使用卡尔曼滤波器分析时程数据的制作方法

摘要: 本公开涉及数据分析。更具体地,本公开涉及使用卡尔曼滤波器对与多种生物学参数相关联的生物学数据进行分析。背景技术:1、生物学中的实验设计带来了一系列独特的挑战,这...
使用卡尔曼滤波器分析时程数据的制作方法

本公开涉及数据分析。更具体地,本公开涉及使用卡尔曼滤波器对与多种生物学参数相关联的生物学数据进行分析。

背景技术:

1、生物学中的实验设计带来了一系列独特的挑战,这与其他科学学科不同,这主要归因于生物学系统固有的复杂性和变异性。根本性难点之一在于生物受试者的固有的变异性。与在类似物理学或化学领域中使用的无生命受试者不同,生物实体,无论它们是细胞、植物、动物还是生态系统,在它们对实验条件的响应上均表现出高度的变异性。这种变异性可源于遗传差异、环境影响或两者的组合。因此,控制所有潜在的变量,并确保实验结果取决于实验处理而非一些未受控的因素,变得具有挑战性。

2、另一个重大挑战是开展实验时的伦理和实际限制,尤其是在实验涉及活生物体时。在许多情况下,特别是在医学或兽医研究中,有严格的伦理准则限制可开展的实验类型以及可检查的研究受试者的数量。这些限制对于保障受试者的福利是必不可少的,但也可能会显著地限制实验的范围和设计。对于野生生物体或生态系统,还可能存在后勤统筹方面的挑战或生态保护方面的顾虑,从而限制了实验操控。

3、在生物学实验的设计中,克服获取足够样本量的挑战构成了重大障碍。为了检测显著的效应,尤其是在微小的生物学响应领域,通常需要大样本量。然而,在许多生物学场景中,获取大量的受试者往往是不切实际或无法实现的。这种限制在涉及稀有或濒危物种的研究中,以及招募大量参与者极其困难且成本高昂的临床试验中尤为突出。样本量不足会导致统计功效方面的问题,使得识别显著差异或效应变得复杂,并可能导致不确定的或误导的结果。

4、统计功效问题与样本量问题密切相关。统计功效是指检验能够正确地拒绝虚假零假设(即在存在效应时能够检测到该效应)的概率。在生物学实验中,效应是微小的且变异性高,因此要实现足够的统计功效通常具有挑战性。而获取大样本量的难度进一步加剧了这一挑战。因此,生物学研究可能存在较高的第二类错误(未能检测到真实的效应)的风险,这会阻碍科学进展,并导致对潜在重要发现的低估。

5、采样位置和方法的选择在生物学研究中起着关键作用,并对实验结果有重大影响。在野外研究中,在何处采样的决定会影响研究结果的可推广性,因为不同地点的环境因素可能存在差异,且这些环境因素与实验处理之间的相互作用不可预测。在实验室环境中,结果的变异性可源于生物材料(如细胞系或动物模型)的来源和处理方式等因素。因此,在生物学实验设计中,精心规划和合理选择采样策略是极重要的。

6、生物学的实验设计伴随着独特的挑战,这些挑战源于生物系统固有的复杂性和变异性、伦理和实际限制、获取大样本量和足够统计功效的困难,以及周密的采样策略的重要性。这些挑战要求周密的规划、创新的实验设计及严谨的统计分析,以确保生物学研究既可靠又有意义。为了使生物学研究在医学、基因组学、生态保护和农业等所有生物学领域得到成功应用,需解决这些挑战。

技术实现思路

1、在本公开的方面中,提供了一种用于分析生物学数据的新型统计模型,该统计模型受传统卡尔曼滤波器的启发且与其相关,但又与之不同。然而,应当理解,本文公开的实施例同样适用于非生物学的时程数据(time-course data)。该方法被称为路径空间卡尔曼滤波器(path space kalman filter)。该方法包括访问与一种或更多种生物学数据相关联的第一数据序列。该第一数据序列包括在时间上测量(temporally measured)的多个数据样本。该方法进一步包括使用机理模型(mechanistic model)生成与该第一数据序列对应的第二数据序列。此外,该方法包括由卡尔曼滤波器基于该第一数据序列中的该多个数据样本中的每个数据样本与该第二数据序列中的对应数据样本之间的比较,来确定与该一种或更多种生物学参数相关联的过程不确定性(process uncertainty)序列。该方法还包括基于依赖于时间的先验(time-dependent prior)来生成该第二数据序列,该时间相关的先验可在滤波过程的每一步进行更新。该方法进一步包括基于组合该不确定性、模型预测、先验和数据来确定滤波器预测数据序列,以产生卡尔曼滤波器输出。此外,该方法包括由该卡尔曼滤波器基于该第二数据序列与该滤波器预测数据序列的比较来更新该过程不确定性序列。此外,该方法包括由该卡尔曼滤波器基于该经更新的过程不确定性序列,生成与一种或更多种生物学参数相关联的不确定性轨迹(uncertainty trajectory)。该方法包括确定该过程不确定性与数据方差之比的轨迹上的最大值,以识别可能需要更密集采样的时间或数据点,并也突出显示数据与数据生成过程的先验知识之间存在差异的区间(interval)。该方法包括针对所识别的一个或更多个选定时间点生成一个或更多个建议。

