Mixed effects modelling for biological systems

Abstract

En raison des relations complexes entre les variables des systèmes biologiques, l’hétérogénéité des données biologiques pose un défi pour leur modélisation par des modèles mathématiques et statistiques. En réponse, étant conçus pour traiter des données multiniveaux et bruitées, les modèles à effets mixtes deviennent de plus en plus populaires en modélisation quantitative de systèmes biologiques. L'objectif de cette thèse est de présenter l’application de modèles à effets mixtes à différents systèmes biologiques. Le deuxième chapitre de ce mémoire vise à déterminer la relation entre la cote de qualité du sirop d'érable, divers indicateurs de qualité couramment obtenus par les producteurs ainsi qu'un nouvel indicateur, le COLORI, et la concentration en acides aminés (AA). Pour cela, nous avons créé deux modèles à effets mixtes : le premier est un modèle ordinal qui prédit directement la cote de qualité du sirop d'érable en utilisant la transmittance, COLORI et AA ; le deuxième modèle est un modèle non linéaire qui prédit la concentration en AA en utilisant COLORI avec le pH comme approximation temporelle. Nos résultats montrent que la concentration en AA est un bon prédicteur de la qualité du sirop d'érable et que COLORI est un bon prédicteur de la concentration en AA. Le troisième chapitre traite de l’utilisation d’un modèle de la pharmacocinétique de population (PopPK) pour décrire la dynamique de l'estradiol dans un modèle de pharmacologie quantitative des systèmes (QSP) de la différenciation des cellules mammaires en cellules myoépithéliales afin de capturer l'hétérogénéité de la population de patients. Nous avons trouvé que la composante PopPK du modèle QSP n’a pas ajoutée de grande variation dans la dynamique de patients virtuels, ce qui suggère que le modèle QSP inclut intrinsèquement l'hétérogénéité. Dans l'ensemble, ce mémoire démontre l'application de modèles à effets mixtes au systèmes biologiques pour comprendre l'hétérogénéité des données biologiques.

Modelling biological systems with mathematical models has been a challenge due to the tendency for biological data to be heavily heterogeneous with complex relationships between the variables. Mixed effects models are an increasingly popular choice as a statistical model for biological systems since it is designed for multilevel data and noisy data. The aim of this thesis is to showcase the range of usage of mixed effects modelling for different biological systems. The second chapter aims to determine the relationship between maple syrup quality rating and various quality indicator commonly obtained by producers as well as a new indicator, COLORI, and amino acid (AA) concentration. For this, we created two mixed effects models: the first is an ordinal model that directly predicts maple syrup quality rating using transmittance, COLORI and AA; the second model is a nonlinear model that predicts AA concentration using COLORI with pH as a time proxy. Our models show that AA concentration is a good predictor for maple syrup quality, and COLORI is a good predictor for AA concentration. The third chapter involves using a population pharmacokinetics (PopPK) model to estimate estradiol dynamics in a quantitative systems pharmacokinetics (QSP) model for mammary cell differentiation into myoepithelial cells in order to capture population heterogeneity among patients. Our results show that the QSP model inherently includes heterogeneity in its structure since the added PopPK estradiol portion of the model does not add large variation in the estimated virtual patients. Overall, this thesis demonstrates the application of mixed effects models in biology as a way to understand heterogeneity in biological data.