Obravnavali smo problem ocenjevanja parametrov na osnovi izmerjenih podatkov v modelih dinamičnih bioloških sistemov, ki so predstavljeni s sistemom navadnih diferencialnih enačbah. Takšni modeli so praviloma nelinearni in imajo veliko parametrov, meritve so zaradi šuma nepopolne in ti sistemi so pogosto le delno observabilni. Za primer smo iz eksperimentalnih meritev koncentracije beljakovin ocenili parametre v modelu dinamike endocitoze, tj. procesa pri katerem celica vnese snov prek celične membrane v svojo notranjost, ki se odraža v preklopu med Rab5 in Rab7 domenama koncentracije beljakovin. Tako splošen problem ocenjevanja parametrov, kakor tudi ta poseben primer, ki smo ga obravnavati tukaj, sodi med zahtevne optimizacijske probleme, ki zahtevajo uporabo naprednih meta-hevrističnih optimizacijskih metod, kot so evolucijske metode ali optimizacija z roji delcev. Za ocenjevanje parametrov v sistemu navadnih diferencialnih enačbah smo uporabili tri metahevristične algoritme za globalno iskanje pri numerični optimizaciji, in sicer, diferencialni algoritem s stigmergijo mravelj (DASA), optimizacijo z roji delcev (PSO) in diferencialno evolucijo (DE), kot tudi lokalno iskanje izvedeno z algoritmom 717 (A717). Njihovo delovanje pri obravnavanem problemu smo ocenili s pomočjo številnih meritev, vključno s kakovostjo rekonstrukcije izhoda sistema in popolne dinamike, kot tudi z vidika hitrosti konvergence, tako na realnih eksperimentalnih podatkih, kakor tudi na sintetičnih psevdo-eksperimentalnih podatkih z različnimi stopnjami dodanega šuma. Primerjali smo vse štiri optimizacije metode z vidika različnih opazovalnih scenarijev, kjer so bili vhodni podatki bolj ali manj popolni in natančni. Ugotovili smo, da na splošno globalne metahevristične metode (DASA, PSO in DE) močno prekašajo metodo lokalnega iskanja A717. Med tremi metahevristikami je DE najboljša glede rekonstrukcije izhoda in konvergence.
COBISS.SI-ID: 25147943
Mnogi realni optimizacijski problemi so dinamični in zahtevajo uporabo takšnih optimizacijskih algoritmov, ki lahko v daljšem časovnem obdobju neprekinjeno sledijo spreminjanju optimuma. Da bi to dosegli, predlagamo dva populacijska algoritma za reševanje dinamičnih optimizacijskih problemov z zveznih spremenljivk: samoprilagodljiv algoritem diferencialne evolucije in diferencialni algoritem s stigmergijo mravelj. Performance obeh algoritmov smo ocenili na množici testnih problemov predlaganih na posebni sekciji o evolucijskem računanju v dinamičnih in negotovih okoljih. Z brezparametričnim statističnim preskusnim postopkom smo analizirali rezultate za pet algoritmov, ki so bili predstavljeni v omenjeni sekciji. Oba predlagana algoritma se odlikujeta s signifikantno večjo zmogljivostjo glede na druge, nedavno predlagane metode. Rezultati kažejo, da sta oba algoritma primerna za za reševanje dinamičnih optimizacijskih problemov.
COBISS.SI-ID: 15354390
V članku prestavljamo nov način optimizacije parametrov postopka za detekcijo in štetje celic na fazno-kontrastnih slikah. Za oceno učinkovitosti elektroporacije se pogosto uporablja zamudno in subjektivno ročno štetje s katerim se ugotovi delež elektroporiranih celic pri različnih eksperimentalnih pogojih. Tu predstavljamo avtomatiziran postopek štetja celic, ki temelji na optimizaciji algoritma ITCN (Image-based Tool for Counting Nuclei) z umetnimi nevronskimi mrežami. Primerjava avtomatskega načina z ročnim je pokazala 90,31% ujemanje, kar je razmeroma dobro, posebej če upoštevamo medčloveško napako ki lahko znaša tudi do 10%. Naš postopek se lahko uporablja tudi za štetje celic na fluorescentnih slikah s podobno natančnostjo ()90%), kar omogoča ugotavljanje učinkovitosti elektroporacije. Pri naših poskusih je bila učinkovitost elektroporacije pri ročnem štetju celic praktično enaka kot pri avtomatiziranem.
COBISS.SI-ID: 8213332