Adaptive modeling of biochemical pathways
- In bioinformatics, biochemical pathways can be modeled by many differential equations. It is still an open problem how to fit the huge amount of parameters of the equations to the available data. Here, the approach of systematically learning the parameters is necessary. In this paper, for the small, important example of inflammation modeling a network is constructed and different learning algorithms are proposed. It turned out that due to the nonlinear dynamics evolutionary approaches are necessary to fit the parameters for sparse, given data. Keywords: model parameter adaption, septic shock. coupled differential equations, genetic algorithm.
| Verfasserangaben: | Rüdiger W. BrauseGND |
|---|---|
| URN: | urn:nbn:de:hebis:30-79299 |
| Titel des übergeordneten Werkes (Deutsch): | International Journal on Artificial Intelligence Tools |
| Dokumentart: | Wissenschaftlicher Artikel |
| Sprache: | Englisch |
| Datum der Veröffentlichung (online): | 08.09.2010 |
| Jahr der Erstveröffentlichung: | 2004 |
| Veröffentlichende Institution: | Universitätsbibliothek Johann Christian Senckenberg |
| Datum der Freischaltung: | 08.09.2010 |
| Freies Schlagwort / Tag: | coupled differential equations; genetic algorithm; model parameter adaption; septic shock |
| Jahrgang: | 13 |
| Erste Seite: | 851 |
| Letzte Seite: | 862 |
| Quelle: | International Journal on Artificial Intelligence Tools, 13, S. 851-862 |
| HeBIS-PPN: | 228107857 |
| Institute: | Informatik und Mathematik / Informatik |
| DDC-Klassifikation: | 0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik |
| Sammlungen: | Universitätspublikationen |
| Lizenz (Deutsch): |  Deutsches Urheberrecht |
