量化化学反应网络推断中的结构不确定性

生物学中的动力系统十分复杂，人们往往无法全面了解其中涉及的相互作用。化学反应网络（CRN）推断旨在通过观察物种浓度随时间的变化，识别物种之间未知的反应。现有方法（如稀疏正则化）主要侧重于识别单一最可能的 CRN，而未处理网络结构的不确定性。然而，量化结构不确定性对于我们对推断和预测建立信心十分重要。在本工作中，我们探讨稀疏正则化方法在量化结构不确定性方面的有效性。稀疏正则化的局部最优解可映射到 CRN 结构；然而，目前尚不清楚该方法是否涵盖了所有合理的 CRN。我们发现，与常用的 lasso 正则化相比，使用非凸惩罚函数诱导稀疏性能够更好地覆盖合理的 CRN。为验证我们的方法，我们将其应用于真实数据示例，并能够同时恢复多个文献来源针对某一反应体系所提出的反应。我们对网络层面概率的强调，使得能够在 CRN 空间中对结构歧义进行一种新颖的层次化表示。这种表示可转化为现有数据所提示的替代反应通路，从而指导未来实验设计的工作。

中文由 AI 翻译，仅供参考，以原文为准。