getEntry

Получите содержимое записи от SimBiology.Scenarios объект

Описание

пример

entryStruct = getEntry(sObj,entryNameOrIndex) возвращает структуру, содержащую содержимое записи (или подзаписи) заданный entryNameOrIndex.

пример

entryStruct = getEntry(sObj,entryIndex,subIndex) возвращает структуру, содержащую содержимое подзаписи, заданной entryIndex и subIndex.

Примеры

свернуть все

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 значения параметров и начальные условия, который представляет различные ухудшения инсулина (такие как диабет 2 типа, низкая чувствительность инсулина, и так далее) сохраненный в пяти вариантах.

variants = getvariant(m1)
variants = 
   SimBiology Variant Array

   Index:  Name:             Active:
   1       Type 2 diabetic   false
   2       Low insulin se... false
   3       High beta cell... false
   4       Low beta cell ... false
   5       High insulin s... false

Подавите информационное предупреждение, которое выдано во время симуляций.

warnSettings = warning('off','SimBiology:DimAnalysisNotDone_MatlabFcn_Dimensionless');

Выберите дозу, которая представляет одну еду 78 граммов глюкозы.

singleMeal = sbioselect(m1,'Name','Single Meal');

Создайте Scenarios объект представлять различные начальные условия, объединенные дозой. Таким образом, создайте scenario возразите, где каждый вариант соединен (или объединен) с дозой, для в общей сложности пяти сценариев симуляции.

sObj = SimBiology.Scenarios;
add(sObj,'cartesian','variants',variants);
add(sObj,'cartesian','dose',singleMeal)
ans = 
  Scenarios (5 scenarios)

                   Name            Content          Number
                 ________    ___________________    ______

    Entry 1      variants    SimBiology variants      5   
    x Entry 2    dose        SimBiology dose          1   

  See also Expression property.

sObj содержит две записи. Используйте generate функционируйте, чтобы объединить записи и сгенерировать пять сценариев. Функция возвращает таблицу сценариев, где каждая строка представляет сценарий, и каждый столбец представляет запись Scenarios объект.

scenariosTbl = generate(sObj)
scenariosTbl=5×2 table
           variants                     dose           
    ______________________    _________________________

    1x1 SimBiology.Variant    1x1 SimBiology.RepeatDose
    1x1 SimBiology.Variant    1x1 SimBiology.RepeatDose
    1x1 SimBiology.Variant    1x1 SimBiology.RepeatDose
    1x1 SimBiology.Variant    1x1 SimBiology.RepeatDose
    1x1 SimBiology.Variant    1x1 SimBiology.RepeatDose

Поменяйте имя записи первой записи.

rename(sObj,1,'Insulin Impairements')
ans = 
  Scenarios (5 scenarios)

                         Name                  Content          Number
                 ____________________    ___________________    ______

    Entry 1      Insulin Impairements    SimBiology variants      5   
    x Entry 2    dose                    SimBiology dose          1   

  See also Expression property.

Создайте SimFunction объект симулировать сгенерированные сценарии. Используйте Scenarios возразите как вход и задайте плазменные концентрации глюкозы и инсулина как reponses (выходные параметры функции, которая будет построена). Задайте [] для входного параметра дозы начиная с Scenarios объект уже имеет информацию о дозах.

f = createSimFunction(m1,sObj,{'[Plasma Glu Conc]','[Plasma Ins Conc]'},[])
f = 
SimFunction

Parameters:

              Name               Value         Type                            Units                   
    _________________________    ______    _____________    ___________________________________________

