Объект Create SimFunction
создает a F
= createSimFunction(model
,params
,observables
,dosed
)SimFunction object
F
то, что можно выполниться как указатель на функцию. params
и observables
аргументы задают вводы и выводы функционального F
когда это выполняется, и dosed
задает информацию о дозах разновидностей. Смотрите SimFunction
object
для получения дополнительной информации о том, как выполнить F
.
дополнительные опции использования заданы одним или несколькими F
= createSimFunction(___,Name,Value
)Name,Value
парные аргументы.
Примечание
Активные дозы и варианты модели проигнорированы когда F
выполняется.
F
является неизменяемым после того, как это будет создано.
F
автоматически ускоряется при первом функциональном выполнении, если вы не устанавливаете AutoAccelerate на false
. Вручную ускорьте объект, если вы хотите ускоренный в ваших приложениях развертывания.
model
— Модель SimBiologyМодель SimBiology в виде SimBiology model object
.
Функция использует тот же configset
настройки путем создания копии Configset
объект model
объект. Однако функция игнорирует следующий configset
настройки: StatesToLog
, OutputTimes
, StopTime
, и SensitivityAnalysisOptions
потому что эти настройки предоставляются другими входными параметрами функции.
params
— Входные параметры SimFunction F
{}
| SimBiology.Scenarios
объектВходные параметры SimFunction F
В виде вектора символов, массива ячеек из символьных векторов, массив пустой ячейки {}
, или SimBiology.Scenarios
объект. Векторы символов представляют имена количеств модели (разновидности, отсеки или параметры), которые задают входные параметры F
. Используйте массив пустой ячейки {}
или пустой Scenarios
объект SimBiology.Scenarios.empty()
создать a SimFunction object
это не имеет никаких параметров.
Чтобы однозначно назвать количество модели, используйте полностью определенное имя, которое включает имя отсека. Чтобы назвать ограниченный по объему реакцией параметр, используйте имя реакции, чтобы квалифицировать параметр. Если именем не является допустимый MATLAB® имя переменной, окружите его квадратными скобками, такими как [reaction 1].[parameter 1]
.
observables
— Выходные параметры SimFunction F
Выходные параметры SimFunction F
В виде вектора символов или массива ячеек из символьных векторов. Векторы символов представляют имена количеств модели (разновидности, отсеки или параметры) или observable
объекты, которые задают выходные параметры F
.
dosed
— Дозируемые разновидности или объекты дозы[]
Дозируемые разновидности или доза возражают в виде вектора символов, массива ячеек из символьных векторов, вектора из объектов дозы или пустого массива []
.
Если это - []
, никакие разновидности не дозируются в процессе моделирования, если вы не задаете Scenarios
объект, которому задали дозы в его записях.
Если это - массив ячеек из символьных векторов, это должно быть 1 N массивом, где N является количеством дозируемых имен разновидностей. Можно использовать дублирующиеся имена разновидностей, если вы планируете использовать несколько доз для тех же разновидностей, когда вы запускаете SimFunction F
. Только Используя дозируемые разновидности имена не содержит информации о свойствах дозы. Если у вас есть объект дозы, который содержит параметрированные свойства, такие как Amount
, используйте объект дозы, как введено вместо только имен разновидностей, чтобы передать такую информацию о параметре созданному SimFunction F
.
Если это - вектор из объектов дозы, это должно быть 1 N вектором, где N является количеством объектов дозы. Если объекты дозы имеют свойства с числовыми значениями не по умолчанию, эти значения проигнорированы, и предупреждение выдано. Только TargetName
, DurationParameterName
, LagParameterName
, и параметрированные свойства используются, чтобы создать объект SimFunction F
, то есть, чтобы задать Dosed
свойство F
. Для получения дополнительной информации, на как Dosed
таблица свойства заполняется, см. Сводные данные Свойства.
