Structural identifiability of partially-observed stochastic processes: from single-particle trajectories to total particle density data

Sintesi Tecnica: Identificabilità Strutturale di Processi Stocastici Parzialmente Osservati

Enunciato del Problema
La crescente disponibilità di dati sperimentali ha intensificato la necessità di calibrare modelli stocastici per ottenere approfondimenti quantitativi. Un prerequisito fondamentale per la stima dei parametri è l'identificabilità strutturale: determinare se i parametri del modello possono essere recuperati in modo univoco da dati idealizzati e privi di rumore. Sebbene esistano metodi estesi per i modelli di Equazioni Differenziali Ordinarie (ODE), manca una metodologia generale per valutare l'identificabilità strutturale dei processi stocastici. Questa sfida è aggravata dalla casualità intrinseca di tali processi e dalla natura dei dati disponibili. Nello specifico, il lavoro affronta come l'identificabilità dipenda dal regime di osservazione, distinguendo tra dati di traiettoria di singola particella (basati su individui) e dati di densità totale delle particelle (a livello di popolazione). Per i processi di Markov parzialmente osservati, la sfida è ulteriormente complicata dal fatto che i dati possono nascondere gli stati interni delle particelle, rendendo complessa l'inferenza dei parametri.

Metodologia
Gli autori propongono una nuova metodologia per analizzare l'identificabilità strutturale per una classe di processi stocastici spazio-temporali, in particolare i modelli a salto di velocità, in cui lo stato interno di una particella evolve come una catena di Markov a tempo continuo all'interno di una rete di stati, ciascuno caratterizzato da una velocità fissa. Lo studio impiega due rappresentazioni matematiche distinte corrispondenti ai due tipi di dati:

1. Modello Basato su Individui (Traiettorie di Singola Particella):

   • Gli autori utilizzano la descrizione esplicita basata su individui del processo di Markov a tempo continuo.
   • Analizzano la traiettoria $x(t)$ e la sua derivata $x'(t)$, che è costante a tratti e assume valori dall'insieme delle velocità degli stati.
   • L'identificabilità è valutata derivando la distribuzione cumulativa del tempo trascorso in ciascuno stato (per identificare i tassi di commutazione) e la frequenza delle transizioni tra stati (per identificare le probabilità di transizione).
   • Le condizioni iniziali (distribuzione di posizione e stato) sono identificate analizzando la distribuzione dei punti di partenza e delle velocità iniziali su un numero numerabilmente infinito di traiettorie.

2. Modello a Livello di Popolazione (Densità Totale delle Particelle):

   • Gli autori derivano un sistema di Equazioni Differenziali alle Derivate Parziali (PDE) (una formulazione di Fokker-Planck) che descrive l'evoluzione della densità delle particelle $n_s(x,t)$ in ciascuno stato $s$.
   • Applicano l'approccio dell'algebra differenziale, una tecnica comune nell'analisi delle ODE, al sistema di PDE. Ciò comporta l'eliminazione simbolica delle variabili di stato non osservate ($n_1, n_2, n_3$) per derivare equazioni ingresso-uscita dipendenti solo dalla densità totale osservabile $N(x,t)$ e dai parametri del modello.
   • Nuova Analisi delle Condizioni Iniziali: Riconoscendo che l'algebra differenziale standard a $t=0$ potrebbe non catturare tutte le informazioni sull'identificabilità (poiché le derivate spaziali e temporali possono essere proporzionali), gli autori introducono un nuovo metodo. Utilizzano le equazioni caratteristiche del sistema di PDE per costruire uno sviluppo di Taylor dell'evoluzione della densità attorno a $t=0$. Ciò permette di identificare combinazioni aggiuntive di parametri relative alla condizione iniziale che non sono evidenti attraverso l'eliminazione standard.

Risultati Chiave
La metodologia è applicata a un modello a salto di velocità a tre stati con nove parametri (velocità, tassi di commutazione e probabilità di transizione).

• Dati di Traiettoria di Singola Particella:

  • Il modello è strutturalmente globalmente identificabile (a meno di ricodifica degli stati) quando è disponibile un numero numerabilmente infinito di traiettorie di singola particella infinitamente lunghe.
  • Tutti i parametri, incluse le velocità, i tassi di commutazione, le probabilità di transizione e la distribuzione della condizione iniziale, possono essere recuperati in modo univoco.

