基于PINN的尺寸结构种群模型功能推断：用于鱼类卵子发生

PLOS Computational Biology · 2026-11-06 · 期刊论文

• 一句话结论：结论：作者提出以物理信息神经网络（PINN）从稀疏横断面卵母细胞尺寸分布中推断尺寸结构种群模型的三类人口学函数，并在幼鱼卵子发生数据上得到可解释的恢复结果；属方法学建模研究，证据档位C，尚不足以据此得出生物学结论。
• 研究设计与做法：设计：机制性尺寸结构种群模型，含未分层生殖细胞区室与生长卵母细胞群体，AMH反馈调控前体细胞更新；以重复横断面观测的卵巢卵母细胞尺寸分布构建非线性反问题，用PINN求解，并采用非参数推断加数据引导的简约参数律选择，嵌入个体水平bootstrap评估抽样与训练随机性。
• 主要结果：结果：摘要未给出具体效应量、置信区间或p值；报告称框架可恢复生长与更新动态、获得不可观测状态量并支持条件性计算机模拟研究；作者结合结构可辨识性分析与合成数据实验考察函数级与参数级可辨识性。
• 机制或解释：机制：模型假设AMH对前体细胞区室净更新率存在局部激素反馈，并据此将生长速率、净更新率与新卵母细胞募集率设为待推断函数；作者以辅助PINN处理非局部相互作用项，联合推断未观测状态变量与人口学函数。
• 局限与边界：局限：材料未报告具体样本量、鱼种、观测时间跨度与随访时长；推断依赖重复横断面采样与随机训练，作者以bootstrap评估敏感性；结论基于模型假设与合成数据验证，真实数据的外部验证与利益冲突信息材料未报告。
• 可否落地：落地：对科研而言，提示PINN可用于含非局部相互作用的尺寸结构种群模型的功能与参数联合推断，属方法可行性层面的证据支持；对临床或渔业应用尚不足以下结论，需独立数据与实验验证。

🔗 打开原文

本文摘自《每日前沿研究简报 · 2026-11-08》「PLOS Computational Biology」。本内容仅用于研究信息整理与科普交流，不构成医疗建议。