Finding optimal parameters for simulating biological systems is usually a very difficult and expensive task in systems biology. Brute force searching is infeasible in practice because of the huge (often infinite) search space. In this article, we propose predicting the parameters efficiently by learning the relationship between system outputs and parameters using regression. However, the conventional parametric regression models suffer from two issues, thus are not applicable to this problem. First, restricting the regression function as a certain fixed type (e.g. linear, polynomial, etc.) introduces too strong assumptions that reduce the model flexibility. Second, conventional regression models fail to take into account the fact that a fixed parameter value may correspond to multiple different outputs due to the stochastic nature of most biological simulations, and the existence of a potentially large number of other factors that affect the simulation outputs. We propose a novel approach based on a Gaussian process model that addresses the two issues jointly. We apply our approach to a tumor vessel growth model and the feedback Wright–Fisher model. The experimental results show that our method can predict the parameter values of both of the two models with high accuracy. © 2012 Wiley Periodicals, Inc. Statistical Analysis and Data Mining, 2012

中文翻译：

---

使用高斯过程模型预测生物系统的模拟参数。

在系统生物学中，寻找模拟生物系统的最佳参数通常是一项非常困难和昂贵的任务。由于巨大的（通常是无限的）搜索空间，蛮力搜索在实践中是不可行的。在本文中，我们建议通过使用回归学习系统输出和参数之间的关系来有效地预测参数。然而，传统的参数回归模型存在两个问题，因此不适用于这个问题。首先，将回归函数限制为某种固定类型（例如线性、多项式等）会引入过强的假设，从而降低了模型的灵活性。第二，由于大多数生物模拟的随机性，以及可能存在大量影响模拟输出的其他因素，传统回归模型未能考虑到固定参数值可能对应多个不同输出的事实。我们提出了一种基于高斯过程模型的新方法，可以共同解决这两个问题。我们将我们的方法应用于肿瘤血管生长模型和反馈 Wright-Fisher 模型。实验结果表明，我们的方法可以高精度地预测两种模型的参数值。© 2012 Wiley Periodicals, Inc. 统计分析和数据挖掘，2012 我们提出了一种基于高斯过程模型的新方法，可以共同解决这两个问题。我们将我们的方法应用于肿瘤血管生长模型和反馈 Wright-Fisher 模型。实验结果表明，我们的方法可以高精度地预测两种模型的参数值。© 2012 Wiley Periodicals, Inc. 统计分析和数据挖掘，2012 我们提出了一种基于高斯过程模型的新方法，可以共同解决这两个问题。我们将我们的方法应用于肿瘤血管生长模型和反馈 Wright-Fisher 模型。实验结果表明，我们的方法可以高精度地预测两种模型的参数值。© 2012 Wiley Periodicals, Inc. 统计分析和数据挖掘，2012