    {'Plasma Volume (Glu)'  }      1.88    {'parameter'}    {'deciliter'                              }
    {'k1'                   }     0.065    {'parameter'}    {'1/minute'                               }
    {'k2'                   }     0.079    {'parameter'}    {'1/minute'                               }
    {'Plasma Volume (Ins)'  }      0.05    {'parameter'}    {'liter'                                  }
    {'m1'                   }      0.19    {'parameter'}    {'1/minute'                               }
    {'m2'                   }     0.484    {'parameter'}    {'1/minute'                               }
    {'m4'                   }    0.1936    {'parameter'}    {'1/minute'                               }
    {'m5'                   }    0.0304    {'parameter'}    {'minute/picomole'                        }
    {'m6'                   }    0.6469    {'parameter'}    {'dimensionless'                          }
    {'Hepatic Extraction'   }       0.6    {'parameter'}    {'dimensionless'                          }
    {'kmax'                 }    0.0558    {'parameter'}    {'1/minute'                               }
    {'kmin'                 }     0.008    {'parameter'}    {'1/minute'                               }
    {'kabs'                 }    0.0568    {'parameter'}    {'1/minute'                               }
    {'kgri'                 }         0    {'parameter'}    {'1/minute'                               }
    {'f'                    }       0.9    {'parameter'}    {'dimensionless'                          }
    {'a'                    }         0    {'parameter'}    {'1/milligram'                            }
    {'b'                    }      0.82    {'parameter'}    {'dimensionless'                          }
    {'c'                    }         0    {'parameter'}    {'1/milligram'                            }
    {'d'                    }      0.01    {'parameter'}    {'dimensionless'                          }
    {'kp1'                  }       2.7    {'parameter'}    {'milligram/minute'                       }
    {'kp2'                  }    0.0021    {'parameter'}    {'1/minute'                               }
    {'kp3'                  }     0.009    {'parameter'}    {'(milligram/minute)/(picomole/liter)'    }
    {'kp4'                  }    0.0618    {'parameter'}    {'(milligram/minute)/picomole'            }
    {'ki'                   }    0.0079    {'parameter'}    {'1/minute'                               }
    {'[Ins Ind Glu Util]'   }         1    {'parameter'}    {'milligram/minute'                       }
    {'Vm0'                  }    2.5129    {'parameter'}    {'milligram/minute'                       }
    {'Vmx'                  }     0.047    {'parameter'}    {'(milligram/minute)/(picomole/liter)'    }
    {'Km'                   }    225.59    {'parameter'}    {'milligram'                              }
    {'p2U'                  }    0.0331    {'parameter'}    {'1/minute'                               }
    {'K'                    }      2.28    {'parameter'}    {'picomole/(milligram/deciliter)'         }
    {'alpha'                }      0.05    {'parameter'}    {'1/minute'                               }
    {'beta'                 }      0.11    {'parameter'}    {'(picomole/minute)/(milligram/deciliter)'}
    {'gamma'                }       0.5    {'parameter'}    {'1/minute'                               }
    {'ke1'                  }    0.0005    {'parameter'}    {'1/minute'                               }
    {'ke2'                  }       339    {'parameter'}    {'milligram'                              }
    {'Basal Plasma Glu Conc'}     91.76    {'parameter'}    {'milligram/deciliter'                    }
    {'Basal Plasma Ins Conc'}     25.49    {'parameter'}    {'picomole/liter'                         }

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

Симулируйте модель в течение 24 часов и постройте данные моделирования. Данные содержат пять запусков, где каждый запуск представляет сценарий в объекте Scenarios.

sd = f(sObj,24);
sbioplot(sd)

Figure contains an axes object. The axes object with title States versus Time contains 10 objects of type line. These objects represent Run 1 - Glucose appearance.Plasma Glu Conc, Run 1 - Insulin secretion.Plasma Ins Conc, Run 2 - Glucose appearance.Plasma Glu Conc, Run 2 - Insulin secretion.Plasma Ins Conc, Run 3 - Glucose appearance.Plasma Glu Conc, Run 3 - Insulin secretion.Plasma Ins Conc, Run 4 - Glucose appearance.Plasma Glu Conc, Run 4 - Insulin secretion.Plasma Ins Conc, Run 5 - Glucose appearance.Plasma Glu Conc, Run 5 - Insulin secretion.Plasma Ins Conc.

ans = 
  Axes (SbioPlot) with properties:

             XLim: [0 25]
             YLim: [0 450]
           XScale: 'linear'
           YScale: 'linear'
    GridLineStyle: '-'
         Position: [0.0744 0.1100 0.3901 0.8150]
            Units: 'normalized'

  Show all properties

Если у вас есть Statistics and Machine Learning Toolbox™, можно также чертить демонстрационные значения для количеств модели от различных вероятностных распределений. Например, предположите что параметры Vmx и kp3, которые известны низкой и высокой чувствительностью инсулина, следуют за логарифмически нормальным распределением. Можно сгенерировать демонстрационные значения для этих параметров от такого распределения и выполнить скан, чтобы исследовать поведение модели.

