Data-driven multi-agent modelling of calcium interactions in cell culture: PINN vs Regularized Least-squares
Created by
Haebom
저자
Aurora Poggi, Giuseppe Alessio D'Inverno, Hjalmar Brismar, Ozan Oktem, Matthieu Barreau, Kateryna Morozovska
개요
본 논문은 세포 배양에서 칼슘 신호 전달과 같은 생물학적 시스템의 역동성을 데이터 기반으로 발견하는 방법을 제시합니다. 기존 방법의 한계를 극복하는 SINDy (Sparse Identification of Non-Linear Dynamics) 와 같은 최신 기술을 활용하여, 교통 밀도 추정 및 제어 이론 분야에서 영감을 얻어 세포군에서 칼슘 전달의 특성 분석 및 성능 분석 방법론을 제안합니다. CRLSM (Constrained Regularized Least-Squares Method)과 PINN (Physics-Informed Neural Networks)의 성능을 비교하여 지배 미분 방정식(ODE)에 대한 시스템 식별 및 매개변수 발견을 수행합니다. 실험 결과 CRLSM은 합의 문제에서 학습된 매개변수를 사용할 때 상당히 좋은 매개변수 추정치와 데이터 적합도를 달성하지만, PINN은 CRLSM의 성능에 미치지 못하고 현재 설정에서는 적절한 매개변수 추정을 제공하지 못했습니다. 향후 하이퍼파라미터 조정 및 불확실성 정량화를 통해 PINN의 성능을 개선할 수 있을 것으로 예상됩니다.
시사점, 한계점
•
시사점:
◦
CRLSM을 이용한 생물학적 시스템 역동성 분석의 효용성을 확인.
◦
세포 내 칼슘 전달 특성 분석을 위한 새로운 방법론 제시.
◦
SINDy를 활용한 데이터 기반 시스템 식별 가능성 제시.
•
한계점:
◦
PINN의 성능이 CRLSM에 비해 낮았으며, 추가적인 하이퍼파라미터 조정 및 불확실성 정량화가 필요.
