Detecting T Cell Activation Using a Varying Dimension Bayesian Model.
Detecting T Cell Activation Using a Varying Dimension Bayesian Model.
复制标题
DOI：
10.1080/02664763.2017.1290789
复制
发表时间：
2018
影响因子：
1.5
通讯作者：
Müller P
中科院分区：
文献类型：
--
作者：
Hu Z;Lancaster JN;Ehrlich LIR;Müller P
在许多免疫学检测中，T细胞活化的检测是至关重要的。然而，由于数据的高度噪声，检测活组织中的T细胞激活仍然是一个挑战。我们开发了一个贝叶斯概率模型来识别T细胞激活，基于钙流量，在T细胞激活过程中细胞内钙浓度急剧增加。由于T细胞具有未知数量的通量事件，后验推断的实现需要跨维的后验模拟。该模型能够从模拟数据和噪声生物数据中检测单细胞水平的钙通量事件。
The detection of T cell activation is critical in many immunological assays. However, detecting T cell activation in live tissues remains a challenge due to highly noisy data. We developed a Bayesian probabilistic model to identify T cell activation based on calcium flux, a dramatic increase in intracellular calcium concentration that occurs during T cell activation. Because a T cell has unknown number of flux events, the implementation of posterior inference requires trans-dimensional posterior simulation. The model is able to detect calcium flux events at the single cell level from simulated data, as well as from noisy biological data.
登录
查看更多内容
影响因子：
20.3
作者：
Tsuchiya, T;Ohshima, K;Kikuchi, M
通讯作者：
Kikuchi, M
影响因子：
32.4
作者：
Ehrlich, Lauren I. Richie;Oh, David Y.;Lewis, Richard S.
通讯作者：
Lewis, Richard S.
影响因子：
15.9
作者：
Herold, KC;Burton, JB;Bluestone, JA
通讯作者：
Bluestone, JA
DOI：
10.1073/pnas.1408482111
发表时间：
2014-06-24
影响因子：
11.1
作者：
Ross, Jenny O.;Melichar, Heather J.;Robey, Ellen A.
通讯作者：
Robey, Ellen A.
影响因子：
30.5
作者：
Bhakta, NR;Oh, DY;Lewis, RS
通讯作者：
Lewis, RS