Задайте логарифмически нормальный объект вероятностного распределения для Vmx.

pd_Vmx = makedist('lognormal')
pd_Vmx = 
  LognormalDistribution

  Lognormal distribution
       mu = 0
    sigma = 1

По определению, параметр mu среднее значение логарифмических значений. Чтобы варьироваться значение параметров вокруг основного значения (модели) параметра, установите mu к log(model_value). Установите стандартное отклонение (сигма) на 0,2. Для маленького значения сигмы среднее значение логарифмически нормального distribtion приблизительно равно log(model_value). Для получения дополнительной информации смотрите Логарифмически нормальное Распределение (Statistics and Machine Learning Toolbox).

Vmx = sbioselect(m1,'Name','Vmx');
pd_Vmx.mu = log(Vmx.Value);
pd_Vmx.sigma = 0.2
pd_Vmx = 
  LognormalDistribution

  Lognormal distribution
       mu = -3.05761
    sigma =      0.2

Так же задайте вероятностное распределение для kp3.

pd_kp3 = makedist('lognormal');
kp3 = sbioselect(m1,'Name','kp3');
pd_kp3.mu = log(kp3.Value);
pd_kp3.sigma = 0.2
pd_kp3 = 
  LognormalDistribution

  Lognormal distribution
       mu = -4.71053
    sigma =      0.2

Теперь задайте объединенное вероятностное распределение, чтобы чертить демонстрационные значения для Vmx и kp3 с порядковой корреляцией, чтобы задать некоторую корреляцию между этими двумя параметрами. Обратите внимание на то, что это предположение корреляции в целях рисунка этого примера только и не может быть биологически релевантным.

Сначала удалите запись вариантов (запись 1) от sObj.

remove(sObj,1)
ans = 
  Scenarios (1 scenarios)

               Name        Content        Number
               ____    _______________    ______

    Entry 1    dose    SimBiology dose      1   

  See also Expression property.

Добавьте запись, которая задает объединенное вероятностное распределение с матрицей порядковой корреляции.

add(sObj,'cartesian',["Vmx","kp3"],[pd_Vmx, pd_kp3],'RankCorrelation',[1,0.5;0.5,1])
ans = 
  Scenarios (2 scenarios)

                    Name           Content              Number   
                    ____    ______________________    ___________

    Entry 1         dose    SimBiology dose           1          
    x (Entry 2.1    Vmx     Lognormal distribution    2 (default)
    + Entry 2.2)    kp3     Lognormal distribution    2 (default)

  See also Expression property.

По умолчанию количество отсчетов, чтобы чертить от совместного распределения установлено в 2. Увеличьте количество отсчетов.

updateEntry(sObj,2,'Number',50)
ans = 
  Scenarios (50 scenarios)

                    Name           Content            Number
                    ____    ______________________    ______

    Entry 1         dose    SimBiology dose             1   
    x (Entry 2.1    Vmx     Lognormal distribution      50  
    + Entry 2.2)    kp3     Lognormal distribution      50  

  See also Expression property.

Проверьте что Scenarios объект может быть симулирован с моделью. verify функционируйте выдает ошибку, если какая-либо запись не решает исключительно к объекту в модели, или содержимое записи имеет противоречивые длины (объемы выборки). Функция выдает предупреждение, если многократные въезды решают к тому же объекту в модели.

verify(sObj,m1)

Сгенерируйте сценарии симуляции. Постройте демонстрационные значения с помощью plotmatrix. Вы видите значение Vmx варьируется вокруг его значения модели 0.047 и тот из kp3 приблизительно 0,009.

sTbl = generate(sObj);
[s,ax,bigax,h,hax] = plotmatrix([sTbl.Vmx,sTbl.kp3]);
ax(1,1).YLabel.String = "Vmx";
ax(2,1).YLabel.String = "kp3";
ax(2,1).XLabel.String = "Vmx";
ax(2,2).XLabel.String = "kp3";

MATLAB figure

Симулируйте сценарии с помощью того же SimFunction, который вы создали ранее. Вы не должны создавать новый объект SimFunction даже при том, что объект Scenarios был обновлен.

