返回
Model selection and parameter estimation for root architecture models using likelihood-free inference
DOI:10.1098/rsif.2019.0293.png)
摘要
En 中文
植物根系在生物圈,环境和农业中发挥着至关重要的作用,但控制其生长和结构的定量原则仍然知之甚少。通过建模和仿真,已经很好地研究了给定模型和参数可能产生的根形式的 “正向问题”,但是对 “反向问题” 的关注相对较少: 哪些模型和参数负责产生实验观察到的根系统?在这里,我们建议使用近似贝叶斯计算 (ABC) 来推断控制根生长和体系结构的机械参数,使我们能够使用观察到的根体系结构学习和量化参数和模型结构的不确定性。我们展示了该平台在合成和实验根数据上的使用,并展示了如何将其用于鉴定不同突变体的生长机制和表征生长参数。我们的高度适应性框架可用于获得对观察到的根系统架构的生成的机械洞察。
Keyword:
likelihood-free inference
root system architecture
root growth
approximate Bayesian computation
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.5
论文数:
4.8K
被引数:
1.7W
机构
引用论文
CRootBox: a structural-functional modelling framework for root systemsCRootBox: 根系统的结构功能建模框架
ANNALS OF BOTANY
IF3.6
Functional-structural plant models: a growing paradigm for plant studies功能结构植物模型: 植物研究的不断发展的范式
ANNALS OF BOTANY
IF3.6
A Novel Image-Analysis Toolbox Enabling Quantitative Analysis of Root System Architecture
PLANT PHYSIOLOGY
IF6.9
AnIn VitroDifferentiation System for the Examination of Transgene Activation in Mouse Macrophages用于检查小鼠巨噬细胞中转基因激活的 体外 分化系统