Информация о дозах, которую вы задаете во время создания SimFunction
объект должен быть сопоставим с информацией о дозах, которую вы задаете во время выполнения объекта. Другими словами, число элементов в Dosed
свойство SimFunction
F
должен равняться объединенному количеству доз во входе Scenarios
объект в phi
и дозы во входном параметре u
когда вы выполняете объект.
variants
— Альтернативные значения моделиАльтернативные значения модели в виде варианта или вектора из различных объектов. Эти значения применяются как базовые значения модели когда SimFunction
объект создается. Если существует несколько вариантов, относящихся к тому же элементу модели, последнее вхождение используется.
Задайте дополнительные разделенные запятой пары Name,Value
аргументы. Name
имя аргумента и Value
соответствующее значение. Name
должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN
.
'UseParallel',true
задает, чтобы выполнить SimFunction F
параллельно.UseParallel
— Отметьте, чтобы выполнить SimFunction F
параллельноfalse
(значение по умолчанию) | true
Отметьте, чтобы выполнить SimFunction F
параллельно в виде разделенной запятой пары, состоящей из 'UseParallel'
и true
или false
. Если true
и Parallel Computing Toolbox™ доступен, SimFunction F
выполняется параллельно.
Пример: 'UseParallel'
TRUE
AutoAccelerate
— Отметьте, чтобы ускорить модель на первой оценке SimFunction
true
(значение по умолчанию) | false
Отметьте, чтобы ускорить модель на первой оценке SimFunction
объект в виде разделенной запятой пары, состоящей из 'AutoAccelerate'
и true
или false
.
Установите значение к false
если у вас есть модель, которая быстра, чтобы симулировать, потому что ускорение модели могло занять больше времени, чем фактическая симуляция модели.
Пример: 'AutoAccelerate'
ложь
SensitivityOutputs
— Sensitivity факторы выхода{}
(значение по умолчанию) | массив ячеек из символьных векторов | 'all'
Sensitivity факторы выхода в виде разделенной запятой пары, состоящей из 'SensitivityOutputs'
и массив ячеек из символьных векторов. Векторы символов являются именами количеств модели (разновидности и параметры), для которого вы хотите вычислить чувствительность. Значением по умолчанию является {}
значение там не является никакими выходными факторами. Выходными факторами являются числители зависящих от времени производных, объясненных в Анализе чувствительности в SimBiology.
Используйте ключевое слово 'all'
или "all"
задавать все количества модели как чувствительность выходные параметры. Однако {'all'}
означает количество модели под названием all
в модели. ["all","x"]
устанавливает входные факторы чувствительности или выходные факторы к разновидностям под названием all
и x
.
Необходимо задать оба 'SensitivityOutputs'
и 'SensitivityInputs'
аргументы пары "имя-значение" для вычислений чувствительности.
Пример: 'SensitivityOutputs'
все
SensitivityInputs
— Факторы входа Sensitivity{}
(значение по умолчанию) | массив ячеек из символьных векторов | 'all'
Факторы входа Sensitivity в виде разделенной запятой пары, состоящей из 'SensitivityInputs'
и массив ячеек из символьных векторов. Векторы символов являются именами количеств модели (разновидности, отсеки и параметры), относительно которого вы хотите вычислить чувствительность. Значением по умолчанию является {}
значение никаких входных факторов. Входными факторами являются знаменатели зависящих от времени производных, объясненных в Анализе чувствительности в SimBiology.
Используйте ключевое слово 'all'
или "all"
задавать все количества модели как чувствительность выходные параметры. Однако {'all'}
означает количество модели под названием all
в модели. ["all","x"]
устанавливает вводы или выводы чувствительности на разновидности под названием all
и x
.
Необходимо задать оба 'SensitivityOutputs'
и 'SensitivityInputs'
аргументы пары "имя-значение" для вычислений чувствительности.
