PINN框架从稀疏观测推断鱼类卵子发生功能

Louis Fostier 等提出并应用一种基于物理信息神经网络（PINN）的推断框架，从鱼类卵巢卵母细胞尺寸分布的重复横截面观测中求解非线性反问题，反演卵子发生尺寸结构种群模型的三个功能：卵母细胞尺寸依赖生长率、AMH 调控的净更新率和卵母细胞招募率。模型将生殖细胞区室与生长中的卵母细胞种群分开描述，并纳入 AMH 对前体细胞区室更新的反馈调控。 作者引入辅助 PINN 处理非局部相互作用项，联合推断未观测状态变量与功能函数；推断策略先以非参数 PINN 不预设函数形式地学习功能曲线，再据此选择简约参数律并在参数化 PINN 中估计参数。作者称，该框架应用于幼鱼卵子发生时能恢复可解释的生长与更新动态、获得未观测量的信息，并支持条件性的计算机模拟研究。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。