Marco de Neyman-Pearson para Modelar la Toma de Decisiones Celulares Utilizando Datos de Señalización de TNF-NF-κB de...

Área de la Ciencia:

• Biología celular
• Biología de sistemas
• Modelado estadístico

Sus antecedentes:

• Las decisiones celulares bajo señalización ruidosa pueden conducir a condiciones patológicas.
• La vía NF-κB es fundamental para la supervivencia celular, la apoptosis, la señalización inmune y la respuesta al estrés.
• Comprender la precisión de la toma de decisiones celulares es crucial para identificar mecanismos de enfermedad.

Objetivo del estudio:

• Desarrollar un marco de teoría de detección de Neyman-Pearson (NP) para analizar mediciones de células únicas de respuestas celulares.
• Cuantificar el rendimiento de las vías de señalización celular, específicamente la respuesta de NF-κB al factor de necrosis tumoral (TNF).
• Evaluar cómo el ruido y las perturbaciones afectan la toma de decisiones celulares y potencialmente conducen a patologías.

Principales métodos:

• Se aplicó un marco de teoría de detección de Neyman-Pearson (NP) a mediciones experimentales de células únicas de respuestas de NF-κB.
• Se modelaron las respuestas logarítmicas como distribuciones Gaussianas multivariadas.
• Se calcularon los umbrales óptimos, las compensaciones entre la probabilidad de detección (P_D) y la probabilidad de falsa alarma (P_FA), y las curvas características operativas del receptor (ROC) en diferentes puntos de tiempo.

Principales resultados:

• El marco NP capturó con éxito las respuestas biológicas esperadas, mostrando un aumento de P_D con una dosis más alta de TNF.
• Las células de tipo salvaje demostraron un rendimiento superior en comparación con las células deficientes en A20.
• La combinación de datos de múltiples puntos de tiempo (análisis bivariado) mejoró la precisión de la detección.
• El marco identificó condiciones en las que la calidad de la decisión se degradó debido a perturbaciones.

Conclusiones:

• El marco de detección NP proporciona una puntuación cuantitativa del rendimiento y el fallo de la vía.
• Este enfoque transforma los datos de células únicas ruidosos en métricas procesables para comparar condiciones y perturbaciones.
• El marco puede ayudar a explicar cómo las decisiones celulares se desvían hacia la patología.