createSimFunction(模型)
创建SimFunction对象
语法
描述
F=createSimFunction(模型,参数个数,可见,剂量）SimFunction对象F你可以像函数句柄一样执行。的参数个数和可见参数定义函数的输入和输出F当它被执行时，并且剂量定义物种的剂量信息。看到SimFunction对象有关如何执行的详细信息，请参阅F．
请注意
当出现以下情况时，模型的有效剂量和变量将被忽略：
F被执行。F在创建后是不可变的。F在第一次执行函数时自动加速，除非AutoAccelerate到假．如果希望在部署应用程序中加速对象，则手动加速该对象。
输入参数
输出参数
例子
创建SimFunction对象
这个例子使用了一个具有一级反应的放射性衰变模型
,在那里x和z物种和c是正速率常数。
加载包含放射性衰变模型的样例项目m1．
SBIOLADP项目radiodecay；
创建一个SimFunction对象，指定参数Reaction1.c和物种x作为无剂量物种的功能输出。
f = createSimFunction (m1,“Reaction1.c”,“x”[])
函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数参数：函数：函数参数：函数参数：函数参数：函数：函数：函数参数：函数：函数参数：函数参数：函数：函数：函数函数：函数：函数：函数：函数：函数：函数：函数：函数：函数：函数：函数：函数：函数：函数名名名名名名名名名名名名名名名名名名名名名名值值：函数函数函数函数函数，厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄厄uuuuu{'x'}{'species'}{'molecular'}剂量：无时间单位：秒
如果单位转换选项被设置为假当SimFunction对象f创建时，该表不显示模型数量的单位。
为了说明这一点，首先设置单位转换选项假．
c = getconfigset (m1);cs.CompileOptions.UnitConversion = false;
创建SimFunction对象，并注意变量名为单位就消失了。
f = createSimFunction(m1， {)“Reaction1.c”}，{“x”}, [])
f=SimFunction参数：名称值类型{Uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
如果模型中的任何物种正在被剂量化，则将剂量化物种的名称指定为最后一个参数。例如，如果物种x，指定它为最后一个参数。
f = createSimFunction(m1， {)“Reaction1.c”}，{“x”}，“x”）
f=SimFunction参数：名称值类型{uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
一旦SimFunction对象创建时，可以像函数句柄一样执行它，并执行参数扫描(如果并行计算工具箱™可用，则并行执行)、蒙特卡罗模拟，并使用多个或向量化剂量进行扫描。看到SimFunction对象更多的例子。
创建一个具有剂量信息的SimFunction对象
此示例创建了一个SimFunction使用RepeatDose或ScheduleDose对象或这些对象的向量。但是，如果任何剂量对象包含以下数据：开始时间,量和率，则忽略此类数据，并发出警告。只使用可用的数据TargetName,LagParameterName和DurationParameterName剂量物体的。
加载包含放射性衰变模型的样例项目m1．
SBIOLADP项目radiodecay；
创建一个RepeatDose对象并指定其属性。
rdose = sbiodose (“rd”)；rdose.TargetName=“x”；rdose。开始时间= 5;rdose。TimeUnits =“第二”；rdose。数量= 300;rdose。AmountUnits =“分子”；rdose。率＝1；rdose。率单位＝“分子/秒”；rdose。间隔= 100;rdose。RepeatCount = 2;
向模型中添加延迟参数和持续时间参数。
lagPara = addparameter (m1,“lp”）;lagPara。价值＝1；lagPara。价值单位＝“第二”；duraPara=addparameter（m1，“迪拜”）;duraPara。价值＝1；duraPara。价值单位＝“第二”；
将这些参数设置为剂量对象。
rdose。LagParameterName =“lp”；rdose。DurationParameterName =“迪拜”；
创建一个SimFunction对象f使用RepeatDose对象红糖你刚刚创造的。
f = createSimFunction (m1, {“Reaction1.c”}，{“x”,“z”}，rdose）
