如何构建动态能量预算模型:模型开发的实用指南

《Ecological Modelling》:How to build Dynamic Energy Budget models: Practical guidelines for model development

【字体: 大 中 小 】 时间:2026年06月25日 来源:Ecological Modelling 3.5

编辑推荐:

  动态能量预算(Dynamic Energy Budget, DEB)理论提供了一个连贯的框架,用于描述生物体在整个生命周期中如何获取和利用能量与物质以响应环境条件。其广泛的适用性暗示了DEB理论的普遍性,这也是其主要优势之一。然而,这种普遍性也引入了相当程度的

  
动态能量预算(Dynamic Energy Budget, DEB)理论提供了一个连贯的框架,用于描述生物体在整个生命周期中如何获取和利用能量与物质以响应环境条件。其广泛的适用性暗示了DEB理论的普遍性,这也是其主要优势之一。然而,这种普遍性也引入了相当程度的抽象性,这可能使模型开发具有挑战性,尤其是对于新手而言。本文旨在通过提出使开发过程更明确和可访问的指南,支持更透明、更具生物学基础且可重复的DEB建模。研究人员确定了三个主要挑战:(1)如何将生物过程与其数学表示联系起来,(2)需要哪些观测数据来告知关键生理过程,以及(3)如何以透明和可重复的方式进行参数估计和模型验证。为帮助克服这些问题,研究人员简要介绍了核心概念,并讨论了DEB建模工作流程中的六个主要步骤:模型设计、数据收集与评估、实施、校准、验证和发表。这些步骤通过斑马鱼(Danio rerio)的案例研究加以说明,展示了数据可用性如何影响模型开发以及可支持预测的范围。通过提出结构化工作流程,研究人员希望鼓励研究者探索DEB理论的全部潜力。
**论文解读:动态能量预算模型构建的实用指南**

**研究背景与问题**

动态能量预算(Dynamic Energy Budget, DEB)理论为描述生物体在生命周期中如何获取和分配能量与物质以响应环境条件提供了统一框架。该理论基于质量-能量-熵平衡的第一性原理,具有跨物种和跨情境的广泛应用,涵盖水产养殖、生态毒理学、种群动态、比较能量学、生态位表征、物种相互作用、气候变化及保护等领域。然而,DEB理论的普遍性也带来了高度抽象性,使得模型开发对新手而言尤为困难。研究人员识别出三大核心挑战:(1)如何将生物过程与数学表示对应(表征挑战);(2)需要哪些观测数据来支撑关键生理过程(数据挑战);(3)如何以透明和可重复的方式进行参数估计与模型验证(校准挑战)。现有教程多聚焦于概念或数学细节,缺乏面向应用的实用指南。因此,本研究旨在提供清晰、可操作的DEB模型开发指南,以降低入门门槛,促进DEB理论的广泛应用。

**研究内容与结论**

研究人员基于自身作为DEB理论学生和导师的经验,提出了一套结构化工作流程,涵盖模型设计、数据收集与评估、模型实施、校准、验证和发表六个步骤。通过斑马鱼(Danio rerio)案例研究,比较了数据有限(completeness score 2.5)和数据丰富(completeness score 5.0)两种校准情景,展示了数据可用性如何影响模型结构、参数估计及预测范围。结论表明:遵循估计-上下文原则(estimation-in-context principle)可确保模型在个体发育和环境变化中的生物学一致性;数据丰富性显著提升参数可辨识性和预测可靠性;透明且可重复的建模实践(如FAIR和CARE原则)是模型科学应用的基础。论文发表在《Ecological Modelling》。

**主要关键技术方法**

研究人员采用的主要技术方法包括:(1)基于DEBtool(MATLAB包)实现模型,使用ode45自适应非刚性求解器进行微分方程积分;(2)采用AmP校准程序,以对称有界损失函数(symmetric bounded loss function, Lsb)量化数据与预测偏差,并通过Nelder-Mead单纯形算法进行参数优化;(3)利用辅助理论(auxiliary theory)将抽象状态变量(如结构V、储备E)转换为可测量量(如长度、重量、耗氧量);(4)通过相对误差(RE)和平均相对误差(MRE)进行定量验证,并与AmP数据库中分类学相近物种的参数进行定性比较。案例研究使用斑马鱼数据,来源包括文献、实验室实验等。

**研究结果**

**3.1 模型设计(Model design)**
通过识别斑马鱼的功能生命阶段(受精卵、幼虫、幼体、成体),选择abj类型模型(abj typified model)以捕获出生后的代谢加速,并添加衰老模块(aging module)和产卵模块(egg-laying module)。研究表明:模型结构必须与物种生物学特性匹配,类型模型提供了实用起点。

**3.2 数据收集与评估(Data collection and assessment)**
基于Lika等(2011b)的完整性量表(completeness scale)规划数据收集,强调多类型数据(生长、繁殖、呼吸、摄食)在相同环境条件下的重要性。数据评估需检查一致性、可靠性和范围,避免模型者偏差。结论:数据质量直接影响参数可估计性和模型预测能力。

**3.3 模型实施与使用(Model implementation and usage)**
通过模拟(simulation)和预测(prediction)两个范式使用模型。预测需结合辅助理论将状态变量转换为数据集预测,并注意单位转换、长度测量方法、重量类型等常见陷阱。推荐从受精或出生开始模拟,或从首次测量点初始化。环境条件需明确假设(如恒定温度、插值方法)。

**3.4 模型校准(Model calibration)**
采用AmP校准程序,通过损失函数Lsb最小化数据与预测偏差,并使用Nelder-Mead算法优化。参数估计需考虑结构可辨识性和实践可辨识性:核心参数(如{p?Am}, v?, κ, p?M, EG)通常可估计,而消化效率κX、成熟维持系数k?J等需依赖特定数据。伪数据(pseudo-data)用于约束弱可辨识参数。斑马鱼案例中,数据丰富校准可额外估计κX和κP。

**3.5 模型验证(Model validation)**
定量验证通过相对误差(RE)和平均相对误差(MRE)评估各数据集拟合质量;定性验证通过比较参数与AmP中近缘物种、模拟非校准条件下的行为进行。案例显示:数据有限校准中,寿命预测误差极低但可能因参数仅受单一数据约束;数据丰富校准更好地捕捉了长度-重量关系。外部验证数据(如Lucas等2014)表明数据丰富模型预测更一致。

**3.6 模型发表(Model publication)**
遵循FAIR和CARE原则,公开代码、数据、假设和校准配置。建议将模型提交至Add-my-Pet(AmP)数据库,并引用DEBtool版本。当前AmP条目在数据来源、模型假设文档化方面已有良好实践,但初始参数集和算法细节的报道仍不足。

**讨论与结论**

讨论部分强调:DEB模型拟合不仅是曲线拟合,而是确保模型在个体发育和环境变化中的生物学一致性。数据完整性影响参数估计的可靠性和预测范围。模型验证应超越校准数据,使用外部数据集检验预测能力。透明和可重复的建模实践是科学应用的基础。研究结论翻译如下:
“实施DEB理论不同于实施现象学模型,后者可能获得良好拟合,但缺乏整合分子、个体和生态系统层面动态的解释力。对理论一致性的关注使DEB理论成为连接不同科学学科和组织层次的强大工具。然而,只有提供一套现实且一致的参数值,才能探索其全部功能。正是由于这种确保一致性的努力,DEB提供了对生物学的强定量和整合视角,可用于预测生态结果,并对系统理解变化世界中的生命至关重要。”
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号