sd2 = f(sObj,24);
sbioplot(sd2);

Figure contains an axes object. The axes object with title States versus Time contains 100 objects of type line. These objects represent Run 1 - Glucose appearance.Plasma Glu Conc, Run 1 - Insulin secretion.Plasma Ins Conc, Run 2 - Glucose appearance.Plasma Glu Conc, Run 2 - Insulin secretion.Plasma Ins Conc, Run 3 - Glucose appearance.Plasma Glu Conc, Run 3 - Insulin secretion.Plasma Ins Conc, Run 4 - Glucose appearance.Plasma Glu Conc, Run 4 - Insulin secretion.Plasma Ins Conc, Run 5 - Glucose appearance.Plasma Glu Conc, Run 5 - Insulin secretion.Plasma Ins Conc, Run 6 - Glucose appearance.Plasma Glu Conc, Run 6 - Insulin secretion.Plasma Ins Conc, Run 7 - Glucose appearance.Plasma Glu Conc, Run 7 - Insulin secretion.Plasma Ins Conc, Run 8 - Glucose appearance.Plasma Glu Conc, Run 8 - Insulin secretion.Plasma Ins Conc, Run 9 - Glucose appearance.Plasma Glu Conc, Run 9 - Insulin secretion.Plasma Ins Conc, Run 10 - Glucose appearance.Plasma Glu Conc, Run 10 - Insulin secretion.Plasma Ins Conc, Run 11 - Glucose appearance.Plasma Glu Conc, Run 11 - Insulin secretion.Plasma Ins Conc, Run 12 - Glucose appearance.Plasma Glu Conc, Run 12 - Insulin secretion.Plasma Ins Conc, Run 13 - Glucose appearance.Plasma Glu Conc, Run 13 - Insulin secretion.Plasma Ins Conc, Run 14 - Glucose appearance.Plasma Glu Conc, Run 14 - Insulin secretion.Plasma Ins Conc, Run 15 - Glucose appearance.Plasma Glu Conc, Run 15 - Insulin secretion.Plasma Ins Conc, Run 16 - Glucose appearance.Plasma Glu Conc, Run 16 - Insulin secretion.Plasma Ins Conc, Run 17 - Glucose appearance.Plasma Glu Conc, Run 17 - Insulin secretion.Plasma Ins Conc, Run 18 - Glucose appearance.Plasma Glu Conc, Run 18 - Insulin secretion.Plasma Ins Conc, Run 19 - Glucose appearance.Plasma Glu Conc, Run 19 - Insulin secretion.Plasma Ins Conc, Run 20 - Glucose appearance.Plasma Glu Conc, Run 20 - Insulin secretion.Plasma Ins Conc, Run 21 - Glucose appearance.Plasma Glu Conc, Run 21 - Insulin secretion.Plasma Ins Conc, Run 22 - Glucose appearance.Plasma Glu Conc, Run 22 - Insulin secretion.Plasma Ins Conc, Run 23 - Glucose appearance.Plasma Glu Conc, Run 23 - Insulin secretion.Plasma Ins Conc, Run 24 - Glucose appearance.Plasma Glu Conc, Run 24 - Insulin secretion.Plasma Ins Conc, Run 25 - Glucose appearance.Plasma Glu Conc, Run 25 - Insulin secretion.Plasma Ins Conc, Run 26 - Glucose appearance.Plasma Glu Conc, Run 26 - Insulin secretion.Plasma Ins Conc, Run 27 - Glucose appearance.Plasma Glu Conc, Run 27 - Insulin secretion.Plasma Ins Conc, Run 28 - Glucose appearance.Plasma Glu Conc, Run 28 - Insulin secretion.Plasma Ins Conc, Run 29 - Glucose appearance.Plasma Glu Conc, Run 29 - Insulin secretion.Plasma Ins Conc, Run 30 - Glucose appearance.Plasma Glu Conc, Run 30 - Insulin secretion.Plasma Ins Conc, Run 31 - Glucose appearance.Plasma Glu Conc, Run 31 - Insulin secretion.Plasma Ins Conc, Run 32 - Glucose appearance.Plasma Glu Conc, Run 32 - Insulin secretion.Plasma Ins Conc, Run 33 - Glucose appearance.Plasma Glu Conc, Run 33 - Insulin secretion.Plasma Ins Conc, Run 34 - Glucose appearance.Plasma Glu Conc, Run 34 - Insulin secretion.Plasma Ins Conc, Run 35 - Glucose appearance.Plasma Glu Conc, Run 35 - Insulin secretion.Plasma Ins Conc, Run 36 - Glucose appearance.Plasma Glu Conc, Run 36 - Insulin secretion.Plasma Ins Conc, Run 37 - Glucose appearance.Plasma Glu Conc, Run 37 - Insulin secretion.Plasma Ins Conc, Run 38 - Glucose appearance.Plasma Glu Conc, Run 38 - Insulin secretion.Plasma Ins Conc, Run 39 - Glucose appearance.Plasma Glu Conc, Run 39 - Insulin secretion.Plasma Ins Conc, Run 40 - Glucose appearance.Plasma Glu Conc, Run 40 - Insulin secretion.Plasma Ins Conc, Run 41 - Glucose appearance.Plasma Glu Conc, Run 41 - Insulin secretion.Plasma Ins Conc, Run 42 - Glucose appearance.Plasma Glu Conc, Run 42 - Insulin secretion.Plasma Ins Conc, Run 43 - Glucose appearance.Plasma Glu Conc, Run 43 - Insulin secretion.Plasma Ins Conc, Run 44 - Glucose appearance.Plasma Glu Conc, Run 44 - Insulin secretion.Plasma Ins Conc, Run 45 - Glucose appearance.Plasma Glu Conc, Run 45 - Insulin secretion.Plasma Ins Conc, Run 46 - Glucose appearance.Plasma Glu Conc, Run 46 - Insulin secretion.Plasma Ins Conc, Run 47 - Glucose appearance.Plasma Glu Conc, Run 47 - Insulin secretion.Plasma Ins Conc, Run 48 - Glucose appearance.Plasma Glu Conc, Run 48 - Insulin secretion.Plasma Ins Conc, Run 49 - Glucose appearance.Plasma Glu Conc, Run 49 - Insulin secretion.Plasma Ins Conc, Run 50 - Glucose appearance.Plasma Glu Conc, Run 50 - Insulin secretion.Plasma Ins Conc.

