AMICI - Skalierbare numerische Simulation und Sensitivitätsanalyse dynamischer Systeme

• Antragsteller: Professor Dr.-Ing. Jan Hasenauer
• Fachliche Zuordnung: Bioinformatik und Theoretische Biologie ; Softwaretechnik und Programmiersprachen
• Förderung: Förderung von 2021 bis 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 443187771

• Erstellungsjahr: 2025

Zusammenfassung der Projektergebnisse

Mathematische Modelle in Form gewöhnlicher Differentialgleichungen (ODEs) und algebraischer Differentialgleichungen (DAEs) sind wichtige Instrumente in den Biowissenschaften, im Ingenieurwesen und in vielen anderen Forschungsbereichen. Sie ermöglichen die integrative Analyse heterogener Daten, um das Verständnis dynamischer Systeme zu fördern. Die Simulation und Parameterschätzung von ODE- und DAE-Modellen erfordert jedoch maßgeschneiderte und einfach zu bedienende Werkzeuge. Um die Parametrisierung von immer größer werdenden Modellen zu unterstützen, sind Skalierbarkeit und Leistungsfähigkeit eine wesentliche Voraussetzung. Zu diesem Zweck haben wir die Forschungssoftware AMICI (Advanced Multi-language Interface to CVODES and IDAS) entwickelt, die eine effiziente und skalierbare Simulation solcher Modelle ermöglicht. AMICI baut auf der etablierten SUNDIALS C-Bibliothek auf, zu der es eine einfach zu bedienende High-Level-Schnittstelle sowie eine breite Palette zusätzlicher Funktionen bietet, die für Systembiologen und Forscher verwandter Gebiete relevant sind. Das Ziel dieses Projekts war es, AMICI zugänglicher zu machen, dessen Funktionalität zu erweitern und die Gesamtqualität zu verbessern. Im Laufe dieses Projekts wurden die Funktionalität, die Dokumentation und die Testsuite von AMICI erheblich erweitert. Die Unterstützung für die verbreiteten quasi-Standards SBML und PEtab wurde erheblich verbessert. Zwei Workshops wurden organisiert, um den Austausch zwischen AMICI-Anwendern und -Entwicklern zu fördern. Während der Laufzeit des Projekts wurden insgesamt 30 AMICI Releases erstellt. Die Anzahl der wissenschaftlichen Publikationen, in denen AMICI verwendet wurde, hat sich von 30 zum Zeitpunkt des Projektantrags auf 94 zum Projektende erhöht, was die anhaltende Relevanz von AMICI unterstreicht.

Projektbezogene Publikationen (Auswahl)

• A More Expressive Spline Representation for SBML Models Improves Code Generation Performance in AMICI. Lecture Notes in Computer Science, 36-43. Springer Nature Switzerland.
  Contento, Lorenzo; Stapor, Paul; Weindl, Daniel & Hasenauer, Jan
  
• Efficient computation of adjoint sensitivities at steady-state in ODE models of biochemical reaction networks. PLOS Computational Biology, 19(1), e1010783.
  Lakrisenko, Polina; Stapor, Paul; Grein, Stephan; Paszkowski, Łukasz; Pathirana, Dilan; Fröhlich, Fabian; Lines, Glenn Terje; Weindl, Daniel & Hasenauer, Jan
  
• Posterior marginalization accelerates Bayesian inference for dynamical models of biological processes. iScience, 26(11), 108083.
  Raimúndez, Elba; Fedders, Michael & Hasenauer, Jan
  
• pyPESTO: a modular and scalable tool for parameter estimation for dynamic models. Bioinformatics, 39(11).
  Schälte, Yannik; Fröhlich, Fabian; Jost, Paul J.; Vanhoefer, Jakob; Pathirana, Dilan; Stapor, Paul; Lakrisenko, Polina; Wang, Dantong; Raimúndez, Elba; Merkt, Simon; Schmiester, Leonard; Städter, Philipp; Grein, Stephan; Dudkin, Erika; Doresic, Domagoj; Weindl, Daniel & Hasenauer, Jan
  
• Benchmarking methods for computing local sensitivities in ordinary differential equation models at dynamic and steady states. PLOS ONE, 19(10), e0312148.
  Lakrisenko, Polina; Pathirana, Dilan; Weindl, Daniel & Hasenauer, Jan
  
• Efficient parameter estimation for ODE models of cellular processes using semi-quantitative data. Bioinformatics, 40(Supplement_1), i558-i566.
  Dorešić, Domagoj; Grein, Stephan & Hasenauer, Jan