生物方程发现先读文献再拟合:噪声加大后,P2C把最差形式误差从13.096压到1.095
核心概要
从稀疏、含噪的生物观测中反推常微分方程时,纯数据拟合容易选出机制不同却同样贴合数据的结构。P2C先把文献中的机制描述转成带类型、可追溯到原文的约束,在数值拟合之前筛掉违反这些约束的候选方程。在四个已发表的炎症与免疫调控模型上,加入文本约束后,干净数据上的最差形式误差从1.397降到0.499,高斯噪声扰动下从13.096降到1.095。
深度剖析
方程发现多了一条来自科学文本的结构信息通道:生物系统的机制常以自然语言和通路图描述,而不是完整数学形式,P2C把这些描述变成对候选常微分方程结构的硬性限制,再交给数值拟合。 此前的LLM方程发现方法主要依赖数值观测,并假定观测足够干净、有代表性;在生物测量稀疏、含噪、异质且昂贵时,多个方程可以同样拟合同一批数据却编码不同机制。 在四个已发表的急性炎症与免疫调控ODE系统上,逐步加大观测噪声后,加入文本约束使最差形式误差在干净数据上从1.397降到0.499,在高斯噪声扰动下从13.096降到1.095;在测试的噪声范围内,P2C的形式误差和轨迹误差也低于若干LLM基线。
流程把“从文字推断”和“从数据推断”分开:文本先被翻译成一组带类型的谓词,描述相互作用方向、饱和、结构缺失、联合作用、源项和非负性,候选方程必须先通过符号检验才能进入参数拟合。 每条约束都要绑定原文片段,并经过蕴含检查、多次独立抽取的一致性和逻辑一致性过滤;生成候选方程的LLM看不到数值观测和约束集合,只看到系统描述、状态变量和上一轮被违反的约束反馈。 检验用SymPy对候选表达式做符号求导、极限和代入;符号无法判定偏导符号时,在400个正状态、正参数随机点上取值,只有符号一致才接受,这属于数值证据而非证明。参数拟合采用弱形式目标,把微分从含噪轨迹转移到光滑测试函数上,避免直接对观测求导放大噪声。
启示与展望
演示范围是四个已发表的炎症与免疫调控ODE系统,配有人工撰写的通路描述和句级参考约束,观测由数值积分生成并施加不同强度的高斯噪声;另有一组来自脾脏聚焦超声治疗炎症性关节炎的实测剂量反应数据,共50个样本,其中20分钟组留作检验。作者提出后续将P2C扩展到更大的生物系统和更丰富的机制知识形式。
约束模式只覆盖有限的一类机制属性,作用是过滤而非唯一确定方程结构;方法假定所提供的机制描述是相关科学知识的合理一致总结,未评估对相互冲突文献、含糊或无依据陈述的稳健性,接地检查验证的是与所给描述一致,而非该描述本身的科学正确性。作者也指出,受控基准只用于检验已知机制下文本约束是否改善方程发现,不构成对更广文献、更大动力系统或其他领域的泛化结论。
