统计学 > 应用
[提交于 2012年8月28日
(v1)
,最后修订 2012年8月30日 (此版本, v2)]
标题: 混合模型在单细胞分析中的应用:以疫苗研究为例
标题: Mixture Models for Single Cell Assays with Applications to Vaccine Studies
摘要: 在免疫学研究中,从血液和组织中表征功能上不同的小细胞亚群对于解析系统级的生物学变化至关重要。越来越多的研究依赖于能够从大量细胞样本中提供多个基因和蛋白质单细胞测量值的分析方法。此类数据的一个常见问题是识别在两种生物条件下(例如,接种疫苗前/后)差异表达的生物标志物(或其组合),其中表达被定义为感兴趣细胞亚群中表达该生物标志物或组合的比例。在这里,我们提出了一种基于贝叶斯层次模型的框架,用于使用单细胞测定法检测差异生物标志物表达。我们的模型允许推断具有特定性,这通常是评估疫苗反应时所要求的,同时通过共同先验分布跨受试者借用信息。我们提出了两种参数估计方法:一种是利用期望最大化算法的经验贝叶斯方法,另一种是基于马尔可夫链蒙特卡洛算法的完全贝叶斯方法。我们将我们的方法与针对单细胞测定法的频率派方法进行比较,包括费舍尔精确检验、似然比检验和基本对数倍数变化。通过几个实验测定法(测量单细胞水平上的蛋白质或基因)和模拟数据,我们展示了我们的方法具有更高的灵敏度和特异性。额外的模拟表明,我们的框架对模型误设也具有鲁棒性。最后,我们还演示了如何通过狄利克雷-多项式模型扩展我们的方法以测试多种生物标志物组合的多变量差异表达,并用单细胞基因表达数据和模拟数据说明了这种方法。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.