Stima delle equazioni che governano sistemi biologici a partire da segnali rumorosi su reti

Constructing a mathematical model from data represents a significant scientific challenge, especially in the field of network science, where the dynamics on a node depend on its interactions with surrounding nodes. The primary goal of our work is to understand how signal reconstruction depends on the specific topological characteristics of the network. For this purpose, we will utilize a new approach, the SVISE method (Stochastic Variational Inference for State Estimation), which uses time series data to infer the equations governing a dynamic system, proving effective even in scenarios characterized by high noise and limited data availability. Particular attention is paid to the application of the SVISE method on biologically plausible signals evolving on nodes of various network models, with interactions that can lead to synchronization phenomena.

La costruzione di un modello matematico a partire dai dati rappresenta una sfida scientifica di rilievo, specialmente nel campo della scienza delle reti, in cui la dinamica su un nodo dipende dalle sue interazioni con i nodi circostanti. L'obiettivo principale del nostro lavoro è comprendere come la ricostruzione del segnale dipenda dalle specifiche caratteristiche topologiche della rete. A questo scopo utilizzeremo un nuovo approccio, il metodo SVISE (Stochastic Variational Inference for State Estimation), che utilizza serie temporali di dati per inferire le equazioni che governano un sistema dinamico, rivelandosi efficace anche in scenari caratterizzati da un elevato rumore e poca disponibilità di dati. Particolare attenzione è rivolta all'applicazione del metodo SVISE su segnali biologicamente plausibili che evolvono su nodi di diversi modelli di rete, con interazioni che possono portare a fenomeni di sincronizzazione.