Bayesian multivariate Poisson abundance models for T-cell receptor data.
Bayesian multivariate Poisson abundance models for T-cell receptor data.
复制标题
DOI：
10.1016/j.jtbi.2013.02.009
复制
发表时间：
2013-06-07
影响因子：
2
通讯作者：
Rempala, Grzegorz A.
中科院分区：
文献类型：
--
作者：
Greene, Joshua;Birtwistle, Marc R.;Ignatowicz, Leszek;Rempala, Grzegorz A.
关键词：
适应性免疫系统的一个主要特征是其产生能够识别和中和特异性抗原的B细胞和T细胞克隆的能力。这些克隆识别抗原的表面分子的帮助下，称为抗原受体，在克隆发育过程中获得单独的。为了确保对广泛抗原的应答，不同受体分子的数量非常大，导致B细胞和T细胞受体群体的巨大克隆多样性，并使它们的实验比较在统计上具有挑战性。为了便于这样的比较，我们提出了一个灵活的参数模型的多变量计数数据，并说明其使用的同时分析来自哺乳动物T细胞的多个抗原受体群体。该模型依赖于所观察到的受体计数作为一个多变量泊松丰度混合物（m PAM）的表示。贝叶斯参数拟合过程中，提出了基于完整的后验似然，而不是通常使用的条件在类似的设置。新的程序被证明是相当有效的比它的条件对应（如测量的Fisher信息）在区域的m PAM参数空间相关的模型T细胞数据。
A major feature of an adaptive immune system is its ability to generate B- and T-cell clones capable of recognizing and neutralizing specific antigens. These clones recognize antigens with the help of the surface molecules, called antigen receptors, acquired individually during the clonal development process. In order to ensure a response to a broad range of antigens, the number of different receptor molecules is extremely large, resulting in a huge clonal diversity of both B- and T-cell receptor populations and making their experimental comparisons statistically challenging. To facilitate such comparisons, we propose a flexible parametric model of multivariate count data and illustrate its use in a simultaneous analysis of multiple antigen receptor populations derived from mammalian T-cells. The model relies on a representation of the observed receptor counts as a multivariate Poisson abundance mixture (m PAM). A Bayesian parameter fitting procedure is proposed, based on the complete posterior likelihood, rather than the conditional one used typically in similar settings. The new procedure is shown to be considerably more efficient than its conditional counterpart (as measured by the Fisher information) in the regions of m PAM parameter space relevant to model T-cell data.
登录
查看更多内容
影响因子：
4.8
作者：
Fisher, RA;Corbet, AS;Williams, CB
通讯作者：
Williams, CB
影响因子：
32.4
作者：
Correia-Neves, M;Waltzinger, C;Benoist, C
通讯作者：
Benoist, C
影响因子：
3.6
作者：
Kedzierska, Katherine;La Gruta, Nicole L.;Doherty, Peter C.
通讯作者：
Doherty, Peter C.
用于抗原受体曲目比较分析的模型。
影响因子：
2
作者：
Rempala, Grzegorz A.;Seweryn, Michal;Ignatowicz, Leszek
通讯作者：
Ignatowicz, Leszek
影响因子：
4.5
作者：
Johnson, VE
通讯作者：
Johnson, VE