警告:DOSED中的一些Dose对象有数据。该数据将被忽略。在SimFunction > > SimFunction。SimFunction一个t847 In SimFunction>SimFunction.createSimFunction at 374 f = SimFunction Parameters: Name Value Type Units _____________ _____ ___________ __________ 'Reaction1.c' 0.5 'parameter' '1/second' Observables: Name Type Units ____ _________ __________ 'x' 'species' 'molecule' 'z' 'species' 'molecule' Dosed: TargetName TargetDimension __________ _______________________________ 'x' 'Amount(e.g. mole or molecule)' DurationParameterName DurationParameterValue _____________________ ______________________ 'dp' 1 DurationParameterUnits LagParameterName ______________________ ________________ 'second' 'lp' LagParameterValue LagParameterUnits _________________ _________________ 1 'second'
出现警告消息，因为红糖对象包含数据(开始时间,量,率)被忽略createSimFunction方法。
Lotka-Volterra模型扫描参数
的不同签名SimFunction对象模拟和扫描Gillespie[1]描述的Lotka-Volterra(捕食者-猎物)模型的参数。
加载包含模型的样例项目m1．
SBIOLADP项目洛特卡；
创建SimFunction对象f与c1和c2作为要扫描的输入参数，以及y1和y2作为无剂量物种的功能输出。
f = createSimFunction (m1, {“反应1.c1”,“Reaction2.c2”}，{“y1”,“日元”}, [])
f = SimFunction参数:值类型名称 ________________ _____ _____________ {' Reaction1。c1'} 10 {'parameter'} {'c2'} 0.01 {'parameter'} Observables: Name Type ______ ___________ {'y1'} {'species'} {'y2'} {'species'} Dosed: None
定义一个输入矩阵，其中包含每个参数的值(c1和c2)对于每个模拟。行数表示模拟总数，每个模拟使用每行中指定的参数值。
Phi = [10 0.01;十0.02);
运行模拟，直到停止时间为5，并绘制模拟结果。
sbioplot (f(φ,5));
您还可以为每个模拟指定一个表示不同停止时间的向量。
t_stop =(3、6);sbioplot (f(φ,t_stop));
接下来，将输出时间指定为向量。
t_output = 0:0.1:5;sbioplot (f(φ,[][],t_output));
将输出时间指定为向量的单元格数组。
T_output = {0:0.01:3, 0:0.2:6};Sbioplot (f(phi， []， []， t_output));
计算敏感性使用SimFunctionSensitivity对象
这个例子展示了如何计算Lotka-Volterra模型中某些物种的敏感性SimFunctionSensitivity对象。
加载示例项目。
SBIOLADP项目洛特卡；
定义输入参数。
params = {“反应1.c1”,“Reaction2.c2”}；
定义观察到的物种，它们是模拟的输出。
可见= {“y1”,“日元”}；
创建一个SimFunctionSensitivity对象。将灵敏度输出因子设置为所有物种(y1和y2)在可见论证和输入因素的那些参数个数参数(c1和c2)，将名称-值对参数设置为“所有”．
f = createSimFunction (m1, params,可见,[],“SensitivityOutputs”,“所有”,“SensitivityInputs”,“所有”,“SensitivityNormalization”,“全部”）