По умолчанию SimBiology использует случайный метод выборки. Можно изменить его в латинскую выборку гиперкуба (или sobol или Холтон) для более систематического заполняющего пространство подхода.

entry2struct = getEntry(sObj,2)
entry2struct = struct with fields:
               Name: {'Vmx'  'kp3'}
            Content: [2x1 prob.LognormalDistribution]
             Number: 50
    RankCorrelation: [2x2 double]
         Covariance: []
     SamplingMethod: 'random'
    SamplingOptions: [0x0 struct]

entry2struct.SamplingMethod = 'lhs'
entry2struct = struct with fields:
               Name: {'Vmx'  'kp3'}
            Content: [2x1 prob.LognormalDistribution]
             Number: 50
    RankCorrelation: [2x2 double]
         Covariance: []
     SamplingMethod: 'lhs'
    SamplingOptions: [0x0 struct]

Можно теперь использовать обновленную структуру, чтобы изменить запись 2.

updateEntry(sObj,2,entry2struct)
ans = 
  Scenarios (50 scenarios)

                    Name           Content            Number
                    ____    ______________________    ______

    Entry 1         dose    SimBiology dose             1   
    x (Entry 2.1    Vmx     Lognormal distribution      50  
    + Entry 2.2)    kp3     Lognormal distribution      50  

  See also Expression property.