• Dati di Densità Totale delle Particelle:

  • Utilizzando l'approccio dell'algebra differenziale sul sistema di PDE, gli autori derivano equazioni ingresso-uscita con coefficienti ($c_1$ attraverso $c_8$) che sono funzioni dei parametri del modello.
  • Si riscontra che velocità e tassi di commutazione sono strutturalmente identificabili (a meno di ricodifica degli stati).
  • Tuttavia, i parametri relativi alle probabilità di transizione non sono globalmente identificabili utilizzando solo i coefficienti ingresso-uscita derivati dalle PDE da sole; soddisfano equazioni quadratiche che producono soluzioni multiple.
  • Impatto delle Condizioni Iniziali: L'approccio standard dell'algebra differenziale a $t=0$ produce solo un coefficiente identificabile ($c_9$) relativo alla condizione iniziale, che è insufficiente per identificare le probabilità di stato iniziali ($a_1, a_2, a_3$).
  • Contributo dello Sviluppo di Taylor: Applicando il nuovo metodo di sviluppo di Taylor basato sulle equazioni caratteristiche, gli autori identificano coefficienti aggiuntivi ($c_{10}$ attraverso $c_{15}$). Questi coefficienti permettono l'identificazione delle probabilità di stato iniziali.
  • Identificabilità Locale: Anche con i coefficienti aggiuntivi dallo sviluppo di Taylor, il modello è solo strutturalmente localmente identificabile rispetto ai parametri di probabilità. Ciò significa che, sebbene i parametri siano identificabili in modo univoco in un piccolo intorno dei valori veri, esistono insiemi di parametri distinti (modelli equivalenti) che producono evoluzioni identiche della densità totale delle particelle sotto specifiche condizioni iniziali.

• Casi Speciali (Velocità Condivise):

  • Se due o tre stati condividono la stessa velocità, l'identificabilità si degrada. Se tutti e tre gli stati condividono la stessa velocità, solo la velocità è identificabile; tutti i parametri di tasso e probabilità diventano non identificabili.
  • Se due stati condividono una velocità, la somma dei loro tassi di commutazione è identificabile, ma i tassi e le probabilità individuali rimangono generalmente non identificabili, anche con il metodo di sviluppo di Taylor.

Significato e Affermazioni
Il lavoro afferma di fornire la prima metodologia generale per analizzare l'identificabilità strutturale dei processi stocastici spazio-temporali, colmando il divario tra descrizioni basate su individui e formulazioni di PDE a livello di popolazione.

• Dipendenza dal Tipo di Dati: Lo studio evidenzia una distinzione critica: i dati di traiettoria di singola particella portano all'identificabilità strutturale globale, mentre i dati di densità totale delle particelle portano solo all'identificabilità locale. Ciò sottolinea che la scelta del regime di osservazione sperimentale determina fondamentalmente la fattibilità di un'inferenza univoca dei parametri.
• Ruolo delle Condizioni Iniziali: Il lavoro dimostra che le condizioni iniziali hanno un impatto significativo sull'identificabilità strutturale nei modelli PDE. Gli autori affermano che gli approcci standard di algebra differenziale sono spesso insufficienti per catturare le informazioni sulle condizioni iniziali in questi contesti stocastici e che il loro metodo proposto di sviluppo di Taylor basato sulle equazioni caratteristiche è necessario per scoprire combinazioni aggiuntive di parametri identificabili.
• Implicazioni per la Progettazione Sperimentale: L'esistenza di modelli strutturalmente equivalenti (parametri diversi che producono evoluzioni di densità identiche) suggerisce che la variazione delle condizioni iniziali potrebbe servire come strategia pratica per migliorare l'identificabilità dei parametri nella progettazione sperimentale.
• Estensione Metodologica: Gli autori affermano che il loro approccio, in particolare l'uso di equazioni caratteristiche per gli sviluppi di Taylor, è applicabile ad altri modelli stocastici in cui tali equazioni possono essere scritte in termini di parametri del modello, estendendosi potenzialmente alle reti di reazioni chimiche con componenti spaziali.

Gli autori mantengono un tono modesto riguardo alle applicazioni pratiche, notando che i loro risultati caratterizzano l'identificabilità in contesti idealizzati e privi di rumore. Affermano esplicitamente che è necessario un lavoro futuro per affrontare l'identificabilità pratica con dati finiti e rumorosi e per estendere questi metodi a modelli con condizioni iniziali o al contorno più complesse.