Question:
Quelle est la différence entre un modèle mécaniste et un modèle statistique prédictif?
PaulBarr
2015-05-14 15:28:41 UTC
view on stackexchange narkive permalink

La description la plus simple de la différence entre ces deux approches que j'ai trouvée se trouve sur ce site qui résume la différence comme suit:

Modèle mécanistique : une relation hypothétique entre les variables de l'ensemble de données où la nature de la relation est spécifiée en termes de processus biologiques censés avoir donné naissance aux données. Les paramètres du modèle mécaniste ont tous des définitions biologiques et peuvent donc être mesurés indépendamment de l'ensemble de données référencé ci-dessus.

Modèle phénoménologique / statistique : une relation hypothétique entre les variables dans l'ensemble de données, où la relation cherche uniquement à décrire au mieux les données.

Quelqu'un pourrait-il illustrer cette différence avec un court exemple. J'ai utilisé et je comprends les principes d'un modèle statistique (régression multiple, etc.) mais je n'ai pas rencontré d'exemples simplistes d'un modèle mécaniste et je ne comprends pas quelle serait la différence en pratique.

Edit: Je laisse la question ouverte pendant une semaine pour voir si quelqu'un veut créer un très petit 'MWE' des deux types pour illustrer à quoi ressemblerait la différence dans la pratique, sinon je le ferai accepter la réponse de Memmings

La question est intéressante (+1) et sur le sujet ici. Cependant, je pense que vous voudrez peut-être envisager de poser une telle question sur Philosophy.SE.
Si vous êtes intéressé par les modèles mécanistes, une excellente ressource provient de livres sur la thermodynamique statistique et en général de tout ce qui sort de la recherche biologique à motivation physique. Une bonne référence est "Biologie physique de la cellule" qui est censée être un équivalent basé sur la physique au livre d'Alberts et al "Biologie moléculaire de la cellule".
Un répondre:
Memming
2015-05-14 19:58:14 UTC
view on stackexchange narkive permalink

Le modèle mécaniste répond à la question comment . Ces modèles sont généralement détaillés sur le plan biophysique et conçus pour être causaux. Supposons que vous ayez découvert une relation linéaire entre le médicament contre l'hypertension et la fréquence cardiaque. Ce serait un modèle statistique. Cela ne vous dit pas comment les deux sont liés biophysiquement. On pourrait construire un modèle détaillé qui décrit les processus intermédiaires du médicament entrant dans le système, à la liaison aux récepteurs et à la modulation des niveaux d'hormones, et agissant comme un signal au système de modulation de la fréquence cardiaque. Ce modèle aurait plus de paramètres, et s'il prédit les phénomènes et se généralise bien, alors il pourrait être une bonne approximation du système. De plus, il génère des hypothèses et est plus interprétable.

Cela étant dit, je ne pense pas que les deux concepts soient mutuellement exclusifs. Certains modèles mécanistes / biophysiques peuvent également être statistiques en même temps. Il s'agit de disposer de suffisamment de données et de contraintes pour pouvoir s'adapter ou non au modèle.

Merci pour votre réponse. Donc, pour le modèle mécaniste, disons que les processus que vous avez mentionnés sont les seuls (entrer dans le système, se lier au récepteur, moduler les niveaux d'hormones, signal au système de modulation de la fréquence cardiaque). Donc, pour la première étape, le modèle mécaniste prendrait en compte la quantité de médicament et déterminerait l'absorption relative au gradient de concentration? Alors qu'une approche statistique examinerait des augmentations marginales de l'absorption des médicaments compte tenu d'une augmentation fixe du médicament administré?
@PaulBarr Je pense que vous manquez le point. Si vous disposez des données appropriées, vous pouvez toujours utiliser des statistiques pour répondre à la question de savoir comment. modèles mécanistes parfois ne sont pas ce luxe, et sont récupérées sur une connaissance partielle d'ici et là. La modélisation statistique exploite les variables observées, dans mon exemple, ceux ne serait que l'administration du médicament et la fréquence cardiaque.
Je comprends que vous pouvez utiliser des statistiques pour expliquer comment quelque chose fonctionne. Plus précisément, je ne comprends pas la différence entre l'apparence réelle du modèle dans la pratique, lorsqu'il a été codé dans R etc. En tant que question secondaire, vous dites que les modèles mécanistes fonctionnent mieux quand il y a une connaissance partielle, il me semble intuitif que le contraire serait vrai. Merci de votre aide
@PaulBarr Habituellement, vous pouvez simuler le modèle mécaniste, mais il est souvent difficile d'ajuster ses paramètres à partir de données. Pour construire le modèle mécaniste, il est souvent nécessaire de faire des hypothèses sur la dynamique et les paramètres qui ne sont pas fortement étayés par les données.
Merci, c'est vraiment utile. Pourriez-vous ajouter à votre réponse un MWE très court de ce à quoi peuvent ressembler deux modèles en pratique au niveau du code réel?
@PaulBarr Je ne peux pas écrire MWE pour ceux-là, car les modèles mécanistes sont généralement complexes ... et je n'ai pas le temps. Pardon.
Pas de soucis, je ne cherche pas un vrai modèle réaliste, j'aimerais juste voir la différence illustrée si possible. Je laisserai la question ouverte pendant une semaine et si personne ne veut, j'accepterai votre réponse. Merci encore


ⓘ
Ce Q&R a été automatiquement traduit de la langue anglaise.Le contenu original est disponible sur stackexchange, que nous remercions pour la licence cc by-sa 3.0 sous laquelle il est distribué.
Loading...