Визуализируйте демонстрационные значения.

sTbl2 = generate(sObj);
[s,ax,bigax,h,hax] = plotmatrix([sTbl2.Vmx,sTbl2.kp3]);
ax(1,1).YLabel.String = "Vmx";
ax(2,1).YLabel.String = "kp3";
ax(2,1).XLabel.String = "Vmx";
ax(2,2).XLabel.String = "kp3";

MATLAB figure

Симулируйте сценарии.

sd3 = f(sObj,24);
sbioplot(sd3);

Figure contains an axes object. The axes object with title States versus Time contains 100 objects of type line. These objects represent Run 1 - Glucose appearance.Plasma Glu Conc, Run 1 - Insulin secretion.Plasma Ins Conc, Run 2 - Glucose appearance.Plasma Glu Conc, Run 2 - Insulin secretion.Plasma Ins Conc, Run 3 - Glucose appearance.Plasma Glu Conc, Run 3 - Insulin secretion.Plasma Ins Conc, Run 4 - Glucose appearance.Plasma Glu Conc, Run 4 - Insulin secretion.Plasma Ins Conc, Run 5 - Glucose appearance.Plasma Glu Conc, Run 5 - Insulin secretion.Plasma Ins Conc, Run 6 - Glucose appearance.Plasma Glu Conc, Run 6 - Insulin secretion.Plasma Ins Conc, Run 7 - Glucose appearance.Plasma Glu Conc, Run 7 - Insulin secretion.Plasma Ins Conc, Run 8 - Glucose appearance.Plasma Glu Conc, Run 8 - Insulin secretion.Plasma Ins Conc, Run 9 - Glucose appearance.Plasma Glu Conc, Run 9 - Insulin secretion.Plasma Ins Conc, Run 10 - Glucose appearance.Plasma Glu Conc, Run 10 - Insulin secretion.Plasma Ins Conc, Run 11 - Glucose appearance.Plasma Glu Conc, Run 11 - Insulin secretion.Plasma Ins Conc, Run 12 - Glucose appearance.Plasma Glu Conc, Run 12 - Insulin secretion.Plasma Ins Conc, Run 13 - Glucose appearance.Plasma Glu Conc, Run 13 - Insulin secretion.Plasma Ins Conc, Run 14 - Glucose appearance.Plasma Glu Conc, Run 14 - Insulin secretion.Plasma Ins Conc, Run 15 - Glucose appearance.Plasma Glu Conc, Run 15 - Insulin secretion.Plasma Ins Conc, Run 16 - Glucose appearance.Plasma Glu Conc, Run 16 - Insulin secretion.Plasma Ins Conc, Run 17 - Glucose appearance.Plasma Glu Conc, Run 17 - Insulin secretion.Plasma Ins Conc, Run 18 - Glucose appearance.Plasma Glu Conc, Run 18 - Insulin secretion.Plasma Ins Conc, Run 19 - Glucose appearance.Plasma Glu Conc, Run 19 - Insulin secretion.Plasma Ins Conc, Run 20 - Glucose appearance.Plasma Glu Conc, Run 20 - Insulin secretion.Plasma Ins Conc, Run 21 - Glucose appearance.Plasma Glu Conc, Run 21 - Insulin secretion.Plasma Ins Conc, Run 22 - Glucose appearance.Plasma Glu Conc, Run 22 - Insulin secretion.Plasma Ins Conc, Run 23 - Glucose appearance.Plasma Glu Conc, Run 23 - Insulin secretion.Plasma Ins Conc, Run 24 - Glucose appearance.Plasma Glu Conc, Run 24 - Insulin secretion.Plasma Ins Conc, Run 25 - Glucose appearance.Plasma Glu Conc, Run 25 - Insulin secretion.Plasma Ins Conc, Run 26 - Glucose appearance.Plasma Glu Conc, Run 26 - Insulin secretion.Plasma Ins Conc, Run 27 - Glucose appearance.Plasma Glu Conc, Run 27 - Insulin secretion.Plasma Ins Conc, Run 28 - Glucose appearance.Plasma Glu Conc, Run 28 - Insulin secretion.Plasma Ins Conc, Run 29 - Glucose appearance.Plasma Glu Conc, Run 29 - Insulin secretion.Plasma Ins Conc, Run 30 - Glucose appearance.Plasma Glu Conc, Run 30 - Insulin secretion.Plasma Ins Conc, Run 31 - Glucose appearance.Plasma Glu Conc, Run 31 - Insulin secretion.Plasma Ins Conc, Run 32 - Glucose appearance.Plasma Glu Conc, Run 32 - Insulin secretion.Plasma Ins Conc, Run 33 - Glucose appearance.Plasma Glu Conc, Run 33 - Insulin secretion.Plasma Ins Conc, Run 34 - Glucose appearance.Plasma Glu Conc, Run 34 - Insulin secretion.Plasma Ins Conc, Run 35 - Glucose appearance.Plasma Glu Conc, Run 35 - Insulin secretion.Plasma Ins Conc, Run 36 - Glucose appearance.Plasma Glu Conc, Run 36 - Insulin secretion.Plasma Ins Conc, Run 37 - Glucose appearance.Plasma Glu Conc, Run 37 - Insulin secretion.Plasma Ins Conc, Run 38 - Glucose appearance.Plasma Glu Conc, Run 38 - Insulin secretion.Plasma Ins Conc, Run 39 - Glucose appearance.Plasma Glu Conc, Run 39 - Insulin secretion.Plasma Ins Conc, Run 40 - Glucose appearance.Plasma Glu Conc, Run 40 - Insulin secretion.Plasma Ins Conc, Run 41 - Glucose appearance.Plasma Glu Conc, Run 41 - Insulin secretion.Plasma Ins Conc, Run 42 - Glucose appearance.Plasma Glu Conc, Run 42 - Insulin secretion.Plasma Ins Conc, Run 43 - Glucose appearance.Plasma Glu Conc, Run 43 - Insulin secretion.Plasma Ins Conc, Run 44 - Glucose appearance.Plasma Glu Conc, Run 44 - Insulin secretion.Plasma Ins Conc, Run 45 - Glucose appearance.Plasma Glu Conc, Run 45 - Insulin secretion.Plasma Ins Conc, Run 46 - Glucose appearance.Plasma Glu Conc, Run 46 - Insulin secretion.Plasma Ins Conc, Run 47 - Glucose appearance.Plasma Glu Conc, Run 47 - Insulin secretion.Plasma Ins Conc, Run 48 - Glucose appearance.Plasma Glu Conc, Run 48 - Insulin secretion.Plasma Ins Conc, Run 49 - Glucose appearance.Plasma Glu Conc, Run 49 - Insulin secretion.Plasma Ins Conc, Run 50 - Glucose appearance.Plasma Glu Conc, Run 50 - Insulin secretion.Plasma Ins Conc.

