сообщают о временных точках решателя до t_stop. Когда t_output задан и t_stop пуст, только время, точки в t_output сообщаются. Когда оба заданы, сообщенные временные точки являются объединением временных точек решателя и временных точек в t_output. Если последняя t_output больше, чем соответствующий t_stop, затем симуляция продолжается до последней временной точки в t_output.
simdata = F(phi,tbl)phi и tbl. Использование этой подписи позволяет вам задать время выхода как одну из переменных tbl. Любая строка данных в tbl где все зависимые столбцы переменных, имеющие NaN значения игнорируются.
[ возвращает T,Y] =
F(_)T, массив ячеек с числовым вектором и Y, массив ячеек из 2-D числовых матриц, с использованием любого из входных параметров в предыдущих синтаксисах.
|
Одно из следующих:
Когда Когда |
|
|
|
Если
|
|
|
|
Если на Если |
|
Массив объектов SimData, который содержит результаты выполнения SimFunction |
|
Массив ячеек, содержащий числовой вектор размера |
|
Массив ячеек 2-D числовых матриц. Яth элемент |
| createSimFunction (модель) | Создайте объект SimFunction |
| ускорение (SimFunction) | Подготовьте объект SimFunction для ускоренных симуляций |
| isAccelerated (SimFunction) | Определите, ускоряется ли объект SimFunction |
Parameters |
Таблица содержит информацию о величинах модели (видах, отсеках или параметрах), которые определяют входы | ||||||||||
Observables |
Эта таблица содержит информацию о величинах модели (видах, отсеках или параметрах), которые определяют выход | ||||||||||
Dosed |
В сложении таблица также содержит переменные для каждого параметризованного свойства. Для каждого параметризованного свойства в эту таблицу добавляются две переменные. Первая переменная имеет то же имя что и имя свойства, а значение является именем заданного параметра. Вторая переменная имеет имя свойства, суффиксированное Value (PropertyNameValue), и значение является значением по умолчанию параметра. Если на Предположим, что
| ||||||||||
UseParallel | Логический. Если | ||||||||||
UnitConversion | Логический. Если true:
Это свойство доступно только для чтения. | ||||||||||
AutoAccelerate | Логический. Когда true, модель ускоряется при первой оценке Это свойство доступно только для чтения. | ||||||||||
DependentFiles | Массив ячеек из символьных векторов, содержащий имена файлов, от которых зависит модель. Это свойство используется для развертывания. Это свойство доступно только для чтения. |
Этот пример показывает, как моделировать глюкозо-инсулиновые ответы для нормальных и диабетических субъектов.
Загрузите модель глюкозо-инсулиновой реакции. Для получения дополнительной информации о модели смотрите раздел «Фон» в Симуляции ответа глюкозы-инсулина.
sbioloadproject('insulindemo', 'm1')
Модель содержит различные начальные условия, сохраненные в различных вариантах.
variants = getvariant(m1);
Получите начальные условия для пациента с диабетом 2 типа.
type2 = variants(1)
type2 = SimBiology Variant - Type 2 diabetic (inactive) ContentIndex: Type: Name: Property: Value: 1 parameter Plasma Volume ... Value 1.49 2 parameter k1 Value 0.042 3 parameter k2 Value 0.071 4 parameter Plasma Volume ... Value 0.04 5 parameter m1 Value 0.379 6 parameter m2 Value 0.673 7 parameter m4 Value 0.269 8 parameter m5 Value 0.0526 9 parameter m6 Value 0.8118 10 parameter Hepatic Extrac... Value 0.6 11 parameter kmax Value 0.0465 12 parameter kmin Value 0.0076 13 parameter kabs Value 0.023 14 parameter kgri Value 0.0465 15 parameter f Value 0.9 16 parameter a Value 6e-05 17 parameter b Value 0.68 18 parameter c Value 0.00023 19 parameter d Value 0.09 20 parameter Stomach Glu Af... Value 125 21 parameter kp1 Value 3.09 22 parameter kp2 Value 0.0007 23 parameter kp3 Value 0.005 24 parameter kp4 Value 0.0786 25 parameter ki Value 0.0066 26 parameter [Ins Ind Glu U... Value 1 27 parameter Vm0 Value 4.65 28 parameter Vmx Value 0.034 29 parameter Km Value 466.21 30 parameter p2U Value 0.084 31 parameter K Value 0.99 32 parameter alpha Value 0.013 33 parameter beta Value 0.05 34 parameter gamma Value 0.5 35 parameter ke1 Value 0.0007 36 parameter ke2 Value 269 37 parameter Basal Plasma G... Value 164.18 38 parameter Basal Plasma I... Value 54.81
Подавить информационное предупреждение, которое выдается во время симуляций.
