Hierarkiska mixed effects-modeller av dynamiska system

Forskningsprojekt, 2014 – 2019

Syfte Biologiska system är heterogena och hierarkiska till sin natur. Att studera populationsmedelvärden ger ingen information om beteenden hos individuella personer eller celler. Omvänt kan stora spridningar i mellan individer göra att det är svårt att mäta gruppegenskaper. Vi planerar att utveckla modeller som inte bara fångar denna heterogenitet men som också utnyttjar variation för att bestämma modellparameterar. Arbetsplan Vi kommer använda tre tillämpningar inom biologi och medicin som exempel; dynamiken i rörelse och celldelning hos celler från hjärntumörer; lipidmetabolism i människa; Reglering av glukosmetabolism i jästceller. Arbetet delas in i tre projekt som alla berör de tre tillämpningarna: non-linear mixed effect (NLME) modelling av dynamiska system, övergång från ordinära till partiella differentialekvationer (homogenisering), och olika sätt att hantera osäkerheter i modeller och data genom stokastiska differentialekvationer. Det fjärde projektet innefattar implementering av dessa metoder i en mjukvara som skall användas för att lösa problem i de tre applikationerna. Förväntade resultat Valet av de tre olika tillämpningarna garanterar en bredd i projektet som gör att metoderna måste vara generella och tillämpningsbara i många situationer. Av stor betydelse är att de tre tillämpningarna, i vilka sökandena redan är ledande, garanterar att resultaten snabbt kan tillämpas och användas för att demonstrera styrkan och fördelarna med de utvecklade metoderna.