Восстановите предупреждение настроек.

warning(warnSettings);

Входные параметры

свернуть все

Сценарии симуляции в виде SimBiology.Scenarios объект.

Имя записи или индекс в виде вектора символов, строки или скалярного положительного целого числа. Можно также задать имя подзаписи.

Если вы задаете индекс, это должно быть меньшим, чем или равным количеству записей в объекте.

Типы данных: double | char | string

Индекс записи в виде скалярного положительного целого числа. Индекс записи должен быть меньшим, чем или равным количеству записей в объекте.

Типы данных: double

Подындекс записи в виде скалярного положительного целого числа. Подындекс должен быть меньшим, чем или равным количеству подзаписей в записи.

Типы данных: double

Выходные аргументы

свернуть все

Сценарии симуляции, возвращенные как Scenarios объект.

Выход entryStruct имеет следующие поля:

  • Name – Вектор символов или массив ячеек из символьных векторов, задающий имена записей.

  • Content – Вектор из числовых значений, объектов дозы, различных объектов или объектов вероятностного распределения.

Если вы запрашиваете случайную запись выборки, не задавая подзапись, или если случайные ссылки записи выборки только один компонент модели, entryStruct имеет следующие дополнительные поля:

  • Number – Количество отсчетов чертится от распределения. Если этим полем является пустой [], количество отсчетов выведено из других записей. Значение по умолчанию равняется 2.

  • RankCorrelation – Матрица порядковой корреляции. Этим полем является пустой [] если никакая корреляционная матрица не задана.

  • Covariance – Ковариационная матрица. Этим полем является пустой [] если никакая ковариационная матрица не задана.

  • SamplingMethod – Вектор символов, задающий метод выборки. Значения:

    • 'random' – Случайная выборка (значение по умолчанию).

    • 'lhs' – Латинская выборка гиперкуба.

    • 'copula' – Многомерная выборка с помощью связки.

    • 'sobol' – Квазислучайная выборка Sobol установлена.

    • 'halton' – Квазислучайная выборка Холтона установлена.

    Для получения дополнительной информации см. Методы Выборки.

Введенный в R2019b
Для просмотра документации необходимо авторизоваться на сайте