warnSettings = warning('off','SimBiology:DimAnalysisNotDone_MatlabFcn_Dimensionless');
Создайте объекты SimFunction, чтобы симулировать ответ глюкоза-инсулин для нормальных и диабетических субъектов.
Задайте пустой массив {} для второго входного параметра, чтобы обозначить, что модель будет моделироваться с помощью базовых значений параметров (то есть сканирование параметра не будет выполнено).
Укажите концентрации глюкозы и инсулина в плазме в качестве ответов (выходы функции, которая будет нанесена).
Определите вид Dose в качестве дозированного вида. Этот вид представляет начальную концентрацию глюкозы в начале симуляции.
normSim = createSimFunction(m1,{},...
{'[Plasma Glu Conc]','[Plasma Ins Conc]'},'Dose')normSim =
SimFunction
Parameters:
Observables:
Name Type Units
_____________________ ___________ _______________________
{'[Plasma Glu Conc]'} {'species'} {'milligram/deciliter'}
{'[Plasma Ins Conc]'} {'species'} {'picomole/liter' }
Dosed:
TargetName TargetDimension
__________ _____________________
{'Dose'} {'Mass (e.g., gram)'}
Для диабетического пациента укажите начальные условия с помощью варианта type2.
diabSim = createSimFunction(m1,{},...
{'[Plasma Glu Conc]','[Plasma Ins Conc]'},'Dose',type2)diabSim =
SimFunction
Parameters:
Observables:
Name Type Units
_____________________ ___________ _______________________
{'[Plasma Glu Conc]'} {'species'} {'milligram/deciliter'}
{'[Plasma Ins Conc]'} {'species'} {'picomole/liter' }
Dosed:
TargetName TargetDimension
__________ _____________________
{'Dose'} {'Mass (e.g., gram)'}
Выберите дозу, которая представляет один прием пищи из 78 граммов глюкозы в начале симуляции.
singleMeal = sbioselect(m1,'Name','Single Meal');
Преобразуйте информацию о дозах в формат таблицы.
mealTable = getTable(singleMeal);
Моделируйте ответ глюкоза-инсулин для нормального субъекта в течение 24 часов.
sbioplot(normSim([],24,mealTable));
Моделируйте ответ глюкоза-инсулин для субъекта с диабетом в течение 24 часов.
sbioplot(diabSim([],24,mealTable));
Выполните скан с использованием вариантов
Предположим, что вы хотите выполнить скан параметра, используя массив вариантов, которые содержат различные начальные условия для различных нарушений инсулина. Для примера, модель m1 имеет варианты, которые соответствуют низкой чувствительности к инсулину и высокой чувствительности к инсулину. Можно симулировать модель для обоих условий через один вызов объекта SimFunction.
Выберите варианты для сканирования.
varToScan = sbioselect(m1,'Name',... {'Low insulin sensitivity','High insulin sensitivity'});
Проверьте, какие параметры модели хранятся в каждом варианте.
varToScan(1)
ans = SimBiology Variant - Low insulin sensitivity (inactive) ContentIndex: Type: Name: Property: Value: 1 parameter Vmx Value 0.0235 2 parameter kp3 Value 0.0045
varToScan(2)
ans = SimBiology Variant - High insulin sensitivity (inactive) ContentIndex: Type: Name: Property: Value: 1 parameter Vmx Value 0.094 2 parameter kp3 Value 0.018
Оба варианта хранят альтернативные значения для Vmx и kp3 параметры. Вы должны задать их как входные параметры, когда вы создаете объект SimFunction.
Создайте объект SimFunction для сканирования вариантов.
variantScan = createSimFunction(m1,{'Vmx','kp3'},...