Пример: 'SensitivityInputs'
, {'Reaction1.c1','Reaction1.c2'}
SensitivityNormalization
— Нормализация для расчетной чувствительности'None'
(значение по умолчанию) | 'Half
| 'Full'
Нормализация для расчетной чувствительности в виде разделенной запятой пары, состоящей из 'SensitivityNormalization'
и 'None'
, 'Half'
, или 'Full'
.
'None'
— Никакая нормализация (значение по умолчанию)
'Half'
— Нормализация относительно числителя только
'Full'
— Полный dedimensionalization
Для получения дополнительной информации смотрите Normalization
.
Пример: 'SensitivityNormalization'
полный
F
— SimFunctionSimFunction
возразите | SimFunctionSensitivity
объектSimFunction, возвращенный как a SimFunction
object
или SimFunctionSensitivity
object
. Можно выполнить F
как указатель на функцию.
F
isa SimFunctionSensitivity
object
если вы задаете непустой 'SensitivityOutputs'
и 'SensitivityInputs'
аргументы в виде пар имя-значение.
Этот пример использует радиоактивную модель затухания с реакцией первого порядка , где x
и z
разновидности и c
постоянный форвардный курс.
Загрузите демонстрационный проект, содержащий радиоактивную модель m1
затухания.
sbioloadproject radiodecay;
Создайте a SimFunction object
, определение параметра Reaction1.c
быть отсканированным, и разновидности x
как выход функции без дозируемых разновидностей.
f = createSimFunction(m1, 'Reaction1.c','x', [])
f = SimFunction Parameters: Name Value Type Units _______________ _____ _____________ ____________ {'Reaction1.c'} 0.5 {'parameter'} {'1/second'} Observables: Name Type Units _____ ___________ ____________ {'x'} {'species'} {'molecule'} Dosed: None TimeUnits: second
Если UnitConversion
опция была установлена в false
когда SimFunction
объект f
был создан, таблица не показывает модули количеств модели.
Чтобы проиллюстрировать это, сначала установите UnitConversion
опция к false
.
cs = getconfigset(m1); cs.CompileOptions.UnitConversion = false;
Создайте SimFunction
возразите как прежде и примечание что переменная под названием Units
исчезает.
f = createSimFunction(m1, {'Reaction1.c'},{'x'}, [])
f = SimFunction Parameters: Name Value Type _______________ _____ _____________ {'Reaction1.c'} 0.5 {'parameter'} Observables: Name Type _____ ___________ {'x'} {'species'} Dosed: None
Если какая-либо из разновидностей в модели дозируется, задайте имена дозируемых разновидностей в качестве последнего аргумента. Например, если разновидности x
дозируется, задайте его в качестве последнего аргумента.
f = createSimFunction(m1, {'Reaction1.c'},{'x'}, 'x')
f = SimFunction Parameters: Name Value Type _______________ _____ _____________ {'Reaction1.c'} 0.5 {'parameter'} Observables: Name Type _____ ___________ {'x'} {'species'} Dosed: TargetName __________ {'x'}
Однажды SimFunction
объект создается, можно выполнить его как указатель на функцию и выполнить сканы параметра (параллельно, если Parallel Computing Toolbox™ доступен), симуляции Монте-Карло, и сканирует с несколькими или векторизованными дозами. Смотрите SimFunction object
для большего количества примеров.
Этот пример создает SimFunction
объект с информацией о дозах с помощью RepeatDose
или ScheduleDose
возразите или вектор из этих объектов. Однако, если какой-либо объект дозы содержит данные, такие как StartTime
, Amount
, и Rate
, такие данные проигнорированы, и предупреждение выдано. Только данными, при наличии, используемый является TargetName
, LagParameterName
, и DurationParameterName
из объекта дозы.