2、在实施例中,对于更新该过程不确定性序列,该方法包括由该卡尔曼滤波器将数据权重序列分配给该第一数据序列,并将模型权重序列分配给该第二数据序列。该方法进一步包括由该卡尔曼滤波器基于该经加权的第一数据序列和该经加权的第二数据序列来确定滤波器不确定性序列。

3、此外,该方法包括使用一种或更多种贝叶斯统计方法和期望最大化技术中的至少一者,来更新该数据权重序列、该模型权重序列以及该第二数据序列中的一个或更多个数据样本中的每一者,以降低该滤波器不确定性序列中的每个滤波器不确定性。此外,该方法包括由该卡尔曼滤波器基于该经更新的第二数据序列来更新该过程不确定性序列。

4、在本公开的一个示范性实施例中,更新该过程不确定性序列包括迭代优化过程。在该优化过程的每次迭代中,该方法包括由该卡尔曼滤波器将数据权重序列分配给该第一数据序列,并将模型权重序列分配给该第二数据序列。该方法进一步包括由该卡尔曼滤波器基于该经加权的第一数据序列和该经加权的第二数据序列来确定预测数据序列。此外,该方法包括由该卡尔曼滤波器基于该预测数据序列来确定上一次滤波器预测数据序列。

5、此外,该方法包括由该卡尔曼滤波器将预测权重序列分配给该预测数据序列,并将上一次滤波器权重序列分配给该上一次滤波器预测数据序列。此外,该方法包括由该卡尔曼滤波器基于该经加权的预测数据序列和该经加权的上一次滤波器预测数据序列来确定滤波器不确定性序列。此外,该方法包括使用至少一种或更多种贝叶斯统计方法以及诸如期望最大化、梯度下降或其他常用方法的优化技术,来更新该数据权重序列、该模型权重序列、该预测权重序列以及该第二数据序列中的每一者,以降低该滤波器不确定性序列中的每个滤波器不确定性。此外,该方法包括由该卡尔曼滤波器基于该经更新的第二数据序列来更新该过程不确定性序列。

6、在本公开的一些方面中,生物学数据的机理模型与随时间变化的内部参数拟合,作为数据上的样条(spline)。贝叶斯组件可以以保持对模型不确定性的追踪的方式而被添加。

7、在该公开的某些方面中,识别用于进一步评估的显著时间或数据点涉及分析一关键度量:过程不确定性与数据方差之比。可以通过识别局部最大值或最小值,或累积值的显著变化来更深入地检查此度量。此外,可以通过各种方法扩展该分析,包括使用数值技术或进行人工审查。在本公开的一些方面中,该第一和第二数据序列是时程数据序列或时间序列型数据序列。

8、在本公开的一些方面中,机理模型根据生物学过程预测该一种或更多种生物学参数中的一种或更多种变化,并基于该所预测的一种或更多种变化来生成该第二数据序列。

9、在本公开的一些方面中,该一个或更多个建议包括以下至少一项:针对与该第一数据序列中的该多个数据样本对应的多个时间窗口的多个采样率,对应于该一个或更多个选定时间点的该多个时间窗口中的一个或更多个时间窗口,以及与该一个或更多个时间窗口对应且与该一种或更多种生物学参数相关联的该多个数据样本中的一个或更多个数据样本。

10、在本公开的一个示范性实施例中,该机理模型是用于关于基因转录表达和降解率的分析用数据的恒定调控模型。在本公开的一些方面中,更新该数据权重序列、该模型权重序列和该第二数据序列的每次迭代包括更新该基因降解率,并确定与遗传数据相关联的每个基因的基因表达率。本公开的方法具有通用性,可应用于其他形式的生物学数据。例如,在另一示范性实施例中,本文所述的方法可应用于种群增长数据,例如细胞培养物中的细胞计数,以及拟合生长速率参数。

11、在本公开的一个示范性实施例中,提供了一种使用卡尔曼滤波器分析生物学数据的系统。该系统包括一个或更多个数据处理器和非暂态计算机可读存储介质。该非暂态计算机可读存储介质包含指令,当该指令在该一个或更多个数据处理器上执行时,使得该一个或更多个数据处理器实施本文公开的用于使用卡尔曼滤波器分析生物学数据的方法的部分或全部。

12、在本公开的一个示范性实施例中,提供了一种用于使用卡尔曼滤波器分析生物学数据的计算机程序产品,该计算机程序产品有形地体现在非暂态机器可读存储介质中。有形地体现在非暂态机器可读存储介质中的该计算机程序产品包括指令,该指令被配置为使一个或更多个数据处理器实施本文公开的用于使用卡尔曼滤波器分析生物学数据的方法的部分或全部。

13、在本公开的又一方面中,提供了用于实施本文公开的用于使用卡尔曼滤波器分析生物学数据的方法的部分或全部的一种或更多种装置。

14、在本公开的一个示范性实施例中,该方法涉及访问与生物学参数相关联的第一数据序列,通过机理建模生成第二数据序列,以及采用卡尔曼滤波器来确定过程不确定性序列。此外,实时的不确定性轨迹被动态地更新,从而实现对生物学数据分析中关键的最大值和选择性时间点的识别。加权数据与模型更新的整合,以及贝叶斯统计方法和迭代优化过程的利用,提高了分析的精度和适应性。

15、此外,本公开引入了一框架,该框架提供了对生物学参数的精确且实时的洞察,解决了数据变异性和时间测量(temporal measurement)方面的挑战。