f = SimFunction参数:值类型名称 ________________ _____ _____________ {' Reaction1。c1'} 10 {'parameter'} {'c2'} 0.01 {'parameter'} Observables: Name Type ______ ___________ {'y1'} {'species'} {'y2'} {'species'} Dosed: None Sensitivity Input Factors: Name Type ________________ _____________ {'Reaction1.c1'} {'parameter'} {'Reaction2.c2'} {'parameter'} Sensitivity Output Factors: Name Type ______ ___________ {'y1'} {'species'} {'y2'} {'species'} Sensitivity Normalization: Full
通过使用执行对象来计算灵敏度c1和c2分别设置为10和0.1。将输出次数从1设置为10。t包含时间点,y包含仿真数据，并且sensMatrix灵敏度矩阵是否包含的灵敏度y1和y2关于c1和c2．
[t y sensMatrix] = f (0.1 [10], [], [], 1:10);
检索时间点5的灵敏度信息。
temp=sensMatrix{：}；sensMatrix2=temp（t{：}==5，：，：）；sensMatrix2=SHEEK（sensMatrix2）
sensMatrix2 =2×237.6987 -6.8447 -40.2791 5.8225
一排sensMatrix2表示输出因子(y1和y2)．列表示输入因子(c1和c2)．
将停止时间设置为15，但不指定输出时间。在这种情况下，输出时间默认为解算器时间点。
sd=f（[10,0.1]，15）；
的计算灵敏度SimData对象sd．
[t、y、输出、输入]= getsensmatrix (sd);
绘制物种的敏感性图y1和y2关于c1．
图;情节(t y (:,: 1));传奇(输出);标题(物种y1和y2对参数c1的敏感性）;包含(“时间”)；伊莱贝尔(“敏感性”）;
绘制物种的敏感性图y1和y2关于c2．
图;情节(t y (:,: 2));传奇(输出);标题('物种y1和y2对参数c2的敏感性'）;包含(“时间”)；伊莱贝尔(“敏感性”）;
或者，您可以使用斯比奥普洛特．
sbioplot（sd）；
![图中包含一个轴对象。标题状态随时间变化的Axis对象包含6个line类型的对象。这些对象表示y1，y2，d[y1]/d[Reaction1.c1]，d[y2]/d[Reaction1.c1]，d[y1]/d[Reaction2.c2]，d[y2]/d[Reaction2.c2]。](http://www.tatmou.com/jp/help/examples/simbio/win64/CalculateSensitivitiesUsingSimFunctionSensitivityObjectExample_03.png)
您还可以使用计算的灵敏度的时间积分绘制灵敏度矩阵y1和y2.图中显示y1和y2对c1比c2．
[~，in，out]=大小（y）；结果=零（输入、输出）；为i = 1:为j=1:out结果（i，j）=trapz（t（：），abs（y（：，i，j））；结束结束图；hbar=bar（结果）；haxes=hbar（1）.父项；haxes.XTick=1:长度（输出）；haxes.XTickLabel=输出；图例（输入，“位置”,“NorthEastOutside”)；伊莱贝尔(“敏感性”）;
模拟不同初始条件下葡萄糖-胰岛素反应模型
本例显示了如何模拟正常和糖尿病受试者的葡萄糖-胰岛素反应。
加载葡萄糖-胰岛素反应模型。具体型号请参见出身背景章节模拟葡萄糖-胰岛素反应．
sbioloadproject (“insulindemo”,“m1”）
该模型包含不同的初始条件，存储在不同的变体中。
变量= getvariant (m1);
了解2型糖尿病患者的初始情况。
类型2 =变体(1)
type2=SimBiology变体-2型糖尿病（非活动）内容索引：类型：名称：属性：值：1参数血浆体积。。。值1.49 2参数k1值0.042 3参数k2值0.071 4参数血浆体积。。。值0.04 5参数m1值0.379 6参数m2值0.673 7参数m4值0.269 8参数m5值0.0526 9参数m6值0.8118 10参数肝脏体外循环。。。值0.6 11参数kmax值0.0465 12参数kmin值0.0076 13参数kabs值0.023 14参数kgri值0.0465 15参数f值0.9 16参数a值6e-05 17参数b值0.68 18参数c值0.00023 19参数d值0.09 20参数kp1值3.09 21参数kp2值0.0007 22参数kp3值0.005 23参数kp4值0.0786 24参数ki值0.0066 25参数[Ins Ind Glu U…值1 26参数Vm0值4.65 27参数Vmx值0.034 28参数Km值466.21 29参数p2U值0.084 30参数K值0.99 31参数α值0.013 32参数β值0.05 33参数伽马值0.5 34参数ke1值0.0007 35参数ke2值269 36参数基础血浆G…值164.18 37参数基础血浆I…值54.81