Загрузите демонстрационный проект, содержащий радиоактивную модель m1
затухания.
sbioloadproject radiodecay;
Создайте RepeatDose object
и задайте его свойства.
rdose = sbiodose('rd'); rdose.TargetName = 'x'; rdose.StartTime = 5; rdose.TimeUnits = 'second'; rdose.Amount = 300; rdose.AmountUnits = 'molecule'; rdose.Rate = 1; rdose.RateUnits = 'molecule/second'; rdose.Interval = 100; rdose.RepeatCount = 2;
Добавьте параметр задержки и параметр длительности к модели.
lagPara = addparameter(m1,'lp'); lagPara.Value = 1; lagPara.ValueUnits = 'second'; duraPara = addparameter(m1,'dp'); duraPara.Value = 1; duraPara.ValueUnits = 'second';
Установите эти параметры на объект дозы.
rdose.LagParameterName = 'lp'; rdose.DurationParameterName = 'dp';
Создайте SimFunction
объект f
использование RepeatDose
объект rdose
то, что вы только создали.
f = createSimFunction(m1,{'Reaction1.c'},{'x','z'},rdose)
Warning: Some Dose objects in DOSED had data. This data will be ignored. > In SimFunction>SimFunction.SimFunction at 847 In SimFunction>SimFunction.createSimFunction at 374 f = SimFunction Parameters: Name Value Type Units _____________ _____ ___________ __________ 'Reaction1.c' 0.5 'parameter' '1/second' Observables: Name Type Units ____ _________ __________ 'x' 'species' 'molecule' 'z' 'species' 'molecule' Dosed: TargetName TargetDimension __________ _______________________________ 'x' 'Amount(e.g. mole or molecule)' DurationParameterName DurationParameterValue _____________________ ______________________ 'dp' 1 DurationParameterUnits LagParameterName ______________________ ________________ 'second' 'lp' LagParameterValue LagParameterUnits _________________ _________________ 1 'second'
Предупреждающее сообщение появляется потому что rdose
объект содержит данные (StartTime
, Amount
, Rate
) это проигнорировано createSimFunction
метод.
В этом примере показано, как выполнить различные подписи SimFunction object
симулировать и отсканировать параметры Лотки - Вольтерры (добыча хищника) модель, описанная Гиллеспи [1].
Загрузите демонстрационный проект, содержащий модель m1
.
sbioloadproject lotka;
Создайте объект SimFunction f
с c1
и c2
как входные параметры, которые будут отсканированы, и y1
и y2
как выход функции без дозируемых разновидностей.
f = createSimFunction(m1,{'Reaction1.c1', 'Reaction2.c2'},{'y1', 'y2'}, [])
f = SimFunction Parameters: Name Value Type ________________ _____ _____________ {'Reaction1.c1'} 10 {'parameter'} {'Reaction2.c2'} 0.01 {'parameter'} Observables: Name Type ______ ___________ {'y1'} {'species'} {'y2'} {'species'} Dosed: None
Задайте входную матрицу, которая содержит значения для каждого параметра (c1
и c2
) для каждой симуляции. Количество строк указывает на общее количество симуляций, и каждая симуляция использует значения параметров, заданные в каждой строке.
phi = [10 0.01; 10 0.02];
Запустите симуляции, пока время остановки не равняется 5, и постройте результаты симуляции.
sbioplot(f(phi, 5));
Можно также задать вектор из различных времен остановки для каждой симуляции.
t_stop = [3;6]; sbioplot(f(phi, t_stop));
Затем задайте выходные времена как вектор.
t_output = 0:0.1:5; sbioplot(f(phi,[],[],t_output));
Задайте выходные времена как массив ячеек векторов.
t_output = {0:0.01:3, 0:0.2:6}; sbioplot(f(phi, [], [], t_output));
SimFunctionSensitivity
ОбъектВ этом примере показано, как вычислить чувствительность некоторых разновидностей в модели Лотки-Вольтерры с помощью SimFunctionSensitivity
объект.
