A Model-Based Hierarchical Bayesian Approach to Sholl Analysis.
A Model-Based Hierarchical Bayesian Approach to Sholl Analysis.
复制标题
基于模型的 Sholl 分析的分层贝叶斯方法。
DOI：
10.1101/2023.01.23.525256
复制
发表时间：
2023
期刊：
影响因子：
--
通讯作者：
McCall,MatthewN
中科院分区：
文献类型：
--
作者：
Vonkaenel,Erik;Feidler,Alexis;Lowery,Rebecca;Andersh,Katherine;Love,Tanzy;Majewska,Ania;McCall,MatthewN
运动由于小胶质细胞的形态和功能之间的联系，小胶质细胞的形态变化经常被用来识别中枢神经系统的病理性免疫反应。在没有病理的情况下，小胶质细胞负责维持内稳态，它们的形态可以指示健康的大脑在外部刺激和遗传差异存在时的行为。尽管最近对高通量的形态分析方法感兴趣，Sholl分析仍然被广泛用于通过成像数据定量小胶质细胞的形态。通常，原始数据是自然分层的，最小限度地包括每幅图像中的许多细胞和每只动物的许多图像。结果为了弥补这一长期存在的空白，我们引入了一种基于参数分层贝叶斯模型的方法来分析Sholl数据，这样就可以在不大幅缩减原本非常丰富的数据的情况下进行推理。我们将我们的模型应用到实际数据中，并进行了模拟研究，将所提出的方法与流行的替代方法进行了比较。可用性和实现复制本文所示结果的软件可在以下网站获得：https://github.com/vonkaenelerik/hierarchical_sholl.实施建议模型的R包可在以下网址获得：https://github.com/vonkaenelerik/ShollBayes.
MotivationDue to the link between microglial morphology and function, morphological changes in microglia are frequently used to identify pathological immune responses in the central nervous system. In the absence of pathology, microglia are responsible for maintaining homeostasis, and their morphology can be indicative of how the healthy brain behaves in the presence of external stimuli and genetic differences. Despite recent interest in high throughput methods for morphological analysis, Sholl analysis is still widely used for quantifying microglia morphology via imaging data. Often, the raw data are naturally hierarchical, minimally including many cells per image and many images per animal. However, existing methods for performing downstream inference on Sholl data rely on truncating this hierarchy so rudimentary statistical testing procedures can be used.ResultsTo fill this longstanding gap, we introduce a parametric hierarchical Bayesian model-based approach for analyzing Sholl data, so that inference can be performed without aggressive reduction of otherwise very rich data. We apply our model to real data and perform simulation studies comparing the proposed method with a popular alternative.Availability and implementationSoftware to reproduce the results presented in this article is available at: https://github.com/vonkaenelerik/hierarchical_sholl. An R package implementing the proposed models is available at: https://github.com/vonkaenelerik/ShollBayes.
登录
查看更多内容
DOI：
--
发表时间：
2022-09
期刊：
--
影响因子：
--
作者：
Paul A. Parker;S. Holan;R. Janicki
通讯作者：
Paul A. Parker;S. Holan;R. Janicki
单位级时间二项式-logit混合模型下贫困比例的小区域估计
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
T. Hobza;D. Morales;L. Santamaría
通讯作者：
L. Santamaría
DOI：
10.1214/21-aoas1524
发表时间：
2020-09
期刊：
The Annals of Applied Statistics
影响因子：
--
作者：
Paul A. Parker;S. Holan;R. Janicki
通讯作者：
Paul A. Parker;S. Holan;R. Janicki
单元级模型下一般参数的时间稳定小区域估计
DOI：
10.2139/ssrn.3683860
发表时间：
2020
期刊：
ERN: Other Econometrics: Econometric & Statistical Methods (Topic)
影响因子：
--
作者：
M. Guadarrama;D. Morales;I. Molina
通讯作者：
I. Molina
磁松弛测量成像的贝叶斯测量设计
影响因子：
2.1
作者：
T. Helin;Nuutti Hyvönen;Jarno Maaninen;Juha
通讯作者：
Juha