Die Autoren schreiben im Abstract des Papers: „In einer Zeit der Datenfülle unterstützen automatische Methoden zunehmend die manuelle Modellierung. Zu diesem Zweck bietet die Sparse Identification of Non-linear Dynamics (SINDy) eine solide Grundlage für die Identifizierung nichtlinearer dynamischer Systeme in Form von Differentialgleichungen. In der Biochemie implizieren Reaktionsnetzwerke gekoppelte Differentialgleichungen. Kürzlich wurde gezeigt, wie diese intrinsische Kopplung im Rahmen von SINDy erreicht werden kann, was eine einfache Interpretation der gelernten Gleichungen als Reaktionssysteme mit Massenwirkungskinetik ermöglicht. Diese Erweiterung erbt jedoch von SINDy die Anforderung, alle Kandidatenreaktionen in einer Bibliothek aufzuzählen, was zu schlecht gestellten Optimierungsproblemen und langen Modellbeschreibungen führt und den Nutzen für die Identifizierung von Modellen mit vielen Spezien einschränkt. Hier gehen wir näher auf die jüngsten Fortschritte bei der Einführung von SINDy in den biochemischen Bereich ein, indem wir die Unterauswahl von Reaktionsbibliotheken als Teil eines evolutionären Optimierungsschemas betrachten. Dies ermöglicht die Erstellung kompakter Modelle sowie die Einbeziehung von Einschränkungen auf Modellebene und erlaubt die Berücksichtigung einer großen Anzahl von Kandidatenreaktionen. Wir evaluieren den Ansatz anhand von zwei kleineren Fallstudien und der Rückgewinnung eines großen Wnt-Signalmodells.“
Das Ziel der CMSB-Konferenzen besteht darin, Forscherinnen und Forscher aus den Bereichen Biologie, Mathematik, Informatik und Physik zusammenzubringen, die sich für die Untersuchung, Modellierung, Simulation, fortgeschrittene Analyse und Gestaltung biologischer Systeme interessieren.