{'[Plasma Glu Conc]','[Plasma Ins Conc]'},'Dose');Симулируйте модель и постройте график результатов. Run 1 включите результаты симуляции низкой чувствительности к инсулину и Run 2 для высокой чувствительности к инсулину.
sbioplot(variantScan(varToScan,24,mealTable));
Низкая чувствительность к инсулину приводит к повышенной и длительной концентрации глюкозы в плазме.
Восстановите параметры предупреждения.
warning(warnSettings);
Этот пример показывает, как сканировать начальные количества вида из модели радиоактивного распада с реакцией первого порядка , где x и z являются видами и c - константа прямой скорости.
Загрузите образец проекта, содержащий модель radiodecay m1.
sbioloadproject radiodecay;Создайте SimFunction f объекта для сканирования начальных количеств видов x.
f = createSimFunction(m1,{'x'},{'x','z'},[])f =
SimFunction
Parameters:
Name Value Type Units
_____ _____ ___________ ____________
{'x'} 1000 {'species'} {'molecule'}
Observables:
Name Type Units
_____ ___________ ____________
{'x'} {'species'} {'molecule'}
{'z'} {'species'} {'molecule'}
Dosed: None
Задайте четыре различных начальных количества видов x для сканирования. Количество строк указывает общее количество симуляций, и в каждой симуляции используется значение параметров, заданное в каждой строке вектора.
phi = [200; 400; 600; 800];
Выполняйте симуляции до тех пор, пока время остановки не составит 20, и стройте график результатов симуляции.
sbioplot(f(phi, 20));
Этот пример показывает, как моделировать и сканировать параметр модели radiodecay во время дозировки вида.
Загрузите образец проекта, содержащий модель radiodecay m1.
sbioloadproject radiodecay;Создайте SimFunction f объекта установка параметров Reaction1.c подлежащих сканированию и видовых x в качестве дозированной мишени.
f = createSimFunction(m1,{'Reaction1.c'},{'x','z'},{'x'});Определяют скалярную дозу в количестве 200 молекул, вводимых в три временных точек (5, 10 и 15 секунд).
dosetime = [5 10 15];
dose = [200 200 200];
u = table(dosetime', dose');
u.Properties.VariableNames = {'Time','Amount'};
u.Properties.VariableUnits = {'second','molecule'};Задайте значения параметров для Reaction1.c для сканирования.
phi = [0.1 0.2 0.5]';
Симулируйте модель в течение 20 секунд и постройте график результатов.
sbioplot(f(phi,20,u));
Вы также можете задать различные суммарные дозы в разное время.
d1 = table(5,100);
d1.Properties.VariableNames = {'Time','Amount'};
d1.Properties.VariableUnits = {'second','molecule'};
d2 = table(10,300);
d2.Properties.VariableNames = {'Time','Amount'};
d2.Properties.VariableUnits = {'second','molecule'};
d3 = table(15,600);
d3.Properties.VariableNames = {'Time','Amount'};
d3.Properties.VariableUnits = {'second','molecule'};Симулируйте модель с помощью этих доз и постройте график результатов.
sbioplot(f(phi,20,{d1;d2;d3}));
Можно также задать массив ячеек из таблиц доз.
u = cell(3,1);
dosetime = [5 10 15];
dose = [200 200 200];
u{1} = table(dosetime',dose');
u{1}.Properties.VariableNames = {'Time','Amount'};
u{1}.Properties.VariableUnits = {'second','molecule'};
dosetime2 = [2 6 12];
dose2 = [500 500 500];
u{2} = table(dosetime2', dose2');
u{2}.Properties.VariableNames = {'Time','Amount'};
u{2}.Properties.VariableUnits = {'second','molecule'};
dosetime3 = [3 8 18];
dose3 = [100 100 100];
u{3} = table(dosetime3', dose3');
u{3}.Properties.VariableNames = {'Time','Amount'};
u{3}.Properties.VariableUnits = {'second','molecule'};Симулируйте модель с помощью таблиц доз и постройте график результатов.
sbioplot(f(phi,20,u));
[1] Gillespie, D.T. (1977). Точная стохастическая симуляция связанных химических реакций. Журнал физической химии. 81(25), 2340–2361.
createSimFunction | RepeatDose object | sbiosampleerror | sbiosampleparameters | ScheduleDose object | SimBiology.Scenarios | SimFunctionSensitivity object