Загрузите демонстрационный проект.
sbioloadproject lotka;
Задайте входные параметры.
params = {'Reaction1.c1', 'Reaction2.c2'};
Задайте наблюдаемые разновидности, которые являются выходными параметрами симуляции.
observables = {'y1', 'y2'};
Создайте SimFunctionSensitivity
объект. Установите чувствительность выходные факторы на все разновидности (y1
и y2
) заданный в observables
аргумент и входные факторы тем в params
аргумент (c1
и c2
) путем установки аргумента пары "имя-значение" 'all'
.
f = createSimFunction(m1,params,observables,[],'SensitivityOutputs','all','SensitivityInputs','all','SensitivityNormalization','Full')
f = SimFunction Parameters: Name Value Type ________________ _____ _____________ {'Reaction1.c1'} 10 {'parameter'} {'Reaction2.c2'} 0.01 {'parameter'} Observables: Name Type ______ ___________ {'y1'} {'species'} {'y2'} {'species'} Dosed: None Sensitivity Input Factors: Name Type ________________ _____________ {'Reaction1.c1'} {'parameter'} {'Reaction2.c2'} {'parameter'} Sensitivity Output Factors: Name Type ______ ___________ {'y1'} {'species'} {'y2'} {'species'} Sensitivity Normalization: Full
Вычислите чувствительность путем выполнения объекта с c1
и c2
установите на 10 и 0.1, соответственно. Установите выходные времена от 1 до 10. t
содержит моменты времени, y
содержит данные моделирования и sensMatrix
матрица чувствительности, содержащая чувствительность y1
и y2
относительно c1
и c2
.
[t,y,sensMatrix] = f([10,0.1],[],[],1:10);
Получите информацию о чувствительности в моменте времени 5.
temp = sensMatrix{:}; sensMatrix2 = temp(t{:}==5,:,:); sensMatrix2 = squeeze(sensMatrix2)
sensMatrix2 = 2×2
37.6987 -6.8447
-40.2791 5.8225
Строки sensMatrix2
представляйте выходные факторы (y1
и y2
). Столбцы представляют входные факторы (c1
и c2
).
Установите время остановки на 15, не задавая выходные времена. В этом случае выходные времена являются моментами времени решателя по умолчанию.
sd = f([10,0.1],15);
Получите расчетную чувствительность из SimData
объект sd
.
[t,y,outputs,inputs] = getsensmatrix(sd);
Постройте чувствительность разновидностей y1
и y2
относительно c1
.
figure; plot(t,y(:,:,1)); legend(outputs); title('Sensitivities of species y1 and y2 with respect to parameter c1'); xlabel('Time'); ylabel('Sensitivity');
Постройте чувствительность разновидностей y1
и y2
относительно c2
.
figure; plot(t,y(:,:,2)); legend(outputs); title('Sensitivities of species y1 and y2 with respect to parameter c2'); xlabel('Time'); ylabel('Sensitivity');
В качестве альтернативы можно использовать sbioplot
.
sbioplot(sd);
Можно также построить матрицу чувствительности использование интеграла времени для расчетной чувствительности y1
и y2
. График показывает y1
и y2
более чувствительны к c1
чем c2
.
[~, in, out] = size(y); result = zeros(in, out); for i = 1:in for j = 1:out result(i,j) = trapz(t(:),abs(y(:,i,j))); end end figure; hbar = bar(result); haxes = hbar(1).Parent; haxes.XTick = 1:length(outputs); haxes.XTickLabel = outputs; legend(inputs,'Location','NorthEastOutside'); ylabel('Sensitivity');
В этом примере показано, как симулировать ответы инсулина глюкозы для нормальных и диабетических предметов.
Загрузите модель ответа инсулина глюкозы. Для получения дополнительной информации о модели, смотрите раздел Background в Симуляции Ответа Инсулина Глюкозы.
sbioloadproject('insulindemo', 'm1')
Модель содержит различные начальные условия, сохраненные в различных вариантах.
variants = getvariant(m1);
Получите начальные условия для пациента диабетика типа 2.
