Optimal Design for Goodness-of-Fit of the Michaelis–Menten Enzyme Kinetic Function
Michaelis–Menten 酶动力学函数拟合优度的最优设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦酶动力学与药代动力学的实验设计，参数估计本身不足以归入经济结构估计，故暂不选择所列细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
Michaelis–Menten 酶动力学函数拟合优度的最优设计
- 研究问题
- 如何设计实验，使其兼顾酶动力学模型的参数估计和模型假设检验，并减少未知非线性参数误设带来的影响？
- 方法与思路
- 作者以 EMAX 扩展模型为参照，在非线性参数范围内最大化最小 D 或 D1 效率，兼顾参数估计与模型比较检验。
- 材料陈述的贡献
- 摘要称所构造设计兼顾 EMAX 估计与模型检验，在 Michaelis–Menten 参数估计中效率约为七成，并对参数误设稳健。
- 阅读关注点
- 阅读全文时应核对模型嵌套关系、参数搜索范围、两类效率的基准，以及约七成效率和稳健性结论对应的具体设计。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；效率结论的参数范围和比较基准未展开，不能将约七成效率或稳健性视为普遍保证。
原文摘要
We construct efficient designs for the Michaelis–Menten enzyme kinetic model capable of checking model assumptions. An extended model called EMAX is also considered for this purpose. This model is widely used in pharmacokinetics and reduces to the Michaelis–Menten model for a specific choice of parameter settings. Our strategy is to find efficient designs for estimating the parameters in the EMAX model and at the same time test the validity of the Michaelis–Menten model against the EMAX model by maximizing a minimum of the D or D1 efficiencies taken over a range of values for the nonlinear parameters. In particular, we show that such designs are (a) efficient for estimating parameters in the EMAX model, (b) about 70% efficient for estimating parameters in the Michaelis–Menten model, (c) efficient for testing the Michaelis–Menten model against the EMAX model, and (d) robust with respect to misspecification of the unknown parameters in the nonlinear model.