SimBiology позволяет вам оценить параметры модели, подгоняя модель к экспериментальным данным о течении времени, используя методы нелинейной регрессии или смешанных эффектов (NLME). Можно выполнить как индивидуальную, так и популяционную аппроксимацию сгруппированных данных.
Индивидуальная подгонка - Подгонка данных с использованием нелинейных методов регрессии (методом наименьших квадратов), задание преобразований параметров, оценка параметров и вычисление невязок и оценочной ковариационной матрицы коэффициента. Рабочий процесс командной строки см. в разделе Рабочий процесс модели для sbiofit. Для рабочего процесса приложения смотрите Вычисление параметров NCA и Подгонка модели к данным PK/PD с использованием приложения SimBiology Model Analyzer.
Подгонка населения - подгонка данных, задание преобразований параметров и оценка фиксированных эффектов и случайных источников изменения параметров с помощью нелинейных моделей смешанных эффектов. Рабочий процесс командной строки см. в разделе «Нелинейное моделирование смешанных эффектов».
Аппроксимация населения с помощью стохастического алгоритма - Подгонка данных, задание преобразований параметров и оценка фиксированных эффектов и случайных источников изменения параметров, с помощью алгоритма Стохастического приближения Ожидание-Максимизация (SAEM). SAEM является более устойчивым по отношению к начальным значениям. Эта функциональность расслабляет допущение постоянного отклонения ошибок. Определить nlmefitsa как имя функции оценки, когда вы запускаете sbiofitmixed или выберите mixed effects using stochastic solver в Statistical Modeling разделе программы Fit Data в приложении SimBiology Model Analyzer.
В сложение можно включить опцию ProgressPlot, чтобы получить прямой отзыв о состоянии оценки параметра.