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 kp1 Value 3.09 21 parameter kp2 Value 0.0007 22 parameter kp3 Value 0.005 23 parameter kp4 Value 0.0786 24 parameter ki Value 0.0066 25 parameter [Ins Ind Glu U... Value 1 26 parameter Vm0 Value 4.65 27 parameter Vmx Value 0.034 28 parameter Km Value 466.21 29 parameter p2U Value 0.084 30 parameter K Value 0.99 31 parameter alpha Value 0.013 32 parameter beta Value 0.05 33 parameter gamma Value 0.5 34 parameter ke1 Value 0.0007 35 parameter ke2 Value 269 36 parameter Basal Plasma G... Value 164.18 37 parameter Basal Plasma I... Value 54.81
Подавите информационное предупреждение, которое выдано во время симуляций.
warnSettings = warning('off','SimBiology:DimAnalysisNotDone_MatlabFcn_Dimensionless');
Создайте объекты SimFunction симулировать ответ инсулина глюкозы для нормальных и диабетических предметов.
Задайте пустой массив {}
для второго входного параметра, чтобы обозначить, что модель будет симулирована с помощью основных значений параметров (то есть, никакое сканирование параметра не будет выполняться).
Задайте плазменные концентрации глюкозы и инсулина как ответы (выходные параметры функции, которая будет построена).
Задайте разновидности Dose
как дозируемые разновидности. Эта разновидность 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)'} TimeUnits: hour
Для страдающего от диабета пациента задайте 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)'} TimeUnits: hour
Выберите дозу, которая представляет одну еду 78 граммов глюкозы в начале симуляции.
singleMeal = sbioselect(m1,'Name','Single Meal');
Преобразуйте информацию о дозах в формат таблицы.
mealTable = getTable(singleMeal);
Симулируйте ответ инсулина глюкозы для нормального предмета в течение 24 часов.
sbioplot(normSim([],24,mealTable));
Симулируйте ответ инсулина глюкозы для диабетического предмета в течение 24 часов.
sbioplot(diabSim([],24,mealTable));
Выполните использование скана варианты
Предположим, что вы хотите выполнить скан параметра с помощью массива вариантов, которые содержат различные начальные условия для различных ухудшений инсулина. Например, модель m1
имеет варианты, которые соответствуют низкой чувствительности инсулина и высокой чувствительности инсулина. Можно симулировать модель для обоих условий через один вызов объекта SimFunction.
Выберите варианты, чтобы отсканировать.
varToScan = sbioselect(m1,'Name',... {'Low insulin sensitivity','High insulin sensitivity'});
Проверяйте, 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. Необходимо задать их как входные параметры, когда вы создаете объект SimFunction.
Создайте объект SimFunction отсканировать варианты.
variantScan = createSimFunction(m1,{'Vmx','kp3'},... {'[Plasma Glu Conc]','[Plasma Ins Conc]'},'Dose');
Симулируйте модель и постройте результаты. Run 1
включайте результаты симуляции для низкой чувствительности инсулина и Run 2
для высокой чувствительности инсулина.
sbioplot(variantScan(varToScan,24,mealTable));
Низкая чувствительность инсулина приводит к увеличенной и продленной плазменной концентрации глюкозы.
Восстановите предупреждение настроек.
warning(warnSettings);
[1] Гиллеспи, D.T. (1977). Точная стохастическая симуляция двойных химических реакций. Журнал физической химии. 81 (25), 2340–2361.
Чтобы запуститься параллельно, установите 'UseParallel'
к true
.
Для получения дополнительной информации смотрите 'UseParallel'
аргумент пары "имя-значение".
SimBiology.Scenarios
| model object
| SimFunction object
| SimFunctionSensitivity object
| sbiosampleerror
| sbiosampleparameters
У вас есть модифицированная версия этого примера. Вы хотите открыть этот пример со своими редактированиями?
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.