禁止模拟期间发出的信息性警告。
warnSettings =警告(“关闭”,“SimBiology: DimAnalysisNotDone_MatlabFcn_Dimensionless”）;
创建SimFunction对象以模拟正常和糖尿病受试者的葡萄糖-胰岛素反应。
指定一个空数组
｛｝对于第二个输入参数，表示将使用基本参数值模拟模型(即不执行参数扫描)。指定血糖和胰岛素浓度作为响应(要绘制的函数的输出)。
指定物种
剂量作为剂量的物种。这种物质代表模拟开始时葡萄糖的初始浓度。
normSim = createSimFunction (m1, {},...｛“(等离子Glu浓缩)”,“(血浆Ins浓缩的)”}，“剂量”）
normSim = SimFunction参数:可见:名字类型的单位 _____________________ ___________ _______________________ {'[ 等离子体Glu浓缩的]}{“物种”}{毫克/分升的}{'[血浆Ins浓缩的]}{“物种”}{“皮摩尔/升”}给:TargetName TargetDimension __________ _____________________ {' 剂量的}{的质量(例如,克)}TimeUnits:小时
对于糖尿病患者，使用变量指定初始条件类型2．
diabSim = createSimFunction (m1, {},...｛“(等离子Glu浓缩)”,“(血浆Ins浓缩的)”}，“剂量”，第2类）
diabSim = SimFunction参数:可见:名字类型的单位 _____________________ ___________ _______________________ {'[ 等离子体Glu浓缩的]}{“物种”}{毫克/分升的}{'[血浆Ins浓缩的]}{“物种”}{“皮摩尔/升”}给:TargetName TargetDimension __________ _____________________ {' 剂量的}{的质量(例如,克)}TimeUnits:小时
在模拟开始时，选择一份代表78克葡萄糖的单餐剂量。
singleMeal = sbioselect (m1,“名字”,“单餐”）;
将剂量信息转换为表格格式。
可食=可食（单餐）；
模拟正常受试者24小时的葡萄糖-胰岛素反应。
sbioplot (normSim([], 24岁,mealTable));
模拟糖尿病患者24小时的葡萄糖-胰岛素反应。
sbioplot（diabSim（[]，24，可测量））；
使用变体执行扫描
假设您希望使用包含不同胰岛素损害的不同初始条件的变量数组执行参数扫描。例如，模型m1有对应于低胰岛素敏感性和高胰岛素敏感性的变异。您可以通过对SimFunction对象的单个调用来模拟这两种情况下的模型。
选择要扫描的变体。
varToScan = sbioselect (m1,“名字”,...｛“低胰岛素敏感性”,“高胰岛素敏感性”});
检查每个变量中存储了哪些模型参数。
varToScan (1)
ans = SimBiology Variant - Low insulin sensitivity (inactive) ContentIndex: Type: Name: Property: Value: 1 parameter Vmx Value 0.0235 2 parameter kp3 Value 0.0045
varToScan (2)
ans=SimBiology变体-高胰岛素敏感性（非活性）内容索引：类型：名称：属性：值：1参数Vmx值0.094 2参数kp3值0.018
这两种变体存储的交替值Vmx和kp3参数。创建SimFunction对象时，需要将其指定为输入参数。
创建SimFunction对象以扫描变量。
variantScan = createSimFunction (m1, {“Vmx”,“kp3”}，...｛“(等离子Glu浓缩)”,“(血浆Ins浓缩的)”}，“剂量”）;
模拟模型并绘制结果。运行1包括低胰岛素敏感性和低胰岛素敏感性的模拟结果运行2对于高胰岛素敏感性。
sbioplot（Variatscan（varToScan，24岁，可测量））；
低胰岛素敏感性导致血糖浓度升高和延长。
恢复警告设置。
警告(warnSettings);
参考文献
D.T.吉莱斯皮(1977)。耦合化学反应的精确随机模拟。物理化学学报。81(25)，2340-2361。
扩展能力
另请参阅
SimBiology。场景|模型对象|SimFunction对象|SimFunctionSensitivity对象|sbiosampleerror|sbiosampleparameters
主题
你也可以从以下列表中选择一个网站:
